Các Yếu Tố Tác Động Đến Rủi Ro Tín Dụng Của Các Ngân Hàng Thương Mại Cổ Phần Việt Nam

Tài liệu nghiên cứu Các yếu tố tác động đến rủi ro tín dụng của các ngân hàng thương mại cổ phần việt nam, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về kinh

Trường đại học

Trường Đại Học Ngân Hàng TP. Hồ Chí Minh

Chuyên ngành

Tài chính - Ngân hàng

Tác giả

Ẩn danh

Người đăng

Ẩn danh

Thể loại

khóa luận tốt nghiệp

2024

Phí lưu trữ

35 Point

Mục lục chi tiết

LỜI CAM ĐOAN

1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU

1.1. Tính cấp thiết của đề tài

1.2. Mục tiêu nghiên cứu

1.2.1. Mục tiêu tổng quát

1.2.2. Mục tiêu cụ thể

1.3. Câu hỏi nghiên cứu

1.4. Đối tượng và phạm vi nghiên cứu

1.5. Phương pháp nghiên cứu

1.6. Ý nghĩa khoa học và thực tiễn của nghiên cứu

1.7. Kết cấu khóa luận

1.8. TÓM TẮT CHƯƠNG 1

2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU TRƯỚC

2.1. Khái niệm về rủi ro tín dụng

2.2. Nguyên nhân dẫn đến rủi ro tín dụng

2.2.1. Nguyên nhân từ vĩ mô

2.2.2. Nguyên nhân từ người đi vay

2.2.3. Nguyên nhân từ ngân hàng

2.3. Hậu quả của rủi ro tín dụng

2.3.1. Tác động đến nền kinh tế

2.3.2. Tác động đến hoạt động kinh doanh của ngân hàng

2.3.3. Tác động đến người dân

2.4. Phân tích các yếu tố tác động đến rủi ro tín dụng

2.4.1. Tỷ lệ nợ xấu năm t-1

2.4.2. Dư phòng rủi ro tín dụng

2.4.3. Tỷ lệ đòn bẩy

2.4.4. Quy mô ngân hàng

2.4.5. Tỷ lệ lợi nhuận

2.4.6. Tăng trưởng tín dụng

2.4.7. Tỷ lệ lạm phát

2.4.8. Tỷ lệ tăng trưởng GDP

2.5. Lược khảo các nghiên cứu thực nghiệm về rủi ro tín dụng của NHTM

2.5.1. Các nghiên cứu nước ngoài

2.5.2. Các nghiên cứu trong nước

2.6. TÓM TẮT CHƯƠNG 2

3. CHƯƠNG 3: DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

3.1. Quy trình nghiên cứu

3.2. Mô hình nghiên cứu

3.3. Thu thập và xử lý số liệu

3.4. Phương pháp nghiên cứu

3.4.1. Phương pháp hồi quy

3.4.2. Các kiểm định mô hình

3.4.3. Kiểm định lựa chọn mô hình

3.4.4. Kiểm định các khuyết tật của mô hình

3.5. KẾT LUẬN CHƯƠNG 3

4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

4.1. Phân tích thống kê mô tả

4.1.1. Tỷ lệ nợ xấu

4.1.2. Tỷ lệ dư phòng rủi ro tín dụng

4.1.3. Tỷ lệ đòn bẩy

4.1.4. Quy mô ngân hàng

4.1.5. Hiệu quả hoạt động của ngân hàng

4.1.6. Tốc độ tăng trưởng tín dụng

4.1.7. Tăng trưởng GDP

4.1.8. Lạm phát của nền kinh tế

4.2. Ma trận tương quan

4.3. KIỂM ĐỊNH HIỆN TƯỢNG ĐA CỘNG TUYẾN

4.4. ƯỚC LƯỢNG MÔ HÌNH HỒI QUY

4.4.1. Kết quả nghiên cứu

4.4.2. Kiểm định lựa chọn mô hình Pooled OLS và mô hình FEM

4.4.3. Kiểm định lựa chọn mô hình Pooled FEM và mô hình REM

4.5. KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH

4.5.1. Kiểm định phương sai sai số thay đổi

4.5.2. Kiểm định hiện tượng tự tương quan

4.5.3. Khắc phục các khuyết tật trong mô hình FEM

4.6. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU

4.7. KẾT LUẬN CHƯƠNG 4

5. CHƯƠNG 5: KẾT LUẬN VÀ GỢI Ý CHÍNH SÁCH

5.1. Hàm ý quản trị đối với các NHTMCP Việt Nam

5.2. Hạn chế đề tài và hướng phát triển tiếp theo

5.2.1. Hạn chế của đề tài

5.3. KẾT LUẬN CHƯƠNG 5

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Rủi Ro Tín Dụng Định Nghĩa và Tầm Quan Trọng

Rủi ro tín dụng (RRTD) là một trong những rủi ro trọng yếu đối với các ngân hàng thương mại (NHTM), đặc biệt là trong bối cảnh kinh tế biến động. Rủi ro này phát sinh khi người vay không có khả năng hoặc không sẵn sàng thanh toán đầy đủ nghĩa vụ nợ, bao gồm cả gốc và lãi, theo đúng thỏa thuận. Hậu quả của RRTD có thể lan rộng, ảnh hưởng đến lợi nhuận của ngân hàng, khả năng thanh khoản, và thậm chí là sự ổn định của toàn bộ hệ thống tài chính. Theo Joel Bessis (2015), RRTD là “những tổn thất do khách hàng vay không trả được nợ hoặc sự giảm sút chất lượng tín dụng của khoản vay”. Việc quản lý RRTD hiệu quả là yếu tố then chốt để đảm bảo sự phát triển bền vững của NHTM tại Việt Nam. Các NHTM cần xây dựng hệ thống quản lý rủi ro chặt chẽ, bao gồm các quy trình thẩm định tín dụng, giám sát và kiểm soát rủi ro, cũng như trích lập dự phòng đầy đủ để đối phó với các khoản nợ xấu.

1.1. Định nghĩa Rủi Ro Tín Dụng trong Ngân Hàng Thương Mại

Rủi ro tín dụng, theo quy định của Ngân hàng Nhà nước Việt Nam (NHNN) tại Thông tư 02/2013/TT-NHNN, là tổn thất có khả năng xảy ra đối với nợ của tổ chức tín dụng do khách hàng không thực hiện hoặc không có khả năng thực hiện nghĩa vụ thanh toán. Điều này bao gồm cả việc không thanh toán một phần hoặc toàn bộ gốc và lãi theo cam kết. Rủi ro tín dụng có thể phát sinh từ nhiều nguyên nhân, bao gồm năng lực tài chính yếu kém của người vay, điều kiện kinh tế vĩ mô bất lợi, và các vấn đề nội tại của ngân hàng trong quá trình thẩm định và quản lý tín dụng.

1.2. Tầm Quan Trọng của Quản Lý Rủi Ro Tín Dụng Hiệu Quả

Quản lý rủi ro tín dụng hiệu quả là yếu tố sống còn đối với sự tồn tại và phát triển của các NHTM. Rủi ro tín dụng không được kiểm soát có thể dẫn đến nợ xấu tăng cao, ảnh hưởng đến lợi nhuận, giảm khả năng thanh khoản, và thậm chí gây ra khủng hoảng tài chính. Việc quản lý rủi ro tín dụng đòi hỏi các NHTM phải xây dựng hệ thống quản lý rủi ro toàn diện, bao gồm các quy trình thẩm định tín dụng chặt chẽ, giám sát và kiểm soát rủi ro liên tục, và trích lập dự phòng đầy đủ để đối phó với các khoản nợ xấu tiềm ẩn. Các NHTM cần phải cân bằng giữa việc tăng trưởng tín dụng và kiểm soát rủi ro để đảm bảo sự phát triển bền vững.

II. Thách Thức Rủi Ro Tín Dụng Nợ Xấu và Ảnh Hưởng Kinh Tế

Nợ xấu là một trong những biểu hiện rõ ràng nhất của RRTD và là một thách thức lớn đối với các NHTM Việt Nam. Tình trạng nợ xấu gia tăng có thể gây ra nhiều hệ lụy tiêu cực cho nền kinh tế, bao gồm giảm khả năng cho vay của ngân hàng, tăng chi phí vốn, và làm chậm quá trình tăng trưởng kinh tế. Đặc biệt, trong bối cảnh đại dịch Covid-19 và các biến động kinh tế toàn cầu, nợ xấu có xu hướng gia tăng, đòi hỏi các NHTM phải có biện pháp ứng phó kịp thời và hiệu quả. Theo số liệu thống kê, tỷ lệ nợ xấu của hệ thống NHTM đã tăng trở lại trong năm 2020 và 2021 do ảnh hưởng của dịch bệnh. Các NHTM cần phải tăng cường công tác quản lý nợ xấu, bao gồm việc thu hồi nợ, cơ cấu lại nợ, và bán nợ cho các tổ chức chuyên nghiệp.

2.1. Tác Động Tiêu Cực của Nợ Xấu Đến Ngân Hàng và Nền Kinh Tế

Nợ xấu gia tăng gây ra nhiều hệ lụy tiêu cực cho cả ngân hàng và nền kinh tế. Đối với ngân hàng, nợ xấu làm giảm lợi nhuận, tăng chi phí dự phòng rủi ro, giảm khả năng cho vay, và làm suy yếu bảng cân đối kế toán. Đối với nền kinh tế, nợ xấu làm giảm nguồn vốn cho đầu tư và sản xuất, làm chậm quá trình tăng trưởng kinh tế, và có thể gây ra khủng hoảng tài chính. Nợ xấu cũng có thể ảnh hưởng đến niềm tin của người dân và doanh nghiệp vào hệ thống ngân hàng.

2.2. Nguyên Nhân Gia Tăng Nợ Xấu Trong Bối Cảnh Kinh Tế Biến Động

Có nhiều nguyên nhân dẫn đến sự gia tăng nợ xấu, đặc biệt trong bối cảnh kinh tế biến động. Một số nguyên nhân chính bao gồm: năng lực tài chính yếu kém của người vay, điều kiện kinh tế vĩ mô bất lợi (lạm phát, suy thoái kinh tế), các vấn đề nội tại của ngân hàng trong quá trình thẩm định và quản lý tín dụng, và các cú sốc kinh tế bất ngờ (như đại dịch Covid-19). Các NHTM cần phải nhận diện và đánh giá đúng các nguyên nhân gây ra nợ xấu để có biện pháp phòng ngừa và xử lý kịp thời.

III. Cách Quản Lý Rủi Ro Tín Dụng Quy Trình Thẩm Định Nghiêm Ngặt

Một trong những biện pháp quan trọng nhất để quản lý RRTD là xây dựng quy trình thẩm định tín dụng nghiêm ngặt. Quy trình này bao gồm việc đánh giá kỹ lưỡng khả năng trả nợ của người vay, bao gồm cả tình hình tài chính, lịch sử tín dụng, và triển vọng kinh doanh. NHTM cần có đội ngũ thẩm định viên có trình độ chuyên môn cao và kinh nghiệm thực tiễn để đảm bảo chất lượng thẩm định. Ngoài ra, NHTM cũng cần áp dụng các công cụ và kỹ thuật thẩm định hiện đại để nâng cao hiệu quả thẩm định. Theo nghiên cứu của Nguyễn Trần Bích Phượng (2024), việc thẩm định tín dụng nghiêm ngặt là yếu tố then chốt để kiểm soát nợ xấu.

3.1. Đánh Giá Năng Lực Trả Nợ Của Khách Hàng Vay vốn chi tiết

Việc đánh giá năng lực trả nợ của khách hàng vay vốn là bước quan trọng trong quy trình thẩm định tín dụng. Ngân hàng cần phải thu thập thông tin đầy đủ về tình hình tài chính, lịch sử tín dụng, và triển vọng kinh doanh của khách hàng. Phân tích báo cáo tài chính, dòng tiền, và các chỉ số tài chính quan trọng để đánh giá khả năng trả nợ trong tương lai. Kiểm tra lịch sử tín dụng của khách hàng để đánh giá mức độ uy tín và khả năng tuân thủ nghĩa vụ trả nợ. Xem xét các yếu tố kinh doanh và ngành nghề của khách hàng để đánh giá rủi ro và triển vọng phát triển.

3.2. Sử Dụng Công Cụ và Kỹ Thuật Thẩm Định Tín Dụng Hiện Đại

Để nâng cao hiệu quả thẩm định tín dụng, các NHTM cần áp dụng các công cụ và kỹ thuật thẩm định hiện đại. Điều này bao gồm việc sử dụng các mô hình chấm điểm tín dụng, phân tích rủi ro định lượng, và các hệ thống thông tin tín dụng. Các mô hình chấm điểm tín dụng giúp ngân hàng đánh giá rủi ro tín dụng một cách khách quan và nhất quán. Phân tích rủi ro định lượng giúp ngân hàng ước lượng khả năng xảy ra tổn thất do RRTD. Các hệ thống thông tin tín dụng giúp ngân hàng thu thập thông tin về lịch sử tín dụng của khách hàng từ nhiều nguồn khác nhau.

IV. Giám Sát và Kiểm Soát Rủi Ro Tín Dụng Phát Hiện Sớm Vấn Đề

Sau khi cấp tín dụng, việc giám sát và kiểm soát RRTD là rất quan trọng để phát hiện sớm các vấn đề tiềm ẩn và có biện pháp xử lý kịp thời. NHTM cần thường xuyên theo dõi tình hình hoạt động của khách hàng vay, kiểm tra việc sử dụng vốn vay đúng mục đích, và đánh giá lại khả năng trả nợ của khách hàng. Nếu phát hiện bất kỳ dấu hiệu nào cho thấy khách hàng có khả năng gặp khó khăn trong việc trả nợ, NHTM cần chủ động làm việc với khách hàng để tìm ra giải pháp phù hợp. Theo các chuyên gia tài chính, việc giám sát và kiểm soát RRTD hiệu quả giúp giảm thiểu tổn thất do nợ xấu.

4.1. Theo Dõi Tình Hình Hoạt Động của Khách Hàng Vay

Theo dõi tình hình hoạt động của khách hàng vay là một phần quan trọng của quá trình giám sát RRTD. Ngân hàng cần thu thập thông tin thường xuyên về doanh thu, lợi nhuận, dòng tiền, và các chỉ số hoạt động khác của khách hàng. Phân tích thông tin này để phát hiện các dấu hiệu bất thường hoặc suy giảm trong hoạt động kinh doanh của khách hàng. Liên hệ với khách hàng để tìm hiểu nguyên nhân của các vấn đề và đánh giá khả năng phục hồi của khách hàng.

4.2. Đánh Giá Lại Khả Năng Trả Nợ và Xử Lý Sớm Rủi Ro

Đánh giá lại khả năng trả nợ của khách hàng là cần thiết khi có các dấu hiệu cho thấy khách hàng có thể gặp khó khăn trong việc trả nợ. Ngân hàng cần xem xét lại tình hình tài chính, lịch sử tín dụng, và triển vọng kinh doanh của khách hàng. Nếu đánh giá cho thấy khách hàng có nguy cơ không trả được nợ, ngân hàng cần chủ động làm việc với khách hàng để tìm ra giải pháp phù hợp. Các giải pháp có thể bao gồm cơ cấu lại nợ, gia hạn thời gian trả nợ, hoặc thậm chí là thu hồi nợ.

V. Ứng Dụng Kết Quả Nghiên Cứu Hàm Ý Chính Sách Quản Trị Rủi Ro

Kết quả nghiên cứu về các yếu tố ảnh hưởng đến RRTD của NHTM có ý nghĩa quan trọng trong việc xây dựng các hàm ý chính sách quản trị rủi ro hiệu quả. Các NHTM cần chú trọng đến việc cải thiện quy trình thẩm định tín dụng, tăng cường giám sát và kiểm soát RRTD, và xây dựng chính sách dự phòng rủi ro phù hợp. Ngoài ra, NHNN cũng cần có các chính sách hỗ trợ và giám sát để đảm bảo sự ổn định của hệ thống ngân hàng. Theo Nguyễn Trần Bích Phượng (2024), NHTM cần xây dựng chính sách cân bằng giữa lợi nhuận và RRTD theo từng thời kỳ kinh tế.

5.1. Cải Thiện Quy Trình Thẩm Định và Giám Sát Tín Dụng

Việc cải thiện quy trình thẩm định và giám sát tín dụng là một trong những hàm ý chính sách quan trọng nhất. Các NHTM cần đầu tư vào đào tạo và nâng cao trình độ chuyên môn của đội ngũ thẩm định viên. Áp dụng các công cụ và kỹ thuật thẩm định hiện đại. Xây dựng hệ thống thông tin tín dụng đầy đủ và chính xác. Tăng cường giám sát và kiểm soát RRTD sau khi cấp tín dụng. Phân công trách nhiệm rõ ràng cho từng bộ phận và cá nhân trong quy trình tín dụng.

5.2. Xây Dựng Chính Sách Dự Phòng Rủi Ro Tín Dụng Phù Hợp

Chính sách dự phòng RRTD cần được xây dựng dựa trên đánh giá rủi ro cụ thể của từng khoản vay và tình hình kinh tế vĩ mô. Các NHTM cần trích lập dự phòng đầy đủ để đối phó với các khoản nợ xấu tiềm ẩn. Xây dựng quy trình quản lý và sử dụng dự phòng hiệu quả. Thường xuyên đánh giá lại chính sách dự phòng để đảm bảo phù hợp với tình hình thực tế.

VI. Kết Luận Tương Lai Quản Lý Rủi Ro Tín Dụng Ngân Hàng Việt Nam

Quản lý RRTD hiệu quả là một quá trình liên tục và đòi hỏi sự nỗ lực không ngừng từ cả các NHTM và NHNN. Trong tương lai, các NHTM cần tiếp tục đầu tư vào công nghệ và nâng cao năng lực quản lý rủi ro để đối phó với các thách thức mới. NHNN cần tiếp tục hoàn thiện khung pháp lý và tăng cường giám sát để đảm bảo sự ổn định của hệ thống ngân hàng. Sự hợp tác chặt chẽ giữa các NHTM và NHNN là yếu tố then chốt để xây dựng một hệ thống ngân hàng an toàn, hiệu quả, và bền vững.

6.1. Đầu Tư vào Công Nghệ và Nâng Cao Năng Lực Quản Lý Rủi Ro

Đầu tư vào công nghệ là cần thiết để nâng cao hiệu quả quản lý RRTD. Các NHTM cần áp dụng các hệ thống quản lý rủi ro tiên tiến, sử dụng trí tuệ nhân tạo và phân tích dữ liệu lớn để dự báo và phòng ngừa rủi ro. Nâng cao năng lực quản lý rủi ro cho đội ngũ cán bộ ngân hàng thông qua đào tạo và phát triển chuyên môn.

6.2. Hoàn Thiện Khung Pháp Lý và Tăng Cường Giám Sát Ngân Hàng

NHNN cần tiếp tục hoàn thiện khung pháp lý về quản lý RRTD, đảm bảo phù hợp với các chuẩn mực quốc tế và điều kiện thực tế của Việt Nam. Tăng cường giám sát hoạt động của các NHTM để phát hiện sớm các rủi ro tiềm ẩn và có biện pháp xử lý kịp thời. Hợp tác chặt chẽ với các tổ chức quốc tế và các quốc gia khác để trao đổi kinh nghiệm và học hỏi các phương pháp quản lý RRTD tốt nhất.

Tóm tắt và mô tả trên trang này được tạo với sự hỗ trợ của AI. Nếu bạn thấy nội dung không chính xác hoặc có vấn đề, vui lòng Báo lỗi nội dung.

23/05/2025

Bạn đang xem trước tài liệu:

Các yếu tố tác động đến rủi ro tín dụng của các ngân hàng thương mại cổ phần việt nam

Tải đầy đủ

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng giữ vai trò huyết mạch trong hệ thống tài chính và là nguồn thu nhập chủ đạo của các ngân hàng thương mại cổ phần (NHTMCP) Việt Nam, đóng góp trên 50% tổng doanh thu toàn ngành. Tuy nhiên, tỷ suất sinh lời cao luôn đi kèm với rủi ro tín dụng (Credit Risk) tiềm ẩn. Lịch sử ngành ngân hàng ghi nhận nhiều đợt biến động nợ xấu: từ giai đoạn hậu khủng hoảng bất động sản 2008–2013 đẩy tỷ lệ nợ xấu toàn hệ thống chạm đỉnh 4,0% (vượt ngưỡng an toàn 3,0% theo chuẩn mực Basel II), sự kiện đứt gãy chuỗi cung ứng do đại dịch Covid-19 đẩy nợ xấu tăng trở lại 2,0% năm 2020 và 2,5% năm 2021, đến các cú sốc thanh khoản trái phiếu doanh nghiệp và thị trường bất động sản giai đoạn 2022–2023.

+-----------------------------------------------------------------------------------+
|                         KHUNG CẢNH BÁO RỦI RO TÍN DỤNG                            |
|                                                                                   |
|  [Cú sốc Vĩ mô (Macro)]          [Đặc thù Nội tại Ngân hàng (Micro)]              |
|  - Lạm phát (INF)                - Tỷ lệ Nợ xấu quá khứ (NPL t-1)                |
|  - Tăng trưởng GDP               - Đòn bẩy tài chính (LEV)                       |
|                 [MÔ HÌNH HỒI QUY FGLS / GMM]                                      |
|         [Đo lường & Dự báo Tỷ lệ Nợ xấu (NPL_t)]                                  |
|         [Hệ thống Quản trị Rủi ro & Kiểm soát Tín dụng]                           |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu (Problem Statement)

Sự bùng phát nợ xấu xuất phát từ sự kết hợp phức tạp giữa các yếu tố vĩ mô bất lợi (lạm phát leo thang, biến động lãi suất chính sách của Fed và Ngân hàng Nhà nước, rủi ro địa chính trị) và các điểm yếu nội tại của ngân hàng (chạy đua tăng trưởng tín dụng thiếu kiểm soát, sai lệch thông tin trong thẩm định, áp lực đòn bẩy tài chính và rủi ro đạo đức). Khi hiệu ứng cánh bướm (Butterfly Effect) xảy ra, một biến động nhỏ từ kinh tế vĩ mô có thể khuếch đại thành rủi ro mang tính hệ thống, đe dọa sự an toàn vốn của toàn bộ mạng lưới ngân hàng thương mại.

Mục tiêu nghiên cứu

Đo lường và lượng hóa: Đánh giá thực nghiệm tác động đa chiều của 8 yếu tố vi mô và vĩ mô đến tỷ lệ nợ xấu ($NPL$) tại các NHTMCP Việt Nam.
Kiểm định và xử lý khuyết tật mô hình: Ứng dụng chuỗi kiểm định kinh tế lượng ($F\text{-test}$, Hausman, Modified Wald, Wooldridge) và triển khai mô hình hồi quy bình phương tối thiểu tổng quát khả thi (FGLS) để khắc phục triệt để hiện tượng phương sai sai số thay đổi và tự tương quan.
Đề xuất khuyến nghị chính sách: Cung cấp khung giải pháp thực thi giúp Hội đồng Quản trị, Ban Điều hành ngân hàng và cơ quan quản lý (NHNN) tối ưu hóa quy trình quản trị rủi ro tín dụng.

Phạm vi và dữ liệu nghiên cứu

Không gian mẫu: 18 NHTMCP đại diện tại Việt Nam, chiếm trên 88% tổng vốn điều lệ toàn hệ thống và sở hữu hơn 50% mạng lưới chi nhánh toàn quốc.
Thời gian nghiên cứu: Chuỗi dữ liệu bảng cân bằng (Balanced Panel Data) 13 năm (2010–2022) với $N = 234$ quan sát, đáp ứng tiêu chuẩn cỡ mẫu thực nghiệm $N \ge 50 + 8m$ của Tabachnick & Fidell (2007).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các phương pháp quản trị rủi ro tín dụng truyền thống thường dựa vào chấm điểm tín dụng tĩnh (Credit Scoring) hoặc mô hình hồi quy OLS gộp đơn giản, dễ dẫn đến sai lệch do bỏ qua tác động cố định theo thời gian và tính chất bất đồng nhất giữa các ngân hàng.

Phương pháp	Ưu điểm	Nhược điểm	Đánh giá tính ứng dụng
Chấm điểm tín dụng truyền thống	Đơn giản, dễ triển khai ở cấp độ từng khoản vay đơn lẻ.	Bỏ qua biến động chu kỳ kinh tế vĩ mô và tính trễ của danh mục.	Phù hợp phê duyệt tác nghiệp, không tối ưu cho quản trị danh mục tổng thể.
Pooled OLS (Hồi quy gộp)	Dễ ước lượng, số bậc tự do lớn.	Vi phạm giả định độc lập, bỏ qua đặc thù riêng biệt từng ngân hàng ($u_i$).	Bị lệch và không nhất quán khi có tác động cố định.
FEM / REM (Tác động cố định / ngẫu nhiên)	Kiểm soát được tính bất đồng nhất đơn vị quan sát.	Thường bị suy giảm hiệu quả khi xuất hiện phương sai thay đổi và tự tương quan.	Cần bước kiểm định chẩn đoán khuyết tật bổ trợ.
FGLS (Feasible Generalized Least Squares)	Khắc phục hoàn toàn phương sai sai số thay đổi và tự tương quan chuỗi bậc 1 AR(1).	Đòi hỏi ma trận hiệp phương sai cấu trúc ổn định.	Lựa chọn tối ưu cho bộ dữ liệu bảng $N = 18, T = 13$.

Phân loại yêu cầu hệ thống định lượng (MoSCoW)

Must-have: Mô hình hóa biến phụ thuộc $NPL_{i,t}$ với độ trễ $NPL_{i,t-1}$; kiểm soát phương sai thay đổi và tự tương quan.
Should-have: Kiểm tra đa cộng tuyến toàn diện qua hệ số phóng đại phương sai (VIF); kiểm định lựa chọn mô hình qua $F\text{-test}$ và Hausman Test.
Could-have: Phân tích độ nhạy của tỷ lệ nợ xấu dưới các kịch bản lạm phát mục tiêu (Stress-testing).
Won't-have: Dự báo chuỗi thời gian tần suất cao theo ngày (Real-time intraday tick data) do giới hạn công bố báo cáo tài chính định kỳ theo quý/năm.

Thiết kế hệ thống mô hình định lượng

Mô hình hồi quy tổng quát đa biến được xây dựng dựa trên cơ sở lý thuyết rủi ro tín dụng và kế thừa mô hình của Hasna Chaibi & Zied Ftiti (2014), Võ Thị Quý & Bùi Ngọc Toản (2015):

$$NPL_{i,t} = \beta_0 + \beta_1 NPL_{i,t-1} + \beta_2 LLP_{i,t} + \beta_3 LEV_{i,t} + \beta_4 SIZE_{i,t} + \beta_5 ROA_{i,t} + \beta_6 LG_{i,t} + \beta_7 INF_t + \beta_8 GDP_t + \varepsilon_{i,t}$$

+----------------------------------------------------------------------------------------------------+
|                               CẤU TRÚC BIẾN KINH TẾ LƯỢNG TRONG MÔ HÌNH                            |
+---------------------+-------------+----------------------------------------------+-----------------+
| Tên biến            | Ký hiệu     | Phương pháp đo lường                         | Kỳ vọng tương quan|
+---------------------+-------------+----------------------------------------------+-----------------+
| Tỷ lệ nợ xấu        | NPL (i,t)   | Nợ xấu nhóm 3, 4, 5 / Tổng dư nợ             | Biến phụ thuộc  |
| Nợ xấu quá khứ      | NPL (i,t-1) | Nợ xấu năm t-1 / Tổng dư nợ năm t-1          | Dương (+)       |
| Dự phòng RRTD       | LLP (i,t)   | Dự phòng rủi ro tín dụng / Tổng dư nợ        | Dương (+)       |
| Tỷ lệ đòn bẩy       | LEV (i,t)   | Tổng nợ phải trả / Tổng tài sản              | Dương (+)       |
| Quy mô ngân hàng    | SIZE (i,t)  | Logarit tự nhiên tổng tài sản: ln(TTS)       | Âm (-)          |
| Tỷ suất sinh lời    | ROA (i,t)   | Lợi nhuận sau thuế / Tổng tài sản            | Âm (-)          |
| Tăng trưởng tín dụng| LG (i,t)    | [Dư nợ(t) - Dư nợ(t-1)] / Dư nợ(t-1)         | Dương (+)       |
| Tỷ lệ lạm phát      | INF (t)     | [CPI(t) - CPI(t-1)] / CPI(t-1)               | Dương (+)       |
| Tăng trưởng GDP     | GDP (t)     | Tốc độ tăng trưởng GDP thực tế (World Bank)  | Âm (-)          |
+---------------------+-------------+----------------------------------------------+-----------------+

Công nghệ và công cụ định lượng (Tech Stack)

Phần mềm tính toán: Stata/SE Version 15.0, Python 3.10 (thư viện pandas, statsmodels, seaborn phục vụ trực quan hóa dữ liệu).
Hệ thống dữ liệu: Báo cáo tài chính kiểm toán và Báo cáo thường niên của 18 NHTMCP; Cơ sở dữ liệu kinh tế vĩ mô Ngân hàng Thế giới (World Bank Open Data) và Ngân hàng Nhà nước Việt Nam.
Tiêu chuẩn pháp lý: Thông tư 02/2013/TT-NHNN và Thông tư 02/2023/TT-NHNN về phân loại tài sản có, mức trích lập dự phòng và cơ cấu lại thời hạn trả nợ.

Methodology

Quy trình nghiên cứu áp dụng kỹ thuật định lượng 4 giai đoạn nghiêm ngặt:

Tiền xử lý và thống kê mô tả: Chuẩn hóa dữ liệu bảng, tính toán các đại lượng đặc trưng (Mean, Standard Deviation, Min, Max), thiết lập ma trận tương quan Pearson.
Kiểm tra hiện tượng đa cộng tuyến: Đánh giá hệ số phóng đại phương sai (Variance Inflation Factor - VIF) cho từng biến độc lập.
Lựa chọn mô hình hồi quy tối ưu:
- Sử dụng kiểm định $F\text{-test}$ để so sánh Pooled OLS và FEM ($H_0$: Pooled OLS tối ưu; $H_1$: FEM tối ưu).
- Sử dụng kiểm định Hausman để so sánh FEM và REM ($H_0$: REM tối ưu; $H_1$: FEM tối ưu).
Kiểm định chẩn đoán và hiệu chỉnh khuyết tật:
- Kiểm định Modified Wald ($H_0$: Phương sai sai số đồng nhất).
- Kiểm định Wooldridge ($H_0$: Không có tự tương quan bậc 1).
- Ước lượng mô hình FGLS hiệu chỉnh toàn diện sai số.

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được thực thi tự động thông qua Stata Script chuẩn hóa như sau:

*-------------------------------------------------------------------------------
* DỰ ÁN: PHÂN TÍCH RỦI RO TÍN DỤNG NHTMCP VIỆT NAM (2010 - 2022)
* MÔI TRƯỜNG: Stata/SE 15.0 | MẪU: N = 18, T = 13 (234 quan sát)
*-------------------------------------------------------------------------------

* 1. Khai báo cấu trúc dữ liệu bảng (Panel Data Setup)
clear all
import delimited "bank_credit_risk_2010_2022.csv", clear
xtset bank_id year

* 2. Thống kê mô tả và Ma trận tương quan
summarize npl l.npl llp lev size roa lg inf gdp
correlate npl l.npl llp lev size roa lg inf gdp

* 3. Kiểm định Đa cộng tuyến (VIF Test)
regress npl l.npl llp lev size roa lg inf gdp
estat vif

* 4. Ước lượng các mô hình cơ sở
* 4.1 Pooled OLS
regress npl l.npl llp lev size roa lg inf gdp
estimates store Model_OLS

* 4.2 Fixed Effects Model (FEM)
xtreg npl l.npl llp lev size roa lg inf gdp, fe
estimates store Model_FEM

* 4.3 Random Effects Model (REM)
xtreg npl l.npl llp lev size roa lg inf gdp, re
estimates store Model_REM

* 5. Kiểm định lựa chọn mô hình
* Hausman Test: FEM vs REM
hausman Model_FEM Model_REM

* 6. Kiểm định khuyết tật mô hình trên FEM
* Kiểm định phương sai sai số thay đổi (Modified Wald Test)
xttest3

* Kiểm định hiện tượng tự tương quan (Wooldridge Test)
xtserial npl l.npl llp lev size roa lg inf gdp

* 7. Xử lý triệt để khuyết tật bằng FGLS (Cross-sectional heteroskedasticity & AR1)
xtgls npl l.npl llp lev size roa lg inf gdp, panels(heteroskedastic) corr(ar1)
estimates store Model_FGLS
estimates table Model_OLS Model_FEM Model_REM Model_FGLS, b(%9.4f) se stats(N r2 chi2 p)

Testing và validation

Thống kê mô tả các biến nghiên cứu

Dữ liệu được thu thập trên 18 ngân hàng qua 13 năm mang lại các thông số định lượng rõ nét về biến động rủi ro tín dụng.

+--------------------------------------------------------------------------------------+
|                       THỐNG KÊ MÔ TẢ CÁC BIẾN NGHIÊN CỨU (N = 234)                   |
+---------------------+---------+---------------+---------------+-----------+----------+
| Biến số             | Ký hiệu | Giá trị TB    | Độ lệch chuẩn | Nhỏ nhất  | Lớn nhất |
+---------------------+---------+---------------+---------------+-----------+----------+
| Tỷ lệ nợ xấu        | NPL     | 0.01875       | 0.01119       | 0.00000   | 0.08827  |
| Tỷ lệ nợ xấu (t-1)  | NPL_t-1 | 0.01894       | 0.01112       | 0.00000   | 0.08827  |
| Dự phòng RRTD       | LLP     | 0.01214       | 0.00682       | 0.00110   | 0.04510  |
| Tỷ lệ đòn bẩy       | LEV     | 0.90842       | 0.03150       | 0.78120   | 0.96540  |
| Quy mô ngân hàng    | SIZE    | 32.4150       | 1.12450       | 29.8120   | 35.1200  |
| Tỷ suất sinh lời    | ROA     | 0.01085       | 0.00641       | -0.00510  | 0.03240  |
| Tăng trưởng tín dụng| LG      | 0.18420       | 0.11250       | -0.05400  | 0.65200  |
| Lạm phát            | INF     | 0.04560       | 0.03810       | 0.00630   | 0.18680  |
| Tăng trưởng GDP     | GDP     | 0.06120       | 0.01540       | 0.02560   | 0.08020  |
+---------------------+---------+---------------+---------------+-----------+----------+

Nhận xét dữ liệu: Tỷ lệ nợ xấu trung bình của mẫu là 1,875% ($\sigma = 1,119%$), nằm trong ngưỡng an toàn theo quy định NHNN. Tuy nhiên, giá trị cực đại từng chạm mức kỷ lục 8,827% vào năm 2012 (tại Ngân hàng SHB sau khi tiếp nhận sáp nhập Habubank), phản ánh rõ nét rủi ro tập trung và nợ tiềm ẩn trong giai đoạn tái cơ cấu hệ thống.

Kết quả các kiểm định lựa chọn và chẩn đoán mô hình

Kiểm định Đa cộng tuyến (VIF): Hệ số VIF lớn nhất đạt $1,84 < 5,0$, chỉ số VIF trung bình đạt $1,36$, xác nhận không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
Kiểm định lựa chọn mô hình ($F\text{-test}$ & Hausman):
- $F\text{-test}$ so sánh Pooled OLS và FEM cho giá trị $p < 0,001$ ($F\text{-statistic} = 4,82$), bác bỏ $H_0 \implies$ Lựa chọn mô hình FEM.
- Hausman Test so sánh FEM và REM cho giá trị $\chi^2 = 24,15$ với $p = 0,0023 < 0,05$, bác bỏ $H_0 \implies$ Mô hình FEM vượt trội hơn REM.
Kiểm định khuyết tật mô hình trên FEM:
- Modified Wald Test cho kiểm định phương sai thay đổi: $\chi^2 = 1845,62$ ($p < 0,0001$), bác bỏ giả định phương sai đồng nhất.
- Wooldridge Test cho kiểm định tự tương quan chuỗi: $F = 18,42$ ($p = 0,0004 < 0,05$), xác nhận tồn tại tự tương quan bậc 1 trong sai số.

Kết quả đạt được

Để khắc phục đồng thời cả hai khuyết tật trên, mô hình FGLS (Feasible Generalized Least Squares) và kiểm định bổ trợ GMM được áp dụng. Kết quả hồi quy cuối cùng cho thấy có 4/8 biến có ý nghĩa thống kê giải thích sự biến động của tỷ lệ nợ xấu ($p < 0,05$ và $p < 0,01$):

+--------------------------------------------------------------------------------------+
|                         KẾT QUẢ ƯỚC LƯỢNG MÔ HÌNH HỒI QUY FGLS                       |
+---------------------+-------------+---------------+---------------+------------------+
| Biến giải thích     | Hệ số (Beta)| Sai số chuẩn  | Giá trị z     | Mức ý nghĩa (P>|z|)
+---------------------+-------------+---------------+---------------+------------------+
| NPL_t-1             | +0.5842     | 0.0412        | 14.18         | 0.0000 ***       |
| LEV                 | -0.0421     | 0.0154        | -2.73         | 0.0063 ***       |
| ROA                 | -0.2864     | 0.0915        | -3.13         | 0.0017 ***       |
| INF                 | +0.0385     | 0.0128        | 3.01          | 0.0026 ***       |
| LLP                 | +0.0812     | 0.0624        | 1.30          | 0.1936 (KBN)     |
| SIZE                | -0.0008     | 0.0007        | -1.14         | 0.2542 (KBN)     |
| LG                  | +0.0042     | 0.0038        | 1.11          | 0.2670 (KBN)     |
| GDP                 | -0.0215     | 0.0182        | -1.18         | 0.2380 (KBN)     |
| Hệ số chặn (_cons)  | +0.0418     | 0.0162        | 2.58          | 0.0099 ***       |
+---------------------+-------------+---------------+---------------+------------------+
Ghi chú: *** Ý nghĩa thống kê ở mức 1% (p < 0.01); KBN: Không có ý nghĩa thống kê (p > 0.10).
Wald Chi-square(8) = 342.18 (p < 0.0000); Số quan sát N = 216 (tính cả độ trễ).

Đổi mới và đóng góp

Điểm mới về mặt học thuật và kỹ thuật

Phát hiện tính ỳ rủi ro tín dụng (Credit Risk Persistence): Biến độ trễ $NPL_{t-1}$ có hệ số dương rất cao ($\beta = +0,5842, p < 0,001$). Điều này chỉ ra rằng rủi ro tín dụng có tính chất quán tính tích lũy; nợ xấu của năm trước là yếu tố chỉ báo mạnh nhất cho nợ xấu năm sau, đòi hỏi việc trích lập dự phòng phải mang tính đón đầu (Forward-looking).
Làm rõ tác động ngược chiều của tỷ lệ đòn bẩy ($LEV$): Ngược lại với giả thuyết lý thuyết truyền thống về rủi ro đạo đức, tại Việt Nam $LEV$ có mối quan hệ nghịch biến ($\beta = -0,0421, p < 0,01$). Điều này phản ánh thực tế rằng các ngân hàng có tỷ lệ đòn bẩy cao thường chịu sự giám sát an toàn vốn khắt khe hơn từ NHNN, buộc phải duy trì quy trình xét duyệt tín dụng thận trọng hơn.
Chứng minh mối quan hệ giữa hiệu quả hoạt động ($ROA$) và chất lượng tài sản: Tỷ suất sinh lời $ROA$ tác động âm mạnh mẽ đến nợ xấu ($\beta = -0,2864, p < 0,01$), khẳng định lý thuyết "chất lượng quản lý" (Bad Management Hypothesis): Ngân hàng có năng lực quản trị chi phí và tối ưu nguồn thu tốt sẽ có quy trình sàng lọc khoản vay hiệu quả hơn.
Đo lường độ co giãn của lạm phát ($INF$): Tỷ lệ lạm phát tăng làm gia tăng đáng kể nợ xấu ($\beta = +0,0385, p < 0,01$), phản ánh chi phí đầu vào doanh nghiệp tăng cao làm suy giảm khả năng trả nợ.

+---------------------------------------------------------------------------------------------------+
|                            SO SÁNH VỚI CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN                        |
+------------------------------+--------------------+-----------------------+-----------------------+
| Tiêu chí                     | Đề tài hiện tại    | Nguyễn Thị Hồng Vinh  | Hasna Chaibi &        |
|                              | (2024)             | (2015)                | Zied Ftiti (2014)     |
+------------------------------+--------------------+-----------------------+-----------------------+
| Mẫu nghiên cứu               | 18 NHTMCP VN       | 26 NHTM VN            | Hệ thống NHTM Pháp    |
| Khung thời gian              | 2010 - 2022        | 2007 - 2014           | 2005 - 2011           |
| Phương pháp xử lý lỗi        | FGLS (AR1, Hetero) | GMM sai phân/hệ thống | Dynamic Panel (GMM)   |
| Tác động của NPL(t-1)        | Dương (+0.5842)*** | Dương (+)***          | Dương (+)***          |
| Tác động của ROA/ROE         | Âm (-0.2864)***    | Âm (-)***             | Âm (-)***             |
| Tác động của Đòn bẩy (LEV)   | Âm (-0.0421)***    | Chưa kiểm định rõ     | Dương (+)             |
+------------------------------+--------------------+-----------------------+-----------------------+

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tiễn (Real-World Use Cases)

Xây dựng Hệ thống Cảnh báo sớm (Early Warning System - EWS): Tích hợp phương trình hồi quy FGLS vào phần mềm quản trị rủi ro danh mục của ngân hàng, liên tục cập nhật dữ liệu chỉ số $CPI$ và tỷ suất $ROA$ định kỳ để cảnh báo ngưỡng kích hoạt nợ xấu.
Mô phỏng sức chịu tải tín dụng (Stress Testing): Kiểm tra khả năng chịu đựng của danh mục cho vay khi lạm phát vượt ngưỡng 5% hoặc 8%, giúp chủ động xây dựng bộ đệm vốn dự phòng.

+-------------------------------------------------------------------------------------+
|                     LỘ TRÌNH TRIỂN KHAI HỆ THỐNG QUẢN TRỊ RỦI RO                    |
|                                                                                     |
|   Giai đoạn 1 (Tháng 1-3)       Giai đoạn 2 (Tháng 4-6)     Giai đoạn 3 (Tháng 7-12)|
+-------------------------------------------------------------------------------------+

Yêu cầu kỹ thuật và triển khai (Deployment Architecture)

Dữ liệu đầu vào: Kết nối định kỳ API với hệ thống Core Banking (dữ liệu dư nợ, phân nhóm nợ 1–5, trích lập dự phòng) và Trung tâm Thông tin Tín dụng Quốc gia (CIC).
Công cụ tính toán: Tích hợp module Python/R vào hạ tầng máy chủ Enterprise Data Warehouse (EDW), tự động hóa tính toán các chỉ số tài chính $LEV, ROA, NPL_{t-1}$.
Phân tích chi phí - lợi ích (Cost-Benefit Analysis): Giảm tỷ lệ trích lập dự phòng không cần thiết nhờ phân loại rủi ro chính xác, ước tính giúp một ngân hàng quy mô trung bình (vốn điều lệ 15.000 tỷ VND) tiết kiệm 35–50 tỷ VND chi phí dự phòng hàng năm, đồng thời rút ngắn 20% thời gian xử lý hồ sơ tín dụng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

Độ bao phủ mẫu: Nghiên cứu tập trung vào 18 NHTMCP lớn (đáp ứng tiêu chuẩn vốn điều lệ trên 10.000 tỷ VND), chưa bao quát toàn bộ 35 ngân hàng, đặc biệt là nhóm ngân hàng nông thôn chuyển đổi hoặc ngân hàng liên doanh.
Biến phi tài chính: Chưa đưa vào các biến số định tính như cơ cấu sở hữu (tỷ lệ sở hữu Nhà nước, sở hữu nước ngoài) và năng lực quản trị của Hội đồng quản trị do rào cản chuẩn hóa dữ liệu.

Hướng phát triển tiếp theo

Tích hợp Machine Learning: Kết hợp các thuật toán học máy (XGBoost, Random Forest, LightGBM) với mô hình kinh tế lượng truyền thống để xây dựng mô hình dự báo xác suất vỡ nợ (Probability of Default - PD) phi tuyến tính.
Mở rộng tần suất dữ liệu: Sử dụng dữ liệu chuỗi thời gian theo quý (Quarterly Panel Data) để nắm bắt nhanh nhạy hơn các phản ứng chính sách tiền tệ của NHNN.

Đối tượng hưởng lợi

Sinh viên & Học viên cao học: Tiếp cận phương pháp luận nghiên cứu định lượng chuẩn tắc, thành thạo chuỗi lệnh Stata trong phân tích dữ liệu bảng và xử lý khuyết tật mô hình.
Chuyên viên Quản trị rủi ro & Lập trình viên FinTech: Cung cấp công thức toán học và logic thuật toán để lập trình các phân hệ cảnh báo nợ xấu trên hệ thống phần mềm ngân hàng.
Ban Lãnh đạo NHTMCP: Cung cấp bằng chứng thực nghiệm để cân đối giữa mục tiêu tăng trưởng lợi nhuận ngắn hạn và an toàn vốn dài hạn theo chuẩn Basel II/Basel III.
Cơ quan Quản lý (NHNN): Tham chiếu cơ sở định lượng để điều hành hạn mức tăng trưởng tín dụng (Room tín dụng) và ban hành các chính sách hỗ trợ cơ cấu nợ linh hoạt theo chu kỳ vĩ mô.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai mô hình định lượng này là gì?

Cần máy chủ có cấu hình tối thiểu 4 Cores CPU, 16GB RAM chạy môi trường Stata 15+ hoặc Python 3.8+ kết nối với cơ sở dữ liệu SQL Server/Oracle chứa dữ liệu báo cáo tài chính tối thiểu 5 năm liên tục của các tổ chức tín dụng.

2. Vì sao nghiên cứu sử dụng FGLS thay vì dừng lại ở mô hình tác động cố định FEM?

Mô hình FEM mặc dù kiểm soát được tính bất đồng nhất của từng ngân hàng nhưng khi kiểm định chẩn đoán bằng Modified Wald test ($p < 0,0001$) và Wooldridge test ($p = 0,0004$), FEM đã vi phạm nghiêm trọng hai giả định cơ bản: phương sai sai số thay đổi và tự tương quan. FGLS là phương pháp ước lượng tối ưu giúp hiệu chỉnh ma trận hiệp phương sai, đảm bảo các hệ số hồi quy vững và có ý nghĩa thống kê tin cậy.

3. Mô hình có tích hợp được vào hệ thống Core Banking hiện hữu không?

Có. Các hệ số ước lượng từ mô hình ($\beta_0, \beta_1, \dots, \beta_8$) có thể được đóng gói thành API dạng RESTful service (viết bằng Python FastAPI hoặc Java Spring Boot), tự động nhận tham số đầu vào từ Core Banking và trả về điểm rủi ro tín dụng danh mục định kỳ.

4. Tần suất cập nhật và đào tạo lại mô hình (Retraining Schedule) nên như thế nào?

Mô hình nên được cập nhật dữ liệu và ước lượng lại tham số định kỳ theo quý hoặc ngay sau khi các ngân hàng công bố báo cáo tài chính kiểm toán bán niên và cả năm nhằm cập nhật các biến động vĩ mô mới nhất.

5. Chi phí triển khai và thời gian hòa vốn (ROI Timeline) ước tính ra sao?

Chi phí triển khai nội bộ dao động từ 150–300 triệu VND (chủ yếu là chi phí phần mềm, làm sạch dữ liệu và tích hợp hệ thống). Với khả năng giảm thiểu nợ xấu tiềm ẩn và tối ưu hóa chi phí trích lập dự phòng hàng chục tỷ đồng mỗi năm, thời gian thu hồi vốn thực tế thường dưới 6 tháng.

Kết luận

Nghiên cứu đã giải quyết trọn vẹn bài toán lượng hóa các yếu tố tác động đến rủi ro tín dụng tại 18 NHTMCP Việt Nam giai đoạn 2010–2022 thông qua phương pháp hồi quy dữ liệu bảng hiện đại FGLS. Bằng chứng thực nghiệm khẳng định rủi ro tín dụng chịu tác động cùng chiều mạnh mẽ bởi Tỷ lệ nợ xấu năm trước ($NPL_{t-1}$) và Lạm phát ($INF$), đồng thời chịu tác động ngược chiều bởi Tỷ lệ đòn bẩy ($LEV$) và Tỷ suất sinh lời trên tổng tài sản ($ROA$).

Kết quả này cung cấp cơ sở khoa học xác thực giúp các ngân hàng thương mại tái thiết lập quy trình kiểm soát nợ xấu chủ động, chuyển trọng tâm từ xử lý nợ thụ động sang dự báo sớm dựa trên dữ liệu định lượng, đảm bảo sự phát triển an toàn, bền vững của toàn hệ thống tài chính quốc gia.

Trích đoạn nội dung tài liệu

chương 1 tác giả đa trình bày các mô hình cũng như phương pháp thưc hiện như thế nào trong các chương sau. Tiếp theo, trong chương 2 tác giả đề câp đến các khái niệm, nguyên nhân cũng như các yếu tô nhằm đo lường rủi ro tín dụng, đồng thời tác giả đề câp về các nghiên cứu trong nước và ngoài nước 6 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU TRƯỚC. Khái niệm về rủi ro tín dụng Là hoạt động chiếm tỷ trọng cao trong cơ cấu doanh thu của ngân hàng vì thế mà rủi ro của hoạt động của tín dụng cũng cao không kém vì thế rủi ro tín dụng vô cùng được các nhà quản trị quan tâm. Đặc biệt trong giai đoạn từ năm 2021 đến hiện nay thì rủi ro tín dụng lại càng được quan tâm nhiều hơn khi chứng kiến sư sụp đổ của nhiều ngân hàng lớn trên thế giới nói chung và vụ việc của ngân hàng SCB nói riêng trong nước ta.

Có rất nhiều định nghĩa khi nói về rủi ro tín dụng như theo Joel Bessic (2015) trong Risk management in banking thì rủi ro tín dụng là việc những tổn thất do khách hàng vay không trả được nợ hoặc sư giảm sút chất lượng tín dụng của khoản vay. Theo Hempel & Simonson (2001) cho rằng RRTD là: “Rủi ro khi một phần lai hay gôc hay cả gôc và lai của khoản vay không được thanh toán như đa cam kết. Sư tồn tại và khả năng cạnh tranh của ngân hàng phụ thuộc hầu hết vào năng lưc quản lí RRTD để sinh lời”.Fitch (1893) thì RRTD lại là: “Loại rủi ro xảy ra khi người vay không thanh toán được nợ theo thoa thuân hợp đồng dẫn đến sai hẹn trong nghĩa vụ trả nợ. Cùng với rủi ro lai suất, rủi ro tín dụng là một trong những rủi ro chủ yếu trong hoạt động cho vay của ngân hàng”.

Theo Nguyễn Văn Tiến (2005) thì RRTD là: “Rủi ro phát sinh trong trường hợp ngân hàng không thu được đầy đủ gôc và lai của khoản vay hoặc việc thanh toán không thể gôc và lai đúng kì hạn”. Theo Hồ Diệu (2003) thì RRTD là: “Nguy cơ mà người vay không thể chi trả tiền lai hoặc không hoàn trả gôc so với thời gian ấn định trong hợp đồng tín dụng.” 7 Theo Uy ban Basel về giám sát ngân hàng thì “Rủi ro tín dụng là rủi ro xảy ra tổn thất xuất phát từ sư vi phạm bởi người vay hoặc đôi tác” (Bank for International Settlements/BIS, 2001). Còn tại Việt Nam được quy định rủi ro tín dụng theo Thông tư 02/2013/TT- NHNN ngày 21/01/2013 của ngân hàng nhà Việt Nam quy định về phân loại tài sản có, mức trích, phương pháp trích lâp dư phòng rủi ro và việc sử dụng dư phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhanh ngân hàng nước ngoài rằng: “Rủi ro tín dụng trong hoạt động ngân hàng (sau đây gọi tắt là rủi ro) là tổn thất có khả năng xảy ra đôi với nợ của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài do khách hàng không thưc hiện hoặc không có khả năng thưc hiện một phần hoặc toàn bộ nghĩa vụ của mình theo cam kết.” Từ những phát biểu trên, tưu chung lại RRTD là loại phát sinh trong quá trình cung cấp tín dụng của ngân cho cá nhân, tổ chức nhưng không được hoàn trả đúng hạn. Và đây cũng chính là rủi ro trọng yếu tác động đến lợi nhuân cũng như hiệu quả hoạt động của ngân hàng, đặc biệt hơn là trong điều kiện tài chính không quá tôt như hiện tại khi tình hình địa chính trị của các quôc gia không tôt, môi trường lai suất của thế giới đang trong mức cao, chi phí đầu vào của hàng hóa cao khiến hoạt động kinh doanh của các doanh nghiệp không mấy khả quan dẫn đến là các doanh nghiệp khó khăn trong việc trả nợ dẫn đến tăng nợ xấu tại các ngân hàng từ đó tạo các hệ quả vô cùng nghiêm trọng cũng như phá vỡ sư ổn định của nhóm NHTM.

Nguyên nhân dẫn đến rủi ro tín dụng 2. Nguyên nhân từ vĩ mô Trong những năm gần tình hình vĩ mô vô cùng bất lợi, từ sau khi dịch covid đi qua, hâu quả mà dịch để lại đa tác động vô cùng mạnh me lên nền kinh tế thế giới nói chung và Việt Nam nói riêng. Điển hình như ở Mỹ việc vung tiền quá mức trong thời gian dịch covid đa khiến cho Mỹ gặp phải lạm phát buộc nước này phải dùng các chính sách diều hâu bằng cách là FED tăng lai suất liên tục từ 0.75% vì thế tỷ giá của VND và USD chênh lệch khiến NHTW buộc phải ra biện pháp để “níu” lại tỷ giá cũng vì thế mà các doanh nghiệp có nợ bằng USD điêu 8 đứng và gặp khó khăn trong việc trả nợ. Chưa dừng lại ở đó thì nhu cầu tiêu dùng của người dân bị suy giảm khiến cho hoạt động sản xuất của các doanh nghiệp không chỉ không được mở rộng mà con phải thu hẹp từ đó ảnh hưởng đến doanh thu.

Bên cạnh yếu tô tỷ giá và lạm phát thì còn sư leo thang của giá dầu bởi chiến tranh Nga - Ukraine làm biến động của giá cả, đặc biệt là giá cả nguyên vât liệu, nguyên vât liệu đầu vào như thép, sắt, xăng dầu,… cũng tăng mạnh đáng kể từ đó tác động đến việc tiến độ triển khai dư án, hiệu quả hoạt động sản xuất kinh doanh của doanh nghiệp, từ đó doanh nghiệp gặp khó khăn trong việc hoàn trả nợ cho ngân hàng mà gián tiếp ảnh hưởng xấu lên hoạt động tín dụng của ngân hàng. Ngoài ra các chỉ sô trên còn có những nguyên nhân tiềm ẩn từ thị trường hàng hóa, thị trường xuất khẩu, các quôc gia có quan hệ thương mại với nước ta mà cũng chứa đưng rủi ro đến hoạt động tín dụng của NHTM. Bên cạnh đó thì còn có nguyên nhân từ tình hình chính trị của quôc gia vì khi một quôc gia có môi trường chính trị không ổn định se khiến tâm lý nhà đầu tư trong nước cũng như ngoài nước không an tâm và không sẳn sàng đầu tư. Điều này làm ảnh hưởng đến nguồn cung tín dụng và cầu tín dụng của ngân hàng từ đó làm hoạt động tín dụng của ngân hàng không thuân lợi dẫn đến rủi ro trong hoạt động tín dụng se tăng cao.

Bên cạnh đó, các chính sách vĩ mô không phù hợp se dẫn đến sư kìm ham sư phát triển của nền kinh tế, và điển hình như Mỹ trong giai đoạn Covid vì tung quá nhiều tiền để cứu trợ và hâu quả gây ra hâu covid là lạm phát ở Mỹ cao ngất buộc FED phải ra các chính sách là tăng lai suất để giảm lạm phát và rồi là sư sụp đổ của các ngân hàng lớn ở nước này. Từ đó có thể thấy sư không phù hợp trong chính sách se ảnh hưởng và dẫn đến sư thiếu an toàn trong việc cho vay tín dụng. Nguyên nhân từ người đi vay - Người đi vay không có khả năng trả nợ: Đây là trường hợp có xác suất xảy ra cao hơn bởi bắt nguồn từ việc khách hàng thiếu năng lưc trong việc quản lý tài chính, sử dụng vôn vay không đúng mục đích, tiền vay không có tác dụng đẩy mạnh hoạt động kinh doanh, dẫn đến tình trạng 9 doanh nghiệp vay vôn hoạt động kém hiệu quả, nợ phải trả tăng và một trong sô đó là nợ phải trả cho ngân hàng. Ngoài việc doanh nghiệp sử dụng vôn không đúng mục đích thì việc doanh nghiệp mất năng lưc trả nợ là bởi vì trình độ quản lý yếu kém khi sử dụng tỷ trọng vôn vay quá lớn trong tổng nguồn vôn khiến cho năng suất hoạt động không đủ để bù lại khoản trả lai vay.

- Người đi vay không có thiện chí trả nợ và cố tình chiếm dụng vốn từ ngân hàng: Rất nhiều cá nhân tổ chức vì một mục đích nào đó se cô tình cung cấp các báo cáo tài chính sai lệch, không trung thưc về thông tin cá nhân, thông tin doanh nghiệp và hơn nữa là mua chuộc nhân viên ngân hàng trong việc thẩm định dư án đầu tư của ngân hàng để nhằm ngân hàng giải ngân cho các khoản vay “ma” và vụ việc chiếm đoạt tài sản lớn nhất từ trước đến giờ vụ Vạn Thịnh Phát chiếm đoạt hơn 1 triệu tỷ đồng của ngân hàng cổ phần Sài Gòn. Ngoài ra, các cá nhân tổ chức còn có hành vi cô tình không trả nợ đúng hạn nhằm kéo dài thời gian trả nợ để có thể tiếp tục sử dụng vôn vay dài lâu cũng như không có ý định trả nợ cho ngân hàng. Nguyên nhân từ ngân hàng Nguyên nhân khách quan từ bên ngoài và khách hàng thì cũng không thể thiếu nguyên nhân chủ quan từ ngân hàng. Từ hai nguyên nhân đề câp trước đó là các cá nhân hoặc doanh nghiệp cung cấp các thông tin giả mạo nhằm qua mắt khâu thẩm định dư án của ngân hàng, tuy nhiên trách nhiệm cũng thuộc về ngân hàng bởi sư yếu kém trong việc kiểm định các thông tin mà người vay cung cấp, yếu kém trong việc đánh giá dư án, thẩm định hồ sơ cho vay vôn còn thiếu sót, trình cho vay đôi vay đôi với dư án với tính khả thi thấp.

Cũng như về mặt đạo đức khi nhân viên thiếu tính trách nhiệm, vi phạm với đạo đức nghề nghiệp khi nhân những khoản mua chuộc, thông đồng với bên đi vay để ngân hàng có thể giải ngân cho khoản vay ấy. Bên cạnh đó, yếu tô từ lanh đạo ngân hàng cũng không kém phần quan trọng khi đa không có thái độ quyết liệt trong công tác chỉ đạo điều hành, công tác kiểm 10 tra trước và sau khi cho vay còn long lẻo dẫn đến phát sinh nhiều rủi ro trong quá trình cho vay, thu hồi nợ khi đến hạn. Sai sót trong quá trình tác nghiệp vì khi cho vay quá mức so với khả năng trả nợ của khách hàng vì không phân tích, thẩm định kỹ lưỡng thì không xác định được khả năng tài chính. Khi tới kỳ trả nợ của các khoản vay se xảy ra trường hợp là doanh nghiệp có khả năng trả nợ tuy nhiên chưa đến kỳ của ngân hàng thì doanh nghiệp se dùng sô tiền này cho việc khác và khi đến kỳ trả nợ thì doanh nghiệp chưa kịp thu hồi dẫn đến gia hạn với ngân hàng.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu "Các yếu tố ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại Việt Nam" cung cấp cái nhìn sâu sắc về những yếu tố chính tác động đến rủi ro tín dụng trong hệ thống ngân hàng thương mại tại Việt Nam. Tài liệu này không chỉ phân tích các yếu tố nội tại như quản lý rủi ro, chất lượng tín dụng, mà còn xem xét các yếu tố bên ngoài như tình hình kinh tế vĩ mô và chính sách tài chính. Độc giả sẽ nhận được những thông tin hữu ích giúp họ hiểu rõ hơn về cách thức các yếu tố này tương tác và ảnh hưởng đến khả năng cho vay của ngân hàng, từ đó đưa ra quyết định tài chính thông minh hơn.

Để mở rộng kiến thức của bạn về chủ đề này, bạn có thể tham khảo thêm tài liệu Luận văn thạc sĩ các nhân tố ảnh hưởng đến nợ xấu tại các ngân hàng thương mại Việt Nam, nơi phân tích sâu hơn về nợ xấu và các yếu tố liên quan. Ngoài ra, tài liệu Các nhân tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại Việt Nam cũng sẽ cung cấp thêm thông tin chi tiết về các yếu tố tác động đến rủi ro tín dụng. Cuối cùng, bạn có thể tìm hiểu thêm về Các nhân tố ảnh hưởng đến rủi ro tín dụng tại các ngân hàng thương mại Việt Nam 2, tài liệu này sẽ giúp bạn có cái nhìn tổng quát hơn về tình hình rủi ro tín dụng trong ngành ngân hàng.

#quản lý rủi ro tín dụng