Giới thiệu dự án

Thị trường tài chính – ngân hàng Việt Nam trong giai đoạn tái cấu trúc 2009 – 2018 chứng kiến những biến động phức tạp về rủi ro thanh khoản (Liquidity Risk - LR) và rủi ro tín dụng (Credit Risk - CR). Cuộc khủng hoảng tài chính toàn cầu 2007–2008 và làn sóng nợ xấu nội bảng giai đoạn 2011–2013 tại Việt Nam (nợ xấu toàn hệ thống có thời điểm vượt ngưỡng báo động 4.0%) đã cho thấy sự sụp đổ của một tổ chức tín dụng thường bắt nguồn từ sự kích hoạt đồng thời của hai loại rủi ro trọng yếu này.

  • Vấn đề cốt lõi (Problem Statement): Phần lớn các mô hình quản trị rủi ro truyền thống tại các ngân hàng thương mại (NHTM) Việt Nam xử lý rủi ro tín dụng và rủi ro thanh khoản như hai thực thể tách biệt (silo approach). Việc thiếu vắng cái nhìn hệ thống về tính nội sinh và mối quan hệ tương hỗ hai chiều giữa CR và LR dẫn đến tình trạng các ngân hàng đánh giá sai lệch biên độ rủi ro tổng hợp, tạo ra hiện tượng đứt gãy thanh khoản đột ngột khi nợ xấu gia tăng và ngược lại.
  • Mục tiêu dự án:
    1. Định lượng hóa mối quan hệ tác động qua lại hai chiều giữa rủi ro tín dụng và rủi ro thanh khoản tại hệ thống NHTM Việt Nam.
    2. Kiểm định các hiệu ứng lan truyền (spillover effects) và độ trễ phản ứng đẩy (Impulse Response Functions - IRF) của các cú sốc rủi ro trong dài hạn.
    3. Đánh giá vai trò của các biến kiểm soát nội tại (quy mô tài sản, đa dạng hóa thu nhập HHI, cấu trúc tài trợ DTL, tỷ lệ vốn chủ sở hữu EQUITY, tỷ suất sinh lời ROA) và biến kinh tế vĩ mô (tăng trưởng GDP, lạm phát INF).
    4. Xây dựng khung khuyến nghị chính sách định lượng phục vụ công tác giám sát an toàn vĩ mô của Ngân hàng Nhà nước (NHNN) và chiến lược quản trị rủi ro thanh khoản - tín dụng đồng thời theo chuẩn Basel II/Basel III.
  • Phương pháp tiếp cận: Sử dụng mô hình Tự hồi quy Vector dữ liệu bảng (Panel Vector Autoregression - Panel VAR) kết hợp với các kỹ thuật hồi quy bảng tĩnh (Pooled OLS, Fixed Effects Model - FEM, Random Effects Model - REM) và ước lượng Bình phương nhỏ nhất tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục hiện tượng phương sai sai số thay đổi và tự tương quan.
  • Kết quả kỳ vọng: Xác lập bằng chứng thực nghiệm về quan hệ nhân quả hai chiều Granger giữa CR và LR; đo lường chính xác thời gian trễ hấp thụ cú sốc rủi ro (1–3 năm); đưa ra bộ chỉ số định lượng giúp tối ưu hóa hệ số an toàn vốn (CAR) và tỷ lệ tạo thanh khoản.
  • Phạm vi và giới hạn: Mẫu dữ liệu bảng cân đối gồm 30 NHTM cổ phần và NHTM Nhà nước tại Việt Nam trong giai đoạn 10 năm liên tục từ 2009 đến 2018 (300 quan sát năm-ngân hàng). Nghiên cứu không bao gồm các chi nhánh ngân hàng nước ngoài và tổ chức tài chính vi mô phi ngân hàng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng khung lượng lượng kinh tế, các công trình nghiên cứu trong và ngoài nước đã đưa ra nhiều kết quả không đồng nhất do sự khác biệt về mẫu và kỹ thuật ước lượng:

Công trình / Giải pháp Phương pháp tiếp cận Ưu điểm Hạn chế / Điểm nghẽn
Imbierowicz & Rauch (2014) (Mỹ) Logistic đa biến, dữ liệu NHTM Mỹ (1998–2010) Phát hiện tương tác cộng hưởng giữa CR và LR đến xác suất vỡ nợ. Không đưa các biến kinh tế vĩ mô vào mô hình; bỏ qua kiểm định đồng liên kết dữ liệu bảng.
Võ Xuân Vinh & Mai Xuân Đức (2017) (Việt Nam) Hồi quy bảng tĩnh (OLS, FEM, REM), 35 NHTM (2009–2015) Xác định vai trò của sở hữu nước ngoài đến việc giảm thiểu LR. Chưa giải quyết triệt để tính nội sinh đồng thời giữa CR và LR; khung thời gian ngắn.
Mai Thị Phương Thúy (2019) (Việt Nam) Dữ liệu Bankscope, 9 NHTM niêm yết (2007–2017) Đưa ra mối quan hệ cùng chiều sơ bộ giữa CR và LR. Cỡ mẫu quá nhỏ (9 ngân hàng lớn), thiếu tính đại diện toàn diện cho hệ thống NHTM Việt Nam.
Mô hình nghiên cứu đề xuất Panel VAR + FGLS, 30 NHTM toàn diện (2009–2018) Kiểm soát tính nội sinh, kiểm định nhân quả Dumitrescu-Hurlin, mô hình hóa hàm phản ứng đẩy IRF. Đòi hỏi dữ liệu chuỗi thời gian cân bằng (balanced panel) và kiểm định tính dừng nghiêm ngặt.

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must-have: Kiểm định tính dừng đa biến bảng (LLC, IPS test), kiểm định đồng liên kết Kao Cointegration, kiểm định nhân quả Wald Test (Dumitrescu & Hurlin), ước lượng Panel VAR bậc trễ $p=1$.
  • Should-have: Mô hình hồi quy bảng OLS/FEM/REM có kiểm định Modified Wald Test (kiểm tra phương sai sai số thay đổi) và Wooldridge Test (kiểm tra tự tương quan), khắc phục bằng FGLS.
  • Could-have: Mô phỏng phản ứng xung trực giao (Orthogonalized Impulse Response Functions - OIRF) và phân rã phương sai sai số dự báo (FEVD).
  • Won't-have: Mô hình Dynamic Stochastic General Equilibrium (DSGE) phi tuyến tính phức hợp trong giai đoạn hiện tại.

Thiết kế hệ thống mô hình định lượng

Kiến trúc luồng xử lý và đường ống dữ liệu kinh tế lượng được thiết kế theo cấu trúc chuẩn:

[Thu thập BCTC kiểm toán & Báo cáo thường niên (30 NHTM: 2009-2018)]
[Chuẩn hóa dữ liệu bảng & Trích xuất biến (CR, LR, HHI, SIZE, ROA, DTL, EQUITY, GDP, INF)]
                  [Tổng hợp kết quả & Đề xuất kiến nghị]

Công nghệ và công cụ sử dụng

  • Phần mềm phân tích chính: EViews phiên bản 10.0 Enterprise, Stata phiên bản 15.1 SE.
  • Môi trường tái lập dữ liệu (Replication Stack): Python 3.10 (pandas 2.1.0, statsmodels 0.14.0, linearmodels 5.3).
  • Cơ sở dữ liệu nguồn: Báo cáo tài chính hợp nhất kiểm toán của 30 NHTM giai đoạn 2009–2018 (300 quan sát cân bằng), Niên giám Thống kê Tổng cục Thống kê (GSO), Báo cáo thường niên Ngân hàng Nhà nước Việt Nam, World Bank Open Data.
  • Chuẩn mực an toàn thông tin & Toàn vẹn dữ liệu: Toàn bộ dữ liệu tài chính được đối soát chéo độc lập từ 2 nguồn (BCTC công bố trên cổng thông tin HOSE/HNX/OTC và FiinPro Platform), mã hóa định danh ngân hàng bằng chuỗi ID chuẩn hóa để loại trừ thiên lệch quan sát.

Methodology

Quy trình nghiên cứu định lượng tuân thủ nghiêm ngặt phương pháp luận kinh tế lượng thực nghiệm:

  1. Giai đoạn 1 (Milestone M1 - Thu thập & Tiền xử lý): Thu thập các khoản mục bảng cân đối kế toán và báo cáo kết quả hoạt động kinh doanh; tính toán các biến phụ thuộc và độc lập.
  2. Giai đoạn 2 (Milestone M2 - Kiểm định thuộc tính dừng & Đồng liên kết): Đánh giá tính dừng ở sai phân bậc 1 $\Delta Y_{it} \sim I(1)$ để tránh hiện tượng hồi quy giả mạo (spurious regression).
  3. Giai đoạn 3 (Milestone M3 - Ước lượng Panel VAR & Phân tích động): Thiết lập hệ phương trình đồng thời, kiểm định quan hệ nhân quả hai chiều và tính toán phản ứng đẩy xung chấn trong thời gian 5 chu kỳ.
  4. Giai đoạn 4 (Milestone M4 - Kiểm định độ bền vững bằng Hồi quy bảng tĩnh & FGLS): Hồi quy OLS, FEM, REM; chạy kiểm định Breusch-Pagan Lagrange Multiplier, kiểm định Hausman, kiểm định đa cộng tuyến (VIF); áp dụng FGLS để triệt tiêu phương sai thay đổi và tự tương quan.

Implementation và kết quả

Development process

1. Đặc tả toán học các mô hình kinh tế lượng

  • Phương trình tổng quát Panel VAR (theo Love & Zicchino, 2006): $$Y_{it} = A_0 + A_1 Y_{i,t-1} + \mu_i + e_{it}$$ Trong đó $Y_{it} = [LR_{it}, CR_{it}]'$, $A_1$ là ma trận hệ số kích thước $2 \times 2$, $\mu_i$ là vector hiệu ứng cố định của từng ngân hàng nhằm kiểm soát các đặc tính bất biến không quan sát được theo thời gian.

  • Hệ phương trình hồi quy dữ liệu bảng tĩnh có biến kiểm soát: $$\begin{aligned} LR_{it} &= \alpha_0 + \beta_1 CR_{it} + \beta_2 CR_{i,t-1} + \beta_3 LR_{i,t-1} + \sum_{k=1}^m \gamma_k X_{k,it} + \varepsilon_{it} \quad (1) \ CR_{it} &= \theta_0 + \delta_1 LR_{it} + \delta_2 LR_{i,t-1} + \delta_3 CR_{i,t-1} + \sum_{k=1}^m \lambda_k X_{k,it} + \nu_{it} \quad (2) \end{aligned}$$

  • Đo lường biến số kỹ thuật:

    • Rủi ro tín dụng ($CR_{it}$): Tỷ lệ trích lập dự phòng rủi ro tín dụng trên tổng dư nợ cho vay: $$CR_{it} = \frac{\text{Dự phòng RRTD}{it}}{\text{Tổng dư nợ cho vay}{it}}$$
    • Rủi ro thanh khoản ($LR_{it}$): Tỷ lệ dư nợ cho vay trên tổng tài sản (Loan-to-Asset Ratio): $$LR_{it} = \frac{\text{Dư nợ cho vay}{it}}{\text{Tổng tài sản}{it}}$$
    • Đa dạng hóa thu nhập ($HHI_{it}$): Chỉ số Herfindahl-Hirschman chuẩn hóa: $$HHI_{it} = 1 - \left[ \left(\frac{NON_{it}}{NETOP_{it}}\right)^2 + \left(\frac{NET_{it}}{NETOP_{it}}\right)^2 \right]$$ (Trong đó $NET$ là thu nhập lãi thuần, $NON$ là thu nhập ngoài lãi thuần, $NETOP = NET + NON$; giá trị $HHI \in [0, 0.5]$).
    • Biến quy mô ($SIZE_{it}$): $SIZE_{it} = \ln(\text{Tổng tài sản}_{it})$.
    • Biến tỷ lệ vốn ($EQUITY_{it}$): $EQUITY_{it} = \frac{\text{Vốn chủ sở hữu}{it}}{\text{Tổng tài sản}{it}}$.
    • Cấu trúc tài trợ ($DTL_{it}$): $DTL_{it} = \frac{\text{Tiền gửi khách hàng}{it}}{\text{Tổng nợ phải trả}{it}}$.
    • Hiệu quả sinh lời ($ROA_{it}$): $ROA_{it} = \frac{\text{Lợi nhuận sau thuế}{it}}{\text{Tổng tài sản}{it}}$.

2. Kịch bản triển khai phân tích trên EViews / Stata

* Thiết lập cấu trúc Panel Data
tsset bank_id year

* 1. Kiểm định nghiệm đơn vị bảng (Panel Unit Root Test)
xtunitroot llc d.CR, demean
xtunitroot ips d.CR, demean
xtunitroot llc d.LR, demean
xtunitroot ips d.LR, demean

* 2. Kiểm định đồng liên kết Kao (1999)
xtcointtest kao CR LR

* 3. Ước lượng Panel VAR và Hàm phản ứng xung (IRF)
pvar CR LR, lags(1)
pvarirf, impulse(CR LR) response(CR LR) step(5)

* 4. Hồi quy tĩnh và Khắc phục phương sai thay đổi bằng FGLS
xtreg LR CR L.CR L.LR HHI SIZE EQUITY DTL NPL ROA GDP INF, fe
xttest3 // Kiểm định phương sai thay đổi
xtserial LR CR HHI SIZE EQUITY DTL NPL ROA GDP INF // Kiểm định tự tương quan
xtgls LR CR L.CR L.LR HHI SIZE EQUITY DTL NPL ROA GDP INF, panels(hetero) corr(ar1)

Testing và validation

1. Thống kê mô tả các biến số nghiên cứu (N = 300)

Dữ liệu mẫu 30 NHTM Việt Nam (2009–2018) thể hiện các đặc trưng phân phối như sau:

Biến số Ký hiệu Giá trị TB (Mean) Độ lệch chuẩn (Std.) Giá trị nhỏ nhất (Min) Giá trị lớn nhất (Max)
Rủi ro tín dụng $CR$ 0.0053 (0.53%) 0.0031 0.0001 0.0188
Rủi ro thanh khoản $LR$ 0.5646 (56.46%) 0.1259 0.1721 0.8164
Đa dạng hóa thu nhập $HHI$ -0.0520 0.4421 -1.5000 0.5000
Quy mô ngân hàng $SIZE$ 7.9400 0.5900 6.5400 9.1077
Vốn chủ sở hữu $EQUITY$ 0.0963 (9.63%) 0.0682 0.0310 0.7200
Cấu trúc tài trợ $DTL$ 0.8190 (81.90%) 0.0812 0.8282 0.9857
Lợi nhuận ròng $ROA$ 0.0075 (0.75%) 0.0071 -0.0551 0.0473
Tăng trưởng GDP $GDP$ 11.1311 0.1245 10.8900 11.3797
Tỷ lệ lạm phát $INF$ 0.0649 (6.49%) 0.0484 0.0063 0.1858

2. Kết quả kiểm định nghiệm đơn vị bảng (Panel Unit Root Test)

Kết quả kiểm tra tại sai phân bậc 1 cho thấy cả $CR$ và $LR$ đều dừng ở mức ý nghĩa 1%:

  • Biến $CR$: Kiểm định LLC đạt Statistic = -3.8421 ($p = 0.0001$); Kiểm định IPS đạt Statistic = -3.5124 ($p = 0.0002$).
  • Biến $LR$: Kiểm định LLC đạt Statistic = -2.3948 ($p = 0.0083$); Kiểm định IPS đạt Statistic = -3.1205 ($p = 0.0009$).
  • Kết luận: Bác bỏ giả thuyết $H_0$ chứa nghiệm đơn vị, chuỗi dữ liệu đạt tính dừng $\Delta Y_{it} \sim I(1)$.

3. Kết quả kiểm định đồng liên kết (Kao Panel Co-integration Test)

  • Thống kê Kao ADF: $t\text{-statistic} = -2.2690$ ($p\text{-value} = 0.0116$).
  • Kết luận: Tại mức ý nghĩa 5%, bác bỏ giả thuyết $H_0$ không có đồng liên kết. Tồn tại mối quan hệ cân bằng dài hạn vững chắc giữa rủi ro tín dụng và rủi ro thanh khoản.

4. Phân tích quan hệ nhân quả hai chiều (Dumitrescu & Hurlin Wald Test)

  • Cặp kiểm định 1 ($H_0$: LR does not cause CR): W-bar Stat = 3.9142, Z-bar Stat = 4.8120 ($p\text{-value} = 0.0000$). $\Rightarrow$ Bác bỏ $H_0$.
  • Cặp kiểm định 2 ($H_0$: CR does not cause LR): W-bar Stat = 3.2415, Z-bar Stat = 3.9051 ($p\text{-value} = 0.0000$). $\Rightarrow$ Bác bỏ $H_0$.
  • Kết luận: Khẳng định mối quan hệ nhân quả hai chiều đồng thời (bidirectional causality) giữa rủi ro thanh khoản và rủi ro tín dụng.

Kết quả đạt được

                       BẢNG TỔNG HỢP KẾT QUẢ HỒI QUY FGLS
Ghi chú: *** p<0.01, ** p<0.05, * p<0.1.
  1. Tính tác động tương hỗ: Rủi ro tín dụng làm tăng rủi ro thanh khoản ($\beta = +0.0418, p < 0.05$) và ngược lại rủi ro thanh khoản tác động dương trực tiếp lên rủi ro tín dụng ($\delta = +0.0215, p < 0.05$).
  2. Động thái phản ứng đẩy (Impulse Response):
    • Khi xảy ra cú sốc 1 đơn vị độ lệch chuẩn từ rủi ro tín dụng ($CR$), rủi ro thanh khoản ($LR$) chịu tác động âm trong 2 năm đầu (do ngân hàng lập tức siết chặt giải ngân), sau đó bật tăng mạnh và tái thiết lập cân bằng mới ở năm thứ 3.
    • Khi có cú sốc từ rủi ro thanh khoản ($LR$), rủi ro tín dụng ($CR$) lập tức tăng vọt và xác lập trạng thái cân bằng rủi ro cao mới ngay tại năm thứ 2.
  3. Tác động của biến kiểm soát:
    • Quy mô ($SIZE$): Tác động cùng chiều lên cả $LR$ ($\beta = +0.0315$) và $CR$ ($\lambda = +0.0018$), minh chứng cho giả thuyết "Quá lớn để sụp đổ" (Too Big To Fail), thúc đẩy hành vi chấp nhận rủi ro cao hơn ở các ngân hàng lớn.
    • Vốn chủ sở hữu ($EQUITY$): Giúp đệm thanh khoản vững chắc làm giảm $LR$ ($\beta = -0.1850$), nhưng có tương quan dương nhẹ với $CR$ do các ngân hàng đệm vốn dày có xu hướng mở rộng danh mục cho vay mạo hiểm.
    • Khả năng sinh lời ($ROA$): Tác động ngược chiều cực mạnh lên $CR$ ($\lambda = -0.0890$), củng cố giả thuyết quản trị chất lượng cao (Bad Management Hypothesis).

Đổi mới và đóng góp

  • Tính đột phá về phương pháp luận tại Việt Nam: Khác biệt với các nghiên cứu trước đây chỉ sử dụng hồi quy OLS/FEM tĩnh (như Võ Xuân Vinh & Mai Xuân Đức 2017) hoặc cỡ mẫu hạn hẹp (Mai Thị Phương Thúy 2019), đồ án này ứng dụng tích hợp cấu trúc Panel VAR cùng kiểm định phi nhân quả Dumitrescu-Hurlin (2012). Phương pháp này giải quyết triệt để vấn đề nội sinh tiềm ẩn, tính không đồng nhất chéo và độ trễ phản ứng đẩy giữa các loại rủi ro.
  • Bổ sung biến đo lường cấu trúc thu nhập $HHI$: Nghiên cứu tiên phong lượng hóa chỉ số tập trung/đa dạng hóa thu nhập Herfindahl-Hirschman ($HHI \in [-1.5, 0.5]$) vào hàm tương tác rủi ro. Kết quả chỉ ra nghịch lý: đa dạng hóa sang thu nhập phi tín dụng không có sự kiểm soát chặt chẽ làm tăng rủi ro thanh khoản thêm 2.41% ($p = 0.022$).
  • Bằng chứng định lượng về tính trễ: Xác định được "cửa sổ vàng can thiệp" (intervention window) kéo dài 2 năm trước khi một cú sốc rủi ro thanh khoản chuyển hóa hoàn toàn thành nợ xấu thực tế trên bảng cân đối kế toán.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong hệ thống Ngân hàng

                KIẾN TRÚC HỆ THỐNG GIÁM SÁT RỦI RO KÉP (CR-LR DUAL MONITOR)
  1. Tích hợp vào Khung Quản trị Thanh khoản Nội bộ (ILAAP) & ICAAP: Các NHTM có thể tích hợp trực tiếp ma trận phản ứng đẩy IRF của đồ án vào mô hình Stress-Testing nhằm mô phỏng kịch bản rút tiền gửi hàng loạt kích hoạt sự suy thoái tín dụng.
  2. Ứng dụng đối với Cơ quan Quản lý (NHNN):
    • Thiết lập ngưỡng giám sát an toàn vĩ mô kép cho tỷ lệ dư nợ trên tổng tiền gửi (LDR $\le 85%$) gắn liền với tỷ lệ nợ xấu nội bảng (NPL $< 2%$).
    • Điều tiết linh hoạt van tín dụng theo chu kỳ kinh tế thông qua dự phòng rủi ro nghịch chu kỳ (Countercyclical Capital Buffer - CCyB).
  3. Tối ưu hóa Chi phí - Lợi ích (ROI & Risk Mitigation):
    • Giảm thiểu chi phí tái cấp vốn khẩn cấp từ thị trường liên ngân hàng ước tính từ 15–25% thông qua việc dự báo chính xác áp lực thanh khoản từ danh mục nợ quá hạn.
    • Tối ưu hóa đệm vốn an toàn cấp 1 và cấp 2, tránh tình trạng ứ đọng vốn khả dụng quá mức gây sụt giảm chỉ số ROA.

Hạn chế và hướng phát triển

  • Hạn chế về dữ liệu: Nghiên cứu sử dụng dữ liệu báo cáo tài chính hàng năm (annual data). Khoảng cách dữ liệu 1 năm chưa bắt trọn hoàn toàn các biến động thanh khoản biến thiên liên tục theo ngày/tháng trên thị trường liên ngân hàng.
  • Hạn chế về cấu trúc chỉ số: Chỉ số $CR$ đo lường qua tỷ lệ trích lập dự phòng chịu ảnh hưởng nhất định bởi chính sách kế toán chủ quan của ban điều hành từng ngân hàng.
  • Hướng nghiên cứu mở rộng:
    1. Ứng dụng dữ liệu tần suất cao theo quý kết hợp thuật toán Machine Learning (XGBoost, Dynamic Panel LSTM) để xây dựng hệ thống cảnh báo sớm (Early Warning System - EWS) đa biến thời gian thực.
    2. Mở rộng mô hình lượng hóa ảnh hưởng của các chuẩn mực thanh khoản Basel III như Hệ số đảm bảo khả năng thanh khoản (Liquidity Coverage Ratio - LCR) và Tỷ lệ nguồn vốn ổn định ròng (Net Stable Funding Ratio - NSFR).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp mẫu hình nghiên cứu chuẩn mực về ứng dụng kinh tế lượng tài chính thực nghiệm (Panel VAR, FGLS) từ khâu xử lý dữ liệu đến giải trình kết quả.
  • Chuyên viên Phân tích Rủi ro & Quản trị ALM tại NHTM: Nắm bắt cơ chế lan truyền định lượng giữa hai loại rủi ro để thiết lập các ngưỡng kích hoạt cảnh báo sớm (Early Warning Triggers) và kịch bản ứng phó thanh khoản khẩn cấp.
  • Nhà hoạch định chính sách tại Ngân hàng Trung ương: Cung cấp luận cứ thực nghiệm vững chắc để ban hành các quy định an toàn hệ thống, điều hòa cung ứng tiền tệ và kiểm soát nợ xấu liên ngân hàng.
  • Nhà đầu tư & Chuyên viên Phân tích Cổ phiếu Ngân hàng: Bộ chỉ số định lượng giúp bóc tách chất lượng tài sản và độ bền thanh khoản của các ngân hàng niêm yết trên thị trường chứng khoán.

Câu hỏi thường gặp

1. Tại sao nghiên cứu sử dụng tỷ lệ Trích lập dự phòng/Tổng dư nợ thay vì chỉ dùng Tỷ lệ nợ xấu (NPL) để đo lường RRTD?

Tỷ lệ nợ xấu (NPL) thường có độ trễ do chịu sự điều chỉnh của các cơ chế phân loại nợ hoặc tái cơ cấu thời hạn trả nợ. Tỷ lệ trích lập dự phòng ($CR$) phản ánh trực tiếp chi phí thực tế mà ngân hàng phải gánh chịu từ lợi nhuận để dự phòng tổn thất, mang tính chủ động và bao quát toàn diện hơn về tổn thất tín dụng tiềm năng.

2. Mối quan hệ nhân quả hai chiều giữa CR và LR được hiểu trên thực tế như thế nào?

Khi $CR$ tăng (nợ xấu gia tăng), dòng tiền gốc và lãi bị gián đoạn làm sụt giảm nguồn thu tức thời, buộc ngân hàng phải tìm nguồn bù đắp thanh khoản với chi phí cao $\rightarrow$ $LR$ tăng. Ngược lại, khi $LR$ tăng (căng thẳng thanh khoản), ngân hàng có xu hướng nâng lãi suất huy động, dẫn đến tăng lãi suất cho vay $\rightarrow$ người vay chịu áp lực tài chính lớn hơn, gia tăng xác suất vỡ nợ $\rightarrow$ $CR$ tăng.

3. Tại sao đa dạng hóa thu nhập ($HHI$) lại có tác động làm tăng rủi ro thanh khoản trong kết quả nghiên cứu?

Tại thị trường Việt Nam giai đoạn 2009–2018, hoạt động phi tín dụng của phần lớn NHTM chủ yếu tập trung vào môi giới chứng khoán, đầu tư bất động sản hoặc tư vấn phát hành trái phiếu. Đây là các phân khúc có mức độ biến động mạnh, khi thị trường đảo chiều sẽ tạo ra cú sốc rút vốn đột ngột, gây căng thẳng thanh khoản cục bộ.

4. Phương pháp ước lượng FGLS có ưu điểm gì vượt trội so với OLS truyền thống trong đồ án này?

Dữ liệu bảng vi mô của 30 ngân hàng trong 10 năm thường xuyên vi phạm giả định hồi quy cổ điển về phương sai không đổi và không tự tương quan. FGLS ước lượng ma trận hiệp phương sai sai số tổng quát $\Omega$, giúp thu được các ước lượng hệ số không thiên lệch, vững và đạt hiệu quả tiệm cận cao nhất.

5. Khung phân tích này có khả năng mở rộng cho các chỉ số Basel III không?

Hoàn toàn khả thi. Khi hệ thống ngân hàng áp dụng toàn diện Basel III, biến $LR$ có thể được thay thế hoặc chuẩn hóa bằng nghịch đảo của chỉ số LCR ($\text{LCR} = \frac{\text{Tài sản thanh khoản chất lượng cao HQLA}}{\text{Tổng dòng tiền ra ròng trong 30 ngày}}$) và NSFR để đo lường rủi ro thanh khoản cấu trúc dài hạn.

Kết luận

Công trình nghiên cứu tốt nghiệp của tác giả Võ Yến Anh đã giải quyết triệt để bài toán kinh tế lượng về mối quan hệ giữa rủi ro tín dụng và rủi ro thanh khoản tại 30 NHTM Việt Nam giai đoạn 2009–2018. Bằng việc tích hợp đồng bộ mô hình tự hồi quy vector bảng (Panel VAR) và phương pháp hồi quy FGLS, nghiên cứu chứng minh mối quan hệ tác động nhân quả hai chiều cùng chiều vững chắc, xác lập bằng chứng thực nghiệm về độ trễ điều chỉnh rủi ro 2–3 năm.

Những phát hiện định lượng trong đồ án không chỉ đóng góp giá trị học thuật sâu sắc cho lý thuyết tài chính trung gian mà còn cung cấp cơ sở thực tiễn quan trọng cho NHNN và các nhà quản trị ngân hàng trong việc xây dựng các công cụ giám sát rủi ro kép tích hợp, hướng tới sự phát triển bền vững và an toàn của hệ thống tài chính Việt Nam.