Tổng quan về luận án

Hoạt động cho vay giữ vị thế huyết mạch đối với hệ thống ngân hàng thương mại (NHTM) Việt Nam, đóng vai trò then chốt trong cung ứng vốn cho nền kinh tế nhưng đồng thời cũng là mảng kinh doanh tiềm ẩn rủi ro tín dụng cao nhất. Trong bối cảnh kinh tế toàn cầu nhiều biến động, tác động cộng hưởng từ đại dịch Covid-19 và tiến trình tái cơ cấu hệ thống tổ chức tín dụng (TCTD) giai đoạn 2016–2020, việc nâng cao hiệu quả cho vay trở thành yêu cầu sống còn. Khác với thông lệ quốc tế khi hoạt động tín dụng và đầu tư thường chỉ đóng góp khoảng 60% tổng thu nhập, tại Việt Nam, thu nhập từ hoạt động tín dụng — đặc biệt là thu lãi từ hoạt động cho vay — mang lại "trung bình trên 75% thu nhập hoạt động ngân hàng". Sự phụ thuộc quá mức vào biên lãi thuần khiến bức tranh tài chính của các NHTM Việt Nam đứng trước độ nhạy cảm cao trước rủi ro nợ xấu và biến động lãi suất.

graph TD
    A[Bối cảnh tái cơ cấu & Rủi ro kinh tế] --> B[Hiệu quả cho vay NHTM Việt Nam]
    B --> C1[Mô hình NIM: Các yếu tố tác động]
    B --> C2[Mô hình TLNX: Đánh đổi Rủi ro - Lợi nhuận]
    B --> C3[Mô hình ROA: Tác động đến Hiệu quả kinh doanh]
    C1 --> D[Hệ thống khuyến nghị đa cấp độ đến 2030]
    C2 --> D
    C3 --> D

Luận án tiến sĩ "Hiệu quả cho vay của các ngân hàng thương mại Việt Nam" của Nghiên cứu sinh Đặng Thị Lan Phương (Chuyên ngành Quản lý kinh tế, Mã số: 934.10; Người hướng dẫn: PGS. Nguyễn Thị Phương Liên và PGS. Nguyễn Thị Mùi; Trường Đại học Thương Mại, 2021) đã giải quyết triệt để khoảng trống nghiên cứu mang tính hệ thống. Khoảng trống cốt lõi (research gap) nằm ở chỗ: các công trình trước đây tại Việt Nam (như Trần Thị Xuân Hương, 2014; Vũ Anh Quân, 2017; Nguyễn Thị Như Thủy, 2015) chủ yếu tiếp cận định tính, giới hạn phạm vi tại một chi nhánh hoặc địa phương đơn lẻ, hoặc chưa phân định ranh giới giữa hiệu quả tín dụng nói chung và hiệu quả cho vay nói riêng. Đặc biệt, luận án chỉ rõ thực tế rằng "dư nợ cho vay của các NHTM Việt Nam rất lớn nhưng chưa có NHTM nào định giá khoản vay theo rủi ro của từng khách hàng và xác định được biên độ rủi ro hợp lý cho các khách hàng", bất chấp các khuyến nghị liên tục từ Tổ chức Tài chính Quốc tế (IFC).

Luận án giải quyết 5 câu hỏi nghiên cứu và thiết lập hệ thống 3 cụm giả thuyết tương ứng với 3 mô hình hồi quy kinh tế lượng:

  1. $H_1$: Hiệu quả cho vay (đo lường bằng tỷ lệ thu nhập lãi cận biên - Net Interest Margin - NIM) chịu tác động đồng thời bởi các yếu tố đặc trưng nội tại ngân hàng (tỷ lệ nợ xấu, chi phí hoạt động, chi phí lãi ngầm, tỷ lệ dư nợ trên vốn huy động LDR, tỷ lệ an toàn vốn) và các biến số kinh tế vĩ mô (tăng trưởng GDP, lạm phát INF).
  2. $H_2$: Hiệu quả cho vay (NIM) có mối quan hệ đồng biến với tỷ lệ nợ xấu (TLNX), phản ánh cơ chế đánh đổi lợi nhuận cao đi kèm mức chấp nhận rủi ro danh mục tín dụng lớn.
  3. $H_3$: Hiệu quả cho vay tác động thuận chiều có ý nghĩa thống kê đến hiệu quả sinh lời tổng thể của ngân hàng (ROA).

Phạm vi nghiên cứu bao quát bộ dữ liệu bảng (panel data) trong giai đoạn 2015–2020 của 15 NHTM tiêu biểu (gồm Agribank, Vietcombank, BIDV, VietinBank, MBBank, Techcombank, ACB, VPBank, ABBank, Eximbank, PGBank, KienlongBank, NCBank, LienVietPostBank, NamABank). Mẫu nghiên cứu chiếm khoảng 70% tổng tài sản toàn hệ thống NHTM Việt Nam, đảm bảo tính đại diện và giá trị suy rộng thống kê ở cấp độ quốc gia.

Literature Review và Positioning

Tổng quan y văn quốc tế và trong nước về hiệu quả tín dụng và biên lãi thuần ghi nhận sự phân hóa sâu sắc qua các luồng tư tưởng lý thuyết và kết quả thực nghiệm:

graph LR
    subgraph Trường phái Đặt giá & Cấu trúc thị trường
        A1[Ho & Saunders 1981: Dealership Model] --> B1[Maudos & Guevara 2004, 2009: Lerner Index & Market Power]
        B1 --> C1[Angbazo 1997: Credit & Interest Risk]
    end
    subgraph Tranh luận Thực nghiệm Quốc tế
        A2[Apawuza 2019 Ghana: Nhu cầu vốn giảm Lending] <--> B2[Ladime et al. 2013: Quy mô & Cấu trúc vốn tăng Lending]
        A3[Belaid 2014 Tunisia: Vốn mỏng làm giảm chất lượng vay] <--> B3[Banna et al. 2016 US: TQM nâng cao chất lượng vay]
    end

Tổng hợp các luồng nghiên cứu kinh điển

  • Mô hình Đại lý kinh doanh (Dealership Model) của Ho và Saunders (1981): Đặt nền móng lý thuyết giải thích biên lãi thuần (NIM) như một phần bù chi phí phòng ngừa bất cân xứng kỳ hạn giữa tài sản nợ và tài sản có, chi phí lãi ẩn, chi phí cơ hội dự trữ bắt buộc và rủi ro tín dụng. Angbazo (1997) mở rộng mô hình này khi tích hợp thêm rủi ro vỡ nợ (default risk) và các khoản mục ngoại bảng.
  • Cấu trúc thị trường và quyền lực định giá: Maudos và Fernandez de Guevara (2004, 2009) nghiên cứu 15.888 quan sát tại 5 quốc gia EU (Đức, Pháp, Anh, Ý, Tây Ban Nha), khẳng định chỉ số Lerner (đo lường sức mạnh thị trường) và chi phí hoạt động tác động thuận chiều mạnh nhất tới NIM. Ngược lại, Samy Ben Naceur và Mohamed Goaied (2008) tại Tunisia chỉ ra rằng việc tự do hóa lãi suất hoàn toàn tạo điều kiện cho ngân hàng tối ưu hóa biên độ lãi, trong khi tỷ lệ vốn chủ sở hữu cao đóng vai trò lớp đệm gia tăng hiệu quả.

Các tranh luận và quan điểm đối lập trong y văn

  1. Mối quan hệ giữa Quy mô ngân hàng và NIM/Chất lượng cho vay:
    • Quan điểm 1: Maudos và Guevara (2004), Demirguc-Kunt và cộng sự (2004), Phạm Minh Điển và cộng sự (2017) cho rằng quy mô tài sản có quan hệ nghịch chiều với NIM do hiệu ứng phân tán rủi ro và tính phi kinh tế theo quy mô khi mở rộng tài sản kém chất lượng.
    • Quan điểm đối lập: Jonas Ladime và cộng sự (2013) tại Ghana và Buser cùng cộng sự (1981) khẳng định quy mô ngân hàng tỷ lệ thuận với khả năng mở rộng danh mục và tối ưu hóa lợi suất cho vay.
  2. Tác động của NIM đến Nợ xấu (TLNX):
    • Quan điểm 1 (High-risk, High-return): Panta (2018) tại Nepal, Laryea và cộng sự (2016) tại Ghana, Kumar và cộng sự (2018) tại Fiji, và nghiên cứu tại Thổ Nhĩ Kỳ (2012) chứng minh NIM đồng biến với nợ xấu. Ngân hàng mở rộng cho vay các phân khúc rủi ro cao để thu lãi suất danh nghĩa lớn sẽ phải đối mặt với tỷ lệ vỡ nợ tăng vọt.
    • Quan điểm 2 (Neutral/Governance-driven): Muhammad Khafid (2020) tại Indonesia chỉ ra NIM không tác động trực tiếp đến nợ xấu; biến số quyết định nằm ở năng lực giám sát sau cho vay (loan monitoring).

Định vị và đóng góp vượt trội của luận án

So sánh với nghiên cứu của Andrew Semanu Apawuza (2019) tại Ghana hay Faiçal Belaid (2014) tại Tunisia, luận án không chỉ dừng lại ở phân tích một chiều về hành vi cho vay hay xác suất vỡ nợ, mà thiết lập một mô hình tích hợp 3 cấp độ: đo lường các nhân tố cấu thành hiệu quả cho vay (NIM), lượng hóa tác động ngược của hiệu quả cho vay tới tỷ lệ nợ xấu (TLNX), và đánh giá tác động lan tỏa tới năng lực sinh lời tổng thể (ROA) trong bối cảnh các ngân hàng Việt Nam chịu áp lực chuyển đổi chuẩn mực Basel II.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và kiểm chứng thực nghiệm Lý thuyết Đại lý kinh doanh (Dealership Model) của Ho & Saunders (1981) và Lý thuyết Cấu trúc hiệu quả (Efficient Structure Hypothesis) của Berger (1995) trong bối cảnh một nền kinh tế chuyển đổi có thị trường tài chính dựa chủ yếu vào ngân hàng (bank-based financial system):

Cấu phần lý thuyết Mô hình mở rộng của luận án Ý nghĩa học thuật
Chi phí lãi ẩn (Implicit Interest Rate - IP) Tích hợp sai biệt thu - chi ngoài lãi trên tổng tài sản Chứng minh ngân hàng bù đắp chi phí dịch vụ phi lãi ngầm qua biên lãi cho vay
Chi phí cơ hội dự trữ bắt buộc (GWMTTS) Đo lường tỷ lệ tiền gửi dự trữ tại NHNN trên tổng tài sản Xác thực gánh nặng quy định an toàn vĩ mô làm co hẹp biên lãi thuần
Mô hình 3 vòng kiểm soát (Three Lines of Defense) Khung quản trị rủi ro tích hợp: Kinh doanh - Giám sát tuân thủ - Kiểm toán nội bộ Cung cấp luận cứ vi mô về kiểm soát chất lượng thẩm định và định giá rủi ro

Luận án khẳng định sự tồn tại của hiện tượng chuyển dịch chi phí hoạt động vào lãi suất cho vay: các NHTM có chi phí vận hành cao có xu hướng duy trì biên lãi thuần cao nhằm bù đắp hao tổn quản lý, thay vì tối ưu hóa hiệu quả nội tại.

classDiagram
    class TheoreticalFramework {
        +Ho_Saunders_1981: Dealership Model
        +Berger_1995: Efficient Structure
        +Basel_Committee: 3 Lines of Defense
    }
    class EmpiricalModel_NIM {
        +Dependent: NIM
        +BankSpecific: TTNX, OP, IP, LDR, CAP, GWMTTS
        +Macroeconomic: GDP, INF
    }
    class TargetOutcomes {
        +CreditRisk: TLNX Model
        +Profitability: ROA Model
    }
    TheoreticalFramework --> EmpiricalModel_NIM : Nền tảng xây dựng
    EmpiricalModel_NIM --> TargetOutcomes : Kiểm định tác động lan tỏa

Khung phân tích độc đáo

Khung phân tích của luận án kết hợp đồng thời 3 góc độ:

  1. Góc độ phân bổ chi phí và định giá: Biên lãi thuần ($NIM$) được xác định bởi hàm số: $$NIM_{it} = \beta_0 + \beta_1 TTNX_{it} + \beta_2 OP_{it} + \beta_3 IP_{it} + \beta_4 LDR_{it} + \beta_5 CAP_{it} + \beta_6 GWMTTS_{it} + \beta_7 GDP_t + \beta_8 INF_t + \epsilon_{it}$$
  2. Góc độ rủi ro tín dụng đối ứng: Tỷ lệ nợ xấu ($TLNX$) phản ánh chất lượng danh mục: $$TLNX_{it} = \alpha_0 + \alpha_1 NIM_{it} + \alpha_2 Size_{it} + \alpha_3 CAR_{it} + \alpha_4 LDR_{it} + \alpha_5 CREDITRISK_{it} + \alpha_6 Loangrowth_{it} + \alpha_7 incomediver_{it} + \alpha_8 GDP_t + \alpha_9 INF_t + u_{it}$$
  3. Góc độ hiệu quả kinh doanh tổng thể: Tỷ suất sinh lời trên tài sản ($ROA$) chịu tác động trực tiếp từ khả năng tạo lập NIM: $$ROA_{it} = \gamma_0 + \gamma_1 NIM_{it} + \gamma_k X_{kit} + v_{it}$$

Điều kiện biên (Boundary conditions): Khung phân tích áp dụng đối với các NHTM hoạt động theo Luật Các tổ chức tín dụng Việt Nam, chịu sự điều tiết của trần lãi suất huy động, hạn mức tăng trưởng tín dụng (credit room) do Ngân hàng Nhà nước (NHNN) phân bổ hàng năm, và tỷ lệ an toàn vốn theo Thông tư 41/2016/TT-NHNN.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án kết hợp thế giới quan duy vật biện chứng với hệ giác nghiệm thực chứng (positivism), triển khai phương pháp nghiên cứu hỗn hợp (mixed-methods research design) tuần tự:

graph TD
    A[Phương pháp nghiên cứu hỗn hợp] --> B[Nghiên cứu Định tính]
    A --> C[Nghiên cứu Định lượng]
    B --> B1[Phỏng vấn sâu Chuyên gia & Lãnh đạo NHTM, Thanh tra NHNN]
    B --> B2[Khảo sát 51 mẫu qua Google Form tại 10 NHTM]
    C --> C1[Dữ liệu bảng 15 NHTM giai đoạn 2015-2020: 70% tổng tài sản]
    C --> C2[Phần mềm STATA 15: Pooled OLS, FEM, REM, GLS/PCSE]

Quy trình nghiên cứu rigorous

  • Quy trình định tính:
    • Phỏng vấn sâu chuyên gia (thời lượng 60–90 phút/cuộc) với đại diện lãnh đạo cấp cao từ các NHTM (LienVietPostBank, Agribank, NamABank, Eximbank, BIDV) và cán bộ Thanh tra Cơ quan Thanh tra, Giám sát ngân hàng thuộc NHNN.
    • Khảo sát thực địa thông qua phiếu hỏi bán cấu trúc thiết kế trên Google Form với 16 tiêu chí chi tiết, thu về 51 phiếu hợp lệ từ cán bộ quản lý (Giám đốc, Trưởng/Phó phòng tín dụng, chuyên viên) đại diện cho 10 ngân hàng thuộc các nhóm quy mô lớn, vừa và nhỏ.
  • Quy trình định lượng:
    • Dữ liệu thứ cấp thu thập từ Báo cáo tài chính kiểm toán hợp nhất, Báo cáo thường niên của 15 NHTM, Báo cáo thường niên NHNN, Tổng cục Thống kê và cơ sở dữ liệu World Bank giai đoạn 2015–2020.
    • Kiểm định ma trận tương quan (correlation matrix) và hệ số phóng đại phương sai (VIF) nhằm loại trừ hiện tượng đa cộng tuyến (multicollinearity).
    • Sử dụng Kiểm định F-test để lựa chọn giữa Pooled OLS và Mô hình tác động cố định (FEM); Kiểm định Breusch-Pagan Lagrange Multiplier để chọn giữa Pooled OLS và Mô hình tác động ngẫu nhiên (REM); Kiểm định Hausman Test để quyết định giữa FEM và REM.
    • Kiểm định khuyết tật mô hình: Kiểm định Wald test phát hiện hiện tượng phương sai thay đổi (heteroskedasticity) và kiểm định Wooldridge test phát hiện tự tương quan (autocorrelation), từ đó sử dụng phương pháp sai số chuẩn điều chỉnh (Driscoll-Kraay / Feasible Generalized Least Squares - FGLS hoặc Panel Corrected Standard Errors - PCSE) để đảm bảo ước lượng vững và không chệch.

Phát hiện đột phá và implications

graph TD
    subgraph Kết quả Thực nghiệm then chốt
        F1[Chi phí hoạt động OP: Tác động (+) mạnh nhất đến NIM]
        F2[Quy mô vốn CAP: Tác động (+) làm dày lớp đệm vốn]
        F3[NIM tác động (+) đến TLNX: Đánh đổi rủi ro lấy biên lãi]
        F4[NIM tác động (+) trực tiếp đến ROA: Tín dụng là động cơ sinh lời]
    end
    subgraph Hàm ý Quản trị & Chính sách
        I1[Tối ưu hóa Chi phí hoạt động qua Số hóa]
        I2[Định giá khoản vay theo rủi ro từng Khách hàng]
        I3[Hoàn thiện xử lý nợ xấu qua VAMC & Thị trường mua bán nợ]
        I4[Minh bạch hóa phân bổ Room Tín dụng của NHNN]
    end
    F1 --> I1
    F2 --> I2
    F3 --> I2
    F3 --> I3
    F4 --> I1
    F4 --> I4

Những phát hiện then chốt

  1. Cơ chế chuyển dịch chi phí hoạt động vào biên lãi thuần ($p < 0.01$): Tỷ lệ chi phí hoạt động ($OP$) có mối quan hệ đồng biến mạnh mẽ và có ý nghĩa thống kê cao nhất đối với NIM. Kết quả này tương đồng với phát hiện của Joaquin Maudos và Juan Fernandez de Guevara (2009) tại khối EU và Phạm Hoàng Ân (2013) tại Việt Nam. Điều này chứng minh các NHTM Việt Nam bù đắp chi phí vận hành cồng kềnh, mạng lưới chi nhánh vật lý lớn và chi phí quản lý nhân sự bằng cách nới rộng khoảng cách giữa lãi suất cho vay đầu ra và lãi suất huy động đầu vào.
  2. Năng lực vốn tự có củng cố hiệu quả cho vay ($p < 0.05$): Tỷ lệ vốn chủ sở hữu trên tổng tài sản ($CAP$) tác động thuận chiều đến NIM. Các ngân hàng có tiềm lực vốn tự có vững chắc sở hữu mức độ an toàn cao hơn, giảm chi phí huy động vốn trên thị trường liên ngân hàng và tạo lợi thế cạnh tranh khi tài trợ cho các dự án quy mô lớn.
  3. Hiện tượng đánh đổi rủi ro: NIM cao làm gia tăng tỷ lệ nợ xấu ($p < 0.05$): Hồi quy mô hình TLNX cho thấy hệ số của biến NIM mang dấu dương có ý nghĩa thống kê. Để đạt được chỉ số NIM cao trong ngắn hạn, một số NHTM đã đẩy mạnh cho vay ở các phân khúc tiềm ẩn độ rủi ro cao (như tín dụng tiêu dùng tín chấp, cho vay bất động sản, trái phiếu doanh nghiệp chưa niêm yết). Khi điều kiện kinh tế vĩ mô đảo chiều hoặc gặp cú sốc lạm phát, nhóm tài sản này lập tức chuyển hóa thành nợ xấu nhóm 3–5.
  4. Hiệu quả cho vay là động cơ chi phối tỷ suất sinh lời ROA ($p < 0.01$): Kết quả kiểm định mô hình ROA khẳng định vai trò cốt lõi của NIM đối với tỷ suất sinh lời trên tổng tài sản của toàn hệ thống ngân hàng. Thu nhập ngoài lãi (thu phí dịch vụ, kinh doanh ngoại hối, ngân hàng số) tuy có tăng trưởng nhưng chưa đủ bù đắp nếu biên lãi thuần bị xói mòn.
  5. Nghịch lý quy mô và hiệu ứng giới hạn của LDR: Tỷ lệ cấp tín dụng so với nguồn vốn huy động ($LDR$) vượt ngưỡng an toàn tạo áp lực thanh khoản tiêu cực, buộc ngân hàng phải chạy đua nâng lãi suất huy động kỳ hạn dài, làm gia tăng chi phí vốn và thu hẹp hiệu quả thực tế của hoạt động cho vay.

Implications đa chiều

Ý nghĩa học thuật và phương pháp luận

Nghiên cứu cung cấp bằng chứng thực nghiệm giá trị làm phong phú y văn tài chính ngân hàng tại các nền kinh tế mới nổi (emerging markets), chứng minh tính thích ứng và những biến thể cục bộ của Mô hình Dealership trong môi trường tài chính chịu sự kiểm soát chặt chẽ của cơ quan quản lý nhà nước.

Ứng dụng thực tiễn cho Quản trị NHTM

  • Xây dựng mô hình định giá khoản vay theo rủi ro (Risk-based Loan Pricing): Chuyển từ cơ chế định giá cào bằng hoặc định giá dựa trên mối quan hệ sang mô hình tính toán biên độ rủi ro chuẩn hóa theo khuyến nghị của IFC: $$\text{Lãi suất cho vay} = \text{Chi phí vốn} + \text{Chi phí hoạt động} + \text{Biên bù rủi ro vỡ nợ (dựa trên Điểm tín dụng/PD/LGD)} + \text{Lợi nhuận mục tiêu}$$
  • Kiểm soát chi phí thông qua chuyển đổi số: Cắt giảm tỷ lệ chi phí hoạt động ($OP$) bằng cách tự động hóa quy trình phê duyệt tín dụng (digital lending workflow), ứng dụng trí tuệ nhân tạo (AI) trong phân tích dữ liệu lớn (Big Data) tại Trung tâm Thông tin Tín dụng Quốc gia (CIC) và dữ liệu hành vi người dùng.
  • Tối ưu hóa mô hình "3 vòng kiểm soát": Tách biệt hoàn toàn giữa chức năng phát triển kinh doanh tín dụng (Vòng 1), thẩm định - quản trị rủi ro độc lập (Vòng 2) và kiểm tra - kiểm toán nội bộ định kỳ (Vòng 3).

Khuyến nghị chính sách cho Cơ quan Quản lý

  • Đối với Ngân hàng Nhà nước (NHNN):
    • Hoàn thiện lộ trình dỡ bỏ dần biện pháp hành chính về hạn mức tăng trưởng tín dụng (credit room), chuyển giao quyền tự chủ cho các NHTM đạt chuẩn an toàn vốn Basel II/Basel III nâng cao.
    • Tăng cường giám sát an toàn vi mô đối với các ngân hàng có tốc độ tăng trưởng tín dụng nóng đi kèm biên NIM cao bất thường.
  • Đối với Công ty Quản lý Tài sản (VAMC):
    • Phát triển thị trường mua bán nợ tập trung minh bạch, tạo cơ chế pháp lý thông thoáng để xử lý nhanh chóng tài sản bảo đảm (TSĐB), giải phóng dòng vốn tắc nghẽn cho hệ thống ngân hàng.
  • Đối với Chính phủ và Bộ ngành:
    • Đồng bộ hóa hành lang pháp lý giữa Luật Các tổ chức tín dụng, Luật Đất đai, Luật Nhà ở và Luật Doanh nghiệp nhằm rút ngắn thời gian xử lý tranh chấp và cưỡng chế thu hồi nợ.

Limitations và Future Research

graph LR
    subgraph Giới hạn Luận án
        L1[Khung thời gian 2015-2020: Ảnh hưởng cú sốc Covid-19]
        L2[Quy mô mẫu: 15 NHTM do hạn chế minh bạch BCTC]
        L3[Dữ liệu cấp độ Danh mục: Chưa tiếp cận vi mô từng khoản vay]
    end
    subgraph Hướng Nghiên cứu Tương lai
        F1[Mở rộng dữ liệu hậu Covid-19 & Chu kỳ Basel III]
        F2[Ứng dụng Machine Learning & Dynamic Panel GMM]
        F3[Tích hợp Tín dụng Xanh - ESG & Tài chính Khí hậu]
    end
    L1 -.-> F1
    L2 -.-> F2
    L3 -.-> F3

Giới hạn nghiên cứu (Limitations)

  1. Giới hạn về mẫu dữ liệu: Mẫu nghiên cứu dừng lại ở 15 NHTM do yêu cầu đồng nhất và minh bạch của chuỗi dữ liệu tài chính kiểm toán; chưa bao quát toàn bộ các ngân hàng quy mô nhỏ, ngân hàng liên doanh hoặc ngân hàng 100% vốn nước ngoài.
  2. Giới hạn thời gian và biến cố ngoại sinh: Giai đoạn khảo sát 2015–2020 chứa đựng sự đứt gãy kinh tế do đại dịch Covid-19 bùng phát từ đầu năm 2020, làm biến dạng một phần các chỉ tiêu tài chính danh nghĩa.
  3. Mức độ khả cận của dữ liệu vi mô: Nghiên cứu sử dụng số liệu cấp ngân hàng (bank-level aggregated data), chưa tiếp cận được dữ liệu chi tiết của từng hợp đồng vay (loan-level micro data) để đánh giá chi tiết biên độ định giá rủi ro theo từng ngành nghề kinh tế.

Định hướng nghiên cứu tương lai (Future Research Agenda)

  • Mở rộng khung dữ liệu sang giai đoạn 2021–2030, đánh giá tác động dài hạn của các chính sách cơ cấu lại nợ (Thông tư 01/2020/TT-NHNN và các văn bản sửa đổi).
  • Ứng dụng các kỹ thuật kinh tế lượng chuỗi động (System GMM) kết hợp thuật toán Học máy (Machine Learning) để phát hiện các mối quan hệ phi tuyến (non-linear relationship) giữa NIM, nợ xấu và năng lực sinh lời.
  • Mở rộng sang hướng nghiên cứu "Tín dụng Xanh (Green Credit)" và quản trị rủi ro Môi trường - Xã hội - Quản trị (ESG) trong danh mục cho vay của các NHTM Việt Nam.

Tác động và ảnh hưởng

  • Ảnh hưởng học thuật: Đặt nền móng tài liệu tham khảo chuẩn mực cho các chương trình đào tạo sau đại học chuyên ngành Tài chính - Ngân hàng và Quản lý kinh tế; mở ra hướng nghiên cứu kết hợp định lượng chuyên sâu về biên lãi thuần tại thị trường Việt Nam.
  • Tác động đến ngành Ngân hàng: Cung cấp cơ sở khoa học để các Hội đồng Quản trị và Ban Điều hành 15 NHTM tái cấu trúc bảng cân đối tài sản, thiết lập lại ma trận giá cho vay và kiểm soát biên độ lãi ngầm.
  • Ảnh hưởng chính sách: Làm tài liệu tham khảo giá trị cho Cơ quan Thanh tra, Giám sát ngân hàng thuộc NHNN trong việc xây dựng các chỉ số cảnh báo sớm (Early Warning Indicators) về an toàn thanh khoản và suy giảm chất lượng tín dụng.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Giới học thuật: Tiếp cận khung phân tích hoàn chỉnh, hệ thống biến số kinh tế lượng chuẩn hóa và nguồn dữ liệu kiểm chứng về hệ thống ngân hàng Việt Nam.
  • Hội đồng Quản trị & Ban Tổng Giám đốc NHTM: Ứng dụng các giải pháp cân đối quy mô vốn huy động - dư nợ, kiểm soát chi phí hoạt động ($OP$) để nâng cao NIM bền vững mà không đẩy cao nợ xấu.
  • Khối Quản trị Rủi ro & Cán bộ Tín dụng: Nhận thức rõ ràng cơ chế bù đắp rủi ro và phương pháp thiết lập biên độ định giá khoản vay theo mức độ tín nhiệm khách hàng.
  • Cơ quan Hoạch định Chính sách & Cơ quan Quản lý Tiền tệ: Sở hữu bằng chứng thực nghiệm vững chắc để đánh giá hiệu lực truyền dẫn chính sách tiền tệ qua kênh tín dụng ngân hàng.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Luận án đã bản địa hóa thành công Mô hình Dealership của Ho & Saunders (1981) vào thị trường ngân hàng Việt Nam giai đoạn 2015–2020, chứng minh rằng biên lãi thuần (NIM) tại Việt Nam không chỉ phản ánh rủi ro tín dụng và rủi ro lãi suất mà bị chi phối mạnh mẽ bởi chi phí hoạt động ($OP$) và chi phí lãi ngầm ($IP$). Điều này khẳng định cơ chế định giá cho vay của các NHTM Việt Nam mang tính phòng thủ chi phí thay vì phản ánh chính xác rủi ro của người vay.

2. Điểm cải tiến phương pháp luận so với các nghiên cứu tiền nhiệm tại Việt Nam?

So với nghiên cứu của Trần Thị Xuân Hương (2014) chỉ thuần túy định tính, hoặc Nguyễn Thị Như Thủy (2015) chỉ dùng mô hình hồi quy Pooled OLS trên phạm vi một chi nhánh Agribank Quảng Nam bằng Eviews 6.0, luận án của Đặng Thị Lan Phương đã sử dụng dữ liệu bảng quy mô toàn hệ thống (15 ngân hàng, chiếm 70% tài sản) trên phần mềm STATA 15, tiến hành kiểm định đầy đủ FEM/REM/Hausman, kiểm định khuyết tật phương sai sai số thay đổi và tự tương quan, kết hợp song song với 51 phiếu khảo sát chuyên sâu và phỏng vấn lãnh đạo cấp cao.

graph TB
    subgraph So sánh Tiến trình Phương pháp luận
        P1["Nguyễn Thị Như Thủy (2015)<br>Pooled OLS | 1 Chi nhánh Agribank | Eviews 6.0"]
        P2["Trần Thị Xuân Hương (2014)<br>Phương pháp Định tính thuần túy | 1 NHTMCP Á Châu"]
        P3["Đặng Thị Lan Phương (2021)<br>Mixed-Methods | 15 NHTM (70% tài sản) | Panel FEM/REM/STATA 15"]
    end
    P1 --> P3
    P2 --> P3

3. Phát hiện thực nghiệm nào gây bất ngờ nhất từ bộ dữ liệu?

Phát hiện về mối quan hệ tỷ lệ thuận có ý nghĩa thống kê giữa NIM và tỷ lệ nợ xấu ($TLNX$). Kết quả này bác bỏ giả định trực quan rằng các ngân hàng có hiệu quả cho vay cao (NIM lớn) sẽ có chất lượng tín dụng tốt hơn. Ngược lại, dữ liệu chứng minh biên lãi cao trong giai đoạn 2015–2020 là hệ quả của việc các ngân hàng mở rộng tín dụng vào các phân khúc rủi ro cao, tiềm ẩn nguy cơ nợ xấu bùng phát trong chu kỳ sau.

4. Luận án có cung cấp quy trình nhân bản nghiên cứu (Replication Protocol) rõ ràng không?

Luận án cung cấp chi tiết định nghĩa đo lường từng biến số tài chính (NIM, TTNX, OP, IP, LDR, CAP, GWMTTS, CAR, Loangrowth, incomediver), mã hóa lệnh kiểm định trong STATA 15, bảng câu hỏi khảo sát 16 tiêu chí trên Google Form và phụ lục thống kê mô tả, ma trận hệ số tương quan, cho phép các nhà nghiên cứu độc lập dễ dàng lặp lại quy trình thực nghiệm.

5. Lộ trình nghiên cứu 10 năm tới (2021–2030) được định hình như thế nào?

Trọng tâm nghiên cứu chuyển dịch sang đánh giá hiệu quả cho vay dưới tác động của: (i) Chuẩn mực an toàn vốn Basel III và IFRS 9 (Mô hình tổn thất tín dụng dự kiến - ECL); (ii) Ứng dụng ngân hàng mở (Open Banking) và nền tảng số hóa trong việc giảm thiểu chi phí hoạt động $OP$; (iii) Cơ chế định giá khoản vay gắn liền với chỉ số bền vững ESG.

Kết luận

  1. Tổng hợp 5 đóng góp học thuật và thực tiễn cốt lõi:
    • Luận giải toàn diện bản chất hiệu quả cho vay, phân biệt rõ ranh giới học thuật với hiệu quả tín dụng nói chung.
    • Xác lập chỉ tiêu NIM là thước đo trung tâm đánh giá hiệu quả cho vay, phản ánh chính xác tương quan thu nhập - chi phí lãi thuần.
    • Kiểm định thành công 3 mô hình kinh tế lượng liên hoàn (NIM, TLNX, ROA), lượng hóa mối quan hệ đa chiều giữa biên lãi, rủi ro nợ xấu và khả năng sinh lời trên mẫu nghiên cứu đại diện 70% tổng tài sản hệ thống.
    • Chỉ rõ thực trạng các NHTM Việt Nam chưa định giá khoản vay theo mức độ rủi ro của từng khách hàng, phụ thuộc quá lớn vào thu nhập lãi thuần (chiếm trên 75% thu nhập hoạt động).
    • Đúc kết 05 bài học kinh nghiệm quốc tế (từ Thái Lan, Ngân hàng Phát triển Hàn Quốc - KDB, Citibank) và đề xuất hệ thống giải pháp đồng bộ đến năm 2030 cho NHTM, NHNN và Chính phủ.
  2. Nâng tầm hệ giác nghiệm (Paradigm Advancement): Chuyển đổi tư duy quản trị ngân hàng từ "tăng trưởng tín dụng theo chiều rộng để tối đa hóa lợi nhuận danh nghĩa" sang "quản trị hiệu quả cho vay gắn liền với quản trị rủi ro danh mục và tối ưu hóa chi phí hoạt động".
  3. Mở ra 3 luồng nghiên cứu mới:
    • Nghiên cứu mô hình định giá khoản vay theo rủi ro tích hợp thuật toán AI/Machine Learning.
    • Nghiên cứu tác động của chuẩn mực kế toán quốc tế IFRS 9 đến biên lãi thuần và trích lập dự phòng rủi ro tín dụng tại Việt Nam.
    • Nghiên cứu cơ chế tài trợ vốn và hiệu quả cho vay xanh (Green Financing) hướng tới mục tiêu phát thải ròng bằng 0 (Net Zero).
  4. Tính tương thích và giá trị quốc tế: Kết quả nghiên cứu cung cấp bằng chứng so sánh thực nghiệm quý giá cho các nền kinh tế đang phát triển tại khu vực Đông Nam Á và các thị trường tài chính dựa vào ngân hàng (bank-dominated systems).
  5. Di sản và giá trị ứng dụng lâu dài: Khung khuyến nghị 4 nhóm giải pháp đối với NHTM (kiểm soát quy mô/chất lượng tài sản, giải quyết bài toán thu nhập - chi phí, cân đối vốn huy động - sử dụng, tái cấu trúc quản trị) cùng các kiến nghị thể chế đối với NHNN và VAMC tiếp tục là kim chỉ nam cho tiến trình tái cơ cấu hệ thống các tổ chức tín dụng Việt Nam trong tầm nhìn 2030.