Các yếu tố tác động đến tăng trưởng tín dụng của các ngân hàng thương mại tại Việt Nam

Chuyên khảo kinh tế phân tích Các yếu tố tác động đến tăng trưởng tín dụng của các ngân hàng tmcp việt nam 2023, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp

• Tác giả: Văn Ngọc Tường Vy
• Người hướng dẫn: TS. Đỗ Thị Hà Thương
• 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 Tăng Trưởng Tín Dụng Của Ngân Hàng Thương Mại Tại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• TÓM TẮT
• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU VÀ NGHIÊN CỨU
• 1.1. Mục tiêu tổng quát
• 1.2. Đối tượng và phạm vi nghiên cứu
• 1.2.1. Đối tượng nghiên cứu
• 1.2.2. Phạm vi nghiên cứu
• 1.3. Phương pháp nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU TRƯỚC
• 2.1. Tăng trưởng tín dụng ngân hàng thương mại
• 2.2. Khái niệm tín dụng ngân hàng
• 2.3. Khái niệm tăng trưởng tín dụng ngân hàng
• 2.4. Cụ thể tăng n TTTD NHTM
• 2.5. Lịch khảo nghiên cứu liên quan
• 2.6. Cơ nghiên cứu ngoài
• 3. CHƯƠNG 3: MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Mô hình nghiên cứu xuất phát
• 3.2. Giải thích biến trong mô hình
• 3.3. Giả thuyết nghiên cứu
• 3.4. Quá trình nghiên cứu
• 3.5. Phương pháp nghiên cứu
• 3.6. Phương pháp sử dụng
• 3.7. Thống kê mô tả
• 3.8. Phân tích hồi quy tổng quát
• 3.9. Kiểm định lỗi hồi quy mô hình
• 3.10. Kiểm định khuyết tật mô hình
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Phân tích hồi quy tổng quát
• 4.2. Kiểm định ngẫu nhiên
• 4.3. Phân tích hồi quy mô hình Pool OLS
• 4.4. Phân tích hồi quy mô hình FEM
• 4.5. Phân tích hồi quy mô hình REM
• 4.6. So sánh giữa các mô hình Pool OLS, FEM và REM
• 4.7. Kiểm tra khuyết tật
• 4.8. Kiểm định tổng quát
• 4.9. Kiểm định phương sai sai số thay đổi
• 4.10. Thảo luận kết quả nghiên cứu
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HÀM QUẢN TRỊ
• 5.1. Hàm quản trị
• 5.2. Đối với tăng trưởng kinh tế
• 5.3. Đối với tăng trưởng huy động vốn
• 5.4. Đối với lợi nhuận ròng trên vốn chủ sở hữu
• 5.5. Đối với suất sinh lợi trên tổng tài sản
• 5.6. Đối với tỷ lệ nợ trên tổng tài sản
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Tăng Trưởng Tín Dụng Ngân Hàng TMCP Việt Nam

Tăng trưởng tín dụng là hoạt động kinh doanh cốt lõi, tạo ra lợi nhuận cho hệ thống ngân hàng tại Việt Nam. Vì vậy, tăng trưởng tín dụng luôn là yếu tố quan trọng được Ngân hàng Nhà nước (NHNN) và các ngân hàng thương mại cổ phần (NHTMCP) quan tâm, đặc biệt trong bối cảnh nền kinh tế nhiều biến động. Nghiên cứu các yếu tố ảnh hưởng đến tăng trưởng tín dụng của NHTMCP tại Việt Nam là vô cùng cần thiết. Tác giả nghiên cứu yếu tố tác động tăng trưởng tín dụng NHTMCP Việt Nam giai đoạn 2013-2021, từ đó đưa ra kiến nghị giúp phát triển hoạt động tín dụng trong tương lai. Khoản tín dụng làm cho nguồn lực tài chính sẵn có, góp phần thúc đẩy đầu tư, sản xuất kinh doanh và tiêu dùng, qua đó đóng góp vào tăng trưởng kinh tế chung. Nghiên cứu sâu về ảnh hưởng của các yếu tố đến tăng trưởng tín dụng sẽ giúp các NHTMCP có những quyết định chính xác, khai thác hiệu quả tiềm năng thị trường.

1.1. Vai trò của tăng trưởng tín dụng với nền kinh tế Việt Nam

Tăng trưởng tín dụng đóng vai trò quan trọng trong việc thúc đẩy phát triển kinh tế của Việt Nam. Nguồn vốn tín dụng giúp doanh nghiệp mở rộng sản xuất kinh doanh, tạo công ăn việc làm và tăng thu nhập cho người dân. Tăng trưởng tín dụng cũng hỗ trợ đầu tư vào cơ sở hạ tầng, góp phần nâng cao năng lực cạnh tranh của nền kinh tế. Tăng trưởng tín dụng ảnh hưởng tới thu nhập của ngân hàng, từ đó cải thiện được năng lực tài chính và khả năng chống chịu rủi ro của hệ thống ngân hàng.

1.2. Thực trạng tăng trưởng tín dụng tại Việt Nam giai đoạn 2013 2021

Giai đoạn 2013-2021 chứng kiến sự biến động của tăng trưởng tín dụng tại Việt Nam. Sau giai đoạn khủng hoảng kinh tế toàn cầu, tăng trưởng tín dụng phục hồi mạnh mẽ, tuy nhiên, sự bùng phát của đại dịch COVID-19 đã tác động tiêu cực đến hoạt động tín dụng, ảnh hưởng tới tăng trưởng GDP. Sự phục hồi kinh tế sau đại dịch và các chính sách hỗ trợ của Ngân hàng Nhà nước đã thúc đẩy tăng trưởng tín dụng trở lại. Tỷ lệ nợ xấu cũng ảnh hưởng rất lớn đến tốc độ tăng trưởng tín dụng của ngân hàng.

1.3. Phân loại tín dụng theo loại hình cho vay tại Việt Nam

Tín dụng tại Việt Nam được phân loại theo nhiều tiêu chí, bao gồm mục đích sử dụng vốn, thời hạn vay và đối tượng khách hàng. Tín dụng có thể được chia thành tín dụng tiêu dùng, tín dụng doanh nghiệp, tín dụng bất động sản và tín dụng nông nghiệp. Tín dụng cũng có thể được chia thành tín dụng ngắn hạn, trung hạn và dài hạn. Tín dụng tiêu dùng, doanh nghiệp và bất động sản đóng vai trò quan trọng trong việc thúc đẩy hoạt động tăng trưởng kinh tế tại Việt Nam.

II. Cách Yếu Tố Kinh Tế Vĩ Mô Ảnh Hưởng Tới Tăng Trưởng Tín Dụng

Các yếu tố kinh tế vĩ mô như tăng trưởng GDP, lạm phát, lãi suất, và tỷ giá có tác động đáng kể đến tăng trưởng tín dụng của các ngân hàng thương mại tại Việt Nam. Tăng trưởng GDP tạo ra nhu cầu tín dụng từ phía doanh nghiệp và người dân. Lạm phát có thể làm giảm sức mua và ảnh hưởng đến khả năng trả nợ. Lãi suất ảnh hưởng đến chi phí vay vốn và quyết định tín dụng. Tỷ giá tác động đến hoạt động xuất nhập khẩu và nhu cầu tín dụng ngoại tệ. Nghiên cứu này nhằm làm rõ vai trò của các yếu tố kinh tế vĩ mô này trong việc định hình tăng trưởng tín dụng của ngân hàng.

2.1. Tác động của tăng trưởng GDP tới nhu cầu tín dụng

Tăng trưởng GDP là yếu tố then chốt thúc đẩy nhu cầu tín dụng. Khi nền kinh tế tăng trưởng, doanh nghiệp mở rộng sản xuất kinh doanh, người dân tăng cường tiêu dùng, từ đó làm tăng nhu cầu vay vốn. Nghiên cứu chỉ ra mối quan hệ đồng biến giữa tăng trưởng GDP và tăng trưởng tín dụng, cho thấy vai trò quan trọng của kinh tế vĩ mô trong việc thúc đẩy hoạt động tín dụng ngân hàng.

2.2. Ảnh hưởng của lạm phát và chính sách tiền tệ tới tín dụng

Lạm phát có thể tác động tiêu cực đến tăng trưởng tín dụng. Khi lạm phát tăng cao, sức mua của đồng tiền giảm, chi phí sản xuất tăng lên, làm giảm lợi nhuận của doanh nghiệp và khả năng trả nợ của người dân. Chính sách tiền tệ thắt chặt, tăng lãi suất, cũng có thể làm giảm nhu cầu tín dụng và ảnh hưởng đến tăng trưởng tín dụng của ngân hàng.

2.3. Vai trò của lãi suất và tỷ giá hối đoái đến hoạt động tín dụng

Lãi suất và tỷ giá hối đoái là hai yếu tố quan trọng ảnh hưởng đến tăng trưởng tín dụng. Lãi suất cao có thể làm giảm nhu cầu vay vốn, đặc biệt đối với các doanh nghiệp nhỏ và vừa. Tỷ giá hối đoái biến động có thể ảnh hưởng đến hoạt động xuất nhập khẩu và nhu cầu tín dụng ngoại tệ. Ngân hàng Nhà nước sử dụng các công cụ chính sách tiền tệ để điều chỉnh lãi suất và tỷ giá, nhằm ổn định kinh tế vĩ mô và hỗ trợ tăng trưởng tín dụng.

III. Quản Trị Rủi Ro Và Năng Lực Tài Chính Tăng Tín Dụng

Quản trị rủi ro hiệu quả và năng lực tài chính vững mạnh là yếu tố quan trọng để thúc đẩy tăng trưởng tín dụng bền vững của các ngân hàng thương mại tại Việt Nam. Quản trị rủi ro tốt giúp ngân hàng hạn chế nợ xấu và đảm bảo an toàn hoạt động. Năng lực tài chính mạnh mẽ cho phép ngân hàng mở rộng quy mô tín dụng và đáp ứng nhu cầu vay vốn của nền kinh tế. Nghiên cứu tập trung vào đánh giá vai trò của quản trị rủi ro và năng lực tài chính trong việc thúc đẩy tăng trưởng tín dụng.

3.1. Tác động của nợ xấu và chất lượng tín dụng tới tăng trưởng

Nợ xấu là một trong những yếu tố kìm hãm tăng trưởng tín dụng. Khi tỷ lệ nợ xấu tăng cao, ngân hàng phải trích lập dự phòng rủi ro, làm giảm lợi nhuận và khả năng cho vay. Chất lượng tín dụng được cải thiện thông qua việc thẩm định kỹ lưỡng dự án vay vốn, quản lý rủi ro hiệu quả và giám sát chặt chẽ quá trình sử dụng vốn.

3.2. Ảnh hưởng của năng lực tài chính và khả năng sinh lời đến tín dụng

Năng lực tài chính mạnh mẽ, thể hiện qua vốn chủ sở hữu lớn và tỷ lệ an toàn vốn cao, cho phép ngân hàng mở rộng quy mô tín dụng và đáp ứng nhu cầu vay vốn của nền kinh tế. Khả năng sinh lời cao giúp ngân hàng tăng cường tích lũy vốn và tái đầu tư vào hoạt động tín dụng. Quản lý tốt năng lực tài chính và khả năng sinh lời cho phép ngân hàng mở rộng hoạt động tín dụng, gia tăng sự đóng góp vào tăng trưởng GDP.

3.3. Chuẩn mực Basel III và quản trị rủi ro tại ngân hàng Việt Nam

Việc áp dụng các chuẩn mực Basel III giúp nâng cao quản trị rủi ro và năng lực tài chính của các ngân hàng thương mại tại Việt Nam. Các chuẩn mực này yêu cầu ngân hàng phải tăng cường vốn chủ sở hữu, quản lý rủi ro thanh khoản và rủi ro hoạt động một cách chặt chẽ. Áp dụng chuẩn mực Basel III giúp hoạt động tín dụng của ngân hàng phát triển một cách bền vững.

IV. Cấu Trúc Ngành Ngân Hàng và Môi Trường Kinh Doanh Tới Tín Dụng

Cấu trúc ngành ngân hàng và môi trường kinh doanh có ảnh hưởng đến tăng trưởng tín dụng của các ngân hàng thương mại tại Việt Nam. Cấu trúc ngành ngân hàng cạnh tranh giúp thúc đẩy hiệu quả hoạt động và tăng cường khả năng cung ứng tín dụng. Môi trường kinh doanh thuận lợi, với thủ tục hành chính đơn giản và chi phí giao dịch thấp, tạo điều kiện cho doanh nghiệp phát triển và tăng nhu cầu vay vốn.

4.1. Tác động của cạnh tranh trong ngành ngân hàng tới tín dụng

Sự cạnh tranh giữa các ngân hàng thương mại thúc đẩy việc cải tiến sản phẩm, dịch vụ và quy trình cấp tín dụng, từ đó tăng cường khả năng cung ứng tín dụng cho nền kinh tế. Cạnh tranh cũng giúp giảm lãi suất cho vay, tạo điều kiện thuận lợi cho doanh nghiệp và người dân tiếp cận nguồn vốn.

4.2. Ảnh hưởng của môi trường kinh doanh và quy định pháp luật

Môi trường kinh doanh thuận lợi, với thủ tục hành chính đơn giản, minh bạch và chi phí giao dịch thấp, tạo điều kiện cho doanh nghiệp phát triển và tăng nhu cầu vay vốn. Quy định pháp luật rõ ràng và ổn định cũng giúp giảm thiểu rủi ro cho hoạt động tín dụng của ngân hàng.

4.3. Chuyển đổi số và tác động đến hoạt động tín dụng

Chuyển đổi số trong ngành ngân hàng giúp cải thiện hiệu quả hoạt động, giảm chi phí và tăng cường khả năng tiếp cận khách hàng. Các ứng dụng công nghệ như Fintech và Big Data có thể giúp ngân hàng đánh giá rủi ro tín dụng tốt hơn và cung cấp các sản phẩm tín dụng phù hợp hơn với nhu cầu của khách hàng. Việc phát triển hoạt động tín dụng trên nền tảng số thúc đẩy tăng trưởng tín dụng.

V. Kết Luận Giải Pháp Thúc Đẩy Tăng Trưởng Tín Dụng Việt Nam

Nghiên cứu đã chỉ ra các yếu tố quan trọng ảnh hưởng đến tăng trưởng tín dụng của ngân hàng thương mại tại Việt Nam, bao gồm các yếu tố kinh tế vĩ mô, quản trị rủi ro, năng lực tài chính, cấu trúc ngành ngân hàng và môi trường kinh doanh. Để thúc đẩy tăng trưởng tín dụng bền vững, cần có sự phối hợp đồng bộ giữa các chính sách kinh tế vĩ mô, cải thiện môi trường kinh doanh và nâng cao năng lực cạnh tranh của các ngân hàng.

5.1. Điều hành chính sách tiền tệ linh hoạt và hiệu quả

Ngân hàng Nhà nước cần điều hành chính sách tiền tệ một cách linh hoạt và hiệu quả, nhằm ổn định kinh tế vĩ mô, kiểm soát lạm phát và tạo điều kiện thuận lợi cho hoạt động tín dụng của ngân hàng. Cần có sự phối hợp chặt chẽ giữa chính sách tiền tệ và chính sách tài khóa để đạt được mục tiêu tăng trưởng kinh tế.

5.2. Nâng cao năng lực quản trị rủi ro và năng lực tài chính

Các ngân hàng thương mại cần nâng cao năng lực quản trị rủi ro và năng lực tài chính, nhằm đảm bảo an toàn hoạt động và thúc đẩy tăng trưởng tín dụng bền vững. Cần tăng cường kiểm soát nợ xấu, nâng cao chất lượng tín dụng và áp dụng các chuẩn mực Basel III một cách đầy đủ.

5.3. Phát triển tín dụng xanh và bền vững

Việc phát triển tín dụng xanh và tín dụng bền vững là xu hướng tất yếu trong bối cảnh phát triển kinh tế hiện nay. Các ngân hàng cần tăng cường cho vay các dự án thân thiện với môi trường và có tác động xã hội tích cực, góp phần vào mục tiêu phát triển bền vững của Việt Nam.

Nội dung chính

Giới thiệu dự án

Hoạt động cấp tín dụng đóng vai trò là mảng kinh doanh cốt lõi, chiếm từ 70% đến 80% tổng tài sản sinh lời và đóng góp trên 75% tổng thu nhập của hệ thống Ngân hàng Thương mại Cổ phần (NHTMCP) tại Việt Nam. Theo thống kê của Ngân hàng Nhà nước (NHNN), tốc độ tăng trưởng tín dụng (TTTD) toàn hệ thống giai đoạn 2013–2021 ghi nhận những biến động phức tạp: sau giai đoạn phục hồi mạnh từ mức 12.60% (năm 2013) lên đỉnh 18.20% (năm 2015), TTTD có xu hướng giảm dần và chững lại ở mức 12.10% (năm 2020) do ảnh hưởng của đại dịch COVID-19, trước khi hồi phục nhẹ lên 13.60% (năm 2021).

Biến động thất thường này đặt ra bài toán cấp bách về việc nhận diện và đo lường chính xác các nhân tố tác động đến quy mô và chất lượng tín dụng, nhằm cân bằng giữa mục tiêu tối đa hóa lợi nhuận và kiểm soát rủi ro hệ thống.

                   TĂNG TRƯỞNG TÍN DỤNG VIỆT NAM (2013 - 2021)
         2013    2014    2015     2016    2017   2018   2019   2020   2021

Khóa luận tốt nghiệp chuyên ngành Tài chính - Ngân hàng của tác giả Văn Ngọc Tường Vy (Trường Đại học Ngân hàng TP. Hồ Chí Minh, dưới sự hướng dẫn khoa học của TS. Đỗ Thị Hà Thương) tập trung giải quyết bài toán định lượng các yếu tố tác động đến TTTD của các NHTMCP Việt Nam.

Mục tiêu nghiên cứu cụ thể:

1. Xác định và lượng hóa mức độ tác động của 9 nhân tố vĩ mô và vi mô (nội tại ngân hàng) đến TTTD của 28 NHTMCP Việt Nam giai đoạn 2013–2021.
2. Kiểm định và khắc phục triệt để các khuyết tật mô hình kinh tế lượng (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan) nhằm đảm bảo tính vững của ước lượng.
3. Đề xuất hệ thống hàm ý chính sách và giải pháp quản trị điều hành giúp các NHTMCP duy trì mức tăng trưởng tín dụng an toàn, hiệu quả và bền vững.

Phương pháp tiếp cận giải pháp: Đề tài sử dụng phương pháp nghiên cứu định lượng trên dữ liệu bảng cân bằng (Balanced Panel Data) với 252 quan sát. Quy trình xử lý kinh tế lượng đi từ mô hình Hồi quy gộp (Pooled OLS), Mô hình Tác động cố định (FEM), Mô hình Tác động ngẫu nhiên (REM), kết hợp kiểm định Hausman và kiểm định khuyết tật mô hình để đi đến mô hình tối ưu Hồi quy bình phương bé nhất tổng quát (GLS - Generalized Least Squares).

Kết quả kỳ vọng định lượng:

• Xây dựng mô hình hồi quy GLS không còn khuyết tật thống kê.
• Kiểm soát hệ số phóng đại phương sai (VIF) trung bình ở mức 2.76 (< 10).
• Làm rõ chiều hướng tác động của 4 biến vĩ mô/vi mô mang dấu dương (+), 4 biến mang dấu âm (-), và 1 biến không có ý nghĩa thống kê.

Phạm vi và giới hạn nghiên cứu:

• Không gian: 28 NHTMCP niêm yết trên các sàn HOSE, HNX và UPCoM có báo cáo tài chính kiểm toán minh bạch liên tục. Loại trừ 3 ngân hàng do thiếu dữ liệu hoàn chỉnh giai đoạn nghiên cứu: Ngân hàng TMCP Việt Nam Thương Tín (VietBank), Ngân hàng TMCP Đông Á (DongA Bank), và Ngân hàng TMCP Sài Gòn (SCB).
• Thời gian: Giai đoạn 9 năm từ 2013 đến 2021, phản ánh chu kỳ tái cơ cấu ngân hàng sau khủng hoảng nợ xấu và giai đoạn đầu áp dụng chuẩn mực Basel II.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tăng trưởng tín dụng tại các thị trường tài chính mới nổi đòi hỏi việc xử lý dữ liệu vi mô ngân hàng kết hợp vĩ mô. Các phương pháp nghiên cứu trước đây tại Việt Nam thường gặp phải các hạn chế về mặt kỹ thuật thống kê:

Phương pháp nghiên cứu	Ưu điểm	Nhược điểm / Hạn chế kỹ thuật	Đánh giá tính phù hợp
Mô hình chuỗi thời gian (Time-series / OLS)	Đơn giản, dễ thực hiện với dữ liệu tổng hợp toàn ngành.	Bỏ qua đặc tính riêng lẻ (ngân hàng cụ thể), dễ gặp hiện tượng hồi quy giả mạo (spurious regression).	Thấp đối với mẫu nghiên cứu đa ngân hàng.
Hồi quy gộp (Pooled OLS)	Mở rộng số lượng quan sát ($N \times T$).	Giả định tất cả ngân hàng có hệ số chặn và độ dốc như nhau, vi phạm tính không đồng nhất.	Không phản ánh được đặc thù riêng của từng NHTMCP.
Mô hình FEM / REM thông thường	Kiểm soát được hiệu ứng cố định hoặc ngẫu nhiên của từng ngân hàng.	Dễ bị sai lệch ước lượng khi dữ liệu bảng vi phạm giả định phương sai không đổi và không có tự tương quan.	Chưa tối ưu nếu không có bước hiệu chỉnh khuyết tật.
Mô hình GLS (FGLS) hiệu chỉnh (Được chọn)	Khắc phục hoàn toàn hiện tượng phương sai sai số thay đổi và tự tương quan bậc 1.	Đòi hỏi quy trình kiểm định chẩn đoán nghiêm ngặt qua nhiều bước lặp.	Tối ưu nhất cho mẫu 28 NHTMCP (252 quan sát).

Ma trận phân loại yêu cầu phân tích dữ liệu (MoSCoW):

• Must-have (Bắt buộc): Dữ liệu kiểm toán đầy đủ 9 năm của 28 ngân hàng; kiểm định đa cộng tuyến (VIF), kiểm định Hausman, kiểm định White/Modified Wald và Wooldridge.
• Should-have (Nên có): Phân tích tương quan Pearson giữa các cặp biến độc lập; so sánh mô hình FEM/REM với Pooled OLS qua $F$-test và Breusch-Pagan LM test.
• Could-have (Có thể có): Thống kê mô tả chi tiết min, max, độ lệch chuẩn theo từng nhóm quy mô ngân hàng.
• Won't-have (Không thực hiện): Đánh giá các ngân hàng bị kiểm soát đặc biệt hoặc thiếu hụt chuỗi số liệu tài chính liên tục giai đoạn 2013–2021 (SCB, DongA Bank, VietBank).

Thiết kế hệ thống

Kiến trúc quy trình kinh tế lượng được thiết kế chuẩn mực theo 6 pha xử lý dữ liệu và kiểm định hồi quy:

Technology Stack và công cụ phân tích:

• Econometric Engine: Stata phiên bản 16.0 / 17.0 MP (Multi-Processor) chuyên dụng cho xử lý Balanced Panel Data.
• Data Engineering: Python 3.10 (thư viện pandas 1.5.3, numpy 1.23.5, statsmodels 0.13.5) để tiền xử lý và cross-check ma trận số liệu.
• Database Schema: Cấu trúc dữ liệu dạng bảng dài (Long Format Panel Data):
  • Bank_ID (Integer: 1 to 28) - Mã định danh ngân hàng.
  • Year (Integer: 2013 to 2021) - Năm tài chính.
  • LRG (Float) - Tốc độ tăng trưởng cho vay khách hàng.
  • GDP, INF (Float) - Tốc độ tăng trưởng kinh tế và tỷ lệ lạm phát theo năm.
  • DEP, NPL, ROE, SIZE, ROA, DEPTA, NIM (Float) - Các chỉ số tài chính tính toán từ bảng cân đối kế toán và báo cáo kết quả kinh doanh.

Methodology

Nghiên cứu áp dụng phương pháp định lượng thực nghiệm với tiến trình chuẩn hóa:

1. Thu thập dữ liệu: Thu thập báo cáo tài chính đã kiểm toán, báo cáo thường niên của 28 NHTMCP và số liệu vĩ单 từ Tổng cục Thống kê (GSO), Ngân hàng Thế giới (World Bank).
2. Kiểm soát chất lượng dữ liệu (QA): Chuẩn hóa đơn vị đo lường, đối soát chéo số liệu dư nợ cho vay khách hàng và loại trừ các biến động bất thường do sáp nhập/hợp nhất ngân hàng.
3. Tiến trình ước lượng:
   • Ước lượng Pooled OLS làm mô hình cơ sở.
   • Ước lượng FEM (Fixed Effects Model) để loại bỏ tác động của các yếu tố không quan sát được cố định theo thời gian của từng ngân hàng.
   • Ước lượng REM (Random Effects Model) xem xét các yếu tố đặc thù như là biến ngẫu nhiên.
   • Dùng kiểm định Hausman ($H_0$: REM là phù hợp, $H_1$: FEM là phù hợp).
   • Kiểm tra khuyết tật mô hình đã chọn bằng kiểm định White (phương sai thay đổi) và kiểm định Wooldridge (tự tương quan).
   • Tiến hành ước lượng GLS để thu được các ước lượng không chệch, hiệu quả tuyến tính tốt nhất (BLUE).

---

Implementation và kết quả

Development process

Phương trình hồi quy tổng quát được thiết lập như sau:

$$\text{LRG}{i,t} = \beta_0 + \beta_1 \text{GDP}{i,t} + \beta_2 \text{DEP}{i,t} + \beta_3 \text{INF}{i,t} + \beta_4 \text{NPL}{i,t} + \beta_5 \text{ROE}{i,t} + \beta_6 \text{SIZE}{i,t} + \beta_7 \text{ROA}{i,t} + \beta_8 \text{DEPTA}{i,t} + \beta_9 \text{NIM}{i,t} + \varepsilon_{i,t}$$

Trong đó:

• $i$: Ngân hàng thứ $i$ ($i = 1, \dots, 28$).
• $t$: Năm quan sát ($t = 2013, \dots, 2021$).
• $\beta_0$: Hệ số chặn; $\beta_1 \dots \beta_9$: Hệ số hồi quy riêng phần; $\varepsilon_{i,t}$: Sai số ngẫu nhiên.

Định nghĩa và công thức tính toán các biến trong mô hình:

• Biến phụ thuộc:
  • $\text{LRG}{i,t} = \frac{\text{Dư nợ cho vay}{t} - \text{Dư nợ cho vay}{t-1}}{\text{Dư nợ cho vay}{t-1}}$
• Biến vĩ mô:
  • $\text{GDP}_{t}$: Tốc độ tăng trưởng GDP thực tế hàng năm (%).
  • $\text{INF}{t} = \frac{\text{CPI}t - \text{CPI}{t-1}}{\text{CPI}{t-1}}$: Tỷ lệ lạm phát hàng năm (%).
• Biến nội tại ngân hàng:
  • $\text{DEP}{i,t} = \frac{\text{Tiền gửi khách hàng}t - \text{Tiền gửi khách hàng}{t-1}}{\text{Tiền gửi khách hàng}{t-1}}$: Tăng trưởng huy động vốn.
  • $\text{NPL}_{i,t} = \frac{\text{Nợ xấu (Nhóm 3 + 4 + 5)}}{\text{Tổng dư nợ cho vay}}$: Tỷ lệ nợ xấu.
  • $\text{ROE}_{i,t} = \frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu}}$: Tỷ suất sinh lời trên vốn chủ sở hữu.
  • $\text{SIZE}_{i,t} = \ln(\text{Tổng tài sản})$: Quy mô ngân hàng.
  • $\text{ROA}_{i,t} = \frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản}}$: Tỷ suất sinh lời trên tổng tài sản.
  • $\text{DEPTA}_{i,t} = \frac{\text{Dư nợ cho vay}}{\text{Tổng tài sản}}$: Tỷ lệ dư nợ trên tổng tài sản.
  • $\text{NIM}_{i,t} = \frac{\text{Thu nhập lãi thuần}}{\text{Tài sản sinh lời}}$: Tỷ lệ thu nhập lãi cận biên.

Mã nguồn thực thi phân tích kinh tế lượng (Stata Script):

* Thiết lập cấu trúc dữ liệu bảng cân bằng
clear all
set more off
import delimited "bank_credit_data_2013_2021.csv", clear
xtset bank_id year

* 1. Thống kê mô tả dữ liệu
summarize LRG GDP DEP INF NPL ROE SIZE ROA DEPTA NIM

* 2. Ma trận tương quan và kiểm định đa cộng tuyến
pwcorr LRG GDP DEP INF NPL ROE SIZE ROA DEPTA NIM, sig star(0.05)
regress LRG GDP DEP INF NPL ROE SIZE ROA DEPTA NIM
estat vif

* 3. Hồi quy mô hình Pooled OLS, FEM và REM
regress LRG GDP DEP INF NPL ROE SIZE ROA DEPTA NIM
estimates store pool_ols

xtreg LRG GDP DEP INF NPL ROE SIZE ROA DEPTA NIM, fe
estimates store fem

xtreg LRG GDP DEP INF NPL ROE SIZE ROA DEPTA NIM, re
estimates store rem

* 4. Kiểm định Hausman lựa chọn mô hình
hausman fem rem

* 5. Kiểm tra khuyết tật mô hình (trên mô hình FEM được chọn)
xtreg LRG GDP DEP INF NPL ROE SIZE ROA DEPTA NIM, fe
* Kiểm định phương sai sai số thay đổi (Modified Wald Test)
xttest3
* Kiểm định tự tương quan (Wooldridge Test)
xtserial LRG GDP DEP INF NPL ROE SIZE ROA DEPTA NIM

* 6. Ước lượng mô hình GLS khắc phục khuyết tật
xtgls LRG GDP DEP INF NPL ROE SIZE ROA DEPTA NIM, panels(hetero) corr(ar1)
estimates store gls_final

Testing và validation

1. Thống kê mô tả mẫu nghiên cứu (252 quan sát):

Biến	Ký hiệu	Số quan sát	Trung bình	Độ lệch chuẩn	Giá trị nhỏ nhất	Giá trị lớn nhất
Tăng trưởng tín dụng	LRG	252	0.1975 (19.75%)	0.1387	-0.1422 (MSB - 2014)	0.9605 (TPBank - 2015)
Tăng trưởng GDP	GDP	252	0.0583 (5.83%)	0.0171	0.0259 (Năm 2021)	0.0720 (Năm 2019)
Tăng trưởng huy động	DEP	252	0.1822 (18.22%)	0.1445	-0.0632 (PGBank - 2014)	0.9608 (PVcomBank - 2014)
Tỷ lệ lạm phát	INF	252	0.0320 (3.20%)	0.0154	0.0063 (Năm 2015)	0.0659 (Năm 2013)
Tỷ lệ nợ xấu	NPL	252	0.0217 (2.17%)	0.0120	0.0046 (Sacombank)	0.0763 (VietABank)
Tỷ suất ROE	ROE	252	0.0977 (9.77%)	0.0767	0.0002 (NCB)	0.3033 (VIB - 2021)
Quy mô ngân hàng	SIZE	252	14.1230	0.4745	13.1668 (SaigonBank)	15.2459 (BIDV)
Tỷ suất ROA	ROA	252	0.0081 (0.81%)	0.0068	0.0000 (PVcomBank)	0.0365 (Techcombank)
Dư nợ / Tổng tài sản	DEPTA	252	0.5806 (58.06%)	0.1120	0.2253 (MSB - 2014)	0.8006 (BIDV - 2020)
Tỷ lệ NIM	NIM	252	0.0297 (2.97%)	0.0139	-0.0198 (PVcomBank)	0.0942 (VPBank - 2019)

2. Kết quả kiểm định Đa cộng tuyến (VIF Test):

Biến kiểm định	Hệ số phóng đại phương sai (VIF)	1/VIF (Tolerance)	Kết luận
ROE	7.13	0.140302	VIF < 10 (Không có đa cộng tuyến nghiêm trọng)
ROA	7.08	0.141147	VIF < 10 (Chấp nhận được)
NIM	2.43	0.411304	Không có đa cộng tuyến
SIZE	1.92	0.521778	Không có đa cộng tuyến
DEPTA	1.45	0.691742	Không có đa cộng tuyến
NPL	1.43	0.699700	Không có đa cộng tuyến
DEP	1.16	0.861734	Không có đa cộng tuyến
GDP	1.15	0.866223	Không có đa cộng tuyến
INF	1.13	0.883253	Không có đa cộng tuyến
VIF Trung bình	2.76	—	Mô hình an toàn với đa cộng tuyến

3. Chẩn đoán và lựa chọn mô hình:

• Kiểm định Hausman: Cho kết quả $p\text{-value} < 0.05$, bác bỏ giả thuyết $H_0$, xác nhận mô hình Hiệu ứng cố định (FEM) ưu việt hơn mô hình Hiệu ứng ngẫu nhiên (REM).
• Kiểm định White / Modified Wald: Cho giá trị $p\text{-value} < 0.001$, bác bỏ giả thuyết phương sai đồng nhất $\rightarrow$ Mô hình có hiện tượng Phương sai sai số thay đổi.
• Kiểm định Wooldridge: Cho giá trị $p\text{-value} < 0.05$, bác bỏ giả thuyết không có tự tương quan $\rightarrow$ Mô hình có hiện tượng Tự tương quan chuỗi.
• Khắc phục: Áp dụng phương pháp ước lượng Hồi quy bình phương bé nhất tổng quát khả thi (FGLS/GLS) với tùy chọn panels(hetero) corr(ar1).

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy mô hình cuối cùng qua phương pháp GLS:

Biến độc lập	Kỳ vọng lý thuyết	Chiều tác động thực tế	Ý nghĩa thống kê	Diễn giải kinh tế lượng
GDP	$+$	$+$ (Dương)	Có ý nghĩa ($p < 0.05$)	Tăng trưởng kinh tế kích thích nhu cầu vốn đầu tư và tiêu dùng, thúc đẩy mở rộng tín dụng.
DEP	$+$	$+$ (Dương)	Có ý nghĩa ($p < 0.01$)	Tăng trưởng huy động vốn là tiền đề cung cấp thanh khoản trực tiếp cho hoạt động cho vay.
INF	$-$	$-$ (Âm)	Có ý nghĩa ($p < 0.05$)	Lạm phát cao làm xói mòn sức mua, NHNN thắt chặt tiền tệ khiến tăng trưởng tín dụng chậm lại.
NPL	$-$	$-$ (Âm)	Có ý nghĩa ($p < 0.01$)	Nợ xấu tăng cao buộc ngân hàng phải trích lập dự phòng, siết chặt điều kiện giải ngân.
ROE	$+$	$+$ (Dương)	Có ý nghĩa ($p < 0.01$)	Ngân hàng sinh lời trên vốn chủ tốt có bộ đệm vốn dày để mở rộng cho vay an toàn.
SIZE	$+/-$	Không có ý nghĩa	Không ($p > 0.10$)	Quy mô tài sản không phải yếu tố quyết định tốc độ tăng trưởng tín dụng trong mẫu nghiên cứu.
ROA	$+$	$-$ (Âm)	Có ý nghĩa ($p < 0.05$)	Ngân hàng có ROA cao có xu hướng chuyển dịch cơ cấu sang thu ngoài lãi (phí, dịch vụ), giảm phụ thuộc tín dụng.
DEPTA	$+$	$-$ (Âm)	Có ý nghĩa ($p < 0.05$)	Tỷ lệ dư nợ/tổng tài sản quá cao đẩy ngân hàng chạm trần an toàn vốn/thanh khoản, hạn chế tăng trưởng thêm.
NIM	$+$	$+$ (Dương)	Có ý nghĩa ($p < 0.01$)	Biên lãi ròng cao tạo động lực tài chính mạnh mẽ thúc đẩy ngân hàng đẩy mạnh giải ngân.

---

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn nổi bật khi so sánh với các công trình nghiên cứu trước đây:

                            SO SÁNH MÔ HÌNH NGHIÊN CỨU

Các cải tiến và đóng góp chính:

1. Khắc phục triệt để khuyết tật dữ liệu bảng: Nhiều nghiên cứu trước đây chỉ dừng lại ở FEM/REM hoặc xử lý khuyết tật đơn lẻ. Đề tài áp dụng quy trình GLS toàn diện, loại trừ hoàn toàn sai số do tự tương quan chuỗi thời gian ($AR(1)$) và phương sai sai số thay đổi theo từng ngân hàng, giúp hệ số ước lượng có độ tin cậy vượt trội.
2. Làm rõ tác động nghịch chiều của ROA: Trái với quan điểm truyền thống cho rằng ROA tăng sẽ kéo theo TTTD tăng, kết quả nghiên cứu chỉ ra mối quan hệ nghịch biến. Điều này phản ánh xu hướng các NHTMCP Việt Nam hiện đại đang tích cực đa dạng hóa nguồn thu sang mảng dịch vụ, thanh toán số và bảo hiểm (bancassurance) thay vì chạy đua mở rộng tín dụng rủi ro.
3. Ý nghĩa của tỷ lệ DEPTA đối với trần tín dụng: Biến DEPTA mang dấu âm chứng minh rằng những ngân hàng có tỷ trọng dư nợ trên tổng tài sản đã ở mức cao chịu áp lực lớn về giới hạn an toàn thanh khoản (LDR theo Thông tư 22/2019/TT-NHNN), do đó buộc phải chủ động hãm đà tăng trưởng tín dụng.

---

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở định lượng vững chắc cho việc xây dựng khung điều hành chính sách tín dụng và quản trị rủi ro tại các NHTMCP:

1. Ứng dụng cho Ban Điều hành các NHTMCP

• Chiến lược huy động vốn chủ động (Dựa trên tác động dương của DEP): Tăng trưởng huy động vốn là điều kiện tiên quyết để mở rộng cho vay. Ngân hàng cần đa dạng hóa các sản phẩm chứng chỉ tiền gửi, tiền gửi tiết kiệm số và tối ưu hóa tỷ lệ tiền gửi không kỳ hạn (CASA) nhằm giảm chi phí vốn, hỗ trợ tăng NIM.
• Kiểm soát chặt chẽ tỷ lệ nợ xấu (NPL): Nợ xấu tác động tiêu cực mạnh nhất đến khả năng tăng trưởng tín dụng. Các ngân hàng cần ứng dụng hệ thống chấm điểm tín dụng nội bộ (Credit Scoring) tự động hóa dựa trên máy học, tăng cường kiểm tra mục đích sử dụng vốn vay và xử lý nợ xấu qua VAMC hoặc thị trường mua bán nợ.
• Tối ưu hóa cơ cấu tài sản sinh lời (DEPTA & NIM): Duy trì tỷ lệ DEPTA quanh ngưỡng tối ưu 55–65% để không vi phạm quy định về tỷ lệ dư nợ trên vốn huy động (LDR tối đa 85%), đồng thời tập trung vào các phân khúc khách hàng bán lẻ và doanh nghiệp vừa và nhỏ (SME) có biên lãi ròng cao.

2. Ứng dụng cho Cơ quan Quản lý (Ngân hàng Nhà nước)

• Điều hành room tín dụng linh hoạt: Phân bổ hạn mức tăng trưởng tín dụng hàng năm dựa trên các chỉ tiêu an toàn vi mô (tỷ lệ nợ xấu thực chất, mức độ tuân thủ Basel II/III, hệ số an toàn vốn CAR) thay vì phân bổ cào bằng.
• Phối hợp chính sách tiền tệ và tài khóa: Điều chỉnh cung tiền và lãi suất tái chiết khấu/tái cấp vốn linh hoạt theo diễn biến của lạm phát (INF) và tăng trưởng kinh tế (GDP) nhằm ổn định thanh khoản toàn hệ thống.

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI):

• Chi phí triển khai: Chi phí đầu tư hệ thống giám sát dữ liệu và mô hình hóa chỉ số rủi ro ước tính khoảng 1.5 – 3.0 tỷ VNĐ cho một ngân hàng quy mô tầm trung.
• Lợi ích thu được: Giảm thiểu tỷ lệ nợ xấu phát sinh từ 0.3% – 0.5%/năm; tối ưu hóa room tín dụng giúp tăng doanh thu lãi thuần ước tính từ 50 – 120 tỷ VNĐ/năm; thời gian hoàn vốn đầu tư (ROI) đạt dưới 12 tháng.

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

1. Phạm vi dữ liệu: Mẫu nghiên cứu mới dừng lại ở giai đoạn 2013–2021, chưa bao phủ biến động mạnh của chu kỳ kinh tế 2022–2023 (giai đoạn thị trường trái phiếu doanh nghiệp biến động và mặt bằng lãi suất tăng cao).
2. Mẫu quan sát loại trừ: Do yêu cầu về tính liên tục của dữ liệu kiểm toán, 3 ngân hàng (SCB, DongA Bank, VietBank) bị loại khỏi mẫu, có thể làm giảm bớt tính đại diện của nhóm ngân hàng tái cơ cấu đặc biệt.
3. Tính nội sinh của mô hình: Mặc dù GLS khắc phục tốt tự tương quan và phương sai thay đổi, mô hình tĩnh chưa giải quyết triệt để vấn đề nội sinh tiềm ẩn giữa tăng trưởng tín dụng và nợ xấu hoặc huy động vốn.

Hướng phát triển đề xuất

• Ứng dụng mô hình Dynamic Panel Data (GMM): Triển khai mô hình Moment Tổng quát (Difference GMM hoặc System GMM của Arellano-Bond/Blundell-Bond) với biến trễ $LRG_{t-1}$ để kiểm soát hoàn toàn tính nội sinh.
• Bổ sung các biến kiểm soát mới: Tích hợp tỷ lệ an toàn vốn (CAR theo Thông tư 41/2016/TT-NHNN), chỉ số chuyển đổi số ngân hàng (Digital Banking Index), và biến giả đại diện cho các cú sốc vĩ mô (COVID-19 Dummy Variable).
• Mở rộng chuỗi dữ liệu: Cập nhật số liệu đến năm 2024–2025 để đánh giá trọn vẹn tác động của Luật Các tổ chức tín dụng 2024.

---

Đối tượng hưởng lợi

                                  ĐỐI TƯỢNG HƯỞNG LỢI

• Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Tiếp cận tài liệu tham khảo hoàn chỉnh về phương pháp luận nghiên cứu định lượng dữ liệu bảng, nắm vững quy trình kiểm định mô hình hồi quy trong thực tiễn.
• Chuyên viên Phân tích Dữ liệu / Quản trị Rủi ro (ALM & Risk Data Analysts): Sở hữu khung mã lệnh Stata chuẩn hóa và quy trình chẩn đoán khuyết tật mô hình để áp dụng trực tiếp vào công tác phân tích rủi ro tín dụng tại ngân hàng.
• Lãnh đạo & Nhà quản trị Ngân hàng: Có cơ sở khoa học để hoạch định mục tiêu tăng trưởng tín dụng hàng năm phù hợp với tốc độ huy động vốn, kiểm soát nợ xấu và bảo toàn biên lãi ròng NIM.
• Nhà hoạch định chính sách & Cơ quan nghiên cứu: Bổ sung bằng chứng thực nghiệm về cấu trúc thị trường tín dụng Việt Nam trong giai đoạn tái cơ cấu 2013–2021.

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường phần mềm để chạy lại mô hình này là gì?

Để tái lập toàn bộ quy trình nghiên cứu, bạn cần trang bị máy tính cài đặt phần mềm Stata (phiên bản 14.0 trở lên, khuyến nghị Stata 16/17 MP) hoặc môi trường Python 3.8+ có tích hợp thư viện linearmodels và statsmodels. Tệp dữ liệu cần được chuẩn hóa ở định dạng Long Panel Data với đầy đủ các mã định danh ngân hàng và năm quan sát.

2. Giới hạn về khả năng mở rộng quy mô (Scalability) của mô hình là gì?

Mô hình GLS hiện tại được thiết kế cho cấu trúc dữ liệu bảng cân bằng (Balanced Panel Data). Khi mở rộng mẫu nghiên cứu sang toàn bộ hệ thống ngân hàng (bao gồm ngân hàng liên doanh, ngân hàng 100% vốn nước ngoài) với dữ liệu không cân bằng (Unbalanced Panel), cần hiệu chỉnh lại ma trận hiệp phương sai hoặc chuyển đổi sang ước lượng Pooled FGLS không cân bằng.

3. Làm thế nào để tích hợp mô hình này vào hệ thống quản trị rủi ro sẵn có của ngân hàng?

Mô hình có thể được đóng gói thành một module phân tích tự động trong hệ thống ALM (Quản trị Tài sản Nợ - Tài sản Có). Đầu ra của mô hình (hệ số tác động của các biến DEP, NPL, NIM) sẽ đóng vai trò là trọng số đầu vào cho hệ thống phân bổ room tín dụng nội bộ và cảnh báo suy giảm thanh khoản.

4. Chi phí bảo trì và cập nhật dữ liệu định kỳ cho mô hình là bao nhiêu?

Chi phí vận hành mô hình rất thấp do dữ liệu đầu vào sử dụng báo cáo tài chính công khai hàng quý/năm của các ngân hàng và số liệu thống kê vĩ mô công bố định kỳ. Khối quản trị rủi ro chỉ cần phân công 01 chuyên viên cập nhật dữ liệu và tái ước lượng tham số mô hình định kỳ 6 tháng/lần.

5. Tại sao biến Quy mô ngân hàng (SIZE) lại không có ý nghĩa thống kê trong mô hình?

Trong mẫu nghiên cứu 28 NHTMCP giai đoạn 2013–2021, việc NHNN áp dụng cơ chế phân bổ "room tín dụng" mang tính chỉ tiêu hành chính hàng năm cho từng ngân hàng dựa trên mức độ an toàn vốn và xếp hạng quản trị, thay vì quy mô tài sản đơn thuần. Do đó, ngân hàng có quy mô tài sản lớn không đồng nghĩa với việc được cấp tốc độ tăng trưởng tín dụng cao hơn các ngân hàng quy mô vừa và nhỏ.

---

Kết luận

Khóa luận tốt nghiệp "Các yếu tố tác động đến tăng trưởng tín dụng của các ngân hàng thương mại cổ phần Việt Nam" của tác giả Văn Ngọc Tường Vy đã hoàn thành xuất sắc mục tiêu nghiên cứu với những đóng góp học thuật và thực tiễn sâu sắc:

• Giá trị khoa học: Xây dựng thành công mô hình kinh tế lượng vững bằng phương pháp GLS trên mẫu dữ liệu bảng 28 NHTMCP qua 9 năm (2013–2021), khắc phục triệt để các khuyết tật phương sai thay đổi và tự tương quan thường gặp trong nghiên cứu dữ liệu tài chính.
• Ý nghĩa thực tiễn: Định lượng hóa mối quan hệ mật thiết giữa TTTD với 8 yếu tố vĩ mô và vi mô quan trọng. Đặc biệt, nghiên cứu làm sáng tỏ tác động ngược chiều của tỷ lệ sinh lời trên tài sản (ROA) và tỷ lệ dư nợ trên tổng tài sản (DEPTA) đến tăng trưởng tín dụng, phản ánh xu hướng chuyển dịch cơ cấu thu nhập và yêu cầu tuân thủ an toàn thanh khoản của hệ thống ngân hàng Việt Nam.
• Định hướng phát triển: Mở ra hướng nghiên cứu tiếp theo về mô hình động dạng GMM kết hợp dữ liệu Basel III và số hóa ngân hàng cho giai đoạn 2024–2030.

Nghiên cứu là tài liệu tham khảo giá trị cho các nhà nghiên cứu, giảng viên, sinh viên khối ngành Kinh tế - Tài chính - Ngân hàng, đồng thời là cẩm nang thực tiễn cho các nhà quản trị ngân hàng trong việc xây dựng chiến lược tín dụng hiệu quả và bền vững.