Các Yếu Tố Tác Động Đến Tỷ Lệ Nợ Xấu Của Ngân Hàng Thương Mại Cổ Phần Tại Việt Nam

Nợ xấu là một vấn đề nghiêm trọng trong hệ thống ngân hàng thương mại cổ phần tại Việt Nam. 97 trang · Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh · 2024.

• Tác giả: Cao Thị Như Quỳnh
• Người hướng dẫn: TS. Trần Thị Vân Trà
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Các Yếu Tố Tác Động Đến Tỷ Lệ Nợ Xấu Của Ngân Hàng Thương Mại Cổ Phần Tại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ NGHIÊN CỨU
• 1.1. Lí do chọn đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. PHƯƠNG PHÁP NGHIÊN CỨU
• 1.5.1. Phương pháp thu thập dữ liệu
• 1.5.2. Phương pháp nghiên cứu
• 1.6. ĐÓNG GÓP CỦA ĐỀ TÀI
• 1.7. KẾT CẤU CỦA KHÓA LUẬN
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM
• 2.1. Cơ sở lý thuyết về nợ xấu của ngân hàng thương mại
• 2.1.1. Khái niệm nợ xấu
• 2.1.2. Phân loại nợ xấu
• 2.1.3. Các lý thuyết liên quan đến nợ xấu
• 2.2. Lược khảo các nghiên cứu thực nghiệm
• 2.2.1. Các nghiên cứu trên thế giới
• 2.2.2. Các nghiên cứu tại Việt Nam
• 2.2.3. Khoảng trống nghiên cứu
• 3. CHƯƠNG 3: MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Quy trình nghiên cứu
• 3.2. Mô hình nghiên cứu
• 3.3. Giải thích các biến và các giả thuyết trong nghiên cứu
• 3.3.1. Biến phụ thuộc
• 3.3.2. Biến độc lập
• 3.4. Dữ liệu nghiên cứu
• 3.5. Phương pháp nghiên cứu
• 3.6. Thống kê mô tả
• 3.7. Kiểm định đa cộng tuyến
• 3.8. Mô hình ước lượng
• 3.9. Kiểm định các khuyết tật của mô hình
• 3.10. Phân tích hồi quy với mô hình GMM
• 3.11. TÓM TẮT CHƯƠNG 3
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Tổng quan về tình hình nợ xấu của các NHTMCP tại Việt Nam
• 4.2. Kết quả nghiên cứu
• 4.2.1. Thống kê mô tả
• 4.2.2. Phân tích ma trận tương quan mô hình nghiên cứu
• 4.2.3. Kiểm định hiện tượng đa cộng tuyến
• 4.2.4. Kết quả ước lượng
• 4.2.5. Ước lượng mô hình hồi quy theo phương pháp GMM
• 4.2.6. Thảo luận kết quả nghiên cứu
• 4.3. TÓM TẮT CHƯƠNG 4
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. Kết luận chung về đề tài nghiên cứu
• 5.2. Các đề xuất và khiến nghị
• 5.2.1. Đối với các NHTMCP tại Việt Nam
• 5.2.2. Đối với NHNN Việt Nam
• 5.2.3. Đối với chính phủ
• 5.3. Hạn chế của đề tài
• 5.4. Hướng nghiên cứu tiếp theo
• 5.5. TÓM TẮT CHƯƠNG 5
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1: DANH SÁCH MẪU NGHIÊN CỨU GỒM 27 NGÂN HÀNG
• PHỤ LỤC 2: DỮ LIỆU NGHIÊN CỨU
• PHỤ LỤC 3: KẾT QUẢ MÔ HÌNH NGHIÊN CỨU

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Tỷ Lệ Nợ Xấu Của Ngân Hàng Thương Mại Cổ Phần

Nợ xấu là một vấn đề nghiêm trọng trong hệ thống ngân hàng thương mại cổ phần tại Việt Nam. Tình hình nợ xấu không chỉ ảnh hưởng đến hoạt động của ngân hàng mà còn tác động đến nền kinh tế quốc gia. Theo báo cáo của Ngân hàng Nhà nước, tỷ lệ nợ xấu đã có nhiều biến động trong những năm qua, đặc biệt là trong giai đoạn khủng hoảng kinh tế. Việc nghiên cứu các yếu tố tác động đến tỷ lệ nợ xấu là cần thiết để đưa ra các giải pháp hiệu quả.

1.1. Tình Hình Nợ Xấu Tại Ngân Hàng Thương Mại Cổ Phần

Tình hình nợ xấu tại các ngân hàng thương mại cổ phần đã có nhiều biến động trong giai đoạn 2010-2022. Theo số liệu từ Ngân hàng Nhà nước, tỷ lệ nợ xấu đã tăng cao trong giai đoạn khủng hoảng kinh tế và có xu hướng giảm dần sau đó. Tuy nhiên, tình hình hiện tại vẫn còn nhiều thách thức.

1.2. Tầm Quan Trọng Của Nghiên Cứu Nợ Xấu

Nghiên cứu về nợ xấu giúp các nhà quản lý ngân hàng hiểu rõ hơn về các yếu tố ảnh hưởng đến chất lượng tín dụng. Điều này không chỉ giúp cải thiện hoạt động của ngân hàng mà còn góp phần ổn định nền kinh tế. Các nghiên cứu trước đây đã chỉ ra rằng nợ xấu có thể gây ra những tác động tiêu cực đến sự phát triển kinh tế.

II. Các Yếu Tố Ảnh Hưởng Đến Tỷ Lệ Nợ Xấu Của Ngân Hàng

Nghiên cứu đã chỉ ra rằng có nhiều yếu tố tác động đến tỷ lệ nợ xấu của ngân hàng thương mại cổ phần tại Việt Nam. Các yếu tố này bao gồm yếu tố vi mô và vĩ mô, như tình hình kinh tế, chính sách tín dụng, và quy mô ngân hàng. Việc phân tích các yếu tố này sẽ giúp đưa ra các giải pháp hiệu quả.

2.1. Yếu Tố Kinh Tế Vĩ Mô

Tình hình kinh tế vĩ mô, như tốc độ tăng trưởng GDP và tỷ giá hối đoái, có ảnh hưởng lớn đến tỷ lệ nợ xấu. Khi nền kinh tế phát triển, khả năng trả nợ của khách hàng tăng lên, từ đó giảm tỷ lệ nợ xấu. Ngược lại, trong thời kỳ suy thoái, tỷ lệ nợ xấu có xu hướng tăng cao.

2.2. Chính Sách Tín Dụng Của Ngân Hàng

Chính sách tín dụng của ngân hàng cũng đóng vai trò quan trọng trong việc xác định tỷ lệ nợ xấu. Các ngân hàng cần có chính sách cho vay hợp lý, kiểm soát rủi ro tín dụng để hạn chế nợ xấu. Việc đánh giá khách hàng vay vốn một cách cẩn thận sẽ giúp giảm thiểu rủi ro.

III. Phương Pháp Nghiên Cứu Tỷ Lệ Nợ Xấu Tại Ngân Hàng

Phương pháp nghiên cứu được sử dụng trong khóa luận này bao gồm phân tích định lượng và định tính. Số liệu được thu thập từ các báo cáo tài chính của ngân hàng và các nguồn dữ liệu vĩ mô. Việc sử dụng phần mềm Stata 17 giúp phân tích và ước lượng các mô hình hồi quy một cách chính xác.

3.1. Phương Pháp Thu Thập Dữ Liệu

Dữ liệu được thu thập từ các báo cáo tài chính của 27 ngân hàng thương mại cổ phần trong giai đoạn 2010-2022. Các số liệu vĩ mô như GDP và tỷ giá hối đoái được lấy từ Ngân hàng Thế giới. Việc thu thập dữ liệu đầy đủ và chính xác là rất quan trọng để đảm bảo tính khách quan của nghiên cứu.

3.2. Mô Hình Hồi Quy Sử Dụng

Mô hình hồi quy Pooled OLS, FEM và REM được sử dụng để phân tích dữ liệu. Kiểm định Hausman được áp dụng để chọn mô hình phù hợp nhất. Kết quả từ mô hình hồi quy sẽ giúp xác định các yếu tố tác động đến tỷ lệ nợ xấu một cách rõ ràng.

IV. Kết Quả Nghiên Cứu Về Tỷ Lệ Nợ Xấu

Kết quả nghiên cứu cho thấy tỷ lệ nợ xấu có mối quan hệ chặt chẽ với các yếu tố như tỷ lệ trích lập dự phòng rủi ro tín dụng và tốc độ tăng trưởng kinh tế. Các yếu tố này có tác động cùng chiều với tỷ lệ nợ xấu, trong khi quy mô ngân hàng lại có tác động ngược chiều.

4.1. Phân Tích Kết Quả Hồi Quy

Kết quả hồi quy cho thấy tỷ lệ nợ xấu trong quá khứ, tỷ lệ trích lập dự phòng rủi ro tín dụng và tốc độ tăng trưởng kinh tế đều có tác động tích cực đến tỷ lệ nợ xấu. Điều này cho thấy rằng các ngân hàng cần chú trọng đến việc quản lý rủi ro tín dụng để giảm thiểu nợ xấu.

4.2. Thảo Luận Về Kết Quả Nghiên Cứu

Kết quả nghiên cứu cũng chỉ ra rằng quy mô ngân hàng có tác động ngược chiều đến tỷ lệ nợ xấu. Điều này có thể do các ngân hàng lớn có khả năng quản lý rủi ro tốt hơn và có nguồn lực tài chính mạnh mẽ hơn để xử lý các khoản nợ xấu.

V. Kết Luận Và Khuyến Nghị Giải Pháp Giảm Nợ Xấu

Kết luận từ nghiên cứu cho thấy việc quản lý nợ xấu là rất quan trọng đối với các ngân hàng thương mại cổ phần tại Việt Nam. Các khuyến nghị được đưa ra nhằm cải thiện khả năng quản lý rủi ro tín dụng và giảm thiểu tỷ lệ nợ xấu trong tương lai.

5.1. Đề Xuất Giải Pháp Quản Lý Rủi Ro Tín Dụng

Các ngân hàng cần xây dựng các chính sách tín dụng chặt chẽ hơn, bao gồm việc đánh giá khách hàng vay vốn một cách kỹ lưỡng. Việc này sẽ giúp giảm thiểu rủi ro và hạn chế tỷ lệ nợ xấu.

5.2. Hướng Nghiên Cứu Tiếp Theo

Nghiên cứu tiếp theo có thể mở rộng ra các yếu tố khác ảnh hưởng đến nợ xấu, như tác động của công nghệ tài chính và các yếu tố xã hội. Việc này sẽ giúp có cái nhìn toàn diện hơn về vấn đề nợ xấu trong hệ thống ngân hàng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò trung gian tài chính huyết mạch trong việc luân chuyển dòng vốn, bảo đảm sự ổn định và phát triển của nền kinh tế Việt Nam. Trong các nghiệp vụ kinh doanh của NHTM, hoạt động cấp tín dụng luôn chiếm tỷ trọng cao nhất và mang lại nguồn thu nhập chủ yếu, song cũng tiềm ẩn rủi ro lớn nhất là rủi ro tín dụng. Chỉ tiêu phản ánh trực tiếp và toàn diện chất lượng tín dụng cũng như mức độ an toàn của hệ thống ngân hàng là tỷ lệ nợ xấu (NPL).

Theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN), tỷ lệ nợ xấu của toàn hệ thống trong giai đoạn 2010–2020 ghi nhận nhiều biến động phức tạp: sau cuộc khủng hoảng kinh tế năm 2012 với mức nợ xấu tăng vọt lên 4,08% (so với 2,86% năm 2011 và 2,04% năm 2010), tỷ lệ này từng bước được kiểm soát và giảm dần qua các năm. Tuy nhiên, bước sang giai đoạn 2020–2022, tác động tiêu cực của đại dịch Covid-19 cùng các biến động bất lợi của thị trường bất động sản, thị trường tài chính và sự suy giảm tăng trưởng kinh tế đã khiến nợ xấu có xu hướng gia tăng trở lại (năm 2020 đạt 1,69% so với 1,63% năm 2019). Trong bối cảnh đó, việc xác định rõ các nhân tố vi mô từ nội tại ngân hàng và các nhân tố vĩ mô tác động đến nợ xấu là yêu cầu cấp thiết phục vụ công tác quản trị rủi ro và điều hành chính sách.

Khóa luận xác lập hệ thống mục tiêu và câu hỏi nghiên cứu cụ thể như sau:

Mục tiêu nghiên cứu:

• Mục tiêu tổng quát: Xác định và đo lường mức độ tác động của các yếu tố vi mô và vĩ mô đến tỷ lệ nợ xấu của các Ngân hàng Thương mại Cổ phần (NHTMCP) tại Việt Nam, từ đó đề xuất các khuyến nghị kiểm soát nợ xấu.
• Mục tiêu cụ thể:
  1. Phân tích thực trạng tình hình nợ xấu tại các NHTMCP Việt Nam giai đoạn 2010–2022.
  2. Xác định và đo lường mức độ, chiều hướng tác động của các yếu tố nội tại ngân hàng và kinh tế vĩ mô đến tỷ lệ nợ xấu.
  3. Đề xuất các khuyến nghị và giải pháp phù hợp nhằm hạn chế và duy trì tỷ lệ nợ xấu ở ngưỡng an toàn.

Câu hỏi nghiên cứu:

1. Tình hình nợ xấu tại các NHTMCP tại Việt Nam trong giai đoạn nghiên cứu diễn ra như thế nào?
2. Những yếu tố vi mô và vĩ mô nào tác động đến tỷ lệ nợ xấu của NHTMCP tại Việt Nam, chiều hướng và mức độ tác động của từng yếu tố ra sao?
3. Cần thực hiện các giải pháp và khuyến nghị nào để kiểm soát và giảm thiểu tỷ lệ nợ xấu tại các NHTMCP Việt Nam trong tương lai?

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Tỷ lệ nợ xấu của các NHTMCP Việt Nam cùng các yếu tố vi mô nội tại ngân hàng và các yếu tố kinh tế vĩ mô có tác động đến nợ xấu.
• Phạm vi không gian: Nghiên cứu thu thập dữ liệu tại 27 NHTMCP tại Việt Nam (trên tổng số 31 NHTMCP đang hoạt động do NHNN công bố) có công khai đầy đủ báo cáo tài chính kiểm toán và báo cáo thường niên, niêm yết trên các sàn chứng khoán HOSE, HNX và UPCoM.
• Phạm vi thời gian: Giai đoạn 13 năm, từ năm 2010 đến năm 2022, bao quát chu kỳ phục hồi sau khủng hoảng tài chính toàn cầu, giai đoạn tái cơ cấu hệ thống ngân hàng và giai đoạn biến động do đại dịch Covid-19.

---

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng khung phân tích dựa trên sự kết hợp giữa các quy định pháp lý, chuẩn mực quốc tế và các lý thuyết kinh tế học - tài chính kinh điển:

Khung khái niệm và quy định pháp lý về nợ xấu:

• Chuẩn mực quốc tế: Ủy ban Basel về Giám sát Ngân hàng (BCBS), Quỹ Tiền tệ Quốc tế (IMF, 2004) và Nhóm chuyên gia tư vấn Liên hợp quốc (AEG, 2004) thống nhất xác định nợ xấu là các khoản nợ quá hạn thanh toán gốc hoặc lãi từ 90 ngày trở lên, hoặc các khoản nợ có dấu hiệu suy giảm nghiêm trọng khả năng trả nợ của khách hàng (phá sản, cơ cấu lại thời hạn trả nợ).
• Quy định tại Việt Nam: Theo Khoản 8 Điều 3 và Điều 10 Thông tư 11/2021/TT-NHNN, nợ xấu nội bảng bao gồm các khoản nợ thuộc nhóm 3, nhóm 4 và nhóm 5:

Nhóm nợ	Tên phân loại	Thời gian quá hạn thanh toán	Tỷ lệ trích lập dự phòng cụ thể ($r$)
Nhóm 1	Nợ đủ tiêu chuẩn	Dưới 10 ngày (hoặc trong hạn có khả năng thu hồi đầy đủ)	0%
Nhóm 2	Nợ cần chú ý	Từ 10 ngày đến 90 ngày	5%
Nhóm 3	Nợ dưới tiêu chuẩn	Từ 91 ngày đến 180 ngày	20%
Nhóm 4	Nợ nghi ngờ	Từ 181 ngày đến 360 ngày	50%
Nhóm 5	Nợ có khả năng mất vốn	Trên 360 ngày	100%

Các lý thuyết nền tảng:

1. Lý thuyết thông tin bất cân xứng (Asymmetric Information): Giải thích hiện tượng lựa chọn bất lợi (Adverse Selection - xảy ra trước khi cấp tín dụng khi khách hàng có rủi ro cao cố tình che giấu thông tin) và rủi ro đạo đức (Moral Hazard - xảy ra sau khi cấp tín dụng khi người vay sử dụng vốn sai mục đích cam kết vào các dự án rủi ro), dẫn đến mất khả năng chi trả.
2. Lý thuyết chu kỳ kinh doanh (Business Cycle Theory): Phản ánh mối quan hệ giữa biến động kinh tế vĩ mô và chất lượng tín dụng; trong giai đoạn tăng trưởng, thu nhập của người đi vay cải thiện giúp giảm nợ xấu, ngược lại trong giai đoạn suy thoái, nợ xấu có xu hướng gia tăng.
3. Lý thuyết gia tốc tài chính (Financial Accelerator Theory - Bernanke & Gertler, 1989): Khi kinh tế suy thoái, giá trị tài sản ròng và tài sản thế chấp của người vay sụt giảm, làm tăng chi phí tài trợ bên ngoài và khuếch đại rủi ro vỡ nợ.
4. Giả thuyết hiệu ứng quy mô (Scale Efficiency Hypothesis - Salas & Saurina, 2002): Các ngân hàng có quy mô lớn sở hữu lợi thế công nghệ, quy trình quản trị rủi ro hiện đại và khả năng đa dạng hóa danh mục cho vay tốt hơn, từ đó kiểm soát nợ xấu hiệu quả hơn ngân hàng quy mô nhỏ.

Phương pháp nghiên cứu và quy trình kinh tế lượng: Nghiên cứu sử dụng phương pháp định lượng trên phần mềm Excel và Stata 17.0 với dữ liệu bảng (Panel Data). Quy trình kiểm định và ước lượng được tiến hành qua các bước:

• Thống kê mô tả và phân tích ma trận tương quan: Đánh giá đặc tính phân phối của các biến số và xem xét mối tương quan sơ bộ.
• Kiểm định đa cộng tuyến: Sử dụng hệ số phóng đại phương sai (VIF) với ngưỡng chấp nhận $\text{VIF} < 10$.
• Lựa chọn mô hình hồi quy cơ sở: Ước lượng qua Mô hình hồi quy gộp (Pooled OLS), Mô hình tác động cố định (FEM) và Mô hình tác động ngẫu nhiên (REM). Sử dụng kiểm định $F$-test để lựa chọn giữa Pooled OLS và FEM; sử dụng kiểm định Hausman ($H_0$: REM, $H_1$: FEM) để lựa chọn mô hình phù hợp.
• Kiểm định khuyết tật mô hình: Kiểm định phương sai sai số thay đổi bằng kiểm định Breusch-Pagan LM (xttest0 cho REM) hoặc Modified Wald (xttest3 cho FEM); kiểm định hiện tượng tự tương quan chuỗi bằng kiểm định Wooldridge.
• Ước lượng hồi quy theo phương pháp GMM (Generalized Method of Moments - Hansen, 1982): Do mô hình đưa biến trễ của biến phụ thuộc ($NPL_{t-1}$) vào làm biến độc lập nhằm nắm bắt tính động của nợ xấu, mô hình trở thành số liệu dạng bảng động (Dynamic Panel Data) và phát sinh hiện tượng nội sinh (Endogeneity). Phương pháp GMM được áp dụng để xử lý đồng thời hiện tượng nội sinh, hiện tượng tự tương quan và phương sai sai số thay đổi.

Nguồn dữ liệu: Dữ liệu vi mô được trích xuất và tính toán từ Báo cáo tài chính đã kiểm toán và Báo cáo thường niên của 27 NHTMCP giai đoạn 2010–2022. Dữ liệu vĩ mô (tốc độ tăng trưởng GDP, tỷ giá hối đoái EXR) được thu thập từ cơ sở dữ liệu của Ngân hàng Thế giới (World Bank) và NHNN.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan về nghiên cứu

Chương 1 thiết lập tổng thể bức tranh nghiên cứu, chỉ rõ tính cấp thiết của đề tài trong bối cảnh hệ thống ngân hàng Việt Nam bước vào giai đoạn tái thiết hậu Covid-19 và xử lý nợ xấu tồn đọng. Tác giả xác định rõ mục tiêu tổng quát, 3 mục tiêu cụ thể, 3 câu hỏi nghiên cứu, đối tượng nghiên cứu là 27 NHTMCP Việt Nam trong khung thời gian 13 năm (2010–2022). Chương này cũng khái quát các đóng góp mới về mặt lý luận và thực tiễn, quy trình thu thập dữ liệu vĩ mô từ World Bank, dữ liệu vi mô từ báo cáo tài chính niêm yết, đồng thời vạch rõ kết cấu khóa luận gồm 5 chương.

Chương 2: Cơ sở lý thuyết và các nghiên cứu thực nghiệm

Chương 2 hệ thống hóa cơ sở lý luận về nợ xấu, so sánh tiêu chí phân loại nợ của Việt Nam (Thông tư 11/2021/TT-NHNN) với 10 quốc gia và vùng lãnh thổ trên thế giới (Argentina, Úc, Brazil, Trung Quốc, Pháp, Indonesia, Nhật Bản, Hàn Quốc, Thổ Nhĩ Kỳ, Nam Phi, Liên minh Châu Âu). Chương này đi sâu luận giải 4 khung lý thuyết chủ đạo (thông tin bất cân xứng, chu kỳ kinh doanh, gia tốc tài chính, hiệu ứng quy mô) và tổng hợp 10 công trình thực nghiệm tiêu biểu trong nước và quốc tế (Amit Ghosh, 2015; Agu et al., 2013; Marcello Bofondi & Tiziano Ropele, 2011; Ekanayake & Azeez, 2015; Nguyễn Thị Quỳnh Như và cs., 2018; Phạm Dương Phương Thảo & Nguyễn Linh Đan, 2018; Nguyễn Thành Đạt, 2018; Hoàng Thị Thanh Hằng và cs., 2020; Nguyễn Thị Ánh Hoa, 2021). Từ đó, tác giả chỉ ra khoảng trống nghiên cứu về sự thiếu đồng nhất trong kết quả thực nghiệm, tính cập nhật dữ liệu giai đoạn đại dịch Covid-19 và việc xem xét đồng thời tác động của tỷ giá hối đoái.

Chương 3: Mô hình và phương pháp nghiên cứu

Chương 3 thiết lập mô hình kinh tế lượng dạng bảng động và giải thích chi tiết các biến cùng 7 giả thuyết nghiên cứu ($H_1$ đến $H_7$):

$$\text{NPL}{i,t} = \beta_0 + \beta_1 \text{NPL}{i,t-1} + \beta_2 \text{GROW}{i,t} + \beta_3 \text{SIZE}{i,t} + \beta_4 \text{LLR}{i,t} + \beta_5 \text{BEP}{i,t} + \beta_6 \text{GDP}_t + \beta_7 \text{EXR}t + \varepsilon{i,t}$$

Chương này trình bày chi tiết công thức đo lường biến phụ thuộc ($NPL$), các biến độc lập vi mô ($NPL_{t-1}, GROW, SIZE, LLR, BEP$) và vĩ mô ($GDP, EXR$). Đồng thời, tác giả mô tả quy trình ước lượng tuần tự qua Pooled OLS, FEM, REM, các kiểm định lựa chọn mô hình ($F$-test, Hausman), kiểm định khuyết tật (VIF, kiểm định phương sai thay đổi, kiểm định tự tương quan) và nguyên lý ước lượng mô hình hồi quy GMM nhằm kiểm soát biến nội sinh.

Chương 4: Kết quả nghiên cứu

Chương 4 trình bày bức tranh diễn biến nợ xấu của 27 NHTMCP giai đoạn 2010–2022 và công bố kết quả phân tích định lượng trên Stata 17.0. Sau khi thực hiện kiểm định đa cộng tuyến (hệ số VIF đều ở mức an toàn), kiểm định $F$-test và Hausman cho thấy mô hình FEM vượt trội so với Pooled OLS và REM. Các kiểm định khuyết tật phát hiện mô hình xuất hiện hiện tượng phương sai sai số thay đổi và tự tương quan. Do đó, tác giả sử dụng kết quả ước lượng GMM để đưa ra các kết luận thống kê chính xác: các biến $NPL_{t-1}$, $LLR$ và $GDP$ có tác động cùng chiều (+), biến $SIZE$ có tác động ngược chiều (-), trong khi các biến $GROW$, $BEP$ và $EXR$ không đạt ý nghĩa thống kê trong mô hình.

Chương 5: Kết luận và khuyến nghị

Chương 5 đúc kết các phát hiện thực nghiệm và xây dựng hệ thống giải pháp, khuyến nghị nhằm hạn chế tỷ lệ nợ xấu, chia thành 3 nhóm đối tượng thực thi: (1) Nhóm giải pháp dành cho các NHTMCP (tăng cường kiểm soát trích lập dự phòng, nâng cao quy mô tài sản gắn liền với chất lượng tín dụng, thận trọng trong giai đoạn tăng trưởng kinh tế cao); (2) Nhóm khuyến nghị đối với Ngân hàng Nhà nước Việt Nam (hoàn thiện cơ chế giám sát an toàn vĩ mô, nâng cao chất lượng thông tin tín dụng CIC); (3) Khuyến nghị đối với Chính phủ (duy trì ổn định môi trường vĩ mô). Cuối chương, tác giả nêu rõ các hạn chế của đề tài và định hướng cho các nghiên cứu tiếp theo.

---

Kết quả và đóng góp

Bảng tổng hợp các biến và kết quả hồi quy GMM

Tên biến	Ký hiệu	Công thức xác định	Kỳ vọng dấu	Kết quả hồi quy GMM	Ý nghĩa thống kê
Biến phụ thuộc
Tỷ lệ nợ xấu	$NPL$	$\frac{\text{Nợ nhóm 3 + Nợ nhóm 4 + Nợ nhóm 5}}{\text{Tổng dư nợ cho vay}} \times 100%$	—	—	Biến phụ thuộc
Biến độc lập
Nợ xấu năm trước	$NPL_{t-1}$	Tỷ lệ $NPL$ trễ một thời kỳ ($t-1$)	$(+)$	$(+)$	Có ý nghĩa thống kê (Cùng chiều)
Tăng trưởng tín dụng	$GROW$	$\frac{\text{Dư nợ kỳ này} - \text{Dư nợ kỳ trước}}{\text{Dư nợ kỳ trước}}$	$(+)$	Không	Không có ý nghĩa thống kê
Quy mô ngân hàng	$SIZE$	$\text{Tổng giá trị tài sản của ngân hàng}$	$(-)$	$(-)$	Có ý nghĩa thống kê (Ngược chiều)
Tỷ lệ trích lập dự phòng RRTD	$LLR$	$\frac{\text{Dự phòng RRTD}}{\text{Dư nợ cho vay}}$	$(+)$	$(+)$	Có ý nghĩa thống kê (Cùng chiều)
Khả năng sinh lời	$BEP$	$\frac{\text{EBIT}}{\text{Tổng tài sản}}$	$(-)$	Không	Không có ý nghĩa thống kê
Tốc độ tăng trưởng kinh tế	$GDP$	$\frac{\text{GDP}t - \text{GDP}{t-1}}{\text{GDP}_{t-1}} \times 100%$	$(-)$	$(+)$	Có ý nghĩa thống kê (Cùng chiều)
Tỷ giá hối đoái	$EXR$	$\frac{\text{EXR}t - \text{EXR}{t-1}}{\text{EXR}_{t-1}} \times 100%$	$(+)$	Không	Không có ý nghĩa thống kê

Luận giải kết quả thực nghiệm

1. Tỷ lệ nợ xấu năm trước ($NPL_{t-1}$): Tác động cùng chiều có ý nghĩa thống kê đến nợ xấu hiện tại, phù hợp với giả thuyết $H_1$. Kết quả này phản ánh tính ỳ và tính tích lũy của nợ xấu; các khoản nợ xấu trong quá khứ chưa được xử lý dứt điểm sẽ gia tăng áp lực trích lập và quản trị rủi ro ở chu kỳ tiếp theo.
2. Tỷ lệ trích lập dự phòng rủi ro tín dụng ($LLR$): Tác động cùng chiều có ý nghĩa thống kê đến $NPL$, phù hợp với giả thuyết $H_4$. Tỷ lệ trích lập dự phòng gia tăng phản ánh danh mục cho vay của ngân hàng đang phát sinh nhiều khoản nợ suy giảm chất lượng, buộc ngân hàng phải tăng cường quỹ dự phòng để bù đắp rủi ro.
3. Quy mô ngân hàng ($SIZE$): Tác động ngược chiều có ý nghĩa thống kê đến $NPL$, phù hợp với giả thuyết $H_3$ và giả thuyết hiệu ứng quy mô của Salas & Saurina (2002). Các NHTMCP có tổng tài sản lớn sở hữu hệ thống thông tin, quy trình thẩm định tín dụng chặt chẽ và khả năng phân tán rủi ro tốt hơn, giúp hạ thấp tỷ lệ nợ xấu.
4. Tốc độ tăng trưởng kinh tế ($GDP$): Tác động cùng chiều có ý nghĩa thống kê với $NPL$, trái với kỳ vọng ban đầu (giả thuyết $H_6$). Hiện tượng này phản ánh thực tế tại các thị trường mới nổi như Việt Nam: trong giai đoạn kinh tế tăng trưởng nóng, các ngân hàng và doanh nghiệp có xu hướng lạc quan quá mức, nới lỏng điều kiện tín dụng và mở rộng đầu tư vào các lĩnh vực rủi ro cao, tạo ra nợ xấu tiềm ẩn bộc phát sau đó.
5. Các biến không có ý nghĩa thống kê ($GROW, BEP, EXR$): Khác với kỳ vọng ban đầu, tăng trưởng tín dụng, khả năng sinh lời và biến động tỷ giá không thể hiện tác động rõ rệt về mặt thống kê trong mô hình GMM đối với mẫu nghiên cứu 27 NHTMCP giai đoạn 2010–2022.

Đóng góp của đề tài

• Về mặt học thuật: Khóa luận mở rộng cơ sở dữ liệu thực nghiệm lên chuỗi thời gian 13 năm (2010–2022) bao quát các giai đoạn biến động đặc thù của kinh tế Việt Nam (tái cơ cấu ngân hàng và dịch bệnh Covid-19). Việc áp dụng mô hình hồi quy GMM dạng bảng động đã kiểm soát hiệu quả hiện tượng nội sinh do biến trễ nợ xấu gây ra, cung cấp ước lượng vững và đáng tin cậy.
• Về mặt thực tiễn: Cung cấp bằng chứng định lượng giúp các nhà quản trị NHTMCP nhận diện chính xác các yếu tố cốt lõi chi phối nợ xấu, từ đó xây dựng chính sách cấp tín dụng thận trọng ngay cả trong giai đoạn kinh tế tăng trưởng cao, tối ưu hóa quy mô và nâng cao năng lực trích lập dự phòng rủi ro.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài:

• Về quy mô mẫu: Do một số ngân hàng chưa công khai đầy đủ báo cáo tài chính kiểm toán và gặp khó khăn trong tiếp cận thông tin, mẫu nghiên cứu dừng lại ở 27 NHTMCP trên tổng số 31 NHTMCP đang hoạt động tại Việt Nam.
• Về phạm vi biến số: Mô hình nghiên cứu mới chỉ tập trung vào một số biến số vi mô và vĩ mô cơ bản; chưa tích hợp toàn diện các chỉ tiêu quản trị nội bộ khác (như cơ cấu sở hữu, tỷ lệ an toàn vốn CAR chi tiết theo Basel II/III, tỷ lệ đa dạng hóa thu nhập ngoài lãi).
• Về giới hạn thời gian: Dữ liệu kết thúc ở năm 2022, chưa phản ánh đầy đủ các tác động kinh tế sâu rộng của giai đoạn phục hồi hoàn toàn sau đại dịch và các biến động chính sách tiền tệ trong các năm tiếp theo.

Hướng nghiên cứu tiếp theo:

• Mở rộng phạm vi mẫu nghiên cứu bao phủ toàn bộ hệ thống NHTM tại Việt Nam (bao gồm cả các NHTM có vốn Nhà nước và các tổ chức tín dụng tái cơ cấu bắt buộc) khi điều kiện công bố thông tin hoàn thiện.
• Bổ sung thêm các biến kiểm soát vi mô chuyên sâu về quản trị rủi ro thanh khoản, hiệu quả chi phí và các biến số vĩ mô như lãi suất cơ bản, tỷ lệ lạm phát, tỷ lệ thất nghiệp.
• Cập nhật chuỗi dữ liệu sang các năm tiếp theo để đánh giá tác động dài hạn của các chính sách tháo gỡ nợ xấu từ cơ quan quản lý.

---

Giá trị tham khảo

Tài liệu này có giá trị học thuật và thực tiễn chuyên sâu phục vụ các nhóm đối tượng:

• Sinh viên, học viên cao học và nhà nghiên cứu ngành Tài chính – Ngân hàng, Kinh tế học: Cung cấp tài liệu tham khảo hoàn chỉnh về quy trình xây dựng mô hình kinh tế lượng dữ liệu bảng động (Dynamic Panel Data), phương pháp xử lý khuyết tật mô hình và kỹ thuật ước lượng GMM trên phần mềm Stata 17.0.
• Nhà quản trị rủi ro và cán bộ phân tích tín dụng tại các NHTMCP: Tham khảo các bằng chứng thực nghiệm về mối quan hệ giữa quy mô tài sản, tỷ lệ trích lập dự phòng RRTD và tính ỳ của nợ xấu để hoàn thiện chính sách trích lập và khẩu vị rủi ro.
• Cơ quan quản lý và hoạch định chính sách (NHNN): Cung cấp cơ sở định lượng để theo dõi diễn biến nợ xấu theo chu kỳ kinh tế, từ đó điều hành hạn mức tăng trưởng tín dụng và hoàn thiện khung pháp lý giám sát an toàn hệ thống.

---

Câu hỏi thường gặp

1. Biến phụ thuộc tỷ lệ nợ xấu (NPL) trong nghiên cứu được tính toán dựa trên cơ sở pháp lý và công thức nào?
Tỷ lệ nợ xấu ($NPL$) được xác định theo quy định tại Thông tư số 11/2021/TT-NHNN, bao gồm các khoản nợ thuộc nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn) có thời gian quá hạn thanh toán trên 90 ngày. Công thức tính toán là:

$$\text{NPL} = \frac{\text{Nợ nhóm 3} + \text{Nợ nhóm 4} + \text{Nợ nhóm 5}}{\text{Tổng dư nợ cho vay}} \times 100%$$

2. Vì sao tác giả phải sử dụng phương pháp hồi quy GMM thay vì chỉ dừng lại ở mô hình Pooled OLS, FEM hay REM?
Do mô hình nghiên cứu sử dụng biến trễ của biến phụ thuộc ($NPL_{t-1}$) làm biến độc lập để phản ánh tác động của nợ xấu trong quá khứ, cấu trúc dữ liệu trở thành dạng bảng động (Dynamic Panel Data). Cấu trúc này làm phát sinh hiện tượng nội sinh (Endogeneity) giữa biến trễ và sai số ngẫu nhiên, khiến các ước lượng Pooled OLS, FEM và REM bị chệch và không nhất quán. Phương pháp GMM (Lars Peter Hansen, 1982) được sử dụng nhằm khắc phục triệt để hiện tượng nội sinh, hiện tượng tự tương quan và phương sai sai số thay đổi.

3. Vì sao kết quả nghiên cứu cho thấy tốc độ tăng trưởng kinh tế (GDP) lại có tác động cùng chiều (+) với tỷ lệ nợ xấu?
Mặc dù lý thuyết chu kỳ kinh doanh kỳ vọng $GDP$ tác động ngược chiều với $NPL$, kết quả thực nghiệm GMM cho thấy tại 27 NHTMCP Việt Nam, $GDP$ tác động cùng chiều với $NPL$. Điều này phản ánh đặc thù trong các giai đoạn kinh tế tăng trưởng cao, tâm lý lạc quan quá mức khiến các NHTMCP dễ dãi trong thẩm định tín dụng, nới lỏng điều kiện cho vay để mở rộng thị phần, dẫn đến việc tích tụ các khoản vay dưới chuẩn và bộc phát thành nợ xấu sau đó.

4. Những yếu tố nào trong mô hình nghiên cứu không đạt ý nghĩa thống kê ở kết quả ước lượng GMM?
Trái với kỳ vọng ban đầu của tác giả, 3 biến số gồm: Tăng trưởng tín dụng ($GROW$), Khả năng sinh lời ($BEP = \text{EBIT}/\text{Tổng tài sản}$) và Tỷ giá hối đoái ($EXR$) không có ý nghĩa thống kê trong mô hình hồi quy GMM đối với mẫu 27 NHTMCP Việt Nam giai đoạn 2010–2022.

---

Kết luận

Khóa luận của tác giả Cao Thị Như Quỳnh đã thực hiện nghiên cứu thực nghiệm toàn diện về các nhân tố tác động đến tỷ lệ nợ xấu tại 27 NHTMCP Việt Nam trong giai đoạn 13 năm (2010–2022). Thông qua việc áp dụng kỹ thuật kinh tế lượng với phương pháp ước lượng GMM trên phần mềm Stata 17.0, nghiên cứu đã chứng minh nợ xấu năm trước ($NPL_{t-1}$), tỷ lệ trích lập dự phòng ($LLR$) và tăng trưởng kinh tế ($GDP$) có tác động cùng chiều, trong khi quy mô ngân hàng ($SIZE$) có tác động ngược chiều đến tỷ lệ nợ xấu. Các kết quả thực nghiệm này là luận cứ khoa học thực tiễn quan trọng giúp các nhà quản trị ngân hàng và các nhà hoạch định chính sách xây dựng giải pháp kiểm soát nợ xấu, bảo đảm an toàn hệ thống tài chính quốc gia.

Trích đoạn nội dung tài liệu

chương 1 là trình bày bố cục của bài nghiên cứu bao gồm 5 chương và trong 5 chương đó tác giả sẽ kết luận lại bài và đề xuất ra những giải pháp. 8 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM 2. Cơ sở lý thuyết về nợ xấu của ngân hàng thương mại 2. Khái niệm nợ xấu Nợ xấu trong tiếng anh được gọi là “Non – performing loan” hay được biết đến bằng những từ ngữ khác như là “Bad debt” hoặc “Dounbtful debt”.

Theo Moh Benny Alexandri and Teguh Iman Santoso (2015) có quan điểm rằng nợ xấu sẽ tác động đến những yếu tố ngoại sinh và nội sinh. (2010) thì cho rằng nợ xấu chỉ là các khoản vay không còn thu hồi được vốn gốc và tiền lãi và có thời gian quá hạn là trên 90 ngày. Theo quan điểm của Ủy ban Basel về giám sát ngân hàng (BCBS): Dù chưa đưa ra một khái niệm khái quát về nợ xấu, nhưng trong các hướng dẫn về các thông lệ chung tại nhiều quốc gia về quản lý rủi ro tín dụng. BCBS xác định khoản nợ được coi là không có khả năng hoàn trả khi cả hai điều kiện xảy ra hoặc một trong hai: ngân hàng tình trạng không còn khả năng trả nợ đầy đủ của người vay khi ngân hàng chưa thực hiện hành động gì để cố gắng thu hồi nợ; người vay đã quá hạn trả nợ quá 90 ngày.

Dựa trên hướng dẫn này thì nợ xấu sẽ bao gồm toàn bộ những khoản vay đã quá hạn 90 ngày và có dấu hiệu người đi vay không trả được nợ. Theo quan điểm của Quỹ Tiền tệ Quốc tế IMF (2004): “Nợ xấu là một khoản vay không sinh lời khi quá hạn thanh toán gốc hoặc lãi 90 ngày trở lên; khi các khoản lãi đã quá hạn 90 ngày hoặc hơn đã được vốn hóa, cơ cấu lại, hoặc trì hoãn theo thỏa thuận; khi các khoản thanh toán đến hạn dưới 90 ngày nhưng có thể nhận thấy những dấu hiệu rõ ràng cho thấy người vay sẽ không thể hoàn trả nợ đầy đủ (người vay phá sản).” Đồng quan điểm với IMF thì AEG (2004) của Liên hợp quốc cho thấy rằng về cơ bản, một khoản nợ được coi là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên 90 ngày, hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc chậm trả theo thỏa thuận, hoặc các khoản phải thanh toán đã quá hạn 9 dưới 90 ngày nhưng có lý do chắc chắn để nghi ngờ về khả năng khoản nợ sẽ được thanh toán đầy đủ. Tại Việt Nam, theo quan điểm của NHNN, nợ xấu là các khoản nợ khó đòi khi người vay không còn có thể trả nợ khi đến hạn phải thanh toán theo như hợp đồng tín dụng đã cam kết. Cụ thể, nếu quá thời gian quá hạn thanh toán trên 90 ngày thì bị coi là nợ xấu.

Theo khoản 8 Điều 3 Thông tư 11/2021/TT-NHNN thì nợ xấu (NPL) là nợ xấu nội bảng, gồm nợ thuộc các nhóm 3, nhóm 4 và nhóm 5 được quy định tại Điều 10 Thông tư 11/2021/TT-NHNN. Tóm lại, tổng hợp từ các quan điểm khác nhau ở trên thì ta có thể hiểu rằng nợ xấu là sự mất khả năng trả nợ của người đi vay với thời gian quá hạn thanh toán hơn 90 ngày. Phân loại nợ xấu 2. Tại Việt Nam Tại Việt Nam, theo Thông tư số 11/2021/NHNN, các tổ chức tín dụng được phân các nhóm nợ thành 5 nhóm như sau: (1) Nhóm 1: Nợ đủ tiêu chuẩn (Các khoản nợ còn thời hạn, có khả năng thu hồi đầy đủ cả gốc và lãi đúng thời hạn); (2) Nhóm 2: Nợ cần chú ý (Các khoản nợ quá hạn dưới 90 ngày, các khoản nợ cơ cấu lại thời hạn và trả nợ trong hạn theo thời hạn nợ đã cơ cấu lại); (3) Nhóm 3: Nợ dưới tiêu chuẩn (Các khoản nợ quá hạn từ 90 đến 180 ngày, các khoản nợ cơ cấu lại thời hạn trả nợ quá hạn dưới 90 ngày theo thời hạn đã cơ cấu lại); (4) Nhóm 4: Nợ nghi ngờ (Các khoản nợ quá hạn từ 181 đến 360 ngày; các khoản nợ cơ cấu lại thời hạn trả nợ quá hạn từ 90 ngày đến 180 ngày theo thời hạn đã cơ cấu lại); (5) Nhóm 5: Nợ có khả năng mất vốn (Các khoản nợ quá hạn trên 360 ngày; các khoản nợ đang chờ Chính phủ xử lý, các khoản nợ đã cơ cấu lại thời hạn trả nợ quá hạn trên 180 ngày theo thời hạn đã được cơ cấu lại).

Từ đó, nợ xấu là khoản nợ bao gồm nợ nhóm 3 (Nợ dưới tiêu chuẩn), nhóm 4 (Nợ nghi ngờ) và nhóm 5 (Nợ có khả năng mất vốn).1 Bảng tóm tắt về các nhóm của nợ xấu tại Việt Nam Nhóm Mức độ Thời gian nợ quá hạn 1 Nhóm nợ đủ tiêu chuẩn <10 ngày 2 Nhóm nợ cần chú ý 10 – 90 ngày 3 Nhóm nợ dưới tiêu chuẩn 91 – 180 ngày 4 Nhóm nợ nghi ngờ bị mất vốn 181 – 360 ngày 5 Nhóm nợ có khả năng mất vốn >360 ngày Nguồn: Khoản 1 Điều 10 Thông tư 11/2021/TT-NHNN 2. Trên thế giới Trên thế giới, việc phân loại nợ lại có nhiều sự khác biệt giữa các quốc gia. Bholat và cộng sự (2016) đã nghiên cứu và phân tích sự khác biệt về phân loại nợ của các nước. Cụ thể, tại Úc, Pháp và Liên minh Châu Âu, không có phân loại rõ ràng các nhóm nợ và nợ xấu.

Thay vào đó, nợ xấu được coi là các khoản nợ bị nghi ngờ khả năng hoàn trả và quá thời hạn thanh toán trên 90 ngày. Còn ở các quốc gia khác như Argentina, Trung Quốc, Nhật., các khoản nợ được phân loại thành từ 3 đến 6 nhóm và có nét khá tương đồng (Chi tiết được trình bày tại Bảng 2. Như vậy có thể thấy, Việt Nam có cách phân loại nợ khá tương đồng với nhiều đất nước khác trên thế giới, việc này giúp các tổ chức tín dụng dễ dàng quản lý nợ và đưa ra mức dự phòng rủi ro tín dụng phù hợp. Từ đó, giúp các ngân hàng hạn chế các rủi ro và tổn thất phải chịu.2 Phân loại nợ tại các quốc gia trên thế giới Quốc gia Các nhóm nợ (1) Nợ đạt tiêu chuẩn; (2) Nợ cần theo dõi; (3) Nợ không Argentina đạt chuẩn; (4) Nợ có rủi ro cao; (5) Nợ khó thu hồi; (6) Nợ không thể thu hồi.

Úc Nợ xấu là khoản nợ không thể thanh toán được toàn bộ 11 khoản vay khi đến hạn, bao gồm cả gốc và lãi mà không bất kể thời gian quá hạn phải là 90 ngày. Các khoản vay được phân loại thành: (1) Nợ quá hạn hơn 90 ngày; (2) Nợ chưa quá hạn 90 ngày nhưng được phân loại E, F, G hoặc H bởi ngân hàng cho vay theo quy định; (3) Nợ tái cơ cấu, phân loại nợ vay theo thang đo 9 Brazil cấp (AA, A, B, C, D, E, F, G hoặc H). Trong đó, a) Từ 15 đến 30 ngày: ít nhất là rủi ro B; b) Từ 31 đến 60 ngày: ít nhất là rủi ro C; c) Từ 61 đến 90 ngày: ít nhất là rủi ro D; d) Từ 91 đến 120 ngày: ít nhất là mức độ rủi ro E; e) Từ 121 đến 150 ngày: ít nhất là rủi ro mức F; f) Từ 151 đến 180 ngày: ít nhất là rủi ro G; g) Hơn 180 ngày: Rủi ro H. Các khoản nợ được phân thành: (1) nợ đạt tiêu chuẩn; (2) Trung quốc nợ cần chú ý; (3) nợ không đạt tiêu chuẩn; (4) nợ nghi ngờ; (5) nợ mất vốn.

Khoản nợ vay nghi ngờ là khi người vay không có khả Pháp năng thanh toán hoặc khi số tiền đến hạn trên 90 ngày. Indonesia (1) Nợ không đạt tiêu chuẩn; (2) Nợ nghi ngờ; (3) Nợ mất vốn. Nợ vay được phân thành các loại sau: (1) Nợ do bị phá Nhật sản hoặc bán phá sản; (2) Nợ nghi ngờ, (3) Nợ cần chú ý đặc biệt và (4) Nợ đạt tiêu chuẩn.” Theo quy tắc phân loại tài sản, có năm phân loại áp dụng cho khoản vay: (1) Nợ đạt tiêu chuẩn; (2) Nợ cần chú ý; Hàn Quốc (3) Nợ không đạt tiêu chuẩn; (4) Nợ nghi ngờ và (5) Nợ bị mất vốn. Các ngân hàng phân loại các khoản vay và khoản phải Thổ Nhĩ Kỳ thu dưới 5 nhóm.

Nhóm 1 - Nợ tiêu chuẩn. Nhóm 2 - Nợ đặc biệt chú ý. Nhóm 3 - Nợ phục hồi hạn chế: do 91- 12 180 ngày hoặc kỳ vọng thu hồi hạn chế do vấn đề tài chính và thanh khoản của con nợ. Nhóm 4 - Nợ phục hồi đáng ngờ (nghi ngờ): do 181-365 ngày hoặc suy giảm đáng kể trong quá trình tín dụng của con nợ nhưng không được coi là mất mát vì kỳ vọng phục hồi một phần.

Nhóm 5 - Nợ bị mất vốn: do hơn 365 ngày hoặc không có kỳ vọng phục hồi do sự suy giảm đáng kể trong quá trình tín dụng của con nợ. Nợ xấu theo các ngân hàng Nam Phi được phân loại là Nam Phi (1) Nợ tiêu chuẩn; (2) Nợ đề cập đặc biệt; (3) Nợ không đạt tiêu chuẩn; (4) Nợ nghi ngờ hoặc mất vốn. Khoản nợ được coi là nợ xấu khi quá hạn trên 90 ngày và Liên minh Châu Âu có khả năng không thể hoàn trả. Nguồn: Tác giả tổng hợp 2.3 Các lý thuyết liên quan đến nợ xấu 2.

Lý thuyết thông tin bất cân xứng Thông tin bất cân xứng (Asymmetric information) xảy ra khi một trong các bên giao dịch không biết tất cả và chính xác những thông tin cần biết về bên kia để đưa ra quyết định chuẩn xác trong giao dịch. Khi đó, giá cả trên thị trường sẽ có thể quá thấp hoặc quá cao so với giá cân bằng của thị trường. Hệ quả của thông tin bất cân xứng hiện nay trên thị trường thông tin bất cân xứng là một dạng của thất bại thị trường tài chính vì nó đã gây ra những lựa chọn bất lợi và rủi ro đạo đức. Hệ quả thứ nhất sự lựa chọn bất lợi của ngân hàng là những lựa chọn mà khách hàng cố tình che dấu thông tin và từ chối những khách hàng khác cung cấp đầy đủ thông tin đưa đến kết quả sai lầm trong hoạt động cấp tín dụng và không hiệu quả trong cấp tín dụng.

Những khách hàng có rủi ro cao thường là những người sẵn sàng chấp nhận mọi đều khoản mà ngân hàng đưa ra một cách nhanh chóng để nhận tiền một cách nhanh nhất dẫn đến rủi ro cao và nợ xấu ngân hàng sẽ tăng.