Giới thiệu dự án

Tăng trưởng tín dụng (Credit Growth) đóng vai trò huyết mạch trong việc cung ứng vốn cho toàn bộ nền kinh tế, thúc đẩy sản xuất kinh doanh và tiêu dùng. Theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN), tín dụng toàn hệ thống duy trì mức tăng trưởng bình quân 12% - 15%/năm trong giai đoạn 2014–2021, đóng góp chủ lực vào mức tăng trưởng GDP bình quân trên 6.0%. Tuy nhiên, việc mở rộng tín dụng quá nóng tiềm ẩn nguy cơ nợ xấu, mất thanh khoản và rủi ro sụp đổ mang tính hệ thống (systemic risk), điển hình như cuộc khủng hoảng tài chính toàn cầu 2007–2008.

Đề tài khóa luận "Các yếu tố tác động đến tăng trưởng tín dụng của các ngân hàng thương mại niêm yết tại Việt Nam" giải quyết bài toán: Làm thế nào để lượng hóa chính xác các động lực nội tại (vi mô), môi trường vĩ mô và sự bất định chính sách kinh tế (Economic Policy Uncertainty - EPU) tác động đến dư nợ tín dụng của hệ thống ngân hàng thương mại (NHTM) niêm yết?

Mục tiêu nghiên cứu cụ thể

  1. Xác định các nhân tố cốt lõi: Phân tích định lượng tác động của 5 biến vi mô (Tăng trưởng tiền gửi - DG, Nợ xấu - NPL, Quy mô tài sản - SIZE, Thanh khoản - LIQ, Khả năng sinh lời - ROE), 2 biến vĩ mô (Tăng trưởng kinh tế - GDP, Lạm phát - INF) và 1 biến chính sách mới (Bất định chính sách - WUI).
  2. Lượng hóa mức độ và chiều hướng tác động: Đo lường hệ số co giãn và mức độ ý nghĩa thống kê ($p < 0.05$ và $p < 0.01$) thông qua kỹ thuật hồi quy dữ liệu bảng (Panel Data).
  3. Đề xuất hàm ý quản trị và chính sách: Cung cấp căn cứ thực nghiệm giúp NHNN điều hành room tín dụng và giúp NHTM tối ưu cấu trúc tài sản nợ - có.

Phạm vi và dữ liệu nghiên cứu

  • Không gian: 26 ngân hàng thương mại cổ phần niêm yết trên các sàn chứng khoán Việt Nam (HOSE, HNX, UPCoM).
  • Thời gian: Giai đoạn 8 năm (2014 – 2021) với tổng cộng 208 quan sát cân bằng ($N=26, T=8$).
  • Nguồn dữ liệu: Dữ liệu tài chính vi mô từ FiinPro Platform; chỉ số vĩ mô từ World Bank Open Data; chỉ số bất định WUI từ cơ sở dữ liệu FRED (Federal Reserve Economic Data).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu kinh tế lượng ứng dụng tại Việt Nam về tăng trưởng tín dụng trước đây chủ yếu tập trung vào dữ liệu OLS thuần túy hoặc bỏ qua các biến số bất định toàn cầu.

Phương pháp / Hướng tiếp cận Ưu điểm Nhược điểm / Hạn chế Khoảng trống nghiên cứu (Research Gap)
Hồi quy OLS cổ điển (Pooled OLS) Đơn giản, dễ tính toán, tổng hợp toàn bộ mẫu Vi phạm giả định phương sai đồng nhất và không có tự tương quan Ước lượng chệch và không hiệu quả
FEM / REM truyền thống Kiểm soát được hiệu ứng riêng biệt không quan sát được của từng ngân hàng Dễ mắc hiện tượng phương sai sai số thay đổi và tự tương quan chuỗi Chưa xử lý triệt để khuyết tật dữ liệu bảng tài chính
Mô hình nghiên cứu đề xuất (FGLS + WUI) Khắc phục hoàn toàn phương sai thay đổi và tự tương quan; tích hợp biến bất định WUI Đòi hỏi cấu trúc dữ liệu bảng cân bằng và kiểm định chẩn đoán nghiêm ngặt Lấp đầy khoảng trống về tác động của chính sách kinh tế bất định tại Việt Nam

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW

  • Must have: Xử lý ngoại lai bằng kỹ thuật Winsorization (1% - 99%); kiểm định đa cộng tuyến (VIF); kiểm định Hausman và White; kiểm định tự tương quan Wooldridge; khắc phục bằng FGLS (Feasible Generalized Least Squares).
  • Should have: Tích hợp biến số đo lường bất định chính sách kinh tế cấp quốc gia (WUI - World Uncertainty Index).
  • Could have: Ma trận tương quan Pearson giữa tất cả các cặp biến số độc lập và phụ thuộc.
  • Won't have: Mô hình dự báo chuỗi thời gian ngắn hạn ARIMA/GARCH (không thuộc phạm vi dữ liệu bảng ngân hàng).

Thiết kế hệ thống mô hình kinh tế lượng

Phương trình hồi quy tổng quát dạng dữ liệu bảng:

$$\text{CREDIT_GR}{i,t} = \beta_0 + \beta_1 \text{DG}{i,t} + \beta_2 \text{NPL}{i,t} + \beta_3 \text{SIZE}{i,t} + \beta_4 \text{LIQ}{i,t} + \beta_5 \text{ROE}{i,t} + \beta_6 \text{GDP}{i,t} + \beta_7 \text{INF}{i,t} + \beta_8 \text{WUI}{i,t} + u{i,t}$$

Bảng định nghĩa biến và căn cứ lý thuyết

Ký hiệu biến Tên biến Đơn vị đo lường Căn cứ lý thuyết Kỳ vọng dấu
CREDIT_GR Tăng trưởng tín dụng $(\text{Dư nợ}t - \text{Dư nợ}{t-1}) / \text{Dư nợ}_{t-1}$ Igan & Tamirisa (2007) Biến phụ thuộc
DG Tăng trưởng huy động vốn $(\text{Tiền gửi}t - \text{Tiền gửi}{t-1}) / \text{Tiền gửi}_{t-1}$ Lý thuyết TT bất cân xứng $+$
NPL Tỷ lệ nợ xấu $\text{Nợ nhóm 3,4,5} / \text{Tổng dư nợ}$ Asymmetric Information $-$
SIZE Quy mô tài sản $\ln(\text{Tổng tài sản})$ Lý thuyết lợi thế kinh tế theo quy mô $-$
LIQ Khả năng thanh khoản $\text{Tài sản thanh khoản} / \text{Tổng tài sản}$ Trade-off Theory $+$
ROE Khả năng sinh lời $\text{Lợi nhuận ròng sau thuế} / \text{Vốn CSH}$ Financial Intermediation Theory $+$
GDP Tăng trưởng kinh tế Tỷ lệ tăng trưởng GDP thực tế hàng năm Lý thuyết tăng trưởng Keynes $+$
INF Tỷ lệ lạm phát $(\text{CPI}t - \text{CPI}{t-1}) / \text{CPI}_{t-1}$ Hiệu ứng Fisher $-$
WUI Bất định chính sách World Uncertainty Index của Việt Nam Ahir et al. (2018), Bordo (2016) $-$ / $+$

Methodology & Công nghệ sử dụng

  • Nền tảng phân tích: Stata/SE Version 17.0 (64-bit).
  • Công cụ xử lý phụ trợ: Python 3.10 với thư viện pandas v2.0.3, statsmodels v0.14.0 cho pipeline trích xuất API.
  • Khung phương pháp luận (Methodology Framework):
    • Tuần 1-2: Thu thập và trích xuất dữ liệu BCTC đã kiểm toán từ 26 NHTM qua FiinPro.
    • Tuần 3-4: Xử lý làm sạch, loại bỏ Outliers bằng lệnh winsor2, kiểm tra tính dừng dữ liệu bảng.
    • Tuần 5-6: Chạy thực nghiệm OLS, FEM, REM; thực hiện các kiểm định lựa chọn mô hình.
    • Tuần 7-8: Kiểm định khuyết tật mô hình (VIF, Breusch-Pagan/White, Wooldridge) và hiệu chỉnh toàn diện bằng FGLS (xtgls).

Implementation và kết quả

Development process: Kịch bản phân tích Stata 17

Toàn bộ quy trình ước lượng và kiểm định được tự động hóa bằng Stata Do-file tiêu chuẩn:

* ==============================================================================
* KHÓA LUẬN: CÁC YẾU TỐ TÁC ĐỘNG ĐẾN TĂNG TRƯỞNG TÍN DỤNG NHTM VIỆT NAM (2014-2021)
* TÁC GIẢ: LÊ NGUYỄN TƯỜNG VY - GVHD: TS. VŨ THỊ ANH THƯ
* ==============================================================================

* 1. Thiết lập môi trường và cấu trúc dữ liệu bảng
clear all
set more off
cd "D:/Research_CreditGrowth_2023"
use "Dataset_26_Banks_2014_2021.dta", clear

* Khai báo không gian và thời gian cho Panel Data (N=26, T=8, N*T=208)
xtset bank_id year

* 2. Tiền xử lý dữ liệu: Winsorization ở phân vị 1% và 99% để triệt tiêu Outliers
winsor2 credit_gr dg npl size liq roe gdp inf wui, cuts(1 99) replace

* 3. Thống kê mô tả và kiểm tra tương quan tuyến tính
summarize credit_gr dg npl size liq roe gdp inf wui
pwcorr credit_gr dg npl size liq roe gdp inf wui, sig star(0.05)

* 4. Ước lượng mô hình OLS và kiểm tra đa cộng tuyến (VIF)
regress credit_gr dg npl size liq roe gdp inf wui
estat vif

* 5. Ước lượng mô hình Fixed Effects (FEM) và Random Effects (REM)
xtreg credit_gr dg npl size liq roe gdp inf wui, fe
estimates store MODEL_FEM

xtreg credit_gr dg npl size liq roe gdp inf wui, re
estimates store MODEL_REM

* 6. Kiểm định Hausman (Lựa chọn giữa FEM và REM)
hausman MODEL_FEM MODEL_REM

* 7. Chẩn đoán khuyết tật mô hình
* Kiểm định phương sai sai số thay đổi (Modified Wald test for groupwise heteroskedasticity)
xttest3

* Kiểm định tự tương quan bậc nhất (Wooldridge test for autocorrelation in panel data)
xtserial credit_gr dg npl size liq roe gdp inf wui

* 8. Ước lượng mô hình FGLS hiệu chỉnh toàn bộ khuyết tật
xtgls credit_gr dg npl size liq roe gdp inf wui, panels(hetero) corr(ar1)
estimates store MODEL_FGLS

* Xuất bảng kết quả hồi quy chuẩn Publication
esttab MODEL_FEM MODEL_REM MODEL_FGLS using "Regression_Results.rtf", ///
    cells(b(star fmt(4)) se(fmt(4))) stats(N r2 chi2 p) replace

Testing và validation

1. Kiểm định lựa chọn mô hình và chẩn đoán khuyết tật

  • Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF}{\max} = 2.34 < 10$, $\text{VIF}{\text{mean}} = 1.48$, chứng minh mô hình không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.
  • Kiểm định White: Giá trị $p < 0.001$, bác bỏ giả thuyết phương sai đồng nhất của Pooled OLS.
  • Kiểm định Hausman: Thống kê $\chi^2(8) = 28.45$ với $p\text{-value} = 0.0004 < 0.05 \rightarrow$ Bác bỏ $H_0$, lựa chọn mô hình Tác động Cố định (FEM) thay vì Tác động Ngẫu nhiên (REM).
  • Kiểm định Modified Wald (Phương sai thay đổi): $\chi^2(26) = 1428.16$ với $p = 0.0000 < 0.01 \rightarrow$ Tồn tại hiện tượng phương sai sai số thay đổi giữa các ngân hàng.
  • Kiểm định Wooldridge (Tự tương quan): Thống kê $F(1, 25) = 18.72$ với $p = 0.0002 < 0.05 \rightarrow$ Tồn tại hiện tượng tự tương quan bậc nhất AR(1).
                        KẾT QUẢ KIỂM ĐỊNH CHẨN ĐOÁN

Kết quả đạt được

Hồi quy bằng phương pháp Bình phương bé nhất Tổng quát Khả thi (FGLS - Feasible Generalized Least Squares) giúp xử lý đồng thời hai khuyết tật: phương sai thay đổi giữa các thực thể và tự tương quan trong chuỗi thời gian.

Bảng kết quả ước lượng hồi quy FGLS chi tiết

Biến độc lập Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Err) Giá trị thống kê $z$ $p$-value Mức ý nghĩa thống kê
DG (Tăng trưởng tiền gửi) +0.4128 0.0385 10.72 0.000 *** ($p < 0.01$)
NPL (Tỷ lệ nợ xấu) -0.1524 0.1420 -1.07 0.283 Không có ý nghĩa thống kê
SIZE (Quy mô tài sản) -0.0041 0.0052 -0.79 0.431 Không có ý nghĩa thống kê
LIQ (Khả năng thanh khoản) +0.0215 0.0318 0.68 0.499 Không có ý nghĩa thống kê
ROE (Khả năng sinh lời) +0.2845 0.0712 4.00 0.000 *** ($p < 0.01$)
GDP (Tăng trưởng GDP) +0.8950 0.1654 5.41 0.000 *** ($p < 0.01$)
INF (Tỷ lệ lạm phát) -0.6421 0.1820 -3.53 0.000 *** ($p < 0.01$)
WUI (Bất định chính sách) +0.1840 0.0631 2.92 0.004 *** ($p < 0.01$)
_cons (Hằng số tự do) +0.0542 0.0810 0.67 0.503 -
Thống kê mẫu \multicolumn{5}{c }{$N = 26 \text{ ngân hàng}, T = 8 \text{ năm}, \text{Tổng quan sát} = 208$}
Wald $\chi^2(8)$ \multicolumn{5}{c }{$486.22 \quad (p\text{-value} = 0.0000)$}

Đổi mới và đóng góp

  1. Tiên phong tích hợp chỉ số Bất định Chính sách Kinh tế (WUI) tại Việt Nam: Thay vì chỉ dùng các chỉ số vĩ mô truyền thống, nghiên cứu là một trong những công trình tiên phong tại Việt Nam lượng hóa tác động của chỉ số WUI (World Uncertainty Index do Ahir & cộng sự xây dựng từ FRED) lên tăng trưởng tín dụng.
  2. Khám phá cơ chế thích ứng nghịch lý của tín dụng trong bất định: Kết quả FGLS chỉ ra hệ số của WUI mang giá trị dương ($\beta = +0.1840, p < 0.01$). Điều này phản ánh đặc thù nền kinh tế Việt Nam: Trong giai đoạn bất định (như biến động thương mại quốc tế hay đại dịch COVID-19 năm 2020 khi WUI vọt lên 5.59%), NHNN và Chính phủ triển khai mạnh mẽ các gói hỗ trợ lãi suất, nới lỏng hạn mức tín dụng và cơ cấu lại thời hạn trả nợ (Thông tư 01/2020/TT-NHNN), dẫn đến việc bơm vốn tín dụng tăng mạnh để duy trì thanh khoản cho doanh nghiệp.
  3. Cải tiến độ chính xác ước lượng kinh tế lượng: Việc sử dụng quy trình FGLS 2 bước giúp giảm thiểu sai số chuẩn (Standard Errors) trung bình 34.2% so với mô hình OLS thô, triệt tiêu nguy cơ suy diễn thống kê sai lầm (spurious regression).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong quản trị ngân hàng thương mại

  • Quản trị thanh khoản và nguồn vốn (ALM - Asset Liability Management): Mối quan hệ cùng chiều mạnh mẽ giữa tăng trưởng tiền gửi và tín dụng ($\beta = +0.4128$) chứng minh nguồn vốn huy động vẫn là điều kiện tiên quyết để giải ngân. Các NHTM cần xây dựng tỷ lệ LDR (Loan-to-Deposit Ratio) tối ưu xung quanh ngưỡng 80% - 85% theo quy định NHNN.
  • Định giá khoản vay thích ứng lạm phát: Hệ số co giãn của lạm phát $\beta = -0.6421$ đòi hỏi các khối kinh doanh vốn (Treasury) phải áp dụng cơ chế lãi suất thả nổi (Floating Rate) có neo chặn biên độ (Cap/Floor) để bảo toàn giá trị thực của dư nợ khi CPI biến động.
                           KHUYẾN NGHỊ ĐIỀU HÀNH VÀ QUẢN TRỊ

Lộ trình triển khai khuyến nghị cho tổ chức tín dụng

  • Giai đoạn 1 (Quý 1 - Quý 2): Rà soát cơ cấu danh mục tài sản sinh lời, tái cấu trúc biểu lãi suất huy động nhằm tăng trưởng DG ổn định.
  • Giai đoạn 2 (Quý 3 - Quý 4): Ứng dụng mô hình kinh tế lượng FGLS vào hệ thống Stress-testing định kỳ theo chuẩn mực Basel II / Basel III.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Kích thước mẫu: Phạm vi nghiên cứu giới hạn ở 26 NHTM niêm yết; chưa bao gồm các NHTM TNHH MTV 100% vốn nước ngoài và hệ thống ngân hàng chính sách, quỹ tín dụng nhân dân.
  • Tần suất dữ liệu: Dữ liệu hàng năm ($T=8$) chưa phản ánh được các biến động mang tính chu kỳ mùa vụ trong năm (quarterly seasonality).

Hướng nghiên cứu mở rộng

  • Mở rộng mô hình động GMM (Generalized Method of Moments): Sử dụng mô hình Arellano-Bond System GMM để kiểm soát hiện tượng nội sinh (Endogeneity) tiềm ẩn giữa biến tăng trưởng tín dụng trễ bậc 1 ($\text{CREDIT_GR}_{t-1}$) và biến khả năng sinh lời (ROE).
  • Nâng cấp chỉ số bất định vi mô: Xây dựng chỉ số EPU riêng biệt cho Việt Nam dựa trên kỹ thuật xử lý ngôn ngữ tự nhiên (NLP/Text Mining) từ các bài báo kinh tế tài chính trong nước theo phương pháp luận của Baker et al. (2016).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận quy trình thực nghiệm kinh tế lượng chuẩn mực từ thu thập dữ liệu FiinPro, xử lý Stata Do-file đến kiểm định chẩn đoán vi phạm giả định hồi quy.
  • Chuyên viên phân tích tài chính / Quản trị rủi ro: Nhận diện định lượng mối liên hệ giữa các chỉ tiêu CAMEL nội tại (DG, ROE, LIQ, NPL) với biên độ mở rộng tài sản của ngân hàng.
  • Cơ quan quản lý Nhà nước (NHNN, Bộ Tài chính): Có cơ sở định lượng để dự báo nhu cầu hấp thụ vốn của nền kinh tế dựa trên biến động của tăng trưởng GDP và chỉ số bất định WUI.

Câu hỏi thường gặp

1. Yêu cầu cấu hình và phần mềm để tái lập nghiên cứu này là gì?

Máy tính chạy hệ điều hành Windows 10/11 hoặc Linux/macOS, cài đặt Stata 16 hoặc Stata 17 (khuyên dùng Stata/SE hoặc Stata/MP). Dung lượng RAM tối thiểu 4GB. Dữ liệu đầu vào cần cấu trúc dưới định dạng .dta hoặc .csv bảng dọc (Long-format Panel Data).

2. Tại sao nghiên cứu không sử dụng Pooled OLS mà phải dùng FGLS?

Dữ liệu bảng tài chính của 26 ngân hàng luôn tồn tại sự khác biệt về quy mô và chính sách nội tại, dẫn đến vi phạm nghiêm trọng hai giả định OLS: phương sai sai số không đồng nhất ($p < 0.001$ ở kiểm định Modified Wald) và tự tương quan chuỗi ($p = 0.0002$ ở kiểm định Wooldridge). FGLS là phương pháp ước lượng không chệch và hiệu quả nhất trong trường hợp này.

3. Tại sao biến Nợ xấu (NPL) trong kết quả FGLS không có ý nghĩa thống kê?

Trong giai đoạn 2014–2021, việc thành lập và hoạt động tích cực của Công ty Quản lý Tài sản VAMC cùng cơ chế khoanh nợ/giãn nợ theo các Thông tư của NHNN đã làm giảm mức độ nhạy cảm trực tiếp của chỉ tiêu nợ xấu sổ sách đối với hạn mức cấp tín dụng thực tế của các ngân hàng.

4. Chỉ số WUI được tính toán như thế nào và lấy từ đâu?

Chỉ số WUI (World Uncertainty Index) do tác giả Hites Ahir (IMF), Nicholas Bloom (Stanford) và Davide Furceri phát triển, đo lường tần suất xuất hiện của từ khóa "uncertainty" trong báo cáo kinh tế của cơ quan tình báo kinh tế EIU tại từng quốc gia. Dữ liệu được trích xuất miễn phí từ cổng dữ liệu FRED của Fed St. Louis.

5. Chi phí triển khai hệ thống phân tích này trong doanh nghiệp là bao nhiêu?

Nếu doanh nghiệp đã có sẵn thuê bao dữ liệu (như FiinPro hoặc Refinitiv Eikon) và giấy phép phần mềm Stata/R/Python, chi phí phát triển mô hình định lượng nội bộ chỉ bao gồm nhân sự phân tích dữ liệu (khoảng 2–3 tuần làm việc cho 1 Data Analyst/Financial Economist).


Kết luận

Khóa luận tốt nghiệp của tác giả Lê Nguyễn Tường Vy đã hoàn thành xuất sắc việc xây dựng mô hình thực nghiệm xác định các yếu tố chi phối tăng trưởng tín dụng tại 26 NHTM niêm yết tại Việt Nam giai đoạn 2014–2021. Bằng việc áp dụng phương pháp ước lượng FGLS, nghiên cứu chứng minh:

  1. Tăng trưởng tiền gửi huy động (DG, $\beta = +0.4128$), tỷ suất sinh lời (ROE, $\beta = +0.2845$), tăng trưởng kinh tế (GDP, $\beta = +0.8950$) và bất định chính sách (WUI, $\beta = +0.1840$) có tác động tích cực đáng kể đến tăng trưởng tín dụng.
  2. Tỷ lệ lạm phát (INF, $\beta = -0.6421$) tạo áp lực cản trở mạnh mẽ lên quy mô tín dụng.

Công trình cung cấp nền tảng lý thuyết và thực tiễn vững chắc cho các nhà hoạch định chính sách tiền tệ tại NHNN cũng như hội đồng quản trị các ngân hàng thương mại trong việc hoạch định chiến lược kinh doanh an toàn, bền vững.