Giới thiệu dự án
Ngành Tài chính – Ngân hàng giữ vai trò huyết mạch trong nền kinh tế quốc dân, thực hiện chức năng cung ứng, điều hòa dòng vốn và là cầu nối trung gian tài chính quan trọng. Theo thống kê từ Tổng cục Thống kê, khu vực dịch vụ chiếm tới 56,65% cơ cấu GDP Việt Nam, trong đó hệ thống Ngân hàng Thương mại Cổ phần (NHTMCP) đóng góp tỷ trọng quyết định vào thanh khoản thị trường và thực thi chính sách tiền tệ quốc gia. Tuy nhiên, giai đoạn 2008–2022 chứng kiến những biến động phức tạp: từ cuộc khủng hoảng tài chính toàn cầu 2008, tái cơ cấu nợ xấu giai đoạn 2011–2015, đến đại dịch COVID-19 và biến động lãi suất cuối năm 2022 – đầu năm 2023. Biên lãi thuần (NIM) toàn ngành dao động trong khoảng 3,3% – 3,8%, trong khi quy định trích lập dự phòng theo Thông tư 14/2021/TT-NHNN đặt ra áp lực lớn lên bảng cân đối kế toán.
Đề tài khóa luận tốt nghiệp "Các yếu tố tác động đến lợi nhuận của Ngân hàng Thương mại Cổ phần Việt Nam" do sinh viên Nguyễn Thị Thùy Trang thực hiện dưới sự hướng dẫn khoa học của TS. Trần Trọng Huy (Trường Đại học Ngân hàng TP. Hồ Chí Minh) tập trung giải quyết bài toán: Xác định chính xác chiều hướng và biên độ tác động của các nhân tố nội tại (quy mô, cấu trúc vốn, thanh khoản, rủi ro tín dụng, chi phí vận hành) và nhân tố vĩ mô (lạm phát) đến khả năng sinh lời của các NHTMCP Việt Nam.
+-----------------------------------------------------------------------------------+
| MỤC TIÊU NGHIÊN CỨU DỰ ÁN |
+-----------------------------------------------------------------------------------+
| 1. Hệ thống hóa cơ sở lý luận & mô hình định lượng về lợi nhuận ngân hàng thương mại.|
| 2. Đo lường tác động của 7 biến giải thích đến ROA và ROE trên mẫu 25 NHTMCP. |
| 3. Xử lý triệt để khuyết tật mô hình (phương sai sai số thay đổi, tự tương quan). |
| 4. Đề xuất giải pháp quản trị tài chính, tối ưu hóa danh mục tín dụng và chi phí. |
+-----------------------------------------------------------------------------------+
Phương pháp tiếp cận sử dụng mô hình kinh tế lượng dữ liệu bảng (Panel Data) thu thập liên tục trong 15 năm (2008–2022) từ 25 NHTMCP niêm yết trên HOSE, HNX và UPCoM (tương ứng 375 quan sát $N \times T = 25 \times 15$). Dữ liệu báo cáo tài chính kiểm toán được trích xuất từ FiinTrade/SSI kết hợp chỉ số lạm phát từ World Bank, áp dụng kỹ thuật hồi quy bình phương tối thiểu tổng quát khả thi (FGLS - Feasible Generalized Least Squares) nhằm đưa ra kết quả ước lượng vững, không chệch.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Nghiên cứu so sánh bốn phương pháp ước lượng kinh tế lượng áp dụng cho dữ liệu bảng nhằm chọn lọc mô hình tối ưu:
| Phương pháp hồi quy |
Ưu điểm |
Nhược điểm |
Đánh giá tính phù hợp |
| Pooled OLS (Gộp) |
Đơn giản, dễ tính toán, tổng hợp toàn bộ 375 quan sát. |
Bỏ qua đặc trưng riêng lẻ không quan sát được của từng ngân hàng ($\mu_i = 0$), gây chệch hệ số. |
Không phù hợp cho dữ liệu ngân hàng có tính dị biệt cao. |
| FEM (Tác động cố định) |
Kiểm soát đặc tính riêng không đổi theo thời gian của từng ngân hàng, loại trừ nội sinh do $\mu_i$ tương quan với $X_{it}$. |
Không ước lượng được các biến bất biến theo thời gian, mất bậc tự do. |
Phù hợp hơn Pooled OLS (Kiểm định $F < 0,05$). |
| REM (Tác động ngẫu nhiên) |
Tiết kiệm bậc tự do, cho phép ước lượng ảnh hưởng của các biến không đổi theo thời gian. |
Đòi hỏi giả định ngặt: $\mu_i$ không tương quan với các biến độc lập; nếu vi phạm sẽ gây chệch. |
Bị bác bỏ bởi kiểm định Hausman ($p < 0,05$). |
| FGLS (Bình phương tổng quát khả thi) |
Khắc phục đồng thời hiện tượng phương sai thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation). |
Đòi hỏi cỡ mẫu đủ lớn ($N \times T \ge 300$) để ma trận hiệp phương sai tiệm cận chuẩn. |
Mô hình tối ưu được lựa chọn cho kết luận cuối cùng. |
Yêu cầu nghiên cứu được phân loại theo mô hình MoSCoW:
- Must have: Kiểm định đa cộng tuyến (VIF), kiểm định White/Modified Wald (phương sai thay đổi), kiểm định Wooldridge (tự tương quan bậc 1), ước lượng FGLS.
- Should have: Ma trận tương quan Pearson, bảng thống kê mô tả chuẩn hóa 375 quan sát.
- Could have: So sánh đa biến thể giữa 2 hàm mục tiêu $\text{ROA}$ và $\text{ROE}$.
- Won't have: Mô hình hồi quy phi tuyến tính bậc cao.
Thiết kế hệ thống
Kiến trúc xử lý dữ liệu và ước lượng mô hình được thiết kế theo quy trình tuyến tính 5 giai đoạn:
[BCTC 25 NHTMCP + World Bank Data]
[Tiền xử lý & Chuẩn hóa biến (Stata Data Pipeline)]
[Kiểm định mô hình cơ sở: Pooled OLS vs FEM (Chow/F-Test) vs REM (Hausman Test)]
[Kiểm định khuyết tật: VIF (Đa cộng tuyến) + Modified Wald + Wooldridge]
[Ước lượng FGLS (xtgls) -> Báo cáo hệ số hồi quy vững & Khuyến nghị chính sách]
Bộ công cụ và công nghệ áp dụng:
- Stata MP / SE v17.0: Phần mềm phân tích định lượng chuyên sâu cho dữ liệu bảng (
xtreg, xttest3, xtserial, xtgls).
- Microsoft Excel 365: Xử lý dữ liệu thô, chuẩn hóa số liệu tài chính từ BCTC hợp nhất.
- World Bank Open Data API: Trích xuất chuỗi thời gian chỉ số giá tiêu dùng (CPI) Việt Nam 2008–2022.
Đặc tả hệ thống các biến trong mô hình:
$$\text{ROE}{it} = \beta_1 + \beta_2 \text{CAP}{it} + \beta_3 \text{LLR}{it} + \beta_4 \text{SIZE}{it} + \beta_5 \text{LIQ}{it} + \beta_6 \text{INF}{it} + \beta_7 \text{LOAN}{it} + \beta_8 \text{COSR}{it} + e_{it}$$
$$\text{ROA}{it} = \alpha_1 + \alpha_2 \text{CAP}{it} + \alpha_3 \text{LLR}{it} + \alpha_4 \text{SIZE}{it} + \alpha_5 \text{LIQ}{it} + \alpha_6 \text{INF}{it} + \alpha_7 \text{LOAN}{it} + \alpha_8 \text{COSR}{it} + u_{it}$$
- $\text{ROA}_{it}$: Tỷ suất sinh lời trên tổng tài sản = $\frac{\text{Lợi nhuận trước thuế}}{\text{Tổng tài sản}} \times 100%$
- $\text{ROE}_{it}$: Tỷ suất sinh lời trên vốn chủ sở hữu = $\frac{\text{Lợi nhuận trước thuế}}{\text{Vốn chủ sở hữu}} \times 100%$
- $\text{SIZE}_{it}$: Quy mô tài sản = $\ln(\text{Tổng tài sản})$
- $\text{CAP}_{it}$: Tỷ lệ an toàn vốn tự có = $\frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}}$
- $\text{LOAN}_{it}$: Tỷ lệ dư nợ tín dụng = $\frac{\text{Dư nợ cho vay khách hàng}}{\text{Tổng tài sản}}$
- $\text{LIQ}_{it}$: Khả năng thanh khoản = $\frac{\text{Tổng tài sản thanh khoản}}{\text{Tổng tài sản}}$
- $\text{LLR}_{it}$: Dự phòng tổn thất tín dụng = $\frac{\text{Dự phòng rủi ro cho vay}}{\text{Dư nợ cho vay}}$
- $\text{COSR}_{it}$: Tỷ lệ chi phí vận hành = $\frac{\text{Chi phí hoạt động}}{\text{Tổng tài sản}}$
- $\text{INF}_{t}$: Tỷ lệ lạm phát hàng năm (CPI quốc gia).
Methodology
Quy trình nghiên cứu áp dụng phương pháp định lượng thực nghiệm (Empirical Quantitative Method) kết hợp phân tích đối chiếu lý thuyết cấu trúc thị trường (SCP) và lý thuyết cấu trúc hiệu quả (Efficient Structure Theory).
+------------------------------------------------------------------------------------+
| LỘ TRÌNH TRIỂN KHAI PHÂN TÍCH (TIMELINE) |
+------------------------------------------------------------------------------------+
| Tuần 1 - 3 : Thu thập và làm sạch dữ liệu BCTC 25 ngân hàng từ FiinTrade/SSI (N=375)|
| Tuần 4 - 5 : Thống kê mô tả, phân tích ma trận hệ số tương quan Pearson |
| Tuần 6 - 7 : Ước lượng mô hình OLS gộp, mô hình FEM, mô hình REM |
| Tuần 8 - 9 : Thực hiện kiểm định Hausman, kiểm định F, chẩn đoán khuyết tật vi phạm |
| Tuần 10-12 : Hiệu chỉnh mô hình bằng FGLS, phân tích độ nhạy và viết khuyến nghị |
+------------------------------------------------------------------------------------+
Quản trị rủi ro phương pháp luận:
- Rủi ro mất cân bằng dữ liệu (Unbalanced Panel): Giải quyết bằng cách chọn lọc nghiêm ngặt 25 ngân hàng hoạt động liên tục, đầy đủ BCTC kiểm toán từ 2008 đến 2022 để tạo bộ dữ liệu cân bằng (Balanced Panel).
- Rủi ro nội sinh và đa cộng tuyến: Kiểm tra hệ số phóng đại phương sai (VIF) trước khi ước lượng FGLS.
Implementation và kết quả
Development process
Quá trình xử lý dữ liệu và kiểm định được lập trình thông qua Stata Scripts. Đoạn mã dưới đây minh họa toàn bộ pipeline từ khai báo cấu trúc bảng, kiểm định lựa chọn mô hình đến ước lượng FGLS:
* 1. Khai bao du lieu bang (Panel structure: bank_id, year)
tsset bank_id year
* 2. Uoc luong mo hinh OLS, FEM, REM cho bien phu thuoc ROE
reg roe cap llr size liq inf loan cosr
estimates store ols_roe
xtreg roe cap llr size liq inf loan cosr, fe
estimates store fe_roe
xtreg roe cap llr size liq inf loan cosr, re
estimates store re_roe
* 3. Kiem dinh Hausman lua chon giua FEM va REM
hausman fe_roe re_roe
* 4. Kiem tra hien tuong da cong tuyen
quietly reg roe cap llr size liq inf loan cosr
vif
* 5. Kiem dinh phuong sai sai so thay doi tren mo hinh FEM
xtreg roe cap llr size liq inf loan cosr, fe
xttest3
* 6. Kiem dinh tu tuong quan bac 1 (Wooldridge test)
xtserial roe cap llr size liq inf loan cosr
* 7. Uoc luong mo hinh FGLS khac phuc khuyet tat (Heteroskedasticity & Autocorrelation)
xtgls roe cap llr size liq inf loan cosr, panels(hetero) corr(ar1)
estimates store fgls_roe
* 8. Thuc hien tuong tu cho bien phu thuoc ROA
xtgls roa cap llr size liq inf loan cosr, panels(hetero) corr(ar1)
estimates store fgls_roa
Testing và validation
Kết quả chẩn đoán mô hình trên bộ dữ liệu 375 quan sát cho thấy:
- Kiểm định đa cộng tuyến: Hệ số VIF của tất cả các biến độc lập đều nằm trong khoảng $1,15 \le \text{VIF} \le 2,42$ (trung bình $\text{Mean VIF} = 1,68 < 5$), khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
- Kiểm định chọn mô hình (Chow & Hausman Test):
- Kiểm định $F$ cho thấy mô hình FEM vượt trội so với Pooled OLS ($p\text{-value} = 0,0000 < 0,05$).
- Kiểm định Hausman cho kết quả $\text{Prob} > \chi^2 = 0,0012 < 0,05$, do đó bác bỏ giả thuyết $H_0$ (REM), chấp nhận mô hình FEM.
- Kiểm định khuyết tật mô hình trên FEM:
- Kiểm định Modified Wald (
xttest3): $\chi^2(25) = 1428,56$ ($p\text{-value} = 0,0000 < 0,05$), kết luận mô hình tồn tại hiện tượng phương sai sai số thay đổi giữa các ngân hàng.
- Kiểm định Wooldridge (
xtserial): $F(1, 24) = 18,742$ ($p\text{-value} = 0,0002 < 0,05$), kết luận mô hình có hiện tượng tự tương quan bậc 1.
- Khắc phục bằng FGLS: Phương pháp FGLS với tùy chọn
panels(hetero) corr(ar1) đã triệt tiêu hoàn toàn độ chệch tiêu chuẩn của sai số, đảm bảo hệ số ước lượng đạt hiệu quả tiệm cận.
Kết quả đạt được
Bảng tổng hợp kết quả ước lượng mô hình hồi quy FGLS cho $\text{ROA}$ và $\text{ROE}$:
| Biến độc lập |
Ký hiệu |
Kỳ vọng |
Mô hình ROA ($\beta$, p-value) |
Mô hình ROE ($\beta$, p-value) |
Trạng thái giả thuyết |
| Hằng số |
Const |
- |
0,0124 (0,042)** |
0,0842 (0,015)** |
- |
| Quy mô ngân hàng |
$\text{SIZE}$ |
(+) |
+0,0031 (0,001)*** |
+0,0284 (0,000)*** |
Chấp nhận $H_1$ |
| Vốn chủ sở hữu |
$\text{CAP}$ |
(+) |
+0,0412 (0,000)*** |
-0,0815 (0,008)*** |
Khác biệt cấu trúc đòn bẩy |
| Dư nợ cho vay |
$\text{LOAN}$ |
(+) |
+0,0118 (0,004)*** |
+0,0645 (0,001)*** |
Chấp nhận $H_3$ |
| Tính thanh khoản |
$\text{LIQ}$ |
(+) |
+0,0085 (0,021)** |
+0,0312 (0,041)** |
Chấp nhận $H_4$ |
| Dự phòng rủi ro |
$\text{LLR}$ |
(-) |
-0,0892 (0,000)*** |
-0,4120 (0,000)*** |
Chấp nhận $H_5$ |
| Chi phí vận hành |
$\text{COSR}$ |
(-) |
-0,2415 (0,000)*** |
-1,1524 (0,000)*** |
Chấp nhận $H_6$ |
| Lạm phát |
$\text{INF}$ |
(-) |
-0,0154 (0,035)** |
-0,0521 (0,048)** |
Chấp nhận $H_7$ |
Ghi chú: ***, **, * tương ứng với mức ý nghĩa thống kê 1%, 5%, 10%.
TỔNG QUAN TÁC ĐỘNG THỰC NGHIỆM:
- SIZE (+), LOAN (+), LIQ (+): Đóng góp tích cực vào tăng trưởng biên lợi nhuận ròng.
- COSR (-), LLR (-): Tác nhân bào mòn mạnh nhất lợi nhuận (mỗi 1% tăng chi phí vận hành làm giảm 1,15% ROE).
- CAP (+ với ROA, - với ROE): Phản ánh bản chất nghịch đảo của đòn bẩy tài chính (Equity Multiplier).
Đổi mới và đóng góp
Nghiên cứu mang lại những đóng góp khoa học và thực tiễn rõ rệt so với các công trình trước đây:
+-------------------------------------------------------------------------------------+
| SO SÁNH ĐÓNG GÓP HỆ THỐNG VÀ CÔNG NGHỆ |
+----------------------+-----------------------------+--------------------------------+
| Tiêu chí | Nghiên cứu trước đây | Nghiên cứu này |
+----------------------+-----------------------------+--------------------------------+
| Khung thời gian | 2001-2005 (Nguyễn Việt Hùng)| 2008-2022 (15 năm liên tục, |
| | 2008-2013 (Nguyễn Thị Cành) | bao quát toàn diện chu kỳ kinh |
| | | tế, khủng hoảng và COVID-19). |
+----------------------+-----------------------------+--------------------------------+
| Cỡ mẫu dữ liệu bảng | 100 - 150 quan sát | 375 quan sát cân bằng (25 NHTM)|
+----------------------+-----------------------------+--------------------------------+
| Kỹ thuật xử lý | Dừng lại ở Pooled OLS/FEM | Kiểm định chẩn đoán vi phạm |
| kinh tế lượng | thông thường (chứa chệch). | và khắc phục toàn diện bằng |
| | | phương pháp hồi quy FGLS. |
+----------------------+-----------------------------+--------------------------------+
| Bộ biến tác động | Chủ yếu biến vi mô đơn lẻ | Tích hợp vi mô nội tại kết hợp |
| | | biến vĩ mô chuẩn hóa quốc tế. |
+----------------------+-----------------------------+--------------------------------+
Đóng góp học thuật:
- Chứng minh thực nghiệm tính vượt trội của lý thuyết cấu trúc hiệu quả (Efficiency Structure Theory) so với lý thuyết sức mạnh thị trường (SCP) trong bối cảnh ngành ngân hàng Việt Nam: Lợi nhuận cao chủ yếu đến từ năng lực kiểm soát chi phí vận hành ($\text{COSR}$) và quản trị nợ xấu ($\text{LLR}$) thay vì chỉ dựa vào quy mô tài sản thuần túy.
- Làm rõ nghịch lý tác động của vốn chủ sở hữu ($\text{CAP}$): Tác động dương lên $\text{ROA}$ khẳng định khả năng chống chịu rủi ro tốt, nhưng tác động âm lên $\text{ROE}$ do hệ số đòn bẩy tài chính giảm khi vốn chủ quá dày.
Ứng dụng thực tế và triển khai
Kịch bản ứng dụng trong quản trị ngân hàng (Use Cases)
[Phân tích dữ liệu FGLS]
[Khối Quản trị Rủi ro (CRO)] [Khối Tài chính & Kế hoạch (CFO)]
- Tái cấu trúc chấm điểm tín dụng - Tối ưu chỉ số CIR (Chi phí/Thu nhập)
- Dự phòng động theo IFRS 9 - Cân đối tỷ lệ đòn bẩy vốn (CAR/ROE)
- Kiểm soát chi phí hoạt động ($\text{COSR}$): Các ngân hàng cần đẩy mạnh chuyển đổi số, tự động hóa quy trình nghiệp vụ (RPA, Core Banking nâng cấp) nhằm giảm tỷ lệ chi phí trên thu nhập (CIR). Kết quả nghiên cứu chứng minh việc cắt giảm $10%$ chi phí vận hành giúp cải thiện ngay lập tức $\approx 11,5%$ $\text{ROE}$.
- Quản trị rủi ro tín dụng và trích lập dự phòng ($\text{LLR}$): Chuẩn hóa quy trình cấp tín dụng, áp dụng chuẩn mực Basel II/Basel III và chuẩn báo cáo tài chính IFRS 9 nhằm nhận diện sớm nợ xấu nhóm 2–3, tránh tình trạng trích lập dự phòng đột biến làm suy giảm lợi nhuận ròng.
- Tối ưu hóa quy mô và thanh khoản ($\text{SIZE}$, $\text{LIQ}$): Mở rộng tín dụng có chọn lọc, tập trung vào lĩnh vực sản xuất kinh doanh ưu tiên, đồng thời duy trì tỷ lệ dự trữ thanh khoản theo Thông tư 22/2019/TT-NHNN để đảm bảo khả năng chi trả mà không lãng phí vốn ứ đọng.
Lộ trình triển khai khuyến nghị quản trị
- Giai đoạn 1 (0 – 6 tháng): Rà soát danh mục tài sản sinh lời, tái cơ cấu các khoản vay rủi ro cao, siết chặt định mức chi phí hành chính và vận hành chi nhánh.
- Giai đoạn 2 (6 – 18 tháng): Triển khai giải pháp ngân hàng số (Digital Banking), tối ưu hóa tiền gửi không kỳ hạn (CASA) nhằm hạ thấp chi phí huy động vốn.
- Giai đoạn 3 (18 – 36 tháng): Tăng vốn điều lệ theo lộ trình Basel III, nâng cao tỷ lệ an toàn vốn (CAR $\ge 10,5%$), xây dựng kịch bản dự báo lạm phát chủ động điều chỉnh biên lãi suất đầu ra.
Hạn chế và hướng phát triển
- Hạn chế dữ liệu: Mẫu nghiên cứu mới dừng lại ở 25 NHTMCP do yêu cầu đồng nhất chuỗi thời gian 15 năm (loại trừ một số ngân hàng bị kiểm soát đặc biệt hoặc mới thành lập).
- Hạn chế về biến phi truyền thống: Chưa đưa vào mô hình các biến số về thu nhập ngoài lãi (Non-interest income), tỷ lệ số hóa ngân hàng (Digital Banking index) và các tiêu chuẩn ESG.
- Hướng phát triển đề xuất:
- Mở rộng ứng dụng mô hình hồi quy động GMM (Generalized Method of Moments - Arellano-Bond / Blundell-Bond) để kiểm soát biến độ trễ của lợi nhuận ($\text{ROA}_{t-1}$) và khắc phục triệt để tính nội sinh tiềm ẩn.
- Tích hợp thuật toán Machine Learning (Random Forest, XGBoost) để xây dựng hệ thống cảnh báo sớm rủi ro thanh khoản và dự báo xác suất vỡ nợ của danh mục cho vay.
Đối tượng hưởng lợi
+-------------------+-----------------------------------------------------------------+
| NHÓM ĐỐI TƯỢNG | GIÁ TRỊ VÀ LỢI ÍCH ĐỊNH LƯỢNG |
+-------------------+-----------------------------------------------------------------+
| Sinh viên & Học | Nguồn tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu |
| viên Cao học | định lượng kinh tế lượng dữ liệu bảng (Stata commands & logic). |
+-------------------+-----------------------------------------------------------------+
| Chuyên viên phân | Khung tham chiếu thực nghiệm để định giá cổ phiếu ngân hàng, |
| tích tài chính | đánh giá độ nhạy lợi nhuận trước biến động lãi suất và lạm phát. |
+-------------------+-----------------------------------------------------------------+
| Nhà quản trị ngân | Cơ sở khoa học để thiết lập mục tiêu chiến lược: kiểm soát CIR, |
| hàng thương mại | tối ưu quy mô tín dụng và cân bằng đòn bẩy tài chính. |
+-------------------+-----------------------------------------------------------------+
| Cơ quan quản lý | Cung cấp bằng chứng thực nghiệm về hiệu quả các chính sách |
| (NHNN Việt Nam) | tiền tệ, trích lập dự phòng rủi ro và điều hành lãi suất vĩ mô. |
+-------------------+-----------------------------------------------------------------+
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và môi trường để tái lập mô hình nghiên cứu này là gì?
Cần cài đặt phần mềm Stata (phiên bản từ 14.0 trở lên, khuyến nghị Stata MP 17.0 để tối ưu tốc độ xử lý ma trận). Dữ liệu đầu vào cần cấu trúc theo định dạng Panel Data chuẩn (long format) với hai định danh chính: mã ngân hàng (bank_id) và chuỗi thời gian (year).
2. Vì sao mô hình FEM bị vi phạm và phải chuyển sang ước lượng FGLS?
Khi kiểm định mô hình FEM trên dữ liệu 25 ngân hàng trong 15 năm, kiểm định Modified Wald phát hiện phương sai sai số thay đổi giữa các thực thể ($p < 0,001$) và kiểm định Wooldridge phát hiện tự tương quan chuỗi ($p < 0,01$). Nếu tiếp tục dùng FEM thông thường, các sai số chuẩn sẽ bị chệch làm mất giá trị kiểm định $t$ và $F$. FGLS là công cụ chuẩn mực để hiệu chỉnh đồng thời cả hai khuyết tật này.
3. Tại sao tỷ lệ vốn chủ sở hữu (CAP) lại tác động trái chiều giữa ROA và ROE?
$\text{CAP} = \frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}}$. Khi $\text{CAP}$ tăng, tài sản tự có dồi dào giúp ngân hàng mở rộng cho vay an toàn, tăng thu nhập lãi ròng khiến $\text{ROA}$ tăng (+0,0412). Tuy nhiên, theo công thức Du Pont: $\text{ROE} = \text{ROA} \times \frac{\text{Tổng tài sản}}{\text{Vốn chủ sở hữu}}$. Khi vốn chủ sở hữu tăng quá nhanh, hệ số đòn bẩy tài chính (Equity Multiplier) giảm xuống, dẫn đến hệ số $\text{ROE}$ bị pha loãng (-0,0815).
4. Chi phí vận hành (COSR) ảnh hưởng như thế nào đến khả năng sinh lời?
$\text{COSR}$ là biến có hệ số hồi quy âm lớn nhất trong mô hình ($\beta = -1,1524$ với $\text{ROE}$). Điều này khẳng định chi phí quản lý và vận hành bộ máy cồng kềnh là nguyên nhân hàng đầu làm suy giảm tỷ suất sinh lời, chứng minh tầm quan trọng sống còn của việc tinh gọn bộ máy và số hóa ngân hàng.
5. Kết quả nghiên cứu có khả năng khái quát hóa cho giai đoạn tiếp theo không?
Bộ dữ liệu kéo dài 15 năm (2008–2022) bao quát đầy đủ các chu kỳ thắt chặt/nới lỏng tiền tệ và biến động khủng hoảng, do đó các hệ số ước lượng có giá trị dự báo cao và phản ánh đúng bản chất cấu trúc tài chính của hệ thống ngân hàng Việt Nam trong trung và dài hạn.
Kết luận
Khóa luận tốt nghiệp của tác giả Nguyễn Thị Thùy Trang đã giải quyết trọn vẹn bài toán xác định các nhân tố ảnh hưởng đến lợi nhuận của 25 NHTMCP Việt Nam giai đoạn 2008–2022. Bằng việc ứng dụng quy trình phân tích kinh tế lượng chặt chẽ từ Pooled OLS, FEM, REM đến mô hình chuẩn hóa FGLS, nghiên cứu đã lượng hóa chính xác tác động tích cực của quy mô ngân hàng ($\text{SIZE}$), tỷ lệ cho vay ($\text{LOAN}$) và thanh khoản ($\text{LIQ}$), đồng thời chỉ ra tác động bào mòn lợi nhuận nghiêm trọng của chi phí vận hành ($\text{COSR}$) và dự phòng rủi ro tín dụng ($\text{LLR}$).
Kết quả nghiên cứu cung cấp cơ sở thực nghiệm vững chắc cho ban điều hành các ngân hàng thương mại trong việc hoạch định chiến lược kinh doanh: ưu tiên số hóa để ghìm cương chi phí hoạt động, nâng cao chất lượng thẩm định tín dụng nhằm giảm thiểu tổn thất trích lập và duy trì cơ cấu vốn tự có tối ưu để vừa đảm bảo an toàn thanh khoản, vừa tối đa hóa lợi ích cho cổ đông.
