Bối cảnh và vấn đề nghiên cứu

Hoạt động của hệ thống ngân hàng đóng vai trò huyết mạch trong nền kinh tế, trong đó khả năng thanh khoản là nhân tố then chốt quyết định sự tồn tại và phát triển bền vững của từng ngân hàng thương mại. Rủi ro thanh khoản được đánh giá là một trong những rủi ro trọng yếu và nguy hiểm nhất; khi rủi ro chi trả phát sinh tại một ngân hàng, nguy cơ lan truyền sang các tổ chức tín dụng khác và toàn bộ thị trường tài chính là rất lớn (Eichberger & Summer, 2005).

Thực tiễn từ cuộc khủng hoảng tài chính toàn cầu 2007–2008 đã bộc lộ những lỗ hổng nghiêm trọng trong quản trị thanh khoản của các định chế tài chính. Gần đây, vào đầu năm 2023, sự sụp đổ liên tiếp của các ngân hàng tại Mỹ, điển hình là Silicon Valley Bank (SVB) – ngân hàng thương mại lớn thứ hai sụp đổ trong lịch sử nước Mỹ – bắt nguồn từ sự bất cân xứng trong quản trị rủi ro thanh khoản, dự báo sai biến động lãi suất và hiện tượng rút tiền hàng loạt (bank run). Tại Việt Nam, thị trường tài chính cũng chứng kiến sự cố rút tiền tại Ngân hàng Thương mại Cổ phần Sài Gòn (SCB). Dù hệ thống kiểm soát và các công cụ quản trị rủi ro hiện nay đã được hoàn thiện hơn so với giai đoạn 2008, nguy cơ tiềm ẩn về rủi ro thanh khoản tại các ngân hàng thương mại Việt Nam vẫn ở mức đáng kể và đặt ra yêu cầu giám sát liên tục từ Ngân hàng Nhà nước.

Trong bối cảnh hệ thống ngân hàng đang đẩy mạnh tái cơ cấu, việc phân tích định lượng các yếu tố tác động đến rủi ro thanh khoản là nhiệm vụ cần thiết nhằm cung cấp cơ sở khoa học cho công tác quản trị. Khóa luận tốt nghiệp đại học ngành Tài chính – Ngân hàng của tác giả Từ Lê Lan Hương (Trường Đại học Ngân hàng TP. Hồ Chí Minh) đã chọn đề tài "Factors Affecting Liquidity Risk of Commercial Banks in Vietnam" (Yếu tố ảnh hưởng đến rủi ro thanh khoản của các ngân hàng thương mại tại Việt Nam) để làm rõ thực trạng này.

Mục tiêu nghiên cứu:

  1. Mục tiêu chung: Ước lượng mức độ và chiều hướng tác động của các yếu tố nội tại và vĩ mô đến rủi ro thanh khoản của các ngân hàng thương mại Việt Nam.
  2. Mục tiêu cụ thể:
    • Xác định danh mục các yếu tố có tác động đến rủi ro thanh khoản của các ngân hàng thương mại tại Việt Nam.
    • Ước lượng mức độ tác động của từng yếu tố lên rủi ro thanh khoản của các ngân hàng thương mại Việt Nam.

Câu hỏi nghiên cứu:

  1. Những yếu tố nào tác động đến rủi ro thanh khoản của các ngân hàng thương mại Việt Nam?
  2. Mức độ tác động của các yếu tố này đối với rủi ro thanh khoản của các ngân hàng thương mại Việt Nam là bao nhiêu?

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các yếu tố tác động đến rủi ro thanh khoản của các ngân hàng thương mại Việt Nam.
  • Phạm vi không gian: Mẫu khảo sát gồm 32 ngân hàng thương mại cổ phần tại Việt Nam (bao gồm ABB, ACB, AGR, BAB, BaoVietBank, BIDV, BVB, CTG, EIB, HDB, KLB, LPB, MBB, MSB, NAB, NVB, OCB, PGB, SCB, SGB, SHB, SSB, STB, TCB, TPB, VCB, VIB, VAB, VPB, OceanBank, VBB, PvcomBank).
  • Phạm vi thời gian: Chuỗi dữ liệu thứ cấp từ năm 2011 đến năm 2022 (12 năm). Giai đoạn này phản ánh quá trình hồi phục của hệ thống ngân hàng sau khủng hoảng tài chính toàn cầu 2008 và giai đoạn thích ứng, vượt qua biến động của đại dịch COVID-19.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và khái niệm

Theo Duttweiler (2011), thanh khoản là khả năng thực hiện các nghĩa vụ tài chính đúng hạn, khả năng chuyển đổi tài sản thành tiền mặt một cách nhanh chóng với sự chấp nhận của thị trường. Keynes (1930) và Fisher (1930) chỉ ra rằng tiền là tài sản có tính thanh khoản cao nhất; tuy nhiên, việc giữ quá nhiều tiền mặt sẽ làm mất đi cơ hội đầu tư sinh lời. Ngược lại, việc tối đa hóa lợi nhuận qua các tài sản rủi ro cao sẽ làm giảm tỷ lệ tài sản thanh khoản (Nguyen, 2016).

Rủi ro thanh khoản được chia thành hai dạng chính (Decker, 2000; Pham, 2019; Gomes & Khan, 2011):

  • Rủi ro thanh khoản thị trường (Market liquidity risk): Rủi ro ngân hàng không thể bán tài sản trên thị trường một cách nhanh chóng với chi phí thấp.
  • Rủi ro thanh khoản tài chính (Financial liquidity risk): Rủi ro ngân hàng không có khả năng thanh toán các nghĩa vụ nợ đến hạn do không thể thanh lý tài sản hoặc thiếu hụt nguồn vốn.

Động thái thanh khoản được xác định dựa trên quan hệ cung - cầu và Vị thế thanh khoản ròng (Net Position Liquidity - NPL):

$$\text{NPL} = \text{Cung thanh khoản (Liquidity Supply)} - \text{Cầu thanh khoản (Liquidity Demand)}$$

  • Cung thanh khoản: Tiền gửi của khách hàng, thu hồi nợ vay, vay mượn trên thị trường liên ngân hàng/Ngân hàng Nhà nước, thu nhập từ bán tài sản, thu phí dịch vụ, phát hành cổ phiếu.
  • Cầu thanh khoản: Yêu cầu rút tiền gửi, nhu cầu giải ngân tín dụng mới, hoàn trả các khoản vay mượn, chi phí trả lãi và dịch vụ, chi trả cổ tức, mua lại cổ phiếu.

Mô hình nghiên cứu và đo lường biến

Kế thừa các nghiên cứu của Hà (2022), Nguyễn (2022), Trần & Long (2019), mô hình hồi quy tuyến tính dạng bảng được thiết lập như sau:

$$\text{LIQR}{it} = \beta_0 + \beta_1 \text{ROA}{it} + \beta_2 \text{NIM}{it} + \beta_3 \text{SIZE}{it} + \beta_4 \text{CAP}{it} + \beta_5 \text{LLD}{it} + \beta_6 \text{LDR}{it} + \beta_7 \text{GDPG}{it} + \beta_8 \text{INF}{it} + \varepsilon{it}$$

Trong đó: $i$ đại diện cho 32 ngân hàng thương mại, $t$ đại diện cho các năm từ 2011 đến 2022, $\beta_0$ là hệ số chặn, $\beta_1 \dots \beta_8$ là các hệ số hồi quy riêng phần, $\varepsilon_{it}$ là sai số mô hình.

Ký hiệu Tên biến Phương pháp đo lường Dấu kỳ vọng
Biến phụ thuộc
LIQ Tỷ lệ thanh khoản / Rủi ro thanh khoản $\text{Tài sản thanh khoản} / \text{Tổng tài sản}$
Biến độc lập nội tại
ROA Tỷ suất sinh lời trên tổng tài sản $\text{Lợi nhuận sau thuế} / \text{Tổng tài sản bình quân}$ $+$
NIM Biên lãi thuần $(\text{Thu nhập lãi} - \text{Chi phí lãi}) / \text{Tổng tài sản}$ $+$
SIZE Quy mô ngân hàng $\log_{10}(\text{Tổng tài sản})$ $+$
CAP Tỷ lệ vốn chủ sở hữu $\text{Vốn chủ sở hữu} / \text{Tổng tài sản}$ $+$
LLD Tỷ lệ trích lập dự phòng rủi ro tín dụng $\text{Dự phòng rủi ro tín dụng} / \text{Tổng dư nợ cho vay}$ $-$
LDR Tỷ lệ cho vay trên tổng tiền gửi $\text{Tổng dư nợ cho vay} / \text{Tổng tiền gửi}$ $-$
Biến độc lập vĩ mô
GDPG Tốc độ tăng trưởng kinh tế Tăng trưởng GDP thực tế hàng năm (World Bank) $-$
INF Tỷ lệ lạm phát Tỷ lệ lạm phát hàng năm tính theo CPI (World Bank) $-$

Phương pháp nghiên cứu và quy trình thực hiện

Nghiên cứu sử dụng phương pháp phân tích dữ liệu bảng (panel data) thông qua phần mềm kinh tế lượng STATA với quy trình 4 bước:

  1. Bước 1: Thống kê mô tả (Descriptive Statistics qua lệnh SUM) và phân tích ma trận tương quan Pearson giữa các biến để nắm bắt phân phối dữ liệu và đánh giá sơ bộ mối quan hệ tuyến tính.
  2. Bước 2: Ước lượng các mô hình hồi quy dữ liệu bảng gồm: Mô hình hồi quy gộp (Pooled OLS), Mô hình tác động cố định (Fixed Effects Model - FEM) và Mô hình tác động ngẫu nhiên (Random Effects Model - REM). Thực hiện kiểm định F-test để lựa chọn giữa Pooled OLS và FEM; thực hiện kiểm định Hausman test và kiểm định nhân tử Lagrange Breusch-Pagan để lựa chọn giữa FEM và REM.
  3. Bước 3: Kiểm định chẩn đoán các khuyết tật của mô hình hồi quy: Kiểm định đa cộng tuyến thông qua hệ số phóng đại phương sai (VIF), kiểm định hiện tượng phương sai sai số thay đổi (Heteroskedasticity) và kiểm định hiện tượng tự tương quan (Autocorrelation).
  4. Bước 4: Áp dụng phương pháp ước lượng bình phương bé nhất tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục triệt để hiện tượng phương sai sai số thay đổi và tự tương quan, tạo ra ước lượng vững và hiệu quả.

Nguồn dữ liệu

  • Dữ liệu vi mô: Báo cáo tài chính đã kiểm toán hàng năm của 32 ngân hàng thương mại cổ phần Việt Nam niêm yết và đăng ký giao dịch trên HOSE, HNX và UPCoM từ năm 2011 đến 2022 (tổng cộng 350 quan sát hợp lệ).
  • Dữ liệu vĩ mô: Chỉ số tăng trưởng kinh tế (GDPG) và tỷ lệ lạm phát (INF) được trích xuất từ cơ sở dữ liệu của Ngân hàng Thế giới (World Bank) và Tổng cục Thống kê Việt Nam.

Nội dung chính theo từng chương

Chương 1: Giới thiệu tổng quan đề tài (Introduction)

Chương 1 thiết lập nền tảng nghiên cứu bằng việc trình bày bối cảnh thực tiễn của thị trường ngân hàng toàn cầu và Việt Nam sau các cuộc khủng hoảng và sự cố rút tiền hàng loạt. Tác giả xác định rõ rủi ro thanh khoản là vấn đề cấp bách trong bối cảnh tái cơ cấu hệ thống tổ chức tín dụng. Chương này công bố mục tiêu chung, 2 mục tiêu cụ thể, 2 câu hỏi nghiên cứu, phạm vi không gian gồm 32 ngân hàng thương mại, thời gian từ 2011–2022, đồng thời phác thảo cấu trúc 5 chương của khóa luận.

Chương 2: Tổng quan nghiên cứu và cơ sở lý thuyết (Literature Review)

Chương 2 hệ thống hóa các lý thuyết tiền tệ và thanh khoản ngân hàng (Keynes, Fisher, Prochnow, Moulton, BIS). Tác giả phân tích chi tiết mô hình dòng tiền cung - cầu thanh khoản và công thức tính Vị thế thanh khoản ròng (NPL).

Phần tổng quan nghiên cứu thực nghiệm điểm lại các công trình tiêu biểu:

  • Hà (2022) sử dụng Machine Learning trên Python khảo sát 28 NHTM Việt Nam (2009–2020), chỉ ra ROA, CAP, LLD, INF tác động âm, trong khi SIZE và LDR tác động dương đến thanh khoản.
  • Nguyễn (2022) ứng dụng mô hình System GMM trên 26 NHTM Việt Nam (2008–2018), phát hiện mối quan hệ phi tuyến dạng chữ U giữa quy mô ngân hàng và rủi ro thanh khoản.
  • Hảo & Wong (2021) phân tích tác động của COVID-19 và các biến nội tại đến rủi ro thanh khoản giai đoạn 2010–2020.
  • Các nghiên cứu quốc tế của Alim (2021) tại Pakistan và Golubeva & Keminen (2019) tại 45 ngân hàng châu Âu sau Basel III.

Chương 3: Mô hình và phương pháp nghiên cứu (Research Model and Methodology)

Chương 3 xây dựng mô hình hồi quy đa biến và định nghĩa phương pháp tính toán 8 biến độc lập và 1 biến phụ thuộc. Tác giả phát biểu 8 giả thuyết nghiên cứu ($H_1$ đến $H_8$) về chiều hướng tác động của ROA, NIM, SIZE, CAP, LLD, LDR, GDPG và INF. Chương này mô tả chi tiết danh sách 32 ngân hàng trong mẫu và chuẩn hóa quy trình phân tích định lượng 4 bước từ Pooled OLS, FEM, REM đến kiểm định chẩn đoán và khắc phục bằng FGLS trên phần mềm STATA.

Chương 4: Kết quả nghiên cứu và thảo luận (Research Results and Discussion)

Chương 4 tập trung xử lý số liệu định lượng cho 350 quan sát từ năm 2011 đến 2022:

  • Thống kê mô tả ghi nhận tỷ lệ thanh khoản LIQ trung bình đạt 18,36% (dao động từ 2,97% đến 198,7%); tỷ lệ LDR trung bình đạt 122,56%; ROA trung bình đạt 1,74%; NIM trung bình là 3,21%; tỷ lệ vốn chủ sở hữu CAP trung bình đạt 9,5%; LLD trung bình là 1,36%; tăng trưởng GDP trung bình là 6,03% và lạm phát bình quân là 4,71%.
  • Ma trận tương quan cho thấy các biến có hệ số tương quan chấp nhận được, không có hiện tượng tương quan quá cao giữa các biến độc lập. Kiểm định đa cộng tuyến xác nhận hệ số VIF của các biến đều nhỏ hơn 10 (phần lớn dưới 4), biến có VIF cao nhất là ROA với 5,18.
  • Kiểm định lựa chọn mô hình chỉ ra sự hiện diện của hiện tượng phương sai sai số thay đổi và tự tương quan trong các mô hình Pooled OLS, FEM và REM. Do đó, ước lượng FGLS được áp dụng để đưa ra kết quả cuối cùng.
  • Kết quả ước lượng mô hình FGLS xác nhận các biến có ý nghĩa thống kê tác động đến rủi ro thanh khoản gồm: ROA, CAP, LDR, NIM, SIZE và INF. Trong đó, NIM và SIZE có tác động âm, còn ROA, CAP, LDR và INF có tác động dương. Các biến LLD và GDPG không có ý nghĩa thống kê trong mô hình này.

Chương 5: Kết luận và khuyến nghị (Conclusions and Recommendations)

Dựa trên kết quả thực nghiệm từ mô hình FGLS, Chương 5 đưa ra các nhận định kết luận và đề xuất 4 nhóm giải pháp điều hành:

  1. Kiểm soát quy mô ngân hàng và cân đối thanh khoản: Tránh tăng trưởng tài sản nóng vượt quá năng lực quản trị.
  2. Xử lý nợ xấu và nâng cao chất lượng tín dụng: Giảm thiểu rủi ro đóng băng dòng tiền từ các khoản nợ xấu nhóm 3, 4, 5.
  3. Sử dụng hiệu quả quy mô vốn chủ sở hữu (CAP): Tối ưu hóa đòn bẩy tài chính và đảm bảo hệ số an toàn vốn.
  4. Tuân thủ quy định và bảo đảm an toàn thanh khoản: Bám sát các chỉ tiêu an toàn thanh khoản theo Thông tư và chỉ đạo của Ngân hàng Nhà nước. Chương này cũng chỉ ra các hạn chế của đề tài và đề xuất các hướng nghiên cứu mở rộng trong tương lai.

Kết quả và đóng góp

Kết quả nghiên cứu chính

Dưới đây là bảng tổng hợp các chỉ số thống kê mô tả mẫu nghiên cứu từ phần mềm STATA cho 32 ngân hàng thương mại Việt Nam giai đoạn 2011–2022 (350 quan sát):

Biến số Số quan sát Giá trị trung bình (Mean) Giá trị nhỏ nhất (Min) Giá trị lớn nhất (Max)
LIQ 350 18,36% (0,1868) 2,97% 198,70%
ROA 350 1,74% -0,38% 29,55%
NIM 350 3,21% -0,64% 70,49%
CAP 350 9,50% 0,00% -
LLD 350 1,36% 0,00% 3,27%
LDR 350 122,56% 10,53% 835,15%
SIZE 350 812,65% 665,21% 932,65%
GDPG 350 6,03% 2,xx% 8,02%
INF 350 4,71% 0,xx% 18,67%

Kết quả kiểm định mô hình:

  • Kiểm định đa cộng tuyến: Tất cả các biến độc lập đều có $\text{VIF} < 10$ (ROA đạt 5,18, các biến còn lại dưới 4), kết luận mô hình không bị đa cộng tuyến nghiêm trọng.
  • Mô hình Pooled OLS, FEM và REM vi phạm các giả định hồi quy cổ điển về phương sai sai số không đổi và không có tự tương quan.
  • Mô hình FGLS được lựa chọn làm kết quả chính thức:
    • Tác động tiêu cực (âm): Biên lãi thuần (NIM) và quy mô ngân hàng (SIZE).
    • Tác động tích cực (dương): Tỷ suất sinh lời trên tài sản (ROA), tỷ lệ vốn chủ sở hữu (CAP), tỷ lệ cho vay trên tiền gửi (LDR) và tỷ lệ lạm phát (INF).
    • Không có ý nghĩa thống kê: Tỷ lệ trích lập dự phòng rủi ro tín dụng (LLD) và tốc độ tăng trưởng kinh tế (GDPG).

Giải pháp và khuyến nghị của tác giả

  1. Quản trị quy mô tài sản và cân bằng thanh khoản: Các ngân hàng cần kiểm soát tốc độ mở rộng quy mô tài sản (SIZE) song hành với năng lực dự trữ thanh khoản, không mở rộng tín dụng quá mức dẫn tới suy giảm tỷ lệ tài sản có tính thanh khoản cao.
  2. Nâng cao chất lượng tín dụng và xử lý nợ xấu: Kiểm soát chặt chẽ quy trình thẩm định cho vay để hạn chế nợ xấu mới, chủ động trích lập và xử lý dứt điểm nợ xấu nhằm khơi thông dòng tiền thu hồi từ nợ vay.
  3. Củng cố và sử dụng hiệu quả vốn chủ sở hữu (CAP): Tăng cường năng lực vốn tự có để tạo bộ đệm an toàn vững chắc trước các cú sốc rút tiền bất ngờ, cân đối tỷ lệ đòn bẩy tài chính hợp lý.
  4. Tối ưu hóa biên lãi thuần (NIM) và tỷ lệ LDR: Quản lý cơ cấu chi phí vốn huy động và lãi suất cho vay, duy trì tỷ lệ LDR ở mức an toàn theo quy định của Ngân hàng Nhà nước nhằm tránh mất cân đối kỳ hạn giữa nguồn vốn và sử dụng vốn.
  5. Giám sát biến số vĩ mô: Chủ động dự báo tỷ lệ lạm phát (INF) để có chính sách lãi suất và kế hoạch huy động - dự trữ thanh khoản phù hợp trong từng chu kỳ kinh tế.

Đóng góp của nghiên cứu

  • Về mặt học thuật: Cập nhật cơ sở dữ liệu thực nghiệm về thanh khoản của 32 ngân hàng thương mại cổ phần Việt Nam trong suốt giai đoạn 12 năm (2011–2022), bao gồm cả giai đoạn chịu tác động của dịch COVID-19. Ứng dụng quy trình kiểm định chặt chẽ và xử lý khuyết tật mô hình bảng bằng phương pháp FGLS.
  • Về mặt thực tiễn: Cung cấp bằng chứng định lượng giúp các nhà quản trị ngân hàng nhận diện rõ mức độ ảnh hưởng của các chỉ số tài chính nội tại (NIM, SIZE, ROA, CAP, LDR) và yếu tố vĩ mô (INF), từ đó hoàn thiện khung chính sách quản trị rủi ro thanh khoản và hỗ trợ cơ quan quản lý (Ngân hàng Nhà nước) trong công tác thanh tra, giám sát hệ thống.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  • Thời gian nghiên cứu được thực hiện trong thời hạn 10 tuần của khóa luận tốt nghiệp đại học, dẫn đến phạm vi phân tích chuyên sâu ở một số khía cạnh còn giới hạn.
  • Mẫu nghiên cứu mới dừng lại ở 32 ngân hàng thương mại cổ phần tại Việt Nam, chưa bao gồm các ngân hàng 100% vốn nước ngoài, ngân hàng liên doanh hoặc các tổ chức tín dụng phi ngân hàng.
  • Mô hình nghiên cứu mới chỉ xem xét 2 biến số vĩ mô cơ bản (GDPG và INF), chưa lượng hóa đầy đủ các biến số vĩ mô khác như cung tiền M2, tỷ giá hối đoái, lãi suất tái cấp vốn hoặc biến giả đo lường các cú sốc khủng hoảng cụ thể.

Hướng nghiên cứu tiếp

  • Mở rộng phạm vi không gian bằng cách thu thập dữ liệu toàn diện hơn từ các định chế tài chính khác tại Việt Nam hoặc so sánh với các quốc gia trong khu vực Đông Nam Á.
  • Cập nhật chuỗi thời gian nghiên cứu sau năm 2022 để đánh giá thêm tác động của các biến động kinh tế vĩ mô mới nhất.
  • Ứng dụng các phương pháp kinh tế lượng nâng cao như mô hình hồi quy động System GMM hoặc thuật toán Machine Learning để kiểm tra mối quan hệ phi tuyến và độ trễ của rủi ro thanh khoản.

Giá trị tham khảo

Tài liệu là nguồn tham khảo hữu ích cho:

  • Sinh viên và học viên ngành Tài chính – Ngân hàng: Tham khảo phương pháp xây dựng khung nghiên cứu định lượng, cách đo lường các chỉ số tài chính ngân hàng (LIQ, ROA, NIM, CAP, LDR, LLD) và quy trình xử lý dữ liệu bảng (Pooled OLS, FEM, REM, kiểm định VIF, Heteroskedasticity, Autocorrelation, FGLS) trên phần mềm STATA.
  • Bộ phận quản trị rủi ro và quản lý tài sản nợ - có (ALM) tại các NHTM: Tham khảo kết quả định lượng về mối quan hệ giữa biên lãi thuần, quy mô vốn, tốc độ mở rộng tài sản và tỷ lệ cho vay trên tiền gửi đối với sự an toàn thanh khoản của ngân hàng.
  • Cơ quan quản lý và hoạch định chính sách: Sử dụng các kết luận thực nghiệm để tham khảo khi xây dựng các quy định an toàn vĩ mô và hạn mức tỷ lệ thanh khoản trong hệ thống ngân hàng thương mại.

Câu hỏi thường gặp

1. Tác giả lựa chọn mô hình kinh tế lượng nào làm kết quả phân tích cuối cùng và vì sao?
Tác giả chấp nhận kết quả từ mô hình bình phương bé nhất tổng quát khả thi (FGLS) làm kết quả phân tích cuối cùng. Nguyên nhân là do các mô hình hồi quy ban đầu (Pooled OLS, FEM và REM) khi kiểm định đã gặp phải hiện tượng phương sai sai số thay đổi (heteroskedasticity) và tự tương quan (autocorrelation). Ước lượng FGLS giúp khắc phục triệt để các khuyết tật này, đảm bảo kết quả thu được có độ chính xác và độ tin cậy cao.

2. Mẫu nghiên cứu của khóa luận gồm bao nhiêu ngân hàng và dữ liệu được thu thập trong giai đoạn nào?
Mẫu nghiên cứu gồm 32 ngân hàng thương mại cổ phần tại Việt Nam (niêm yết và đăng ký giao dịch trên HOSE, HNX, UPCoM) với tổng số 350 quan sát, được thu thập từ báo cáo tài chính đã kiểm toán trong giai đoạn 12 năm từ 2011 đến 2022.

3. Những yếu tố nào có tác động có ý nghĩa thống kê đến rủi ro thanh khoản trong kết quả nghiên cứu?
Trong mô hình FGLS cuối cùng, 6 biến có ý nghĩa thống kê tác động đến rủi ro thanh khoản gồm: ROA, CAP, LDR, NIM, SIZE và INF. Trong đó, nhóm yếu tố tác động tiêu cực (nghịch chiều) là NIM và SIZE; nhóm yếu tố tác động tích cực (cùng chiều) là ROA, CAP, LDR và INF. Hai biến LLD (tỷ lệ trích lập dự phòng) và GDPG (tăng trưởng GDP) không có ý nghĩa thống kê trong mô hình.

4. Biến phụ thuộc LIQ được tính toán như thế nào và có giá trị trung bình là bao nhiêu trong mẫu khảo sát?
Biến phụ thuộc LIQ đo lường tỷ lệ tài sản thanh khoản trên tổng tài sản ($\text{Tài sản thanh khoản} / \text{Tổng tài sản}$). Trong 350 quan sát giai đoạn 2011–2022, giá trị trung bình của LIQ là 18,36% (0,1868), với giá trị thấp nhất là 2,97% và cao nhất là 198,70%.

5. Kết quả kiểm định đa cộng tuyến thông qua hệ số VIF cho thấy điều gì?
Kết quả kiểm định đa cộng tuyến bằng lệnh VIF trên STATA cho thấy tất cả các biến độc lập đều có hệ số $\text{VIF} < 10$, trong đó phần lớn các biến đều có chỉ số dưới 4 (biến cao nhất là ROA với VIF = 5,18). Điều này khẳng định mô hình nghiên cứu không gặp hiện tượng đa cộng tuyến nghiêm trọng giữa các biến giải thích.

Kết luận

Khóa luận tốt nghiệp của tác giả Từ Lê Lan Hương đã hoàn thành việc đánh giá định lượng các yếu tố tác động đến rủi ro thanh khoản của 32 ngân hàng thương mại tại Việt Nam trong giai đoạn 2011–2022. Bằng việc áp dụng phương pháp hồi quy dữ liệu bảng và mô hình FGLS để khắc phục các khuyết tật phương sai thay đổi và tự tương quan, nghiên cứu đã chứng minh các yếu tố ROA, CAP, LDR, NIM, SIZE và INF có ảnh hưởng rõ rệt đến thanh khoản ngân hàng. Các phát hiện thực nghiệm này cung cấp cơ sở dữ liệu khoa học cho các ngân hàng thương mại trong việc tối ưu hóa biên lãi thuần, quản trị quy mô tài sản và củng cố vốn tự có, đồng thời hỗ trợ Ngân hàng Nhà nước trong việc hoàn thiện chính sách giám sát an toàn hệ thống.