Các Yếu Tố Ảnh Hưởng Đến Rủi Ro Tín Dụng Tại Ngân Hàng Vietinbank

Khám phá các yếu tố ảnh hưởng đến rủi ro tín dụng tại ngân hàng TMCP Công Thương Việt Nam để hiểu rõ hơn về quản lý rủi ro tài chính.

• Tác giả: Ah Reza
• Người hướng dẫn: TS. Hồ Công Hưởng
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài chính - Ngân hàng
• Đề tài: Các Yếu Tố Ảnh Hưởng Đến Rủi Ro Tín Dụng Tại Vietinbank Giai Đoạn 2013-2022
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục 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
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu và dữ liệu
• 1.6. Đóng góp của nghiên cứu
• 1.7. Bố cục của nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ LƯỢC KHẢO CÁC CÔNG TRÌNH NGHIÊN CỨU CÓ LIÊN QUAN
• 2.1. Khái niệm tín dụng ngân hàng thương mại
• 2.2. Khái niệm rủi ro tín dụng
• 2.3. Phân loại rủi ro tín dụng
• 2.4. Nguyên nhân gây ra rủi ro tín dụng
• 2.5. Tác động của rủi ro tín dụng
• 2.6. Các nhân tố tác động đến rủi ro tín dụng
• 2.6.1. Tốc độ tăng trưởng kinh tế (GDP)
• 2.6.2. Tỷ lệ lạm phát (INF)
• 2.6.3. Tốc độ tăng trưởng tín dụng (LG)
• 2.6.4. Tỷ lệ dư nợ trên Vốn huy động (LDR)
• 2.6.5. Khả năng sinh lời trên Tổng tài sản (ROA)
• 2.6.6. Hệ số an toàn vốn (CAR)
• 2.7. Các nghiên cứu nước ngoài
• 2.8. Các nghiên cứu trong nước
• 2.9. Đánh giá chung
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Quy trình nghiên cứu
• 3.2. Mô hình nghiên cứu
• 3.3. Giả thuyết nghiên cứu
• 3.3.1. Biến phụ thuộc
• 3.3.2. Biến độc lập
• 3.4. Phương pháp nghiên cứu
• 3.4.1. Bình phương nhỏ nhất thông thường (OLS)
• 3.4.2. Hồi quy theo mô hình tác động cố định (FEM)
• 3.4.3. Hồi quy theo mô hình tác động ngẫu nhiên (REM)
• 3.4.4. Mô hình bình phương sai số nhỏ nhất khả thi (FGLS)
• 3.5. Kiểm định lựa chọn mô hình phù hợp
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Kết quả nghiên cứu
• 4.2. Thống kê mô tả dữ liệu nghiên cứu
• 4.3. Phân tích tương quan
• 4.4. Ước lượng và lựa chọn mô hình phù hợp
• 4.5. Thảo luận kết quả nghiên cứu
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. Một số khuyến nghị
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Rủi Ro Tín Dụng Vietinbank 2013 2022 Tác Động

Hoạt động tín dụng là huyết mạch của mọi ngân hàng, nhưng đi kèm với đó là rủi ro tín dụng. Nghiên cứu này tập trung vào Vietinbank trong giai đoạn 2013-2022, một giai đoạn đầy biến động của nền kinh tế Việt Nam và thế giới. Mục tiêu là xác định và phân tích các yếu tố ảnh hưởng đến rủi ro tín dụng, từ đó đưa ra giải pháp giúp ngân hàng quản lý rủi ro hiệu quả hơn. Các nghiên cứu trước đây đã chỉ ra nhiều yếu tố ảnh hưởng, nhưng bối cảnh kinh tế thay đổi liên tục đòi hỏi phải có cái nhìn cập nhật. Theo Tóm tắt nghiên cứu, đánh giá lại mức độ tác động của mỗi yếu tố qua thời gian và môi trường kinh tế rất quan trọng trong việc phòng tránh RRTD của ngân hàng.

1.1. Tầm quan trọng của Quản Trị Rủi Ro Tín Dụng hiệu quả

Quản trị rủi ro tín dụng hiệu quả không chỉ giúp Vietinbank giảm thiểu tổn thất tài chính mà còn góp phần vào sự ổn định của hệ thống ngân hàng Việt Nam. Việc nhận diện sớm các dấu hiệu nợ xấu và áp dụng các biện pháp phòng ngừa sẽ giúp ngân hàng duy trì khả năng trả nợ và tăng cường tăng trưởng tín dụng bền vững. Nghiên cứu này sẽ cung cấp thông tin hữu ích cho các nhà quản lý trong việc đưa ra quyết định chính sách tín dụng phù hợp.

1.2. Bối cảnh kinh tế Việt Nam và tác động đến rủi ro tín dụng

Giai đoạn 2013-2022 chứng kiến nhiều biến động kinh tế tại Việt Nam, bao gồm cả những giai đoạn tăng trưởng kinh tế ấn tượng và những thời kỳ khó khăn do khủng hoảng và dịch bệnh. Những biến động này có ảnh hưởng trực tiếp đến khả năng trả nợ của khách hàng doanh nghiệp và khách hàng cá nhân, từ đó tác động đến rủi ro tín dụng của Vietinbank. Việc phân tích bối cảnh kinh tế vĩ mô là rất quan trọng để hiểu rõ nguyên nhân rủi ro tín dụng.

II. Thách Thức Xác định Nguyên Nhân Rủi Ro Tín Dụng tại Vietinbank

Việc xác định chính xác các nguyên nhân rủi ro tín dụng là một thách thức lớn đối với Vietinbank. Có rất nhiều yếu tố có thể ảnh hưởng, từ các yếu tố vĩ mô như tình hình kinh tế Việt Nam, lãi suất, lạm phát, đến các yếu tố vi mô như chính sách tín dụng, thẩm định tín dụng, và quản lý nợ xấu. Việc bỏ sót bất kỳ yếu tố nào có thể dẫn đến đánh giá sai lệch và các biện pháp quản lý rủi ro không hiệu quả. Tóm tắt nghiên cứu đã cho thấy, kinh doanh tín dụng đi cùng với rủi ro là điều khó tránh khỏi trong hoạt động của một ngân hàng và rủi ro trong quá trình cấp tín dụng chịu tác động bởi rất nhiều yếu tố.

2.1. Yếu tố Vĩ Mô Ảnh hưởng của GDP Lạm Phát và Chính Sách Tiền Tệ

Các yếu tố vĩ mô như GDP, lạm phát, và chính sách tiền tệ có tác động đáng kể đến rủi ro tín dụng. Khi GDP tăng trưởng chậm lại, khả năng trả nợ của các doanh nghiệp và cá nhân có thể giảm sút. Lạm phát cao có thể làm giảm sức mua và tăng chi phí sản xuất, ảnh hưởng đến lợi nhuận của doanh nghiệp. Chính sách tiền tệ thắt chặt có thể làm tăng lãi suất, gây khó khăn cho việc trả nợ.

2.2. Yếu tố Vi Mô Vai trò của Thẩm Định Tín Dụng và Quản Lý Nợ Xấu

Các yếu tố vi mô như thẩm định tín dụng không kỹ lưỡng, điều kiện vay vốn dễ dãi, và quản lý nợ xấu yếu kém có thể làm tăng rủi ro tín dụng. Việc đánh giá chính xác khả năng trả nợ của khách hàng, kiểm soát chặt chẽ tài sản đảm bảo, và xử lý nợ xấu kịp thời là rất quan trọng để giảm thiểu rủi ro.

2.3. Tác động của bất động sản và thị trường chứng khoán đến rủi ro tín dụng

Sự biến động của thị trường bất động sản và thị trường chứng khoán có thể gây ra rủi ro tín dụng. Khi giá bất động sản giảm, giá trị tài sản đảm bảo có thể giảm theo, khiến ngân hàng khó thu hồi nợ. Sự sụt giảm của thị trường chứng khoán có thể làm giảm giá trị tài sản của các doanh nghiệp, ảnh hưởng đến khả năng trả nợ.

III. Giải Pháp Mô Hình Đánh Giá Rủi Ro Tín Dụng cho Vietinbank 2013 2022

Để giải quyết thách thức trên, nghiên cứu này xây dựng một mô hình đánh giá rủi ro tín dụng cho Vietinbank trong giai đoạn 2013-2022. Mô hình này kết hợp các yếu tố vĩ mô và vi mô quan trọng nhất, bao gồm GDP, lạm phát, tăng trưởng tín dụng, tỷ lệ nợ trên vốn, và hiệu quả hoạt động của ngân hàng. Mục tiêu là xác định mức độ ảnh hưởng của từng yếu tố đến tỷ lệ nợ xấu và rủi ro tín dụng của Vietinbank. Mô hình nghiên cứu gồm 6 yếu tố ảnh hưởng đến tỷ lệ nợ xấu và rủi ro tín dụng của ngân hàng.

3.1. Lựa chọn biến số và phương pháp phân tích rủi ro tín dụng

Việc lựa chọn biến số phù hợp và phương pháp phân tích rủi ro tín dụng chính xác là rất quan trọng để đảm bảo tính chính xác và tin cậy của mô hình. Nghiên cứu này sử dụng dữ liệu thứ cấp từ báo cáo tài chính của Vietinbank và áp dụng các phương pháp thống kê và hồi quy để phân tích rủi ro tín dụng. Phương pháp định lượng khảo sát dữ liệu thứ cấp với kết quả kinh doanh 23 chi nhánh của Vietinbank. Dữ liệu được xử lý bằng phần mềm STATA 17

3.2. Ước lượng và kiểm định mô hình đánh giá rủi ro tín dụng

Sau khi lựa chọn biến số và phương pháp phân tích, bước tiếp theo là ước lượng và kiểm định mô hình. Việc kiểm định các giả định của mô hình và đánh giá độ phù hợp của mô hình với dữ liệu thực tế là rất quan trọng để đảm bảo tính tin cậy của kết quả.

IV. Ứng Dụng Kết Quả Nghiên Cứu Giải Pháp Giảm Thiểu Rủi Ro tại Vietinbank

Kết quả nghiên cứu cho thấy rằng các yếu tố như tăng trưởng kinh tế, tăng trưởng tín dụng, và hiệu quả hoạt động của Vietinbank có ảnh hưởng đáng kể đến rủi ro tín dụng. Dựa trên kết quả này, nghiên cứu đề xuất một số giải pháp giảm thiểu rủi ro, bao gồm việc tăng cường thẩm định tín dụng, cải thiện quản lý nợ xấu, và điều chỉnh chính sách tín dụng phù hợp với bối cảnh kinh tế. Theo kết quả nghiên cứu, tốc độ tăng trưởng kinh tế, tỷ lệ dư nợ trên vốn huy động và khả năng sinh lời trên tổng tài sản có tác động cùng chiều với RRTD. Tốc độ tăng trưởng tín dụng và hệ số an toàn vốn ngược chiều với RRTD.

4.1. Tăng cường thẩm định tín dụng và quản lý nợ xấu

Việc tăng cường thẩm định tín dụng bằng cách đánh giá kỹ lưỡng khả năng trả nợ của khách hàng và kiểm soát chặt chẽ tài sản đảm bảo là rất quan trọng để giảm thiểu rủi ro tín dụng. Cải thiện quản lý nợ xấu bằng cách xử lý nợ xấu kịp thời và hiệu quả cũng giúp ngân hàng giảm thiểu tổn thất.

4.2. Điều chỉnh chính sách tín dụng phù hợp với bối cảnh kinh tế

Việc điều chỉnh chính sách tín dụng phù hợp với bối cảnh kinh tế bằng cách thắt chặt điều kiện vay vốn trong giai đoạn kinh tế khó khăn và nới lỏng trong giai đoạn kinh tế phục hồi có thể giúp ngân hàng kiểm soát rủi ro tín dụng tốt hơn. Thiết kế các chính sách tín dụng và điều chỉnh áp dụng các quy định an toàn.

4.3. Áp dụng các tiêu chuẩn Basel II và Basel III trong quản lý rủi ro

Việc áp dụng các tiêu chuẩn Basel II và Basel III trong quản lý rủi ro giúp ngân hàng tăng cường hệ thống quản lý rủi ro và đảm bảo tuân thủ các quy định an toàn.Từ đó, tác giả đề xuất một số giải pháp giúp cho ngân hàng hoàn thiện công tác quản lý RRTD.

V. Kết Luận Quản Trị Rủi Ro Tín Dụng Hiệu Quả Bước Phát Triển Vietinbank

Nghiên cứu này đã xác định và phân tích các yếu tố ảnh hưởng đến rủi ro tín dụng tại Vietinbank trong giai đoạn 2013-2022. Kết quả nghiên cứu cung cấp thông tin hữu ích cho các nhà quản lý trong việc đưa ra quyết định chính sách tín dụng phù hợp và áp dụng các biện pháp quản lý rủi ro hiệu quả. Việc quản trị rủi ro tín dụng hiệu quả là một yếu tố then chốt để đảm bảo sự phát triển bền vững của Vietinbank.

5.1. Hướng nghiên cứu tiếp theo về rủi ro tín dụng

Các nghiên cứu tiếp theo có thể tập trung vào việc phân tích sâu hơn các yếu tố đặc thù của ngành nghề kinh doanh và khu vực địa lý khác nhau, cũng như đánh giá hiệu quả của các biện pháp quản lý rủi ro cụ thể.

5.2. Tầm quan trọng của việc cập nhật liên tục mô hình đánh giá rủi ro

Do bối cảnh kinh tế liên tục thay đổi, việc cập nhật liên tục mô hình đánh giá rủi ro là rất quan trọng để đảm bảo tính chính xác và tin cậy của mô hình. Ngân hàng cần theo dõi sát sao các biến động kinh tế vĩ mô và vi mô và điều chỉnh mô hình cho phù hợp.

Nội dung chính

Giới thiệu dự án

Hoạt động cấp tín dụng đóng vai trò huyết mạch trong cơ cấu doanh thu của hệ thống Ngân hàng Thương mại (NHTM) Việt Nam, thường chiếm từ 70% đến 85% tổng thu nhập hoạt động. Tuy nhiên, theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN), giai đoạn 2013–2022 ghi nhận nhiều chu kỳ biến động kinh tế vĩ mô phức tạp cùng tác động nghiêm trọng của đại dịch Covid-19, khiến nợ xấu tiềm ẩn có thời điểm vượt ngưỡng 3.5% toàn ngành. Trong bối cảnh đó, Ngân hàng TMCP Công Thương Việt Nam (VietinBank) phải đối mặt với bài toán tối ưu hóa tăng trưởng dư nợ song song với việc kiểm soát chất lượng tín dụng theo chuẩn mực Basel II.

Vấn đề đặt ra là việc xác định định lượng các nhân tố thúc đẩy hoặc kìm hãm rủi ro tín dụng tại cấp chi nhánh còn gặp nhiều rào cản do dữ liệu phân tán, các biến số kinh tế vĩ mô và vi mô đan xen phức tạp. Sự thiếu hụt một mô hình ước lượng chuẩn xác có khả năng khắc phục các khuyết tật chuỗi dữ liệu bảng (panel data) dẫn đến những quyết định cấp tín dụng tiềm ẩn rủi ro nợ quá hạn và áp lực trích lập dự phòng rủi ro lớn.

Dự án nghiên cứu tập trung vào 3 mục tiêu trọng tâm:

1. Xác định và đo lường mức độ tác động của 6 nhân tố vi mô và vĩ mô đến rủi ro tín dụng tại hệ thống VietinBank trong giai đoạn 2013–2022.
2. Xây dựng và kiểm định hệ thống mô hình định lượng chuỗi dữ liệu bảng, lựa chọn phương pháp xử lý tối ưu giữa Pooled OLS, FEM, REM và FGLS.
3. Đề xuất khung khuyến nghị điều hành chính sách tín dụng và quản trị an toàn vốn nhằm hạ thấp tỷ lệ nợ xấu và tối ưu hóa chi phí dự phòng.

Phương pháp tiếp cận sử dụng kinh tế lượng ứng dụng trên tập dữ liệu bảng thứ cấp gồm 23 chi nhánh VietinBank khu vực TP. Hồ Chí Minh trong 10 năm ($N = 230$ quan sát). Bằng việc phân tích song song hai biến phụ thuộc đại diện là Tỷ lệ nợ xấu (NPL) và Tỷ lệ dự phòng rủi ro tín dụng (CR), giải pháp mang lại cái nhìn toàn diện về thực trạng tài sản có rủi ro của ngân hàng.

Kết quả kỳ vọng của nghiên cứu là xây dựng mô hình có độ giải thích phương sai ($R^2$) đạt trên 85% đối với NPL và trên 65% đối với CR, đồng thời giải quyết triệt để các hiện tượng phương sai thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation). Phạm vi nghiên cứu giới hạn ở 23 chi nhánh tại địa bàn kinh tế trọng điểm TP. Hồ Chí Minh trong giai đoạn 2013–2022, tạo tiền đề tham chiếu chuẩn xác cho toàn bộ hệ thống NHTM cổ phần Nhà nước.

graph TD
    A["Dữ liệu thứ cấp BCTC 23 Chi nhánh VietinBank (2013-2022)"] --> B["Tiền xử lý & Thống kê mô tả (N=230)"]
    B --> C["Ước lượng Mô hình Hồi quy Pooled OLS"]
    C --> D{"Kiểm định Chẩn đoán (VIF, White, Wooldridge)"}
    D -- "Tồn tại Khuyết tật" --> E["Ước lượng Mô hình FEM & REM"]
    E --> F["Kiểm định Hausman Specification"]
    F --> G["Kiểm định Modified Wald & Wooldridge trên FEM/REM"]
    G -- "Tồn tại Tự tương quan & Phương sai thay đổi" --> H["Ước lượng FGLS (Feasible Generalized Least Squares)"]
    H --> I["Đề xuất Chính sách Quản trị Tín dụng & An toàn vốn Basel II"]

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Quản trị rủi ro tín dụng tại các NHTM Việt Nam từng phụ thuộc nhiều vào chấm điểm tín dụng nội bộ định tính và các mô hình hồi quy cắt ngang (cross-sectional) đơn lẻ.

Phương pháp	Ưu điểm	Nhược điểm	Đánh giá tính khả thi
Chấm điểm tín dụng định tính	Đơn giản, dễ áp dụng tại quầy giao dịch	Mang tính chủ quan cao, không dự báo được tác động vĩ mô	Thấp đối với quản trị danh mục tổng thể
Hồi quy OLS cổ điển (Pooled OLS)	Dễ tính toán, biểu diễn trực quan quan hệ tuyến tính	Bị sai lệch (biased) khi dữ liệu có phương sai thay đổi và tự tương quan	Kém hiệu quả trên dữ liệu chuỗi thời gian
Hồi quy Bảng Tĩnh (FEM/REM)	Kiểm soát đặc trưng riêng biệt không đổi theo thời gian của từng chi nhánh	Vẫn bị vô hiệu hóa khi tồn tại đồng thời tự tương quan bậc 1 và phương sai sai số	Cần bước kiểm định hiệu chỉnh chuyên sâu
Hồi quy FGLS (Khả thi tổng quát)	Triệt tiêu hoàn toàn hiện tượng tự tương quan và phương sai sai số	Yêu cầu số lượng quan sát bảng đủ lớn ($N \times T$)	Tối ưu nhất cho dữ liệu bảng 230 quan sát

Khung yêu cầu kỹ thuật và phân tích khoảng cách nghiệp vụ được chuẩn hóa theo mô hình MoSCoW:

• Must-have: Mô hình định lượng kiểm soát được đa cộng tuyến ($VIF < 4$), kiểm soát phương sai thay đổi ($p < 0.05$) và tự tương quan chuỗi ($p < 0.05$).
• Should-have: Khả năng phân tách rõ ràng tác động của các biến vĩ mô (GDP, Lạm phát - INF) và các chỉ số vi mô nội tại (Tăng trưởng tín dụng - LG, Tỷ lệ dư nợ trên vốn huy động - LDR, Khả năng sinh lời trên tài sản - ROA, Hệ số an toàn vốn - CAR).
• Could-have: Tích hợp ngưỡng an toàn Basel II (CAR $\ge 8%$) vào việc phân tích rủi ro.
• Won't-have: Dự báo động lượng theo mô hình phi tuyến học sâu (Deep Learning) trong phạm vi dữ liệu tài chính chuẩn tắc.

Thiết kế hệ thống

Hệ thống mô hình kinh tế lượng được xây dựng với cấu trúc toán học cụ thể:

1. Mô hình 1 (Biến phụ thuộc Nợ xấu - NPL): $$NPL_{it} = \beta_0 + \beta_1 GDP_t + \beta_2 INF_t + \beta_3 LG_{it} + \beta_4 LDR_{it} + \beta_5 ROA_{it} + \beta_6 CAR_{it} + \varepsilon_{it}$$

2. Mô hình 2 (Biến phụ thuộc Rủi ro tín dụng - CR): $$CR_{it} = \alpha_0 + \alpha_1 GDP_t + \alpha_2 INF_t + \alpha_3 LG_{it} + \alpha_4 LDR_{it} + \alpha_5 ROA_{it} + \alpha_6 CAR_{it} + u_{it}$$

Trong đó:

• $i$: Chi nhánh khảo sát ($i = 1, \dots, 23$).
• $t$: Năm khảo sát ($t = 2013, \dots, 2022$).
• $\varepsilon_{it}, u_{it}$: Sai số ngẫu nhiên của mô hình.

Stack công nghệ và công cụ định lượng gồm:

• Phần mềm tính toán: Stata/SE 17.0 (StataCorp LLC) phục vụ ước lượng kinh tế lượng bảng.
• Xử lý bảng tính & chuẩn hóa: Microsoft Excel 2021 hỗ trợ làm sạch cấu trúc bảng cân đối kế toán.
• Khung pháp lý tham chiếu: Thông tư 02/2013/TT-NHNN, Thông tư 41/2016/TT-NHNN (Basel II) và Nghị định 97/2016/NĐ-CP.

Methodology

Quy trình nghiên cứu tuân thủ 5 giai đoạn thực nghiệm nghiêm ngặt:

• Giai đoạn 1 (Milestone M1 - Thu thập & Chuẩn hóa dữ liệu): Khai thác báo cáo tài chính kiểm toán nội bộ của 23 chi nhánh VietinBank TP.HCM giai đoạn 2013–2022 ($N=230$).
• Giai đoạn 2 (Milestone M2 - Thống kê mô tả & Ma trận tương quan): Khảo sát phân phối, kiểm tra hiện tượng đa cộng tuyến sơ bộ bằng ma trận tương quan Pearson.
• Giai đoạn 3 (Milestone M3 - Ước lượng OLS & Kiểm định khuyết tật): Chạy Pooled OLS, thực hiện kiểm định VIF, White test và Wooldridge test.
• Giai đoạn 4 (Milestone M4 - Lựa chọn FEM/REM & Kiểm định Hausman): Ước lượng Fixed Effects và Random Effects, chạy kiểm định Hausman để chọn mô hình tối ưu.
• Giai đoạn 5 (Milestone M5 - Hiệu chỉnh FGLS & Đề xuất): Ứng dụng Feasible Generalized Least Squares để triệt tiêu khuyết tật mô hình, thảo luận kết quả thực nghiệm.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu bảng được thực hiện tuần tự qua kịch bản lệnh Stata 17 đã được tối ưu hóa:

* Thiết lập cấu trúc dữ liệu bảng (Panel Data)
xtset branch_id year

* 1. Thống kê mô tả toàn bộ biến
summarize CR NPL GDP INF LG LDR ROA CAR

* 2. Ước lượng Pooled OLS cho Mô hình 1 (NPL) và Mô hình 2 (CR)
regress NPL GDP LG ROA CAR
estat vif
estat imtest, white
xtserial NPL GDP LG ROA CAR

regress CR GDP LG LDR ROA CAR
estat vif
estat imtest, white
xtserial CR GDP LG LDR ROA CAR

* 3. Ước lượng Fixed Effects Model (FEM) và Random Effects Model (REM)
xtreg NPL GDP LG ROA CAR, fe
estimates store fem_npl
xtreg NPL GDP LG ROA CAR, re
estimates store rem_npl
hausman fem_npl rem_npl

* 4. Kiểm định phương sai thay đổi cho FEM (Modified Wald test)
xtreg NPL GDP LG ROA CAR, fe
xttest3

* 5. Khắc phục khuyết tật bằng mô hình FGLS (Cross-sectional heteroskedasticity + AR1)
xtgls NPL GDP LG ROA CAR, panels(hetero) corr(ar1)
xtgls CR GDP LG LDR ROA CAR, panels(hetero) corr(ar1)

Testing và validation

Kết quả thống kê mô tả 230 quan sát xác nhận tính phân tán và đặc trưng dữ liệu:

• CR (Chi phí trích lập / Dư nợ): Trung bình $1.17%$, độ lệch chuẩn $0.35%$, cực đại $2.14%$, cực tiểu $0.48%$.
• NPL (Tỷ lệ nợ xấu): Trung bình $1.05%$, độ lệch chuẩn $0.23%$, cực đại $1.72%$ (năm 2018), cực tiểu $0.73%$ (năm 2015).
• GDP: Tốc độ tăng trưởng bình quân $6.05%$, cực đại $8.02%$ (năm 2022), cực tiểu $2.59%$ (năm 2021).
• INF: Lạm phát bình quân $3.20%$, độ lệch chuẩn $1.47%$.
• LG (Tăng trưởng tín dụng): Trung bình $14.33%$, cực đại $23.76%$, cực tiểu $6.12%$.
• LDR (Dư nợ / Vốn huy động): Trung bình $88.99%$, cực đại $97.98%$ (năm 2022), cực tiểu $79.41%$.
• ROA: Trung bình $1.09%$, cực đại $1.51%$, cực tiểu $0.53%$.
• CAR: Trung bình $11.26%$, cực đại $16.46%$, cực tiểu $7.98%$ (năm 2021).

Kiểm định đa cộng tuyến cho thấy mô hình hoàn toàn an toàn: VIF trung bình của Mô hình 1 đạt $2.75$ và Mô hình 2 đạt $2.95$ (tất cả các hệ số VIF riêng lẻ đều $< 4.0$).

Tuy nhiên, các kiểm định khuyết tật trên mô hình Pooled OLS và FEM/REM chỉ ra vi phạm nghiêm trọng các giả định cổ điển:

• Kiểm định White (Phương sai thay đổi): $\text{Prob} > F = 0.0000 < 0.05$ ở cả hai mô hình.
• Kiểm định Wooldridge (Tự tương quan): $\text{Prob} > F = 0.0000 < 0.05$, bác bỏ giả thuyết $H_0$ không có tự tương quan.
• Kiểm định Hausman: Cho kết quả $p\text{-value} < 0.05$ đối với biến NPL (chọn FEM) và $p\text{-value} > 0.05$ đối với biến CR (chọn REM). Khi kiểm định lại với Modified Wald test và Wooldridge trên FEM/REM, hiện tượng phương sai thay đổi và tự tương quan vẫn tồn tại.

Do đó, việc chuyển đổi sang ước lượng FGLS là bắt buộc để đảm bảo ước lượng không chệch (unbiased) và có hiệu quả thống kê cao nhất (BLUE).

Kết quả đạt được

Hồi quy thực nghiệm FGLS trên 230 quan sát mang lại các hệ số ước lượng có ý nghĩa thống kê cao:

Biến độc lập	Mô hình 1: NPL (Hệ số $\beta$)	P-value (NPL)	Mô hình 2: CR (Hệ số $\alpha$)	P-value (CR)	Tác động thực tế
GDP	$+0.0482$	$0.000^{***}$	$+0.0215$	$0.002^{***}$	Tăng trưởng kinh tế nóng làm gia tăng rủi ro cấp tín dụng
LG	$-0.0154$	$0.000^{***}$	$-0.0187$	$0.000^{***}$	Tăng trưởng tín dụng mở rộng mẫu số dư nợ trong ngắn hạn
LDR	(Loại do $p > 0.10$)	--	$+0.0341$	$0.000^{***}$	Tỷ lệ dư nợ/vốn huy động cao làm tăng áp lực trích lập dự phòng
ROA	$-0.2415$	$0.000^{***}$	$+0.1842$	$0.000^{***}$	Hiệu quả sinh lời cao giúp hạ nợ xấu, nhưng thúc đẩy trích lập dự phòng
CAR	$-0.0270$	$0.000^{***}$	$-0.0990$	$0.000^{***}$	Đệm vốn an toàn càng lớn, rủi ro tín dụng và nợ xấu càng giảm
R-squared	$89.55%$	--	$67.04%$	--	Mô hình giải thích phần lớn biến thiên thực tế

Ghi chú: $^{*}$ Mức ý nghĩa thống kê 1% ($p < 0.01$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn mang tính đột phá so với các công trình trước đây:

Tiêu chí so sánh	Nghiên cứu của SB Ghosh & Das (2007)	Nguyễn Thị Bích Phượng & Nguyễn Văn Thép (2016)	Nghiên cứu này (VietinBank 2013–2022)
Phạm vi & Dữ liệu	Ngân hàng Ấn Độ (1993–2005), dữ liệu vĩ mô	29 NHTM Việt Nam (2007–2014), dữ liệu cấp ngân hàng mẹ	23 chi nhánh VietinBank tại TP.HCM (2013–2022), bao quát giai đoạn Covid-19
Phương pháp kinh tế lượng	OLS & Fixed Effects truyền thống	FEM và REM cơ bản, chưa xử lý triệt để khuyết tật	Pipeline toàn diện: OLS $\rightarrow$ FEM/REM $\rightarrow$ Hausman $\rightarrow$ FGLS
Xử lý đồng thời 2 khuyết tật	Chưa xử lý triệt để	Bỏ qua hiện tượng tự tương quan bậc 1	Triệt tiêu hoàn toàn phương sai thay đổi và tự tương quan chuỗi bằng FGLS
Độ chính xác mô hình ($R^2$)	$\approx 55% - 62%$	$\approx 60% - 71%$	$89.55%$ (Mô hình NPL) và $67.04%$ (Mô hình CR)

Về mặt học thuật, nghiên cứu chứng minh mối quan hệ cùng chiều giữa tăng trưởng GDP và NPL ($+0.0482$), phản ánh hiện tượng nới lỏng khẩu vị rủi ro trong giai đoạn kinh tế tăng trưởng nóng. Đồng thời, hệ số an toàn vốn CAR chứng minh vai trò đệm giảm xóc rủi ro vượt trội khi hệ số âm $-0.0990$ đối với CR đạt mức ý nghĩa 1%.

Ứng dụng thực tế và triển khai

Kết quả định lượng từ mô hình được cấu trúc thành hệ thống chỉ số hành động cho khối quản trị rủi ro VietinBank:

1. Hiệu chỉnh Hệ thống Cảnh báo Sớm (Early Warning System - EWS): Tích hợp trọng số tác động của LDR và CAR vào phần mềm giám sát tín dụng tự động. Khi LDR chi nhánh tiệm cận ngưỡng $95%$ (ngưỡng trung bình 2022 là $88.99%$, cực đại $97.98%$), hệ thống tự động kích hoạt giới hạn giải ngân bổ sung.
2. Quản trị tỷ lệ an toàn vốn (CAR): Duy trì CAR chi nhánh tối thiểu $11.5%$ (vượt chuẩn Basel II là $8%$) để giảm thiểu xác suất nợ xấu và hạ chi phí dự phòng rủi ro tín dụng định kỳ.
3. Chính sách cấp tín dụng chọn lọc theo chu kỳ GDP: Trong giai đoạn tăng trưởng kinh tế nhanh, thắt chặt điều kiện tài sản bảo đảm và thẩm định dòng tiền thay vì nới lỏng định giá TSĐB.

Lộ trình triển khai khuyến nghị gồm 3 giai đoạn:

• Quý 1 - Quý 2: Chuẩn hóa quy trình thẩm định tín dụng, đào tạo cán bộ quản lý rủi ro tại 23 chi nhánh TP.HCM về kiểm soát LDR.
• Quý 3 - Quý 4: Nâng cấp hệ thống Core Banking, tự động hóa tính toán chi phí dự phòng CR dựa trên biến động ROA và CAR.
• Năm tiếp theo: Mở rộng áp dụng mô hình định lượng quản trị cho toàn bộ 155 chi nhánh VietinBank trên toàn quốc.

Hạn chế và hướng phát triển

Mặc dù đạt được độ chính xác thống kê cao, đề tài ghi nhận một số hạn chế kỹ thuật:

• Mẫu khảo sát tập trung tại 23 chi nhánh trên địa bàn TP. Hồ Chí Minh, chưa bao quát toàn bộ các vùng kinh tế nông nghiệp hoặc miền núi có đặc thù rủi ro tín dụng khác biệt.
• Mô hình tĩnh FGLS chưa kiểm soát hết hiện tượng nội sinh tiềm ẩn giữa biến tăng trưởng tín dụng (LG) và nợ xấu trễ hạn qua nhiều kỳ.

Hướng phát triển trong tương lai:

• Ứng dụng phương pháp hồi quy GMM sai phân (Difference GMM) hoặc GMM hệ thống (System GMM) để đưa biến trễ của nợ xấu ($NPL_{t-1}$) vào mô hình động.
• Kết hợp dữ liệu phi cấu trúc và thuật toán học máy (Gradient Boosting / Random Forest) để xây dựng hệ thống chấm điểm tín dụng vi mô theo thời gian thực.

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận bộ khung phương pháp luận nghiên cứu định lượng chuẩn mực từ Pooled OLS, FEM/REM đến FGLS trên Stata 17.
• Chuyên viên Phân tích Rủi ro & Developer: Ứng dụng kịch bản kiểm định kinh tế lượng vào hệ thống phân tích dữ liệu ngân hàng (Banking Analytics).
• Ban Điều hành NHTM: Sở hữu căn cứ khoa học định lượng vững chắc để phân bổ hạn mức tăng trưởng tín dụng và kiểm soát hệ số an toàn vốn chi nhánh.
• Nhà nghiên cứu Kinh tế: Khai thác dữ liệu thực nghiệm 10 năm của ngân hàng trụ cột để phát triển các chủ đề mở rộng về rủi ro thanh khoản và chính sách tiền tệ.

Câu hỏi thường gặp

1. Tại sao mô hình Pooled OLS bị loại bỏ dù có hệ số $R^2$ cao? Vì kiểm định White và Wooldridge cho kết quả $p < 0.05$, chứng minh mô hình OLS mắc khuyết tật phương sai thay đổi và tự tương quan, khiến sai số chuẩn bị chệch và các suy diễn thống kê mất độ tin cậy.

2. Tại sao FGLS là lựa chọn tối ưu sau kiểm định Hausman? Kiểm định Hausman giúp lựa chọn giữa FEM và REM, nhưng cả hai mô hình này vẫn không thể tự triệt tiêu hiện tượng phương sai thay đổi giữa các chi nhánh và tự tương quan chuỗi. FGLS ước lượng lại ma trận hiệp phương sai cấu trúc, xử lý dứt điểm cả hai khuyết tật trên.

3. Ý nghĩa của việc GDP có tương quan dương với tỷ lệ nợ xấu ($+0.0482$)? Trong các giai đoạn tăng trưởng GDP cao, ngân hàng và doanh nghiệp có xu hướng lạc quan quá mức, mở rộng cấp tín dụng cho các dự án rủi ro cao. Khi chu kỳ đảo chiều, các khoản vay này chuyển hóa thành nợ xấu.

4. Hệ số an toàn vốn CAR tác động như thế nào đến rủi ro tín dụng? CAR có hệ số âm mang ý nghĩa thống kê cao trên cả hai mô hình ($-0.0270$ với NPL và $-0.0990$ với CR), chứng minh ngân hàng có tiềm lực vốn tự có vững chắc sẽ kiểm soát rủi ro và hấp thụ tổn thất tín dụng tốt hơn.

5. Giải pháp nào giúp ngân hàng kiểm soát tỷ lệ LDR hiệu quả? Đẩy mạnh huy động tiền gửi không kỳ hạn (CASA) thông qua chuyển đổi số dịch vụ thanh toán, đa dạng hóa kỳ hạn tiền gửi dân cư và duy trì trần LDR an toàn không vượt quá $85%$ theo định hướng của NHNN.

Kết luận

Công trình nghiên cứu đã xây dựng thành công khung phân tích định lượng toàn diện về các nhân tố tác động đến rủi ro tín dụng tại VietinBank giai đoạn 2013–2022. Bằng việc xử lý triệt để các khuyết tật chuỗi dữ liệu bảng qua mô hình FGLS, nghiên cứu chứng minh vai trò quyết định của hệ số an toàn vốn CAR, tỷ lệ sinh lời ROA và việc điều tiết tốc độ tăng trưởng tín dụng LG trong việc kìm giữ nợ xấu dưới ngưỡng an toàn. Đây là cơ sở thực nghiệm vững chắc để VietinBank và hệ thống NHTM Việt Nam nâng cao năng lực quản trị rủi ro tín dụng theo chuẩn mực quốc tế Basel II và hướng tới Basel III. Hãy liên hệ và kết nối học thuật để cùng trao đổi sâu hơn về mô hình định lượng kinh tế lượng ứng dụng trong ngành ngân hàng.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC CÁC YẾU TỐ ẢNH HƢỞNG ĐẾN RỦI RO TÍN DỤNG TẠI NH TMCP CÔNG THƢƠNG VIỆT NAM Ngành: Tài chính - Ngân hàng Mã số: 7 34 02 01 AH REZA TP. HỒ CHÍ MINH, NĂM 2023 i BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC CÁC YẾU TỐ ẢNH HƢỞNG ĐẾN RỦI RO TÍN DỤNG TẠI NH TMCP CÔNG THƢƠNG VIỆT NAM Ngành: Tài chính - Ngân hàng Mã số: 7 34 02 01 Sinh viên thực hiện: AH REZA MSSV: 050607190436 Lớp: HQ7-GE18 NGƢỜI HƢỚNG DẪN KHOA HỌC TS.

HỒ CÔNG HƢỞNG TP. HỒ CHÍ MINH, NĂM 2023 ii TÓM TẮT Kinh doanh tín dụng đi cùng với rủi ro là điều khó tránh khỏi trong hoạt động của một ngân hàng và rủi ro trong quá trình cấp tín dụng chịu tác động bởi rất nhiều yếu tố. Mục đích thực hiện nghiên cứu này nhằm tìm hiểu thực trạng một số yếu tố tác động đến vấn đề rủi ro tín dụng của Ngân hàng Vietinbank giai đoạn 2013-2022. Trong tình hình thế giới xảy ra thiên tai dịch bệnh, nền kinh tế diễn ra nhiều biến động như hiện nay, việc nghiên cứu sự thay đổi, nhận định lại những quá trình nhằm rút kinh nghiệm, đồng thời đánh giá lại mức độ tác động của mỗi yếu tố qua thời gian và môi trường kinh tế rất quan trọng trong việc phòng tránh RRTD của ngân hàng.

Dựa trên nhiều nghiên cứu khác có liên quan trước đó và cơ sở lý thuyết về RRTD, tác giả tạo dựng mô hình nghiên cứu gồm 6 yếu tố ảnh hưởng đến tỷ lệ nợ xấu và rủi ro tín dụng của ngân hàng. Vận dụng phương pháp định lượng khảo sát dữ liệu thứ cấp với kết quả kinh doanh 23 chi nhánh của Vietinbank. Dữ liệu được xử lý bằng phần mềm STATA 17, qua đó xem xét phân tích mức độ các yếu tố ảnh hưởng và tác động đến RRTD theo kết quả từ các mô hình hồi quy. Sau khi phân tích và tổng hợp có thể nhận định rằng tốc độ tăng trưởng kinh tế, tỷ lệ dư nợ trên vốn huy động và khả năng sinh lời trên tổng tài sản có tác động cùng chiều với RRTD.

Tốc độ tăng trưởng tín dụng và hệ số an toàn vốn ngược chiều với RRTD. Kết quả nghiên cứu dựa trên quá trình hoạt động thực tế đã cung cấp thông tin về một số yếu tố có liên quan đến RRTD của Vietinbank. Việc xác định các yếu tố này sẽ giúp các nhà quản lý đưa ra các biện pháp can thiệp phù hợp, thiết kế các chính sách tín dụng và điều chỉnh áp dụng các quy định an toàn. Từ đó, tác giả đề xuất một số giải pháp giúp cho ngân hàng hoàn thiện công tác quản lý RRTD.

i ABSTRACT Credit business with risks is inevitable in the operation of a bank and the risk in the credit granting process is affected by many factors. The purpose of this study is to find out the current situation of some factors affecting the credit risk of Vietinbank in the period 2013-2022. In the situation of the world, when natural disasters and epidemics occur, the economy undergoes many fluctuations like today, the study of changes, re-evaluating the processes to learn from experience, and at the same time re-evaluate the level of impacts The dynamics of each factor over time and the economic environment are very important in preventing credit risk of a bank. Based on many other related previous studies and the theoretical basis of credit risk, the author builds a research model including 6 factors affecting the bad debt ratio and credit risk of banks.

Applying the quantitative method to survey secondary data with business results of 23 branches of Vietinbank. Data are processed by STATA 17 software, thereby analyzing the level of factors affecting and affecting credit risk according to results from regression models. After researching and synthesizing, it can be concluded that the economic growth rate, the ratio of outstanding loans to mobilized capital, and profitability on total assets have a positive impact on credit risk. Credit growth rate and capital adequacy ratio are opposite to credit risk.

Research results based on actual operations have provided information on a number of factors related to the credit risk of Vietinbank. Identifying these factors will help regulators make appropriate interventions, design credit policies, and regulate the application of safeguards. From there, the author proposes some solutions to help banks improve credit risk management. ii LỜI CAM ĐOAN  Tôi xin cam đoan khóa luận này là nghiên cứu riêng của tôi, được thực hiện trên cơ sở nghiên cứu lý thuyết và thực tiễn dưới sự hướng dẫn khoa học của TS.

HỒ CÔNG HƯỞNG. Các nội dung kết quả nghiên cứu trong đề tài này là hoàn toàn trung thực và chưa được công bố dưới bất cứ hình thức nào trước đây. Những số liệu trong bảng biểu phục vụ cho việc phân tích nhận xét đánh giá đã được tôi thu thập từ các nguồn dữ liệu khác nhau và có ghi rõ trong phần tài liệu tham khảo, các trích dẫn đều chú thích nguồn gốc rõ ràng trong khóa luận. HCM, ngày tháng năm 2023 Tác giả iii LỜI CẢM ƠN  Tôi xin gửi lời biết ơn trân trọng đến quý Thầy cô Trường Đại học Ngân Hàng TP.HCM đã tận tình giảng dạy, bồi dưỡng cho tôi những kiến thức quan trọng trong quãng thời gian học tại trường, tạo cho tôi nền tảng chuyên môn vững chắc cho công việc trong tương lai.

Để thực hiện bài khóa luận này được thuận lợi, tôi xin gửi lời cảm ơn sâu sắc và chân thành nhất đến TS. HỒ CÔNG HƯỞNG đã dành thời gian hướng dẫn và hỗ trợ giúp đỡ tôi trong suốt quá trình. Thầy đã luôn tận tình, nghiêm khắc đưa ra rất nhiều ý kiến chỉnh sửa để nội dung được hoàn thiện hơn và đã cho tôi những lời khuyên vô cùng quý báu để giúp tôi làm bài khóa luận này một cách tốt nhất. Tôi cũng gửi lời cảm ơn chân thành đến Ngân hàng TMCP Công Thương VN và các anh chị trong phòng Tín dụng Vietinbank đã luôn nhiệt tình hỗ trợ giải đáp những vướng mắc về chuyên môn, cung cấp những số liệu cần thiết cho tôi trong quá trình nghiên cứu.

Xin chân thành cảm ơn!. iv MỤC LỤC CHƢƠNG 1: GIỚI THIỆU NGHIÊN CỨU. Tính cấp thiết của đề tài:. Mục tiêu nghiên cứu:.

Mục tiêu tổng quát:. Mục tiêu cụ thể:. Câu hỏi nghiên cứu:. Đối tƣợng và phạm vi nghiên cứu:.

Đối tượng nghiên cứu:. Phạm vi nghiên cứu:. Phƣơng pháp nghiên cứu và dữ liệu:. Đóng góp của nghiên cứu:.

Bố cục của nghiên cứu: .4 CHƢƠNG 2: CƠ SỞ LÝ THUYẾT VÀ LƢỢC KHẢO CÁC CÔNG TRÌNH NGHIÊN CỨU CÓ LIÊN QUAN. Khái niệm tín dụng ngân hàng thương mại. Khái niệm rủi ro tín dụng. Phân loại rủi ro tín dụng.

Nguyên nhân gây ra rủi ro tín dụng. Tác động của rủi ro tín dụng. Các nhân tố tác động đến rủi ro tín dụng:. Tốc độ tăng trưởng kinh tế (GDP):.

Tỷ lệ lạm phát (INF):. Tốc độ tăng trưởng tín dụng (LG):. Tỷ lệ dư nợ trên Vốn huy động (LDR):. Khả năng sinh lời trên Tổng tài sản (ROA):.

Hệ số an toàn vốn (CAR):. Các nghiên cứu nƣớc ngoài:. Các nghiên cứu trong nƣớc:. Đánh giá chung:.16 CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU.

Quy trình nghiên cứu:. Mô hình nghiên cứu. Giả thuyết nghiên cứu:. Biến phụ thuộc:.

Biến độc lập:. Phƣơng pháp nghiên cứu. Bình phương nhỏ nhất thông thường (OLS). Hồi quy theo mô hình tác động cố định (FEM).

Hồi quy theo mô hình tác động ngẫu nhiên (REM). Mô hình bình phương sai số nhỏ nhất khả thi (FGLS). Kiểm định lựa chọn mô hình phù hợp.28 CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN. Kết quả nghiên cứu.

Thống kê mô tả dữ liệu nghiên cứu. Phân tích tương quan. Ước lượng và lựa chọn mô hình phù hợp. Thảo luận kết quả nghiên cứu.51 CHƢƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ.

Một số khuyến nghị .61 TÀI LIỆU THAM KHẢO .68 vi DANH MỤC TỪ VIẾT TẮT Từ viết tắt Nghĩa tiếng Anh Nghĩa tiếng Việt - CBTD - Credit officer - Cán bộ tín dụng - DN - Enterprise - Doanh nghiệp - FEM - Fix Effects Model - Mô hình tác động cố định - GDP - Gross domestic product - Tổng sản phẩm nội địa - Bình phương nhỏ nhất tổng - GLS - Generalized Least Squares quát - GeneralizedMethods of - Phương pháp hồi quy ước - GMM Moments lượng - KH - Customer - Khách hàng - NHNN - The State Bank - Ngân hàng Nhà nước - NHTM - Commercial Bank - Ngân hàng thương mại - REM - Random Effect Model - Mô hình tác động ngẫu nhiên - RRTD - Credit risk - Rủi ro tín dụng - TSĐB - Collateral - Tài sản đảm bảo - TD - Credit - Tín dụng - Vietnam Joint Stock - Ngân hàng TMCP Công - Vietinbank Commercial Bank for Industry Thương Việt Nam and Trade vii DANH MỤC BẢNG , BIỂU ĐỒ VÀ HÌNH Danh mục bảng Bảng 1: Mô tả các biến trong mô hình nghiên cứu. 25 Bảng 2: Thống kê mô tả các biến. 31 Bảng 3: Ma trận tương quan mô hình 1. 33 Bảng 4: Ma trận tương quan mô hình 2.

34 Bảng 5: Kết quả hồi quy OLS của mô hình 1 - NPL. 36 Bảng 6: Kết quả hồi quy OLS của mô hình 2 - CR. 37 Bảng 7: Kết quả kiểm định VIF của mô hình 1. 38 Bảng 8: Kết quả kiểm định VIF của mô hình 2.

38 Bảng 9: Kết quả ước lượng mô hình FEM – NPL. 41 Bảng 10: Kết quả ước lượng mô hình FEM - CR. 42 Bảng 11: Kết quả ước lượng mô hình REM - NPL. 43 Bảng 12: Kết quả ước lượng mô hình REM - CR.

44 Bảng 13: Kết quả ước lượng mô hình FGLS cho Biến NPL. 49 Bảng 14: Kết quả ước lượng mô hình FGLS cho Biến CR .50 Danh mục biểu đồ Biểu đồ 1: Biểu đồ tương quan giữa tốc độ tăng trưởng kinh tế (GDP), tỷ lệ nợ xấu (NPL) và rủi ro tín dụng (CR). 51 Biểu đồ 2: Biểu đồ tương quan giữa tỷ lệ lạm phát với hai biến phụ thuộc. 53 Biểu đồ 3: Biểu đồ tương quan của tốc độ tăng trưởng tín dụng (LG) với tỷ lệ nợ xấu (NPL) và rủi ro tín dụng (CR).

54 Biểu đồ 4: Biểu đồ tương quan giữa tỷ lệ dư nợ trên vốn huy động (LDR) với và rủi ro tín dụng (CR). 55 Biểu đồ 5: Biểu đồ tương quan giữa khả năng sinh lời trên tổng tài sản (ROA) với tỷ lệ nợ xấu (NPL) và rủi ro tín dụng (CR) .