Giới thiệu dự án
Hệ thống Ngân hàng Thương mại (NHTM) giữ vai trò huyết mạch trong nền kinh tế, đảm bảo sự lưu thông nguồn vốn và duy trì tính ổn định tài chính quốc gia. Tuy nhiên, hoạt động kinh doanh ngân hàng truyền thống tại Việt Nam từ trước đến nay vẫn phụ thuộc lớn vào nghiệp vụ tín dụng (chiếm từ 70% – 85% tổng thu nhập hoạt động). Sự phụ thuộc này tiềm ẩn rủi ro hệ thống nghiêm trọng, đặc biệt khi chu kỳ kinh tế suy giảm kéo theo nợ xấu gia tăng và biên lãi thuần (NIM - Net Interest Margin) bị thu hẹp do biến động lãi suất chính sách.
Trước áp lực rủi ro tín dụng và xu thế chuyển đổi mô hình kinh doanh ngân hàng hiện đại theo chuẩn mực Basel II/Basel III, thu nhập ngoài lãi (Non-Interest Income - NII / Fee Income) trở thành động lực tăng trưởng bền vững. Khóa luận tốt nghiệp chuyên ngành Tài chính – Ngân hàng của tác giả Thái Thành Khải (Trường Đại học Ngân hàng TP. Hồ Chí Minh), dưới sự hướng dẫn khoa học của TS. Nguyễn Phước Kinh Kha, tập trung nghiên cứu: "Nghiên cứu các yếu tố ảnh hưởng đến thu nhập ngoài lãi của các Ngân hàng Thương mại Việt Nam". Đề tài giải quyết bài toán định lượng thực chứng về các nhân tố tài chính nội tại tác động đến cơ cấu nguồn thu phi tín dụng, cung cấp căn cứ khoa học cho quá trình tái cơ cấu doanh thu ngành ngân hàng.
+-----------------------------------------------------------------------------------+
| MỤC TIÊU VÀ PHẠM VI NGHIÊN CỨU |
+-----------------------------------------------------------------------------------+
| 1. Hệ thống hóa cơ sở lý luận về hoạt động phi tín dụng và thu nhập ngoài lãi. |
| 2. Xác định và lượng hóa mức độ tác động của 5 biến tài chính nội tại: |
| - Quy mô tổng tài sản (SIZE) |
| - Tỷ suất sinh lời trên vốn chủ sở hữu (ROE) |
| - Tỷ lệ tiền gửi trên tổng tài sản (DEPTA) |
| - Tỷ lệ cho vay trên tổng tiền gửi (LOANDEP / LDR) |
| - Tỷ lệ vốn chủ sở hữu trên tổng tài sản (EQTA) |
| 3. Kiểm định khuyết tật mô hình (phương sai thay đổi, tự tương quan) và xử lý |
| triệt để bằng phương pháp FGLS (Feasible Generalized Least Squares). |
| 4. Đề xuất hàm ý quản trị nâng cao tỷ trọng thu nhập ngoài lãi bền vững. |
+-----------------------------------------------------------------------------------+
- Phạm vi không gian: Mẫu nghiên cứu gồm 22 NHTM cổ phần đại diện tại Việt Nam (chiếm trên 85% tổng tài sản và thị phần tín dụng/huy động toàn hệ thống).
- Phạm vi thời gian: Giai đoạn 2012 – 2020 (9 năm), bao quát chu kỳ phục hồi và tái cơ cấu hệ thống ngân hàng sau khủng hoảng tài chính và nợ xấu giai đoạn 2011.
- Chỉ tiêu đo lường cốt lõi: Tỷ lệ thu nhập ngoài lãi trên tổng tài sản ($NIITA = \frac{\text{Thu nhập ngoài lãi}}{\text{Tổng tài sản}} \times 100%$).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Tại các quốc gia phát triển thuộc khối OECD, tỷ trọng thu nhập ngoài lãi thường đạt từ 30% – 45% tổng thu nhập hoạt động ngân hàng. Tại Việt Nam giai đoạn 2012 – 2020, chỉ số này chỉ dao động quanh mức 10% – 20%, phản ánh mô hình kinh doanh còn thâm dụng tín dụng.
| Tiêu chí so sánh |
Hoạt động Tín dụng (Thu nhập lãi) |
Hoạt động Phi tín dụng (Thu nhập ngoài lãi) |
| Bản chất nghiệp vụ |
Trung gian tài chính: Huy động vốn và cho vay ăn chênh lệch lãi suất. |
Cung ứng dịch vụ: Thanh toán, ngân quỹ, thẻ, bảo lãnh, FX, tư vấn, ủy thác, ngân hàng số. |
| Mức độ phụ thuộc chu kỳ |
Rất cao (rủi ro suy thoái kinh tế, đóng băng bất động sản, đình trệ sản xuất). |
Thấp (ít chịu ảnh hưởng bởi chu kỳ kinh tế vĩ mô, duy trì dòng tiền ổn định). |
| Chi phí vốn & Thanh khoản |
Chi phí trả lãi huy động cao, đòi hỏi dự trữ thanh khoản và trích lập dự phòng rủi ro lớn. |
Không chịu chi phí trả lãi; tận dụng hạ tầng công nghệ và nhân sự sẵn có, biên lợi nhuận dịch vụ cao. |
| Độ nhạy cảm rủi ro |
Rủi ro tín dụng, rủi ro lãi suất, rủi ro kỳ hạn (Maturity Mismatch). |
Rủi ro hoạt động (Operational Risk), rủi ro an ninh mạng, rủi ro tuân thủ pháp lý. |
Nghiên cứu áp dụng khung phân loại yêu cầu MoSCoW để xác lập hệ thống chỉ tiêu phân tích:
- Must-Have: Các biến tài chính cốt lõi trên bảng cân đối kế toán ($SIZE$, $ROE$, $DEPTA$, $LOANDEP$, $EQTA$, $NIITA$) theo chuẩn mực kế toán VAS và Thông tư NHNN.
- Should-Have: Các kiểm định chẩn đoán khuyết tật mô hình định lượng (Hausman test, Breusch-Pagan Lagrangian Multiplier test, Wooldridge autocorrelation test).
- Could-Have: Mở rộng phân rã chi tiết từng cấu phần thu nhập ngoài lãi (phí ròng dịch vụ, kinh doanh ngoại hối, mua bán chứng khoán đầu tư).
- Won't-Have (Giai đoạn này): Đưa các biến số kinh tế vĩ mô phức tạp (lạm phát CPI, cung tiền M2, tốc độ tăng trưởng GDP) vào mô hình cơ sở nhằm duy trì tính hội tụ và bậc tự do của mẫu bảng cân đối vi mô.
Thiết kế hệ thống
Mô hình nghiên cứu kế thừa và hiệu chỉnh từ khung lý thuyết thực nghiệm của Matthias Köhler (2013), DeYoung & Rice (2003) và Phạm Anh Thủy (2013). Cấu trúc toán học của mô hình hồi quy đa biến dữ liệu bảng (Panel Data Model) được thiết lập:
$$NIITA_{it} = \alpha + \beta_1 SIZE_{it} + \beta_2 ROE_{it} + \beta_3 DEPTA_{it} + \beta_4 LOANDEP_{it} + \beta_5 EQTA_{it} + \varepsilon_{it}$$
+----------------------------------------------------------------------------------------------------+
| SƠ ĐỒ LUỒNG DỮ LIỆU VÀ XỬ LÝ KINH TẾ LƯỢNG |
+----------------------------------------------------------------------------------------------------+
| [BCTC Kiểm toán 22 NHTM (2012-2020)] |
| [Xử lý & Chuẩn hóa Dữ liệu Bảng trên Excel/Stata (xtset bank_id year)] |
| [Kiểm định Khuyết tật: Phương sai sai số thay đổi (Breusch-Pagan) & Tự tương quan (Wooldridge)] |
| [Mô hình Khắc phục Khuyết tật: FGLS (Feasible Generalized Least Squares / xtgls)] |
| [Kết luận Định lượng & Khuyến nghị Chính sách Quản trị Ngân hàng] |
+----------------------------------------------------------------------------------------------------+
Bảng định nghĩa và đo lường các biến trong mô hình
| Tên biến |
Ký hiệu |
Công thức tính toán |
Đơn vị |
Kỳ vọng dấu |
Cơ sở lý thuyết |
| Thu nhập ngoài lãi trên Tổng tài sản |
NIITA |
$\frac{\text{Thu nhập thuần ngoài lãi}}{\text{Tổng tài sản}} \times 100%$ |
% |
Biến phụ thuộc |
Phạm Anh Thủy (2013), Köhler (2013) |
| Quy mô ngân hàng |
SIZE |
$\log_{10}(\text{Tổng tài sản})$ |
Điểm log |
$(+)$ |
DeYoung & Hunter (2003), Köhler (2013) |
| Tỷ suất sinh lời trên VCSH |
ROE |
$\frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu bình quân}} \times 100%$ |
% |
$(-)$ |
Joon-Ho Hahm (2008), Köhler (2013) |
| Tỷ lệ tiền gửi trên Tổng tài sản |
DEPTA |
$\frac{\text{Tổng tiền gửi khách hàng}}{\text{Tổng tài sản}} \times 100%$ |
% |
$(+)$ |
DeYoung & Roland (2001), Köhler (2013) |
| Tỷ lệ cho vay trên Tổng tiền gửi |
LOANDEP |
$\frac{\text{Tổng dư nợ cho vay}}{\text{Tổng tiền gửi khách hàng}} \times 100%$ |
% |
$(-)$ |
Craigwell & Maxwell (2005), Köhler (2013) |
| Tỷ lệ VCSH trên Tổng tài sản |
EQTA |
$\frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}} \times 100%$ |
% |
$(+)$ |
DeYoung & Rice (2003), Köhler (2013) |
Methodology
Nghiên cứu tuân thủ quy trình phân tích kinh tế lượng chuẩn mực 8 bước dành cho dữ liệu bảng cân bằng (Balanced Panel Data):
* Bước 1: Khai báo cấu trúc dữ liệu bảng trong Stata 14.0
xtset bank_id year
* Bước 2: Thống kê mô tả và ma trận tương quan kiểm tra đa cộng tuyến
summarize niita size roe depta loandep eqta
correlate niita size roe depta loandep eqta
vif
* Bước 3: Ước lượng các mô hình hồi quy nền tảng
reg niita size roe depta loandep eqta
estimates store POOLED_OLS
xtreg niita size roe depta loandep eqta, fe
estimates store FEM
xtreg niita size roe depta loandep eqta, re
estimates store REM
* Bước 4: Kiểm định Hausman lựa chọn giữa FEM và REM
hausman FEM REM
* Bước 5: Kiểm định Breusch-Pagan LM lựa chọn giữa Pooled OLS và REM
xttest0
* Bước 6: Kiểm định khuyết tật phương sai thay đổi và tự tương quan trên mô hình được chọn
xttest3 /* Dành cho FEM: Modified Wald test */
xtserial niita size roe depta loandep eqta /* Wooldridge test for autocorrelation */
* Bước 7: Ước lượng mô hình FGLS khắc phục hoàn toàn hiện tượng phương sai thay đổi & tự tương quan
xtgls niita size roe depta loandep eqta, panels(hetero) corr(ar1)
Implementation và kết quả
Development process
Quá trình thu thập và làm sạch dữ liệu được thực hiện qua Báo cáo tài chính hợp nhất đã kiểm toán của 22 NHTM Việt Nam trong giai đoạn 2012 – 2020:
- Nhóm NHTM Nhà nước & Cổ phần quy mô lớn: Vietcombank, BIDV, VietinBank, Techcombank, MBBank, VPBank, Sacombank, ACB, SHB.
- Nhóm NHTM Cổ phần quy mô trung bình & nhỏ: TPBank, HDBank, VIB, SeABank, OCB, MSB, LienVietPostBank, Eximbank, Nam A Bank, Kienlongbank, VietBank, BaoVietBank, SCB.
Tổng số quan sát thu được đạt 198 quan sát ($N = 22$, $T = 9$).
Testing và validation
Thống kê mô tả mẫu nghiên cứu
| Biến số |
Số quan sát ($N \times T$) |
Giá trị trung bình (Mean) |
Độ lệch chuẩn (Std. Dev.) |
Giá trị nhỏ nhất (Min) |
Giá trị lớn nhất (Max) |
| NIITA (%) |
198 |
2.19% |
1.47% |
0.0915% (VAB - 2018) |
9.1500% (SHB - 2013) |
| SIZE (Log) |
198 |
8.1380 |
0.4702 |
7.0367 (KLB - 2017) |
9.1824 (BIDV - 2020) |
| ROE (%) |
198 |
9.23% |
9.38% |
-8.8200% (TPB - 2012) |
26.5400% (TCB - 2019) |
| DEPTA (%) |
198 |
82.66% |
35.50% |
32.5500% (SCB - 2018) |
237.1000% (NVB - 2014) |
| LOANDEP (%) |
198 |
77.63% |
7.60% |
61.6400% (MBB - 2013) |
90.4500% (STB - 2017) |
| EQTA (%) |
198 |
5.27% |
0.93% |
3.1900% (PVB - 2013) |
9.8500% (TCB - 2020) |
Ma trận hệ số tương quan Pearson
| Biến |
NIITA |
SIZE |
ROE |
DEPTA |
LOANDEP |
EQTA |
| NIITA |
1.0000 |
|
|
|
|
|
| SIZE |
0.3512 |
1.0000 |
|
|
|
|
| ROE |
-0.1425 |
0.2814 |
1.0000 |
|
|
|
| DEPTA |
0.1874 |
0.1250 |
0.0811 |
1.0000 |
|
|
| LOANDEP |
-0.2215 |
-0.0915 |
0.1542 |
-0.3851 |
1.0000 |
|
| EQTA |
0.2981 |
-0.1104 |
0.3120 |
-0.2105 |
-0.1524 |
1.0000 |
Đánh giá đa cộng tuyến: Hệ số tương quan cặp cao nhất giữa các biến độc lập là giữa $DEPTA$ và $LOANDEP$ ($r = -0.3851$), thấp hơn nhiều so với ngưỡng cảnh báo 0.8 (theo Farrar & Glauber, 1967). Kiểm định $VIF$ trung bình đạt 1.42 (tất cả các biến đều có $VIF < 2.0$), khẳng định không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
Kết quả kiểm định lựa chọn mô hình và khuyết tật
- Kiểm định Hausman (FEM vs REM):
- $\chi^2(5) = 2.7622$, $Prob > \chi^2 = 0.7366 > 0.05$.
- Kết luận: Chấp nhận giả thuyết $H_0$ (không có sự tương quan giữa sai số cá thể và các biến giải thích). Mô hình tác động ngẫu nhiên REM được lựa chọn thay vì FEM.
- Kiểm định Breusch-Pagan Lagrangian Multiplier (Pooled OLS vs REM):
- $\bar{\chi}^2(01) = 48.52$, $Prob > \bar{\chi}^2 = 0.0000 < 0.05$.
- Kết luận: Bác bỏ giả thuyết $H_0$, xác nhận có hiệu ứng cá thể đặc thù giữa các ngân hàng. Mô hình REM vượt trội hoàn toàn so với Pooled OLS.
- Kiểm định Phương sai sai số thay đổi (Heteroskedasticity):
- Breusch-Pagan test cho kết quả $Prob > \chi^2 < 0.05$.
- Kết luận: Tồn tại hiện tượng phương sai sai số thay đổi trong mô hình REM.
- Kiểm định Tự tương quan bậc 1 (Autocorrelation):
- Wooldridge test cho kết quả $F(1, 21) = 12.0020$, $Prob > F = 0.0023 < 0.05$.
- Kết luận: Tồn tại hiện tượng tự tương quan bậc 1 trong chuỗi thời gian của các ngân hàng.
Kết quả đạt được
Để xử lý đồng thời hai khuyết tật phương sai sai số thay đổi và tự tương quan, phương pháp bình phương tối thiểu tổng quát khả thi (FGLS - Feasible Generalized Least Squares) được áp dụng. Bảng dưới đây tổng hợp kết quả ước lượng cuối cùng:
| Biến độc lập |
Mô hình Pooled OLS |
Mô hình FEM |
Mô hình REM |
Mô hình Ưu việt FGLS |
Mức ý nghĩa ($p$-value FGLS) |
Kết luận giả thuyết |
| SIZE |
0.3812*** |
0.4410*** |
0.4029*** |
0.4158 |
0.0000 ($p < 0.01$) |
Chấp nhận $H_1$ (+) |
| ROE |
-0.0185** |
-0.0215** |
-0.0192** |
-0.0204 |
0.0142 ($p < 0.05$) |
Chấp nhận $H_2$ (-) |
| DEPTA |
0.0084** |
0.0062 |
0.0078* |
0.0091 |
0.0085 ($p < 0.01$) |
Chấp nhận $H_3$ (+) |
| LOANDEP |
-0.0312*** |
-0.0284** |
-0.0298** |
-0.0325 |
0.0012 ($p < 0.01$) |
Chấp nhận $H_4$ (-) |
| EQTA |
0.1145** |
0.0982* |
0.1085** |
0.1216 |
0.0041 ($p < 0.01$) |
Chấp nhận $H_5$ (+) |
| Hệ số chặn ($\alpha$) |
-2.1450 |
-2.8912 |
-2.4310 |
-2.5620 |
0.0002 |
-- |
| Khắc phục khuyết tật |
Không |
Không |
Không |
Đã xử lý triệt để |
-- |
-- |
*p < 0.1; **p < 0.05; ***p < 0.01
+-----------------------------------------------------------------------------------+
| TÓM TẮT KẾT QUẢ ĐỊNH LƯỢNG FGLS |
+-----------------------------------------------------------------------------------+
| 1. SIZE (+0.4158, p < 0.01): Quy mô tài sản tăng 1% làm tỷ lệ NIITA tăng |
| 0.4158% (tận dụng lợi thế quy mô mạng lưới và khách hàng lớn). |
| 2. ROE (-0.0204, p < 0.05): Tỷ suất sinh lời tác động ngược chiều (ngân hàng có |
| ROE tín dụng cao có xu hướng lơ là mảng dịch vụ phi lãi). |
| 3. DEPTA (+0.0091, p < 0.01): Tỷ lệ tiền gửi cao giúp mở rộng tệp khách hàng |
| sử dụng dịch vụ thanh toán, thẻ và ngân quỹ. |
| 4. LOANDEP (-0.0325, p < 0.01): Tập trung thái quá vào cho vay làm suy giảm |
| nguồn lực phát triển các sản phẩm ngoài lãi. |
| 5. EQTA (+0.1216, p < 0.01): Nền tảng vốn tự có vững mạnh hỗ trợ ngân hàng |
| đầu tư hạ tầng số hóa và mở rộng dịch vụ ngân hàng đầu tư. |
+-----------------------------------------------------------------------------------+
Đổi mới và đóng góp
- Đóng góp về mặt phương pháp luận: Khắc phục hạn chế của các nghiên cứu trước đây tại Việt Nam (thường dừng lại ở mô hình FEM/REM mà không kiểm soát hiện tượng tự tương quan chuỗi thời gian hoặc phương sai thay đổi giữa các ngân hàng). Việc sử dụng FGLS đem lại ước lượng không chệch, hiệu quả và có độ tin cậy thống kê cao.
- Đóng góp về dữ liệu thực nghiệm: Cập nhật chuỗi dữ liệu 9 năm (2012 – 2020) phản ánh giai đoạn tái cơ cấu toàn diện hệ thống ngân hàng Việt Nam, bổ sung bằng chứng thực nghiệm về mối quan hệ giữa tỷ lệ LDR ($LOANDEP$), đòn bẩy vốn ($EQTA$) và khả năng đa dạng hóa nguồn thu.
- So sánh với các nghiên cứu tiền nhiệm:
- So với Matthias Köhler (2013 - OECD): Kết quả tại Việt Nam tương đồng về tác động dương của $SIZE$ và $EQTA$, tác động âm của $LOANDEP$. Tuy nhiên, hệ số của $SIZE$ tại Việt Nam ($\beta = 0.4158$) lớn hơn đáng kể, cho thấy hiệu ứng kinh tế quy mô tại các thị trường mới nổi rõ rệt hơn.
- So với Phạm Anh Thủy (2013 - Việt Nam): Nghiên cứu của tác giả làm rõ thêm biến $LOANDEP$ có tác động nghịch biến mạnh mẽ tới thu nhập ngoài lãi với độ tin cậy 99%, chỉ ra sự đánh đổi nguồn lực nội bộ giữa tín dụng và phi tín dụng.
Ứng dụng thực tế và triển khai
Dựa trên kết quả FGLS, đề tài đề xuất lộ trình 4 trụ cột chiến lược nhằm gia tăng tỷ trọng thu nhập ngoài lãi cho các NHTM Việt Nam:
| LỘ TRÌNH 4 TRỤ CỘT NÂNG CAO THU NHẬP NGOÀI LÃI |
| [Trụ cột 1: Tận dụng Lợi thế Quy mô & Khách hàng] |
| - Khai thác tệp dữ liệu khách hàng lớn từ SIZE và DEPTA. |
| - Cross-selling (bán chéo): Bảo hiểm (Bancassurance), chứng chỉ quỹ, thẻ tín dụng|
| [Trụ cột 2: Tối ưu hóa Tỷ lệ LDR (LOANDEP)] |
| - Giảm áp lực tăng trưởng tín dụng nóng; tái phân bổ vốn sang ngân hàng số. |
| - Chuyển dịch từ tài trợ vốn thuần túy sang cung ứng gói giải pháp tài chính. |
| [Trụ cột 3: Củng cố Vốn tự có (EQTA) phục vụ Số hóa] |
| - Dùng thặng dư vốn đầu tư Open Banking API, AI phân tích hành vi chi tiêu. |
| - Giảm chi phí giao dịch tại quầy (Cost-to-Income), tăng thu phí dịch vụ số. |
| [Trụ cột 4: Hiện đại hóa Danh mục Sản phẩm Phi tín dụng] |
| - Phát triển thanh toán quốc tế, tài trợ thương mại, phái sinh ngoại hối/hàng hóa|
| - Dịch vụ tư vấn M&A, thu xếp phát hành trái phiếu doanh nghiệp, quản lý tài sản.|
Phân tích chi phí - lợi ích và tính khả thi
- Tỷ suất sinh lời trên chi phí hoạt động (CIR): Mảng dịch vụ ngoài lãi khi ứng dụng ngân hàng số có chi phí biên tiệm cận 0 trên mỗi giao dịch phát sinh mới, giúp giảm chỉ số CIR của ngân hàng từ 35% – 40% xuống mức 28% – 30%.
- Hệ số an toàn vốn (CAR theo Basel II): Hoạt động ngoài lãi ít tạo ra tài sản có rủi ro (RWA - Risk-Weighted Assets), giúp ngân hàng duy trì hệ số CAR trên 8% mà không chịu áp lực tăng vốn điều lệ quá nhanh.
Hạn chế và hướng phát triển
- Hạn chế kỹ thuật: Mẫu nghiên cứu dừng lại ở mức 22 ngân hàng do hạn chế minh bạch dữ liệu của một số ngân hàng nhỏ; biến phụ thuộc $NIITA$ chưa được bóc tách chi tiết thành thu nhập phí thuần, lãi kinh doanh ngoại hối và lãi đầu tư chứng khoán.
- Hướng phát triển đề xuất:
- Mở rộng chuỗi dữ liệu giai đoạn 2021 – 2025 (bao quát tác động của đại dịch COVID-19 và làn sóng thanh toán không tiền mặt bùng nổ).
- Áp dụng mô hình hồi quy động System-GMM (Blundell & Bond) để kiểm soát hiện tượng nội sinh tiềm ẩn giữa biến trễ của thu nhập ngoài lãi và các chỉ số hiệu quả kinh doanh.
- Tích hợp các biến số kinh tế vĩ mô (tăng trưởng GDP, lạm phát, cung tiền M2) và chỉ số số hóa ngân hàng (Digital Banking Index).
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng dữ liệu bảng, quy trình kiểm định Hausman, Breusch-Pagan và kỹ thuật ước lượng FGLS trên Stata.
- Ban Quản trị & Điều hành NHTM: Cung cấp bằng chứng thực nghiệm để định hình cơ cấu kinh doanh, chiến lược phân bổ nguồn vốn và kế hoạch phát triển sản phẩm dịch vụ phi tín dụng.
- Cơ quan quản lý (Ngân hàng Nhà nước): Cơ sở tham khảo trong việc xây dựng chính sách điều hành tỷ lệ LDR, khuyến khích thanh toán không dùng tiền mặt và giảm thiểu rủi ro tập trung tín dụng toàn ngành.
- Các chuyên gia phân tích tài chính: Bộ khung định giá và đánh giá chất lượng nguồn thu, mức độ đa dạng hóa doanh thu của các ngân hàng thương mại niêm yết.
Câu hỏi thường gặp
1. Tại sao nghiên cứu lựa chọn mô hình FGLS thay vì OLS hay FEM/REM truyền thống?
Mô hình dữ liệu bảng ngân hàng thường xuyên gặp phải hiện tượng phương sai sai số thay đổi (do quy mô giữa các ngân hàng chênh lệch lớn) và tự tương quan chuỗi thời gian (do số liệu tài chính có tính phụ thuộc thời gian). Ước lượng OLS, FEM hoặc REM trong trường hợp này sẽ cho sai số chuẩn bị chệch, dẫn đến các kiểm định thống kê $t$ và $F$ không còn chuẩn xác. Phương pháp FGLS hiệu chỉnh trực tiếp ma trận hiệp phương sai của sai số, đảm bảo ước lượng thu được là BLUE (Best Linear Unbiased Estimator).
2. Ý nghĩa kinh tế của việc hệ số ROE mang dấu âm trong mô hình là gì?
Hệ số ROE mang dấu âm ($\beta = -0.0204, p < 0.05$) phản ánh thực trạng "hiệu ứng lấn át" trong ngành ngân hàng Việt Nam: Khi các ngân hàng đạt tỷ suất sinh lời cao chủ yếu từ hoạt động tín dụng truyền thống trong giai đoạn kinh tế thuận lợi, ban điều hành có xu hướng tập trung mở rộng cho vay và ít chú trọng đầu tư nguồn lực cho các sản phẩm dịch vụ phi tín dụng.
3. Tỷ lệ LOANDEP tác động tiêu cực đến thu nhập ngoài lãi như thế nào?
Tỷ lệ $LOANDEP$ (dư nợ cho vay / tiền gửi) tăng phản ánh nguồn vốn huy động được dồn phần lớn cho mảng tín dụng. Điều này làm giảm dư địa thanh khoản và nguồn lực phân bổ cho các hoạt động đầu tư, bảo lãnh, kinh doanh ngoại tệ và phát triển dịch vụ mới, từ đó làm giảm tỷ lệ $NIITA$.
4. Quy mô ngân hàng (SIZE) lớn mang lại lợi thế cụ thể nào cho thu nhập ngoài lãi?
Ngân hàng có quy mô tổng tài sản lớn sở hữu mạng lưới chi nhánh rộng khắp, tệp khách hàng cá nhân/doanh nghiệp khổng lồ và tiềm lực tài chính mạnh để đầu tư hệ thống Core Banking đắt đỏ. Điều này tạo ra lợi thế kinh tế theo quy mô, thu hút khối lượng lớn giao dịch thanh toán, mở rộng dịch vụ thẻ và liên kết phân phối bảo hiểm độc quyền (Bancassurance).
5. Yêu cầu kỹ thuật và dữ liệu đầu vào để tái lập mô hình này là gì?
Để tái lập nghiên cứu, người dùng cần phần mềm phân tích dữ liệu Stata phiên bản 14.0 trở lên (hoặc thư viện linearmodels trên Python 3.9+), cùng tệp dữ liệu bảng cân đối kế toán và kết quả kinh doanh được chuẩn hóa theo mã ngân hàng (bank_id) và năm quan sát (year).
Kết luận
Đề tài khóa luận tốt nghiệp của tác giả Thái Thành Khải đã giải quyết thấu đáo và khoa học bài toán xác định các nhân tố ảnh hưởng đến thu nhập ngoài lãi tại các NHTM Việt Nam giai đoạn 2012 – 2020. Thông qua quy trình thực nghiệm kinh tế lượng chuẩn mực và mô hình FGLS, nghiên cứu khẳng định: Quy mô ngân hàng ($SIZE$), tỷ lệ tiền gửi ($DEPTA$) và tỷ lệ vốn chủ sở hữu ($EQTA$) có tác động tích cực thúc đẩy thu nhập ngoài lãi; trong khi tỷ suất sinh lời ($ROE$) và tỷ lệ dư nợ trên tiền gửi ($LOANDEP$) có tác động nghịch chiều. Kết quả này là cơ sở khoa học quan trọng thúc đẩy các ngân hàng thương mại Việt Nam đẩy nhanh tiến trình đa dạng hóa sản phẩm, số hóa dịch vụ và chuyển dịch cơ cấu doanh thu hướng tới tăng trưởng an toàn, bền vững.