Bối cảnh và vấn đề nghiên cứu

Hoạt động tín dụng giữ vai trò huyết mạch và là nguồn thu nhập chủ yếu của hệ thống các ngân hàng thương mại cổ phần (NHTMCP) tại Việt Nam, đóng góp quan trọng vào sự tăng trưởng kinh tế - xã hội thông qua việc thực thi chức năng trung gian tài chính. Tuy nhiên, trước áp lực cạnh tranh thị trường gay gắt và sự biến động phức tạp của các yếu tố tài chính, rủi ro nợ xấu luôn là thách thức lớn đe dọa sự an toàn của toàn bộ hệ thống. Nợ xấu gia tăng nhanh chóng không chỉ làm xói mòn niềm tin của người gửi tiền và các nhà đầu tư, đẩy hệ thống tài chính vào nguy cơ khủng hoảng thanh khoản do làn sóng rút tiền đột ngột, mà còn cản trở đà tăng trưởng kinh tế do việc thắt chặt dòng vốn đầu tư và gia tăng chi phí vốn của các doanh nghiệp.

Theo số liệu từ Ngân hàng Nhà nước Việt Nam, tỷ lệ nợ xấu toàn hệ thống đã tăng từ 2,03% vào cuối năm 2022 lên mức 4,55% vào cuối năm 2023, buộc các ngân hàng phải áp dụng chính sách cấp tín dụng thận trọng hơn. Trong chín tháng đầu năm 2023, bất chấp chính sách duy trì mặt bằng lãi suất cho vay thấp và hiệu lực của Thông tư số 02/2023/TT-NHNN nhằm hỗ trợ các tổ chức tín dụng cơ cấu lại nợ, tỷ lệ nợ xấu vẫn tăng từ 1,6% lên 2,24% – mức cao nhất trong vòng 10 năm. Bước sang quý 1 năm 2024, tỷ lệ nợ xấu tại các ngân hàng niêm yết tiếp tục duy trì ở mức cao là 2,18%, xuất phát từ làn sóng nợ xấu chéo và sự suy giảm sức khỏe tài chính của khu vực doanh nghiệp.

Xuất phát từ thực trạng trên, khóa luận xác định mục tiêu tổng quát là phân tích các yếu tố tài chính tác động đến nợ xấu tại các NHTMCP Việt Nam, từ đó đề xuất các hàm ý quản trị nhằm kiểm soát và giảm thiểu tỷ lệ nợ xấu.

Mục tiêu cụ thể được thiết lập bao gồm:

  1. Xác định và làm rõ các biến tài chính tác động đến tỷ lệ nợ xấu của các NHTMCP Việt Nam.
  2. Xác định mức độ và chiều hướng tác động của các yếu tố tài chính đến tỷ lệ nợ xấu thông qua mô hình phân tích định lượng.
  3. Đề xuất các khuyến nghị phù hợp cho các nhà quản trị ngân hàng nhằm nâng cao chất lượng tín dụng và giảm thiểu tỷ lệ nợ xấu trong thời gian tới.

Nhiệm vụ nghiên cứu được cụ thể hóa bằng ba câu hỏi nghiên cứu:

  1. Các yếu tố tài chính nào ảnh hưởng đến tỷ lệ nợ xấu tại các Ngân hàng thương mại cổ phần Việt Nam?
  2. Chiều hướng và mức độ tác động của các yếu tố ra sao đối với nợ xấu tại các NHTMCP Việt Nam?
  3. Cần có những hàm ý quản trị phù hợp nào dành cho các nhà quản trị ngân hàng nhằm giảm thiểu tỷ lệ nợ xấu tại các NHTMCP Việt Nam?
  • Đối tượng nghiên cứu: Các yếu tố tài chính tác động đến nợ xấu tại các NHTMCP Việt Nam.
  • Phạm vi không gian: Nghiên cứu thực hiện trên mẫu khảo sát gồm 25 NHTMCP tại Việt Nam (không bao quát toàn bộ 31 NHTMCP do hạn chế trong việc tiếp cận báo cáo tài chính đầy đủ của một số đơn vị).
  • Phạm vi thời gian: Giai đoạn từ năm 2012 đến năm 2023, phản ánh chu kỳ từ khi nền kinh tế ổn định sau khủng hoảng tài chính toàn cầu 2007–2008 đến giai đoạn phục hồi kinh tế hậu đại dịch Covid-19 với số liệu kiểm toán cập nhật nhất.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và cơ chế phân loại nợ

Khóa luận vận dụng hệ thống các lý thuyết tài chính - ngân hàng kinh điển để xây dựng giả thuyết nghiên cứu:

  • Lý thuyết thông tin bất cân xứng (Asymmetric Information - Akerlof, 1970; Berger & DeYoung, 1997): Giải thích hiện tượng lựa chọn đối nghịch (Adverse Selection) và rủi ro đạo đức (Moral Hazard) trong hoạt động tín dụng. Ngân hàng thiếu thông tin chuẩn xác dễ cấp vốn cho khách hàng có rủi ro vỡ nợ cao; ngược lại, các ngân hàng có tỷ lệ vốn chủ sở hữu trên tổng tài sản (ETA) và tỷ suất sinh lời (ROE) lành mạnh có xu hướng kiểm soát rủi ro danh mục tín dụng tốt hơn.
  • Lý thuyết quản lý yếu kém (Bad Management - Berger & DeYoung, 1997): Trình bày mối quan hệ ngược chiều giữa hiệu quả hoạt động và nợ xấu; sự lỏng lẻo trong thẩm định và kiểm soát chi phí hoạt động trên thu nhập (CIR) dẫn đến gia tăng các khoản vay dưới chuẩn.
  • Lý thuyết kém may mắn (Bad Luck - Berger & DeYoung, 1997): Chỉ ra các chi phí hoạt động phát sinh thêm khi ngân hàng buộc phải giải quyết các khoản nợ có vấn đề do các cú sốc ngoại sinh.
  • Lý thuyết hà tiện (Skimping - Berger & DeYoung, 1997): Ngân hàng cắt giảm chi phí thẩm định và giám sát trong ngắn hạn để tối ưu hóa lợi nhuận tức thời, kéo theo nợ xấu tăng cao trong dài hạn.
  • Lý thuyết hiệu ứng quy mô (Size Effect - Salas & Saurina, 2002): Phân tích tính hai mặt của quy mô ngân hàng (SIZE); quy mô lớn giúp đa dạng hóa danh mục nhưng cũng có thể dẫn tới sự chủ quan do tâm lý "quá lớn để phá sản" (Too Big to Fail - Boyd & Gertler, 1994).

Về cơ chế pháp lý đo lường, tác giả căn cứ theo quy định tại Thông tư 11/2021/TT-NHNN (và văn bản tiền đề Thông tư 02/2013/TT-NHNN) của Ngân hàng Nhà nước, phân chia nợ thành 5 nhóm dựa trên tiêu chí định tính và định lượng: Nhóm 1 (Đủ tiêu chuẩn), Nhóm 2 (Cần chú ý - quá hạn đến 90 ngày), Nhóm 3 (Dưới tiêu chuẩn - quá hạn từ 91 đến 180 ngày), Nhóm 4 (Nghi ngờ - quá hạn từ 181 đến 360 ngày), Nhóm 5 (Có khả năng mất vốn - quá hạn trên 360 ngày). Tỷ lệ nợ xấu (NPL) được xác định bằng công thức:

$$\text{Tỷ lệ nợ xấu (NPL)} = \frac{\text{Dư nợ Nhóm 3} + \text{Dư nợ Nhóm 4} + \text{Dư nợ Nhóm 5}}{\text{Tổng dư nợ tín dụng}} \times 100%$$

Tác giả cũng đối chiếu cơ chế phân loại nợ xấu của Việt Nam với các chuẩn mực quốc tế như Financial Soundness Indicators (IMF, 2004), Viện Tài chính Quốc tế (IIF, 2019) và thực tiễn tại các quốc gia (Ấn Độ, Argentina, Brazil, Hàn Quốc, Nga, Nhật Bản, Pháp, Trung Quốc, Úc, Ý).

Quốc gia / Chuẩn mực Tiêu chí phân loại chính Số nhóm nợ Tỷ lệ trích lập dự phòng theo nhóm (nếu có)
Việt Nam (TT 11/2021/TT-NHNN) Quá hạn $\ge 90$ ngày hoặc suy giảm khả năng trả nợ 5 nhóm Nhóm 1 (0%), Nhóm 2 (5%), Nhóm 3 (20%), Nhóm 4 (50%), Nhóm 5 (100%)
IMF (2004) / IIF (2019) Gốc/lãi quá hạn $\ge 90$ ngày, tái cơ cấu, mất khả năng trả nợ - Tính trên toàn bộ giá trị khoản vay trên Bảng cân đối
Argentina Thông thường, theo dõi đặc biệt, không đạt chuẩn, rủi ro cao, không thể phục hồi, không thể phục hồi theo kỹ thuật 6 nhóm 1%, 3%, 12%, 25%, 50%, 75%
Trung Quốc Tiêu chuẩn, cần chú ý, dưới tiêu chuẩn, nghi ngờ, có khả năng mất vốn 5 nhóm 1%, 3%, 25%, 75%, 100%
Nhật Bản Bình thường, cần chú ý đặc biệt, nghi ngờ, phá sản trên thực tế 4 nhóm 3 nhóm sau lần lượt: 15%, 70%, 100%

Phương pháp nghiên cứu và dữ liệu

Nghiên cứu kết hợp phương pháp định tính (phân tích, tổng hợp tài liệu tiền đề) và phương pháp định lượng đối với dữ liệu mảng (Panel Data) trên phần mềm Stata 17.

Quy trình ước lượng định lượng được tiến hành tuần tự:

  1. Thống kê mô tả các biến và phân tích ma trận tương quan kết hợp kiểm định hiện tượng đa cộng tuyến (VIF).
  2. Ước lượng hồi quy mảng qua ba mô hình cơ bản: Mô hình hồi quy gộp (Pooled OLS), Mô hình tác động cố định (FEM) và Mô hình tác động ngẫu nhiên (REM).
  3. Lựa chọn mô hình tối ưu thông qua các kiểm định thống kê: F-test, Kiểm định Breusch-Pagan Lagrange Multiplier và Kiểm định Hausman.
  4. Thực hiện các kiểm định chẩn đoán khuyết tật mô hình: Kiểm định Wald (kiểm tra phương sai sai số thay đổi), Kiểm định Wooldridge (kiểm tra hiện tượng tự tương quan) và Kiểm định Durbin - Wu - Hausman (kiểm tra tính nội sinh của các biến).
  5. Khắc phục khuyết tật bằng phương pháp Bình phương tối thiểu tổng quát khả thi (FGLS) và kỹ thuật ước lượng Mô hình GMM hai bước hệ thống (Two-step System GMM).
  • Nguồn dữ liệu: Số liệu thứ cấp được trích xuất từ cơ sở dữ liệu FiinPro, báo cáo tài chính đã kiểm toán và báo cáo thường niên giai đoạn 2012–2023 của 25 NHTMCP Việt Nam.

Nội dung chính theo từng chương

CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU

Chương 1 thiết lập khung tổng quan cho đề tài nghiên cứu. Tác giả phân tích tính cấp thiết của việc kiểm soát nợ xấu trong bối cảnh tỷ lệ nợ xấu toàn ngành có xu hướng gia tăng mạnh trong giai đoạn 2022–2024. Chương này làm rõ 3 mục tiêu cụ thể, 3 câu hỏi nghiên cứu, xác định đối tượng nghiên cứu là các yếu tố tài chính, và giới hạn phạm vi nghiên cứu tại 25 NHTMCP Việt Nam giai đoạn 2012–2023. Tác giả cũng chỉ ra các đóng góp thực tiễn của đề tài trong việc cung cấp bức tranh toàn diện và hàm ý quản trị hỗ trợ các nhà điều hành ngân hàng.

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

Chương 2 hệ thống hóa cơ sở lý luận về nợ xấu và các yếu tố tài chính. Tác giả trình bày định nghĩa nợ xấu theo Thông tư 02/2013/TT-NHNN, Thông tư 11/2021/TT-NHNN, các chuẩn mực IMF, IIF, và bảng so sánh cơ chế phân loại nợ của nhiều quốc gia. Chương này phân tích 5 lý thuyết nền tảng (Thông tin bất cân xứng, Quản lý yếu kém, Kém may mắn, Hà tiện, Hiệu ứng quy mô). Đồng thời, tác giả tổng hợp các công trình nghiên cứu thực nghiệm trong nước và quốc tế, từ đó chỉ ra khoảng trống nghiên cứu: phần lớn các nghiên cứu trước đây chỉ cập nhật dữ liệu đến năm 2021–2022, thiếu vắng số liệu giai đoạn 2022–2023 phản ánh bối cảnh hậu Covid-19, và cần một mô hình tập trung chuyên sâu vào các biến số tài chính nội tại của ngân hàng bằng phương pháp GMM.

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

Chương 3 trình bày chi tiết quy trình nghiên cứu 8 bước và xây dựng mô hình kinh tế lượng tổng quát:

$$NPL_{i,t} = \beta_0 + \beta_1 SIZE_{i,t} + \beta_2 ROE_{i,t} + \beta_3 LGR_{i,t} + \beta_4 LLR_{i,t} + \beta_5 ETA_{i,t} + \beta_6 CIR_{i,t} + \beta_7 NPL_{i,t-1} + \beta_8 LDR_{i,t} + \varepsilon_{i,t}$$

Chương này định nghĩa cách đo lường cụ thể cho 1 biến phụ thuộc ($NPL$) và 8 biến độc lập: Quy mô ngân hàng ($SIZE = \log(\text{Tổng tài sản})$), Tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$), Tốc độ tăng trưởng tín dụng ($LGR$), Tỷ lệ dự phòng rủi ro tín dụng ($LLR$), Tỷ lệ vốn chủ sở hữu trên tổng tài sản ($ETA$), Chi phí hoạt động trên thu nhập ($CIR$), Tỷ lệ nợ xấu năm trước ($NPL_{t-1}$), và Tỷ lệ cho vay trên tiền gửi ($LDR$). Đồng thời, tác giả thiết lập các giả thuyết nghiên cứu từ H1 đến H8 và quy trình kiểm định kinh tế lượng trên Stata.

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

Chương 4 trình bày toàn bộ kết quả định lượng. Sau khi thực hiện thống kê mô tả và ma trận tương quan, các kiểm định lựa chọn mô hình (F-test, Breusch-Pagan, Hausman) chỉ ra mô hình FEM phù hợp hơn Pooled OLS và REM. Tuy nhiên, kiểm định Wald và Wooldridge xác nhận mô hình xuất hiện hiện tượng phương sai sai số thay đổi và tự tương quan; kiểm định Durbin - Wu - Hausman chỉ ra sự tồn tại của yếu tố nội sinh. Mô hình FGLS và phương pháp GMM hai bước (System GMM) được áp dụng để khắc phục triệt để các khuyết tật này. Kết quả GMM chỉ ra có 5 biến tài chính có ý nghĩa thống kê ở mức 1% ($SIZE$, $ROE$, $LLR$, $LDR$, $CIR$), trong khi 3 biến ($LGR$, $ETA$, $NPL_{t-1}$) không có ý nghĩa thống kê. Tác giả tiến hành thảo luận chi tiết từng kết quả hồi quy đối chiếu với các nghiên cứu tiền đề.

CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Chương 5 đúc kết các phát hiện chính từ kết quả hồi quy mô hình GMM, đề xuất các nhóm hàm ý quản trị thiết thực cho nhà quản trị các NHTMCP Việt Nam nhằm tối ưu hóa chi phí hoạt động, kiểm soát tốc độ mở rộng quy mô, cân đối thanh khoản cho vay và trích lập dự phòng rủi ro tín dụng. Chương này cũng nêu rõ các giới hạn về dữ liệu và đề xuất định hướng nghiên cứu mở rộng trong tương lai.

Kết quả và đóng góp

Kết quả nghiên cứu thực nghiệm

Kết quả ước lượng mô hình hồi quy thông qua phương pháp System GMM hai bước đối với mẫu 25 NHTMCP Việt Nam giai đoạn 2012–2023 mang lại các phát hiện thực nghiệm cụ thể:

Tên biến Ký hiệu Cách tính toán Kỳ vọng dấu Kết quả GMM Mức ý nghĩa thống kê Chiều hướng tác động thực tế
Tỷ lệ nợ xấu năm trước $NPL_{t-1}$ $\text{Nợ xấu}{t-1} / \text{Tổng dư nợ}{t-1}$ (+) Không có ý nghĩa $p > 0.10$ Không tác động rõ rệt
Quy mô ngân hàng $SIZE$ $\log(\text{Tổng tài sản})$ (-) (+) $p < 0.01$ Tác động cùng chiều (tăng nợ xấu)
Tỷ suất sinh lời trên VCSH $ROE$ $\text{LN sau thuế} / \text{Vốn CSH}$ (-) (-) $p < 0.01$ Tác động ngược chiều (giảm nợ xấu)
Tốc độ tăng trưởng tín dụng $LGR$ $(\text{Dư nợ}t - \text{Dư nợ}{t-1}) / \text{Dư nợ}_{t-1}$ (+) Không có ý nghĩa $p > 0.10$ Không tác động rõ rệt
Tỷ lệ dự phòng RRTD $LLR$ $\text{Dự phòng RRTD} / \text{Tổng dư nợ}$ (+) (+) $p < 0.01$ Tác động cùng chiều
Vốn chủ sở hữu / Tổng tài sản $ETA$ $\text{Vốn CSH} / \text{Tổng tài sản}$ (-) Không có ý nghĩa $p > 0.10$ Không tác động rõ rệt
Chi phí hoạt động trên thu nhập $CIR$ $\text{Chi phí hoạt động} / \text{Tổng thu nhập}$ (+) (+) $p < 0.01$ Tác động cùng chiều
Tỷ lệ cho vay trên tiền gửi $LDR$ $\text{Tổng dư nợ cho vay} / \text{Tiền gửi KH}$ (-) (+) $p < 0.01$ Tác động cùng chiều (trái kỳ vọng)
  • Các yếu tố tác động làm tăng nợ xấu (cùng chiều, mức ý nghĩa 1%):
    • Quy mô ngân hàng ($SIZE$): Tác động dương đến nợ xấu, ủng hộ quan điểm "Too Big to Fail" (Boyd & Gertler, 1994) và kết quả của Koju (2018), Trần Vương Thịnh & Nguyễn Ngọc Hồng Loan (2021). Các ngân hàng lớn có xu hướng nới lỏng kiểm soát, gia tăng danh mục tài sản rủi ro cao.
    • Chi phí hoạt động trên thu nhập ($CIR$): Tác động cùng chiều mạnh mẽ, minh chứng cho lý thuyết Quản lý yếu kém (Berger & DeYoung, 1997) và nghiên cứu của Cândida (2022); sự kém hiệu quả trong quản lý chi phí đi kèm với sự lỏng lẻo trong thẩm định và giám sát tín dụng.
    • Tỷ lệ dự phòng rủi ro tín dụng ($LLR$): Tác động dương, phản ánh thực tế khi nợ xấu phát sinh gia tăng, ngân hàng bắt buộc phải trích lập dự phòng nhiều hơn để bảo đảm an toàn theo Thông tư 11/2021/TT-NHNN, tương tự kết luận của Hoàng Thị Thanh Hằng và cộng sự (2020).
    • Tỷ lệ cho vay trên tiền gửi ($LDR$): Thể hiện tác động cùng chiều ở mức ý nghĩa 1%, trái với kỳ vọng dấu âm ban đầu. Việc đẩy mạnh tỷ lệ cho vay vượt mức an toàn so với nguồn vốn huy động làm gia tăng rủi ro thanh khoản và rủi ro tín dụng tiềm ẩn.
  • Yếu tố tác động làm giảm nợ xấu (nghịch chiều, mức ý nghĩa 1%):
    • Khả năng sinh lời ($ROE$): Tác động âm có ý nghĩa thống kê cao. Ngân hàng có năng lực sinh lời cao có hệ thống quản trị hiệu quả, nguồn lực tài chính vững chắc để xử lý rủi ro và không bị áp lực phải giải ngân vào các dự án dưới chuẩn (Makri et al., 2014; Dimitrios et al., 2016).
  • Các biến không thể hiện ý nghĩa thống kê: Tốc độ tăng trưởng tín dụng ($LGR$), Tỷ lệ vốn chủ sở hữu trên tổng tài sản ($ETA$) và Tỷ lệ nợ xấu năm trước ($NPL_{t-1}$).

Giải pháp và hàm ý quản trị đề xuất

Căn cứ trên các phát hiện thực nghiệm, tác giả khuyến nghị các nhà quản trị ngân hàng:

  1. Kiểm soát chi phí hoạt động ($CIR$): Nâng cao năng lực thẩm định và giám sát tín dụng, tái cấu trúc quy trình vận hành nhằm tối ưu hóa chi phí thay vì cắt giảm nguồn lực quản trị rủi ro.
  2. Thận trọng trong việc mở rộng quy mô tài sản ($SIZE$): Tránh mở rộng mạng lưới và tăng trưởng nóng theo đuổi thị phần mà xem nhẹ chất lượng tài sản có.
  3. Kiểm soát tỷ lệ cho vay trên tiền gửi ($LDR$): Thiết lập giới hạn an toàn thanh khoản, cân đối giữa khả năng huy động vốn và dư nợ cấp tín dụng, tránh phụ thuộc vào các nguồn vốn ngắn hạn rủi ro cao.
  4. Nâng cao hiệu quả sinh lời ($ROE$) bền vững: Tập trung vào chất lượng dịch vụ và đa dạng hóa nguồn thu phi tín dụng thay vì tìm kiếm lợi nhuận thông qua việc nới lỏng chuẩn cho vay.
  5. Duy trì chính sách trích lập dự phòng ($LLR$) chủ động: Thực hiện trích lập đầy đủ và kịp thời theo phân loại nhóm nợ nhằm tạo bộ đệm chống đỡ tổn thất tín dụng.

Đóng góp của đề tài

  • Khóa luận lấp đầy khoảng trống dữ liệu bằng việc cập nhật chuỗi số liệu giai đoạn 2012–2023, bao quát bối cảnh tái cơ cấu kinh tế hậu Covid-19 tại Việt Nam.
  • Nghiên cứu tập trung chuyên sâu vào các biến số tài chính nội tại của ngân hàng – những yếu tố mà ban quản trị có thể trực tiếp can thiệp và kiểm soát.
  • Ứng dụng quy trình kiểm định kinh tế lượng toàn diện kết hợp phương pháp ước lượng System GMM hai bước giúp giải quyết triệt để các hiện tượng nội sinh, tự tương quan và phương sai thay đổi, đảm bảo tính vững của các ước lượng tham số.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của khóa luận

  • Quy mô mẫu nghiên cứu: Mẫu chỉ giới hạn ở 25 NHTMCP do một số ngân hàng chưa công bố thông tin minh bạch hoặc hạn chế quyền truy cập báo cáo tài chính kiểm toán, chưa đại diện được cho toàn bộ 31 NHTMCP tại Việt Nam.
  • Phạm vi biến số: Nghiên cứu thuần túy tập trung vào các yếu tố tài chính vi mô nội tại của ngân hàng, chưa tích hợp các biến số kinh tế vĩ mô (như tăng trưởng GDP, lạm phát, lãi suất điều hành, tỷ giá hối đoái).
  • Cơ cấu dữ liệu: Chưa thực hiện bóc tách, phân tích chi tiết nợ xấu theo từng phân khúc khách hàng (cá nhân, doanh nghiệp nhỏ và vừa, tập đoàn lớn) hoặc theo từng ngành nghề kinh doanh cụ thể.

Hướng nghiên cứu tiếp theo

  • Mở rộng mẫu nghiên cứu bao gồm toàn bộ hệ thống các NHTMCP, NHTM có vốn Nhà nước và các chi nhánh ngân hàng nước ngoài tại Việt Nam.
  • Kết hợp đồng thời các yếu tố tài chính vi mô và các biến số kinh tế vĩ mô trong mô hình phương trình động.
  • Khai thác dữ liệu phân rã nợ xấu theo phân khúc sản phẩm tín dụng và các ngành kinh tế trọng điểm để đưa ra khuyến nghị chuyên biệt hóa.

Giá trị tham khảo

Khóa luận là nguồn tài liệu tham khảo có giá trị học thuật và thực tiễn cho các nhóm đối tượng:

  • Sinh viên, học viên cao học chuyên ngành Tài chính - Ngân hàng, Kinh tế học, Kế toán - Kiểm toán: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu dữ liệu mảng, quy trình chạy kiểm định khuyết tật mô hình trên Stata (Pooled OLS, FEM, REM, FGLS, System GMM), và cách thức xây dựng khung lý thuyết gắn với các văn bản quy phạm pháp luật ngành ngân hàng.
  • Nhà nghiên cứu về rủi ro tín dụng: Tham khảo khung phân tích so sánh cơ chế phân loại nợ xấu giữa Thông tư 11/2021/TT-NHNN của Việt Nam và hệ thống ngân hàng quốc tế (Ấn Độ, Brazil, Argentina, Trung Quốc, Nhật Bản...).
  • Nhà quản trị rủi ro và chuyên viên phân tích tín dụng tại các NHTMCP: Sử dụng các kết quả định lượng về mối quan hệ giữa $SIZE$, $CIR$, $LDR$, $ROE$, $LLR$ với tỷ lệ nợ xấu làm cơ sở tham chiếu khi hoạch định chính sách cấp tín dụng và thiết lập hệ thống cảnh báo sớm rủi ro.

Câu hỏi thường gặp

1. Khóa luận sử dụng mô hình kinh tế lượng nào để đưa ra kết quả kết luận cuối cùng và nhằm xử lý những khuyết tật gì?

Tác giả sử dụng phương pháp hồi quy GMM hai bước (Two-step System GMM). Phương pháp này được lựa chọn sau khi các kiểm định kinh tế lượng (Wald test, Wooldridge test, Durbin - Wu - Hausman test) phát hiện các mô hình truyền thống (Pooled OLS, FEM, REM) gặp phải hiện tượng phương sai sai số thay đổi, tự tương quan và tính nội sinh giữa các biến.

2. Những yếu tố tài chính nào tác động có ý nghĩa thống kê đến tỷ lệ nợ xấu trong khóa luận?

Có 5 yếu tố có ý nghĩa thống kê ở mức 1% ($p < 0.01$):

  • $ROE$ (Tỷ suất sinh lời trên vốn chủ sở hữu): Tác động ngược chiều.
  • $SIZE$ (Quy mô ngân hàng): Tác động cùng chiều.
  • $CIR$ (Chi phí hoạt động trên thu nhập): Tác động cùng chiều.
  • $LLR$ (Tỷ lệ dự phòng rủi ro tín dụng): Tác động cùng chiều.
  • $LDR$ (Tỷ lệ cho vay trên tiền gửi): Tác động cùng chiều. Ba biến $LGR$ (tăng trưởng tín dụng), $ETA$ (VCSH/tổng tài sản) và $NPL_{t-1}$ (nợ xấu kỳ trước) không có ý nghĩa thống kê.

3. Kết quả tác động của biến nào trái ngược với kỳ vọng ban đầu của tác giả?

Biến tỷ lệ cho vay trên tiền gửi ($LDR$) thể hiện tác động cùng chiều đến tỷ lệ nợ xấu ở mức ý nghĩa 1%, trái với kỳ vọng ban đầu là tác động ngược chiều. Kết quả này phản ánh việc gia tăng tỷ lệ cho vay quá mức so với nguồn vốn tiền gửi huy động làm gia tăng rủi ro thanh khoản và dẫn đến nợ xấu cao hơn tại các NHTMCP Việt Nam.

4. Tỷ lệ nợ xấu của hệ thống ngân hàng Việt Nam được trích dẫn biến động như thế nào trong giai đoạn 2022–2024?

Theo dữ liệu trong khóa luận:

  • Tỷ lệ nợ xấu toàn hệ thống tăng từ 2,03% (cuối năm 2022) lên 4,55% (cuối năm 2023).
  • Trong 9 tháng đầu năm 2023, tỷ lệ nợ xấu tăng từ 1,6% lên 2,24% (mức cao nhất trong 10 năm).
  • Quý 1 năm 2024, tỷ lệ nợ xấu tại các ngân hàng niêm yết ở mức 2,18%.

5. Căn cứ pháp lý nào được sử dụng để xác định và phân loại các nhóm nợ xấu tại Việt Nam trong khóa luận?

Tác giả căn cứ theo Điều 10 và Điều 11 của Thông tư số 11/2021/TT-NHNN do Ngân hàng Nhà nước Việt Nam ban hành ngày 30/07/2021 (kế thừa từ Thông tư số 02/2013/TT-NHNN), phân loại nợ thành 5 nhóm dựa trên phương pháp định tính và định lượng (số ngày quá hạn), trong đó nợ xấu bao gồm Nhóm 3 (Dưới tiêu chuẩn), Nhóm 4 (Nghi ngờ) và Nhóm 5 (Có khả năng mất vốn).

Kết luận

Khóa luận tốt nghiệp của tác giả Phạm Ngọc Thảo đã phân tích có hệ thống các yếu tố tài chính nội tại tác động đến tỷ lệ nợ xấu tại 25 NHTMCP Việt Nam giai đoạn 2012–2023 bằng mô hình hồi quy System GMM hai bước vững chắc. Kết quả nghiên cứu khẳng định tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$) có tác động kiềm chế nợ xấu, trong khi quy mô ngân hàng ($SIZE$), chi phí hoạt động trên thu nhập ($CIR$), tỷ lệ dự phòng rủi ro tín dụng ($LLR$) và tỷ lệ cho vay trên tiền gửi ($LDR$) là những nhân tố thúc đẩy nợ xấu gia tăng. Công trình cung cấp hệ thống cơ sở thực nghiệm cập nhật và các hàm ý quản trị rõ ràng giúp các ngân hàng thương mại tối ưu hóa chi phí vận hành, kiểm soát thanh khoản và quản trị rủi ro tín dụng hiệu quả trong môi trường tài chính hiện đại.