Đánh Giá Mức Độ Lành Mạnh Của Các Ngân Hàng Thương Mại Tại Việt Nam Bằng Mô Hình CAMELS

Luận văn đánh giá mức độ lành mạnh của ngân hàng Việt Nam giai đoạn 2018-2022 bằng mô hình CAMELS và DEA. Phân tích chuyên sâu về hiệu quả hoạt động.

• Tác giả: Phan Thị Mỹ Duyên
• Người hướng dẫn: TS. Lê Đức Quang Tú
• Trường học: Đại học Quốc gia Thành phố Hồ Chí Minh - Trường Đại học Kinh tế - Luật
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Đánh Giá Mức Độ Lành Mạnh Của Các Ngân Hàng Thương Mại Tại Việt Nam Bằng Mô Hình CAMELS
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC CÁC BẢNG BIỂU, HÌNH VẼ, ĐỒ THỊ
• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ TÌNH HÌNH NGHIÊN CỨU VÀ CƠ SỞ LÝ THUYẾT
• 1.1. Tổng quan về tình hình nghiên cứu
• 1.2. Định nghĩa sự lành mạnh của NHTM
• 1.3. Mô hình CAMELS trong đánh giá mức độ lành mạnh của các NHTM
• 1.3.1. Chỉ số vốn (C)
• 1.3.2. Chỉ số chất lượng tài sản (A)
• 1.3.3. Chỉ số chất lượng quản lý (M)
• 1.3.4. Chỉ số khả năng sinh lời (E)
• 1.3.5. Chỉ số thanh khoản (L)
• 1.3.6. Chỉ số độ nhạy cảm với rủi ro thị trường (S)
• 2. CHƯƠNG 2: TỔNG QUAN HOẠT ĐỘNG CỦA CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
• 2.1. Tăng trưởng Tiền gửi
• 2.2. Tăng trưởng Tín dụng
• 2.3. Khả năng sinh lời
• 3. CHƯƠNG 3: PHƯƠNG PHÁP, DỮ LIỆU VÀ MÔ HÌNH NGHIÊN CỨU
• 3.1. Phương pháp tiếp cận CAMELS
• 3.2. Phương pháp entropy
• 3.3. Phương pháp phân tích DEA
• 3.4. Dữ liệu nghiên cứu
• 3.5. Mô hình nghiên cứu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Chỉ số vốn
• 4.2. Chỉ số chất lượng tài sản
• 4.3. Chỉ số chất lượng quản lý
• 4.4. Chỉ số khả năng sinh lời
• 4.5. Chỉ số thanh khoản
• 4.6. Chỉ số độ nhạy cảm với rủi ro thị trường
• 4.7. Kết quả xếp hạng CAMELS có trọng số
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ
• 5.1. Hàm ý quản trị
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Đánh Giá Sức Khỏe Ngân Hàng Việt Nam

Đánh giá sức khỏe ngân hàng là yếu tố then chốt cho sự ổn định của hệ thống tài chính và nền kinh tế. Việc liên tục đánh giá sức khỏe và hiệu quả của ngân hàng giúp các bên liên quan, như khách hàng, cổ đông và nhà quản lý, đưa ra quyết định sáng suốt. Các cuộc khủng hoảng tài chính toàn cầu đã chứng minh tác động tiêu cực của hệ thống tài chính yếu kém đối với nền kinh tế. Do đó, quản trị rủi ro ngân hàng là nhiệm vụ quan trọng hàng đầu. Theo Phí Trọng Hiển (2005), nhận diện rủi ro là bước đầu tiên và then chốt trong quy trình quản trị rủi ro, nhấn mạnh tầm quan trọng của việc thường xuyên đánh giá sức khỏe ngân hàng. Gần đây, sự sụp đổ của các ngân hàng lớn trên thế giới như Silicon Valley Bank và Credit Suisse, liên quan đến các vấn đề về thanh khoản và tín dụng, càng làm nổi bật tầm quan trọng của việc đánh giá này.

1.1. Tại Sao Đánh Giá Sức Khỏe Ngân Hàng Quan Trọng

Đánh giá sức khỏe ngân hàng giúp nhận diện sớm các vấn đề tiềm ẩn, từ đó ngăn chặn các cuộc khủng hoảng tài chính lan rộng. Nó cung cấp thông tin quan trọng cho việc ra quyết định của các nhà đầu tư, giúp họ lựa chọn ngân hàng an toàn và hiệu quả. Ngoài ra, đánh giá này hỗ trợ các cơ quan quản lý giám sát hệ thống ngân hàng một cách hiệu quả, đảm bảo tuân thủ các quy định và tiêu chuẩn quốc tế.

1.2. Các Phương Pháp Đánh Giá Sức Khỏe Ngân Hàng Phổ Biến

Có nhiều phương pháp để đánh giá sức khỏe của một ngân hàng, bao gồm phân tích các chỉ số tài chính, phân tích CAMELS, và phân tích DEA. Mỗi phương pháp có ưu và nhược điểm riêng, và việc sử dụng kết hợp các phương pháp này có thể mang lại bức tranh toàn diện hơn về sức khỏe của ngân hàng. Tài liệu nghiên cứu này tập trung vào việc sử dụng kết hợp CAMELS và DEA để đánh giá sức khỏe của các ngân hàng Việt Nam.

II. Thách Thức Trong Đánh Giá Ngân Hàng Việt Nam 2018 2022

Việc đánh giá sức khỏe ngân hàng Việt Nam giai đoạn 2018-2022 đối mặt với nhiều thách thức. Sự phức tạp của hệ thống tài chính, biến động kinh tế vĩ mô và sự thay đổi trong quy định pháp luật đều ảnh hưởng đến sức khỏe của các ngân hàng. Bên cạnh đó, việc thiếu dữ liệu đáng tin cậy và khả năng so sánh giữa các ngân hàng cũng là một trở ngại lớn. Vụ việc Ngân hàng Thương mại Cổ phần Sài Gòn (SCB) là một ví dụ điển hình cho thấy tầm quan trọng của việc đánh giá chính xác sức khỏe ngân hàng. Do đó, cần có các phương pháp đánh giá hiệu quả và toàn diện để đối phó với những thách thức này.

2.1. Biến Động Kinh Tế Vĩ Mô và Ảnh Hưởng Đến Ngân Hàng

Tăng trưởng kinh tế, lạm phát, tỷ giá hối đoái và chính sách tiền tệ đều có tác động lớn đến sức khỏe của các ngân hàng. Giai đoạn 2018-2022 chứng kiến nhiều biến động kinh tế, từ ảnh hưởng của đại dịch COVID-19 đến các chính sách kích thích kinh tế. Những biến động này tạo ra rủi ro cho các ngân hàng, đặc biệt là về khả năng sinh lời và chất lượng tài sản.

2.2. Sự Thay Đổi Quy Định Pháp Luật và Tác Động

Các quy định mới của Ngân hàng Nhà nước Việt Nam (NHNN) về tỷ lệ an toàn vốn, quản lý rủi ro và kiểm soát nợ xấu có thể ảnh hưởng đáng kể đến hoạt động của các ngân hàng. Việc tuân thủ các quy định này đòi hỏi các ngân hàng phải đầu tư vào hệ thống quản lý và công nghệ, đồng thời điều chỉnh chiến lược kinh doanh để đảm bảo tuân thủ và duy trì sức khỏe tài chính.

2.3. Thiếu Dữ Liệu Đáng Tin Cậy và So Sánh

Một trong những khó khăn lớn nhất trong việc đánh giá sức khỏe ngân hàng là sự thiếu hụt dữ liệu đáng tin cậy và khả năng so sánh giữa các ngân hàng. Các báo cáo tài chính có thể không phản ánh đầy đủ tình hình thực tế, và việc so sánh các ngân hàng với quy mô và mô hình kinh doanh khác nhau có thể gây khó khăn trong việc đưa ra kết luận chính xác.

III. Phương Pháp CAMELS Phân Tích Sức Mạnh Ngân Hàng

CAMELS là một phương pháp phân tích toàn diện được sử dụng rộng rãi để đánh giá sức khỏe của các ngân hàng. Phương pháp này xem xét sáu yếu tố chính: Vốn (Capital Adequacy), Chất lượng Tài sản (Asset Quality), Quản lý (Management), Khả năng Sinh lời (Earnings), Thanh khoản (Liquidity), và Độ nhạy cảm với Rủi ro Thị trường (Sensitivity to Market Risk). Mỗi yếu tố được đánh giá riêng lẻ và sau đó tổng hợp để đưa ra đánh giá tổng quan về sức khỏe của ngân hàng. Theo Angela Roman và Alina Camelia (2013), CAMELS giúp các nhà quản lý và cơ quan giám sát xác định các điểm mạnh và điểm yếu của ngân hàng, từ đó đưa ra các biện pháp can thiệp kịp thời.

3.1. Giải Thích Chi Tiết Các Yếu Tố CAMELS

Mỗi yếu tố trong CAMELS đều có vai trò quan trọng trong việc đánh giá sức khỏe ngân hàng. Vốn đảm bảo khả năng hấp thụ lỗ và duy trì hoạt động liên tục. Chất lượng tài sản phản ánh rủi ro tín dụng và khả năng thu hồi nợ. Quản lý đánh giá hiệu quả của ban điều hành trong việc quản lý rủi ro và điều hành hoạt động. Khả năng sinh lời cho thấy khả năng tạo ra lợi nhuận bền vững. Thanh khoản đảm bảo khả năng đáp ứng các nghĩa vụ tài chính ngắn hạn. Độ nhạy cảm với rủi ro thị trường đánh giá mức độ ảnh hưởng của biến động thị trường đến thu nhập và vốn của ngân hàng.

3.2. Ưu Điểm và Hạn Chế Của Mô Hình CAMELS

CAMELS là một phương pháp đánh giá đơn giản, dễ sử dụng và cung cấp cái nhìn tổng quan về sức khỏe ngân hàng. Tuy nhiên, nó có một số hạn chế. CAMELS dựa trên các chỉ số tài chính lịch sử và có thể không dự đoán được các rủi ro trong tương lai. Ngoài ra, việc gán trọng số cho các yếu tố CAMELS có thể chủ quan và ảnh hưởng đến kết quả đánh giá.

IV. Ứng Dụng DEA Đo Lường Hiệu Quả Hoạt Động Ngân Hàng

DEA (Data Envelopment Analysis) là một phương pháp phi tham số được sử dụng để đánh giá hiệu quả hoạt động ngân hàng bằng cách so sánh hiệu quả tương đối giữa các đơn vị ra quyết định (DMU). Trong bối cảnh ngân hàng, DEA được sử dụng để đánh giá hiệu quả sử dụng nguồn lực (đầu vào) để tạo ra sản phẩm và dịch vụ (đầu ra). Phương pháp này cho phép xác định các ngân hàng hoạt động hiệu quả nhất và những ngân hàng cần cải thiện hiệu quả hoạt động. Theo Tu DQ Le (2017), DEA cung cấp một cách tiếp cận khách quan để đánh giá hiệu quả quản lý của các ngân hàng.

4.1. Các Biến Đầu Vào và Đầu Ra Trong Mô Hình DEA

Việc lựa chọn các biến đầu vào và đầu ra phù hợp là rất quan trọng trong phân tích DEA. Các biến đầu vào thường bao gồm chi phí hoạt động, chi phí vốn và số lượng nhân viên. Các biến đầu ra có thể là thu nhập từ lãi, thu nhập từ phí dịch vụ và tổng tài sản. Việc lựa chọn các biến này cần dựa trên mục tiêu đánh giá và đặc điểm hoạt động của các ngân hàng.

4.2. Ưu Điểm Của DEA So Với Phương Pháp Truyền Thống

DEA có một số ưu điểm so với các phương pháp đánh giá hiệu quả truyền thống. DEA không yêu cầu giả định về hình thức hàm sản xuất và có thể xử lý nhiều đầu vào và đầu ra cùng một lúc. Ngoài ra, DEA cung cấp thông tin chi tiết về các nguồn lực cần cải thiện để nâng cao hiệu quả hoạt động.

4.3. Ứng Dụng DEA trong Đánh Giá Chất Lượng Quản Lý Ngân Hàng

DEA được sử dụng để đánh giá yếu tố M - Management (Quản Lý) trong mô hình CAMELS. Chất lượng quản lý trong DEA sẽ được thể hiện bằng hiệu quả kỹ thuật từ 0-1. Hiệu quả kỹ thuật càng cao, thể hiện việc sử dụng các đầu vào (nguồn lực) để tạo ra đầu ra (sản phẩm, dịch vụ) càng hiệu quả, chứng tỏ chất lượng quản lý ngân hàng càng tốt.

V. Kết Quả Nghiên Cứu Đánh Giá Sức Khỏe Ngân Hàng Việt Nam

Nghiên cứu đánh giá sức khỏe của 27 ngân hàng giao dịch trên thị trường chứng khoán Việt Nam giai đoạn 2018-2022 sử dụng mô hình CAMELS kết hợp DEA và phương pháp entropy để xác định trọng số của các yếu tố. Kết quả cho thấy có sự khác biệt đáng kể về sức khỏe giữa các ngân hàng. Các ngân hàng có điểm CAMELS cao thường là những ngân hàng có chiến lược quản lý rủi ro hiệu quả, khả năng sinh lời tốt và chất lượng tài sản ổn định. Ngược lại, các ngân hàng có điểm CAMELS thấp cần cải thiện hiệu quả hoạt động và quản lý rủi ro để nâng cao sức khỏe tài chính.

5.1. Xếp Hạng Các Ngân Hàng Theo Mô Hình CAMELS

Bảng xếp hạng CAMELS cho thấy thứ hạng của các ngân hàng dựa trên điểm số tổng hợp. Các ngân hàng đứng đầu bảng xếp hạng thường có sự kết hợp tốt giữa các yếu tố CAMELS, trong khi các ngân hàng ở cuối bảng xếp hạng cần tập trung vào việc cải thiện các yếu tố yếu kém.

5.2. Phân Tích Các Yếu Tố Ảnh Hưởng Đến Sức Khỏe Ngân Hàng

Phân tích các yếu tố CAMELS cho phép xác định các yếu tố quan trọng nhất ảnh hưởng đến sức khỏe ngân hàng. Ví dụ, ngân hàng có tỷ lệ nợ xấu cao có thể gặp khó khăn trong việc duy trì khả năng sinh lời và chất lượng tài sản, trong khi ngân hàng có tỷ lệ vốn thấp có thể dễ bị tổn thương trước các cú sốc kinh tế.

VI. Hàm Ý Quản Trị và Tương Lai Của Ngân Hàng Việt Nam

Kết quả nghiên cứu này có nhiều hàm ý quan trọng cho các nhà quản lý ngân hàng và cơ quan quản lý. Các nhà quản lý ngân hàng có thể sử dụng kết quả đánh giá CAMELS và DEA để xác định các lĩnh vực cần cải thiện và đưa ra các biện pháp khắc phục. Cơ quan quản lý có thể sử dụng kết quả này để giám sát hệ thống ngân hàng một cách hiệu quả hơn và đưa ra các chính sách phù hợp để đảm bảo sự ổn định tài chính. Tương lai của ngân hàng Việt Nam phụ thuộc vào khả năng thích ứng với các thách thức mới và tận dụng các cơ hội để phát triển bền vững.

6.1. Đề Xuất Giải Pháp Nâng Cao Sức Khỏe Ngân Hàng

Dựa trên kết quả nghiên cứu, có một số giải pháp có thể được đề xuất để nâng cao sức khỏe của các ngân hàng Việt Nam. Các giải pháp này bao gồm tăng cường quản lý rủi ro, cải thiện hiệu quả hoạt động, nâng cao năng lực cạnh tranh và tăng cường tuân thủ các quy định pháp luật.

6.2. Tầm Quan Trọng Của Công Nghệ và Chuyển Đổi Số

Trong bối cảnh kinh tế số, công nghệ và chuyển đổi số đóng vai trò ngày càng quan trọng trong hiệu quả hoạt động của ngân hàng. Các ngân hàng cần đầu tư vào công nghệ mới, phát triển các sản phẩm và dịch vụ số, và nâng cao kỹ năng số cho nhân viên để đáp ứng nhu cầu của khách hàng và duy trì lợi thế cạnh tranh. Kết quả nghiên cứu chỉ ra các ngân hàng dẫn đầu bảng xếp hạng đều là các ngân hàng có tốc độ chuyển đổi số mạnh mẽ.

Nội dung chính

Tổng quan nghiên cứu

Hệ thống ngân hàng thương mại giữ vai trò huyết mạch trong việc cung ứng vốn và duy trì ổn định kinh tế vĩ mô. Sau những biến động tài chính quốc tế như sự sụp đổ của Ngân hàng Silicon Valley, Credit Suisse và các vụ việc tái cơ cấu tín dụng phức tạp tại Việt Nam, nhu cầu đánh giá sức khỏe tài chính ngân hàng trở nên cấp thiết hơn bao giờ hết. Nghiên cứu tập trung giải quyết vấn đề đánh giá mức độ lành mạnh của các ngân hàng thương mại Việt Nam thông qua khung chuẩn hóa quốc tế có hiệu chỉnh trọng số khách quan.

Mục tiêu cụ thể của luận văn là đo lường và xếp hạng mức độ lành mạnh tài chính của 27 ngân hàng thương mại cổ phần niêm yết và đăng ký giao dịch trên ba sàn chứng khoán gồm HOSE, HNX và UPCoM trong giai đoạn 2018 – 2022. Mẫu nghiên cứu đại diện cho 80,28% tổng tài sản của toàn bộ hệ thống ngân hàng thương mại Việt Nam tính đến ngày 31/12/2022. Đề tài áp dụng mô hình CAMELS kết hợp kỹ thuật phân tích bao dữ liệu (DEA) để đo lường hiệu quả quản trị và phương pháp entropy nhằm xác định trọng số từng cấu phần thay vì cào bằng tỷ trọng.

Ý nghĩa thực tiễn của công trình thể hiện qua việc cung cấp công cụ giám sát định lượng cho cơ quan quản lý, hỗ trợ duy trì tỷ lệ an toàn vốn (CAR) vượt chuẩn tối thiểu 8% theo Thông tư 41/2016/TT-NHNN. Đồng thời, kết quả nghiên cứu là nguồn dữ liệu chuẩn hóa giúp các nhà đầu tư và khách hàng đo lường mức độ rủi ro, phân bổ nguồn vốn an toàn trong bối cảnh tăng trưởng tín dụng toàn ngành 6 tháng đầu năm 2023 chỉ đạt 4,73% và GDP cùng kỳ chỉ tăng 3,72%.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng khung đánh giá CAMELS do Cục Dự trữ Liên bang Hoa Kỳ (Federal Reserve) và các cơ quan quản lý ngân hàng quốc tế phát triển từ cuối thập niên 1970. Mô hình chuẩn hóa đánh giá 6 khía cạnh cốt lõi: Mức độ an toàn vốn (Capital Adequacy - C), Chất lượng tài sản (Asset Quality - A), Năng lực quản lý (Management Quality - M), Khả năng sinh lời (Earnings - E), Thanh khoản (Liquidity - L) và Độ nhạy cảm với rủi ro thị trường (Sensitivity to Market Risk - S).

Bên cạnh đó, luận văn tích hợp lý thuyết thông tin của Shannon (1948) thông qua phương pháp Entropy để tính toán trọng số khách quan cho từng cấu phần dựa trên mức độ biến thiên dữ liệu thực tế. Để khắc phục hạn chế của việc dùng tỷ số tài chính đơn thuần khi đánh giá yếu tố quản lý, nghiên cứu áp dụng mô hình tối ưu hóa quy hoạch tuyến tính phi tham số Data Envelopment Analysis (DEA) của Charnes và cộng sự (1978) cùng bước phát triển về hiệu quả thay đổi theo quy mô của Banker và cộng sự (1984).

Các khái niệm chính được định lượng rõ ràng: Chỉ số vốn đo lường qua tỷ lệ vốn chủ sở hữu trên tổng tài sản (TETA) và vốn chủ sở hữu trên tổng nợ (TETD); chất lượng tài sản thể hiện qua tỷ lệ nợ quá hạn (NPL) và tỷ lệ dự phòng tổn thất (CR); khả năng sinh lời xác định bằng tỷ suất sinh lời trên vốn chủ sở hữu (ROE) và biên lãi thuần (NIM); thanh khoản phản ánh qua tỷ lệ tài sản thanh khoản cao trên tổng tài sản (LATA) và tiền gửi trên dư nợ (DLR); độ nhạy cảm thị trường đo lường qua khe hở tài sản và nợ nhạy cảm lãi suất trên tổng tài sản (ISAL).

Phương pháp nghiên cứu

Nghiên cứu sử dụng mẫu gồm 27 ngân hàng thương mại cổ phần Việt Nam giao dịch tập trung trên HOSE, HNX và UPCoM trong giai đoạn 5 năm từ 2018 đến 2022. Phương pháp chọn mẫu loại trừ 4 ngân hàng giao dịch trên thị trường phi tập trung (OTC) nhằm bảo đảm tính minh bạch, nhất quán và chuẩn hóa của báo cáo tài chính đã kiểm toán.

Dữ liệu thứ cấp được thu thập từ báo cáo tài chính công ty mẹ đã kiểm toán, báo cáo thường niên, kết hợp đối chiếu nguồn dữ liệu FiinPro và số liệu giám sát của Ngân hàng Nhà nước. Dữ liệu được xử lý qua ngôn ngữ lập trình Python và bảng tính Excel.

Lý do lựa chọn phương pháp phân tích kết hợp: Mô hình DEA theo phương pháp tiếp cận trung gian (intermediation approach) với 2 biến đầu vào gồm chi phí lãi, chi phí ngoài lãi và 2 biến đầu ra gồm thu nhập lãi, thu nhập ngoài lãi cho phép đánh giá chính xác hiệu quả kỹ thuật trong khoảng từ 0 đến 1 mà không bị bóp méo bởi quy mô tài sản. Kỹ thuật Entropy loại bỏ hoàn toàn yếu tố cảm tính của chuyên gia, tự động gán trọng số cao hơn cho các chỉ tiêu có mức độ phân hóa và phản ánh rủi ro sâu sắc nhất trong hệ thống.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Kết quả tính toán trọng số bằng phương pháp Entropy đã thiết lập mức độ quan trọng thực tế của 6 cấu phần trong hệ thống ngân hàng Việt Nam: Thanh khoản (L) chiếm tỷ trọng cao nhất với 17,871%, tiếp theo là Khả năng sinh lời (E) chiếm 17,091%, Mức độ an toàn vốn (C) chiếm 16,806%, Chất lượng tài sản (A) chiếm 16,771%, Độ nhạy cảm thị trường (S) chiếm 16,405% và Năng lực quản lý (M) chiếm 15,056%.

Khi áp dụng trọng số Entropy, thứ hạng mức độ lành mạnh có sự thay đổi rõ rệt so với phương pháp cào bằng truyền thống:

Thứ nhất, Top 3 ngân hàng lành mạnh nhất hệ thống lần lượt là VPB (điểm bình quân 8,66, vươn từ hạng 8 lên hạng 1), MBB (điểm 8,87, tăng từ hạng 4 lên hạng 2) và TCB (điểm 9,45, giữ vững vị trí thứ 3). Các vị trí tiếp theo thuộc về TPB (9,46), MSB (9,80) và VCB (9,89).

Thứ hai, nhóm ngân hàng thương mại nhà nước ghi nhận sự phân hóa lớn. Chỉ duy nhất VCB góp mặt trong Top 10 với vị trí thứ 6, trong khi BID xếp hạng 11 (điểm 13,57) và CTG xếp hạng 15 (điểm 14,34) do tỷ lệ an toàn vốn mỏng (TETA của BID chỉ đạt 0,04 và CTG đạt 0,05) cùng áp lực đòn bẩy cao.

Thứ ba, phân tích DEA chỉ ra duy nhất 2 ngân hàng đạt điểm hiệu quả kỹ thuật tuyệt đối bằng 1,00 là VCB và BID, chứng minh năng lực tối ưu hóa chi phí đầu vào để tạo ra doanh thu. Ngược lại, nhóm ngân hàng quy mô nhỏ ghi nhận điểm DEA rất thấp như SGB (0,01), PGB (0,02), BVB (0,02).

Thứ tư, 3 ngân hàng có mức độ lành mạnh kém nhất toàn hệ thống ở cả hai phương pháp tính điểm là SGB (hạng 25, điểm 19,12), PGB (hạng 26, điểm 19,15) và NVB (hạng 27, điểm 20,62). Nhóm này bộc lộ sự suy yếu đồng thời ở tỷ lệ an toàn vốn, chất lượng tài sản và biên sinh lời ROE xấp xỉ 0%.

Thảo luận kết quả

Nguyên nhân giúp VPB, MBB và TCB chiếm lĩnh các vị trí dẫn đầu bắt nguồn từ chiến lược đẩy mạnh chuyển đổi số toàn diện và tối ưu hóa chi phí vận hành. VPB phát triển mạnh nền tảng VPBank NEO dẫn đầu thị trường bán lẻ; MBB triển khai mô hình kết nối Banking as a Service (BaaS) qua Open API giúp thu hút dòng tiền gửi không kỳ hạn vượt trội, duy trì tỷ lệ CASA đạt 34% trong 6 tháng đầu năm 2023; TCB tối ưu hiệu suất qua chính sách Cloud-first và miễn phí giao dịch Zero-Fee từ sớm.

So sánh với các nghiên cứu tiền nhiệm của Angela Roman (2013) tại Romania hay Georgios (2019) tại khu vực Balkan, việc không phân bổ trọng số đã làm sai lệch đánh giá đối với các ngân hàng có thế mạnh vượt trội về thanh khoản và sinh lời. Việc tỷ trọng thanh khoản (17,871%) và sinh lời (17,091%) chiếm ưu thế trong mô hình phản ánh đúng thực trạng biến động lãi suất và áp lực dòng tiền của hệ thống ngân hàng Việt Nam.

Dữ liệu nghiên cứu có thể được trực quan hóa hiệu quả qua biểu đồ phân tán hai chiều giữa hiệu quả kỹ thuật DEA và tỷ suất sinh lời ROE, kết hợp bảng ma trận đối chuẩn thứ hạng trước và sau khi gán trọng số Entropy. Cách biểu diễn này làm nổi bật nhóm ngân hàng bứt phá nhờ chuyển đổi số và nhóm tụt hậu do mô hình kinh doanh truyền thống kém linh hoạt.

Đề xuất và khuyến nghị

Thứ nhất, Ngân hàng Nhà nước cần tăng cường cơ chế thanh tra, giám sát định kỳ 6 tháng một lần đối với nhóm 3 ngân hàng có thứ hạng thấp nhất gồm NVB, PGB và SGB. Mục tiêu là kiểm soát chặt chẽ tỷ lệ nợ xấu NPL dưới mức trần 3% và xây dựng phương án tái cơ cấu, sáp nhập hợp nhất bắt buộc trước quý IV/2025 nhằm ngăn chặn rủi ro lan truyền hệ thống.

Thứ hai, Ban điều hành các ngân hàng thương mại cần đẩy mạnh tốc độ số hóa dịch vụ tài chính, mở rộng hệ sinh thái Open Banking để gia tăng tỷ lệ tiền gửi không kỳ hạn CASA lên mức mục tiêu tối thiểu 25% – 30% giai đoạn 2024 – 2026. Động thái này giúp cắt giảm chi phí vốn đầu vào, nâng cao biên lãi thuần NIM và cải thiện điểm số hiệu quả quản lý DEA.

Thứ ba, Khối Quản trị rủi ro tại các ngân hàng thương mại cần thiết lập hạn mức kiểm soát khe hở lãi suất ISAL dưới ngưỡng 0,05, chủ động phòng ngừa biến động thị trường tài chính. Đồng thời, các đơn vị cần duy trì trích lập dự phòng rủi ro tín dụng để bảo đảm tỷ lệ bao phủ nợ xấu đạt tối thiểu 100% đến hết năm 2025, đặc biệt với các khoản vay bất động sản và trái phiếu doanh nghiệp.

Thứ tư, Hội đồng Quản trị các ngân hàng quy mô vừa và nhỏ cần khẩn trương xây dựng lộ trình tăng vốn điều lệ từ nguồn lợi nhuận giữ lại hoặc phát hành cho cổ đông chiến lược nước ngoài trước năm 2026. Giải pháp này nhằm nâng hệ số an toàn vốn CAR đạt từ 11% đến 12%, thu hẹp khoảng cách an toàn vốn so với nhóm ngân hàng dẫn đầu.

Đối tượng nên tham khảo luận văn

Thứ nhất, Cơ quan quản lý tiền tệ (Ngân hàng Nhà nước): Luận văn cung cấp khung định lượng khách quan kết hợp DEA và Entropy, hỗ trợ xây dựng hệ thống cảnh báo sớm rủi ro thanh khoản và xếp hạng tín nhiệm nội bộ phục vụ công tác thanh tra ngân hàng.

Thứ hai, Ban lãnh đạo và chuyên viên Quản trị rủi ro tại các NHTM: Tài liệu là cẩm nang đối chuẩn (benchmarking) hiệu quả quản trị, giúp các nhà quản trị nhận diện điểm nghẽn trong việc phân bổ chi phí đầu vào và quản lý danh mục tài sản nhạy cảm lãi suất.

Thứ ba, Nhà đầu tư tài chính và các quỹ quản lý danh mục: Kết quả xếp hạng 27 ngân hàng niêm yết là cơ sở định giá, sàng lọc cổ phiếu ngân hàng có nền tảng an toàn vốn vững chắc và biên sinh lời ổn định cho chiến lược đầu tư trung và dài hạn.

Thứ tư, Giảng viên, học viên cao học và nghiên cứu sinh chuyên ngành Tài chính – Ngân hàng: Công trình là tài liệu tham khảo giá trị về phương pháp luận kết hợp mô hình kinh tế lượng phi tham số và lý thuyết thông tin trong nghiên cứu học thuật thực nghiệm.

Câu hỏi thường gặp

Phương pháp Entropy đóng vai trò gì trong việc hoàn thiện mô hình CAMELS? Phương pháp Entropy đo lường mức độ biến thiên dữ liệu để xác định trọng số khách quan cho 6 cấu phần. Kết quả chỉ ra Thanh khoản chiếm 17,871% và Sinh lời chiếm 17,091%, khắc phục hoàn toàn nhược điểm cào bằng tỷ trọng hoặc áp đặt chủ quan của chuyên gia.

Tại sao phương pháp DEA lại phù hợp để đo lường chỉ số Quản trị (M)? DEA là mô hình quy hoạch tuyến tính phi tham số, đánh giá trực tiếp khả năng chuyển hóa 2 đầu vào chi phí thành 2 đầu ra thu nhập theo thang điểm từ 0 đến 1, phản ánh năng lực vận hành thực chất thay vì các chỉ số tài chính đơn lẻ.

Yếu tố then chốt nào giúp VPB, MBB và TCB đạt thứ hạng cao nhất? Cả 3 ngân hàng đều tiên phong chuyển đổi số mạnh mẽ thông qua các nền tảng số hóa như VPBank NEO, Open API BaaS của MBB và chiến lược Zero-Fee của TCB. Nhờ đó, các ngân hàng này tối ưu hóa chi phí vận hành, thu hút CASA dồi dào và duy trì biên sinh lời ROE trên 23% – 33%.

Tại sao tỷ lệ bao phủ nợ xấu tại nhiều ngân hàng sụt giảm trong nửa đầu năm 2023? Trong 6 tháng đầu năm 2023, tỷ lệ bao phủ nợ xấu sụt giảm do nợ xấu gia tăng nhanh trong khi các ngân hàng giảm trích lập dự phòng đối với các khoản vay có tài sản bảo đảm giá trị cao, đồng thời dư nợ nhóm 5 ghi nhận xu hướng giảm tại một số đơn vị.

Nghiên cứu có thể áp dụng cho các tổ chức tài chính khác không? Khung phân tích CAMELS tích hợp Entropy và DEA hoàn toàn có thể mở rộng áp dụng cho các ngân hàng thương mại chưa niêm yết, công ty tài chính tiêu dùng và quỹ tín dụng nhân dân khi có đầy đủ dữ liệu báo cáo tài chính kiểm toán chuẩn hóa.

Kết luận

• Luận văn đã đánh giá toàn diện mức độ lành mạnh tài chính của 27 ngân hàng thương mại Việt Nam đại diện 80,28% tổng tài sản hệ thống giai đoạn 2018 – 2022.
• Phương pháp Entropy xác lập Thanh khoản (17,871%) và Khả năng sinh lời (17,091%) là hai trụ cột có mức độ tác động lớn nhất đến sự lành mạnh ngân hàng.
• Kết quả xếp hạng ghi nhận Top 3 ngân hàng lành mạnh nhất gồm VPB (8,66), MBB (8,87) và TCB (9,45) nhờ ưu thế vượt trội từ chiến lược số hóa toàn diện.
• Mô hình DEA phân tích hiệu quả kỹ thuật chỉ ra VCB và BID đạt điểm tối ưu 1,00, đồng thời cảnh báo rủi ro tại 3 ngân hàng yếu kém nhất gồm NVB, PGB và SGB.
• Nghiên cứu đề xuất hệ thống giải pháp đồng bộ từ thanh tra giám sát, tăng vốn điều lệ đến quản trị rủi ro thanh khoản áp dụng xuyên suốt giai đoạn 2024 – 2026.

Trong giai đoạn tiếp theo từ năm 2024 đến 2026, mô hình nghiên cứu cần được tiếp tục mở rộng với việc tích hợp các tiêu chí tài chính xanh và rủi ro môi trường - xã hội (ESG). Độc giả và các nhà nghiên cứu quan tâm có thể khai thác khung phân tích này để ứng dụng trực tiếp vào công tác quản trị rủi ro và ra quyết định đầu tư thực tế.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN VỀ TÌNH HÌNH NGHIÊN CỨU VÀ CƠ SỞ LÝ THUYẾT 1. Tổng quan về tình hình nghiên cứu Trong những năm gần đây, có khá nhiều tác giả nghiên cứu về hiệu quả hoạt động và sự lành mạnh của các NHTM. Các phương pháp được sử dụng ngày càng được nâng cao và phức tạp hơn để phù hợp với hệ thống tài chính không ngừng phát triển và biến động.

Angela Roman và Alina Camelia (2013) đo lường sức khỏe tài chính của 15 ngân hàng thương mại ở Romania từ 2004 – 2011 với tổng tài sản chiếm hơn 78% tổng tài sản toàn hệ thống ngân hàng thương mại của quốc gia. Tác giả thực hiện xếp hạng các thành phần của mô hình CAMELS, điểm CAMELS tổng thể được tính bằng điểm trung bình thứ hạng của 6 yếu tố thành phần. Riêng yếu tố thứ 6 chữ S được tác giả định nghĩa là quy mô của tổng tài sản. Tác giả dừng lại ở việc tính toán giá trị của các chỉ số, xếp hạng các thành phần và tính điểm trung bình của CAMELS thông qua điểm xếp hạng của các thành phần nhưng chưa xác định được từng thành phần chiếm bao nhiêu phần trăm trong việc tạo nên điểm trung bình CAMELS.

Thực hiện nghiên cứu đối với các ngân hàng truyền thống, ngân hàng trực tuyến và ngân hàng di động tại Baltic trong giai đoạn 2008 – 2016. Bên cạnh việc xếp hạng ngân hàng thông qua 6 thành phần của mô hình CAMELS, Daiva Jurevičienė và Viktorija Skvarciany (2016) bổ sung yếu tố thứ 7 – niềm tin của khách hàng (Trust - T) với kết quả nghiên cứu cho thấy niềm tin của khách hàng là một trong những yếu tố quan trọng ảnh hưởng tích cực đến sự lành mạnh của ngân hàng thương mại. Nghiên cứu xác định niềm tin khách hàng ảnh hưởng tích cực nhưng chưa xác định mức độ đóng góp của niềm tin khách hàng vào điểm tổng CAMELS+T chung của mô hình cũng như mức độ đóng góp của 6 yếu tố còn lại. Tu DQ Le (2017) thực hiện tính giá trị trung bình của các thành phần trong mô hình CAMELS cho 31 ngân hàng thương mại trong khoảng thời gian từ 2008 – 8 2013 và tiến hành xếp hạng các ngân hàng dựa vào giá trị đã tính toán.

Riêng với thành phần thứ 3 là chất lượng quản lý, tác giả sử dụng phương pháp DEA với thang điểm từ 0 đến 1 để xác định giá trị thể hiện cho yếu tố quản lý của các ngân hàng. Năm 2019, nhiều nghiên cứu đã được thực hiện liên quan đến việc đánh giá mức độ lành mạnh của các ngân hàng tại các quốc gia khác nhau với nhiều phương pháp khác nhau. Tương tự với những nghiên cứu trước đây về phương pháp thực hiện, Georgios, K. (2019) cũng xếp hạng các ngân hàng theo 6 thành phần và xếp hạng điểm trung bình CAMELS để xác định thứ hạng của các ngân hàng về mức độ lành mạnh.

Nghiên cứu thực hiện với các ngân hàng ở Balkan trong giai đoạn từ 2009 – 2016. Phương pháp này được thực hiện tương tự trong bài nghiên cứu của AlAli, M. và Al-Yatama, S. Có những khác biệt với các tác giả nghiên cứu cùng năm, Fangyuan Guan và cộng sự (2019) bổ sung thêm tiêu chí tín dụng xanh vào mô hình CAMELS để nghiên cứu sự lành mạnh của 16 ngân hàng ở Trung Quốc từ 2013 – 2017.

Tác giả thực hiện tính trọng số của 7 thành phần trong mô hình CAMELS+G bằng phương pháp trọng số entropy. Trọng số của 7 thành phần trong mô hình CAMELS+G lần lượt là 14,22%, 10,87%, 1,37%, 34,79%, 16,82%, 3,6% và 18,34%. Cũng trong năm 2019, phân tích quan hệ xám (Grey Relational Analysis - GRA) được Abdul Basit và cộng sự sử dụng để xếp hạng các ngân hàng Hồi giáo ở Pakistan năm 2017 dựa trên các chỉ số của CAMEL. Các ngân hàng công nghệ tài chính và các ngân hàng truyền thống tại Nigeria được so sánh với nhau về mức độ lành mạnh thông qua việc chấm điểm, xếp hạng các chỉ số của mô hình CAMELS từ 2012 – 2018 được thực hiện bởi Ogbuji, I.

và cộng sự (2020). Nguyễn Thị Hồng Vân (2020) cũng xếp hạng 30 ngân hàng thương mại Việt Nam trong giai đoạn 2016 – 2019 với phương pháp tương tự. Nguyễn Thị Hồng Vân và Trần Hùng Sơn (2021) thực hiện xếp hạng 28 ngân hàng thương mại Việt Nam đã công bố BCTC năm 2020 thông qua việc xếp hạng các thành phần của mô hình CAMELS và thứ hạng cuối cùng dựa trên điểm 9 trung bình của CAMELS. Phương pháp này cũng được thực hiện tương tự với ngân hàng PT Bank Aceh Syariah trước và sau khi chuyển đổi trong bài nghiên cứu của Ramadhan Razali và cộng sự (2021).

Đại dịch Covid – 19 có ảnh hưởng đến hiệu quả hoạt động của các ngân hàng tuy nhiên mức độ ảnh hưởng có sự khác nhau giữa các ngân hàng trong 8 ngân hàng tại Malaysia trong khoảng thời gian từ 2017 – 2021 tương ứng với thời gian trước và trong khi đại dịch Covid – 19 xảy qua bằng phương pháp xếp hạng các chỉ số thành phần của CAMEL theo Nurhuda Nizar và cộng sự (2023). (2023) sử dụng 2 phương pháp là mô hình CAMEL và hồi quy đa biến để xếp hạng 4 ngân hàng khu vực công và 4 ngân hàng khu vực tư nhân ở Ấn Độ trong giai đoạn 2005 – 2022 và xác định tác động của từng thành phần trong mô hình CAMEL đến hiệu quả của các ngân hàng. 11 ngân hàng tư nhân ở Iran được Ehsan Aghakarimia và cộng sự (2023) nghiên cứu trong giai đoạn tháng 9/2013 đến tháng 3/2020 bằng phương pháp Best Worst Method (BWM) để xác định trọng số của các thành phần trong mô hình CAMELS và đồng thời xếp hạng điểm của từng ngân hàng thông qua các chỉ số đại diện cho 6 thành phần của CAMELS. Bên cạnh đó, tác giả sử dụng thêm phương pháp DEA để tính điểm hiệu quả của các đơn vị ra quyết định.

Tựu chung lại, các nghiên cứu trước đây thường sử dụng mô hình CAMELS gồm 6 thành phần: chỉ tiêu vốn, chất lượng tài sản, chất lượng quản lý, khả năng sinh lời, thanh khoản và độ nhạy cảm với rủi ro thị trường với một số phương pháp phân tích khác nhau. Phương pháp phân tích thường được sử dụng là tính điểm các tỷ số đại diện cho các thành phần của mô hình CAMELS, sau đó thực hiện xếp hạng từng thành phần và xếp hạng điểm trung bình CAMELS tổng thể. Với tình hình thị trường tài chính – tiền tệ thay đổi nhanh chóng và có sự khác biệt giữa các quốc gia, việc thường xuyên đánh giá mức độ lành mạnh và đánh giá với phương pháp phù hợp với môi trường kinh tế ở tại mỗi quốc gia là điều cần thiết. Định nghĩa sự lành mạnh của NHTM Sự lành mạnh của một ngân hàng được đánh giá bởi các khía cạnh khác nhau thông qua các bộ chỉ số hoặc chỉ tiêu đánh giá như bộ chỉ số lành mạnh tài chính (FSIs – Financial Soundness Indicators) của Quỹ tiền tệ quốc tế phản ánh tình trạng vốn, chất lượng tín dụng, mức độ tập trung tín dụng, khả năng sinh lời, thanh khoản và trạng thái ngoại tệ; bộ chỉ số an toàn vĩ mô (MPIs – Macro Prudential Indicators) của Ngân hàng Trung ương Châu Âu bao gồm 3 cấu phần (1) các yếu tố bên trong: đánh giá thông qua khả năng sinh lời, chất lượng bảng cân đối kế toán, mức độ đủ vốn; (2) các yếu tố tác động bên ngoài: như tác động từ thị trường tài chính, tác động về giá của tài sản, chu kỳ tiền tệ; và (3) các yếu tố lan truyền: đánh giá tác động của sự lan truyền rủi ro trên thị trường liên ngân hàng; bộ chỉ tiêu xếp hạng CAMELS được Cục dự trữ liên bang Mỹ phê duyệt vào tháng 11/1979 để xếp hạng mức độ lành mạnh của các ngân hàng thông qua vốn (ký hiệu là C), chất lượng tài sản (ký hiệu là A), chất lượng quản lý (ký hiệu là M), khả năng sinh lời (ký hiệu là E), thanh khoản (ký hiệu là L) và độ nhạy thị trường (ký hiệu là S).

Sau đó hệ thống CAMELS được sử dụng rộng rãi như một công cụ giám sát sự lành mạnh của các ngân hàng theo Doumpos, M. Mỗi quốc gia đều có một hệ thống xếp hạng các ngân hàng để đánh giá mức độ lành mạnh của họ. Ở hầu hết các quốc gia, bảng xếp hạng này dựa trên hệ thống CAMELS, hệ thống này có độ chính xác và độ tin cậy cao để đánh giá hiệu quả hoạt động của ngân hàng và dự đoán những trở ngại trong tương lai (Salhuteru, F. Mô hình CAMELS trong đánh giá mức độ lành mạnh của các NHTM Mô hình CAMELS được phát triển bởi Cục Dự trữ Liên bang Hoa Kỳ (Federal Reserve) cùng với các cơ quan quản lý ngân hàng khác vào những năm 1970 và 1980.

Mô hình này được sử dụng rộng rãi để đánh giá mức độ lành mạnh và ổn định tài chính của các ngân hàng thương mại. CAMELS là viết tắt của sáu chỉ số chính mà mô hình này đánh giá, bao gồm: C – Capital Adequacy (Tính ổn định vốn); A – Asset Quality (Chất lượng tài sản); M – Management (Chất lượng quản 11 lý); E – Earnings (Khả năng sinh lời); L – Liquidity (Thanh khoản) và S – Sensitivity to market risk (Độ nhạy cảm với rủi ro thị trường) 1. Chỉ số vốn (C) Mức độ an toàn vốn đánh giá vốn tự có của ngân hàng để hỗ trợ cho hoạt động kinh doanh của ngân hàng. Đảm bảo đầy đủ vốn và khả năng có được vốn khả dụng chính là xác định tình trạng lành mạnh của các định chế tài chính đối với cú sốc hay sức ép về bảng cân đối tài chính của các định chế tài chính.

Chỉ số chất lượng tài sản (A) Tài sản được hiểu là phần nguồn vốn được đưa vào sử dụng trong kinh doanh và duy trì khả năng thanh toán cua một ngân hàng. Chất lượng tài sản là chỉ tiêu khái quát được khả năng bền vững về mặt tài chính, khả năng sinh lời và năng lực quản lý của ngân hàng. Mức độ tin cậy của một tỷ lệ vốn phụ thuộc vào tính đáng tin cậy cả chỉ số chất lượng tài sản. Các rủi ro khả năng thanh toán của các định chế tài chính thường bắt nguồn từ việc giảm sút tài sản, vì vậy điều quan trọng là phải giám sát các chỉ số về chất lượng tài sản.

Chỉ số chất lượng quản lý (M) Công tác quản trị có tác động trực tiếp đến giá trị của ngân hàng, đồng thời cũng ảnh hương tới uy tín và hình ảnh của ngân hàng đối với khách hàng và nhà đầu tư.