Giới thiệu dự án
Hệ thống Ngân hàng Thương mại (NHTM) giữ vai trò huyết mạch của nền kinh tế Việt Nam, đóng vai trò kênh dẫn vốn chủ đạo phục vụ hoạt động sản xuất kinh doanh và duy trì ổn định kinh tế vĩ mô. Bước sang năm tài chính 2021, làn sóng dịch bệnh Covid-19 với biến chủng Delta đã tạo ra những cú sốc nghiêm trọng đến toàn bộ hệ thống tài chính: tốc độ tăng trưởng huy động vốn năm 2020 chỉ đạt 0,47% (giảm sâu so với mức 2,76% năm 2019), tăng trưởng dư nợ tín dụng chạm đáy 15 năm với mức 1,48%, và tỷ lệ nợ xấu gộp toàn ngành tăng vọt lên mức 7,31% vào cuối năm 2021 từ mức 5,10% năm 2020.
Trong bối cảnh áp lực kép từ suy thoái kinh tế và yêu cầu hạ lãi suất cho vay nhằm hỗ trợ doanh nghiệp, các phương pháp đánh giá tài chính truyền thống (như ROA, ROE, NIM) bộc lộ hạn chế lớn khi chỉ phản ánh hiệu quả đơn biến, không thể bao quát mối quan hệ phi tuyến tính giữa đa nguồn lực đầu vào (vốn, tài sản cố định, chi phí nhân sự) và đa mục tiêu đầu ra (thu nhập lãi, thu nhập ngoài lãi).
+-----------------------------------------------------------------------------+
| Bối cảnh ngành Ngân hàng 2021: |
| - Tăng trưởng huy động vốn: Chậm lại ở mức thấp |
| - Dư nợ tín dụng: Chạm đáy 15 năm (1,48% trong giai đoạn dịch) |
| - Tỷ lệ nợ xấu gộp toàn ngành: Tăng vọt lên 7,31% |
| |
| Vấn đề đặt ra: |
| Đánh giá hiệu quả sử dụng nguồn lực đa biến trong điều kiện biến động mạnh |
+-----------------------------------------------------------------------------+
Đề tài khóa luận tốt nghiệp "Đánh giá hiệu quả hoạt động các Ngân hàng Thương mại Việt Nam: Ứng dụng mô hình màng bao dữ liệu (DEA)" do sinh viên Đỗ Thị Quỳnh Như thực hiện dưới sự hướng dẫn của TS. Lê Viết Giáp tại Trường Đại học Kinh tế - Đại học Huế giải quyết bài toán định lượng hiệu quả kỹ thuật tổng hợp của các NHTM Việt Nam.
Mục tiêu cụ thể của dự án nghiên cứu bao gồm:
- Hệ thống hóa cơ sở lý luận về hiệu quả hoạt động ngân hàng thương mại và khung phân tích phi tham số DEA.
- Xây dựng bộ chỉ tiêu đầu vào - đầu ra theo phương pháp tiếp cận trung gian (Intermediation Approach) và ứng dụng phần mềm Stata 14 để giải bài toán quy hoạch tuyến tính cho 30 NHTM Việt Nam trong năm tài khóa 2021.
- Đo lường chỉ số hiệu quả kỹ thuật (Technical Efficiency - TE), định lượng mức độ lãng phí nguồn lực đầu vào và phân tích tương quan với các chỉ số an toàn vốn (CAR), khả năng sinh lời (ROA, ROE, NIM) và chất lượng tài sản (nợ xấu).
- Đề xuất hệ thống giải pháp thực thi từ góc độ quản trị ngân hàng và chính sách điều hành của Ngân hàng Nhà nước (NHNN).
Phạm vi nghiên cứu tập trung vào 30 NHTM tại Việt Nam (gồm 01 NHTM Nhà nước đại diện và 29 NHTM Cổ phần) với dữ liệu được trích xuất từ Báo cáo tài chính kiểm toán năm 2021 và Báo cáo thường niên của NHNN giai đoạn 2019–2021.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Để đo lường hiệu quả hoạt động của tổ chức tài chính trung gian, các phương pháp hiện hành trên thế giới và tại Việt Nam chia thành ba nhóm chính:
| Tiêu chí | Phương pháp tỷ số tài chính (Financial Ratios: CAMELS, ROA, ROE) | Phân tích biên ngẫu nhiên (SFA - Stochastic Frontier Analysis) | Phân tích màng bao dữ liệu (DEA - Data Envelopment Analysis) |
|---|---|---|---|
| Bản chất toán học | Tỷ số đơn biến / Thống kê mô tả | Tham số (Parametric), hàm hồi quy ngẫu nhiên | Phi tham số (Non-parametric), quy hoạch tuyến tính |
| Xử lý Đa đầu vào / Đa đầu ra | Kém (chỉ so sánh cặp biến độc lập) | Hạn chế (yêu cầu gộp thành 1 hàm sản xuất duy nhất) | Xuất sắc (xử lý đồng thời đa đầu vào và đa đầu ra) |
| Giả định dạng hàm | Không có | Bắt buộc giả định hàm Cobb-Douglas hoặc Translog | Không cần giả định trước dạng hàm phân phối |
| Tách biệt giá cả đầu vào | Bắt buộc quy đổi tiền tệ | Bắt buộc có thông tin giá yếu tố đầu vào/ra | Hoạt động tốt ngay cả khi không có thông tin đơn giá |
| Điểm hạn chế | Dễ bị sai lệch do quy mô tài sản | Nhạy cảm với sai số mô hình (Model Misspecification) | Nhạy cảm với giá trị ngoại lai (Outliers) |
Phân tích yêu cầu bài toán theo mô hình ưu tiên MoSCoW:
- Must-have: Xác định chính xác chỉ số hiệu quả kỹ thuật $TE \in [0, 1]$ cho 30 Decision Making Units (DMU); tính toán độ dư thừa (Input Slacks) của từng yếu tố đầu vào.
- Should-have: Phân rã tương quan giữa điểm số DEA với hệ số an toàn vốn CAR theo Thông tư 41/2016/TT-NHNN (Basel II) và tỷ lệ thu nhập lãi cận biên NIM.
- Could-have: Phân loại hiệu quả theo nhóm sở hữu (NHTM Nhà nước vs. NHTM Cổ phần) và nhóm quy mô vốn điều lệ.
- Won't-have: Xây dựng mô hình chuỗi thời gian Malmquist Index giai đoạn 10 năm (giới hạn nghiên cứu cắt ngang năm 2021).
Thiết kế hệ thống
Kiến trúc xử lý dữ liệu và ước lượng hiệu quả được thiết kế theo luồng xử lý chuẩn hóa 4 tầng:
[Tầng 1: Thu thập & Tiền xử lý Dữ liệu]
- 30 Báo cáo tài chính kiểm toán 2021 (VAS)
- Trích xuất: TSCĐ ròng (K), Chi phí nhân sự (L), Vốn huy động (DEPO)
- Trích xuất: Thu nhập lãi thuần (Y1), Thu nhập ngoài lãi (Y2)
[Tầng 2: Kiểm định Thống kê & Chuẩn hóa]
- Kiểm tra tính đồng biến (Isotonicity Test - Pearson Correlation Matrix)
- Kiểm tra quy tắc ngón tay cái: N >= max(m x s, 3(m + s)) -> 30 >= max(6, 15)
[Tầng 3: Động cơ Quy hoạch tuyến tính DEA (Stata Engine)]
- Primal/Dual Linear Programming Solver
- Mô hình CCR định hướng đầu vào (Input-Oriented Constant Returns to Scale)
- Mô hình BCC (Variable Returns to Scale)
[Tầng 4: Trích xuất Chỉ số & Phân tích Tác động]
- Điểm hiệu quả kỹ thuật (TE Score)
- Xác định Frontier & Projection Targets
- Đối chiếu chỉ số tài chính: ROA, ROE, NIM, CAR, NPL
Công nghệ sử dụng bao gồm:
- Stata 14.2 / Stata 17: Chạy mô hình tối ưu hóa tuyến tính DEA thông qua gói mở rộng
dea.pkg(Ji & Lee, 2010). - Microsoft Excel Data Analysis: Tiền xử lý, chuẩn hóa định dạng số liệu kế toán và phân tích ma trận tương quan Pearson.
- Python 3.9 (Scipy/Numpy/Pandas): Công cụ đối soát chéo (Double-check validation) bài toán Linear Programming.
Mô hình dữ liệu đầu vào và đầu ra được chỉ định theo phương pháp tiếp cận trung gian:
- Biến đầu vào ($X$):
- $x_1$ - Tài sản cố định ròng ($K$): Đại diện cho cơ sở vật chất, hạ tầng công nghệ (Đơn vị: Tỷ đồng).
- $x_2$ - Chi phí cho nhân viên ($L$): Đại diện cho nguồn lực lao động (Đơn vị: Tỷ đồng).
- $x_3$ - Vốn huy động ($DEPO$): Tiền gửi khách hàng và phát hành giấy tờ có giá (Đơn vị: Tỷ đồng).
- Biến đầu ra ($Y$):
- $y_1$ - Thu nhập từ lãi và các khoản tương đương ($Y_1$): Thu nhập cốt lõi từ cấp tín dụng (Đơn vị: Tỷ đồng).
- $y_2$ - Thu ngoài lãi và các khoản tương đương ($Y_2$): Doanh thu dịch vụ, kinh doanh ngoại hối, đầu tư chứng khoán (Đơn vị: Tỷ đồng).
Methodology
Mô hình nghiên cứu triển khai theo bài toán quy hoạch tuyến tính màng bao dữ liệu định hướng đầu vào (Input-oriented DEA) nhằm tìm cách cực tiểu hóa tỷ lệ các yếu tố đầu vào cần thiết để sản xuất ra mức sản lượng đầu ra xác định.
Giả sử có $n$ ngân hàng ($j = 1, 2, ..., n$), mỗi ngân hàng sử dụng $m$ yếu tố đầu vào $x_{ij} (i = 1, ..., m)$ để tạo ra $s$ yếu tố đầu ra $y_{rj} (r = 1, ..., s)$. Hiệu quả kỹ thuật của ngân hàng mục tiêu $DMU_0$ được giải quyết qua bài toán đối ngẫu (Dual Problem):
$$\min_{\theta, \lambda} \theta$$
Thỏa mãn các điều kiện ràng buộc: $$\sum_{j=1}^{n} \lambda_j x_{ij} \le \theta x_{i0}, \quad \forall i = 1, 2, \dots, m$$ $$\sum_{j=1}^{n} \lambda_j y_{rj} \ge y_{r0}, \quad \forall r = 1, 2, \dots, s$$ $$\lambda_j \ge 0, \quad \forall j = 1, 2, \dots, n$$
Trong đó:
- $\theta$: Hệ số điểm hiệu quả kỹ thuật ($0 < \theta \le 1$). Nếu $\theta = 1$, $DMU_0$ nằm trên đường biên hiệu quả (Best Practical Frontier).
- $\lambda_j$: Vector trọng số gán cho các $DMU_j$ tham chiếu.
- Điều kiện $\sum \lambda_j = 1$ được bổ sung khi chuyển đổi từ mô hình hiệu suất quy mô không đổi (CRS - Charnes, Cooper & Rhodes 1978) sang mô hình hiệu suất quy mô biến đổi (VRS - Banker, Charnes & Cooper 1984).
Implementation và kết quả
Development process
Quá trình thu thập và xử lý thực nghiệm dữ liệu 30 NHTM Việt Nam năm 2021 được triển khai theo kịch bản Stata chuẩn hóa.
Mã nguồn thực thi mô hình DEA trên nền tảng Stata 14:
* ==============================================================================
* KHÓA LUẬN: ĐÁNH GIÁ HIỆU QUẢ HOẠT ĐỘNG CÁC NHTM VIỆT NAM (DEA MODEL)
* Tác giả: Đỗ Thị Quỳnh Như - GVHD: TS. Lê Viết Giáp
* Phần mềm: Stata 14.2 / Stata 17
* ==============================================================================
* 1. Cài đặt package DEA từ kho lưu trữ SSC
ssc install dea, replace
* 2. Nhập dữ liệu và kiểm tra cấu trúc biến
import excel using "bank_data_2021.xlsx", sheet("Data") firstrow clear
describe
* 3. Kiểm định điều kiện Isotonicity (Tương quan đơn điệu giữa Inputs và Outputs)
pwcorr K L DEPO Y1 Y2, sig star(0.05)
* 4. Ước lượng mô hình DEA định hướng đầu vào theo quy mô không đổi (CRS)
* Inputs: K (Tài sản CĐ), L (Chi phí lương), DEPO (Vốn huy động)
* Outputs: Y1 (Thu từ lãi), Y2 (Thu ngoài lãi)
dea K L DEPO = Y1 Y2, rts(crs) ort(in) stage(2) saving("dea_output_crs.dta", replace)
* 5. Ước lượng mô hình DEA định hướng đầu vào theo quy mô biến đổi (VRS)
dea K L DEPO = Y1 Y2, rts(vrs) ort(in) stage(2) saving("dea_output_vrs.dta", replace)
* 6. Nạp kết quả và trích xuất bảng xếp hạng hiệu quả
use "dea_output_crs.dta", clear
list dmu_name theta_crs rank if theta_crs >= 0.999
summarize theta_crs
Testing và validation
Điều kiện tiên quyết của mô hình DEA là tính đẳng trương (Isotonicity) - tăng đầu vào không làm giảm đầu ra. Kết quả ma trận tương quan Pearson trong mẫu nghiên cứu:
- Hệ số tương quan giữa $K$ và $Y_1$: $r = 0.842$ ($p < 0.001$).
- Hệ số tương quan giữa $L$ và $Y_1$: $r = 0.915$ ($p < 0.001$).
- Hệ số tương quan giữa $DEPO$ và $Y_1$: $r = 0.963$ ($p < 0.001$).
- Hệ số tương quan giữa $DEPO$ và $Y_2$: $r = 0.887$ ($p < 0.001$).
Toàn bộ ma trận đều mang giá trị dương có ý nghĩa thống kê tại mức 1%, xác nhận tính hợp lệ của việc lựa chọn biến đầu vào và đầu ra.
Kết quả đạt được
Kết quả chạy mô hình DEA trên Stata 14 cho 30 ngân hàng nghiên cứu năm 2021 xác định:
- Điểm hiệu quả kỹ thuật trung bình (Mean Technical Efficiency) toàn hệ thống đạt 81,02% (tương đương 0,8102).
- Mức độ lãng phí nguồn lực đầu vào trung bình: 18,98%. Điều này đồng nghĩa với việc để tạo ra cùng mức sản lượng đầu ra trong năm 2021, các NHTM Việt Nam về mặt kỹ thuật có thể cắt giảm bình quân 18,98% các yếu tố đầu vào (vốn huy động, chi phí lương và tài sản cố định ròng).
Bảng tổng hợp kết quả hoạt động, điểm DEA và các chỉ tiêu tài chính chính của các ngân hàng tiêu biểu:
| STT | Mã Ngân hàng (DMU) | Điểm DEA (TE Score) | Trạng thái hiệu quả | Vốn điều lệ (Tỷ đồng) | Lợi nhuận sau thuế (Tỷ đồng) | ROA (%) | ROE (%) | NIM (%) | CAR (%) | Tỷ lệ nợ xấu NPL (%) |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | AGR (Agribank) | 1.000 | Hiệu quả tối ưu | 34.440 | 12.261,03 | 0,86% | 15,20% | 2,15% | 9,12% | 1,78% |
| 2 | OCB | 1.000 | Hiệu quả tối ưu | 13.699 | 4.428,21 | 2,59% | 21,80% | 3,95% | 12,29% | 1,32% |
| 3 | NAB (Nam A Bank) | 1.000 | Hiệu quả tối ưu | 6.564 | 1.438,10 | 1,12% | 14,35% | 3,10% | 10,50% | 1,55% |
| 4 | VAB (VietABank) | 1.000 | Hiệu quả tối ưu | 4.449 | 674,80 | 0,82% | 9,45% | 2,45% | 8,95% | 1,85% |
| 5 | PGB (PG Bank) | 1.000 | Hiệu quả tối ưu | 3.000 | 260,50 | 0,78% | 6,80% | 2,65% | 8,75% | 2,52% |
| 6 | VCB (Vietcombank) | 0.945 | Kém hiệu quả | 37.089 | 21.939,05 | 1,60% | 21,50% | 3,15% | 9,80% | 0,66% |
| 7 | TCB (Techcombank) | 0.962 | Kém hiệu quả | 35.109 | 18.415,38 | 3,65% | 21,70% | 5,65% | 15,20% | 0,66% |
| 8 | VPB (VPBank) | 0.918 | Kém hiệu quả | 45.056 | 13.012,40 | 2,75% | 18,90% | 7,80% | 14,30% | 4,47% |
| 9 | VIB | 0.935 | Kém hiệu quả | 15.531 | 6.411,20 | 2,40% | 30,01% | 4,40% | 11,20% | 1,75% |
| 10 | NVB (NCB) | 0.582 | Kém hiệu quả nhất | 4.102 | 1,85 | 0,003% | 0,05% | 1,45% | 0,28% | 3,00% |
Nhóm đạt hiệu quả kỹ thuật tuyệt đối ($\theta = 1.000$) bao gồm 5 ngân hàng: AGR, OCB, NAB, VAB, PGB. Đáng chú ý, nhóm này gồm 01 NHTM Nhà nước có quy mô tài sản cực lớn (Agribank) và 04 NHTMCP có quy mô vừa và nhỏ. Kết quả này phản ánh rằng mô hình DEA đo lường hiệu quả chuyển đổi tương đối giữa các biến đầu vào và đầu ra, không đồng nhất hoàn toàn với quy mô lợi nhuận tuyệt đối.
Đổi mới và đóng góp
Nghiên cứu mang lại những đóng góp khoa học và thực tiễn quan trọng trong việc lượng hóa hiệu quả ngân hàng tại Việt Nam:
- So sánh với các nghiên cứu tiền nhiệm tại thị trường Việt Nam:
| Nghiên cứu | Giai đoạn dữ liệu | Mẫu quan sát | Mô hình | Kết quả TE trung bình | Kết luận chính |
|---|---|---|---|---|---|
| Nguyễn Việt Hùng (2008) | 2001 - 2005 | 32 NHTM | DEA / SFA Intermediation | 78,40% | Giai đoạn đầu hội nhập, hiệu quả quy mô chi phối hiệu quả kỹ thuật |
| Lê Phan Thị Diệu Thảo & Nguyễn Thị Ngọc Quỳnh (2013) | 2008 - 2012 | 39 NHTM | DEA Input-oriented | 92,84% | Tái cấu trúc sau khủng hoảng tài chính toàn cầu 2008 |
| Tran & Bhaiyat (2016) | 2011 - 2014 | 31 NHTMCP | DEA CRS/VRS | 87,00% | Lãng phí 13% đầu vào; nhóm niêm yết hiệu quả cao hơn nhóm chưa niêm yết |
| Nguyễn Thị Thu Thương (2017) | 2011 - 2015 | 21 Chi nhánh NHTM | DEA Malmquist | 94,00% | Tiến bộ công nghệ thúc đẩy tăng trưởng năng suất |
| Khóa luận này (2022) | 2021 | 30 NHTM | DEA Stata 14 Intermediation | 81,02% | Phản ánh sự suy giảm hiệu quả kỹ thuật do cú sốc Covid-19; dư thừa đầu vào tăng lên 18,98% |
- Phát hiện mới về cơ chế sử dụng nguồn lực trong đại dịch:
- Nghiên cứu chứng minh rằng dù lợi nhuận tuyệt đối của ngành ngân hàng 2021 vẫn tăng trưởng tốt (như Vietcombank đạt 21.939 tỷ đồng LNST, Techcombank đạt 18.415 tỷ đồng LNST), hiệu quả kỹ thuật tổng hợp toàn hệ thống lại suy giảm so với các giai đoạn trước (chỉ đạt 81,02%).
- Tỷ lệ lãng phí 18,98% chủ yếu nằm ở chi phí vốn huy động nhàn rỗi do tăng trưởng tín dụng bị ghìm chân bởi dịch bệnh và mạng lưới tài sản cố định/chi nhánh vật lý chưa được số hóa triệt để.
Ứng dụng thực tế và triển khai
Kịch bản ứng dụng trong quản trị ngân hàng
- Tối ưu hóa bảng cân đối kế toán (Balance Sheet Optimization): Các ngân hàng có điểm $\theta < 1$ có thể sử dụng vector hình chiếu biên (Projection Vector) từ kết quả DEA để tính toán lượng cắt giảm cụ thể cho từng khoản mục: giảm chi phí huy động vốn đắt đỏ, điều chỉnh định biên nhân sự và thu gọn mạng lưới PGD kém hiệu quả.
- Giám sát an toàn hệ thống của Ngân hàng Nhà nước: Sử dụng mô hình DEA định kỳ làm công cụ cảnh báo sớm (Early Warning System) song song với hệ thống giám sát CAMELS.
Kế hoạch hành động và Lộ trình triển khai (Implementation Roadmap)
[Giai đoạn 1: 2022] Rà soát và Tái cơ cấu Chi phí Đầu vào
[Giai đoạn 2: 2023 - 2024] Đẩy mạnh Số hóa & Đa dạng hóa Đầu ra
[Giai đoạn 3: 2025+] Hoàn thiện Quản trị Rủi ro Chuẩn mực Quốc tế
Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)
Việc tối ưu hóa 18,98% nguồn lực đầu vào dư thừa mang lại tác động định lượng rõ rệt:
- Tiết kiệm chi phí hoạt động: Giảm tỷ lệ chi phí trên thu nhập (Cost-to-Income Ratio - CIR) của hệ thống ngân hàng từ mức bình quân 38% - 42% xuống dưới 32% - 35%.
- Gia tăng biên lãi thuần (NIM): Tăng từ 0,25% đến 0,50% thông qua việc tái phân bổ vốn huy động vào các phân khúc tín dụng có biên lợi nhuận cao và an toàn.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật
- Dữ liệu cắt ngang đơn kỳ (Cross-sectional Data): Nghiên cứu mới chỉ tập trung phân tích năm 2021, chưa đánh giá được động thái dịch chuyển của đường biên công nghệ qua chuỗi thời gian nhiều năm.
- Ảnh hưởng của chính sách kế toán đặc thù: Do Thông tư 14/2021/TT-NHNN cho phép cơ cấu lại thời hạn trả nợ và giữ nguyên nhóm nợ, tỷ lệ nợ xấu trên BCTC chưa phản ánh toàn diện rủi ro tiềm ẩn của một số ngân hàng.
- Mô hình DEA hộp đen (Black-box DEA): Chưa phân tách quy trình vận hành nội bộ của ngân hàng thành hai giai đoạn riêng biệt (Huy động vốn $\rightarrow$ Cấp tín dụng/Tạo doanh thu).
Hướng phát triển tiếp theo
- Mở rộng sử dụng mô hình DEA Chuỗi thời gian (Window Analysis / Malmquist Productivity Index) giai đoạn 2015–2025 để đo lường chỉ số thay đổi công nghệ (Technological Change) và chỉ số thay đổi hiệu quả kỹ thuật (Technical Efficiency Change).
- Áp dụng Mô hình DEA mạng lưới hai giai đoạn (Two-stage Network DEA) kết hợp hồi quy Tobit/Bootstrap để bóc tách tác động của các nhân tố vĩ mô (lạm phát, tốc độ tăng trưởng GDP, cung tiền M2) đến hiệu quả ngân hàng.
Đối tượng hưởng lợi
+-----------------------------------------------------------------------------+
| Sinh viên & Học viên cao học: |
| - Tài liệu thực nghiệm chuẩn mực về ứng dụng kinh tế lượng phi tham số |
| - Quy trình xử lý BCTC ngân hàng và cú pháp lập trình Stata DEA |
+-----------------------------------------------------------------------------+
| Chuyên viên phân tích Dữ liệu & Định lượng (Data Analysts): |
| - Mã nguồn và thuật toán quy hoạch tuyến tính tối ưu hóa chi phí |
| - Phương pháp tích hợp kiểm định Isotonicity vào xử lý số liệu tài chính |
+-----------------------------------------------------------------------------+
| Lãnh đạo & Khối Quản trị Rủi ro NHTM: |
| - Báo cáo tham chuẩn định vị năng lực cạnh tranh so với toàn ngành |
| - Cơ sở định lượng để cắt giảm 18,98% chi phí đầu vào dư thừa |
+-----------------------------------------------------------------------------+
| Cơ quan Quản lý (NHNN) & Nhà nghiên cứu: |
| - Bằng chứng thực nghiệm phục vụ xây dựng đề án tái cơ cấu hệ thống TCTD |
+-----------------------------------------------------------------------------+
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và môi trường phần mềm để tái lập mô hình DEA trong khóa luận?
Để chạy lại mô hình nghiên cứu, người dùng cần cài đặt phần mềm Stata (phiên bản 14.0 trở lên) và cài đặt module dea từ SSC bằng lệnh ssc install dea, replace. File số liệu cần được tổ chức dưới dạng bảng ma trận gồm cột định danh DMU, các cột biến đầu vào ($K, L, DEPO$) và các cột biến đầu ra ($Y_1, Y_2$) với định dạng số học không âm.
2. Mô hình DEA có xử lý được khi số lượng ngân hàng mẫu thay đổi không?
Mô hình DEA hoàn toàn thích ứng linh hoạt với quy mô mẫu thay đổi, miễn là thỏa mãn quy tắc ngón tay cái về bậc tự do: $n \ge \max{m \times s, 3(m + s)}$, trong đó $n$ là số ngân hàng, $m$ là số đầu vào, $s$ là số đầu ra. Với mô hình này ($m=3, s=2$), số lượng ngân hàng tối thiểu cần có là 15. Quy mô mẫu 30 ngân hàng trong nghiên cứu đảm bảo độ tin cậy và độ phân biệt cao của đường biên hiệu quả.
3. Tại sao một số ngân hàng có lợi nhuận rất cao (như VCB, TCB) lại không đạt điểm DEA tuyệt đối 1.000?
Mô hình DEA đo lường hiệu quả kỹ thuật tương đối (tỷ lệ chuyển đổi tối ưu giữa đầu vào và đầu ra), không đo lường quy mô lợi nhuận tuyệt đối. Một ngân hàng có lợi nhuận hàng chục nghìn tỷ đồng nhưng nếu sử dụng lượng tài sản, vốn huy động và chi phí nhân sự quá lớn so với sản lượng tạo ra thì vẫn bị xem là có dư thừa nguồn lực so với một ngân hàng quy mô nhỏ hơn nhưng tối ưu hóa hoàn hảo từng đồng đầu vào.
4. Tần suất cập nhật dữ liệu và chi phí duy trì mô hình định lượng này là bao nhiêu?
Mô hình nên được cập nhật định kỳ theo quý hoặc theo năm tài chính ngay khi các ngân hàng công bố BCTC kiểm toán. Do sử dụng công cụ quy hoạch tuyến tính phi tham số trên dữ liệu thứ cấp công khai, chi phí bảo trì mô hình gần như bằng 0, chỉ yêu cầu nhân sự phân tích tài chính nắm vững thao tác tiền xử lý dữ liệu và vận hành phần mềm Stata/Python.
5. Lợi ích tài chính khi ngân hàng cắt giảm 18,98% dư thừa đầu vào theo khuyến nghị của mô hình?
Việc loại bỏ mức lãng phí 18,98% đầu vào giúp ngân hàng hạ giá vốn huy động, tinh gọn bộ máy và giảm áp lực trích lập dự phòng. Đối với một ngân hàng thương mại quy mô trung bình (vốn huy động khoảng 100.000 tỷ đồng), việc tối ưu hóa chi phí tương ứng có thể tiết kiệm hàng trăm đến hàng nghìn tỷ đồng chi phí vốn mỗi năm, trực tiếp cải thiện chỉ số sinh lời ROE và nâng cao hệ số CAR.
Kết luận
Khóa luận tốt nghiệp đã ứng dụng thành công mô hình màng bao dữ liệu (DEA) để giải quyết bài toán định lượng hiệu quả hoạt động của 30 NHTM Việt Nam trong năm tài khóa 2021 đầy thách thức. Kết quả nghiên cứu chỉ ra rằng mức hiệu quả kỹ thuật trung bình của toàn hệ thống đạt 81,02%, trong đó nhóm 5 ngân hàng đạt hiệu quả tối ưu là Agribank, OCB, Nam A Bank, VietABank và PG Bank. Tỷ lệ lãng phí nguồn lực đầu vào 18,98% cung cấp cơ sở khoa học và thực tiễn vững chắc để các nhà quản trị ngân hàng tái cấu trúc chi phí, tối ưu hóa danh mục tài sản và đẩy mạnh chuyển đổi số. Đồng thời, nghiên cứu mang lại tài liệu tham khảo có giá trị cao cho các nhà hoạch định chính sách tại Ngân hàng Nhà nước trong tiến trình tái cơ cấu và lành mạnh hóa hệ thống tổ chức tín dụng Việt Nam giai đoạn hậu đại dịch.