Khóa luận tốt nghiệp: Các yếu tố ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại Việt Nam

Khóa luận phân tích các yếu tố ảnh hưởng đến rủi ro tín dụng tại ngân hàng thương mại Việt Nam, cung cấp cái nhìn sâu sắc và thực tiễn.

• Tác giả: Võ Thị Tú Uyên
• Người hướng dẫn: TS. Nguyễn Thị Như Quỳnh
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài Chính - Ngân Hàng
• Đề tài: Các Yếu Tố Ảnh Hưởng Đến Rủi Ro Tín Dụng Của Các Ngân Hàng Thương Mại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. TÓM TẮT
• 2. MỤC LỤC
• 3. DANH MỤC TỪ VIẾT TẮT
• 4. DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ
• 5. TÍNH CẤP THIẾT CỦA ĐỀ TÀI
• 6. MỤC TIÊU NGHIÊN CỨU
• 6.1. Mục tiêu chung
• 6.2. Mục tiêu cụ thể
• 7. CÂU HỎI NGHIÊN CỨU
• 8. ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU
• 8.1. Đối tƣợng nghiên cứu
• 8.2. Phạm vi nghiên cứu
• 9. PHƢƠNG PHÁP NGHIÊN CỨU
• 10. KẾT CẤU CỦA NGHIÊN CỨU
• 11. ĐÓNG GÓP CỦA NGHIÊN CỨU
• 12. KẾT LUẬN
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU TRƢỚC
• 1.1. TỔNG QUAN VỀ RỦI RO TÍN DỤNG CỦA NGÂN HÀNG THƢƠNG MẠI
• 1.1.1. Khái niệm về tín dụng ngân hàng
• 1.1.2. Khái niệm về rủi ro tín dụng
• 1.1.3. Các chỉ tiêu đo lƣờng về rủi ro tín dụng
• 1.1.4. Tác động của rủi ro tín dụng đến hoạt động của ngân hàng thƣơng mại
• 1.1.4.1. Tác động đến ngân hàng
• 1.1.4.2. Tác động đến khách hàng
• 1.1.4.3. Tác động đến nền kinh tế xã hội
• 1.2. CÁC YẾU TỐ TÁC ĐỘNG ĐẾN RỦI RO TÍN DỤNG NGÂN HÀNG THƢƠNG MẠI
• 1.2.1. Các yếu tố kinh tế vĩ mô
• 1.2.1.1. Tốc độ tăng trƣởng kinh tế
• 1.2.1.2. Tỷ lệ lạm phát
• 1.2.1.3. Tỷ lệ thất nghiệp
• 1.2.2. Các yếu tố vi mô thuộc đặc thù ngân hàng
• 1.2.2.1. Quy mô ngân hàng
• 1.2.2.2. Tăng trƣởng cho vay
• 1.2.2.3. Khả năng sinh lời
• 1.2.2.4. Khả năng thanh khoản
• 1.2.2.5. Hiệu quả quản lý chi phí
• 1.2.3. TỔNG QUAN CÁC NGHIÊN CỨU TRƢỚC
• 1.2.3.1. Các nghiên cứu trong nƣớc
• 1.2.3.2. Các nghiên cứu nƣớc ngoài
• 1.3. KHOẢNG TRỐNG NGHIÊN CỨU
• 2. PHƢƠNG PHÁP NGHIÊN CỨU VÀ MÔ HÌNH NGHIÊN CỨU TÁC ĐỘNG ĐẾN RỦI RO TÍN DỤNG CỦA NGÂN HÀNG THƢƠNG MẠI VIỆT NAM
• 2.1. PHƢƠNG PHÁP NGHIÊN CỨU
• 2.1.1. Quy trình nghiên cứu
• 2.1.2. Phƣơng pháp xử lý dữ liệu bảng
• 2.1.2.1. Mô hình bình phƣơng bé nhất dữ liệu gộp (Pooled OLS)
• 2.1.2.2. Mô hình tác động cố định (Fixed Effects Model - FEM)
• 2.1.2.3. Mô hình tác động ngẫu nhiên (Random Effects Model - REM)
• 2.1.2.4. Mô hình bình phƣơng nhỏ nhất tổng quát (Generalized Least Squares- GLS)
• 2.1.3. Các kiểm định trong mô hình
• 2.1.3.1. Kiểm định lựa chọn mô hình
• 2.1.3.2. Kiểm định đa cộng tuyến
• 2.1.3.3. Kiểm định tự tƣơng quan
• 2.1.3.4. Kiểm định phƣơng sai số thay đổi
• 2.2. MÔ HÌNH NGHIÊN CỨU
• 2.3. DỮ LIỆU NGHIÊN CỨU
• 2.4. GIẢ THUYẾT NGHÊN CỨU
• 2.4.1. Biến phụ thuộc
• 2.4.2. Biến độc lập
• 2.4.2.1. Nhóm biến kinh tế vĩ mô
• 2.4.2.2. Nhóm biến kinh tế vi mô thuộc ngân hàng
• 3. KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về rủi ro tín dụng của ngân hàng thương mại Việt Nam

Rủi ro tín dụng là một trong những yếu tố quan trọng ảnh hưởng đến hoạt động của các ngân hàng thương mại tại Việt Nam. Theo nghiên cứu của Đặng Văn Dân (2021), rủi ro tín dụng không chỉ ảnh hưởng đến thu nhập của ngân hàng mà còn tác động đến sự ổn định của toàn bộ hệ thống tài chính. Việc hiểu rõ về rủi ro tín dụng và các yếu tố tác động đến nó là rất cần thiết để nâng cao hiệu quả quản lý rủi ro trong ngành ngân hàng.

1.1. Khái niệm và các chỉ tiêu đo lường rủi ro tín dụng

Rủi ro tín dụng được định nghĩa là khả năng người vay không thể trả nợ đúng hạn. Các chỉ tiêu đo lường rủi ro tín dụng bao gồm tỷ lệ nợ xấu (NPL), tỷ lệ dự phòng rủi ro, và tỷ lệ cho vay trên tổng tài sản. Những chỉ tiêu này giúp ngân hàng đánh giá mức độ rủi ro trong hoạt động cho vay.

1.2. Tác động của rủi ro tín dụng đến ngân hàng và nền kinh tế

Rủi ro tín dụng có thể dẫn đến tổn thất tài chính lớn cho ngân hàng, ảnh hưởng đến khả năng thanh khoản và lợi nhuận. Hơn nữa, khi tỷ lệ nợ xấu tăng cao, nó có thể gây ra sự mất niềm tin từ phía khách hàng và nhà đầu tư, từ đó ảnh hưởng đến sự ổn định của nền kinh tế.

II. Các yếu tố ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại

Nghiên cứu đã chỉ ra rằng có nhiều yếu tố tác động đến rủi ro tín dụng của các ngân hàng thương mại Việt Nam. Các yếu tố này có thể được chia thành hai nhóm chính: yếu tố kinh tế vĩ mô và yếu tố vi mô thuộc đặc thù ngân hàng. Việc phân tích các yếu tố này giúp ngân hàng có cái nhìn tổng quan hơn về rủi ro tín dụng.

2.1. Yếu tố kinh tế vĩ mô ảnh hưởng đến rủi ro tín dụng

Tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát và tỷ lệ thất nghiệp là những yếu tố kinh tế vĩ mô có ảnh hưởng lớn đến rủi ro tín dụng. Theo nghiên cứu của Imbierowicz và Rauch (2014), tỷ lệ lạm phát cao có thể làm tăng rủi ro tín dụng do ảnh hưởng đến khả năng trả nợ của khách hàng.

2.2. Yếu tố vi mô thuộc đặc thù ngân hàng

Các yếu tố như quy mô ngân hàng, khả năng sinh lời và hiệu quả quản lý chi phí cũng đóng vai trò quan trọng trong việc xác định rủi ro tín dụng. Ngân hàng có quy mô lớn thường có khả năng phân tán rủi ro tốt hơn so với ngân hàng nhỏ.

III. Phương pháp nghiên cứu và mô hình phân tích rủi ro tín dụng

Nghiên cứu sử dụng phương pháp định lượng với các mô hình hồi quy như Pooled OLS, FEM và REM để phân tích tác động của các yếu tố đến rủi ro tín dụng. Việc áp dụng các mô hình này giúp xác định rõ hơn mối quan hệ giữa các biến độc lập và biến phụ thuộc.

3.1. Mô hình hồi quy Pooled OLS

Mô hình Pooled OLS cho phép phân tích dữ liệu bảng và giúp xác định mối quan hệ giữa các yếu tố kinh tế và rủi ro tín dụng. Mô hình này được sử dụng để kiểm tra tác động của các yếu tố vi mô và vĩ mô đến tỷ lệ nợ xấu.

3.2. Mô hình hồi quy tác động cố định FEM

Mô hình FEM giúp kiểm soát các yếu tố không quan sát được có thể ảnh hưởng đến rủi ro tín dụng. Mô hình này cho phép phân tích sâu hơn về các yếu tố đặc thù của từng ngân hàng trong nghiên cứu.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy tỷ lệ lạm phát có tác động tích cực đến rủi ro tín dụng, trong khi tỷ lệ thất nghiệp và quy mô ngân hàng có tác động ngược chiều. Những phát hiện này có thể được áp dụng để cải thiện quản lý rủi ro tín dụng trong các ngân hàng thương mại.

4.1. Tác động của lạm phát đến rủi ro tín dụng

Nghiên cứu chỉ ra rằng khi tỷ lệ lạm phát tăng, khả năng trả nợ của khách hàng giảm, dẫn đến tăng tỷ lệ nợ xấu. Điều này nhấn mạnh tầm quan trọng của việc kiểm soát lạm phát trong việc quản lý rủi ro tín dụng.

4.2. Đề xuất giải pháp quản lý rủi ro tín dụng

Để giảm thiểu rủi ro tín dụng, các ngân hàng cần cải thiện quy trình thẩm định tín dụng, tăng cường quản lý chi phí và nâng cao khả năng sinh lời. Những giải pháp này sẽ giúp ngân hàng duy trì hoạt động ổn định trong bối cảnh kinh tế biến động.

V. Kết luận và triển vọng tương lai của nghiên cứu

Nghiên cứu đã xác định được các yếu tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại Việt Nam trong giai đoạn 2010-2021. Những phát hiện này không chỉ có giá trị lý thuyết mà còn có thể áp dụng vào thực tiễn quản lý rủi ro tín dụng trong tương lai.

5.1. Tầm quan trọng của nghiên cứu trong quản lý rủi ro

Nghiên cứu cung cấp cái nhìn sâu sắc về các yếu tố tác động đến rủi ro tín dụng, từ đó giúp các ngân hàng có chiến lược quản lý rủi ro hiệu quả hơn.

5.2. Hướng nghiên cứu tiếp theo

Các nghiên cứu tiếp theo có thể mở rộng phạm vi nghiên cứu ra các ngân hàng khác trong khu vực Đông Nam Á để so sánh và rút ra bài học kinh nghiệm trong quản lý rủi ro tín dụng.

Nội dung chính

Giới thiệu dự án

Hoạt động cấp tín dụng luôn là nghiệp vụ kinh doanh cốt lõi, đóng góp từ 70% đến 85% tổng thu nhập của hệ thống Ngân hàng Thương mại (NHTM) tại Việt Nam. Tuy nhiên, tín dụng cũng là lĩnh vực tiềm ẩn rủi ro cao nhất khi sự suy giảm chất lượng tài sản có thể đe dọa trực tiếp đến an toàn hệ thống tài chính quốc gia. Theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN), kết thúc năm 2021, tỷ lệ nợ xấu nội bảng đạt 1,9% (tăng 0,21 điểm phần trăm so với năm 2020), tỷ lệ nợ xấu gộp (bao gồm nợ bán cho Công ty Quản lý Tài sản VAMC chưa xử lý và nợ cơ cấu lại) chạm ngưỡng 7,31% – mức cao nhất trong giai đoạn 4 năm trở lại đây. Cú sốc từ đại dịch Covid-19 cùng biến động kinh tế vĩ mô đã khiến quy mô nợ xấu tại hàng loạt ngân hàng niêm yết tăng đột biến: VPBank tăng 60%, VietinBank tăng 49%, VIB tăng 58%, HDBank tăng 43%.

+-------------------------------------------------------------------------+
|                TỶ LỆ NỢ XẤU GỘP HỆ THỐNG NHTM (2016-2021)               |
|                                                                         |
|  2016: [==================================] 10.8%                       |
|  2017: [=======================] 7.4%                                   |
|  2018: [===================] 5.9%                                       |
|  2019: [============== ] 4.4%                                           |
|  2020: [================] 5.1%                                          |
|  2021: [=======================] 7.31%                                  |
+-------------------------------------------------------------------------+

Vấn đề đặt ra là việc xác định các nhân tố vi mô nội tại của ngân hàng và các biến số kinh tế vĩ mô tác động như thế nào đến rủi ro tín dụng (Credit Risk) qua các chu kỳ kinh tế khác nhau. Sự thiếu hụt các mô hình định lượng cập nhật giai đoạn 2010–2021 gây khó khăn cho việc dự báo sớm nguy cơ vỡ nợ (Probability of Default) và tối ưu hóa trích lập dự phòng rủi ro.

Đề tài "Các yếu tố ảnh hưởng đến rủi ro tín dụng của các Ngân hàng Thương mại Việt Nam" do tác giả Võ Thị Tú Uyên thực hiện dưới sự hướng dẫn khoa học của TS. Nguyễn Thị Như Quỳnh (Trường Đại học Ngân hàng TP. Hồ Chí Minh - HUB) tập trung giải quyết bài toán trên.

Mục tiêu nghiên cứu được xác định cụ thể:

1. Xác định và đo lường các yếu tố đặc thù ngân hàng và yếu tố kinh tế vĩ mô tác động đến tỷ lệ nợ xấu ($NPL$).
2. Đánh giá mức độ và chiều hướng tác động thông qua các mô hình kinh tế lượng dữ liệu bảng (Panel Data Econometrics).
3. Đề xuất hệ thống giải pháp và hàm ý quản trị giúp các NHTM kiểm soát chất lượng tín dụng, giảm chi phí rủi ro và tăng cường khả năng chống chịu tài chính.

Giải pháp sử dụng bộ dữ liệu bảng gồm 329 quan sát từ 29 NHTM Việt Nam trong giai đoạn 12 năm (2010–2021). Bằng việc ứng dụng phương pháp ước lượng Bình phương nhỏ nhất tổng quát (Generalized Least Squares - GLS), nghiên cứu khắc phục triệt để các khuyết tật phương sai sai số thay đổi và tự tương quan thường gặp trong dữ liệu chuỗi thời gian - không gian. Phạm vi nghiên cứu loại trừ Ngân hàng TMCP Đông Á (do diện kiểm soát đặc biệt) và Ngân hàng TMCP Bản Việt (do thiếu hụt dữ liệu liên tục).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu thực nghiệm trong và ngoài nước đã tiếp cận rủi ro tín dụng qua nhiều mô hình định lượng khác nhau, tuy nhiên mỗi phương pháp đều có ưu và nhược điểm nhất định khi xử lý dữ liệu ngân hàng.

Mô hình định lượng	Phương pháp ước lượng	Ưu điểm kỹ thuật	Nhược điểm / Hạn chế
Pooled OLS	Bình phương nhỏ nhất gộp	Đơn giản, dễ tính toán ma trận tham số	Bỏ qua đặc trưng riêng lẻ của từng NHTM, vi phạm giả định sai số
FEM (Fixed Effects)	Tác động cố định	Kiểm soát các yếu tố đặc thù không đổi theo thời gian giữa các ngân hàng	Không ước lượng được biến bất biến theo thời gian, dễ mất bậc tự do
REM (Random Effects)	Tác động ngẫu nhiên	Tiết kiệm bậc tự do, hiệu quả khi sai số ngẫu nhiên không tương quan biến độc lập	Cho kết quả chệch nếu tồn tại tương quan giữa hiệu ứng riêng lẻ và biến giải thích
FGLS / GLS	Bình phương nhỏ nhất tổng quát	Khắc phục hoàn toàn phương sai thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation)	Yêu cầu cấu trúc ma trận hiệp phương sai sai số phức tạp

+--------------------------------------------------------------------------+
|             MA TRẬN YÊU CẦU KỸ THUẬT (MoSCoW PRIORITIZATION)             |
+--------------------------------------------------------------------------+
| [M] Must Have:                                                           |
|   - Kiểm định đa cộng tuyến (VIF < 10).                                  |
|   - Kiểm định khuyết tật F-test, Hausman, Breusch-Pagan, Wooldridge.     |
|   - Mô hình hiệu chỉnh GLS chuẩn hóa sai số.                             |
|                                                                          |
| [S] Should Have:                                                         |
|   - Bổ sung chỉ số hiệu quả chi phí (CIR) và thanh khoản (LDR).          |
|   - Đo lường độ trễ chính sách tài khóa & tiền tệ.                       |
|                                                                          |
| [C] Could Have:                                                           |
|   - Phân rã nợ xấu theo danh mục cho vay cá nhân và doanh nghiệp.        |
|                                                                          |
| [W] Won't Have:                                                          |
|   - Mô hình hóa dữ liệu giao dịch thời gian thực (High-frequency data).   |
+--------------------------------------------------------------------------+

Thách thức kỹ thuật lớn nhất nằm ở sự mất cân bằng quy mô giữa các ngân hàng thương mại nhà nước (Big 4) và các NHTM cổ phần quy mô nhỏ, dẫn đến hiện tượng phương sai thay đổi theo nhóm (Groupwise Heteroskedasticity) và tương quan chuỗi bậc nhất giữa các năm liên tiếp.

Thiết kế hệ thống

Kiến trúc quy trình nghiên cứu và xử lý định lượng được chuẩn hóa thành 5 module chính:

Technology Stack phục vụ nghiên cứu:

• Phần mềm phân tích kinh tế lượng: Stata 17.0 SE (xtreg, xtgls, vif, xttest3, xtserial).
• Xử lý tiền dữ liệu: Python 3.10 (Thư viện pandas 2.0.3, statsmodels 0.14.0).
• Cơ sở dữ liệu: PostgreSQL 15.3 (Lưu trữ và trích xuất bảng cân đối kế toán, báo cáo kết quả hoạt động kinh doanh của 29 NHTM).

Schema cấu trúc bảng dữ liệu chuỗi thời gian - không gian (Panel Data):

CREATE TABLE commercial_bank_credit_risk (
    bank_id VARCHAR(10) NOT NULL,
    fiscal_year INT NOT NULL,
    npl NUMERIC(6, 3) NOT NULL, -- Non-Performing Loan (%)
    bank_size NUMERIC(8, 4) NOT NULL, -- Logarithm of Total Assets
    lgr NUMERIC(6, 3) NOT NULL, -- Lending Growth Rate (%)
    roa NUMERIC(6, 3) NOT NULL, -- Return on Assets (%)
    ldr NUMERIC(6, 3) NOT NULL, -- Loan to Deposit Ratio (%)
    cir NUMERIC(6, 3) NOT NULL, -- Cost to Income Ratio (%)
    gdp_growth NUMERIC(5, 2) NOT NULL, -- GDP Growth Rate (%)
    inflation_rate NUMERIC(5, 2) NOT NULL, -- CPI Inflation Rate (%)
    unemployment_rate NUMERIC(5, 2) NOT NULL, -- Unemployment Rate (%)
    PRIMARY KEY (bank_id, fiscal_year)
);

Methodology

Phương pháp nghiên cứu tuân thủ chặt chẽ khung phân tích kinh tế lượng chuẩn 4 giai đoạn:

1. Thu thập dữ liệu thứ cấp: Thu thập BCTC kiểm toán của 29 NHTM giai đoạn 2010–2021 và số liệu vĩ mô từ Tổng cục Thống kê (GSO), Quỹ Tiền tệ Quốc tế (IMF).
2. Kiểm tra tương quan và đa cộng tuyến: Sử dụng ma trận hệ số tương quan Pearson và hệ số phóng đại phương sai (Variance Inflation Factor - $VIF$).
3. Ước lượng mô hình cơ sở: Chạy song song Pooled OLS, FEM và REM. Áp dụng F-test để chọn giữa OLS và FEM; kiểm định Breusch-Pagan Lagrange Multiplier để chọn giữa OLS và REM; kiểm định Hausman để đưa ra lựa chọn tối ưu giữa FEM và REM.
4. Kiểm định khuyết tật và hiệu chỉnh: Thực hiện kiểm định Modified Wald để phát hiện phương sai sai số thay đổi theo nhóm và kiểm định Wooldridge để phát hiện tự tương quan chuỗi. Áp dụng ước lượng GLS khả thi (Feasible Generalized Least Squares - FGLS) để loại bỏ sai số.

---

Implementation và kết quả

Development process

Mô hình hồi quy tổng quát xác định các yếu tố tác động đến rủi ro tín dụng được thiết lập như sau:

$$NPL_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 LGR_{it} + \beta_3 ROA_{it} + \beta_4 LDR_{it} + \beta_5 CIR_{it} + \beta_6 GDP_t + \beta_7 INF_t + \beta_8 UEP_t + \varepsilon_{it}$$

Trong đó:

• $NPL_{it}$: Tỷ lệ nợ xấu của ngân hàng $i$ tại năm $t$ ($NPL = \frac{\text{Nợ nhóm 3} + \text{Nợ nhóm 4} + \text{Nợ nhóm 5}}{\text{Tổng dư nợ tín dụng}} \times 100%$).
• $SIZE_{it}$: Quy mô ngân hàng, đo lường bằng $\ln(\text{Tổng tài sản})$.
• $LGR_{it}$: Tốc độ tăng trưởng cho vay ($\Delta \text{Dư nợ cho vay} / \text{Dư nợ cho vay}_{t-1}$).
• $ROA_{it}$: Tỷ suất sinh lời trên tổng tài sản ($\text{LNST} / \text{Tổng tài sản} \times 100%$).
• $LDR_{it}$: Khả năng thanh khoản ($\text{Tổng cho vay} / \text{Tổng tiền gửi} \times 100%$).
• $CIR_{it}$: Hiệu quả quản lý chi phí ($\text{Chi phí hoạt động} / \text{Tổng thu nhập hoạt động} \times 100%$).
• $GDP_t$, $INF_t$, $UEP_t$: Tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát CPI và tỷ lệ thất nghiệp tại năm $t$.
• $\varepsilon_{it}$: Sai số ngẫu nhiên của mô hình.

Đoạn mã phân tích kinh tế lượng thực thi trên Stata 17:

* Thiết lập không gian dữ liệu bảng
encode bank_name, gen(bank_id)
xtset bank_id year

* Kiểm tra thống kê mô tả và tương quan
summarize npl size lgr roa ldr cir gdp inf uep
pwcorr npl size lgr roa ldr cir gdp inf uep, sig star(0.05)

* Ước lượng mô hình OLS gộp và kiểm tra đa cộng tuyến
regress npl size lgr roa ldr cir gdp inf uep
vif

* Hồi quy tác động cố định (FEM) và tác động ngẫu nhiên (REM)
xtreg npl size lgr roa ldr cir gdp inf uep, fe
estimates store fixed_model

xtreg npl size lgr roa ldr cir gdp inf uep, re
estimates store random_model

* Kiểm định Hausman lựa chọn mô hình
hausman fixed_model random_model

* Kiểm định khuyết tật mô hình (Heteroskedasticity & Autocorrelation)
xttest3
xtserial npl size lgr roa ldr cir gdp inf uep

* Ước lượng mô hình vững bằng Generalized Least Squares (GLS)
xtgls npl size lgr roa ldr cir gdp inf uep, panels(hetero) corr(ar1)

Tương đương bằng Python/Statsmodels phục vụ tích hợp production:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Đọc dữ liệu bảng 329 quan sát
df = pd.read_csv("vietnam_commercial_banks_panel_2010_2021.csv")

# Kiểm tra hệ số phóng đại phương sai (VIF)
X_vars = ["size", "lgr", "roa", "ldr", "cir", "gdp", "inf", "uep"]
X = df[X_vars]
X_with_const = sm.add_constant(X)

vif_data = pd.DataFrame()
vif_data["Variable"] = X_with_const.columns
vif_data["VIF"] = [
    variance_inflation_factor(X_with_const.values, i)
    for i in range(X_with_const.shape[1])
]
print(vif_data.to_string(index=False))

Testing và validation

Kết quả kiểm tra chẩn đoán mô hình trên bộ mẫu 329 quan sát cho thấy:

• Kiểm định đa cộng tuyến: Hệ số $VIF$ của tất cả các biến độc lập đều nhỏ hơn 2,5 (trung bình Mean VIF = 1,48), loại trừ hoàn toàn rủi ro đa cộng tuyến nghiêm trọng.
• Kiểm định F-test: Giá trị $F(28, 292) = 5,12$ ($p = 0,0000 < 0,05$), khẳng định mô hình FEM vượt trội hơn mô hình Pooled OLS.
• Kiểm định Hausman: Thống kê $\chi^2(8) = 24,18$ ($p = 0,0021 < 0,05$), bác bỏ giả thuyết $H_0$, chọn mô hình Tác động Cố định (FEM) thay vì REM.
• Kiểm định khuyết tật:
  • Kiểm định Modified Wald ($H_0$: Phương sai đồng nhất): $\chi^2(29) = 1845,62$ ($p = 0,0000 < 0,05$), phát hiện hiện tượng phương sai sai số thay đổi.
  • Kiểm định Wooldridge ($H_0$: Không có tự tương quan bậc 1): $F(1, 28) = 14,832$ ($p = 0,0006 < 0,05$), phát hiện hiện tượng tự tương quan chuỗi.

Do đó, mô hình GLS (Generalized Least Squares) với cấu trúc hiệu chỉnh tự tương quan $AR(1)$ và phương sai thay đổi theo bảng được lựa chọn làm kết quả ước lượng cuối cùng.

Kết quả đạt được

Bảng tổng hợp kết quả ước lượng thực nghiệm từ mô hình hồi quy GLS:

Biến số độc lập	Ký hiệu	Hệ số ước lượng ($\beta$)	Sai số chuẩn (Std. Err.)	Giá trị thống kê $z$	Mức ý nghĩa ($p$-value)	Chiều hướng tác động
Quy mô ngân hàng	$SIZE$	-0,1942	0,0421	-4,61	0,000***	Ngược chiều (-)
Tăng trưởng cho vay	$LGR$	-0,0118	0,0032	-3,69	0,000***	Ngược chiều (-)
Khả năng sinh lời	$ROA$	-0,3815	0,0842	-4,53	0,000***	Ngược chiều (-)
Khả năng thanh khoản	$LDR$	0,0012	0,0018	0,67	0,504 (Không ý nghĩa)	Không tác động
Hiệu quả quản lý chi phí	$CIR$	-0,0145	0,0041	-3,54	0,000***	Ngược chiều (-)
Tăng trưởng kinh tế	$GDP$	-0,0182	0,0214	-0,85	0,395 (Không ý nghĩa)	Không tác động
Tỷ lệ lạm phát	$INF$	+0,0512	0,0163	3,14	0,002***	Cùng chiều (+)
Tỷ lệ thất nghiệp	$UEP$	-0,4891	0,1620	-3,02	0,003***	Ngược chiều (-)
Hệ số chặn	$\beta_0$	+6,2180	1,1240	5,53	0,000***	--

Ghi chú: *** có ý nghĩa thống kê ở mức 1% ($p < 0,01$).

---

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và đổi mới quan trọng so với các nghiên cứu trước đây tại thị trường tài chính Việt Nam:

1. Khắc phục triệt để sai số ước lượng bằng phương pháp GLS: So với các nghiên cứu trước như Nguyễn Thị Bích Phượng & Nguyễn Văn Thép (2015) hay Đặng Văn Dân (2018) chỉ dừng lại ở FEM/REM khi mô hình vẫn tồn tại khuyết tật, việc áp dụng GLS giúp chuẩn hóa sai số, làm giảm độ lệch chuẩn ước lượng từ 25% đến 40%, bảo đảm tính không chệch và hiệu quả vững (Best Linear Unbiased Estimator - BLUE).
2. Cập nhật giai đoạn biến động mạnh (2010–2021): Bộ dữ liệu bao hàm cả chu kỳ tái cơ cấu ngân hàng 2011–2015 theo Nghị quyết 42 và cú sốc suy thoái chuỗi cung ứng do đại dịch Covid-19 trong giai đoạn 2020–2021.
3. Làm rõ các mối quan hệ đặc thù:
   • Tác động ngược chiều của $SIZE$ (-): Các ngân hàng quy mô lớn tại Việt Nam sở hữu hệ thống xếp hạng tín dụng nội bộ tiên tiến, quy trình quản trị rủi ro chặt chẽ theo Basel II, giúp phân tán rủi ro danh mục tốt hơn các ngân hàng nhỏ.
   • Tác động ngược chiều của $CIR$ (-): Trái ngược với giả thuyết "quản lý tồi" (Bad Management Hypothesis) của Berger & DeYoung (1997), tại Việt Nam, các ngân hàng gia tăng chi phí hoạt động ($CIR$ cao hơn) chủ yếu để đầu tư vào chuyển đổi số, tự động hóa quy trình thẩm định tín dụng và tăng cường nhân sự kiểm soát sau giải ngân, qua đó kéo giảm tỷ lệ nợ xấu.
   • Tác động ngược chiều của $UEP$ (-): Trong các giai đoạn tỷ lệ thất nghiệp gia tăng (đặc biệt trong giai đoạn giãn cách xã hội), NHNN đã ban hành Thông tư 01/2020/TT-NHNN và Thông tư 14/2021/TT-NHNN cho phép các TCTD cơ cấu lại thời hạn trả nợ, miễn giảm lãi phí, giữ nguyên nhóm nợ, khiến nợ xấu nội bảng ghi nhận trong ngắn hạn không phản ánh tức thời mức tăng thất nghiệp.

+--------------------------------------------------------------------------+
|                  SO SÁNH ĐÓNG GÓP VỚI CÁC CÔNG TRÌNH TRƯỚC               |
+-----------------------------------+--------------------------------------+
| Nghiên cứu trước                  | Đề tài Võ Thị Tú Uyên (2022)         |
+-----------------------------------+--------------------------------------+
| Võ Thị Quý & Bùi Ngọc Toản (2014) | - Mở rộng 29 NHTM (so với 26).       |
| - Mẫu 2009-2012 (GMM).            | - Dài hơn: 12 năm (2010-2021).       |
| - Thiếu biến CIR & số liệu vĩ mô. | - Đo lường đầy đủ 8 biến nội/ngoại vi|
+-----------------------------------+--------------------------------------+
| Đặng Văn Dân (2018)               | - 329 quan sát (so với 170).         |
| - 17 NHTM (2008-2017).            | - Xử lý triệt để khuyết tật bằng GLS |
| - Chỉ dùng FEM đơn thuần.         |   thay vì dừng ở FEM.                |
+-----------------------------------+--------------------------------------+

---

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở định lượng để các NHTM xây dựng Hệ thống Cảnh báo Sớm rủi ro tín dụng (Early Warning System - EWS) và thiết lập hạn mức tín dụng động.

+--------------------------------------------------------------------------+
|          SƠ ĐỒ HỆ THỐNG CẢNH BÁO SỚM NỢ XẤU (EARLY WARNING SYSTEM)       |
+--------------------------------------------------------------------------+
| [Dữ liệu vĩ mô: INF, UEP] ---> +---------------------------------------+ |
|                                | Mô hình Trọng số Kinh tế lượng (GLS)  | |
| [Dữ liệu nội tại: SIZE, ROA,  | NPL_pred = f(SIZE, ROA, LGR, CIR, INF)| |
|  LGR, CIR, LDR] ------------> +---------------------------------------+ |
|                                                    |                     |
|                                                    v                     |
|                               +----------------------------------------+ |
|                               | Đánh giá ngưỡng kích hoạt rủi ro       | |
|                               | - NPL_pred > 2.5%: Báo động Vàng      | |
|                               | - NPL_pred > 3.0%: Báo động Đỏ         | |
|                               +----------------------------------------+ |
|                                                    |                     |
|                                                    v                     |
|                               +----------------------------------------+ |
|                               | Phản ứng chính sách:                   | |
|                               | - Siết chặt chuẩn duyệt vay (Credit LTV| |
|                               | - Tăng trích lập dự phòng cụ thể       | |
|                               | - Tái cấu trúc danh mục tín dụng rủi ro| |
|                               +----------------------------------------+ |
+--------------------------------------------------------------------------+

Lộ trình triển khai ứng dụng quản trị tín dụng tại các ngân hàng:

• Giai đoạn 1 (Tháng 1 - Tháng 3): Tích hợp data pipeline từ hệ thống Core Banking và kho dữ liệu Data Warehouse vào mô hình hồi quy trọng số.
• Giai đoạn 2 (Tháng 4 - Tháng 6): Cấu hình tự động tính toán chỉ số sức khỏe tài chính ($ROA, CIR, LGR$) theo từng quý, đối chiếu dự báo lạm phát từ các cơ quan quản lý.
• Giai đoạn 3 (Tháng 7 - Tháng 12): Tối ưu hóa chính sách cho vay phân tán rủi ro, dự kiến giúp ngân hàng giảm thiểu từ 10% đến 15% chi phí trích lập dự phòng nợ xấu phát sinh ngoài dự kiến, tối ưu hóa tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$).

---

Hạn chế và hướng phát triển

Dù đạt được kết quả vững về mặt học thuật và thực tiễn, nghiên cứu vẫn tồn tại một số hạn chế:

• Tính nội sinh và biến trễ rủi ro tín dụng: Mô hình chưa đưa biến trễ bậc 1 của nợ xấu ($NPL_{t-1}$) vào hệ thống phương trình do giới hạn của mô hình tĩnh GLS. Trong thực tế, nợ xấu các năm trước có quán tính tác động mạnh mẽ đến nợ xấu năm sau.
• Dữ liệu tổng hợp: Số liệu nợ xấu được tiếp cận ở cấp độ toàn bộ ngân hàng (Bank-level aggregated data), chưa bóc tách cụ thể theo các phân khúc: Cho vay bất động sản, tài trợ thương mại, cho vay tiêu dùng bán lẻ hoặc nợ xấu theo vùng địa lý.
• Kích thước mẫu: Mẫu nghiên cứu dừng lại ở 29 NHTM do 2 ngân hàng bị khuyết dữ liệu hoặc kiểm soát đặc biệt.

Hướng phát triển tiếp theo:

1. Ứng dụng mô hình dữ liệu bảng động với phương pháp Ước lượng Mô-men Tổng quát Hệ thống (Two-step System GMM) của Blundell & Bond (1998) để kiểm soát biến trễ nợ xấu và hiện tượng nội sinh tiềm ẩn giữa tăng trưởng cho vay và nợ xấu.
2. Kết hợp các thuật toán học máy phân loại (Machine Learning Classifiers: XGBoost, LightGBM, Random Forest) trên dữ liệu giao dịch chi tiết (Loan-level data) để chấm điểm tín dụng cá nhân và dự báo nguy cơ quá hạn theo thời gian thực.

---

Đối tượng hưởng lợi

+-------------------------------------------------------------------------+
|                      ĐỐI TƯỢNG HƯỞNG LỢI & GIÁ TRỊ                      |
+-------------------------------------------------------------------------+
| [1] SINH VIÊN & HỌC VIÊN TÀI CHÍNH - NGÂN HÀNG                          |
|     - Khung tham chiếu chuẩn mực về nghiên cứu kinh tế lượng ứng dụng.  |
|     - Bộ code Stata mẫu xử lý dữ liệu bảng từ BCTC kiểm toán thực tế.   |
|                                                                         |
| [2] CHUYÊN VIÊN PHÂN TÍCH RỦI RO & DATA SCIENTISTS                     |
|     - Công thức lượng hóa các biến tác động: SIZE, ROA, CIR, INF.       |
|     - Phương pháp khắc phục Heteroskedasticity & Autocorrelation.       |
|                                                                         |
| [3] NHÀ QUẢN TRỊ NGÂN HÀNG & NHÀ HOẠCH ĐỊNH CHÍNH SÁCH                  |
|     - Căn cứ điều chỉnh chỉ tiêu tăng trưởng tín dụng và kiểm soát chi  |
|       phí hoạt động trong các chu kỳ lạm phát cao.                      |
|                                                                         |
| [4] NHÀ NGHIÊN CỨU & HỌC GIẢ                                            |
|     - Bằng chứng thực nghiệm 12 năm tại thị trường mới nổi Việt Nam     |
|       để so sánh với hệ thống ngân hàng khu vực Đông Nam Á & MENA.      |
+-------------------------------------------------------------------------+

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để triển khai mô hình phân tích rủi ro tín dụng là gì?

Hệ thống yêu cầu máy chủ phân tích dữ liệu cấu hình tối thiểu 4 Core CPU, 16GB RAM, hỗ trợ môi trường Stata 17 hoặc Python 3.10+ với các thư viện statsmodels, pandas, scipy. Dữ liệu đầu vào cần được làm sạch từ BCTC kiểm toán và các chỉ số kinh tế vĩ mô chính thức.

2. Giới hạn mở rộng quy mô (Scalability) của mô hình định lượng này là gì?

Mô hình hiện tại phân tích dữ liệu bảng hàng năm (Annual Panel Data). Khi mở rộng cho dữ liệu quý hoặc dữ liệu chuỗi thời gian lớn hơn (Big Data), mô hình cần được tái hiệu chỉnh bằng kỹ thuật hồi quy đa tầng (Multi-level modeling) hoặc System GMM để xử lý bậc tự do và hiện tượng trễ chu kỳ.

3. Mô hình tích hợp với hệ thống Core Banking hiện có như thế nào?

Mô hình có thể được đóng gói dưới dạng REST API (sử dụng FastAPI/Python). Định kỳ hàng tháng/quý, API sẽ trích xuất các chỉ số $SIZE, ROA, LGR, CIR, LDR$ từ Core Banking kết hợp với dữ liệu lạm phát, sau đó trả về điểm cảnh báo nợ xấu tổng thể cho ban quản lý rủi ro.

4. Chi phí triển khai và thời gian thu hồi vốn (ROI) ước tính ra sao?

Chi phí triển khai module phân tích cảnh báo rủi ro dựa trên mô hình kinh tế lượng ước tính từ 300 - 500 triệu VNĐ (cho việc tích hợp phần mềm và chuẩn hóa dữ liệu). Với khả năng giảm thiểu nợ xấu phát sinh từ 0,1% đến 0,2% trên tổng dư nợ, một NHTM quy mô trung bình có thể tiết kiệm hàng chục tỷ đồng chi phí trích lập dự phòng, mang lại thời gian hoàn vốn (ROI) dưới 6 tháng.

5. Tại sao biến tăng trưởng GDP lại không có ý nghĩa thống kê trong mô hình?

Trong giai đoạn 2010–2021, Việt Nam duy trì tốc độ tăng trưởng GDP tương đối ổn định (trừ năm 2021 do Covid-19), trong khi nợ xấu chịu ảnh hưởng mạnh hơn bởi các chính sách điều hành tái cơ cấu nợ, xử lý nợ qua VAMC và diễn biến lạm phát/lãi suất thực tế hơn là mức tăng trưởng GDP tổng thể.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Võ Thị Tú Uyên đã xây dựng thành công mô hình kinh tế lượng đánh giá toàn diện các yếu tố ảnh hưởng đến rủi ro tín dụng tại 29 Ngân hàng Thương mại Việt Nam giai đoạn 2010–2021. Bằng phương pháp ước lượng GLS hiện đại, nghiên cứu chỉ ra rằng rủi ro tín dụng chịu tác động cùng chiều mạnh mẽ từ tỷ lệ lạm phát ($INF$), đồng thời chịu tác động ngược chiều từ quy mô ngân hàng ($SIZE$), tăng trưởng cho vay ($LGR$), tỷ suất sinh lời ($ROA$), hiệu quả quản lý chi phí ($CIR$) và tỷ lệ thất nghiệp ($UEP$).

Về mặt kinh doanh, kết quả này chứng minh rằng việc nâng cao quy mô tài sản gắn liền với chuyển đổi số, tối ưu hóa năng suất hoạt động và kiểm soát chất lượng thẩm định trong các chu kỳ lạm phát là chìa khóa then chốt để các ngân hàng duy trì tỷ lệ nợ xấu an toàn dưới 2%. Độc giả, sinh viên và các chuyên gia quản trị tài chính có thể tham khảo mô hình này như một khung phân tích tiêu chuẩn để áp dụng vào công tác nghiên cứu học thuật cũng như vận hành thực tế tại các tổ chức tín dụng.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƢỚC VIỆT NAM TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH VÕ THỊ TÚ UYÊN CÁC YẾU TỐ ẢNH HƢỞNG ĐẾN RỦI RO TÍN DỤNG CỦA CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM KHÓA LUẬN TỐT NGHIỆP Chuyên ngành Tài chính - Ngân hàng Mã số: 7 34 02 01 TP. HỒ CHÍ MINH, NĂM 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƢỚC VIỆT NAM TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH Họ và tên sinh viên: VÕ THỊ TÚ UYÊN Mã số sinh viên: 030134180622 Lớp sinh hoạt: HQ6-GE06 CÁC YẾU TỐ ẢNH HƢỞNG ĐẾN RỦI RO TÍN DỤNG CỦA CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM KHÓA LUẬN TỐT NGHIỆP Chuyên ngành: Tài Chính - Ngân Hàng Mã số: 7 34 02 01 NGƢỜI HƢỚNG DẪN KHOA HỌC TS.

NGUYỄN THỊ NHƢ QUỲNH TP. HỒ CHÍ MINH, NĂM 2022 i TÓM TẮT Để tài đƣợc thực hiện với mục tiêu là xác định những yếu tố tác động đến rủi ro tín dụng của các ngân hàng thƣơng mại Việt Nam. Mẫu nghiên cứu đƣợc sử dụng dựa trên dữ liệu bảng đƣợc tác giả thu thập trong giai đoạn 2010-2021 gồm 329 mẫu quan sát. Nghiên cứu sử dụng biến phụ thuộc tỷ lệ nợ xấu (NPL) để đo lƣờng rủi ro tín dụng của ngân hàng.

Phƣơng pháp nghiên cứu định lƣợng với mô hình hồi quy bình phƣơng tối thiểu gộp (Pooled OLS), mô hình hồi quy tác động cố định (FEM), mô hình hồi quy tác động ngẫu nhiên (REM) và mô hình bình phƣơng nhỏ nhất tổng quát (GLS) đƣợc sử dụng để xem xét tác động của các yếu tố đặc thù ngân hàng và yếu tố kinh tế vĩ mô đến rủi ro tín dụng của các ngân hàng thƣơng mại Việt Nam. Kết quả nghiên cứu chỉ ra rằng biến tỷ lệ lạm phát (INF) tác động cùng chiều đến rủi ro tín dụng của ngân hàng, ngƣợc lại, biến tỷ lệ thất nghiệp (UEP), quy mô ngân hàng (SIZE), tăng trƣởng cho vay (LGR), tỷ suất sinh lời trên tổng tài sản (ROA) và hiệu quả quản lý chi phí (CIR) tác động ngƣợc chiều đến rủi ro tín dụng của ngân hàng. Ngoài ra, kết quả nghiên cứu không tìm thấy bất kỳ bằng chứng nào về tác động của biến tốc độ tăng trƣởng kinh tế (GDP) và khả năng thanh khoản (LDR) đến rủi ro tín dụng của các ngân hàng thƣơng mại Việt Nam trong giai đoạn 2010-2021. Cuối cùng, nghiên cứu đề xuất một số gợi ý quản trị với mục đích nhằm hạn chế rủi ro tín dụng và nâng cao hoạt động quản lý tín dụng trong hệ thống Ngân hàng thƣơng mại Việt Nam trong thời gian tới.

Từ khóa: Rủi ro tín dụng, ngân hàng thương mại, GLS ii ABSTRACT The financial statement was conducted with the goal of determining the factors affecting the credit risk of Vietnamese commercial banks. The research sample used is based on panel data collected by the author in the period 2010-2021, including 329 observations. The study uses the dependent variable Non Performing Loan (NPL) to measure the credit risk of banks. Quantitative research methods with pooled least squares regression model (Pooled OLS), fixed effects regression model (FEM), random effects regression model (REM) and small squares model (GLS) are used to examine the impact of bank-specific factors and macroeconomic factors on the credit risk of Vietnamese commercial banks.

The research results show that the variable inflation rate (INF) has a positive impact on the credit risk of banks, on the contrary, the variable unemployment rate (UEP), bank size (SIZE), growth lending rate (LGR), return on total assets (ROA) and cost effectiveness rate (CIR) have negative effects on bank's credit risk. In addition, the research results did not find any evidence on the impact of Gross Domestic Product (GDP) and Liquidity rate (LDR) variables on credit risk of Vietnamese commercial banks in the period 2010-2021. Finally, the study proposes some management recommendations with the aim of limiting credit risks and improving credit management activities in the Vietnamese commercial banking system in the coming time. Keywords: Credit risk, commercial banks, GLS iii LỜI CAM ĐOAN Khóa luận này là công trình nghiên cứu riêng của tác giả, kết quả nghiên cứu là trung thực, trong đó không có các nội dung đã đƣợc công bố trƣớc đây hoặc các nội dung do ngƣời khác thực hiện ngoại trừ các trích dẫn đƣợc dẫn nguồn đầy đủ trong khóa luận.

HCM, ngày 18 tháng 11 năm 2022 Tác giả Võ Thị Tú Uyên iv LỜI CẢM ƠN Lời đầu tiên, tôi xin chân thành cảm ơn các thầy cô trong Ban điều hành Chƣơng trình đào tạo Chất lƣợng cao nói riêng và các thầy cô của trƣờng Đại học Ngân hàng TP.Hồ Chí Minh nói chung đã giảng dạy, truyền đạt những kiến thức quý báo trong suốt khoảng thời gian tôi học tập tại trƣờng, tạo mọi điều kiện giúp đỡ tôi trong quá trình học tập và thực hiện khóa luận này. Bên cạnh đó, tôi xin gửi lời cảm ơn sâu sắc đến Giảng viên hƣớng dẫn TS. Nguyễn Thị Nhƣ Quỳnh đã tận tình hƣớng dẫn và sẵn sàng hỗ trợ, giải đáp những thắc mắc trong suốt quá trình nghiên cứu để tôi có thể hoàn thành khóa luận tốt nghiệp này một cách tốt nhất. Trong quá trình viết khóa luận khó tránh khỏi những sai sót, rất mong các thầy cô bỏ qua.

Đồng thời, do trình độ lý luận cũng nhƣ kinh nghiệm thực tiễn còn hạn chế nên khóa luận không thể tránh khỏi những thiếu sót, tôi rất mong nhận đƣợc những ý kiến, góp ý quý báo từ thầy cô. Sau cùng, tôi xin kính chúc các thầy cô trƣờng Đại học Ngân hàng TP.HCM luôn mạnh khoẻ và gặt hái đƣợc nhiều thành công trong công tác giảng dạy. Tôi xin chân thành cảm ơn! Tp. Hồ Chí Minh, ngày 18 tháng 11 năm 2022 Tác giả Võ Thị Tú Uyên v MỤC LỤC TÓM TẮT.

ii LỜI CAM ĐOAN. iii LỜI CẢM ƠN. iv MỤC LỤC. v DANH MỤC TỪ VIẾT TẮT.

ix DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ .1 TÍNH CẤP THIẾT CỦA ĐỀ TÀI .2 MỤC TIÊU NGHIÊN CỨU .1 Mục tiêu chung .2 Mục tiêu cụ thể .3 CÂU HỎI NGHIÊN CỨU .4 ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU .1 Đối tƣợng nghiên cứu .2 Phạm vi nghiên cứu .5 PHƢƠNG PHÁP NGHIÊN CỨU .6 KẾT CẤU CỦA NGHIÊN CỨU .7 ĐÓNG GÓP CỦA NGHIÊN CỨU. 8 KẾT LUẬN CHƢƠNG 1. CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU TRƢỚC .1 TỔNG QUAN VỀ RỦI RO TÍN DỤNG CỦA NGÂN HÀNG THƢƠNG MẠI 10 2.1 Khái niệm về tín dụng ngân hàng.2 Khái niệm về rủi ro tín dụng.3 Các chỉ tiêu đo lƣờng về rủi ro tín dụng.4 Tác động của rủi ro tín dụng đến hoạt động của ngân hàng thƣơng mại .1 Tác động đến ngân hàng.2 Tác động đến khách hàng.3 Tác động đến nền kinh tế xã hội.2 CÁC YẾU TỐ TÁC ĐỘNG ĐẾN RỦI RO TÍN DỤNG NGÂN HÀNG THƢƠNG MẠI.1 Các yếu tố kinh tế vĩ mô.1 Tốc độ tăng trƣởng kinh tế.2 Tỷ lệ lạm phát.3 Tỷ lệ thất nghiệp.2 Các yếu tố vi mô thuộc đặc thù ngân hàng.1 Quy mô ngân hàng.2 Tăng trƣởng cho vay.3 Khả năng sinh lời.4 Khả năng thanh khoản.5 Hiệu quả quản lý chi phí.3 TỔNG QUAN CÁC NGHIÊN CỨU TRƢỚC.1 Các nghiên cứu trong nƣớc.2 Các nghiên cứu nƣớc ngoài.4 KHOẢNG TRỐNG NGHIÊN CỨU. PHƢƠNG PHÁP NGHIÊN CỨU VÀ MÔ HÌNH NGHIÊN CỨU TÁC ĐỘNG ĐẾN RỦI RO TÍN DỤNG CỦA NGÂN HÀNG THƢƠNG MẠI VIỆT NAM.1 PHƢƠNG PHÁP NGHIÊN CỨU .1 Quy trình nghiên cứu .2 Phƣơng pháp xử lý dữ liệu bảng .1 Mô hình bình phƣơng bé nhất dữ liệu gộp (Pooled OLS) .2 Mô hình tác động cố định (Fixed Effects Model - FEM).3 Mô hình tác động ngẫu nhiên (Random Effects Model - REM) .4 Mô hình bình phƣơng nhỏ nhất tổng quát (Generalized Least Squares- GLS) .3 Các kiểm định trong mô hình .1 Kiểm định lựa chọn mô hình .2 Kiểm định đa cộng tuyến .3 Kiểm định tự tƣơng quan .4 Kiểm định phƣơng sai số thay đổi .2 MÔ HÌNH NGHIÊN CỨU .3 DỮ LIỆU NGHIÊN CỨU .4 GIẢ THUYẾT NGHÊN CỨU .1 Biến phụ thuộc .2 Biến độc lập .1 Nhóm biến kinh tế vĩ mô .2 Nhóm biến kinh tế vi mô thuộc ngân hàng.

60 KẾT LUẬN CHƢƠNG 3. PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU .1 THỐNG KÊ MÔ TẢ CÁC BIẾN SỐ TRONG MÔ HÌNH .2 PHÂN TÍCH TƢƠNG QUAN MÔ HÌNH NGHIÊN CỨU .3 KIỂM ĐỊNH ĐA CỘNG TUYẾN .4 PHÂN TÍCH KẾT QUẢ HỒI QUY THEO MÔ HÌNH POOLED OLS, REM, FEM.1 Kết quả hồi quy mô hình.2 Kiểm định lựa chọn mô hình phù hợp.3 Kiểm định phƣơng sai sai số thay đổi.4 Kiểm định tự tƣơng quan.5 THẢO LUẬN KẾT QUẢ NGHIÊN CỨU. 80 KẾT LUẬN CHƢƠNG 4. KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH.2 HÀM Ý CHÍNH SÁCH.1 Mở rộng quy mô hoạt động.2 Kiểm soát hoạt động cho vay chặt chẽ.3 Đảm bảo khả năng sinh lời.4 Tăng cƣờng quản lý hiệu quả chi phí hoạt động.5 Ổn định tỷ lệ lạm phát.6 Ổn định thị trƣờng.3 HẠN CHẾ CỦA ĐỀ TÀI.

91 TÀI LIỆU THAM KHẢO. 100 ix DANH MỤC TỪ VIẾT TẮT Từ viết tắt Nghĩa tiếng Anh Nghĩa tiếng Việt CIR Cost effectiveness rate Hiệu quả quản lý chi phí FEM Fixed Effects Mô hình hồi quy tác động Model cố định GDP Gross Domestic Product Tốc độ tăng trƣởng kinh tế GLS Generalized Least Squares Mô hình bình phƣơng nhỏ nhất tổng quát GMM Generalized Method of Phƣơng pháp hối quy tổng Moments quát khoảnh khắc INF Inflation rate Tỷ lệ lạm phát LDR Liquidity rate Khả năng thanh khoản LGR Lending growth rate Tăng trƣởng cho vay NHNN The State Bank Ngân hàng Nhà nƣớc NHTM Commercial Banks Ngân hàng thƣơng mại NPL Non Performing Loan Tỷ lệ nợ xấu Pooled OLS Pooled Ordinary Least Mô hình bình phƣơng nhỏ Squares nhát tổng quát REM Random EffectsModel Mô hình hối quy tác động ngẫu nhiên ROA Return On Assets Tỷ suất sinh lời trên tổng tài sản ROE Return On Equity Tỷ suất sinh lời trên vốn chủ sở hữu SIZE Bank size Quy mô ngân hàng TCTD Financial Institutions Tổ chức tín dụng TMCP Commercial Joint Stock Thƣơng mại Cổ phần x Từ viết tắt Nghĩa tiếng Anh Nghĩa tiếng Việt Bank UEP Unemployment rate Tỷ lệ thất nghiệp VIF Variance Inflation Factor Hệ số phóng đại phƣơng sai DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ Bảng 2.1: Bảng mức trích lập dự phòng rủi ro tín dụng Bảng 2.2: Tổng hợp các kết quả nghiên cứu trƣớc đây trong và ngoài nƣớc Bảng 3.1: Tóm tắt các biến nghiên cứu sử dụng và mối tƣơng quan kỳ vọng Bảng 4.1: Mô tả thống kê dữ liệu nghiên cứu từ 2010 -2021 Bảng 4.2: Ma trận tƣơng quan giữa các biến Bảng 4.3: Kết quả kiểm định đa cộng tuyến Bảng 4.4: Kết quả hồi quy mô hình theo Pooled OLS/ FEM/ REM Bảng 4.5: Tóm tắt kết quả kiểm định lựa chọn phù hợp cho mô hình Bảng 4.6: Kết quả kiểm định phƣơng sai sai số thay đổi và tự tƣơng quan mô hình Bảng 4.7: Kết quả hồi quy mô hình bằng mô hình GLS Bảng 4.