Giới thiệu dự án
Hoạt động huy động vốn thông qua tiền gửi khách hàng là nguồn lực huyết mạch chi phối khả năng cấp tín dụng, duy trì thanh khoản và đảm bảo an toàn hệ thống cho các Ngân hàng Thương mại Cổ phần (NHTMCP). Tại các nền kinh tế đang phát triển như Việt Nam, hệ thống ngân hàng đóng góp từ 40% đến 50% vào Tổng sản phẩm quốc nội (GDP) thông qua cơ chế dẫn vốn trung gian tài chính. Tuy nhiên, giai đoạn 2009–2022 chứng kiến những biến động phức tạp của nền kinh tế vĩ mô: từ quá trình tái cơ cấu hệ thống sau khủng hoảng tài chính toàn cầu năm 2008 đến các cú sốc thanh khoản và gián đoạn chuỗi cung ứng do đại dịch COVID-19.
+-----------------------------------------------------------------------------------+
| HỆ THỐNG NHTMCP VIỆT NAM |
| |
| [Đặc tính Vi mô (Internal Factors)] [Đặc tính Vĩ mô (Macro Factors)] |
| - Quy mô tài sản (SIZE) - Tăng trưởng cung tiền (M2) |
| - Vốn chủ sở hữu / Tổng TS (ETA) - Tốc độ tăng trưởng kinh tế (GDP) |
| - Tỷ suất sinh lời / Tổng TS (ROA) - Tỷ lệ lạm phát (INF) |
| - Tỷ lệ nợ xấu / Dư nợ (NPL) |
| - Tỷ lệ thanh khoản (LIQ) |
+-------------------------------------+---------------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| KHUNG KINH TẾ LƯỢNG ĐỘNG (DYNAMIC PANEL MODEL) |
| |
| Pooled OLS ---> FEM / REM ---> Kiểm định khuyết tật ---> Two-step SGMM |
| (Chưa xử lý (Chọn mô (Đa cộng tuyến, Hetero, (Xử lý triệt để |
| nội sinh) hình tối ưu) Autocorrelation, Endog) sai số & trễ) |
+-------------------------------------+---------------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| KẾT QUẢ & CHIẾN LƯỢC TỐI ƯU HÓA TĂNG TRƯỞNG TIỀN GỬI (DG) |
+-----------------------------------------------------------------------------------+
Vấn đề nghiên cứu cụ thể
Các ngân hàng thương mại thường gặp khó khăn trong việc dự báo tốc độ tăng trưởng tiền gửi do sự tương tác phi tuyến giữa các yếu tố nội tại của ngân hàng và biến động vĩ mô. Việc sử dụng các mô hình hồi quy tĩnh truyền thống (Pooled OLS, FEM, REM) thường bỏ qua hiện tượng nội sinh (endogeneity) phát sinh từ biến phụ thuộc trễ ($DG_{t-1}$) và các yếu tố tác động đồng thời giữa khả năng sinh lời, chất lượng nợ và quy mô tài sản. Điều này dẫn đến các ước lượng chệch (biased) và thiếu tính nhất quán (inconsistent), khiến các quyết định quản trị vốn và thanh khoản bị sai lệch.
Mục tiêu của đề tài
- Xác định và hệ thống hóa hệ thống biến số vi mô ($SIZE, ETA, ROA, NPL, LIQ$) và vĩ mô ($M2, GDP, INF$) tác động đến tốc độ tăng trưởng tiền gửi ($DG$) của các NHTMCP Việt Nam.
- Xây dựng quy trình ước lượng kinh tế lượng vững, kiểm định toàn diện các khuyết tật mô hình (phương sai sai số thay đổi, tự tương quan, hiện tượng nội sinh) và khắc phục bằng phương pháp hồi quy không gian moment tổng quát dạng hệ thống (Two-step System GMM).
- Lượng hóa mức độ tác động của từng nhân tố và cung cấp cơ sở thực chứng để đề xuất khuyến nghị chính sách quản trị bảng cân đối kế toán cho NHTMCP cùng định hướng điều hành vĩ mô cho Ngân hàng Nhà nước (NHNN).
Phương pháp tiếp cận
Đề tài áp dụng phương pháp phân tích dữ liệu bảng động (Dynamic Panel Data Analysis) trên phần mềm Stata phiên bản 17.0 MP. Tiếp cận tuần tự từ ước lượng OLS gộp (Pooled OLS), mô hình tác động cố định (FEM), mô hình tác động ngẫu nhiên (REM), kết hợp các kiểm định F-Test, Breusch-Pagan Lagrange Multiplier và Hausman Test, sau đó xử lý triệt để khuyết tật bằng kỹ thuật ước lượng System GMM (Blundell & Bond, 1998) với hiệu chỉnh sai số chuẩn mẫu nhỏ Windmeijer.
Kết quả kỳ vọng
- Xác định chính xác chiều hướng tác động và hệ số hồi quy của 8 biến số độc lập đối với tăng trưởng tiền gửi.
- Cung cấp mô hình định lượng đạt chuẩn kiểm định Sargan/Hansen về tính hợp lệ của biến công cụ ($p > 0.05$) và kiểm định Arellano-Bond không có tự tương quan bậc hai AR(2) ($p > 0.05$).
- Thiết lập khung khuyến nghị phân bổ cơ cấu nguồn vốn tối ưu theo chu kỳ kinh tế và kiểm soát rủi ro thanh khoản.
Phạm vi và giới hạn nghiên cứu
- Không gian: 25 NHTMCP niêm yết trên thị trường chứng khoán Việt Nam (đại diện cho hơn 85% tổng tài sản và thị phần tiền gửi toàn khối NHTMCP).
- Thời gian: Giai đoạn 14 năm liên tục từ 2009 đến 2022 (bao quát chu kỳ phục hồi sau khủng hoảng 2008 và giai đoạn biến động do đại dịch COVID-19).
- Cỡ mẫu: 350 quan sát dữ liệu bảng cân bằng (balanced panel data).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng và các phương pháp ước lượng
| Tiêu chí |
Pooled OLS |
Fixed Effects Model (FEM) |
Random Effects Model (REM) |
Two-step System GMM |
| Bản chất mô hình |
Hồi quy OLS gộp |
Tác động cố định theo cá thể |
Tác động ngẫu nhiên |
Mô hình hồi quy bảng động |
| Xử lý đặc trưng riêng |
Bỏ qua đặc trưng cá thể ($\mu_i = 0$) |
Cho phép $\mu_i$ tương quan với biến giải thích |
Giả định $\mu_i$ không tương quan với biến giải thích |
Triệt tiêu $\mu_i$ qua phương sai sai phân bậc 1 |
| Khắc phục nội sinh ($DG_{t-1}$) |
Vi phạm giả thiết OLS, ước lượng bị chệch |
Chệch Nickell (Nickell bias) khi $T$ nhỏ |
Ước lượng không nhất quán |
Khắc phục triệt để bằng biến công cụ trễ (Instruments) |
| Xử lý Heteroskedasticity & Autocorrelation |
Kém |
Cần dùng sai số Robust nhưng chưa tối ưu |
Dễ bị sai lệch kiểm định khi có tự tương quan |
Khắc phục hoàn toàn bằng ma trận trọng số tối ưu |
| Hiệu chuẩn mẫu nhỏ |
Không |
Không |
Không |
Hiệu chỉnh sai số chuẩn Windmeijer (2005) |
Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW
- Must-have:
- Dữ liệu tài chính kiểm toán từ Báo cáo tài chính (BCTC) hợp nhất của 25 ngân hàng giai đoạn 2009–2022.
- Kiểm tra đa cộng tuyến qua hệ số phóng đại phương sai (VIF).
- Kiểm định phương sai thay đổi (Modified Wald Test) và tự tương quan (Wooldridge Test).
- Ước lượng Two-step System GMM xử lý biến trễ $DG_{i,t-1}$.
- Should-have:
- So sánh đối sánh kết quả giữa 4 mô hình: Pooled OLS, FEM, REM và System GMM.
- Phân tích độ nhạy của biến kiểm soát thanh khoản ($LIQ$) và nợ xấu ($NPL$).
- Could-have:
- Bóc tách phân tích tác động theo từng nhóm quy mô ngân hàng (Big 4 cổ phần hóa vs. NHTMCP tư nhân vừa và nhỏ).
- Won't-have:
- Dự báo chuỗi thời gian đơn lẻ ARIMA cho từng ngân hàng riêng lẻ (không phản ánh tính chất dữ liệu bảng hỗn hợp).
Thiết kế hệ thống định lượng và biến số
Phương trình hồi quy bảng động tổng quát được thiết lập như sau:
$$DG_{i,t} = \beta_0 + \beta_1 DG_{i,t-1} + \beta_2 SIZE_{i,t} + \beta_3 ETA_{i,t} + \beta_4 ROA_{i,t} + \beta_5 NPL_{i,t} + \beta_6 LIQ_{i,t} + \beta_7 M2_t + \beta_8 GDP_t + \beta_9 INF_t + \mu_i + \varepsilon_{i,t}$$
+----------------------------------------------------------------------------------------------------+
| MA TRẬN BIẾN SỐ NGHIÊN CỨU |
+----------------------------------------------------------------------------------------------------+
| Biến phụ thuộc: |
| * DG (Deposit Growth): [Tiền gửi(t) - Tiền gửi(t-1)] / Tiền gửi(t-1) |
+----------------------------------------------------------------------------------------------------+
| Biến độc lập vi mô: |
| * SIZE (Quy mô ngân hàng) = Ln(Tổng tài sản) |
| * ETA (Tỷ lệ vốn chủ sở hữu) = Vốn chủ sở hữu / Tổng tài sản |
| * ROA (Tỷ suất sinh lời trên tài sản) = Lợi nhuận sau thuế / Tổng tài sản |
| * NPL (Tỷ lệ nợ xấu) = Nợ xấu (Nhóm 3-5) / Tổng dư nợ cho vay |
| * LIQ (Tỷ lệ thanh khoản) = Tài sản thanh khoản / Tổng tài sản |
+----------------------------------------------------------------------------------------------------+
| Biến độc lập vĩ mô: |
| * M2 (Tăng trưởng cung tiền) = Tỷ lệ tăng trưởng cung tiền M2 hàng năm (%) |
| * GDP (Tăng trưởng kinh tế) = Tốc độ tăng trưởng GDP thực tế hàng năm (%) |
| * INF (Tỷ lệ lạm phát) = Chỉ số giá tiêu dùng CPI bình quân hàng năm (%) |
+----------------------------------------------------------------------------------------------------+
Technology Stack và công cụ phân tích
- Nền tảng kinh tế lượng: Stata 17.0 MP (gói lệnh chuẩn
xtreg, xttest0, xttest3, xtserial, và xtabond2 của David Roodman).
- Xử lý và tiền xử lý dữ liệu: Microsoft Excel 365, Python 3.11 (
pandas, numpy hỗ trợ cấu trúc lại ma trận cân bằng).
- Cơ sở dữ liệu:
- Dữ liệu vi mô: Báo cáo tài chính kiểm toán và Báo cáo thường niên của 25 NHTMCP.
- Dữ liệu vĩ mô: Cơ sở dữ liệu Open Data của Ngân hàng Thế giới (World Bank) và Tổng cục Thống kê Việt Nam (GSO).
Quy trình nghiên cứu thực nghiệm (Methodology Pipeline)
Implementation và kết quả
Kịch bản thực thi phân tích kinh tế lượng (Stata Command Pipeline)
Dưới đây là kịch bản câu lệnh Stata đã được chuẩn hóa để xử lý toàn bộ quy trình kiểm định và ước lượng mô hình dữ liệu bảng:
* Thiết lập không gian dữ liệu bảng
clear all
import excel "Dataset_Bank_Deposit_Growth_2009_2022.xlsx", sheet("Data") firstrow
destring Bank_ID Year DG SIZE ETA ROA NPL LIQ M2 GDP INF, replace
xtset Bank_ID Year
* 1. Thống kê mô tả và ma trận tương quan
summarize DG SIZE ETA ROA NPL LIQ M2 GDP INF
pwcorr DG SIZE ETA ROA NPL LIQ M2 GDP INF, sig star(0.05)
* 2. Hồi quy Pooled OLS và kiểm tra đa cộng tuyến
regress DG SIZE ETA ROA NPL LIQ M2 GDP INF
vif
* 3. Hồi quy FEM và REM
xtreg DG SIZE ETA ROA NPL LIQ M2 GDP INF, fe
estimates store fixed_model
xtreg DG SIZE ETA ROA NPL LIQ M2 GDP INF, re
estimates store random_model
* 4. Các kiểm định lựa chọn mô hình
xttest0 // Breusch-Pagan LM Test
hausman fixed_model random_model // Hausman Test
* 5. Kiểm định khuyết tật mô hình FEM
xttest3 // Modified Wald test for Groupwise Heteroskedasticity
xtserial DG SIZE ETA ROA NPL LIQ M2 GDP INF // Wooldridge test for Autocorrelation
* 6. Hồi quy Two-step System GMM (Khắc phục khuyết tật và nội sinh)
xtabond2 DG L.DG SIZE ETA ROA NPL LIQ M2 GDP INF, ///
gmm(L.DG ROA NPL, lag(1 2) collapse) ///
iv(SIZE ETA LIQ M2 GDP INF) ///
twostep robust small orthogonal
Kết quả kiểm định chẩn đoán mô hình
Toàn bộ các bài kiểm định thống kê được thực hiện nghiêm ngặt nhằm xác định mô hình tối ưu:
| Kiểm định |
Giả thuyết vô hiệu ($H_0$) |
Giá trị thống kê |
$p$-value |
Kết luận |
| F-Test (FEM vs. OLS) |
Tất cả hệ số cá thể bằng 0 ($\mu_i = 0$) |
$F(24, 317) = 4.82$ |
$0.0000$ |
Bác bỏ $H_0$, FEM tốt hơn Pooled OLS |
| Breusch-Pagan LM |
Không có tác động ngẫu nhiên |
$\bar{\chi}^2(01) = 45.62$ |
$0.0000$ |
Bác bỏ $H_0$, REM tốt hơn Pooled OLS |
| Hausman Test |
$\mu_i$ không tương quan với biến giải thích |
$\chi^2(8) = 28.94$ |
$0.0003$ |
Bác bỏ $H_0$, chọn mô hình FEM |
| Modified Wald Test |
Phương sai đồng nhất giữa các ngân hàng |
$\chi^2(25) = 842.16$ |
$0.0000$ |
Bác bỏ $H_0$, có Phương sai sai số thay đổi |
| Wooldridge Test |
Không có tự tương quan bậc nhất |
$F(1, 24) = 18.73$ |
$0.0002$ |
Bác bỏ $H_0$, có Hiện tượng tự tương quan |
| Kiểm định nội sinh |
Biến trễ $DG_{t-1}$ ngoại sinh |
Durbin-Wu $\chi^2 = 12.4$ |
$0.0004$ |
Bác bỏ $H_0$, tồn tại Hiện tượng nội sinh |
Do mô hình FEM vi phạm đồng thời hiện tượng phương sai thay đổi, tự tương quan và nội sinh, phương pháp Two-step System GMM là lựa chọn bắt buộc để đảm bảo tính không chệch và hiệu quả của các ước lượng.
Bảng kết quả ước lượng thực nghiệm qua các mô hình
| Biến số |
Pooled OLS |
FEM |
REM |
Two-step System GMM |
Ý nghĩa thống kê (GMM) |
| $DG_{t-1}$ |
- |
- |
- |
$+0.1842^{}$* ($0.0412$) |
Tác động cùng chiều mạnh ($p < 0.01$) |
| $SIZE$ |
$-0.0215^{*}$ ($0.0118$) |
$-0.0842^{***}$ ($0.0211$) |
$-0.0384^{**}$ ($0.0152$) |
$-0.0621^{}$** ($0.0264$) |
Tác động ngược chiều ($p < 0.05$) |
| $ETA$ |
$+0.1420$ ($0.1105$) |
$-0.0821$ ($0.1432$) |
$+0.0421$ ($0.0982$) |
$+0.0514$ ($0.0841$) |
Không có ý nghĩa thống kê |
| $ROA$ |
$+1.4251^{***}$ ($0.3842$) |
$+0.9854^{**}$ ($0.4215$) |
$+1.2140^{***}$ ($0.3541$) |
$+1.6824^{}$* ($0.4912$) |
Tác động cùng chiều mạnh ($p < 0.01$) |
| $NPL$ |
$-0.4512^{*}$ ($0.2410$) |
$+0.2154$ ($0.3120$) |
$-0.1142$ ($0.2215$) |
$+0.5842^{}$** ($0.2615$) |
Tác động cùng chiều ($p < 0.05$) |
| $LIQ$ |
$-0.1842^{**}$ ($0.0784$) |
$-0.2415^{***}$ ($0.0812$) |
$-0.1984^{**}$ ($0.0712$) |
$-0.2154^{}$** ($0.0942$) |
Tác động ngược chiều ($p < 0.05$) |
| $M2$ |
$+0.3845^{***}$ ($0.0812$) |
$+0.2941^{***}$ ($0.0754$) |
$+0.3412^{***}$ ($0.0721$) |
$+0.3124^{}$* ($0.0894$) |
Tác động cùng chiều mạnh ($p < 0.01$) |
| $GDP$ |
$+0.4125^{**}$ ($0.1842$) |
$-0.3842^{*}$ ($0.2105$) |
$+0.1245$ ($0.1652$) |
$-0.4851^{}$** ($0.2214$) |
Tác động ngược chiều ($p < 0.05$) |
| $INF$ |
$-0.1245$ ($0.1142$) |
$+0.2841^{**}$ ($0.1215$) |
$+0.0842$ ($0.0954$) |
$+0.3415^{}$* ($0.1182$) |
Tác động cùng chiều mạnh ($p < 0.01$) |
| Constant |
$+0.1845$ ($0.2140$) |
$+1.4521^{***}$ ($0.3841$) |
$+0.4512$ ($0.2841$) |
$+0.8954^{*}$ ($0.4812$) |
- |
| Kiểm định AR(1) |
- |
- |
- |
$z = -3.12$ ($p = 0.0018$) |
Chấp nhận có sai số AR(1) |
| Kiểm định AR(2) |
- |
- |
- |
$z = 0.81$ ($p = 0.4179$) |
Không có tự tương quan AR(2) |
| Hansen J-Test |
- |
- |
- |
$\chi^2(16) = 18.42$ ($p = 0.2998$) |
Biến công cụ hoàn toàn hợp lệ |
Ghi chú: Sai số chuẩn đặt trong dấu ngoặc đơn. $^{}$, $^{}$, $^{}$ tương ứng với mức ý nghĩa thống kê 1%, 5% và 10%.
Đổi mới và đóng góp
Đổi mới về kỹ thuật kinh tế lượng
- Xử lý triệt để hiện tượng nội sinh: Khác với các nghiên cứu của Bùi Thị Như Ý (2022) hay Vũ Thị Phương Thảo & Lê Thị Tâm (2020) chỉ dừng lại ở FGLS hoặc hồi quy tĩnh, đề tài áp dụng mô hình hồi quy động System GMM, kiểm soát hoàn toàn tính nội sinh của biến phụ thuộc trễ $DG_{t-1}$ và biến nội tại $ROA, NPL$.
- Kiểm soát tính hợp lệ của công cụ qua thuật toán rút gọn (Collapse Instruments): Tránh bùng nổ số lượng biến công cụ ($Instrument\ Count < Number\ of\ Groups = 25$), bảo đảm kiểm định Hansen không bị sai lệch ($p = 0.2998$).
- Phát hiện nghịch lý thực nghiệm mới tại thị trường Việt Nam:
- Biến $GDP$ mang dấu âm ($-0.4851, p < 0.05$): Khi tăng trưởng kinh tế cao, dòng vốn nhàn rỗi có xu hướng dịch chuyển mạnh mẽ sang các kênh đầu tư có lợi suất cao hơn như bất động sản, chứng khoán và mở rộng kinh doanh trực tiếp, làm giảm tốc độ tích lũy tiền gửi tại ngân hàng.
- Biến $NPL$ mang dấu dương ($+0.5842, p < 0.05$): Phản ánh thực tế các ngân hàng có nợ xấu gia tăng buộc phải nâng mức huy động lãi suất tiền gửi danh nghĩa nhằm thu hút thanh khoản bù đắp rủi ro tín dụng.
So sánh đối chuẩn với các công trình nghiên cứu tiêu biểu
| Chỉ số / Đặc tính |
Nghiên cứu của Vũ Thị Phương Thảo & Lê Thị Tâm (2020) |
Nghiên cứu của Lê Hoàng Vinh et al. (2023) |
Đề tài hiện tại (Bùi Ngọc Như Quỳnh, 2024) |
| Cỡ mẫu & Khung thời gian |
31 ngân hàng (2010–2018) |
25 ngân hàng (2009–2021) |
25 ngân hàng (2009–2022) |
| Phương pháp ước lượng chính |
Fixed / Random Effects |
REM kết hợp GLS & LASSO |
Two-step System GMM (xtabond2) |
| Khắc phục nội sinh ($DG_{t-1}$) |
Không |
Không |
Có (Độ tin cậy đạt chuẩn AR(2) & Hansen) |
| Độ co giãn cung tiền ($M2$) |
Chưa xem xét |
Chưa xem xét |
Hệ số $+0.3124$ ($p < 0.01$) |
| Độ co giãn lạm phát ($INF$) |
Không có ý nghĩa |
Ngược chiều |
Cùng chiều $+0.3415$ ($p < 0.01$) |
Ứng dụng thực tế và triển khai
+---------------------------------------------------------------------------------------------------+
| KHUNG CHIẾN LƯỢC QUẢN TRỊ HUY ĐỘNG VỐN TOÀN DIỆN |
+---------------------------------------------------------------------------------------------------+
| |
| [PHÒNG ALM & NGUỒN VỐN] [PHÒNG QUẢN TRỊ RỦI RO] [KHỐI KHÁCH HÀNG / BÁN LẺ] |
| * Tái cấu trúc kỳ hạn huy động * Giám sát hệ số LDR & LCR * Cá nhân hóa sản phẩm CASA |
| * Điều chỉnh lãi suất thực dương * Kiểm soát trần nợ xấu NPL < 2% * Số hóa trải nghiệm gửi tiền |
| |
+---------------------------------------------------------------------------------------------------+
Chiến lược ứng dụng cho Ngân hàng Thương mại Cổ phần
-
Tối ưu hóa quy mô và tái cấu trúc nguồn vốn (Xử lý tác động biến $SIZE$ và $LIQ$):
- Các ngân hàng quy mô lớn cần giảm phụ thuộc vào cuộc đua lãi suất huy động truyền thống; tập trung phát triển các gói tài khoản thanh toán không kỳ hạn (CASA) gắn liền với hệ sinh thái ngân hàng số để tối ưu chi phí vốn (COF).
- Duy trì hệ số thanh khoản ($LIQ$) ở mức cân bằng theo chuẩn mực Basel II/Basel III; tránh giữ lượng tài sản thanh khoản dư thừa quá mức làm suy giảm động lực mở rộng huy động tiền gửi dài hạn.
-
Cơ chế định giá theo rủi ro và quản trị sinh lời (Xử lý tác động biến $ROA$ và $NPL$):
- Tận dụng hiệu ứng $ROA$ tích cực ($+1.6824$): Nâng cao hiệu quả sử dụng vốn để gia tăng uy tín thương hiệu, từ đó tạo niềm tin tự nhiên thu hút người gửi tiền với chi phí vốn thấp hơn.
- Thắt chặt thẩm định tín dụng, đưa tỷ lệ $NPL$ thực chất về dưới 2%, tránh việc lạm dụng huy động lãi suất cao để tài trợ cho danh mục nợ tiềm ẩn rủi ro.
-
Chính sách lãi suất linh hoạt thích ứng chu kỳ kinh tế (Xử lý biến $M2, GDP, INF$):
- Khi tốc độ tăng trưởng kinh tế ($GDP$) bùng nổ, ngân hàng cần thiết kế các sản phẩm chứng chỉ tiền gửi liên kết lợi suất thị trường (Market-linked CDs) để cạnh tranh dòng tiền với kênh đầu tư khác.
- Trong môi trường lạm phát ($INF$) tăng cao, ngân hàng cần duy trì lãi suất thực dương nhằm ổn định tâm lý của người gửi tiền cá nhân.
Kiến nghị cho cơ quan quản lý Nhà nước (NHNN & Chính phủ)
- Điều hành cung tiền $M2$ chủ động: Với hệ số co giãn $+0.3124$, việc duy trì tốc độ tăng trưởng cung tiền hợp lý (12%–14%/năm) là điều kiện then chốt để duy trì thanh khoản cho toàn bộ hệ thống NHTMCP.
- Giám sát an toàn vĩ mô: Tăng cường kiểm soát dòng tiền tín dụng chảy vào các lĩnh vực đầu cơ rủi ro cao khi GDP tăng trưởng nóng, bảo vệ tính bền vững của kênh huy động tiền gửi ngân hàng.
Lộ trình triển khai khuyến nghị theo quý
Hạn chế và hướng phát triển
Hạn chế kỹ thuật
- Tần suất dữ liệu: Dữ liệu nghiên cứu sử dụng tần suất theo năm ($T=14$). Mặc dù phù hợp cho mô hình GMM nhưng chưa phản ánh được các biến động thanh khoản ngắn hạn theo quý hoặc theo tháng.
- Phạm vi phân loại cấu trúc tiền gửi: Chưa bóc tách chi tiết giữa tiền gửi có kỳ hạn (Term Deposits) và tiền gửi không kỳ hạn (Demand Deposits/CASA), cũng như giữa khách hàng cá nhân và tổ chức kinh tế.
- Yếu tố phi tài chính: Chưa đưa vào mô hình các biến số về mức độ số hóa ngân hàng (Digital Banking Adoption Index) hoặc chỉ số niềm tin người tiêu dùng.
Hướng phát triển mở rộng
- Ứng dụng kỹ thuật chuỗi thời gian tần suất cao (Mixed-Frequency Data / MIDAS) kết hợp mô hình kinh tế lượng không gian (Spatial Panel Econometrics) để đánh giá sự lan tỏa thanh khoản liên ngân hàng.
- Tích hợp các thuật toán học máy (Random Forest, XGBoost, LSTM) song song với mô hình GMM để dự báo sớm dòng tiền gửi trong điều kiện thị trường có biến động mạnh.
Đối tượng hưởng lợi
+--------------------------------------------------------------------------------------------------+
| MA TRẬN GIÁ TRỊ HƯỞNG LỢI |
+------------------------------------+-------------------------------------------------------------+
| Sinh viên & Học viên Cao học | * Bộ khung thực hành phân tích kinh tế lượng Stata mẫu mực |
| | * Code pipeline hoàn chỉnh cho mô hình System GMM |
+------------------------------------+-------------------------------------------------------------+
| Chuyên viên ALM & Phân tích Dữ liệu| * Hệ số co giãn thực chứng phục vụ lập kế hoạch tài chính |
| | * Cơ chế định giá lãi suất theo biến động vĩ mô |
+------------------------------------+-------------------------------------------------------------+
| Lãnh đạo NHTMCP & Risk Managers | * Chiến lược cân đối thanh khoản - nợ xấu - quy mô |
| | * Giải pháp kiểm soát chi phí huy động vốn tối ưu |
+------------------------------------+-------------------------------------------------------------+
| Cơ quan Hoạch định Chính sách | * Bằng chứng thực nghiệm về tác động cung tiền M2 & lạm phát|
| | * Cơ sở điều tiết chính sách tiền tệ ổn định an toàn hệ thống|
+------------------------------------+-------------------------------------------------------------+
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và môi trường phần mềm để tái lập mô hình nghiên cứu này là gì?
Cần cài đặt phần mềm Stata 15.0 trở lên (khuyến nghị Stata 17.0 MP) cùng module xtabond2 (cài đặt bằng lệnh ssc install xtabond2, replace). Hệ điều hành tương thích Windows 10/11, macOS hoặc Linux với RAM tối thiểu 8GB.
2. Vì sao biến $ETA$ (Vốn chủ sở hữu / Tổng tài sản) không có ý nghĩa thống kê trong mô hình GMM?
Tại thị trường Việt Nam, hầu hết người gửi tiền cá nhân dựa vào uy tín hệ thống và bảo hiểm tiền gửi của Nhà nước hơn là phân tích tỷ lệ đòn bẩy tài chính $ETA$ của từng ngân hàng cụ thể. Do đó, mức vốn chủ sở hữu không tạo ra sự khác biệt đáng kể trong quyết định gửi tiền của công chúng.
3. Làm thế nào để giải thích hiện tượng $NPL$ tác động cùng chiều với tăng trưởng tiền gửi?
Hệ số dương của $NPL$ ($+0.5842, p < 0.05$) phản ánh hành vi bù đắp thanh khoản: khi nợ xấu tăng cao, ngân hàng đối mặt với áp lực thiếu hụt dòng tiền trả nợ, buộc phải tăng lãi suất huy động và tung ra các chương trình khuyến mãi để hút tiền gửi nhằm duy trì thanh khoản tức thời.
4. Điều kiện nào chứng minh mô hình Two-step System GMM không bị hiện tượng quá nhận dạng công cụ?
Kiểm định Hansen J-test phải có giá trị $p$-value nằm trong khoảng $0.10 < p < 0.80$. Trong nghiên cứu này, giá trị $p = 0.2998$ chứng minh tập hợp các biến công cụ trễ là hoàn toàn ngoại sinh và hợp lệ. Đồng thời, kiểm định Arellano-Bond đạt chuẩn với AR(1) $p = 0.0018 < 0.05$ và AR(2) $p = 0.4179 > 0.05$.
5. Kết quả nghiên cứu có áp dụng được cho nhóm ngân hàng 100% vốn nước ngoài tại Việt Nam không?
Kết quả mang tính đại diện cao nhất cho khối NHTMCP nội địa do đặc thù mạng lưới bán lẻ và hành vi khách hàng. Đối với các ngân hàng nước ngoài, do đối tượng khách hàng chủ yếu là doanh nghiệp FDI và tỷ trọng vốn tài trợ từ ngân hàng mẹ lớn, mô hình cần được hiệu chỉnh lại các biến số đặc thù.
Kết luận
Công trình nghiên cứu đã giải quyết trọn vẹn bài toán xác định và lượng hóa các yếu tố tác động đến tăng trưởng tiền gửi của 25 NHTMCP Việt Nam giai đoạn 2009–2022. Bằng việc ứng dụng phương pháp Two-step System GMM tiên tiến, nghiên cứu đã khắc phục triệt để các khuyết tật cố hữu của mô hình hồi quy tĩnh, mang lại bộ hệ số ước lượng tin cậy và có giá trị thực tiễn cao:
- Tác động cùng chiều có ý nghĩa thống kê: Độ trễ tăng trưởng tiền gửi $DG_{t-1}$ ($+0.1842$), Tỷ suất sinh lời $ROA$ ($+1.6824$), Tỷ lệ nợ xấu $NPL$ ($+0.5842$), Tăng trưởng cung tiền $M2$ ($+0.3124$), và Tỷ lệ lạm phát $INF$ ($+0.3415$).
- Tác động ngược chiều có ý nghĩa thống kê: Quy mô ngân hàng $SIZE$ ($-0.0621$), Tỷ lệ thanh khoản $LIQ$ ($-0.2154$), và Tăng trưởng kinh tế $GDP$ ($-0.4851$).
- Không có ý nghĩa thống kê: Tỷ lệ vốn chủ sở hữu $ETA$.
Nghiên cứu cung cấp cơ sở học thuật vững chắc cho các nhà nghiên cứu tài chính, đồng thời là cẩm nang thực chứng hỗ trợ các NHTMCP tối ưu hóa chiến lược quản trị tài sản nợ - có (ALM) và giúp cơ quan quản lý điều hành chính sách tiền tệ ổn định, an toàn và bền vững.
