Giới thiệu dự án
Hoạt động cấp tín dụng là nghiệp vụ cốt lõi, mang lại hơn 70-80% tổng thu nhập hoạt động và quyết định năng lực cạnh tranh cũng như sự tồn tại của hệ thống Ngân hàng Thương mại Cổ phần (NHTMCP) tại Việt Nam. Theo tinh thần Nghị quyết số 142/2016/QH13 của Quốc hội khóa XIII về Kế hoạch phát triển Kinh tế - Xã hội 5 năm 2016–2020, việc tái cơ cấu các tổ chức tín dụng (TCTD), nâng cao năng lực quản trị rủi ro theo chuẩn mực quốc tế (Basel II) và kiểm soát ổn định vĩ mô là nhiệm vụ trọng tâm hàng đầu.
Tuy nhiên, tăng trưởng tín dụng (Credit Growth - CG) luôn chứa đựng rủi ro hệ thống. Trong giai đoạn khủng hoảng tài chính toàn cầu 2008–2009 và giai đoạn tái cấu trúc nợ 2012–2015, chất lượng tín dụng suy giảm nghiêm trọng đã đẩy tỷ lệ nợ xấu (Non-Performing Loan - NPL) lên cao, khiến thanh khoản bị thắt chặt và đe dọa an toàn toàn hệ thống. Điển hình, tăng trưởng tín dụng toàn hệ thống có sự biến động cực đoan: biên độ dao động từ mức kỷ lục 748,61% (SHB năm 2007) xuống mức âm -50,08% (ACB năm 2012). Bài toán đặt ra cho các nhà quản trị ngân hàng là làm thế nào để tối ưu hóa đồng thời bộ ba mục tiêu: duy trì thanh khoản (Liquidity), tối đa hóa khả năng sinh lời (Profitability) và đảm bảo an toàn vốn (Capital Adequacy).
Đề tài nghiên cứu ứng dụng tập trung giải quyết bài toán trên thông qua 3 mục tiêu cụ thể:
- Xác định các nhân tố vi mô nội tại và vĩ mô chi phối tốc độ tăng trưởng tín dụng của các NHTMCP tại Việt Nam.
- Đo lường và lượng hóa mức độ tác động của từng biến số thông qua các mô hình kinh tế lượng dữ liệu bảng (Panel Data Regression).
- Đề xuất các khuyến nghị và hàm ý chính sách thực thi giúp các NHTMCP và Ngân hàng Nhà nước (NHNN) điều hành hạn mức tín dụng an toàn, bền vững.
Phạm vi nghiên cứu bao gồm bộ dữ liệu bảng không cân bằng (Unbalanced Panel Data) của 20 NHTMCP đại diện (gồm 3 ngân hàng có vốn nhà nước chi phối: BIDV, Vietcombank, VietinBank và 17 NHTMCP tư nhân) trải dài qua 12 năm (2006–2017) với tổng cộng 237 quan sát thực nghiệm.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Để mô hình hóa tác động đến tăng trưởng tín dụng, các nghiên cứu kinh tế lượng thường áp dụng nhiều phương pháp tiếp cận khác nhau. Dưới đây là bảng so sánh ưu và nhược điểm của các giải pháp mô hình hóa:
| Phương pháp mô hình |
Ưu điểm |
Nhược điểm |
Đánh giá độ phù hợp với đề tài |
| Hồi quy gộp (Pooled OLS) |
Đơn giản, dễ ước lượng, giải thích trực quan các hệ số hồi quy bậc nhất. |
Bỏ qua hoàn toàn tính không đồng nhất (Heterogeneity) giữa các ngân hàng; dễ xuất hiện sai số tương quan. |
Không phù hợp khi mẫu gồm 20 ngân hàng có quy mô và cấu trúc vốn phân hóa mạnh. |
| Mô hình tác động cố định (FEM) |
Kiểm soát được các đặc tính riêng biệt không đổi theo thời gian của từng ngân hàng thông qua thay đổi hệ số chặn. |
Không ước lượng được các biến không thay đổi theo thời gian; làm giảm bậc tự do (Degrees of freedom). |
Cần kiểm định kiểm chứng so với Pooled OLS và REM. |
| Mô hình tác động ngẫu nhiên (REM) |
Cho phép sai số cá thể biến thiên ngẫu nhiên; tiết kiệm bậc tự do, hiệu quả cao khi sai số không tương quan với biến giải thích. |
Đòi hỏi giả định nghiêm ngặt về tính trực giao giữa các biến độc lập và thành phần sai số ngẫu nhiên cá thể $\alpha_i$. |
Phù hợp nhất sau khi vượt qua kiểm định Hausman ($Prob = 1.0000$). |
Áp dụng phương pháp phân loại yêu cầu MoSCoW trong thiết kế phân tích dữ liệu:
- Must have: Làm sạch dữ liệu bảng từ báo cáo tài chính kiểm toán; ước lượng 3 mô hình (Pooled OLS, FEM, REM); thực hiện kiểm định Likelihood Ratio và Hausman Test.
- Should have: Kiểm định các khuyết tật mô hình (Đa cộng tuyến thông qua ma trận tương quan, Tự tương quan bậc 1 thông qua phần dư trễ).
- Could have: Đưa biến giả khủng hoảng tài chính ($DUM_{2008-2009}$) để cô lập tác động của chu kỳ kinh tế toàn cầu.
- Won't have (lần này): Ước lượng hồi quy động GMM hai bước (Two-step System GMM) cho biến trễ phụ thuộc (dành cho hướng phát triển mở rộng).
Thiết kế hệ thống mô hình kinh tế lượng
Khung phân tích dữ liệu kinh tế lượng được thiết kế gồm 8 biến số, phân chia thành biến phụ thuộc, biến vi mô nội tại, biến kiểm soát vĩ mô và biến giả cấu trúc:
Công thức toán học của mô hình tổng quát:
$$CG_{it} = \beta_1 + \beta_2 LQTA_{it} + \beta_3 ETA_{it} + \beta_4 NPL_{it} + \beta_5 CTI_{it} + \beta_6 GDP_{it} + \beta_7 INF_{it} + \beta_8 DUM_{it} + u_{it}$$
Trong đó:
- $CG_{it}$ (Credit Growth): Tốc độ tăng trưởng dư nợ tín dụng của ngân hàng $i$ tại năm $t$:
$$CG_{it} = \frac{\text{Dư nợ tín dụng}{it} - \text{Dư nợ tín dụng}{it-1}}{\text{Dư nợ tín dụng}_{it-1}} \times 100%$$
- $LQTA_{it}$ (Liquid to Total Assets): Tỷ lệ tài sản thanh khoản trên tổng tài sản:
$$LQTA_{it} = \frac{\text{Tiền mặt} + \text{Tiền gửi NHNN} + \text{Tiền gửi & cho vay TCTD khác} + \text{Chứng khoán kinh doanh}}{\text{Tổng tài sản}_{it}} \times 100%$$
- $ETA_{it}$ (Equity to Total Assets): Tỷ lệ vốn chủ sở hữu trên tổng tài sản:
$$ETA_{it} = \frac{\text{Vốn chủ sở hữu}{it}}{\text{Tổng tài sản}{it}} \times 100%$$
- $NPL_{it}$ (Non-Performing Loan): Tỷ lệ nợ xấu (nợ nhóm 3, 4, 5 theo quy định NHNN):
$$NPL_{it} = \frac{\text{Tổng nợ xấu (Nhóm 3 + Nhóm 4 + Nhóm 5)}{it}}{\text{Tổng dư nợ cho vay}{it}} \times 100%$$
- $CTI_{it}$ (Cost to Income Ratio): Tỷ lệ chi phí hoạt động trên tổng thu nhập hoạt động:
$$CTI_{it} = \frac{\text{Tổng chi phí hoạt động}{it}}{\text{Tổng thu nhập hoạt động}{it}} \times 100%$$
- $GDP_t$: Tốc độ tăng trưởng tổng sản phẩm quốc nội của Việt Nam tại năm $t$ (Nguồn: World Bank).
- $INF_t$: Tỷ lệ lạm phát đo lường bằng tốc độ tăng chỉ số giá tiêu dùng CPI ($INF_t = \frac{CPI_t - CPI_{t-1}}{CPI_{t-1}} \times 100%$).
- $DUM_t$: Biến giả đại diện cho giai đoạn khủng hoảng tài chính toàn cầu ($DUM = 1$ cho năm 2008 và 2009; $DUM = 0$ cho các năm còn lại).
- $\beta_1$: Hệ số chặn; $\beta_2, \dots, \beta_8$: Các hệ số góc hồi quy; $u_{it} = \alpha_i + \varepsilon_{it}$ là sai số hỗn hợp.
Methodology và Technology Stack
- Công cụ tính toán & xử lý: EViews phiên bản 8.0 (x64) kết hợp Microsoft Excel để làm sạch và tổng hợp dữ liệu thứ cấp từ BCTC kiểm toán (CafeF, Vietstock).
- Quy trình chuẩn hóa 4 bước:
- Thống kê mô tả toàn bộ biến số để nhận diện phân phối dữ liệu và các giá trị ngoại lai (Outliers).
- Ước lượng song song Pooled OLS và Fixed Effects Model (FEM); thực hiện kiểm định Redundant Fixed Effects Likelihood Ratio ($F$-test và $\chi^2$-test).
- Ước lượng Random Effects Model (REM); thực hiện kiểm định tương quan ngẫu nhiên Correlated Random Effects - Hausman Test.
- Chẩn đoán khuyết tật mô hình (Ma trận hệ số tương quan cặp Pearson kiểm tra hiện tượng đa cộng tuyến; Hồi quy phần dư $Phandu(-1)$ kiểm tra hiện tượng tự tương quan).
Implementation và kết quả
Development Process & Testing
Bộ dữ liệu 237 quan sát từ 20 NHTMCP được đưa vào phần mềm EViews 8.0 để chạy ước lượng hồi quy. Dưới đây là đoạn mã giả lập cú pháp lệnh kinh tế lượng thực thi trên EViews:
' =======================================================
' ECONOMETRIC ESTIMATION PIPELINE IN EVIEWS 8.0
' Project: Credit Growth Determinants in Vietnam Banks
' Author: Pham Tri Nghia (Advisor: MSc. Vu Thi Hai Minh)
' =======================================================
' 1. Import and Declare Panel Data Structure (20 Cross-sections, 2006-2017)
pagestruct id cross_id @date(year)
' 2. Descriptive Statistics Summary
freeze(desc_table) @desctable cg lqta eta npl cti gdp inf dum
' 3. Estimate Pooled OLS Model
equation eq_pooled.ls cg c lqta eta npl cti gdp inf dum
' 4. Estimate Fixed Effects Model (FEM) & Test Redundant Fixed Effects
equation eq_fem.ls(cx=f) cg c lqta eta npl cti gdp inf dum
freeze(lr_test) eq_fem.glstest
' 5. Estimate Random Effects Model (REM) & Hausman Specification Test
equation eq_rem.ls(cx=r) cg c lqta eta npl cti gdp inf dum
freeze(hausman_test) eq_rem.hausman
' 6. Residual Diagnostic for Autocorrelation
eq_rem.makeresid res_rem
genr res_lag1 = res_rem(-1)
equation eq_autocorr.ls res_rem c res_lag1 lqta eta npl cti gdp inf dum
Thực nghiệm kiểm định chọn lựa mô hình cho kết quả cụ thể:
- Kiểm định Redundant Fixed Effects (Likelihood Ratio Test): Giá trị $P\text{-value}$ của cả hai kiểm định thống kê $F$ và $\chi^2$ (Cross-section Chi-square) đều đạt $< 0.05$. Bác bỏ giả thuyết $H_0$ (cho rằng hệ số chặn giữa các ngân hàng là bằng nhau). Kết luận: Mô hình FEM hoặc REM vượt trội hoàn toàn so với Pooled OLS.
- Kiểm định Correlated Random Effects (Hausman Test): Giả thuyết $H_0$: Không có tương quan giữa sai số cá thể và các biến giải thích ($Cov(\alpha_i, X_{it}) = 0$). Kết quả kiểm định cho $Prob(\chi^2) = 1.0000 > 0.05$. Do đó, không có cơ sở bác bỏ $H_0$. Mô hình Random Effects Model (REM) là mô hình tối ưu nhất.
- Kiểm định đa cộng tuyến: Ma trận tương quan chỉ ra các hệ số tương quan cặp giữa tất cả các biến độc lập đều dao động trong khoảng an toàn ($|r| < 0.80$), không có hiện tượng đa cộng tuyến nghiêm trọng.
- Kiểm định tự tương quan phần dư: Biến trễ phần dư $Phandu(-1)$ trong phương trình kiểm định phụ cho giá trị $P\text{-value} = 0.96 > 0.10$, chứng minh mô hình không vi phạm hiện tượng tự tương quan bậc nhất.
Kết quả đạt được
Bảng tổng hợp kết quả hồi quy mô hình REM cuối cùng với biến phụ thuộc Tăng trưởng tín dụng ($CG$):
| Tên biến |
Ký hiệu |
Hệ số hồi quy ($\beta$) |
Sai số chuẩn (Std. Error) |
Mức ý nghĩa thống kê ($P\text{-value}$) |
Chiều tác động thực nghiệm |
Phù hợp kỳ vọng |
| Hệ số chặn |
$C$ |
-1.350930 |
0.384210 |
0.0005 |
Âm |
- |
| Tỷ lệ nợ xấu |
$NPL$ |
-6.125915 |
1.842105 |
0.0010 (***) |
Ngược chiều |
Phù hợp (-) |
| Tính thanh khoản |
$LQTA$ |
+0.933959 |
0.312450 |
0.0031 (***) |
Cùng chiều |
Phù hợp (+) |
| Tỷ lệ vốn chủ sở hữu |
$ETA$ |
+0.916788 |
0.512300 |
0.0752 (*) |
Cùng chiều |
Phù hợp (+) |
| Chi phí / Thu nhập |
$CTI$ |
-0.850417 |
0.298120 |
0.0048 (***) |
Ngược chiều |
Phù hợp (-) |
| Tăng trưởng GDP |
$GDP$ |
+30.68039 |
6.124500 |
0.0000 (***) |
Cùng chiều |
Phù hợp (+) |
| Tỷ lệ lạm phát |
$INF$ |
-1.461316 |
0.812400 |
0.0735 (*) |
Ngược chiều |
Phù hợp (-) |
| Biến giả khủng hoảng |
$DUM$ |
+0.261251 |
0.134100 |
0.0528 (*) |
Cùng chiều |
Phù hợp (+) |
(Ghi chú: (), (), () tương ứng mức ý nghĩa 1%, 5%, và 10%)
Các chỉ số chất lượng mô hình (Model Goodness-of-Fit):
- Hệ số xác định $R^2 = 0.199070$ (Mô hình giải thích được 19,91% sự biến thiên của tốc độ tăng trưởng tín dụng).
- $R^2$ hiệu chỉnh (Adjusted $R^2$) = 0.174588.
- Thống kê $F\text{-statistic} = 8.12$, giá trị $\text{Prob}(F\text{-statistic}) = 0.000000$ (Mô hình hồi quy có ý nghĩa tổng thể ở mức tin cậy 99,99%).
Phương trình hồi quy chuẩn tắc được xác lập:
$$\widehat{CG} = -1.350930 - 6.125915 \times NPL + 0.933959 \times LQTA + 0.916788 \times ETA - 0.850417 \times CTI + 30.68039 \times GDP - 1.461316 \times INF + 0.261251 \times DUM$$
Đổi mới và đóng góp
Nghiên cứu mang lại những đóng góp học thuật và thực tiễn đáng kể khi so sánh với các công trình trước đây:
- Chuỗi dữ liệu 12 năm bao quát chu kỳ kinh tế đầy đủ: Khác với nghiên cứu của Nguyễn Thùy Dương & Trần Hải Yến (2011) chỉ lấy số liệu 3 quý năm 2011 hoặc Nguyễn Chánh Nghĩa (2015) chỉ nghiên cứu đơn lẻ tại Vietcombank, công trình này khảo sát 20 NHTMCP xuyên suốt giai đoạn 2006–2017 (bao gồm trước, trong và sau khủng hoảng tài chính toàn cầu 2008–2009).
- Lượng hóa thực nghiệm biến giả khủng hoảng ($DUM_{2008-2009}$): Khẳng định tác động dương ($\beta = +0.261251$, $p < 0.10$). Kết quả này phản ánh chân thực các gói kích cầu kinh tế và chính sách tiền tệ mở rộng của Việt Nam trong năm 2009 nhằm ngăn chặn đà suy thoái, tương đồng với phát hiện của Guodong Chen & Yi Wu (2014) tại các thị trường mới nổi.
- Chứng minh vai trò của biến hiệu quả chi phí ($CTI$): Việc bổ sung biến $CTI$ ($\beta = -0.850417$, $p < 0.01$) kế thừa từ Natalia Tamirisa & Deniz Igan (2007) đã chứng minh rằng các ngân hàng có bộ máy cồng kềnh, chi phí quản lý vận hành cao sẽ bị suy giảm khả năng mở rộng quy mô tín dụng an toàn.
- Mức độ tác động cực lớn của tỷ lệ nợ xấu ($NPL$): Với hệ số $\beta = -6.125915$, nợ xấu là nhân tố vi mô cản trở tăng trưởng tín dụng mạnh mẽ nhất. Khi tỷ lệ nợ xấu tăng thêm 1%, tốc độ tăng trưởng tín dụng bị sụt giảm tới 6,13% do ngân hàng phải trích lập dự phòng rủi ro và thắt chặt tiêu chuẩn cho vay.
Ứng dụng thực tế và triển khai
Kết quả định lượng từ mô hình cung cấp cơ sở khoa học để thiết kế các chính sách phân bổ nguồn lực và quản trị ngân hàng thực tế:
Đối với các Ngân hàng Thương mại Cổ phần
- Kiểm soát chất lượng danh mục cho vay ($NPL$): Xây dựng hệ thống xếp hạng tín dụng nội bộ tự động, sàng lọc kỹ lưỡng phương án vay vốn để duy trì tỷ lệ nợ xấu dưới ngưỡng 2% (trung bình mẫu đạt 2,05%).
- Tối ưu hóa cấu trúc chi phí ($CTI$): Chuyển đổi số quy trình phê duyệt tín dụng, tinh giản chi phí nhân sự và vận hành nhằm kéo giảm chỉ số $CTI$ về dưới mức trung bình toàn ngành (48,16%).
- Duy trì tỷ lệ tài sản thanh khoản ($LQTA$): Tỷ lệ thanh khoản cao ($\beta = +0.933959$) giúp ngân hàng chủ động giải ngân khi khách hàng có nhu cầu đột biến. Cần cân đối tỷ lệ $LQTA$ quanh mức 38% để không làm lãng phí chi phí cơ hội của dòng vốn.
- Nâng cao năng lực vốn chủ sở hữu ($ETA$): Tăng cường phát hành cổ phiếu, giữ lại lợi nhuận để nâng tỷ lệ $ETA$ (trung bình đạt 11,54%), vừa đáp ứng tiêu chuẩn Basel II vừa mở rộng trần cấp tín dụng cho một khách hàng.
Đối với Ngân hàng Nhà nước (NHNN)
- Phân bổ hạn mức (Room) tín dụng dựa trên "sức khỏe" tài chính: Sử dụng các trọng số định lượng từ mô hình ($NPL, LQTA, ETA, CTI$) để chấm điểm và phân bổ chỉ tiêu tăng trưởng tín dụng hàng năm một cách minh bạch cho từng NHTMCP.
- Điều hành chính sách tiền tệ linh hoạt: Theo dõi sát biến động tăng trưởng $GDP$ ($\beta = +30.68$) và lạm phát $INF$ ($\beta = -1.46$). Trong bối cảnh áp lực lạm phát gia tăng, cần thắt chặt cung tiền có kiểm soát để tránh gây sốc thanh khoản cho hệ thống ngân hàng thương mại.
Hạn chế và hướng phát triển
Dù đạt được các kết quả thực nghiệm tin cậy, đề tài vẫn tồn tại một số giới hạn học thuật:
- Hệ số $R^2$ ở mức 19,91%: Cho thấy còn khoảng 80,09% sự biến thiên của tăng trưởng tín dụng chịu ảnh hưởng bởi các yếu tố khác chưa được đưa vào mô hình như: Chênh lệch lãi suất huy động - cho vay (NIM), Mức cung tiền $M_2$, Tỷ giá hối đoái, Quy mô tài sản (Size), và Nợ xấu tiềm ẩn đã bán cho VAMC.
- Dữ liệu bảng không cân bằng (Unbalanced): Ngân hàng Bản Việt (Vietcapital Bank) bị khuyết số liệu các năm 2008, 2015, 2016 do không công bố đầy đủ BCTC.
- Bản chất tĩnh của mô hình REM: Chưa xử lý được hiện tượng nội sinh (Endogeneity) nếu tốc độ tăng trưởng tín dụng năm trước ($CG_{t-1}$) có tác động trễ đến năm sau.
Hướng mở rộng nghiên cứu tiếp theo:
- Áp dụng phương pháp ước lượng System GMM hai bước (Arellano-Bond) để kiểm định mô hình hồi quy động với biến trễ $CG_{it-1}$.
- Mở rộng mẫu nghiên cứu bao gồm toàn bộ 31 NHTMCP tại Việt Nam và kéo dài chuỗi dữ liệu đến giai đoạn hậu đại dịch COVID-19 (2018–2024).
- Tích hợp thêm các biến cấu trúc thị trường: Tỷ trọng cho vay bất động sản/tiêu dùng và mức độ chuyển đổi số ngân hàng.
Đối tượng hưởng lợi
- Sinh viên & Học viên Cao học Tài chính - Ngân hàng: Cung cấp tài liệu tham khảo hoàn chỉnh về quy trình xây dựng mô hình dữ liệu bảng, phương pháp chạy EViews 8.0, và cách biện luận các kiểm định kinh tế lượng (Likelihood Ratio, Hausman).
- Chuyên viên Phân tích Dữ liệu & Nghiên cứu Thị trường (Data/Financial Analysts): Cung cấp bộ thông số ước lượng thực nghiệm chuẩn xác về phản ứng của tín dụng đối với các cú sốc vĩ mô ($GDP, INF$).
- Hội đồng Quản trị & Ban Điều hành NHTMCP (ALCO / Risk Management): Cung cấp công thức định lượng để lập kế hoạch kinh doanh hàng năm, dự báo tăng trưởng dư nợ tương ứng với kế hoạch vốn và kiểm soát chi phí.
- Cơ quan Quản lý Nhà nước (NHNN, Ủy ban Giám sát Tài chính Quốc gia): Cung cấp bằng chứng thực nghiệm phục vụ công tác hoạch định chính sách tiền tệ và thanh tra, giám sát an toàn vĩ mô.
Câu hỏi thường gặp (FAQ)
1. Dữ liệu bảng không cân bằng (Unbalanced Panel Data) có làm sai lệch kết quả ước lượng không?
Không. Với số lượng 237 quan sát trên tổng số 240 quan sát lý thuyết (đạt tỷ lệ 98,75%), phần mềm EViews 8.0 sử dụng các thuật toán hiệu chỉnh ma trận hiệp phương phương sai phù hợp cho dữ liệu bảng không cân bằng. Các kiểm định $F$ và Hausman đều cho kết quả vững (robust), đảm bảo tính tin cậy của các hệ số hồi quy.
2. Tại sao kiểm định Hausman lại cho Prob = 1.0000 và ý nghĩa của kết quả này là gì?
Giá trị $\text{Prob} = 1.0000 > 0.05$ trong kiểm định Hausman chỉ ra rằng không có bất kỳ bằng chứng thống kê nào cho thấy sự tồn tại của mối tương quan giữa các biến giải thích ($X_{it}$) và thành phần ngẫu nhiên cá thể ($\alpha_i$). Điều này khẳng định ước lượng của mô hình Random Effects Model (REM) là không thiên lệch, nhất quán và có hiệu quả thống kê cao hơn Fixed Effects Model (FEM).
3. Tại sao biến giả khủng hoảng kinh tế (DUM) lại có hệ số dương (+0.261251)?
Hệ số dương này phản ánh thực tế chính sách tiền tệ của Việt Nam trong giai đoạn 2008–2009: Để đối phó với nguy cơ suy thoái kinh tế toàn cầu, Chính phủ và NHNN đã triển khai gói hỗ trợ lãi suất 4% và nới lỏng cung tiền, dẫn đến tốc độ tăng trưởng tín dụng năm 2009 bùng nổ mạnh mẽ (đạt gần 37,73% toàn ngành).
4. Chi phí trên thu nhập (CTI) tác động thế nào đến khả năng cấp tín dụng?
Chỉ số $CTI$ thể hiện hiệu quả quản trị chi phí của ngân hàng ($\beta = -0.850417$). Khi $CTI$ cao, biên lợi nhuận bị thu hẹp, khả năng tích lũy vốn tự có để đáp ứng các tiêu chuẩn an toàn vốn giảm sút, từ đó cản trở trực tiếp năng lực mở rộng quy mô tín dụng của NHTMCP.
5. Yêu cầu phần mềm và kỹ thuật để tái lập mô hình này là gì?
Người nghiên cứu cần cài đặt EViews phiên bản 8.0 trở lên hoặc sử dụng gói thư viện plm trong ngôn ngữ lập trình R / xtreg trong Stata. Dữ liệu đầu vào cần được tổ chức theo định dạng bảng chuẩn gồm 3 cột định danh chính: Bank_ID, Year, và các cột chỉ tiêu tài chính trích xuất từ BCTC kiểm toán.
Kết luận
Khóa luận tốt nghiệp của tác giả Phạm Trí Nghĩa (Trường Đại học Ngân hàng TP. Hồ Chí Minh) đã giải quyết thành công bài toán lượng hóa các yếu tố tác động đến tăng trưởng tín dụng tại 20 NHTMCP Việt Nam giai đoạn 2006–2017. Bằng việc ứng dụng mô hình hồi quy dữ liệu bảng ngẫu nhiên (REM) đã qua kiểm định khuyết tật nghiêm ngặt trên EViews 8.0, nghiên cứu đã chứng minh:
- Tác động tích cực (+): Tốc độ tăng trưởng $GDP$ ($\beta = +30.68$), Tính thanh khoản $LQTA$ ($\beta = +0.93$), Vốn chủ sở hữu $ETA$ ($\beta = +0.92$), và Biến giả mở rộng tiền tệ $DUM$ ($\beta = +0.26$).
- Tác động tiêu cực (-): Tỷ lệ nợ xấu $NPL$ ($\beta = -6.13$), Tỷ lệ lạm phát $INF$ ($\beta = -1.46$), và Tỷ lệ chi phí trên thu nhập $CTI$ ($\beta = -0.85$).
Công trình không chỉ mang lại giá trị học thuật kinh tế lượng vững chắc mà còn cung cấp cẩm nang tham chiếu thực tiễn cho các nhà quản trị ngân hàng trong việc tối ưu hóa danh mục tín dụng, kiểm soát nợ xấu và nâng cao hiệu quả hoạt động theo chuẩn mực quốc tế.
