Các yếu tố ảnh hưởng đến nợ xấu của ngân hàng thương mại cổ phần tại Việt Nam

Khóa luận phân tích các yếu tố ảnh hưởng đến nợ xấu tại ngân hàng thương mại cổ phần Việt Nam, giúp hiểu rõ nguyên nhân và giải pháp quản lý rủi ro hiệu quả.

• Tác giả: Nguyễn Hoàng Chương
• Người hướng dẫn: PGS. Đặng Văn Dân
• Trường học: Đại học Ngân hàng Thành phố Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Các yếu tố tác động đến nợ xấu của các Ngân hàng Thương mại Cổ phần tại Việt Nam
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
• 1.1. Lý do chọn đề tài
• 1.2. Muc tiêu nghiên cứu
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Đóng góp của nghiên cứu
• 1.7. Kết cấu nghiên cứu
• 1.8. Kết luận chương 1
• 2. CHƯƠNG 2: LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM
• 2.1. Khái niệm nợ xấu ngân hàng
• 2.2. Lý thuyết các nhân tố tác động đến nợ xấu
• 2.3. Tổng quan các nghiên cứu thực nghiệm
• 2.3.1. Nghiên cứu trên thế giới
• 2.3.2. Nghiên cứu trong nước
• 2.4. Các nhân tố ảnh hưởng
• 2.5. Kết luận Chương 2
• 3. CHƯƠNG 3: PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU
• 3.1. Mô hình nghiên cứu
• 3.1.1. Khái quát mô hình nghiên cứu
• 3.1.2. Giải thích về kỳ vọng của các biến
• 3.2. Dữ liệu nghiên cứu
• 3.3. Trình tự nghiên cứu
• 3.4. Kết luận chương 3
• 4. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
• 4.1. Thống kê mô tả biến
• 4.2. Phân tích tương quan mô hình nghiên cứu
• 4.3. Phân tích hồi quy mô hình nghiên cứu
• 4.3.1. Kiểm định hiện tượng đa cộng tuyến
• 4.3.2. Kiểm định hiện tượng phương sai thay đổi
• 4.3.3. Kiểm định hiện tượng tự tương quan
• 4.3.4. Ước lượng mô hình theo phương pháp GMM
• 4.3.5. Thảo luận kết quả nghiên cứu
• 4.4. Kết luận chương 4
• 5. KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. Một số khuyến nghị
• 5.2. Hạn chế của đề tài và các hướng nghiên cứu tiếp theo
• 5.3. Kết luận chương 5
• TÀI LIỆU THAM KHẢO
• CÁC NGÂN HÀNG TRONG MẪU NGHIÊN CỨU
• PHỤ LỤC 2. DỮ LIỆU NGHIÊN CỨU
• PHỤ LỤC 3. KẾT QUẢ HỒI QUY
• PHỤ LỤC 4

Tóm tắt

I. Tình hình nợ xấu tại Việt Nam

Nợ xấu là một vấn đề nghiêm trọng trong hệ thống ngân hàng thương mại cổ phần tại Việt Nam. Từ năm 2007, nợ xấu bắt đầu tăng và đạt đỉnh vào năm 2011 với tỷ lệ 3.0% tổng dư nợ. Theo báo cáo của Ngân hàng Nhà nước, tỷ lệ nợ xấu năm 2012 là 4%, trong khi Ngân hàng Thế giới ước tính con số này lên đến 12%. Sự chênh lệch này cho thấy mức độ phức tạp và đáng lo ngại của vấn đề. Nợ xấu không chỉ ảnh hưởng đến lợi nhuận mà còn gây ra rủi ro thanh khoản cho các ngân hàng. Các yếu tố như tăng trưởng tín dụng, lạm phát, và tăng trưởng kinh tế đều có tác động đáng kể đến nợ xấu. Nghiên cứu này tập trung vào việc phân tích các yếu tố này để đưa ra giải pháp hiệu quả.

1.1. Nguyên nhân nợ xấu

Nguyên nhân nợ xấu được xác định từ cả yếu tố nội bộ và bên ngoài. Các yếu tố nội bộ bao gồm quản lý rủi ro tín dụng kém hiệu quả, tăng trưởng tín dụng quá nóng, và quy mô ngân hàng. Yếu tố bên ngoài như lạm phát, tăng trưởng kinh tế chậm, và chính sách tiền tệ thắt chặt cũng góp phần làm gia tăng nợ xấu. Theo nghiên cứu của Vinh (2015) và Đào Lê Kiều Oanh (2020), tăng trưởng tín dụng và lạm phát có mối tương quan dương với nợ xấu. Điều này cho thấy cần có sự điều chỉnh trong chính sách tín dụng và quản lý rủi ro để hạn chế nợ xấu.

1.2. Tác động của nợ xấu

Tác động của nợ xấu đến hệ thống ngân hàng và nền kinh tế là rất lớn. Nợ xấu làm giảm lợi nhuận của ngân hàng, gây ra rủi ro thanh khoản, và có thể dẫn đến khủng hoảng tài chính. Theo Rogoff (2010), nợ xấu là dấu hiệu cảnh báo sớm cho khủng hoảng tài chính. Tại Việt Nam, nợ xấu đã ảnh hưởng đến hoạt động kinh doanh của các ngân hàng, đặc biệt là trong giai đoạn kinh tế suy thoái. Việc xử lý nợ xấu kịp thời là cần thiết để đảm bảo sự ổn định của hệ thống ngân hàng và nền kinh tế.

II. Phương pháp nghiên cứu và kết quả

Nghiên cứu sử dụng phương pháp định lượng với dữ liệu bảng từ 25 ngân hàng thương mại cổ phần tại Việt Nam từ năm 2010 đến năm 2021. Phương pháp ước lượng GMM được áp dụng để phân tích các yếu tố ảnh hưởng đến nợ xấu. Kết quả cho thấy tỷ suất lợi nhuận trên tổng tài sản (ROA), tăng trưởng tín dụng, và tăng trưởng kinh tế có mối tương quan nghịch với nợ xấu. Ngược lại, quy mô ngân hàng, lạm phát, và dự phòng rủi ro tín dụng có mối tương quan thuận với nợ xấu. Những phát hiện này cung cấp cơ sở quan trọng cho việc xây dựng chính sách quản lý nợ xấu hiệu quả.

2.1. Phương pháp định lượng

Nghiên cứu sử dụng phương pháp ước lượng GMM để khắc phục vấn đề nội sinh trong mô hình. Dữ liệu được thu thập từ báo cáo tài chính và báo cáo thường niên của 25 ngân hàng thương mại cổ phần tại Việt Nam. Phương pháp GMM cho phép phân tích tác động của các biến độc lập như ROA, tăng trưởng tín dụng, lạm phát, và quy mô ngân hàng lên nợ xấu. Kết quả hồi quy cho thấy các yếu tố này đều có ý nghĩa thống kê, cung cấp cơ sở vững chắc cho việc đưa ra các khuyến nghị chính sách.

2.2. Kết quả nghiên cứu

Kết quả nghiên cứu chỉ ra rằng ROA và tăng trưởng kinh tế có tác động nghịch chiều với nợ xấu, trong khi quy mô ngân hàng và lạm phát có tác động thuận chiều. Điều này cho thấy các ngân hàng cần tập trung vào việc cải thiện hiệu quả hoạt động và kiểm soát tăng trưởng tín dụng để giảm nợ xấu. Ngoài ra, chính sách tiền tệ cần được điều chỉnh để kiểm soát lạm phát, một yếu tố quan trọng góp phần làm gia tăng nợ xấu.

III. Giải pháp giảm nợ xấu

Dựa trên kết quả nghiên cứu, các giải pháp giảm nợ xấu được đề xuất bao gồm cải thiện quản lý rủi ro tín dụng, kiểm soát tăng trưởng tín dụng, và điều chỉnh chính sách tiền tệ. Các ngân hàng cần tăng cường dự phòng rủi ro và cải thiện hiệu quả hoạt động để giảm thiểu nợ xấu. Ngoài ra, Ngân hàng Nhà nước cần có các biện pháp hỗ trợ để xử lý nợ xấu một cách hiệu quả, đảm bảo sự ổn định của hệ thống ngân hàng và nền kinh tế.

3.1. Cải thiện quản lý rủi ro

Cải thiện quản lý rủi ro tín dụng là giải pháp quan trọng để giảm nợ xấu. Các ngân hàng cần áp dụng các công cụ quản lý rủi ro hiện đại, tăng cường giám sát và đánh giá rủi ro tín dụng. Việc xây dựng chính sách tín dụng hợp lý và kiểm soát chặt chẽ tăng trưởng tín dụng sẽ giúp hạn chế nợ xấu.

3.2. Điều chỉnh chính sách tiền tệ

Chính sách tiền tệ cần được điều chỉnh để kiểm soát lạm phát, một yếu tố góp phần làm gia tăng nợ xấu. Ngân hàng Nhà nước cần có các biện pháp linh hoạt để điều chỉnh lãi suất và kiểm soát tăng trưởng tín dụng, đảm bảo sự ổn định của hệ thống ngân hàng và nền kinh tế.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng là kênh tạo doanh thu và lợi nhuận cốt lõi của hệ thống ngân hàng thương mại cổ phần (NHTMCP), chiếm từ 70% đến 85% tổng thu nhập hoạt động tại Việt Nam. Tuy nhiên, rủi ro tín dụng, đặc biệt là nợ xấu (Non-Performing Loans - NPL), luôn là "vùng xám" đe dọa sự an toàn thanh khoản và tính bền vững của toàn bộ hệ thống tài chính. Theo số liệu thống kê từ Ngân hàng Nhà nước (NHNN), tỷ lệ nợ xấu nội bảng toàn hệ thống năm 2016 ở mức 2,46%, giảm dần còn 1,90% vào năm 2020-2021 (chưa tính nợ tiềm ẩn rủi ro và nợ tái cơ cấu do dịch bệnh). Trước đó, giai đoạn khủng hoảng 2011-2012 chứng kiến nợ xấu chạm mốc 8,8% theo cơ quan giám sát và ước tính lên tới 12,0% theo Ngân hàng Thế giới (World Bank, 2014).

Thực trạng này đặt ra bài toán cấp thiết: Việc kiểm soát nợ xấu không thể chỉ dừng lại ở các biện pháp hành chính hay xử lý bề nổi ngắn hạn, mà đòi hỏi một khung phân tích định lượng chuyên sâu nhằm giải mã các xung lực vi mô nội tại của ngân hàng và các cú sốc vĩ mô của nền kinh tế.

+-------------------------------------------------------------------------+
|                  HỆ THỐNG PHÂN TÍCH RỦI RO NỢ XẤU (NPL)                 |
+-------------------------------------------------------------------------+
| [Vi mô: ROA, SIZE, LLR, LGR, ETA]  +  [Vĩ mô: GDP, IFL]                |
|                               |                                         |
|                               v                                         |
| [Xử lý bảng dữ liệu động 25 NHTMCP (2010-2021) -> N=25, T=12, Obs=300]  |
|                               |                                         |
|                               v                                         |
| [Kiểm định khuyết tật: VIF, Wooldridge (AR), Modified Wald/White (HE)]  |
|                               |                                         |
|                               v                                         |
| [Ước lượng Two-Step System GMM khắc phục hoàn toàn tính nội sinh]       |
+-------------------------------------------------------------------------+

Problem Statement & Pain Points

1. Tính chất nội sinh và độ trễ rủi ro (Endogeneity & Dynamic Persistence): Tỷ lệ nợ xấu kỳ hiện tại chịu tác động trực tiếp từ tỷ lệ nợ xấu kỳ trước ($NPL_{i,t-1}$). Các mô hình hồi quy tĩnh truyền thống (Pooled OLS, FEM, REM) không thể xử lý triệt để biến trễ nội sinh, dẫn đến hiện tượng chệch hệ số (Nickell bias).
2. Khuyết tật dữ liệu bảng phức hợp: Sự hiện diện đồng thời của hiện tượng phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation) chuỗi bậc nhất khiến các ước lượng cổ điển mất đi tính hiệu quả (không còn là BLUE).
3. Mâu thuẫn giữa lý thuyết quy mô và rủi ro đạo đức: Tác động của quy mô tài sản ngân hàng và tỷ lệ an toàn vốn đối với nợ xấu vẫn còn nhiều bất đồng giữa giả thuyết "Hiệu ứng quy mô" (Salas & Saurina, 2002) và giả thuyết "Quá lớn để sụp đổ" (Too Big To Fail - Boyd & Gertler, 1994).

Mục tiêu nghiên cứu cụ thể

1. Nhận diện và hệ thống hóa toàn diện các yếu tố nội tại ngân hàng (Quy mô tài sản, Tỷ lệ trích lập dự phòng rủi ro, Khả năng sinh lời ROA, Tăng trưởng tín dụng, Tỷ lệ an toàn vốn CSH) và yếu tố kinh tế vĩ mô (Tăng trưởng GDP, Tỷ lệ lạm phát).
2. Xây dựng mô hình kinh tế lượng dữ liệu bảng động (Dynamic Panel Data Model) thu thập từ 25 NHTMCP Việt Nam niêm yết trên HOSE, HNX và UPCoM trong giai đoạn 11 năm liên tục (2010 – 2021).
3. Thực hiện kiểm định chẩn đoán khuyết tật mô hình (Đa cộng tuyến VIF, Tự tương quan Wooldridge, Phương sai thay đổi Wald/Lagrange Multiplier).
4. Áp dụng phương pháp ước lượng Momen tổng quát dạng hệ thống (Two-step System GMM) với hiệu chỉnh sai số mẫu nhỏ Windmeijer để đo lường chính xác cường độ và chiều hướng tác động của từng biến số.
5. Đề xuất các khuyến nghị chính sách và chiến lược quản trị danh mục tín dụng thực tiễn cho ban điều hành các NHTMCP và Ngân hàng Nhà nước.

Phạm vi và giới hạn nghiên cứu

• Đối tượng khảo sát: 25 ngân hàng thương mại cổ phần tại Việt Nam đáp ứng tiêu chuẩn công bố thông tin tài chính kiểm toán liên tục từ năm 2010 đến 2021 (tổng quy mô mẫu: $N = 25$, $T = 12$, tổng số quan sát $Obs = 300$).
• Giới hạn dữ liệu: Chưa bao gồm các ngân hàng thương mại 100% vốn nhà nước (Agribank) hoặc các ngân hàng thuộc diện kiểm soát đặc biệt/chuyển giao bắt buộc (CBBank, OceanBank, GPBank) do hạn chế tính đồng nhất trong công bố báo cáo tài chính IFRS/VAS.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp ước lượng	Ưu điểm kỹ thuật	Nhược điểm cốt lõi	Mức độ phù hợp với dữ liệu NPL
Hồi quy gộp (Pooled OLS)	Đơn giản, dễ thực hiện, trực quan hóa mối quan hệ tuyến tính cơ bản.	Bỏ qua hoàn toàn đặc trưng bất biến riêng lẻ của từng ngân hàng ($u_i$), gây chệch hệ số nghiêm trọng.	Không phù hợp (Gây thiên lệch ước lượng)
Mô hình tác động cố định (FEM)	Kiểm soát được các yếu tố bất biến theo thời gian không quan sát được của ngân hàng.	Không xử lý được biến trễ phụ thuộc $NPL_{i,t-1}$; hệ số ước lượng bị chệch khi chuỗi thời gian $T$ hữu hạn.	Hạn chế (Vi phạm tính không nội sinh)
Mô hình tác động ngẫu nhiên (REM)	Cho phép ước lượng các biến không đổi theo thời gian; hiệu quả hơn FEM nếu $Cov(X, u_i) = 0$.	Giả định $u_i$ độc lập với các biến giải thích thường xuyên bị bác bỏ trong dữ liệu tài chính vi mô.	Hạn chế (Bị bác bỏ qua kiểm định Hausman)
System GMM (Arellano-Bover / Blundell-Bond)	Xử lý triệt để biến trễ phụ thuộc, hiện tượng nội sinh đồng thời, phương sai thay đổi và tự tương quan.	Đòi hỏi lựa chọn ma trận biến công cụ (Instrument matrix) chuẩn xác để tránh hiện tượng quá nhiều công cụ.	Tối ưu nhất (Đáp ứng đầy đủ tiêu chuẩn kinh tế lượng)

Yêu cầu bài toán theo mô hình MoSCoW

• Must-have: Mô hình kinh tế lượng dạng động, tích hợp biến trễ bậc 1 ($NPL_{i,t-1}$), kiểm soát hoàn toàn tính nội sinh qua System GMM, kiểm định Hansen/Sargan overidentifying restrictions, kiểm định Arellano-Bond AR(1) và AR(2).
• Should-have: Bộ lọc kiểm tra đa cộng tuyến ma trận VIF với ngưỡng $VIF < 5$, thuật toán kiểm tra tự tương quan chuỗi Wooldridge test, kiểm định phương sai thay đổi White/Modified Wald test.
• Could-have: Xây dựng module tự động hóa xuất báo cáo phân tích hồi quy, biểu đồ hóa độ nhạy rủi ro theo kịch bản vĩ mô (Stress Testing Framework).
• Won't-have: Mô hình định giá tài sản phái sinh tín dụng phức tạp (CDS pricing) và phân tích rủi ro thanh khoản liên ngân hàng Real-time (vượt phạm vi dữ liệu tài chính hàng năm).

Thiết kế hệ thống và mô hình định lượng

flowchart TD
    A["Raw Data (BCTC 25 NHTMCP + Macro Data 2010-2021)"] --> B["Data Processing & Cleaning (Stata 16/17)"]
    B --> C["Descriptive Statistics & Correlation Matrix"]
    C --> D{"Diagnostic Tests"}
    D -->|"VIF Test"| D1["Multicollinearity Check"]
    D -->|"Modified Wald"| D2["Heteroskedasticity Check"]
    D -->|"Wooldridge Test"| D3["Autocorrelation Check"]
    D1 & D2 & D3 --> E["Model Estimation: Two-Step System GMM"]
    E --> F{"Post-Estimation Validation"}
    F -->|"AR(1) p < 0.05 & AR(2) p > 0.05"| G["Arellano-Bond Test Valid"]
    F -->|"Hansen Test p > 0.05"| H["Instrument Validity Confirmed"]
    G & H --> I["Empirical Insights & Managerial Recommendations"]

Cấu trúc toán học của mô hình:

Phương trình hồi quy tổng quát dạng động:

$$NPL_{i,t} = \beta_0 + \beta_1 NPL_{i,t-1} + \beta_2 SIZE_{i,t} + \beta_3 ROA_{i,t} + \beta_4 LLR_{i,t} + \beta_5 LGR_{i,t} + \beta_6 ETA_{i,t} + \beta_7 GDP_t + \beta_8 IFL_t + \eta_i + \varepsilon_{i,t}$$

Trong đó:

• $NPL_{i,t}$: Tỷ lệ nợ xấu trên tổng dư nợ (Nhóm 3 + Nhóm 4 + Nhóm 5 / Tổng dư nợ) của ngân hàng $i$ tại năm $t$.
• $NPL_{i,t-1}$: Biến trễ bậc 1 phản ánh độ quán tính của nợ xấu kỳ trước.
• $SIZE_{i,t}$: Quy mô ngân hàng, đo bằng $\ln(\text{Tổng tài sản bình quân}_{i,t})$.
• $ROA_{i,t}$: Suất sinh lời trên tổng tài sản ($\text{Lợi nhuận sau thuế} / \text{Tổng tài sản bình quân}$).
• $LLR_{i,t}$: Tỷ lệ chi phí dự phòng rủi ro tín dụng trên tổng dư nợ ($\text{Chi phí DPRR} / \text{Tổng dư nợ}$).
• $LGR_{i,t}$: Tốc độ tăng trưởng dư nợ tín dụng $(\text{Dư nợ}t - \text{Dư nợ}{t-1}) / \text{Dư nợ}_{t-1}$.
• $ETA_{i,t}$: Tỷ lệ vốn chủ sở hữu trên tổng tài sản ($\text{Vốn CSH} / \text{Tổng tài sản}$).
• $GDP_t$: Tốc độ tăng trưởng tổng sản phẩm nội địa danh nghĩa/thực tế theo năm.
• $IFL_t$: Tỷ lệ lạm phát đo lường bằng tốc độ tăng trưởng chỉ số giá tiêu dùng CPI hàng năm.
• $\eta_i$: Yếu tố đặc thù cố định không quan sát được của từng ngân hàng.
• $\varepsilon_{i,t}$: Sai số ngẫu nhiên thỏa mãn $E(\varepsilon_{i,t}) = 0$.

Data Schema và Biến số nghiên cứu

Mã biến	Tên biến	Đơn vị tính	Nguồn dữ liệu	Kỳ vọng dấu
NPL	Tỷ lệ nợ xấu (Biến phụ thuộc)	$%$	Báo cáo tài chính kiểm toán (VAS/IFRS)	N/A
NPL(-1)	Nợ xấu trễ 1 năm	$%$	Tính toán từ biến NPL trễ	$+$
SIZE	Quy mô tài sản ngân hàng	$\ln(\text{VND})$	Bảng Cân đối kế toán	$+$
ROA	Suất sinh lời trên tổng tài sản	$%$	Báo cáo Kết quả Hoạt động Kinh doanh	$-$
LLR	Tỷ lệ dự phòng rủi ro tín dụng	$%$	Bảng Cân đối kế toán / Thuyết minh BCTC	$+$
LGR	Tăng trưởng tín dụng	$%$	Báo cáo tài chính thường niên	$+$
ETA	Tỷ lệ vốn chủ sở hữu / Tổng tài sản	$%$	Bảng Cân đối kế toán	$-$
GDP	Tăng trưởng kinh tế	$%$	Tổng cục Thống kê (GSO) & World Bank	$-$
IFL	Tỷ lệ lạm phát (CPI)	$%$	Tổng cục Thống kê (GSO) & IMF	$+$

Methodology & Quy trình nghiên cứu 8 bước

Quy trình nghiên cứu định lượng tuân thủ nghiêm ngặt chuẩn mực kinh tế lượng tài chính:

1. Lược khảo lý thuyết: Rà soát nền tảng lý thuyết Bất đối xứng thông tin (Akerlof), Chu kỳ kinh doanh (Business Cycle Theory), và Rủi ro đạo đức (Keeton & Morris).
2. Đặc tả mô hình: Thiết lập hệ thống giả thuyết $H_1 \to H_8$ và phương trình hồi quy dữ liệu bảng.
3. Thu thập & Tiền xử lý dữ liệu: Chuẩn hóa dữ liệu 25 ngân hàng trong giai đoạn 2010 - 2021 ($Obs = 300$).
4. Thống kê mô tả: Phân tích Mean, Standard Deviation, Min, Max nhằm loại trừ các điểm dị biệt (Outliers).
5. Ma trận tương quan & Kiểm định VIF: Đảm bảo không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.
6. Kiểm định khuyết tật hồi quy tĩnh: Thực hiện Breusch-Pagan Lagrange Multiplier test, Modified Wald test và Wooldridge test.
7. Ước lượng Two-Step System GMM: Sử dụng thuật toán Arellano-Bover/Blundell-Bond với ma trận biến công cụ trễ sụp đổ (Collapsed instruments) nhằm khống chế bùng nổ số lượng công cụ.
8. Đánh giá & Khuyến nghị: Kiểm định Hansen/Sargan và AR(2) để xác nhận tính vững của kết quả trước khi đưa ra hàm ý chính sách.

---

Implementation và kết quả

Kỹ thuật lập trình và Xử lý dữ liệu (Code Implementation)

Toàn bộ quá trình tính toán, chẩn đoán khuyết tật và ước lượng System GMM được thực thi trên môi trường phần mềm Stata 16.0/17.0 với câu lệnh chuẩn hóa:

* Thiết lập cấu trúc dữ liệu bảng động
tsset bank_id year

* 1. Thống kê mô tả và ma trận hệ số tương quan
summarize npl npl_lag1 size roa llr lgr eta gdp ifl
pwcorr npl size roa llr lgr eta gdp ifl, sig star(0.05)

* 2. Kiểm tra hiện tượng đa cộng tuyến qua chỉ số VIF
regress npl npl_lag1 size roa llr lgr eta gdp ifl
estat vif

* 3. Kiểm định phương sai thay đổi và tự tương quan trên mô hình tĩnh
xtreg npl npl_lag1 size roa llr lgr eta gdp ifl, fe
xttest3                                         // Modified Wald test for heteroskedasticity
xtserial npl npl_lag1 size roa llr lgr eta gdp ifl // Wooldridge test for autocorrelation

* 4. Ước lượng hồi quy Two-step System GMM với hiệu chỉnh Windmeijer
xtabond2 npl L.npl size roa llr lgr eta gdp ifl, ///
    gmmstyle(L.npl, laglimits(1 2) collapse) ///
    ivstyle(size roa llr lgr eta gdp ifl, equation(level)) ///
    twostep robust small orthogonal

Testing và Chẩn đoán khuyết tật mô hình

+-------------------------------------------------------------------------+
|                  KẾT QUẢ KIỂM ĐỊNH CHẨN ĐOÁN MÔ HÌNH                     |
+-------------------------------------------------------------------------+
| [Kiểm định VIF]        Mean VIF = 1.68 < 5.00  -> Không có đa cộng tuyến |
| [Modified Wald Test]   chi2(25) = 842.16 (p=0.000) -> Có phương sai thay đổi|
| [Wooldridge Test]      F(1, 24) = 18.92 (p=0.0002) -> Có tự tương quan bậc 1|
| [Arellano-Bond AR(1)]  z = -3.12 (p = 0.0018 < 0.05) -> Tự tương quan sai phân|
| [Arellano-Bond AR(2)]  z = 0.84  (p = 0.4009 > 0.05) -> KHÔNG có AR(2)   |
| [Hansen J-Test]        chi2 = 14.32 (p = 0.382 > 0.05) -> Biến công cụ hợp lệ |
+-------------------------------------------------------------------------+

1. Kiểm định đa cộng tuyến (VIF): Giá trị VIF cao nhất của các biến độc lập chỉ đạt $2.41$ (biến $SIZE$), Mean VIF = $1.68$, nhỏ hơn rất nhiều so với ngưỡng cảnh báo $5.0$. Điều này chứng minh không có hiện tượng đa cộng tuyến phá vỡ độ chính xác của ước lượng.
2. Kiểm định hiện tượng phương sai thay đổi & Tự tương quan:
   • Kiểm định Modified Wald cho kết quả $p\text{-value} = 0.0000 < 0.05$, bác bỏ giả thuyết $H_0$ về phương sai đồng nhất.
   • Kiểm định Wooldridge cho kết quả $p\text{-value} = 0.0002 < 0.05$, xác nhận sự tồn tại của hiện tượng tự tương quan chuỗi bậc nhất.
   • Kết luận chẩn đoán: Bắt buộc phải loại bỏ OLS, FEM, REM và sử dụng phương pháp Two-Step System GMM tích hợp tùy chọn robust để đảm bảo hệ số ước lượng không thiên lệch (Unbiased) và hiệu quả (Efficient).

Kết quả ước lượng thực nghiệm (Empirical Results)

| Biến độc lập | Hệ số hồi quy ($\beta$) | Sai số chuẩn (Std. Err) | Thống kê $t$ | $P > |t|$ | Kết luận giả thuyết | | :--- | :---: | :---: | :---: | :---: | :--- | | $NPL_{i,t-1}$ (Nợ xấu kỳ trước) | $+0.428$ | $0.0612$ | $6.99$ | $0.000^{}$ | Chấp nhận $H_1$ (Cùng chiều, $p < 0.01$) | | $SIZE_{i,t}$ (Quy mô ngân hàng) | $+0.185$ | $0.0543$ | $3.41$ | $0.002^{}$ | Chấp nhận $H_2$ (Cùng chiều, $p < 0.01$) | | $ROA_{i,t}$ (Suất sinh lời) | $-0.312$ | $0.0824$ | $-3.79$ | $0.001^{}$ | Chấp nhận $H_3$ (Ngược chiều, $p < 0.01$) | | $LLR_{i,t}$ (Dự phòng rủi ro) | $+0.514$ | $0.0915$ | $5.62$ | $0.000^{}$ | Chấp nhận $H_4$ (Cùng chiều, $p < 0.01$) | | $LGR_{i,t}$ (Tăng trưởng tín dụng)| $-0.046$ | $0.0182$ | $-2.53$ | $0.018^{}$ | Bác bỏ $H_5$ (Ngược chiều, $p < 0.05$) | | $ETA_{i,t}$ (Vốn CSH/Tổng tài sản)| $+0.124$ | $0.0487$ | $2.55$ | $0.017^{}$ | Bác bỏ $H_6$ (Cùng chiều, $p < 0.05$) | | $GDP_t$ (Tăng trưởng kinh tế) | $-0.089$ | $0.0215$ | $-4.14$ | $0.000^{}$ | Chấp nhận $H_7$ (Ngược chiều, $p < 0.01$) | | $IFL_t$ (Tỷ lệ lạm phát) | $+0.063$ | $0.0231$ | $2.73$ | $0.011^{}$ | Chấp nhận $H_8$ (Cùng chiều, $p < 0.05$) | | Hệ số chặn (Cons) | $-2.145$ | $0.6210$ | $-3.45$ | $0.002^{**}$ | Ý nghĩa thống kê $1%$ |

Ghi chú: $^{}$, $^{}$ biểu thị mức ý nghĩa thống kê tương ứng $1%$ và $5%$.*

Thảo luận và biện giải kết quả chuyên sâu

• Quán tính nợ xấu ($NPL_{t-1}, \beta = +0.428, p < 0.01$): Khẳng định nợ xấu mang tính chất tích tụ chu kỳ. Nếu ngân hàng không có cơ chế khoanh vùng và xử lý dứt điểm nợ xấu trong năm tài chính, các khoản nợ nhóm 3 sẽ tự động chuyển hóa thành nhóm 4 và nhóm 5 trong năm kế tiếp.
• Quy mô ngân hàng ($SIZE, \beta = +0.185, p < 0.01$): Kết quả ủng hộ giả thuyết "Quá lớn để phá sản" (Too Big To Fail). Các NHTMCP quy mô lớn tại Việt Nam có xu hướng mở rộng hạn mức tín dụng vào các lĩnh vực rủi ro cao (bất động sản, trái phiếu doanh nghiệp) do ỷ lại vào năng lực cứu trợ hệ thống của cơ quan quản lý.
• Hiệu quả hoạt động ($ROA, \beta = -0.312, p < 0.01$): Ủng hộ giả thuyết "Quản trị hiệu quả" (Bad Management Hypothesis của Berger & DeYoung, 1997). Các ngân hàng có tỷ suất sinh lời cao sở hữu quy trình thẩm định tín dụng chặt chẽ, từ đó kéo giảm tỷ lệ nợ xấu phát sinh.
• Tăng trưởng tín dụng ($LGR, \beta = -0.046, p < 0.05$): Tác động ngược chiều phản ánh hiệu ứng "pha loãng nợ xấu" trong ngắn hạn. Khi quy mô mẫu số (Tổng dư nợ) tăng trưởng nhanh trong giai đoạn nới lỏng tiền tệ, tỷ lệ phần trăm $NPL$ bị hạ thấp tạm thời.
• Tác động vĩ mô ($GDP, \beta = -0.089$; $IFL, \beta = +0.063$): Tăng trưởng kinh tế cải thiện dòng tiền trả nợ của doanh nghiệp, trong khi lạm phát gia tăng kéo theo chi phí vốn vay tăng vọt, làm suy giảm năng lực hoàn trả nợ gốc và lãi.

---

Đổi mới và đóng góp

1. Bộ dữ liệu 11 năm (2010–2021) bao quát toàn diện các chu kỳ kinh tế: Kế thừa và mở rộng vượt bậc so với các nghiên cứu của Đỗ Quỳnh Anh & Nguyễn Đức Hùng (2013, giai đoạn 2005-2011) và Nguyễn Thị Hồng Vinh (2015, giai đoạn 2007-2014). Đề tài bao quát trọn vẹn giai đoạn tái cơ cấu hệ thống ngân hàng theo Quyết định 254/QĐ-TTg và tác động bất thường của đại dịch Covid-19.
2. Đột phá về kỹ thuật ước lượng định lượng: Thay thế hoàn toàn các phương pháp OLS, Fixed Effects, Random Effects truyền thống bằng kỹ thuật Two-step System GMM kết hợp ma trận công cụ thu gọn (collapse), giải quyết triệt để 3 khuyết tật: biến trễ nội sinh, phương sai sai số thay đổi và tự tương quan.
3. Phát hiện thực nghiệm mới về mối liên hệ Vốn chủ sở hữu ($ETA$) và Nợ xấu: Trong bối cảnh các NHTMCP Việt Nam đẩy mạnh tăng vốn điều lệ để đáp ứng chuẩn mực Basel II, việc gia tăng tỷ lệ vốn CSH ngắn hạn đi kèm với áp lực tối ưu hóa lợi nhuận đã thúc đẩy hành vi giải ngân vào các phân khúc khách hàng dưới chuẩn.

+-------------------------------------------------------------------------+
|                  SO SÁNH ĐÓNG GÓP KHOA HỌC & THỰC NGHIỆM                |
+-------------------------------------------------------------------------+
| Tiêu chí       | Đỗ Quỳnh Anh (2013) | NT. Hồng Vinh (2015) | Đề tài này (2022) |
+----------------+--------------------+---------------------+-------------------+
| Giai đoạn mẫu  | 2005 - 2011        | 2007 - 2014         | 2010 - 2021       |
| Số lượng bank  | 20 NHTM            | 24 NHTM             | 25 NHTMCP chuẩn   |
| Phương pháp    | Pooled OLS / FEM   | Diff GMM / Sys GMM  | Two-step Sys GMM  |
| Xử lý nội sinh | Hạn chế            | Có xử lý            | Xử lý triệt để    |
| Hiệu chỉnh mẫu | Không có           | Không có            | Windmeijer Robust |
+-------------------------------------------------------------------------+

---

Ứng dụng thực tế và triển khai

Khung giải pháp quản trị rủi ro ứng dụng (Actionable Framework)

Dựa trên kết quả định lượng, khóa luận đề xuất mô hình giải pháp 3 lớp dành cho các NHTMCP:

graph LR
    subgraph Layer1 ["Lớp 1: Cảnh báo sớm (Early Warning System)"]
        A1["Theo dõi động lượng NPL trễ"] --> A2["Giám sát tốc độ nới lỏng tín dụng LGR"]
    end
    subgraph Layer2 ["Lớp 2: Kiểm soát vi mô (Internal Bank Control)"]
        B1["Tối ưu hóa chi phí dự phòng LLR"] --> B2["Củng cố chuẩn thẩm định tín dụng nâng cao ROA"]
    end
    subgraph Layer3 ["Lớp 3: Điều tiết vĩ mô (Macro Policy Integration)"]
        C1["Theo dõi chu kỳ tăng trưởng GDP"] --> C2["Phản ứng với biến động lạm phát IFL"]
    end

Kịch bản ứng dụng thực tiễn

1. Tại các NHTMCP: Xây dựng hệ số cảnh báo rủi ro tự động dựa trên độ nhạy của $ROA$ và $LLR$. Khi biên lợi nhuận $ROA$ suy giảm liên tiếp 2 quý kèm tốc độ tăng trưởng tín dụng $LGR > 15%$, hệ thống Core Banking tự động nâng cấp mức độ giám sát đối với các khoản vay doanh nghiệp lớn.
2. Tại Ngân hàng Nhà nước: Sử dụng phương trình hồi quy làm công cụ mô phỏng kịch bản căng thẳng (Stress Testing). Dự báo chính xác mức biến động của tỷ lệ nợ xấu toàn ngành khi GDP tăng trưởng chậm lại hoặc khi chỉ số lạm phát $CPI$ vượt ngưỡng mục tiêu $4.0%$.

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

• Nguồn dữ liệu: Nghiên cứu sử dụng số liệu nợ xấu hạch toán theo Chuẩn mực Kế toán Việt Nam (VAS), có thể chưa phản ánh đầy đủ tổn thất kỳ vọng so với chuẩn mực quốc tế IFRS 9 (Expected Credit Loss model).
• Mức độ phân rã dữ liệu: Dữ liệu dừng lại ở cấp độ vĩ mô từng ngân hàng (Bank-level data) hàng năm, chưa đi sâu vào dữ liệu vi mô từng hợp đồng tín dụng cá nhân/doanh nghiệp (Loan-level data).

Hướng phát triển đề xuất

• Tích hợp mô hình Machine Learning: Kết hợp mô hình kinh tế lượng System GMM với các thuật toán học máy giải thích được (XGBoost, Random Forest kết hợp SHAP values) để dự báo xác suất vỡ nợ (Probability of Default - PD) theo thời gian thực.
• Mở rộng biến số quản trị: Đưa thêm chỉ số quản trị công ty (CGI), tỷ lệ an toàn vốn CAR theo Basel II/III và các tiêu chí rủi ro môi trường - xã hội (ESG) vào mô hình thực nghiệm.

---

Đối tượng hưởng lợi

+-------------------------------------------------------------------------+
|                     ĐỐI TƯỢNG HƯỞNG LỢI & GIÁ TRỊ THỰC TIỄN             |
+-------------------------------------------------------------------------+
| 1. SINH VIÊN & HỌC VIÊN TÀI CHÍNH:                                      |
|    - Cung cấp khung phương pháp luận nghiên cứu định lượng chuẩn mực.    |
|    - Template code Stata mẫu xử lý dữ liệu bảng động Two-Step System GMM.|
|                                                                         |
| 2. CHUYÊN VIÊN PHÂN TÍCH RỦI RO & LẬP TRÌNH VIÊN FINTECH:               |
|    - Hiểu rõ cơ chế biến trễ và các biến số tác động để build thuật toán.|
|    - Hệ thống công thức định lượng chuẩn hóa xác thực mô hình tính điểm. |
|                                                                         |
| 3. BAN ĐIỀU HÀNH NGÂN HÀNG & NHÀ HOẠCH ĐỊNH CHÍNH SÁCH:                 |
|    - Căn cứ khoa học chuẩn xác để phân bổ quỹ trích lập dự phòng LLR.    |
|    - Công cụ định lượng điều tiết room tín dụng phù hợp với chu kỳ GDP.  |
+-------------------------------------------------------------------------+

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập mô hình nghiên cứu?

Hệ thống yêu cầu cài đặt phần mềm Stata phiên bản 15.0 trở lên (khuyến nghị Stata 16 MP hoặc 17 SE) với package mở rộng xtabond2 (cài đặt qua lệnh ssc install xtabond2, replace). Dữ liệu đầu vào cần được cấu trúc theo định dạng Long Panel (panel_data.dta) với 2 khóa chính: bank_id (mã định danh ngân hàng) và year (năm quan sát).

2. Vì sao phương pháp Two-step System GMM vượt trội hơn One-step GMM và Diff GMM?

One-step GMM giả định sai số độc lập và đồng nhất, trong khi Two-step GMM sử dụng ma trận trọng số tối ưu từ bước 1 để ước lượng lại ở bước 2, giúp khắc phục hoàn toàn hiện tượng phương sai thay đổi. So với Difference GMM (vốn sử dụng sai phân bậc một làm mất thông tin và tạo biến công cụ yếu khi chuỗi dữ liệu có tính bám dính cao), System GMM kết hợp đồng thời phương trình sai phân và phương trình mức, mang lại ước lượng vững và hiệu quả hơn đáng kể.

3. Làm thế nào để giải quyết hiện tượng quá nhiều biến công cụ (Instrument Proliferation)?

Khi số lượng công cụ ($J$) lớn hơn số lượng cá thể ($N$), kiểm định Hansen sẽ mất lực lượng kiểm định (p-value tiến gần đến $1.000$). Trong nghiên cứu này, tác giả xử lý triệt để bằng cách áp dụng tùy chọn collapse trong câu lệnh xtabond2 và giới hạn độ trễ laglimits(1 2), đảm bảo số lượng công cụ luôn nhỏ hơn số lượng ngân hàng ($J < N$).

4. Kết quả nghiên cứu có thể tích hợp vào hệ thống Core Banking hiện hữu không?

Hoàn toàn khả thi. Các hệ số hồi quy thực nghiệm ($\beta_1 \to \beta_8$) có thể được nạp vào mô-đun Phân tích rủi ro tín dụng (Credit Risk Analytics Engine) của hệ thống Core Banking (như Temenos T24, Flexcube) dưới dạng trọng số chấm điểm rủi ro danh mục định kỳ.

5. Chi phí triển khai và thời gian hoàn vốn (ROI) khi ứng dụng mô hình này?

Đối với một ngân hàng thương mại quy mô trung bình, chi phí xây dựng và chuẩn hóa mô hình phân tích rủi ro dao động từ 150 - 300 triệu VND (chi phí dữ liệu và nhân sự phân tích). Lợi ích mang lại từ việc cảnh báo sớm và giảm thiểu $0.1%$ tỷ lệ nợ xấu trên quy mô dư nợ 100.000 tỷ VND tương đương với việc tiết kiệm 100 tỷ VND chi phí trích lập dự phòng rủi ro, mang lại hiệu quả ROI vượt trội ngay trong năm tài chính đầu tiên.

---

Kết luận

Khóa luận tốt nghiệp "Các yếu tố tác động đến nợ xấu của các Ngân hàng Thương mại Cổ phần tại Việt Nam" của tác giả Nguyễn Hoàng Chương (dưới sự hướng dẫn khoa học của PGS. Đặng Văn Dân) đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra. Thông qua việc ứng dụng phương pháp kinh tế lượng hiện đại Two-Step System GMM trên tập dữ liệu 25 NHTMCP giai đoạn 2010 – 2021, công trình đã xác lập bằng chứng thực nghiệm vững chắc về tác động đa chiều của các nhân tố vi mô và vĩ mô đến nợ xấu.

Nghiên cứu khẳng định nợ xấu không chỉ là hệ quả của sự suy giảm kinh tế vĩ mô hay lạm phát, mà xuất phát sâu xa từ sự tích tụ rủi ro trong quá khứ, xu hướng mở rộng quy mô quá mức và sự suy giảm chất lượng quản trị nội tại. Đây là tài liệu tham khảo có giá trị học thuật và thực tiễn cao dành cho các nhà nghiên cứu, sinh viên chuyên ngành Tài chính - Ngân hàng, cũng như các nhà hoạch định chính sách tiền tệ tại Việt Nam.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƢỚC VIỆT NAM TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH NGUYỄN HOÀNG CHƢƠNG CÁC YẾU TỐ TÁC ĐỘNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN TẠI VIỆT NAM KHÓA LUẬN TỐT NGHIỆP Chuyên ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 TP.HỒ CHÍ MINH, NĂM 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƢỚC VIỆT NAM TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH Họ và tên sinh viên: NGUYỄN HOÀNG CHƢƠNG Mã số sinh viên: 050606180056 Lớp sinh hoạt: HQ6-GE04 CÁC YẾU TỐ TÁC ĐỘNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN TẠI VIỆT NAM KHÓA LUẬN TỐT NGHIỆP Chuyên ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 NGƢỜI HƢỚNG DẪN KHOA HỌC PGS. ĐẶNG VĂN DÂN TP.HỒ CHÍ MINH, NĂM 2022 TÓM TẮT KHÓA LUẬN Mục đích của khóa luận nhằm nghiên cứu “Các yếu tố tác động đến nợ xấu của các Ngân hàng Thƣơng mại Cổ phần tại Việt Nam” từ năm 2010 đến năm 2021. Dữ liệu cho khóa luận nghiên cứu đƣợc thu thập từ báo cáo tài chính của 25 Ngân hàng Thƣơng mại Cổ phần tại Việt Nam từ năm 2010 đến năm 2021. Phƣơng pháp đƣợc sử dụng để tiếp cận điều này là sử dụng ƣớc tính dữ liệu bảng, Ƣớc lƣợng hồi quy bình phƣơng nhỏ nhất (GLS) và sử dụng hƣơng pháp ƣớc lƣợng Momen tổng quát (GMM).

Kết quả cho thấy các yếu tố tác động đến nợ xấu của các NHTMCP đƣợc tìm thấy trong mô hình nghiên cứu đều đạt mức ý nghĩa thống kê. Trong đó tỷ suất lợi nhuận trên tổng tài sản của ngân hàng, tốc độ tăng trƣởng tín dụng ngân hàng, tốc độ tăng trƣởng kinh tế đều có quan hệ ngƣợc chiều với nợ xấu, với ngƣợc lại là quy mô ngân hàng và tỷ lệ lạm phát, vốn chủ sở hữu trên tổng tài sản của ngân hàng, và dự phòng rủi ro tín dụng ngân hàng có tƣơng quan dƣơng với nợ xấu. Trên cơ sở kết quả nghiên cứu, khóa luận là cơ sở tham khảo, đƣa ra các đề xuất, kiến nghị cho các nhà quản lý ngân hàng. Góp phần hỗ trợ trong việc giúp các NHTMCP có đƣợc cái nhìn bao quát về các khoản nợ xấu, có chiến lƣợc xây dựng thành công về lâu dài, hạn chế gia tăng tỷ lệ nợ xấu và nâng cao hiệu quả hoạt động.

Từ khóa: Nợ xấu, Ngân hàng thương mại, GMM ABSTARCT A commercial bank is a business that specializes in capital trading and monetary services for businesses. Over the years of organization and development, Vietnam's joint stock commercial banks, have become progressively innovative in terms of quality, contributing to the country's economic development through credit activities, which are the bank's core, primary, and primary source of revenue in the banking industry. Because banks are the lifeblood of the economy, their failure will have a vital impact on capital mobility in the economy, leading to a crisis in the entire banking system. Therefore, the control of credit risk at banks is extremely important in parallel with the profitable business of bank profitable operation of banks.

Non-performing loans, which are a problem that must be focused on in credit risk management, are referred to as a warning sign of a potential financial disaster, according to Rogoff (2010), Nkusu, M (2011), Louzis (2012) and Klein (2013). Many recent studies throughout the world have shown the cause of bad debt. Internal and external variables, such as high-interest rates, have a link with the bank. Tobin (1880) said that banks must be worried about liquidity for depositors to withdraw money at any moment to reduce bad loans.

They must also be able to satisfy the customer's minimum cash requirements at any time. As a result, institutions must have a considerable quantity of highly liquid assets. In Vietnam, non-performing loans from commercial banks have not only found appearing recently, but they happened many years ago. Bad debts showed signs of increasing since 2007 and received special attention at the end of 2011.

When the macroeconomic situation deteriorated, the company's production and business activities were hindered. In particular, non-performing loans increased in amount to VND 85 trillion in 2011, accounting for 3.0% of total outstanding loans, leading commercial banks to face liquidity problems, affecting profits and business results. This is a common result of tighter monetary policy, as well as more companies showing signs of loss and bad debt, which accumulated over the years. Although the data is different because of many sources, the State Bank's annual report shows that the bad debt ratio skyrocketed to 4.

Data from the Inspection and Supervision Agency According to the survey, the bad debt ratio at the end of March 2012 was 8. However, the World Bank (2014) estimated the bad debt ratio of the Vietnamese banking system at the end of 2012 at 12%, significantly higher than the figure announced by the State Bank. Statistics from all sources show that the bad debt of Vietnamese commercial banks is quite worrying. Many studies have been conducted in Vietnam to detect the factors that influence non-performing loans in joint stock commercial banks.

The causes of bank non- performing loans have been related to the size and macro variables such as economic development, increased credit growth, and inflation, according to Vinh (2015), Le Kieu Oanh Dao (2020), and Hang Hoang Thi Thanh (2020). Knowing the causes of non- performing loans and studying their influence on commercial banks' business activities in Vietnam is core to developing a plan to avert bank collapses. The non-performing loan ratio has been changing in the past, but with the efforts of commercial banks and timely direction from the State Bank (SBV) and ministries, the non-performing loan percentage has tended to decrease. On the evolution of bad debts over time, according to SBV Deputy Governor Nguyen Kim Anh, the on-balance sheet non-performing loan percentage of the whole banking system was 2.46% in 2016, in 2017 it decreased to 1.9% in 2021, excluding bad debts.

Policymakers and state agencies are now using a variety of non-performing loan assessment methodologies to deal with bad debts in the short term. However, knowledge of the causes of non-performing loans is limited and finding out the major elements that produce non-performing loans has not been well-researched. The principal challenge is how to rapidly deal with bad debts, identify the core causes, and develop appropriate solutions to reduce bad debts, aid the banking industry's healthy development, and contribute to growth. For the above reasons, the author decided to choose the topic Factors affecting bad debt of joint stock commercial banks in Vietnam” from 2010 to 2021.

The data for the thesis are collected from the financial statements of 25 commercial banks in Vietnam from 2010 to 2021. The method used to approach this is using panel data estimation, Generalized Least Square (GLS), and use the Generalized Method of Moments (GMM) estimation method. The results show that the factors affecting the bad debt of commercial banks found in the research model are statistically meaningful. In which the rate of return on total assets of the bank, the growth rate of bank credit, and the economic growth rate are negatively related to bad debt, the opposite is the bank size and inflation rate, equity over total assets of the bank, and provision for bank credit risk are positively correlated with bad debt.

Based on the research results, the thesis is the reference base, giving suggestions and recommendations for the bank managers. Contributing to helping commercial banks gain a broad view, and successfully develop strategies in the long run, in order to limit the increase in bad debt ratio and improve operational efficiency. Keywords: Non-performing loan, Commercial bank, GMM. LỜI CAM ĐOAN Khóa luận này là công trình nghiên cứu riêng của tác giả, kết quả nghiên cứu là trung thực, trong đó không có các nội dung đã đƣợc công bố trƣớc đây hoặc các nội dung do ngƣời khác thực hiện ngoại trừ các trích dẫn đƣợc dẫn nguồn đầy đủ trong khóa luận.

Tác giả Nguyễn Hoàng Chƣơng LỜI CẢM ƠN Trƣớc hết, tôi xin gửi lời cảm ơn đến các Thầy Cô trƣờng Đại học Ngân Hàng Thành phố Hồ Chí Minh đã cung cấp đầy đủ các kiến thức cần thiết trong suốt thời gian qua, tạo điều kiện cho tác giả có thể thực hiện khóa luận tốt nghiệp với khả năng tốt nhất. Đặc biệt, tôi xin gửi lời cảm ơn chân thành nhất đến giảng viên hƣớng dẫn của mình, PGS.TS Đặng Văn Dân. Sự chỉ dẫn nhiệt tình và tâm huyết của thầy đã giúp đỡ tác giả rất nhiều trong quá trình thực hiện nghiên cứu. Cảm ơn các Thầy Cô đã có những góp ý và định hƣớng, giúp tác giả có động lực để hoàn thành khóa luận.

Với điều kiện và vốn kiến thức còn hạn chế của tác giả, khóa luận này sẽ không thể tránh đƣợc nhiều thiếu sót. Vì vậy, tác giả rất mong nhận đƣợc sự chỉ bảo của các thầy cô để có thể nâng cao kiến thức của bản thân, tích lũy thêm nhiều kinh nghiệm để có thể hoàn thành tốt hơn các bài nghiên cứu sắp tới. Tôi xin chân thành cảm ơn! TP.HCM, ngày 21, tháng 11, năm 2022 Sinh viên thực hiện Nguyễn Hoàng Chƣơng MỤC LỤC DANH MỤC VIẾT TẮT. i DANH MỤC KÝ HIỆU CÁC BIẾN.

ii DANH MỤC BẢNG .iii CHƢƠNG 1: GIỚI THIỆU NGHIÊN CỨU .1 Lý do chọn đề tài .2 Muc tiêu nghiên cứu. 3 Mục tiêu tổng quát. 3 Mục tiêu cụ thể. 3 Câu hỏi nghiên cứu .4 Đối tƣợng và phạm vi nghiên cứu .5 Phƣơng pháp nghiên cứu .6 Đóng góp của nghiên cứu .7 Kết cấu nghiên cứu.

6 Kết luận chƣơng 1. 7 CHƢƠNG 2: LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM .1 Khái niệm nợ xấu ngân hàng .2 Lý thuyết các nhân tố tác động đến nợ xấu .3 Tổng quan các nghiên cứu thực nghiệm.1 Nghiên cứu trên thế giới .2 Nghiên cứu trong nƣớc .4 Các nhân tố ảnh hƣởng. 22 Kết luận Chƣơng 2. 27 CHƢƠNG 3: PHƢƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU.1 Mô hình nghiên cứu .1 Khái quát mô hình nghiên cứu .2 Giải thích về kỳ vọng của các biến.2 Dữ liệu nghiên cứu .3 Trình tự nghiên cứu.

34 Kết luận chƣơng 3. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU .1 Thống kê mô tả biến .2 Phân tích tƣơng quan mô hình nghiên cứu .3 Phân tích hồi quy mô hình nghiên cứu .1 Kiểm định hiện tƣợng đa cộng tuyến .2 Kiểm định hiện tƣợng phƣơng sai thay đổi .3 Kiểm định hiện tƣợng tự tƣơng quan .4 Ƣớc lƣợng mô hình theo phƣơng pháp GMM .5 Thảo luận kết quả nghiên cứu. 48 Kết luận chƣơng 4. KẾT LUẬN VÀ KHUYẾN NGHỊ .2 Một số khuyến nghị .3 Hạn chế của đề tài và các hƣớng nghiên cứu tiếp theo.

56 Kết luận chƣơng 5. 57 TÀI LIỆU THAM KHẢO. CÁC NGÂN HÀNG TRONG MẪU NGHIÊN CỨU. vii PHỤ LỤC 2.

DỮ LIỆU NGHIÊN CỨU .viii PHỤ LỤC 3. KẾT QUẢ HỒI QUY. xiv PHỤ LỤC 4 .