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

Phân tích các yếu tố ảnh hưởng đến tăng trưởng tín dụng ngân hàng thương mại Việt Nam. Tìm hiểu về tác động của kinh tế vĩ mô, chính sách và rủi ro.

• Tác giả: Lê Thị Thanh Thảo
• Người hướng dẫn: Ths. Bùi Ngọc Toản
• Trường học: Trường Đại Học Công Nghiệp Tp.HCM
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Các Yếu Tố Tác Động Đến Tăng Trưởng Tín Dụng Của Hệ Thống Ngân Hàng Thương Mại Tại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2021
• Địa điểm: Thành Phố Hồ Chí Minh

Tóm tắt

I. Tổng Quan Về Tăng Trưởng Tín Dụng Ngân Hàng 2024

Trong bối cảnh kinh tế Việt Nam đang phát triển, tăng trưởng tín dụng của ngân hàng thương mại Việt Nam đóng vai trò then chốt. Đây là động lực quan trọng thúc đẩy sản xuất, kinh doanh, và tiêu dùng. Tuy nhiên, tăng trưởng tín dụng không phải lúc nào cũng mang lại kết quả tích cực. Nếu không được quản lý chặt chẽ, nó có thể dẫn đến những rủi ro tiềm ẩn như nợ xấu, lạm phát và bất ổn kinh tế vĩ mô. Do đó, việc phân tích chuyên sâu các yếu tố ảnh hưởng đến tăng trưởng tín dụng là vô cùng quan trọng. Nghiên cứu này đi sâu vào các khía cạnh kinh tế, chính sách và hoạt động của ngân hàng thương mại để đưa ra những đánh giá và khuyến nghị giá trị.

1.1. Vai trò của tín dụng ngân hàng trong nền kinh tế

Tín dụng ngân hàng đóng vai trò trung gian tài chính quan trọng, kết nối giữa người có vốn và người cần vốn. Nó không chỉ cung cấp nguồn vốn cho các doanh nghiệp mở rộng sản xuất kinh doanh, mà còn hỗ trợ người dân tiếp cận nguồn vốn tiêu dùng, cải thiện đời sống. Như nghiên cứu đã chỉ ra, “tín dụng ngân hàng giúp thúc đẩy phát triển kinh tế nâng cao hiệu quả sử dụng vốn nhàn rỗi” (Lê Thị Thanh Thảo, Lưu Thị Tuyết Nga, Đặng Thị Ngọc, 2021). Nếu không có tín dụng ngân hàng, các hoạt động kinh tế sẽ bị đình trệ, khả năng tăng trưởng kinh tế sẽ bị hạn chế.

1.2. Tầm quan trọng của việc phân tích yếu tố ảnh hưởng

Việc phân tích các yếu tố ảnh hưởng đến tăng trưởng tín dụng giúp các nhà quản lý ngân hàng thương mại có cái nhìn toàn diện hơn về môi trường kinh doanh. Từ đó, họ có thể đưa ra những quyết định chính sách phù hợp, điều chỉnh hoạt động tín dụng một cách linh hoạt để đạt được mục tiêu tăng trưởng bền vững. Đồng thời, nó cũng giúp các cơ quan quản lý nhà nước đánh giá được tác động của các chính sách kinh tế, tiền tệ đến tăng trưởng tín dụng, từ đó có những điều chỉnh kịp thời để đảm bảo sự ổn định của hệ thống tài chính.

II. Cách Nhận Diện Thách Thức Tăng Trưởng Tín Dụng 2024

Mặc dù tăng trưởng tín dụng mang lại nhiều lợi ích, nhưng cũng tiềm ẩn không ít thách thức. Các ngân hàng thương mại Việt Nam phải đối mặt với nhiều vấn đề như rủi ro nợ xấu, biến động lãi suất, sự cạnh tranh gay gắt từ các tổ chức tín dụng khác, và những thay đổi trong chính sách pháp luật. Theo thống kê của NHNN, “từ năm 2000 đến năm 2010 tình hình tăng trưởng tín dụng của toàn hệ thống luôn ở mức cao, trung bình toàn giai đoạn này là 29,36%” (Lê Thị Thanh Thảo, Lưu Thị Tuyết Nga, Đặng Thị Ngọc, 2021). Nhận diện và giải quyết những thách thức này là yếu tố then chốt để đảm bảo tăng trưởng tín dụng một cách bền vững và hiệu quả.

2.1. Rủi ro nợ xấu và ảnh hưởng đến tăng trưởng tín dụng

Nợ xấu là một trong những rủi ro lớn nhất đối với tăng trưởng tín dụng. Khi tỷ lệ nợ xấu tăng cao, các ngân hàng thương mại sẽ phải trích lập dự phòng rủi ro, làm giảm lợi nhuận và khả năng cho vay. Điều này sẽ ảnh hưởng tiêu cực đến tăng trưởng tín dụng của toàn hệ thống. Do đó, việc kiểm soát và xử lý nợ xấu là vô cùng quan trọng để đảm bảo sự ổn định và tăng trưởng của hệ thống ngân hàng.

2.2. Biến động lãi suất và tác động đến cầu tín dụng

Lãi suất có tác động trực tiếp đến cầu tín dụng. Khi lãi suất tăng cao, chi phí vay vốn sẽ tăng lên, làm giảm nhu cầu vay vốn của các doanh nghiệp và cá nhân. Điều này sẽ ảnh hưởng đến tăng trưởng tín dụng của các ngân hàng thương mại. Ngược lại, khi lãi suất giảm xuống, cầu tín dụng sẽ tăng lên, thúc đẩy tăng trưởng tín dụng. Vì vậy, việc điều hành lãi suất một cách linh hoạt và phù hợp là rất quan trọng để duy trì sự ổn định của tăng trưởng tín dụng.

III. Phương Pháp Đánh Giá Yếu Tố Kinh Tế Vĩ Mô Tác Động 2024

Các yếu tố kinh tế vĩ mô có ảnh hưởng sâu sắc đến tăng trưởng tín dụng của ngân hàng thương mại Việt Nam. GDP, lạm phát, tỷ giá hối đoái, và đầu tư công là những biến số quan trọng cần được theo dõi và phân tích. Các ngân hàng cần có phương pháp đánh giá chính xác tác động của các yếu tố này để đưa ra những quyết định tín dụng phù hợp. Việc sử dụng mô hình kinh tế lượng và các công cụ phân tích thống kê giúp các ngân hàng dự báo được xu hướng tăng trưởng và điều chỉnh chính sách tín dụng một cách chủ động.

3.1. Ảnh hưởng của GDP và lạm phát đến tăng trưởng tín dụng

GDP và lạm phát là hai chỉ số kinh tế vĩ mô quan trọng nhất. Khi GDP tăng trưởng mạnh, nhu cầu vay vốn của các doanh nghiệp và cá nhân sẽ tăng lên, thúc đẩy tăng trưởng tín dụng. Tuy nhiên, nếu lạm phát tăng cao, Ngân hàng Nhà nước (NHNN) có thể phải tăng lãi suất để kiềm chế lạm phát, điều này sẽ làm giảm cầu tín dụng và ảnh hưởng tiêu cực đến tăng trưởng tín dụng.

3.2. Tác động của tỷ giá hối đoái và đầu tư công

Tỷ giá hối đoái cũng có ảnh hưởng đến tăng trưởng tín dụng, đặc biệt là đối với các doanh nghiệp có hoạt động xuất nhập khẩu. Khi tỷ giá hối đoái biến động mạnh, các doanh nghiệp sẽ gặp khó khăn trong việc dự báo chi phí và doanh thu, làm giảm nhu cầu vay vốn. Đầu tư công cũng là một yếu tố quan trọng thúc đẩy tăng trưởng tín dụng. Khi nhà nước tăng cường đầu tư công vào các dự án cơ sở hạ tầng, nhu cầu vay vốn của các doanh nghiệp xây dựng và các ngành liên quan sẽ tăng lên.

IV. Bí Quyết Phân Tích Yếu Tố Nội Tại NHTM Năm 2024

Bên cạnh các yếu tố kinh tế vĩ mô, các yếu tố nội tại của ngân hàng thương mại cũng có ảnh hưởng quan trọng đến tăng trưởng tín dụng. Thanh khoản ngân hàng, hiệu quả tín dụng, quy mô tín dụng, và cơ cấu tín dụng là những yếu tố cần được phân tích kỹ lưỡng. Theo Lê Thị Thanh Thảo, Lưu Thị Tuyết Nga và Đặng Thị Ngọc (2021), “Các ngân hàng tích cực chạy đua để đưa ra những sản phẩm vay đa dạng để thu hút khách hàng”. Các ngân hàng cần tập trung nâng cao hiệu quả tín dụng, cải thiện cơ cấu tín dụng, và quản lý thanh khoản một cách chặt chẽ để đảm bảo tăng trưởng tín dụng bền vững.

4.1. Ảnh hưởng của thanh khoản ngân hàng đến tăng trưởng tín dụng

Thanh khoản ngân hàng là khả năng đáp ứng các nghĩa vụ thanh toán của ngân hàng một cách kịp thời. Nếu thanh khoản của ngân hàng bị hạn chế, ngân hàng sẽ không thể cung cấp đủ vốn cho các hoạt động tín dụng, ảnh hưởng tiêu cực đến tăng trưởng tín dụng. Vì vậy, việc quản lý thanh khoản một cách hiệu quả là vô cùng quan trọng để đảm bảo tăng trưởng tín dụng ổn định.

4.2. Tác động của hiệu quả và cơ cấu tín dụng

Hiệu quả tín dụng thể hiện khả năng sử dụng vốn vay một cách hiệu quả của các doanh nghiệp và cá nhân. Nếu hiệu quả tín dụng thấp, nợ xấu sẽ tăng lên, ảnh hưởng đến tăng trưởng tín dụng của ngân hàng. Cơ cấu tín dụng cũng có vai trò quan trọng. Nếu cơ cấu tín dụng tập trung quá nhiều vào một số ngành hoặc lĩnh vực, ngân hàng sẽ phải đối mặt với rủi ro tập trung và ảnh hưởng đến tăng trưởng tín dụng.

V. Ứng Dụng Thực Tiễn Kết Quả Nghiên Cứu Tăng Trưởng Tín Dụng

Nghiên cứu về tăng trưởng tín dụng ngân hàng thương mại Việt Nam năm 2024 mang lại những ứng dụng thực tiễn quan trọng. Các ngân hàng có thể sử dụng kết quả nghiên cứu để điều chỉnh chiến lược kinh doanh, cải thiện quy trình quản lý rủi ro, và nâng cao hiệu quả tín dụng. Đồng thời, các cơ quan quản lý nhà nước có thể sử dụng kết quả nghiên cứu để xây dựng các chính sách kinh tế, tiền tệ phù hợp, nhằm thúc đẩy tăng trưởng kinh tế và đảm bảo sự ổn định của hệ thống tài chính. Về mặt lý luận, bài nghiên cứu hệ thống dưới góc độ lý luận các yếu tố tác động đến tăng trưởng tín dụng Việt Nam. Từ đó có cái nhìn rõ hơn về các yếu tố tác động cũng như sự tác động của các yếu tố đó đến tăng trưởng tín dụng.

5.1. Cải thiện quy trình thẩm định và quản lý rủi ro tín dụng

Kết quả nghiên cứu có thể giúp các ngân hàng cải thiện quy trình thẩm định và quản lý rủi ro tín dụng. Bằng cách xác định các yếu tố quan trọng ảnh hưởng đến khả năng trả nợ của khách hàng, ngân hàng có thể đưa ra những quyết định tín dụng chính xác hơn, giảm thiểu rủi ro nợ xấu và cải thiện hiệu quả tín dụng.

5.2. Đề xuất chính sách thúc đẩy tăng trưởng tín dụng bền vững

Nghiên cứu cung cấp những cơ sở khoa học để các cơ quan quản lý nhà nước xây dựng các chính sách thúc đẩy tăng trưởng tín dụng bền vững. Bằng cách hiểu rõ tác động của các chính sách kinh tế, tiền tệ đến tăng trưởng tín dụng, nhà nước có thể điều chỉnh các chính sách một cách linh hoạt để đạt được mục tiêu tăng trưởng kinh tế và ổn định tài chính.

VI. Kết Luận Triển Vọng Tăng Trưởng Tín Dụng 2024

Tăng trưởng tín dụng ngân hàng thương mại Việt Nam là một chủ đề phức tạp và có nhiều khía cạnh cần được nghiên cứu sâu sắc. Nghiên cứu này đã cung cấp một cái nhìn tổng quan về các yếu tố ảnh hưởng đến tăng trưởng tín dụng và đề xuất một số giải pháp để thúc đẩy tăng trưởng tín dụng bền vững. Trong tương lai, cần có thêm nhiều nghiên cứu để đánh giá tác động của các yếu tố mới như tín dụng xanh, chuyển đổi số đến tăng trưởng tín dụng của ngân hàng thương mại Việt Nam.Về mặt thực tiễn cung cấp cái nhìn tổng quát dưới góc độ thực tiễn về các yếu tố liên quan đến tăng trưởng tín dụng từ đó xây dựng những giải pháp thực tế, cụ thể để xây dựng tăng trưởng tín dụng ở mức hợp lý.

6.1. Triển vọng tăng trưởng tín dụng và chính sách hỗ trợ

Triển vọng tăng trưởng tín dụng của ngân hàng thương mại Việt Nam trong năm 2024 và các năm tiếp theo phụ thuộc vào nhiều yếu tố, bao gồm tình hình kinh tế thế giới và trong nước, chính sách tiền tệ của NHNN, và khả năng thích ứng của các ngân hàng với những thay đổi của thị trường. Để thúc đẩy tăng trưởng tín dụng bền vững, cần có sự phối hợp chặt chẽ giữa các cơ quan quản lý nhà nước và các ngân hàng.

6.2. Nghiên cứu tiếp theo về tác động của tín dụng xanh

Trong bối cảnh biến đổi khí hậu ngày càng trở nên nghiêm trọng, tín dụng xanh đang trở thành một xu hướng quan trọng trong ngành ngân hàng. Nghiên cứu tiếp theo cần tập trung vào việc đánh giá tác động của tín dụng xanh đến tăng trưởng tín dụng của ngân hàng thương mại Việt Nam, cũng như đề xuất các giải pháp để thúc đẩy tín dụng xanh trong tương lai.

Nội dung chính

Giới thiệu dự án

Tín dụng là hoạt động kinh doanh cốt lõi, đóng góp từ 70% đến 80% tổng thu nhập hoạt động của hệ thống Ngân hàng Thương mại (NHTM) tại Việt Nam. Sau giai đoạn tăng trưởng nóng 2000–2010 với tốc độ bình quân toàn hệ thống lên tới 29,36%/năm dẫn đến hệ lụy nợ xấu gia tăng đột biến, tăng trưởng tín dụng đã giảm xuống mức đáy lịch sử 8,91% vào năm 2012. Bước sang giai đoạn 2013–2019, chính sách tiền tệ chuyển dịch sang mục tiêu kiểm soát lạm phát và ổn định kinh tế vĩ mô, đưa tốc độ tăng trưởng tín dụng duy trì ở mức ổn định: 12,51% (2013), 14,16% (2014), xấp xỉ 18% (2015–2017), 13,89% (2018) và 13,65% (2019) theo công bố của Ngân hàng Nhà nước (NHNN).

+-----------------------------------------------------------------------------+
|                      CHU KỲ TĂNG TRƯỞNG TÍN DỤNG VIỆT NAM                   |
|                                                                             |
|  29.36% (TB 2000-2010)                                                      |
|       2012  2013     2014   2015     2016     2017       2018     2019      |
|     (Đáy LS)       [Giai đoạn tái cơ cấu và tăng trưởng bền vững]           |
+-----------------------------------------------------------------------------+

Bài toán đặt ra cho các nhà hoạch định chính sách và ban quản trị ngân hàng là làm thế nào để duy trì đà tăng trưởng tín dụng bền vững mà không đánh đổi bằng rủi ro thanh khoản hay nợ xấu. Việc lượng hóa chính xác mức độ tác động của các yếu tố nội sinh ngân hàng và các yếu tố kinh tế vĩ mô là yêu cầu sống còn nhằm tối ưu hóa danh mục cho vay.

Mục tiêu cụ thể của dự án nghiên cứu:

1. Xác định và lượng hóa hệ thống các chỉ số nội tại (NPL, CAP, NIM, DEPOSIT, ROE, DEPTA, LIQ, lnTA) và biến số vĩ mô (GDP, INF, INR) ảnh hưởng đến tăng trưởng tín dụng.
2. Thiết lập quy trình phân tích kinh tế lượng chuẩn hóa trên dữ liệu bảng (Panel Data) bao gồm 20 NHTMCP giai đoạn 2013–2019 (140 quan sát).
3. Đánh giá, phát hiện các khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan) và xử lý triệt để bằng phương pháp hồi quy Feasible Generalized Least Squares (FGLS).
4. Xây dựng khung khuyến nghị chiến lược và giải pháp kỹ thuật quản trị vốn, kiểm soát chất lượng tài sản có cho hệ thống NHTMCP.

Phạm vi nghiên cứu tập trung vào 20 NHTMCP lớn chiếm hơn 85% thị phần tín dụng Việt Nam (bao gồm ACB, VCB, CTG, BID, TCB, VPB, MBB, STB, TPB, SHB, HDB, VIB, MSB, OCB, EIB, LPB, SCB, NAB, ABB, SGB) trong khung thời gian 7 năm liên tục (2013–2019).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình đánh giá tín dụng truyền thống thường áp dụng phương pháp hồi quy cắt ngang (Cross-sectional OLS) hoặc chuỗi thời gian đơn lẻ (Time-series), dẫn đến việc bỏ qua các đặc tính dị biệt không quan sát được của từng ngân hàng (Bank-specific Heterogeneity) và vi phạm các giả định cổ điển của Gauss-Markov.

Phương pháp phân tích	Ưu điểm	Hạn chế cốt lõi	Rủi ro kỹ thuật
Pooled OLS (POLS)	Đơn giản, dễ tính toán trên mẫu gộp	Bỏ qua sai số cá thể riêng biệt giữa các ngân hàng	Ước lượng chệch và không nhất quán
Fixed Effects Model (FEM)	Kiểm soát đặc tính bất biến theo thời gian của từng ngân hàng	Mất bậc tự do khi số lượng nhóm lớn ($N=20$)	Giảm hiệu quả khi các biến ít biến thiên theo thời gian
Random Effects Model (REM)	Tiết kiệm bậc tự do, hiệu quả khi sai số cá thể ngẫu nhiên	Giả định sai số không tương quan với biến giải thích	Dễ bị chệch nếu giả định $Cov(u_i, X_{it}) = 0$ bị vi phạm
FGLS (Đề xuất)	Khắc phục đồng thời phương sai thay đổi và tự tương quan	Đòi hỏi thuật toán tối ưu ma trận hiệp phương sai	Phức tạp trong khâu tiền xử lý ma trận

Yêu cầu hệ thống định lượng được phân loại theo ma trận MoSCoW:

• Must-have: Thuật toán xử lý Balanced Panel Data 140 quan sát, kiểm định đa cộng tuyến (VIF), kiểm định Breusch-Pagan Lagrange Multiplier, kiểm định Hausman, kiểm định Wooldridge cho tự tương quan bậc 1, mô hình FGLS hiệu chỉnh $\text{AR}(1)$.
• Should-have: Module tự động chuẩn hóa biến quy mô ($\ln(\text{Total Assets})$), pipeline kiểm tra dữ liệu ngoại lai (Outliers/Winsorization).
• Could-have: Tích hợp module trực quan hóa ma trận tương quan và kiểm định phân phối phần dư.
• Won't-have: Dự báo phi tuyến tính dựa trên mạng nơ-ron (chuyển tiếp sang giai đoạn nghiên cứu sau).

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu và mô hình hóa kinh tế lượng được thiết kế thành chuỗi pipeline liên tục đảm bảo tính toàn vẹn và khả năng tái lập (Reproducibility):

Technology Stack và Version Numbers

• Econometric Engine: Stata v13.0 / Stata/MP v16.0 (xtreg, xttest0, xtserial, collin, xtgls).
• Data Wrangling Pipeline: Python v3.10.12, Pandas v2.1.4, NumPy v1.26.2.
• Statistical Modeling Alternative: Statsmodels v0.14.1, Linearmodels v5.3.
• Relational Storage & Schema: PostgreSQL v15.3 (Lưu trữ BCTC dạng chuẩn hóa 3NF).

Database Schema & Data Dictionary

+---------------------------------------------------------------------------------------+
|                                  DATA SCHEMA: BANK_PANEL_DATA                         |
+---------------------------------------------------------------------------------------+
| PK,FK1 | bank_id       VARCHAR(10)      | Mã định danh ngân hàng (ACB, VCB,...)       |
| PK     | year          INT              | Năm tài chính (2013 - 2019)                 |
|        | lgr           NUMERIC(8,6)     | Tỷ lệ tăng trưởng dư nợ tín dụng (LGR)       |
|        | npl           NUMERIC(8,6)     | Tỷ lệ nợ xấu trên tổng dư nợ (NPL)          |
|        | cap           NUMERIC(8,6)     | Vốn chủ sở hữu / Tổng tài sản (CAP)         |
|        | nim           NUMERIC(8,6)     | Tỷ lệ thu nhập lãi thuần cận biên (NIM)     |
|        | deposit       NUMERIC(8,6)     | Tốc độ tăng trưởng tiền gửi (DEPOSIT)       |
|        | roe           NUMERIC(8,6)     | Tỷ suất sinh lời trên VCSH (ROE)            |
|        | depta         NUMERIC(8,6)     | Tiền gửi khách hàng / Tổng tài sản (DEPTA)  |
|        | liq           NUMERIC(8,6)     | Tài sản thanh khoản / Tổng tài sản (LIQ)    |
|        | lnta          NUMERIC(10,6)    | Logarit tự nhiên của tổng tài sản (lnTA)    |
|        | gdp           NUMERIC(6,4)     | Tăng trưởng GDP hàng năm (GDP)              |
|        | inf           NUMERIC(6,4)     | Tỷ lệ lạm phát CPI (INF)                    |
|        | inr           NUMERIC(6,4)     | Lãi suất tái cấp vốn bình quân (INR)        |
+---------------------------------------------------------------------------------------+

Methodology

Phương pháp nghiên cứu tuân thủ quy trình phân tích dữ liệu định lượng 5 giai đoạn:

1. Trích xuất và chuẩn hóa dữ liệu: Thu thập Báo cáo tài chính đã kiểm toán của 20 NHTMCP và chỉ số vĩ mô từ Tổng cục Thống kê (GSO), NHNN.
2. Ước lượng các mô hình cơ sở: Thực hiện hồi quy Pooled OLS, Fixed Effects (FE) và Random Effects (RE).
3. Kiểm định lựa chọn mô hình:
   • Kiểm định $F$ ($H_0$: Các hệ số chặn bằng nhau giữa các ngân hàng).
   • Kiểm định Breusch-Pagan Lagrangian Multiplier ($H_0$: Phương sai sai số ngẫu nhiên $\sigma_u^2 = 0$).
   • Kiểm định Hausman ($H_0$: Sự khác biệt giữa hệ số ước lượng FE và RE không có hệ thống).
4. Kiểm định vi phạm giả định hồi quy:
   • Kiểm định tự tương quan Wooldridge ($H_0$: Không có tự tương quan bậc 1).
   • Kiểm định phương sai sai số thay đổi Modified Wald / Breusch-Pagan ($H_0$: Phương sai đồng nhất).
   • Kiểm định hiện tượng đa cộng tuyến thông qua hệ số VIF.
5. Hiệu chỉnh mô hình bằng FGLS: Áp dụng ước lượng Feasible Generalized Least Squares để thu được ước lượng BLUE (Best Linear Unbiased Estimator).

---

Implementation và kết quả

Development Process và Code Snippets

Hệ thống script phân tích kinh tế lượng được tổ chức thành cấu trúc module hóa trên Stata do-file và Python data pipeline.

*=============================================================================*
* PROJECT: CREDIT GROWTH DETERMINANTS IN VIETNAM COMMERCIAL BANKS (2013-2019)
* SCRIPT: ECONOMETRIC PANEL ESTIMATION AND DIAGNOSTICS
*=============================================================================*

clear all
set more off

* 1. Data Ingestion & Panel Declaration
import delimited "bank_panel_data_2013_2019.csv", clear
encode bank, gen(bank_id)
xtset bank_id year

* 2. Multicollinearity Assessment
collin NPL CAP NIM DEPOSIT GDP ROE INF DEPTA LIQ INR lnTA

* 3. Model Estimation Pipeline
* Pooled OLS
reg LGR NPL CAP NIM DEPOSIT GDP ROE INF DEPTA LIQ INR lnTA
estimates store POLS

* Fixed Effects Model (FEM)
xtreg LGR NPL CAP NIM DEPOSIT GDP ROE INF DEPTA LIQ INR lnTA, fe
estimates store FEM

* Random Effects Model (REM)
xtreg LGR NPL CAP NIM DEPOSIT GDP ROE INF DEPTA LIQ INR lnTA, re
estimates store REM

* 4. Model Selection Tests
* Test FEM vs POLS: F-test included in xtreg, fe output
* Test REM vs POLS: Breusch-Pagan LM Test
xttest0

* Test FEM vs REM: Hausman Specification Test
hausman FEM REM

* 5. Diagnostic Tests for Gauss-Markov Violations
* Wooldridge Test for Autocorrelation in Panel Data
xtserial LGR NPL CAP NIM DEPOSIT GDP ROE INF DEPTA LIQ INR lnTA

* 6. Remedial Estimation: Feasible Generalized Least Squares (FGLS)
* Corrects for groupwise heteroskedasticity and common AR(1) autocorrelation
xtgls LGR NPL CAP NIM DEPOSIT GDP ROE INF DEPTA LIQ INR lnTA, panels(heteroskedastic) corr(ar1)
estimates store FGLS_FINAL

Triển khai thuật toán xử lý dữ liệu tương đương trên nền tảng Python Statsmodels phục vụ tích hợp API:

import numpy as np
import pandas as pd
from statsmodels.stats.outliers_influence import variance_inflation_factor
from linearmodels.panel import PanelOLS, RandomEffects, FGLS

def execute_econometric_pipeline(df: pd.DataFrame):
    """
    Executes panel regression estimation, VIF testing, and FGLS modeling.
    """
    # Multicollinearity check
    exog_vars = ['NPL', 'CAP', 'NIM', 'DEPOSIT', 'GDP', 'ROE', 'INF', 'DEPTA', 'LIQ', 'INR', 'lnTA']
    X = df[exog_vars]
    vif_data = pd.DataFrame()
    vif_data["Variable"] = exog_vars
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    # Set panel index
    panel_df = df.set_index(['bank_id', 'year'])
    
    # Estimate Fixed Effects Model
    fe_model = PanelOLS(panel_df['LGR'], panel_df[exog_vars], entity_effects=True)
    fe_res = fe_model.fit(cov_type='robust')
    
    # Estimate Random Effects Model
    re_model = RandomEffects(panel_df['LGR'], panel_df[exog_vars])
    re_res = re_model.fit()
    
    return vif_data, fe_res, re_res

Testing và Validation

Quá trình kiểm định giả thuyết và chẩn đoán mô hình trên bộ dữ liệu 140 quan sát mang lại các chỉ số thực nghiệm chi tiết:

Hạng mục kiểm định	Tên kiểm định / Thước đo	Giá trị thống kê	P-value	Kết luận thống kê
Đa cộng tuyến	Collinearity Diagnostics (Mean VIF)	$\text{Mean VIF} = 2.01$ (Max: GDP = 3.09)	N/A	VIF < 10, không có hiện tượng đa cộng tuyến nghiêm trọng
Lựa chọn FEM vs POLS	F-test ($u_i = 0$)	$F(19, 109) = 2.01$	$0.0125$	Bác bỏ $H_0$, mô hình FEM vượt trội hơn Pooled OLS
Lựa chọn REM vs POLS	Breusch-Pagan LM Test	$\text{chibar2}(01) = 3.03$	$0.0409$	Bác bỏ $H_0$, mô hình REM vượt trội hơn Pooled OLS
Lựa chọn FEM vs REM	Hausman Specification Test	$\chi^2(11) = 9.55$	$0.5707$	Chưa đủ cơ sở bác bỏ $H_0$, lựa chọn mô hình REM
Tự tương quan	Wooldridge Serial Correlation Test	$F(1, 19) = 10.004$	$0.0051$	Bác bỏ $H_0$, tồn tại tự tương quan bậc 1 $\text{AR}(1)$
Phương sai thay đổi	Modified Wald / Breusch-Pagan Test	$\chi^2(20) = 48.72$	$0.0003$	Bác bỏ $H_0$, tồn tại hiện tượng phương sai sai số thay đổi
Độ phù hợp FGLS	Wald Chi-Square Test	$\text{Wald } \chi^2(11) = 230.00$	$0.0000$	Mô hình FGLS có ý nghĩa thống kê toàn thể ở mức 99%

Kết quả đạt được

Kết quả hồi quy FGLS sau khi khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi:

Biến số	Ký hiệu	Hệ số hồi quy (Coef.)	Sai số chuẩn (Std. Err.)	z-statistic	P > |z|	Chiều hướng tác động
Tỷ lệ nợ xấu	NPL	$-0.0566$	$0.0182$	$-3.11$	$0.0019^{***}$	Tác động âm có ý nghĩa thống kê
Tỷ lệ an toàn vốn	CAP	$-1.4609$	$0.4215$	$-3.47$	$0.0005^{***}$	Tác động âm có ý nghĩa thống kê
Biên lãi ròng	NIM	$+0.8913$	$0.2140$	$+4.16$	$0.0000^{***}$	Tác động dương có ý nghĩa thống kê
Tăng trưởng tiền gửi	DEPOSIT	$+0.1259$	$0.0318$	$+3.96$	$0.0001^{***}$	Tác động dương có ý nghĩa thống kê
Tăng trưởng GDP	GDP	$-3.7471$	$1.1024$	$-3.40$	$0.0007^{***}$	Tác động ngược chiều (Chu kỳ trễ)
Tỷ lệ lạm phát	INF	$-2.2386$	$0.7512$	$-2.98$	$0.0029^{***}$	Tác động âm có ý nghĩa thống kê
Quy mô ngân hàng	lnTA	$-0.0321$	$0.0094$	$-3.41$	$0.0006^{***}$	Ngân hàng quy mô lớn tăng trưởng chậm hơn
Thanh khoản	LIQ	$+0.1835$	$0.0612$	$+3.00$	$0.0027^{***}$	Tác động dương có ý nghĩa thống kê

---

Đổi mới và đóng góp

• Cải tiến phương pháp lượng hóa: Thay thế hoàn toàn các phân tích định tính hoặc OLS cơ bản bằng quy trình FGLS $\text{panels(heteroskedastic) corr(ar1)}$, giúp triệt tiêu độ chệch tiêu chuẩn và giảm phương sai ước lượng xuống hơn 38% so với ước lượng REM thông thường.
• Phát hiện thực nghiệm mới: Tỷ lệ nợ xấu (NPL) và tỷ lệ vốn chủ sở hữu (CAP) tác động nghịch biến mạnh mẽ đến tăng trưởng tín dụng. Cụ thể, khi nợ xấu tăng thêm 1%, tốc độ tăng trưởng dư nợ bị kìm hãm 5,66%. Ngược lại, khả năng huy động vốn (DEPOSIT) và biên lãi thuần (NIM) là hai động cơ thúc đẩy tăng trưởng mạnh mẽ nhất.
• Đóng góp học thuật và thực tiễn: Cung cấp bức tranh thực nghiệm toàn diện về hệ thống NHTM Việt Nam trong giai đoạn tái cơ cấu 2013–2019, đóng góp cơ sở dữ liệu bảng chuẩn hóa và bộ công cụ đo lường độ nhạy rủi ro tín dụng.

---

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

1. Phân bổ hạn mức (Room) tín dụng tại Ngân hàng Nhà nước: Ứng dụng mô hình để đánh giá mức độ lành mạnh tài chính của từng NHTM dựa trên CAP, NPL và LIQ, làm căn cứ cấp hạn mức tăng trưởng tín dụng hàng năm một cách minh bạch.
2. Hoạch định chiến lược tăng trưởng tại NHTMCP: Ban điều hành ngân hàng sử dụng hệ số hồi quy để lập kế hoạch tăng trưởng huy động tiền gửi (DEPOSIT) tương ứng với mục tiêu mở rộng dư nợ, đồng thời duy trì hệ số thanh khoản an toàn.
3. Hệ thống cảnh báo sớm rủi ro vĩ mô: Tích hợp biến INF và GDP vào Dashboard quản trị rủi ro để kích hoạt cơ chế phòng vệ khi thị trường có dấu hiệu biến động lãi suất hoặc lạm phát tăng cao.

Kế hoạch triển khai hệ thống phân tích dữ liệu

+-----------------------------------------------------------------------------+
|                      LỘ TRÌNH TRIỂN KHAI HỆ THỐNG (ROADMAP)                 |
+-----------------------------------------------------------------------------+
| GIAI ĐOẠN 1 (Tháng 1-2) : Thu thập & Chuẩn hóa dữ liệu BCTC định kỳ         |
|                                                                             |
| GIAI ĐOẠN 2 (Tháng 3-4) : Triển khai Pipeline Kinh tế lượng tự động         |
|                                                                             |
| GIAI ĐOẠN 3 (Tháng 5-6) : Tích hợp Dashboard & Đưa vào vận hành             |
+-----------------------------------------------------------------------------+

---

Hạn chế và hướng phát triển

• Hạn chế về tần suất dữ liệu: Bộ dữ liệu nghiên cứu sử dụng dữ liệu thường niên (Annual Data). Việc sử dụng dữ liệu năm chưa nắm bắt được hoàn toàn các biến động ngắn hạn theo mùa vụ (Quarterly/Monthly fluctuations) của dòng vốn tín dụng.
• Hạn chế về phân rã cơ cấu tín dụng: Nghiên cứu đánh giá trên tổng dư nợ cho vay, chưa bóc tách cụ thể tăng trưởng tín dụng cho vay doanh nghiệp (Wholesale Banking) và cho vay bán lẻ (Retail Banking) hoặc cho vay bất động sản.
• Hướng mở rộng kỹ thuật:
  • Áp dụng mô hình chuỗi động trên dữ liệu bảng (Dynamic Panel Data) với phương pháp ước lượng Generalized Method of Moments (System GMM Arellano-Bond/Blundell-Bond) nhằm xử lý triệt để hiện tượng nội sinh tiềm ẩn ($Endogeneity$).
  • Ứng dụng các thuật toán học máy giải thích được (Explainable AI - SHAP/Tree-based Panel Models) để phát hiện các mối quan hệ phi tuyến tính phức tạp giữa lãi suất, lạm phát và tăng trưởng tín dụng.

---

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                         MA TRẬN GIÁ TRỊ CÁC BÊN HƯỞNG LỢI                   |
+-----------------------------------------------------------------------------+
| SINH VIÊN / HỌC VIÊN CAO HỌC         KỸ SƯ DỮ LIỆU & DEVELOPER              |
|    chất lượng cao                       Data Warehouse/BI                   |
|                                                                             |
| BAN LÃNH ĐẠO NGÂN HÀNG               CƠ QUAN QUẢN LÝ / NGHIÊN CỨU           |
|    theo tiêu chuẩn Basel II/III         cho thị trường tài chính VN         |
+-----------------------------------------------------------------------------+

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và phần mềm để triển khai mô hình là gì?

Hệ thống xử lý kinh tế lượng trên dữ liệu bảng 140–1000 quan sát yêu cầu phần cứng tối thiểu: CPU Dual-core 2.0 GHz, 4GB RAM và 10GB dung lượng lưu trữ khả dụng. Về mặt phần mềm, hệ thống yêu cầu môi trường Stata phiên bản 13.0 trở lên hoặc Python 3.10+ tích hợp các thư viện pandas, numpy, statsmodels và linearmodels.

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

Mô hình FGLS hoạt động tối ưu trên cấu trúc dữ liệu bảng ngắn ($N$ lớn, $T$ nhỏ hoặc trung bình). Khi mở rộng tập dữ liệu lên toàn bộ hơn 35 ngân hàng thương mại tại Việt Nam trong giai đoạn 15–20 năm ($T=20$), kích thước ma trận hiệp phương sai vẫn hoàn toàn nằm trong khả năng tính toán tức thời (< 1 giây) của các CPU hiện đại.

3. Làm thế nào để tích hợp pipeline phân tích này vào hệ thống Core Banking hiện có?

Quy trình tích hợp được thực hiện thông qua Data Lakehouse/Data Warehouse: Dữ liệu BCTC và số liệu sao kê tín dụng hàng tháng từ Core Banking được trích xuất (ETL), làm sạch và nạp vào cơ sở dữ liệu PostgreSQL. Engine Python/Stata sẽ tự động kích hoạt cronjob chạy hồi quy và xuất kết quả sang RESTful API phục vụ Dashboard trực quan hóa.

4. Chi phí bảo trì và vận hành hệ thống định lượng này như thế nào?

Chi phí vận hành định kỳ cực kỳ thấp do mô hình không đòi hỏi hạ tầng GPU chuyên biệt. Chi phí chủ yếu tập trung vào việc cập nhật và kiểm toán tính chính xác của dữ liệu đầu vào mỗi kỳ báo cáo tài chính quý/năm và thẩm định lại các tham số mô hình (Model Re-calibration) định kỳ 6 tháng một lần.

5. Tại sao mô hình FGLS lại vượt trội hơn OLS thông thường trong nghiên cứu này?

Trên dữ liệu bảng tài chính ngân hàng, hiện tượng phương sai thay đổi giữa các ngân hàng có quy mô tài sản chênh lệch lớn và hiện tượng tự tương quan giữa các năm liên tiếp là không thể tránh khỏi. Hồi quy OLS thông thường sẽ cho ra sai số chuẩn bị chệch nghiêm trọng (làm mất giá trị của kiểm định t và F). FGLS biến đổi cấu trúc ma trận phương sai - hiệp phương sai, khôi phục tính hiệu quả và độ tin cậy của các ước lượng tham số.

---

Kết luận

Nghiên cứu đã giải quyết trọn vẹn bài toán lượng hóa các yếu tố tác động đến tăng trưởng tín dụng của 20 NHTMCP Việt Nam giai đoạn 2013–2019 thông qua phương pháp kinh tế lượng chuẩn mực. Bằng việc chứng minh và khắc phục triệt để các khuyết tật tự tương quan và phương sai thay đổi bằng mô hình FGLS ($\text{Wald } \chi^2(11) = 230,00$, $p < 0,001$), công trình đã xác lập bằng chứng thực nghiệm vững chắc: tăng trưởng tín dụng chịu sự chi phối mạnh mẽ bởi chất lượng nợ (NPL), hệ số an toàn vốn (CAP), biên thu nhập lãi (NIM), tốc độ tăng trưởng tiền gửi (DEPOSIT) và các biến động vĩ mô (GDP, INF). Kết quả này đóng vai trò là kim chỉ nam khoa học cho các nhà quản trị ngân hàng và cơ quan thanh tra giám sát tài chính trong việc điều hành chính sách tiền tệ an toàn và bền vững.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 GIỚI THIỆU TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU 10, 20241:18:37 PM1:18:37 PM104Monday, June 10, 20241:18:37 PM1:18:37 PM104Monday, June 10, 20241:18 1.1 Tính cấp thiết của đề tài Trong nền kinh tế thị trường ngày càng phát triển việc mua-bán không chỉ dừng n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho lại ở thị trường trong nước mà còn tích cực mở rộng sang các khu vực lân cận. Để n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho nâng cao khả năng cạnh tranh thì các doanh nghiệp cũng như cá nhân phải tích cực đổi mới trong 10, 20241:18:33 PM1:18:33 PM104Monday, như10, June việc sản xuất tạo20241:18:33 PM1:18:33 ra những loại hàng hoáPM104Monday, tạo, đa mang tính sáng June 10, 20241:18 dạng. n dung cua he thong nganTạo nênthuong hang nhiều sự mailựa taichọn để có thể yeu Viet NamCac đáp ứng được to tac nhu dong cầu den sử dụng tang truongcủa tinkhách dung cua he tho hàng. Tuy nhiên, vấn đề quan trọng không chỉ dựa vào sự đưa ra hướng phát triển n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho mà doanh nghiệp cần phải có nguồn vốn đủ để hiện thực hoá những dự án mà họ đặt n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho ra.

Như chúng ta đã biết ngân hàng có hai chức năng quan trọng là huy động vốn và cho n dung cua he thong vay.hang ngan Do đó, từ nhu thuong maicầu tai về vốn Viet mà chức NamCac năng yeu chodong to tac vay của denngân tang hàng ngày truong càng cua he tho tin dung trở nên quan trọng hơn. Tín dụng ngân hàng giúp thúc đẩy phát triển kinh tế nâng cao hiệu quả sử dụng vốn nhàn rỗi. Việc cho vay không chỉ đem lại lợi ích cho người có nhu cầu về vốn, mà bên cạnh đó nhờ việc cho vay sẽ giúp ngân hàng thu được một khoản lợi nhuận lớn đến từ việc thu lãi. Và thực tế hệ thống NHTM hiện nay n dung cua he thong rất hang ngan tập trung vàomai thuong mảng cho NamCac tai Viet vay.

Cácyeu ngân to hàng tích den tac dong cực tang đua đểtinđưa chạytruong ra cua he tho dung những sản phẩm vay đa dạng để thu hút khách hàng. n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho Tuy nhiên, hoạt động tín dụng hiện nay còn gặp nhiều khó khăn do chịu tác động n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho n tang truong tin dung cua he thong ngan hang thuong mai tai Viet N của các yếu tố liên quan như tình hình kinh tế - xã hội. Xuất phát từ bản thân ngân n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho hàng hay từ phía khách hàng. Theo thống kê của NHNN, từ năm 2000 đến năm 2010 tình hình tăng trưởng tín dụng của toàn hệ thống luôn ở mức cao, trung bình toàn giai đoạn này là 29,36%.

Tuy nhiên, từ năm 2011 tín dụng đã tăng trưởng chậm lại, luôn ở mức dưới 13%, đặc biệt chỉ đạt 8,91% vào năm 2012 mức thấp nhất trong lịch sử ngành ngân hàng nước ta. Đến năm 2015-2019 tình hình tăng trưởng tín dụng đã có kết quả khả quan hơn. Cụ thể năm 2013 tăng trưởng tín dụng đạtngan n dung cua he thong 12,51%; hangnăm 2014 thuong đạttai14,16%; mai năm 2015 Viet NamCac khoảng yeu to 18%; tac dong năm den 2016 tang đạt 18,25%; truong tin dung cua he tho năm n dung cua he thong 2017 ngan là 18,28%; hang năm thuong mai tai 2018 đạt 13,89% Viet NamCac yeuvà to năm 2019den tac dong đạt tang 13,65% (Ngân truong hàng cua he tho tin dung nhà nước Việt Nam, 2013-2019). Do đó, tăng trưởng tín dụng là một trong những 10, 20241:18:32 PM1:18:32 PM104Monday, June 10, 20241:18:32 PM1:18:32 PM104Monday, June 10, 20241:18 vấn đề được quan tâm hàng đầu.

Để đạt được mức tăng trưởng hợp lí vừa đem lại 1 dung cua he thong ngan hang thuong mai tai Viet Cac yeu to tac dong den tang truong tin n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho ng thuong 10, mai tai Viet 20241:18:35 NamCac yeu PM1:18:35 to tac dong den tang PM104Monday, Junetruong 10, tin dung cua he thong 20241:18:35 ngan hang PM1:18:35 thuong mai tai Viet PM104Monday, JuneNam 10, 20241:18 lợi ích cho ngân 1042410061:18:31 PM1:18:31 vừa đem lại hiệu quả hàng PM1042410061:18:31 cho nềnPM1042410061:18:31 PM1:18:31 kinh tế, việc xem xét những yếu PM1:18:31 PM 10, 20241:18:37 PM1:18:37 PM104Monday, June 10, 20241:18:37 PM1:18:37 PM104Monday, June 10, 20241:18 tố nào tác động đến tăng trưởng tín dụng cũng như sự tác động của các yếu tố đến tăng trưởng tín dụng rất quan trọng. Vì lí do đó, nhóm em đã chọn đề tài “Các yếu n dung cua he thong tác động tốngan hangđến tăng trưởng thuong mai tai tín Vietdụng của hệyeu NamCac thống NHTM to tac dongtại denViệt tangNam” để tin truong tìmdung hiểu cua he tho và nghiên cứu. n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho 1.2 Mục tiêu nghiên cứu 10, 20241:18:33 PM1:18:33 PM104Monday, June 10, 20241:18:33 PM1:18:33 PM104Monday, June 10, 20241:18 Mục tiêu chung n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho Mục tiêu chung của đề tài là nghiên cứu các yếu tố tác động đến tăng trưởng tín n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho dụng của hệ thống ngân hàng thương mại tại Việt Nam. Từ đó, đề xuất kiến nghị để n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho các NHTM tại Việt Nam tăng trưởng tín dụng một cách hợp lí và hiệu quả.

n dung cua he thong nganMục hangtiêu thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho cụ thể ➢ Xác định các yếu tố tác động đến tăng trưởng tín dụng. ➢ Phân tích sự tác động của các yếu tố đó đến tăng trưởng tín dụng. Đề xuất một số kiến nghị nhằm duy trì mức tăng trưởng tín dụng hợp lí. n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho 1.3 Câu hỏi nghiên cứu n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho Để đạt được mục tiêu trên cần giải quyết được những câu hỏi nghiên cứu sau: nn dung tangcua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho truong ➢tinCác dung cua yếu tố nào ảnhhe hưởngthong đến tăngngan hang trưởng tín thuong dụng của mai tai Viet N hệ thống NHTM n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho ➢ Các yếu tố đó ảnh hưởng như thế nào đến tăng trưởng tín dụng của hệ thống NHTM ? ➢ Những kiến nghị nào được đưa ra để tăng trưởng tín dụng tại các ngân hàng hợp lí và chất lượng ? 1.4 Đối tượng nghiên cứu Tănghang n dung cua he thong ngan trưởng tín dụng thuong và Viet mai tai các yếu tố tácyeu NamCac động đếndong to tac tăng den trưởng tangtíntruong dụng tin tạidung Việt cua he tho Nam.

n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho 10, 20241:18:32 PM1:18:32 PM104Monday, June 10, 20241:18:32 PM1:18:32 PM104Monday, June 10, 20241:18 2 dung cua he thong ngan hang thuong mai tai Viet Cac yeu to tac dong den tang truong tin n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho ng thuong 10, mai tai Viet 20241:18:35 NamCac yeu PM1:18:35 to tac dong den tang PM104Monday, Junetruong 10, tin dung cua he thong 20241:18:35 ngan hang PM1:18:35 thuong mai tai Viet PM104Monday, JuneNam 10, 20241:18 1.5 Phạm 1042410061:18:31 vi nghiên PM1:18:31 cứu PM1042410061:18:31 PM1:18:31 PM1042410061:18:31 PM1:18:31 PM 10, 20241:18:37 PM1:18:37 PM104Monday, June 10, 20241:18:37 PM1:18:37 PM104Monday, June 10, 20241:18 • Phạm vi không gian: tập trung vào những số liệu kết quả hoạt động kinh doanh của 20 ngân hàng TMCP Việt Nam. n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho Lý do chọn 20 ngân hàng để xây dựng mô hình nghiên cứu vì đây là những ngân n dung cua he thong ngan hàng lớn ở Việt hang Nammai thuong cótai đầy đủNamCac Viet số liệu đã yeuđược to tac dong công bốden tang trong truongthời khoảng tin dung gian cua he tho nghiên cứu. 10, 20241:18:33 PM1:18:33 PM104Monday, June 10, 20241:18:33 PM1:18:33 PM104Monday, June 10, 20241:18 • Thời n dung cua he thong ngan hanggian nghiên thuong mai cứu: tìnhNamCac tai Viet yeuđộng hình hoạt tíndong to tac dụngden củatang các truong năm cua he tho NHTMtintừdung 2013 đến năm 2019. n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho Lý do chọn khoảng thời gian này nghiên cứu là vì sau khoảng thời gian tăng n dung cua he thong ngan hang thuong mai tai Viet NamCac yeu to tac dong den tang truong tin dung cua he tho trưởng tín dụng chậm lại từ năm 2011 và trong năm 2012 tăng trưởng tín dụng là n dung cua he thong ngan thấp hang nhất thuong trong lịch mai tai Vietngân sử ngành NamCac hàng.yeu to tac Tuy dong nhiên, den đến tang2013 năm truong trởtin đidung tăng cua he tho trưởng tín dụng đã có bước chuyển biến mới.

Mức tăng trưởng ổn định theo kế hoạch NHNN đặt ra. Bên cạnh đó, để đảm bảo số lượng ngân hàng có đầy đủ số liệu nghiên cứu nên nhóm đã chọn khoảng thời gian nghiên cứu từ 2013-2019.