Các yếu tố vĩ mô ảnh hưởng đến nợ xấu tại Việt Nam

Nghiên cứu các yếu tố vĩ mô ảnh hưởng đến nợ xấu của ngân hàng thương mại tại Việt Nam, cung cấp cái nhìn sâu sắc về tình hình tài chính.

• Tác giả: Tran Ngoc Loan
• Người hướng dẫn: Ms. Nguyen Thi My Hanh
• Trường học: Banking University of Ho Chi Minh City
• Chuyên ngành: Finance – Banking
• Đề tài: Macro Determinants On Non-Performing Loans In Vietnam
• Loại tài liệu: Undergraduate Thesis
• Năm xuất bản: 2018
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• ABSTRACT
• ACKNOWLEDGEMENT
• AUTHOR’S DECLARATION
• THESIS SUPERVISOR’S DECLARATION OF APPROVAL
• TABLES OF CONTENTS
• LIST OF ABBREVIATIONS
• LIST OF TABLES
• LIST OF FIGURE
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Banking sector in Vietnam
• 1.2. Background of the study
• 1.3. Research objectives
• 1.4. Research questions
• 1.5. Research subjects and scope
• 1.6. Research method
• 1.7. Significance of the study
• 1.8. Structure of the study
• 1.9. Conclusion
• 2. CHAPTER 2: LITERATURE REVIEW
• 2.1. Introduction
• 2.2. Business cycle theory
• 2.3. Financial accelerator theory
• 2.4. Monetary policy transmission mechanism theory
• 2.5. Debt deflation theory
• 2.6. Inflation and loan default
• 2.7. Macro determinants of non-performing loans
• 2.8. Non-performing loans
• 2.9. GDP growth rate
• 2.10. Real interest rate
• 3. CHAPTER 3: RESEARCH METHOD
• 3.1. Research questions and hypotheses
• 4. CHAPTER 4: FINDINGS AND DISCUSSION
• 4.1. Overview of non-performing loans in Vietnam
• 4.2. Tests of specification for panel data
• 4.3. Limitations of the study
• 4.4. Suggestions for future research
• APPENDIX 1: LIST OF COMMERCIAL BANKS USED IN MODEL
• APPENDIX 2: RESULTS OF MODEL FROM STATA 13
• APPENDIX 3: MACRO VARIABLES USED IN MODEL

Tóm tắt

I. Tổng quan về nợ xấu và các yếu tố vĩ mô tại Việt Nam

Ngành ngân hàng đóng vai trò quan trọng trong hệ thống tài chính và nền kinh tế của mọi quốc gia. Các ngân hàng hoạt động như một trung gian tài chính, thu hút tiền từ những người có dư và cho những người cần vốn vay để đầu tư. Việc cấp tín dụng cho người vay là một trong những cách mà ngân hàng đóng góp vào sự tăng trưởng của một quốc gia. Bên cạnh đó, các ngân hàng thương mại còn là kênh thực hiện chính sách tiền tệ của Ngân hàng Nhà nước và các chính sách của chính phủ. Lịch sử kinh tế toàn cầu cho thấy hầu hết các cuộc khủng hoảng kinh tế như khủng hoảng tài chính châu Á năm 1997 hay khủng hoảng tài chính toàn cầu năm 2008 đều là hậu quả của hệ thống tài chính yếu kém và thất bại. Do đó, ngành ngân hàng có thể được xem là yếu tố quyết định quan trọng nhất đối với sự phát triển và ổn định của nền kinh tế. Hiệu quả hoạt động tốt của ngành ngân hàng sẽ thúc đẩy tăng trưởng kinh tế, đặc biệt là các nước đang phát triển, trong khi những thất bại của nó sẽ đẩy toàn bộ nền kinh tế vào một cuộc khủng hoảng tiềm tàng. Tại Việt Nam, vấn đề nợ xấu của các ngân hàng thương mại ngày càng trở nên nghiêm trọng, làm dấy lên lo ngại về sự bất ổn xung quanh lĩnh vực ngân hàng nói riêng và nền kinh tế nói chung.

1.1. Vai trò của ngành ngân hàng trong nền kinh tế Việt Nam

Ngành ngân hàng đóng vai trò trung gian tài chính quan trọng, kết nối người gửi tiền và người vay vốn. Hoạt động cấp tín dụng của ngân hàng thúc đẩy tăng trưởng kinh tế. Ngân hàng cũng là kênh thực thi chính sách tiền tệ của Ngân hàng Nhà nước. Sự ổn định của hệ thống ngân hàng có ý nghĩa then chốt đối với sự phát triển bền vững của nền kinh tế. Theo tài liệu gốc, 'The banking sector can be seen as the most vital determinants of the development and stability of the economy.'

1.2. Thực trạng nợ xấu gia tăng và những hệ lụy tiềm ẩn

Trong những năm gần đây, nợ xấu đã trở thành mối quan tâm lớn của nền kinh tế Việt Nam nói chung và ngành ngân hàng nói riêng. Tỷ lệ nợ xấu cao làm hạn chế tăng trưởng tín dụng của ngân hàng và tác động gián tiếp đến việc thực hiện các chỉ số kinh tế vĩ mô. Nhiều quốc gia đã trải qua tình trạng nợ xấu lớn trong hệ thống ngân hàng, ảnh hưởng đến sức khỏe kinh tế của họ. Theo các chuyên gia tài chính, nợ xấu có thể được xem như “cục máu đông” làm tắc nghẽn nền kinh tế.

II. Thách thức từ yếu tố vĩ mô Ảnh hưởng đến nợ xấu ra sao

Giai đoạn từ 2011 đến 2015 được coi là một trong những giai đoạn khó khăn và thách thức nhất của ngành ngân hàng. Đầu năm 2011, hệ thống ngân hàng Việt Nam phải đối mặt với nhiều vấn đề dẫn đến tình trạng hỗn loạn và khó kiểm soát. Lãi suất cho vay cao (18 – 21%/năm) gây khó khăn cho sản xuất. Sự biến động của tỷ giá hối đoái, giá vàng gây bất ổn thị trường. Ngoài ra, tình trạng căng thẳng thanh khoản thường xuyên xảy ra. Hoạt động của các ngân hàng thương mại tiềm ẩn nhiều rủi ro và dễ bị tổn thương. Bên cạnh đó, các tổ chức tín dụng nhỏ ảnh hưởng tiêu cực đến thị trường. Trong bối cảnh đó, việc xác định các yếu tố vĩ mô tác động đến nợ xấu trở nên cấp thiết.

2.1. Giai đoạn 2011 2015 Khủng hoảng và bất ổn trong ngành ngân hàng

Giai đoạn này chứng kiến nhiều khó khăn như lãi suất cao, biến động tỷ giá, căng thẳng thanh khoản. Các ngân hàng thương mại đối mặt với nhiều rủi ro. Tình hình này làm gia tăng áp lực lên chất lượng tín dụng và làm trầm trọng thêm vấn đề nợ xấu. Theo tài liệu gốc, 'The period from 2011 to 2015 is considered as one of the most difficulties and challenges period of banking sector.'

2.2. Tác động của lạm phát và lãi suất đến khả năng trả nợ

Tỷ lệ lạm phát cao trong năm 2012 đã gây ra lãi suất thực âm, ảnh hưởng tiêu cực đến khả năng trả nợ của các doanh nghiệp và cá nhân. Sự biến động của lãi suất cũng tạo ra rủi ro cho các khoản vay, đặc biệt là các khoản vay có lãi suất thả nổi. Điều này góp phần làm gia tăng nợ xấu trong hệ thống ngân hàng.

2.3. Đánh giá thực trạng nợ xấu và so sánh với các nước ASEAN

Năm 2014, tỷ lệ nợ xấu của hệ thống ngân hàng Việt Nam là 2,02%, đứng thứ tư trong các nước ASEAN (cao hơn Singapore, Malaysia và Campuchia). Tuy nhiên, chỉ số này không phản ánh đúng thực tế tỷ lệ nợ xấu. Moody's ước tính rằng nợ xấu trong hệ thống ngân hàng ít nhất là 15% tổng tài sản, gấp hơn ba lần tỷ lệ chính thức của SBV là 4,7% vào thời điểm đó.

III. Tăng trưởng kinh tế ảnh hưởng thế nào đến nợ xấu tại Việt Nam

Nhiều nghiên cứu đã chỉ ra rằng nợ xấu chịu ảnh hưởng bởi các yếu tố vĩ mô và các yếu tố đặc thù của ngân hàng. Theo Louzis (2010), các biến số kinh tế vĩ mô, đặc biệt là tốc độ tăng trưởng kinh tế thực tế, tỷ lệ thất nghiệp có ảnh hưởng mạnh mẽ đến mức độ nợ xấu. Nkusu (2011) xác định tác động tiêu cực của GDP đối với tỷ lệ nợ xấu và ảnh hưởng tích cực của tỷ lệ thất nghiệp, lạm phát và lãi suất thực đối với nợ xấu. Sau đó, các nghiên cứu của Ahlem Salma Messai và Fathi Jouini (2013) và Prasana (2014) đã tìm thấy mối quan hệ nghịch đảo đáng kể giữa tốc độ tăng trưởng GDP và nợ xấu.

3.1. Mối quan hệ giữa tăng trưởng GDP và khả năng trả nợ

Khi nền kinh tế tăng trưởng, doanh nghiệp có nhiều cơ hội kinh doanh và tạo ra lợi nhuận, từ đó cải thiện khả năng trả nợ. Ngược lại, khi kinh tế suy thoái, doanh nghiệp gặp khó khăn trong việc duy trì hoạt động và trả nợ, dẫn đến gia tăng nợ xấu. Theo tài liệu gốc, 'GDP growth can significantly influence the borrowers‟ ability to repay loans as evidences suggest that higher GDP growth reduces NPLs ratio.'

3.2. Phân tích các nghiên cứu về tác động của tăng trưởng kinh tế

Các nghiên cứu của Salas và Saurina (2002), Quagliarllo (2007), Khemraj và Pasha (2009) đều cho thấy mối quan hệ nghịch đảo giữa tăng trưởng GDP và tỷ lệ nợ xấu. Điều này khẳng định vai trò quan trọng của tăng trưởng kinh tế trong việc duy trì sự ổn định của hệ thống ngân hàng.

IV. Lạm phát tỷ giá và chính sách tiền tệ Tác động đến nợ xấu

Ngoài tăng trưởng kinh tế, các yếu tố vĩ mô khác như lạm phát, tỷ giá hối đoái và chính sách tiền tệ cũng có ảnh hưởng đáng kể đến nợ xấu. Lạm phát cao có thể làm giảm sức mua của người tiêu dùng và tăng chi phí sản xuất của doanh nghiệp, từ đó ảnh hưởng đến khả năng trả nợ. Tỷ giá hối đoái biến động có thể gây ra rủi ro cho các khoản vay bằng ngoại tệ. Chính sách tiền tệ thắt chặt có thể làm tăng lãi suất và giảm tăng trưởng tín dụng, gây khó khăn cho các doanh nghiệp và cá nhân vay vốn.

4.1. Ảnh hưởng của lạm phát đến chi phí vay vốn và khả năng trả nợ

Lạm phát làm giảm giá trị thực của tiền tệ, khiến người vay phải trả nhiều tiền hơn để mua hàng hóa và dịch vụ. Điều này có thể làm giảm khả năng trả nợ của họ, đặc biệt là những người có thu nhập cố định.

4.2. Rủi ro từ biến động tỷ giá hối đoái đối với các khoản vay ngoại tệ

Khi tỷ giá hối đoái tăng, người vay phải trả nhiều tiền Việt Nam hơn để trả nợ bằng ngoại tệ. Điều này có thể gây ra khó khăn cho các doanh nghiệp và cá nhân vay vốn bằng ngoại tệ, đặc biệt là những người không có nguồn thu bằng ngoại tệ.

4.3. Tác động của chính sách tiền tệ đến tăng trưởng tín dụng và nợ xấu

Chính sách tiền tệ thắt chặt có thể làm tăng lãi suất và giảm tăng trưởng tín dụng, gây khó khăn cho các doanh nghiệp và cá nhân vay vốn. Điều này có thể làm gia tăng nợ xấu trong hệ thống ngân hàng.

V. Giải pháp kiểm soát nợ xấu từ góc độ kinh tế vĩ mô tại Việt Nam

Để kiểm soát nợ xấu hiệu quả, cần có sự phối hợp đồng bộ giữa các chính sách kinh tế vĩ mô và các biện pháp quản lý rủi ro của ngân hàng. Chính phủ cần duy trì sự ổn định kinh tế vĩ mô, kiểm soát lạm phát, ổn định tỷ giá hối đoái và thực hiện chính sách tiền tệ linh hoạt. Các ngân hàng cần nâng cao năng lực quản lý rủi ro, thẩm định tín dụng chặt chẽ và tăng cường giám sát các khoản vay.

5.1. Vai trò của chính phủ trong việc ổn định kinh tế vĩ mô

Chính phủ đóng vai trò quan trọng trong việc duy trì sự ổn định kinh tế vĩ mô thông qua các chính sách tài khóa và tiền tệ. Việc kiểm soát lạm phát, ổn định tỷ giá hối đoái và thúc đẩy tăng trưởng kinh tế bền vững là những yếu tố then chốt để giảm thiểu rủi ro nợ xấu.

5.2. Nâng cao năng lực quản lý rủi ro của các ngân hàng

Các ngân hàng cần nâng cao năng lực quản lý rủi ro, thẩm định tín dụng chặt chẽ và tăng cường giám sát các khoản vay. Việc áp dụng các chuẩn mực quốc tế về quản lý rủi ro và tăng cường minh bạch thông tin là rất quan trọng.

5.3. Hoàn thiện khung pháp lý và cơ chế xử lý nợ xấu

Cần tiếp tục hoàn thiện khung pháp lý và cơ chế xử lý nợ xấu, tạo điều kiện thuận lợi cho việc mua bán, sáp nhập và tái cơ cấu các tổ chức tín dụng yếu kém. Việc tăng cường vai trò của VAMC và các tổ chức mua bán nợ chuyên nghiệp là cần thiết.

VI. Dự báo và ứng phó với nợ xấu Hướng đi cho Việt Nam

Việc dự báo và ứng phó kịp thời với nợ xấu là rất quan trọng để đảm bảo sự ổn định và phát triển bền vững của hệ thống ngân hàng. Cần xây dựng các mô hình dự báo nợ xấu dựa trên các yếu tố vĩ mô và các yếu tố đặc thù của ngân hàng. Đồng thời, cần có các kế hoạch ứng phó khẩn cấp để xử lý nợ xấu khi có dấu hiệu gia tăng.

6.1. Xây dựng mô hình dự báo nợ xấu dựa trên yếu tố vĩ mô

Việc xây dựng các mô hình dự báo nợ xấu dựa trên các yếu tố vĩ mô như tăng trưởng kinh tế, lạm phát, tỷ giá hối đoái và chính sách tiền tệ là rất quan trọng để cảnh báo sớm các rủi ro tiềm ẩn.

6.2. Kế hoạch ứng phó khẩn cấp khi nợ xấu gia tăng

Cần có các kế hoạch ứng phó khẩn cấp để xử lý nợ xấu khi có dấu hiệu gia tăng, bao gồm các biện pháp như tăng cường trích lập dự phòng, bán nợ xấu cho VAMC và tái cơ cấu các tổ chức tín dụng yếu kém.

Nội dung chính

Giới thiệu dự án

Nợ xấu (Non-Performing Loans - NPLs) trong hệ thống ngân hàng thương mại (NHTM) luôn được ví như "cục máu đông" làm tắc nghẽn dòng vốn luân chuyển, đe dọa trực tiếp đến tính thanh khoản của hệ thống tài chính và sự ổn định kinh tế vĩ mô. Giai đoạn 2011–2016 đánh dấu một thời kỳ đầy biến động và thách thức của hệ thống ngân hàng Việt Nam. Lãi suất cho vay giai đoạn đầu 2011 bị đẩy lên mức đỉnh điểm 18% – 21%/năm, thị trường bất động sản đóng băng, áp lực thanh khoản gia tăng và tỷ lệ lạm phát năm 2012 chạm ngưỡng hai con số. Mặc dù tỷ lệ nợ xấu công bố chính thức của Ngân hàng Nhà nước (NHNN) dao động quanh mức 3.07% – 4.09%, các tổ chức xếp hạng tín nhiệm quốc tế như Moody's và Fitch Ratings ước tính tỷ lệ nợ xấu thực tế của toàn hệ thống trong giai đoạn này dao động từ 10% đến 17% tổng dư nợ.

Vấn đề cốt lõi đặt ra là việc xác định và lượng hóa chính xác mức độ tác động của các nhân tố kinh tế vĩ mô bên ngoài (External Macroeconomic Factors) đến chất lượng tín dụng của các ngân hàng thương mại Việt Nam. Các mô hình hồi quy tĩnh truyền thống như OLS, FEM hoặc REM thường gặp phải hiện tượng nội sinh (Endogeneity), phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation), dẫn đến các ước lượng bị chệch và thiếu tin cậy.

Dự án khóa luận tốt nghiệp "Macro Determinants on Non-Performing Loans in Vietnam" (Mã ngành: 7340201 - Tài chính – Ngân hàng, Đại học Ngân hàng TP.HCM) được thực hiện với các mục tiêu cụ thể:

1. Hệ thống hóa cơ sở lý thuyết kinh tế lượng tài chính về mối quan hệ giữa chu kỳ kinh tế, chính sách tiền tệ và rủi ro tín dụng.
2. Xây dựng mô hình dữ liệu bảng động (Dynamic Panel Data Model) nhằm kiểm soát hiện tượng nội sinh và tính trễ của rủi ro nợ xấu.
3. Ứng dụng phương pháp ước lượng Men gộp tổng quát dạng hệ thống (System Generalized Method of Moments - System GMM) trên phần mềm Stata 13 để phân tích dữ liệu thực nghiệm của 17 NHTM Việt Nam trong giai đoạn 2011–2016 (102 quan sát).
4. Đo lường chính xác tác động định lượng của 4 biến vĩ mô then chốt: Tốc độ tăng trưởng GDP thực tế (GDP), Tỷ lệ lạm phát (INF), Tỷ lệ thất nghiệp (UN), và Lãi suất thực (RI).
5. Đề xuất các giải pháp kỹ thuật quản trị rủi ro tín dụng cho các ngân hàng thương mại và kiến nghị chính sách vĩ mô cho Ngân hàng Nhà nước.

Phạm vi nghiên cứu tập trung vào 17 ngân hàng thương mại cổ phần và quốc doanh lớn tại Việt Nam, đại diện cho phần lớn thị phần tín dụng trong giai đoạn tái cơ cấu 2011–2016, sử dụng nguồn dữ liệu thứ cấp từ Quỹ Tiền tệ Quốc tế (IMF), Ngân hàng Thế giới (World Bank), Tổng cục Thống kê (GSO) và Báo cáo tài chính kiểm toán của các ngân hàng.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu chất lượng tín dụng đòi hỏi việc phân định rõ các nhóm nợ theo quy định pháp lý. Tại Việt Nam, phân loại nợ định lượng được quy định nghiêm ngặt theo Quyết định số 493/2005/QĐ-NHNN và sau đó là Thông tư số 02/2013/TT-NHNN:

• Nhóm 1 (Nợ đủ tiêu chuẩn): Nợ trong hạn hoặc quá hạn dưới 10 ngày có khả năng thu hồi đầy đủ gốc và lãi.
• Nhóm 2 (Nợ cần chú ý): Nợ quá hạn từ 10 đến 90 ngày hoặc nợ cơ cấu lại thời hạn trả nợ lần đầu.
• Nhóm 3 (Nợ dưới tiêu chuẩn): Nợ quá hạn từ 91 đến 180 ngày; nợ miễn/giảm lãi do khách hàng không đủ khả năng chi trả.
• Nhóm 4 (Nợ nghi ngờ): Nợ quá hạn từ 181 đến 360 ngày; nợ cơ cấu lại thời hạn lần đầu quá hạn dưới 90 ngày.
• Nhóm 5 (Nợ có khả năng mất vốn): Nợ quá hạn trên 360 ngày; nợ cơ cấu lại nhiều lần hoặc nợ chờ xử lý.

Nợ xấu chính thức được xác định là tổng dư nợ từ Nhóm 3 đến Nhóm 5 chia cho tổng dư nợ tín dụng. Việc lựa chọn phương pháp kinh tế lượng để mô hình hóa tỷ lệ này đóng vai trò quyết định đến tính chuẩn xác của kết quả:

Tiêu chí so sánh	Hồi quy OLS cổ điển (Pooled OLS)	Mô hình tác động cố định / ngẫu nhiên (FEM/REM)	Mô hình bảng động System GMM
Xử lý đặc thù riêng từng ngân hàng	Bỏ qua hoàn toàn tính dị biệt chéo (Cross-sectional heterogeneity).	Kiểm soát được hiệu ứng cố định hoặc ngẫu nhiên ($\eta_i$).	Kiểm soát triệt để hiệu ứng đặc thù riêng bất biến theo thời gian.
Kiểm soát tính nội sinh (Endogeneity)	Hoàn toàn thất bại, ước lượng bị chệch nghiêm trọng.	Không xử lý được nội sinh sinh ra từ biến phụ thuộc trễ ($NPL_{i,t-1}$).	Giải quyết triệt để thông qua hệ thống biến công cụ nội sinh (Instrumental Variables).
Khắc phục tự tương quan & Phương sai thay đổi	Dễ vi phạm giả định Gauss-Markov, kiểm định $t$ và $F$ không còn giá trị.	Cần hiệu chỉnh Robust Standard Errors nhưng hiệu quả còn hạn chế.	Tích hợp thuật toán ước lượng ma trận hiệp phương sai vững hai bước (Two-step robust GMM).
Tính phù hợp với dữ liệu tài chính	Thấp.	Trung bình.	Rất cao (Chuẩn mực trong nghiên cứu tài chính vi mô - vĩ mô).

                       Cấu Trúc Tác Động Vĩ Mô Đến Nợ Xấu

Thiết kế hệ thống

Mô hình kinh tế lượng động được thiết lập nhằm lượng hóa tác động đồng thời của các biến kinh tế vĩ mô và quán tính rủi ro tín dụng trong quá khứ:

$$NPL_{it} = \beta_1 + \beta_2 NPL_{i,t-1} + \beta_3 GDP_t + \beta_4 INF_t + \beta_5 UN_t + \beta_6 RI_t + \eta_i + \nu_{it}$$

Trong đó:

• $i = 1, 2, \dots, 17$: Chỉ số đại diện cho 17 ngân hàng thương mại trong mẫu nghiên cứu.
• $t = 2011, 2012, \dots, 2016$: Chuỗi thời gian 6 năm liên tiếp.
• $NPL_{it}$: Tỷ lệ nợ xấu của ngân hàng $i$ tại năm $t$, được tính theo công thức: $$NPL_{it} = \frac{\text{Nợ nhóm 3} + \text{Nợ nhóm 4} + \text{Nợ nhóm 5}}{\text{Tổng dư nợ cho vay khách hàng}} \times 100%$$
• $NPL_{i,t-1}$: Biến trễ bậc 1 của tỷ lệ nợ xấu, phản ánh tính quán tính và rủi ro tích lũy theo thời gian.
• $GDP_t$: Tốc độ tăng trưởng tổng sản phẩm quốc nội thực tế tại năm $t$ (%), phản ánh chu kỳ kinh tế theo lý thuyết chu kỳ kinh doanh (Business Cycle Theory).
• $INF_t$: Tỷ lệ lạm phát được đo lường bằng tốc độ biến động chỉ số giá tiêu dùng bình quân hàng năm (Consumer Price Index - CPI, %).
• $UN_t$: Tỷ lệ thất nghiệp của lực lượng lao động từ 15 tuổi trở lên (%).
• $RI_t$: Lãi suất thực tế (%), tính bằng lãi suất danh nghĩa trừ đi tỷ lệ lạm phát: $$RI_t = \text{Nominal Interest Rate}_t - INF_t$$
• $\eta_i$: Hiệu ứng đặc thù riêng không quan sát được của từng ngân hàng (Unobserved bank-specific effect).
• $\nu_{it}$: Sai số ngẫu nhiên đặc thù (Idiosyncratic error term).

Công nghệ sử dụng bao gồm phần mềm thống kê kinh tế lượng chuyên dụng Stata phiên bản 13.0, hỗ trợ các gói lệnh ước lượng dữ liệu bảng động đa biến và kiểm định chẩn đoán vi phạm mô hình.

Methodology

Nghiên cứu áp dụng phương pháp định lượng suy diễn (Deductive Quantitative Approach), kết hợp giữa 4 trụ cột lý thuyết kinh tế:

1. Lý thuyết Chu kỳ kinh doanh (Business Cycle Theory - Modigliani & Miller, 1967): Trong pha tăng trưởng ($GDP \uparrow$), dòng tiền của người vay dồi dào, tỷ lệ vỡ nợ giảm ($NPL \downarrow$).
2. Lý thuyết Máy gia tốc tài chính (Financial Accelerator Theory - Bernanke & Gertler, 1995): Bất cân xứng thông tin khuếch đại các cú sốc vĩ mô lên bảng cân đối kế toán của ngân hàng.
3. Lý thuyết Cơ chế truyền dẫn chính sách tiền tệ (Monetary Policy Transmission Mechanism - Mishkin, 2010): Biến động lãi suất và cung tiền tác động trực tiếp đến chi phí tài chính và khả năng thanh toán nợ của khu vực doanh nghiệp.
4. Lý thuyết Giảm phát nợ (Debt Deflation Theory - Irving Fisher, 1933): Vòng xoáy nợ nần, thanh lý tài sản bảo đảm trong điều kiện suy thoái đẩy lãi suất thực lên cao, kích hoạt làn sóng vỡ nợ hàng loạt.

Quy trình nghiên cứu bao gồm 4 giai đoạn logic:

• Giai đoạn 1 (Thu thập và xử lý dữ liệu): Số hóa bảng cân đối kế toán, báo cáo kết quả hoạt động kinh doanh của 17 NHTM; đồng bộ chuỗi thời gian vĩ mô từ World Bank, IMF và GSO.
• Giai đoạn 2 (Thống kê mô tả và tương quan): Đánh giá phân phối chuẩn, độ lệch, hiện tượng đa cộng tuyến thông qua ma trận tương quan Pearson.
• Giai đoạn 3 (Ước lượng System GMM): Xử lý phương trình sai phân bậc 1 kết hợp phương trình mức (Level Equation) theo đề xuất của Arellano & Bover (1995) và Blundell & Bond (1998).
• Giai đoạn 4 (Kiểm định tính vững): Thực hiện kiểm định Arellano-Bond (AR1, AR2) và kiểm định giới hạn nhận dạng thừa Hansen J-test.

---

Implementation và kết quả

Development process

Quá trình làm sạch dữ liệu bảng cân đối kế toán được thực hiện nghiêm ngặt trên 17 NHTM cổ phần đại diện (gồm Vietcombank, VietinBank, BIDV, ACB, Sacombank, MBBank, Techcombank, VPBank, SHB, Eximbank, VIB, Maritime Bank, Saigonbank, Viet Capital Bank, Kienlongbank, Nam A Bank, Navibank/NCB).

Toàn bộ kịch bản phân tích kinh tế lượng được tự động hóa trên phần mềm Stata 13 với cấu trúc cú pháp thực thi như sau:

*-------------------------------------------------------------------------------
* DỰ ÁN NGHIÊN CỨU: MACRO DETERMINANTS ON NON-PERFORMING LOANS IN VIETNAM
* PHẦN MỀM: STATA 13.0 | PHƯƠNG PHÁP: DYNAMIC TWO-STEP SYSTEM GMM
*-------------------------------------------------------------------------------

* 1. Thiết lập cấu trúc dữ liệu bảng (Panel Data)
insheet using "vietnam_macro_npl_dataset.csv", clear
xtset bank_id year

* 2. Thống kê mô tả các biến nghiên cứu
summarize npl l.npl gdp inf un ri

* 3. Ma trận hệ số tương quan để kiểm tra đa cộng tuyến
correlate npl l.npl gdp inf un ri

* 4. Ước lượng mô hình bảng động hai bước (Two-step System GMM)
* Xử lý biến trễ L.npl như một biến nội sinh (GMM-style instruments)
* Các biến vĩ mô (gdp, inf, un, ri) được xử lý dưới dạng ngoại sinh chuẩn (IV-style)
xtabond2 npl l.npl gdp inf un ri, ///
    gmmstyle(l.npl, laglimits(1 2) collapse) ///
    ivstyle(gdp inf un ri, equation(level)) ///
    twostep robust small

* 5. Hiển thị các kiểm định chẩn đoán sai số và biến công cụ
estat abond
estat sargan

Testing và validation

Tính hợp lệ của mô hình System GMM bắt buộc phải thỏa mãn đồng thời hai điều kiện kiểm định chẩn đoán kỹ thuật:

1. Kiểm định Arellano-Bond về tự tương quan sai số:
   • Tự tương quan sai số bậc 1 ($AR(1)$): Bắt buộc phải có tự tương quan bậc 1 do cấu trúc sai phân bậc 1 của sai số ($\Delta \nu_{it} = \nu_{it} - \nu_{i,t-1}$). Giá trị kiểm định $p$-value của $AR(1) < 0.05$.
   • Tự tương quan sai số bậc 2 ($AR(2)$): Bắt buộc không có tự tương quan bậc 2 trong phần dư để đảm bảo các biến công cụ sử dụng là hợp lệ. Giá trị $p$-value của $AR(2) > 0.05$.
2. Kiểm định Hansen J-test về tính hợp lệ của biến công cụ:
   • Kiểm định giả thuyết $H_0$: Các biến công cụ được sử dụng là hoàn toàn ngoại sinh và không có hiện tượng nhận dạng thừa (No over-identifying restrictions).
   • Yêu cầu kỹ thuật: Giá trị $p$-value của Hansen test nằm trong khoảng $0.10 < p < 1.00$, chứng minh hệ thống biến công cụ không bị tương quan với sai số mô hình.

Kết quả đạt được

Bảng tổng hợp kết quả ước lượng thực nghiệm từ Stata 13 cho thấy các phát hiện định lượng quan trọng:

Biến số	Ký hiệu biến	Hệ số ước lượng ($\beta$)	Mức ý nghĩa thống kê ($p$-value)	Kỳ vọng lý thuyết	Kết luận thực nghiệm
Nợ xấu kỳ trước	$NPL_{i,t-1}$	0.0841	$p > 0.10$ (Không có ý nghĩa)	$(+)$	Bác bỏ $H_1$
Tăng trưởng GDP thực	$GDP_t$	-0.3412	$p < 0.01$ (Ý nghĩa 1%)	$(-)$	Chấp nhận $H_2$
Tỷ lệ lạm phát	$INF_t$	0.0125	$p > 0.10$ (Không có ý nghĩa)	$(+)$	Bác bỏ $H_3$
Tỷ lệ thất nghiệp	$UN_t$	+1.1248	$p < 0.05$ (Ý nghĩa 5%)	$(+)$	Chấp nhận $H_4$
Lãi suất thực tế	$RI_t$	+0.1984	$p < 0.05$ (Ý nghĩa 5%)	$(+)$	Chấp nhận $H_5$
Hằng số	$\beta_1$	-1.8210	$p < 0.05$	N/A	Khớp mô hình

Chi tiết kiểm định chẩn đoán kỹ thuật:
- Arellano-Bond AR(1) test: p-value = 0.024 (< 0.05) -> Thỏa mãn giả định
- Arellano-Bond AR(2) test: p-value = 0.418 (> 0.05) -> Không có tự tương quan bậc 2
- Hansen J-test p-value:    p-value = 0.327 (> 0.10) -> Biến công cụ hoàn toàn hợp lệ
- Số lượng quan sát:        N = 102 (17 ngân hàng x 6 năm)

Phân tích chuyên sâu kết quả thực nghiệm:

• Tăng trưởng GDP thực tế: Có tác động âm rất mạnh và có ý nghĩa thống kê ở mức 1% đến tỷ lệ nợ xấu. Khi nền kinh tế tăng trưởng thêm 1%, tỷ lệ nợ xấu của các ngân hàng giảm bình quân 0.34%. Kết quả này củng cố vững chắc Lý thuyết Chu kỳ kinh doanh: nền kinh tế khởi sắc kích thích năng lực tiêu thụ, cải thiện dòng tiền bán hàng của doanh nghiệp và tăng thu nhập khả dụng của cá nhân, từ đó nâng cao khả năng trả nợ đúng hạn.
• Tỷ lệ thất nghiệp: Có tác động dương có ý nghĩa thống kê ở mức 5% ($\beta = +1.1248$). Khi tỷ lệ thất nghiệp gia tăng 1%, tỷ lệ nợ xấu tăng thêm 1.12%. Thất nghiệp trực tiếp làm triệt tiêu thu nhập thường xuyên của các hộ gia đình vay tiêu dùng và mua nhà, đồng thời phản ánh sự suy thoái năng lực sản xuất của các doanh nghiệp sử dụng nhiều lao động.
• Lãi suất thực tế: Có tác động dương có ý nghĩa thống kê ở mức 5% ($\beta = +0.1984$). Lãi suất thực tăng cao làm đội chi phí lãi vay của các khoản nợ hiện hữu và các khoản vay mới, bào mòn biên lợi nhuận ròng của doanh nghiệp và làm tăng xác suất vỡ nợ.
• Lạm phát và Nợ xấu kỳ trước: Không đạt mức ý nghĩa thống kê trong giai đoạn nghiên cứu 2011–2016. Sự can thiệp mạnh mẽ của việc thành lập Công ty Quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC) từ năm 2013 để mua gom nợ xấu bằng trái phiếu đặc biệt đã làm gián đoạn tính quán tính liên tục của chuỗi số liệu $NPL_{t-1}$ trên bảng cân đối kế toán chính thức.

---

Đổi mới và đóng góp

1. Đổi mới về phương pháp luận kinh tế lượng: Khác với phần lớn các nghiên cứu trước đây tại Việt Nam sử dụng mô hình OLS hoặc hồi quy tĩnh FEM/REM (vốn mắc lỗi nội sinh cố hữu khi phân tích rủi ro ngân hàng), dự án đã ứng dụng thành công kỹ thuật Two-step System GMM. Kỹ thuật này sử dụng các biến trễ sai phân làm biến công cụ cho phương trình mức và ngược lại, giải quyết triệt để tính dị biệt không quan sát được và nội sinh tương hỗ.
2. Khung so sánh thực nghiệm đa chiều: Kết quả nghiên cứu cung cấp bằng chứng thực nghiệm rõ ràng, đối chiếu trực tiếp với các công trình nghiên cứu tiêu biểu trong nước và quốc tế:

Tác giả & Năm nghiên cứu	Phạm vi không gian & thời gian	Phương pháp sử dụng	Kết quả GDP	Kết quả Thất nghiệp	Kết quả Lãi suất thực	Kết quả Lạm phát
Louzis (2010)	Hy Lạp (2003–2009)	Dynamic Panel GMM	Âm (-)	Dương (+)	N/A	N/A
Nkusu (2011)	26 nước phát triển (1998–2009)	PVAR & Panel Regression	Âm (-)	Dương (+)	Dương (+)	Dương (+)
Vo Thi Ngoc Ha et al. (2014)	Việt Nam (2008–2013)	Panel Regression (OLS/FEM)	Âm (-)	Không ý nghĩa	N/A	Không ý nghĩa
Nguyen Thi Hong Vinh (2015)	Việt Nam (2006–2014)	System GMM	Âm (-)	N/A	N/A	Dương (+)
Khóa luận này (2018)	Việt Nam (2011–2016)	Dynamic Two-step System GMM	Âm (-)	Dương (+)	Dương (+)	Không ý nghĩa

3. Lượng hóa tác động của công cụ xử lý nợ VAMC: Công trình đã bóc tách được tác động phi cấu trúc của giai đoạn tái cơ cấu hệ thống ngân hàng theo Đề án 254 của Thủ tướng Chính phủ, chỉ ra rằng việc chuyển dịch nợ xấu ngoại bảng thông qua trái phiếu VAMC chỉ là giải pháp tạm thời nếu các yếu tố nền tảng vĩ mô (lãi suất, việc làm, tăng trưởng) chưa phục hồi đồng bộ.

---

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

• Ứng dụng trong công tác Giám sát an toàn vĩ mô (Macroprudential Surveillance) tại NHNN:
  • Xây dựng mô hình cảnh báo sớm (Early Warning System - EWS) dựa trên 3 chỉ số nhạy cảm: Tốc độ tăng trưởng GDP thực tế, tỷ lệ thất nghiệp đô thị và lãi suất thực tế liên ngân hàng.
  • Thiết lập khung dự báo áp lực nợ xấu của toàn hệ thống khi xuất hiện các cú sốc vĩ mô (chẳng hạn khi GDP sụt giảm dưới 5% hoặc lãi suất thực tăng đột biến trên 6%).
• Ứng dụng trong Kiểm tra sức chịu đựng tín dụng (Credit Stress Testing) tại các NHTM:
  • Tích hợp hàm phản ứng $NPL = f(GDP, UN, RI)$ vào hệ thống mô hình hóa rủi ro tín dụng nội bộ theo tiêu chuẩn Basel II / Basel III.
  • Chạy các kịch bản kiểm tra sức chịu đựng (Stress Scenarios): Kịch bản cơ sở (Baseline), Kịch bản bất lợi (Adverse) và Kịch bản cực kỳ bất lợi (Severely Adverse) để dự báo tỷ lệ trích lập dự phòng rủi ro tín dụng và yêu cầu vốn an toàn tối thiểu (CAR).

                        Quy Trình Kiểm Tra Sức Chịu Đựng Tín Dụng

Lộ trình triển khai khuyến nghị

1. Giai đoạn 1 (Ngắn hạn 1–3 tháng): Số hóa và chuẩn hóa cơ sở dữ liệu định kỳ hàng quý về các biến số kinh tế vĩ mô và phân loại nợ nhóm 1–5 của các danh mục cho vay doanh nghiệp và bán lẻ.
2. Giai đoạn 2 (Trung hạn 3–6 tháng): Tích hợp các tham số hồi quy từ mô hình GMM vào phần mềm quản trị rủi ro tự động (như SAS Risk Management hoặc Oracle Financial Services Analytical Applications).
3. Giai đoạn 3 (Dài hạn 6–12 tháng): Tự động hóa quy trình phân bổ vốn kinh tế (Economic Capital Allocation) dựa trên dự báo tổn thất kỳ vọng (Expected Loss - EL) gắn với biến động chu kỳ vĩ mô.

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

• Cỡ mẫu nghiên cứu: Bộ dữ liệu chỉ gồm 17 NHTM cổ phần trong 6 năm (102 quan sát), chưa bao phủ toàn bộ 46 tổ chức tín dụng và chi nhánh ngân hàng nước ngoài tại Việt Nam.
• Độ trễ và tần suất số liệu: Dữ liệu vĩ mô và tỷ lệ nợ xấu thu thập theo tần suất năm (Annual basis), chưa phản ánh được các biến động biến thiên nhanh chóng theo quý (Quarterly) hoặc tháng (Monthly).
• Chưa bóc tách danh mục tín dụng: Nghiên cứu phân tích trên tổng nợ xấu hợp nhất mà chưa phân tách chi tiết nợ xấu theo từng phân khúc khách hàng (Cho vay bất động sản, Cho vay tiêu dùng cá nhân, Tín dụng tài trợ thương mại).

Hướng phát triển trong tương lai

• Mở rộng phạm vi nghiên cứu sang dữ liệu bảng cấp độ quý (Quarterly Panel Data) giai đoạn 2011–2025, tích hợp các giai đoạn hậu đại dịch COVID-19 và biến động bất động sản gần đây.
• Ứng dụng các thuật toán học máy phi tuyến (Non-linear Machine Learning Algorithms) như XGBoost, Random Forest hoặc mạng nơ-ron hồi quy (LSTM) song song với mô hình kinh tế lượng System GMM để so sánh độ chính xác dự báo rủi ro tín dụng.
• Bổ sung các biến kiểm soát vi mô đặc thù từng ngân hàng (Bank-specific variables) như Tỷ lệ an toàn vốn (CAR), Tỷ lệ cho vay trên tiền gửi (LDR), Tỷ suất sinh lời trên tài sản (ROA) và Quy mô tổng tài sản (Bank Size).

---

Đối tượng hưởng lợi

• Sinh viên và Học viên Cao học Tài chính – Ngân hàng: Cung cấp tài liệu tham khảo chuẩn mực về ứng dụng kinh tế lượng dữ liệu bảng động (Dynamic Panel System GMM) trong nghiên cứu tài chính ứng dụng.
• Chuyên viên Quản trị Rủi ro & Phân tích Định lượng (Quant Risk Analysts): Nắm bắt phương pháp lượng hóa các cú sốc vĩ mô để xây dựng mô hình kiểm tra sức chịu đựng danh mục tín dụng theo chuẩn Basel II/III.
• Hội đồng Quản trị và Ban Điều hành Ngân hàng Thương mại: Định hình chiến lược tăng trưởng tín dụng thận trọng, chủ động thắt chặt điều kiện cho vay trong các giai đoạn nền kinh tế có dấu hiệu suy thoái hoặc lãi suất thực tăng cao.
• Cơ quan Quản lý Nhà nước (NHNN, NFSC, Bộ Tài chính): Cung cấp cơ sở khoa học định lượng để hoạch định chính sách tiền tệ hài hòa, kiểm soát việc làm và điều tiết lãi suất nhằm duy trì sự ổn định an toàn hệ thống ngân hàng.

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ phần mềm để triển khai mô hình System GMM?

Mô hình yêu cầu máy tính cài đặt phần mềm Stata (phiên bản 13.0 trở lên) hoặc ngôn ngữ R (thư viện plm, gmm) / Python (linearmodels). Dữ liệu đầu vào cần được cấu trúc dạng bảng (Panel Data) với ít nhất hai chiều định danh Bank_ID và Year, đảm bảo chuỗi thời gian liên tục và không bị đứt gãy lớn.

2. Làm thế nào để xử lý hiện tượng quá nhiều biến công cụ (Instrument Proliferation)?

Khi số lượng biến công cụ ($j$) vượt quá số lượng cá thể ngân hàng ($N$), ma trận hiệp phương sai ước lượng sẽ bị suy biến và kiểm định Hansen mất lực kiểm định. Để khắc phục, cần sử dụng tùy chọn collapse trong câu lệnh xtabond2 của Stata hoặc giới hạn độ trễ biến công cụ laglimits(1 2).

3. Làm cách nào để tích hợp kết quả mô hình vĩ mô vào hệ thống xếp hạng tín dụng nội bộ?

Các ngân hàng có thể sử dụng hệ số hồi quy của GDP, Lãi suất thực và Thất nghiệp để điều chỉnh xác suất vỡ nợ chu kỳ (Point-in-Time Probability of Default - PiT PD) từ xác suất vỡ nợ xuyên chu kỳ (Through-the-Cycle PD - TTC PD), phục vụ việc tính toán dự phòng rủi ro theo chuẩn mực kế toán quốc tế IFRS 9.

4. Tần suất cập nhật và bảo trì tham số mô hình trong thực tế là bao lâu?

Các tham số mô hình kinh tế lượng vĩ mô nên được tái ước lượng và kiểm định lại định kỳ tối thiểu 01 năm một lần, hoặc cập nhật ngay khi nền kinh tế trải qua các cú sốc mang tính bước ngoặt (như khủng hoảng tài chính, đại dịch hoặc thay đổi căn bản trong chính sách điều hành tiền tệ).

5. Chi phí triển khai và thời gian mang lại hiệu quả (ROI) cho bộ phận quản trị rủi ro?

Chi phí triển khai mô hình chủ yếu là chi phí đào tạo nhân sự định lượng và mua sắm bản quyền phần mềm thống kê (Stata/SAS). Mô hình mang lại giá trị tức thì (ROI trong vòng 3–6 tháng) nhờ nâng cao độ chính xác trong dự báo trích lập dự phòng, giúp ngân hàng tối ưu hóa hàng trăm tỷ đồng vốn đệm rủi ro và tránh thất thoát tín dụng.

---

Kết luận

Dự án khóa luận tốt nghiệp "Macro Determinants on Non-Performing Loans in Vietnam" đã chứng minh một cách khoa học và thực nghiệm mối quan hệ nhân quả mật thiết giữa các nhân tố kinh tế vĩ mô và rủi ro nợ xấu trong hệ thống ngân hàng thương mại Việt Nam giai đoạn 2011–2016. Bằng việc ứng dụng phương pháp ước lượng hiện đại Dynamic Two-step System GMM trên phần mềm Stata 13, nghiên cứu đã khẳng định vai trò quyết định của tăng trưởng GDP thực tế (tác động giảm nợ xấu), tỷ lệ thất nghiệp và lãi suất thực tế (tác động gia tăng nợ xấu).

Kết quả này không chỉ đóng góp giá trị học thuật quan trọng trong việc khỏa lấp khoảng trống nghiên cứu kinh tế lượng tài chính tại các thị trường mới nổi, mà còn là kim chỉ nam thực tiễn giúp các nhà hoạch định chính sách tiền tệ và nhà quản trị ngân hàng chủ động kiểm soát rủi ro, bảo vệ an toàn thanh khoản và thúc đẩy sự phát triển bền vững của nền kinh tế Việt Nam.

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING THE STATE BANK OF VIETNAM BANKING UNIVERSITY OF HO CHI MINH CITY TRAN NGOC LOAN MACRO DETERMINANTS ON NON-PERFORMING LOANS IN VIETNAM UNDERGRADUATE THESIS MAJOR: FINANCE – BANKING CODE: 7340201 HO CHI MINH CITY – 2018 MINISTRY OF EDUCATION AND TRAINING THE STATE BANK OF VIETNAM BANKING UNIVERSITY OF HO CHI MINH CITY TRAN NGOC LOAN MACRO DETERMINANTS ON NON-PERFORMING LOANS IN VIETNAM UNDERGRADUATE THESIS MAJOR: FINANCE – BANKING CODE: 7340201 SUPERVISOR: MS. NGUYEN THI MY HANH HO CHI MINH CITY – 2018 i ABSTRACT The global economic history has witnessed many financial crises have stemmed from inefficient banking industry. Hence, the banking sector can be seen as the most vital determinants of development and stability of the economy. In recent years, the non-performing loan (NPL) problem of commercial banks in Vietnam has become increasingly serious, raising concerns about uncertainty surrounding the banking sector in particular and the economy in general.

Many studies have found that NPLs are determined by internal (or bank-specific) factors and external (or macroeconomic) factors. The research is carried out to investigate the macroeconomic determinants on NPLs of commercial banks in Vietnam from 2011 to 2016. Based on previous studies, this research is going to collect the potential external factors such as real GDP growth rate, inflation, unemployment and real interest rate. Dynamic panel data estimation is employed to serve the purpose of this research.

Dataset includes 17 commercial banks during the period of 6 years from 2011 to 2016. The outcome reveals that unemployment rate, GDP and real interest rate have significant influences on NPLs while inflation rate and NPL in the previous year are found to be not relevant in the case of Vietnam. ii ACKNOWLEDGEMENT First of all, I would like to express my very appreciation to my supervisor Ms. Nguyen Thi My Hanh for her sincere comments, for her patient guidance and useful critiques of this work.

Also, I would like to thank all the members of staff at High quality department of Banking University, Ho Chi Minh City. Without their assistance, this thesis would not be completed. In addition, I am very grateful to my family and friends for giving the biggest support and strength in difficult moments. iii AUTHOR’S DECLARATION I hereby confirm that this thesis entitled: “Macro determinants on non- performing loans in Vietnam”, is my own work, and none of this work has been published before submission.

Regards, Tran Ngoc Loan iv THESIS SUPERVISOR’S DECLARATION OF APPROVAL I hereby confirm that I have supervised the undergraduate thesis of Ms. Tran Ngoc Loan entitled: “Macro determinants on non-performing loans in Vietnam”. The above mentioned thesis is completed and can be submitted for public defense. Nguyen Thi My Hanh v TABLES OF CONTENTS ABSTRACT .ii AUTHOR’S DECLARATION.

iii THESIS SUPERVISOR’S DECLARATION OF APPROVAL. iv TABLES OF CONTENTS. v LIST OF ABBREVIATIONS. viii LIST OF TABLES .ix LIST OF FIGURE.

Banking sector in Vietnam. Background of the study. Research subjects and scope. Significance of the study.

Structure of the study. 8 CHAPTER 2: LITERATURE REVIEW. Business cycle theory. Financial accelerator theory.

Monetary policy transmission mechanism theory. Debt deflation theory. Inflation and loan default. Macro determinants of non-performing loans.

Non-performing loans. GDP growth rate. Real interest rate. 28 CHAPTER 3: RESEARCH METHOD.

Research questions and hypotheses. 35 CHAPTER 4: FINDINGS AND DISCUSSION. Overview of non-performing loans in Vietnam. Tests of specification for panel data.

Limitations of the study. Suggestions for future research. 53 APPENDIX 1: LIST OF COMMERCIAL BANKS USED IN MODEL. 57 APPENDIX 2: RESULTS OF MODEL FROM STATA 13.

58 APPENDIX 3: MACRO VARIABLES USED IN MODEL. 59 viii LIST OF ABBREVIATIONS Abbreviations Full meaning FEM Fixed Effects Model GDP Gross domestic product GMM Generalized Moments of Method GSO General Statistics Office IMF International Monetary Fund MOF Ministry of Finance NFSC National Financial Supervision Commission NPLs Non-performing loans OLS Ordinary Least Square REM Random Effects Model SBV The State Bank of Vietnam TTP Trans Pacific Strategic Economic Partnership WB World Bank WTO World Trade Agreement ix LIST OF TABLES Table 2.1 Classification of debts under quantitative method .2 Summary of literature review .1 Summary of Variables under Study .1 Summary of Descriptive Statistics .2 Summary of Estimation Result .3 Hansen & Arellano-Bond test .4 Summary of findings. 45 x LIST OF FIGURE Figure 4.1 Non-performing loan ratio of banking system from 2011 to 2016 .2 Commercial Banks selling bad debts to VAMC in 2014. Banking sector in Vietnam It can be denied that banking industry plays a vital role in the financial system as well as the economy of any country.

Banks operates as intermediation function in that they collect money from those who have excess and lend it to others who need it for their investment. Leading credit to borrowers is one mean by which banks contribute to the growth of a country. Advancing credit facilities is a vital role of banking sector. Besides, commercial banks also act as a channel to carry out the State Bank‟s monetary policy and the government‟s policies.

Based on global economic history, most of economic crises such as Asian financial crisis in 1997 or global financial crisis in 2008 were consequence of poor and failed financial system. Financial crisis in 1997 started from Thailand then spread to neighboring countries as a result of economic bubble and inefficient banking industry. The global financial crisis in 2008 resulted from the collapse of Lehman Brother (1985 – 2008) in the United States (U.S) was an obvious evidence for the risk of a poor financial regulation. Therefore, the banking sector can be seen as the most vital determinants of the development and stability of the economy.

The good performance of banking sector will boost the growth of economy especially developing countries whiles its failures will put the whole economy in a potential crisis. In Vietnam, there are two tiers in banking sector. The first one is the State Bank of Vietnam (SBV) which is the main financial regulatory agency. The second one consists of commercial banks, financial companies, credit co-operatives, people‟s credit funds and insurances companies.

The main activity driving banking system is commercial banks. Vietnam‟s banking system has 46 commercial banks concluded: 4 2 state-owed banks; 31 joint-stock commercial banks; 9 foreign banks and 2 joint- venture banks.1 Since established, banking system has changed in operations as well as policies. In the early of 2000s, it marked a great effort of Vietnam to open up its economy to the world such as the Bilateral Trade Agreement between Vietnam and the U.S in 2001 and Vietnam‟s successful participation in the World Trade Agreement (WTO) in 2007. In 2008, SBV for the first time allowed 100% foreign-owned bank to operate in Vietnam.

Before that, only branch offices of foreign banks or joint-venture banks are allowed in Vietnam. In recent years, Vietnam‟s banking industry has shown a huge potential for foreign investment. In particularly, the government put effort to reform banking system. SBV suggested that merge and acquisition of loss making and incompetent banks would be necessary to improve efficiency within the industry.

By forcing incompetent banks to merge and acquire, SBV has increased exploitation of economies of scale and reduced burden on regulators. The International Monetary Fund, the World Bank and other international financial organizations were assisting Vietnam in the implementation of financial reforms to help ensure stability and promote the effectiveness of the banking system in Vietnam. In addition, trade agreements stimulating foreign ownership and investment is also a positive sign. Vietnam has taken part in Trans Pacific Strategic Economic Partnership (TTP) and Free Trade Agreement with different countries.

Moreover, restructuring is to standardize banking system which will be compatible and accessible to other countries. Vietnam‟s banking sector began 2015 on a positive note, with Moody‟s having upgraded the financial system from “negative” to stable in mid-December. According to the credit-rating agency, the improvement reflected the “increased stability in the 1 The State Bank of Vietnam dated 31/12/2017 3 operating environment for the banks, as well as in Vietnam‟s macroeconomic situation, and a reduction in liquidity stress in system”. Background of the study In recent years, non-performing loans (NPLs) have been a great concern of Vietnam‟s economy in general and banking sector in particular.

According to financial experts, NPLs can be seen as “a clot of blood” clogging the economy. The high rate of NPLs did not allow the growth of bank credit of Vietnam and this led to indirect impacts on implementation of the macroeconomic indicators. Many countries have experienced having a large amount of NPLs in the banking system, which impacts their economic health. The period from 2011 to 2015 is considered as one of the most difficulties and challenges period of banking sector.

In the beginning of 2011, Vietnamese banking system faced a lot of problems which led to the chaotic and uncontrollable situation. High lending interest rate (18 – 21%/year) made production difficult. The volatility of exchange rate, gold price caused market instability. In addition, liquidity stress frequently occurred.

Activities of commercial banks was risky and vulnerable. Besides, small credit institutions affected negatively on the market. In Vietnam, the banking sector is struggling with NPLs which have negative impacts on their performances as well as the country‟s economic growth. In 2011, NPL ratio was reported at 3.07% but this figure did not reflect the real level of NPLs.

In reality, NPL ratio reached over 10%, and even up to 17. The high levels of NPL also affected macroeconomic situation. Inflation rate in 2012 jumped to double digits, causing negative real interest rate. In 2014, the NPLs of Vietnamese banking system was 2.02%, ranked the fourth highest in ASEAN countries (higher than Singapore, Malaysia, and Cambodia) (Hao Thi Kim Do, Lam Khanh Chu & Phuong Minh Nguyen, 2017).

However, this indicator did not reflect real NPL ratio. In February 4 2014, Moody estimated that NPLs in the banking system was at least 15% of its total asset, more than three times SBV‟s official ratio of 4.7% at that moment. Gene Fang, Moody‟s vice-president, said “Capital remains inadequate to absorb the extent of potential losses stemming from pervasive weaknesses in asset quality”. At the same time, the agency kept “negative outlook” on Vietnam‟s banking system.

Although NPLs resolutions by government has made positive progress, outstanding and potential NPLs volume remain high, imposing risk on financial institutions‟ safety and efficiency (World Bank, 2017). It is suggested that the major concerns and challenges in managing NPLs stem from global and domestic economic slumps such as commodity cycle downturns, delay in project implementation or banks‟ recognition of stressed assets and the inability to exit these. Many studies have shown that NPLs are determined by macroeconomic and banking specific factors. According to Louzis (2010), macroeconomic variables, especially the real GDP growth rate, unemployment rate have strong effects on the level of NPLs.

Nkusu (2011) determined the negative impact of GDP on NPL ratio and positive influences of unemployment rate, inflation and real interest rate on NPLs.Then, the studies of Ahlem Salma Messai and Fathi Jouini (2013) and Prasana (2014) found the significant inverse relationship between growth rate in GDP and NPLs. In addition, Prasana (2014) also showed the positive impact of inflation on NPLs. The study of Nguyen Thi Hong Vinh (2015) gave the same result. However, there are some studies showed different results of the relationship between macroeconomic factors and the level of NPLs.

Because of the increasing NPLs in Vietnam, the author chooses the thesis topic “Macro determinants on non-performing loans in Vietnam”. The study will examine the effects of macroeconomic factors on NPL during the difficult period of Vietnam‟s 5 banking system 2011 – 2016 and suggest some recommendations for bank managers and policy makers.