Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) đóng vai trò huyết mạch trong nền kinh tế quốc gia — khi hệ thống này suy yếu, toàn bộ chuỗi cung ứng vốn bị gián đoạn, doanh nghiệp mất nguồn tài trợ, tăng trưởng GDP chậm lại. Tại Việt Nam, giai đoạn 2011–2023 chứng kiến bốn cú sốc lớn: hậu khủng hoảng tài chính toàn cầu 2008–2009, tái cơ cấu ngân hàng 2012–2015, đại dịch Covid-19 năm 2020–2021, và sự bùng nổ của công nghệ tài chính (fintech). Trong bối cảnh đó, thu nhập từ hoạt động tín dụng truyền thống — vốn chiếm tỷ trọng áp đảo — trở nên bất ổn do lãi suất biến động mạnh và nợ xấu leo thang.

Problem statement cụ thể: Các NHTM Việt Nam phụ thuộc quá mức vào thu nhập lãi thuần (Net Interest Income - NII), trong khi thu nhập ngoài lãi (Non-Interest Income - NOI) từ phí dịch vụ, kinh doanh ngoại hối, đầu tư chứng khoán còn chiếm tỷ trọng thấp. Câu hỏi chưa được trả lời thống nhất trong giới học thuật là: liệu chiến lược đa dạng hóa thu nhập (Income Diversification) có thực sự cải thiện hiệu quả hoạt động kinh doanh (HQHĐKD) của NHTM Việt Nam hay không?

Mục tiêu nghiên cứu:

  1. Xác định đa dạng hóa thu nhập có tác động đến HQHĐKD của NHTM Việt Nam hay không
  2. Đo lường chiều hướng và mức độ tác động thông qua các chỉ số tài chính ROA, ROE
  3. Đề xuất hàm ý chính sách giúp NHTM tối ưu hóa cơ cấu thu nhập

Solution approach: Nghiên cứu sử dụng dữ liệu bảng (panel data) từ 26 NHTM giai đoạn 2011–2023, kết hợp năm phương pháp hồi quy: OLS, FEM, REM, FGLS và SGMM — đảm bảo kiểm soát nội sinh, phương sai thay đổi và tự tương quan.

Expected outcomes có thể đo lường: Biến DIV (chỉ số đa dạng hóa) có hệ số dương, có ý nghĩa thống kê ở mức 1% với cả hai mô hình ROA và ROE.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hai trường phái đối lập trong nghiên cứu quốc tế:

Trường phái Nghiên cứu tiêu biểu Kết luận
Đa dạng hóa tăng HQHĐKD Chiorazzo et al. (2008); Sanya & Wolfe (2011); Gurbuz et al. (2013); Moudud-Ul-Huq et al. (2018) NOI làm tăng lợi nhuận điều chỉnh rủi ro, giảm chi phí nhờ kinh tế phạm vi
Đa dạng hóa giảm HQHĐKD DeYoung & Rice (2004); Stiroh (2004a); Lepetit et al. (2008); Delpachitra & Lester (2013) NOI gia tăng đòn bẩy hoạt động, tăng rủi ro, chi phí chuyển đổi cao
Nghiên cứu Việt Nam ủng hộ chiều dương Hồ Thị Hồng Minh & Nguyễn Thị Cành (2015); Lê Long Hậu & Phạm Xuân Quỳnh (2016); Phan Hữu Duy (2021) Dữ liệu đến 2019, chưa phản ánh hậu Covid
Nghiên cứu Việt Nam phức tạp hơn Võ Xuân Vinh & Trần Thị Phương Mai (2015) DIV tăng ROE nhưng giảm lợi nhuận điều chỉnh rủi ro

Gap analysis: Hầu hết nghiên cứu Việt Nam sử dụng dữ liệu kết thúc trước năm 2020, chưa phản ánh giai đoạn Covid-19 và phục hồi 2022–2023 — thời điểm ngành ngân hàng Việt Nam đạt kỷ lục lợi nhuận. Khóa luận lấp đầy khoảng trống này với dữ liệu cập nhật đến 2023.

Thiết kế hệ thống nghiên cứu

Công thức đo lường đa dạng hóa thu nhập (DIV):

Tác giả áp dụng chỉ số Herfindahl–Hirschman điều chỉnh (Stiroh & Rumble, 2006):

DIV = 1 - HHI = 1 - (INT² + NON²)

Trong đó:
  INT = NET / NETOP   (tỷ lệ thu nhập lãi thuần)
  NON = NOI / NETOP   (tỷ lệ thu nhập ngoài lãi thuần)
  NETOP = NET + NOI   (tổng thu nhập thuần)

DIV ∈ [0, 0.5]:
  → DIV → 0.5: đa dạng hóa hoàn hảo (chia đều lãi và ngoài lãi)
  → DIV → 0:   tập trung hoàn toàn vào một nguồn thu nhập

Biến phụ thuộc — đo lường HQHĐKD:

ROA = Lợi nhuận sau thuế / Tổng tài sản
      (Chuẩn quốc tế: ROA ≥ 1% = hiệu quả cao - CAMEL standard)

ROE = Lợi nhuận sau thuế / Vốn chủ sở hữu
      (Chuẩn Việt Nam: ROE tốt = 14%–17% - Trần Thọ Đạt & Lê Thanh Tâm, 2016)

Mô hình hồi quy đề xuất:

Mô hình 1:
ROAᵢₜ = β₀ + β₁DIVᵢₜ + β₂SIZEᵢₜ + β₃ETAᵢₜ + β₄GTAᵢₜ
       + β₅LTAᵢₜ + β₆LLPᵢₜ + β₇NPLᵢₜ + β₈DEAᵢₜ
       + β₉INFₜ + β₁₀GDPₜ + μᵢₜ

Mô hình 2: (thay ROA bằng ROE, giữ nguyên cấu trúc)

Bộ biến kiểm soát:

Biến Ký hiệu Kỳ vọng Cơ sở lý thuyết
Quy mô ngân hàng SIZE = ln(Tổng tài sản) (+) Meslier et al. (2014)
Tỷ lệ an toàn vốn ETA = VCSH / Tổng tài sản (+) Basel II/III
Tăng trưởng tài sản GTA (+/-) Buyuran & Ekşi (2021)
Tỷ lệ cho vay LTA = Cho vay / Tổng tài sản (+/-) Lưu Ngọc Hiệp et al. (2020)
Dự phòng rủi ro tín dụng LLP (-) Võ Xuân Vinh & TTPM (2015)
Tỷ lệ nợ xấu NPL (-) NHNN Việt Nam
Tỷ lệ tiền gửi DEA = Tiền gửi / Tổng tài sản (+) Gurbuz et al. (2013)
Lạm phát INF (-) IMF data
Tăng trưởng GDP GDP (+) World Bank data

Methodology

Quy trình 7 bước được thiết kế chặt chẽ:

  1. Lược khảo lý thuyết → xác định biến độc lập và phụ thuộc
  2. Xây dựng mô hình & thu thập dữ liệu từ FiinPro, World Bank, IMF, Tổng cục Thống kê
  3. Thống kê mô tả & phân tích tương quan (phần mềm Stata 15.0)
  4. Ước lượng bằng Pooled OLS → FEM → REM; kiểm định Hausman để lựa chọn
  5. Kiểm định khuyết tật: Modified Wald (phương sai thay đổi), Wooldridge (tự tương quan)
  6. Khắc phục bằng FGLS (Feasible Generalized Least Squares) nếu mô hình mắc khuyết tật
  7. Kiểm định nội sinh bằng SGMM (System Generalized Method of Moments) + kiểm định Sargan–Hansen và AR(2)

Implementation và kết quả

Development process

Mẫu nghiên cứu: 26 NHTM Việt Nam × 13 năm (2011–2023) = 338 quan sát dạng unbalanced panel. Nguồn dữ liệu: Báo cáo tài chính (BCTC) đã được kiểm toán, thu thập qua nền tảng FiinPro — chuẩn dữ liệu tài chính hàng đầu Việt Nam.

Lý do chọn SGMM làm estimator cuối cùng:

SGMM giải quyết đồng thời 3 vấn đề:
  1. Nội sinh (Endogeneity): DIV có thể tương quan với μᵢₜ
     → Dùng biến công cụ (instrumental variables) từ giá trị trễ
  2. Phương sai thay đổi (Heteroskedasticity)
  3. Tự tương quan (Autocorrelation) bậc 1 và 2

Kiểm định hợp lệ:
  - Sargan–Hansen test: kiểm tra overidentifying restrictions
    (H₀: biến công cụ hợp lệ, p-value > 0.05 → không bác bỏ H₀)
  - AR(2) test: kiểm tra tự tương quan bậc 2
    (H₀: không có AR(2), p-value > 0.05 → mô hình hợp lệ)

Testing và validation

Kết quả kiểm định mô hình:

  • Kiểm định Modified Wald: Phát hiện phương sai thay đổi → cần FGLS
  • Kiểm định Wooldridge: Phát hiện tự tương quan bậc 1 → cần FGLS/SGMM
  • Kiểm định Hausman: Lựa chọn giữa FEM và REM
  • Kiểm định VIF (Variance Inflation Factor): Đa cộng tuyến ở mức chấp nhận được (VIF < 10)

Kết quả đạt được

Phát hiện trung tâm (ở mức ý nghĩa thống kê 1%):

Biến Tác động đến ROA Tác động đến ROE Kỳ vọng ban đầu Kết quả
DIV (+) (+) (+) ✅ Xác nhận H1
SIZE (+) (+) (+) ✅ Xác nhận H2
ETA (+) (+) (+) ✅ Xác nhận H3
LLP (-) (-) (-) ✅ Phù hợp lý thuyết
DEA (+) (+) (+) ✅ Phù hợp lý thuyết
INF (-) (-) (-) ✅ Phù hợp thực tiễn
GDP (+) (+) (+) ✅ Phù hợp thực tiễn

Kết luận định lượng: Biến DIV có hệ số hồi quy dương và có ý nghĩa thống kê ở mức 1% trong cả hai mô hình ROA và ROE, sau khi kiểm soát qua FGLS và SGMM — khẳng định đa dạng hóa thu nhập cải thiện HQHĐKD của các NHTM Việt Nam.


Đổi mới và đóng góp

1. Dữ liệu cập nhật và toàn diện nhất trong khu vực nghiên cứu: Phạm vi 2011–2023 bao gồm cả giai đoạn Covid-19 (2020–2021) và phục hồi (2022–2023) — các nghiên cứu trước của Phan Hữu Duy (2021), Trần Thị Cẩm Thanh (2021) chỉ dừng ở 2019, bỏ qua 4 năm biến động mạnh nhất của ngành ngân hàng Việt Nam.

2. Phương pháp ước lượng đa tầng: Kết hợp FGLS + SGMM là đóng góp phương pháp luận quan trọng. So sánh:

Nghiên cứu Phương pháp Hạn chế
Lê Long Hậu & Phạm Xuân Quỳnh (2016) FEM, REM Chưa xử lý nội sinh
Nguyễn Minh Sáng (2017) DEA Chỉ đo hiệu quả kỹ thuật, không phản ánh lợi nhuận
Khóa luận này OLS + FEM + REM + FGLS + SGMM Xử lý đồng thời nội sinh, phương sai thay đổi, tự tương quan

3. Bộ biến kiểm soát đầy đủ: Tích hợp cả biến vi mô ngân hàng (SIZE, ETA, LLP, NPL, LTA, GTA, DEA) và biến vĩ mô (INF, GDP) — phản ánh đúng môi trường hoạt động đa chiều của NHTM Việt Nam.

4. Phát hiện mới so với prior art: Trong khi Võ Xuân Vinh & TTPM (2015) kết luận đa dạng hóa không có lợi khi điều chỉnh rủi ro (dữ liệu 2006–2013), nghiên cứu này với khung thời gian mở rộng 2011–2023 và phương pháp SGMM mạnh hơn cho kết quả ngược lại — DIV tác động dương có ý nghĩa 1%.


Ứng dụng thực tế và triển khai

Use cases thực tế cho NHTM Việt Nam:

  • Ngân hàng quy mô lớn (Vietcombank, BIDV, VietinBank): Đẩy mạnh bancassurance, quản lý tài sản (wealth management), kinh doanh ngoại hối — vì SIZE lớn tạo lợi thế kinh tế phạm vi (economies of scope)
  • Ngân hàng quy mô vừa và nhỏ (VIB, OCB, SeABank): Tập trung phát triển phí dịch vụ thanh toán số, open banking — chi phí thấp, biên lợi nhuận cao
  • Toàn hệ thống: Giảm tỷ trọng thu nhập lãi từ ~70–75% xuống dưới 60%, tăng NOI thông qua fintech và ngân hàng số

Hàm ý chính sách:

Đối với Ngân hàng Nhà nước Việt Nam (NHNN):

  • Hoàn thiện khung pháp lý cho các sản phẩm tài chính phi truyền thống (bancassurance, chứng khoán, fintech)
  • Kiểm soát tỷ lệ an toàn vốn (ETA) theo Basel II/III để tạo nền tảng cho đa dạng hóa bền vững

Đối với các NHTM:

  • Xây dựng chiến lược đa dạng hóa có lộ trình rõ ràng, không mở rộng tràn lan
  • Đầu tư vào nhân lực và công nghệ để giảm chi phí vận hành các mảng phi truyền thống
  • Kiểm soát chặt LLP (dự phòng rủi ro tín dụng) — biến này tác động âm mạnh đến ROA/ROE

Hạn chế và hướng phát triển

Hạn chế được thừa nhận:

  • Mẫu 26 NHTM chưa bao gồm toàn bộ hệ thống (hiện có ~31 NHTM cổ phần), thiếu các ngân hàng nhỏ chưa niêm yết do thiếu dữ liệu công bố
  • Nghiên cứu chưa phân tách tác động theo từng loại NOI (phí dịch vụ, kinh doanh ngoại hối, đầu tư chứng khoán) — chỉ số HHIRD điều chỉnh (Elsas et al., 2010) chưa được khai thác
  • Chưa xem xét biến động phi tuyến: tác động của DIV có thể không đồng đều ở các mức độ đa dạng hóa khác nhau (ngưỡng tối ưu)
  • Yếu tố fintech và chuyển đổi số chưa được định lượng như biến độc lập

Hướng nghiên cứu tiếp theo:

  • Áp dụng mô hình ngưỡng (threshold regression) để tìm mức DIV tối ưu
  • Phân tích theo nhóm ngân hàng (nhà nước/cổ phần, quy mô lớn/nhỏ) bằng kỹ thuật GMM hệ thống phân nhóm
  • Tích hợp chỉ số chuyển đổi số (Digital Transformation Index) như biến điều tiết
  • Mở rộng so sánh xuyên quốc gia với ASEAN-5 (Indonesia, Thái Lan, Malaysia, Philippines)

Đối tượng hưởng lợi

Sinh viên & nhà nghiên cứu:

  • Mô hình nghiên cứu định lượng hoàn chỉnh với 5 phương pháp hồi quy có thể tái sử dụng cho các đề tài tài chính – ngân hàng
  • Bộ 10 biến kiểm soát có cơ sở lý thuyết rõ ràng và đã được kiểm chứng thực nghiệm tại Việt Nam

Nhà quản trị ngân hàng:

  • Bằng chứng định lượng từ 338 quan sát (2011–2023) hỗ trợ ra quyết định chiến lược đa dạng hóa thu nhập
  • Kết quả ý nghĩa 1% của DIV cho phép tự tin triển khai chính sách mở rộng NOI

Cơ quan quản lý (NHNN, Bộ Tài chính):

  • Căn cứ hoạch định chính sách điều tiết tỷ trọng thu nhập ngoài lãi trong hệ thống NHTM
  • Dữ liệu thực nghiệm giai đoạn Covid-19 hỗ trợ xây dựng cơ chế phục hồi và phòng ngừa rủi ro hệ thống

Nhà đầu tư:

  • ROE và ROA của 26 NHTM trong 13 năm là cơ sở đánh giá hiệu quả đầu tư vào cổ phiếu ngân hàng theo chiều hướng đa dạng hóa thu nhập

Câu hỏi thường gặp

1. Tại sao dùng SGMM thay vì chỉ FEM hoặc REM? FEM/REM không xử lý được biến nội sinh — ROA/ROE kỳ trước (biến trễ) xuất hiện trong mô hình động (dynamic panel) sẽ gây ước lượng thiên lệch. SGMM sử dụng biến công cụ là giá trị trễ của chính các biến, giải quyết vấn đề này đồng thời với phương sai thay đổi và tự tương quan.

2. Chỉ số DIV = 0.5 có nghĩa là gì trong thực tiễn? DIV = 0.5 tương ứng INT = NON = 50%, tức ngân hàng thu nhập bằng nhau từ lãi và ngoài lãi — trạng thái đa dạng hóa hoàn hảo. Trong thực tế tại Việt Nam giai đoạn 2011–2023, DIV trung bình thấp hơn 0.5 đáng kể, phản ánh hệ thống còn phụ thuộc nhiều vào hoạt động tín dụng.

3. ETA (tỷ lệ an toàn vốn) tác động thế nào đến chiến lược đa dạng hóa? ETA cao → bộ đệm vốn dày → ngân hàng có thể đầu tư vào các mảng phi truyền thống rủi ro hơn mà không vi phạm các tỷ lệ an toàn theo Thông tư 41/2016/TT-NHNN. ETA thấp sẽ giới hạn khả năng mở rộng hoạt động ngoài lãi.

4. LLP âm có mâu thuẫn với kết quả DIV dương không? Không mâu thuẫn. LLP (Loan Loss Provisions) tăng nghĩa là ngân hàng phải trích lập nhiều dự phòng hơn, trực tiếp làm giảm lợi nhuận — đây là kênh tác động riêng biệt. DIV tăng tạo ra nguồn thu nhập mới bù đắp áp lực từ LLP, chứng minh giá trị của chiến lược đa dạng hóa trong môi trường nợ xấu cao.

5. Kết quả có áp dụng được cho ngân hàng nhỏ không? Có nhưng cần thận trọng. Nghiên cứu của Chiorazzo et al. (2008) chỉ ra ngân hàng nhỏ đôi khi hưởng lợi nhiều hơn từ đa dạng hóa do linh hoạt hơn. Tuy nhiên, mô hình này chưa phân tách theo quy mô — đây là hướng mở rộng cần nghiên cứu tiếp theo.


Kết luận

Khóa luận "Tác động của đa dạng hóa thu nhập đến hiệu quả hoạt động kinh doanh của các NHTM Việt Nam" của tác giả Nguyễn Đoàn Phương Uyên (Trường Đại học Ngân hàng TP.HCM, 2024) cung cấp bằng chứng thực nghiệm có giá trị cao với các đóng góp nổi bật:

  • Về mặt học thuật: Xác nhận chiều tác động dương của DIV đến ROA và ROE ở mức ý nghĩa thống kê 1% thông qua khung phân tích đa phương pháp (OLS → FEM → REM → FGLS → SGMM), với kiểm định Sargan–Hansen và AR(2) đảm bảo tính vững của mô hình
  • Về mặt thực tiễn: Dữ liệu 26 ngân hàng × 13 năm (2011–2023) là bộ dữ liệu toàn diện và cập nhật nhất về chủ đề này tại Việt Nam, phản ánh đầy đủ chu kỳ kinh tế bao gồm cả giai đoạn Covid-19
  • Về mặt chính sách: Các hàm ý đề xuất cho NHNN và từng NHTM có căn cứ định lượng rõ ràng, có thể triển khai ngay trong bối cảnh hệ thống ngân hàng Việt Nam đang tăng tốc chuyển đổi số

Kết quả nghiên cứu gửi đi thông điệp rõ ràng cho ngành ngân hàng Việt Nam: đa dạng hóa nguồn thu không còn là lựa chọn, mà là điều kiện cần thiết để duy trì HQHĐKD bền vững trong thập niên 2020 và những năm tiếp theo. Đặc biệt trong bối cảnh fintech và ngân hàng số đang tái định hình toàn bộ chuỗi giá trị tài chính, các NHTM nào sớm xây dựng cơ cấu thu nhập đa dạng sẽ có lợi thế cạnh tranh vượt trội so với các ngân hàng vẫn dựa chủ yếu vào chênh lệch lãi suất truyền thống.