Nghiên Cứu Nhân Tố Ảnh Hưởng Đến Tính Dễ Tổn Thương Của Các Ngân Hàng Thương Mại Việt Nam

Bài viết phân tích các nhân tố ảnh hưởng đến tính dễ tổn thương của ngân hàng thương mại Việt Nam, cung cấp cái nhìn sâu sắc về ngành tài chính.

• Tác giả: Nguyễn Thị Kim Ngọc
• Người hướng dẫn: PGS. Nguyễn Ngọc Định
• Trường học: Đại Học Kinh Tế Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Nghiên Cứu Tác Động Của Các Nhân Tố Đến Tính Dễ Tổn Thương Của Ngân Hàng Thương Mại Việt Nam
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2013
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Tổng Quan Nghiên Cứu Tác Động đến Ngân Hàng Việt Nam

Ngân hàng, huyết mạch kinh tế, đóng vai trò trung gian tài chính. Hiệu quả hoạt động của chúng ảnh hưởng đến tốc độ tăng trưởng kinh tế. Các nền kinh tế có hệ thống ngân hàng hiệu quả có khả năng chịu đựng các cú sốc tốt hơn, góp phần ổn định kinh tế. Tuy nhiên, vai trò lớn này đi kèm với nguy cơ tổn thương do tác động nội sinh và ngoại sinh. Khủng hoảng hiện nay càng làm rõ nét tính dễ tổn thương này. Hệ thống ngân hàng, đặc biệt là NHTMCP, phát triển nhanh nhưng thiếu ổn định trong 5 năm qua. Khó khăn kinh tế thế giới và Việt Nam khiến các NHTM trong nước gặp nhiều thách thức. Bất cập trong quản trị của các ngân hàng bộc lộ nhiều khuyết điểm, ảnh hưởng đến sự phát triển bền vững. Gia tăng nợ xấu, thanh khoản kém dẫn đến việc huy động vốn với lãi suất cao, gây rủi ro cho toàn hệ thống. Theo NHNN Việt Nam, tỷ lệ nợ xấu tăng vọt từ 3,1% (2011) lên 8,86% (2012).

1.1. Vai trò của ngân hàng trong nền kinh tế hiện đại

Ngân hàng không chỉ là trung gian tài chính mà còn là cầu nối giữa các lĩnh vực kinh tế, các vùng trong một quốc gia và giữa các nền kinh tế khác nhau trên thế giới. Chúng tạo điều kiện cho luân chuyển vốn, đầu tư và phát triển, từ đó thúc đẩy tăng trưởng kinh tế. Tuy nhiên, sự liên kết chặt chẽ này cũng khiến ngân hàng dễ bị ảnh hưởng bởi các biến động kinh tế toàn cầu, tạo ra những rủi ro tiềm ẩn.

1.2. Thực trạng nợ xấu và thanh khoản của ngân hàng Việt Nam

Tỷ lệ nợ xấu gia tăng nhanh chóng trong giai đoạn 2011-2012, phản ánh chất lượng tín dụng suy giảm. Rủi ro thanh khoản luôn thường trực do huy động vốn chủ yếu ngắn hạn. Vốn điều lệ tăng nhanh nhưng có thể không thực chất do hiện tượng sở hữu chéo. Chất lượng tài sản suy giảm nhưng trích lập dự phòng rủi ro đạt thấp, đe dọa an toàn hoạt động. Các tỷ lệ an toàn hoạt động theo quy định thực chất không bảo đảm.

II. Thách Thức Các Yếu Tố Gây Tổn Thương Cho NHTM

Rủi ro thanh khoản, chất lượng tài sản suy giảm, và các tỷ lệ an toàn hoạt động không đảm bảo là những thách thức lớn. Việc cho vay quá mức dẫn đến hệ số sử dụng vốn cao, gây mất cân đối nghiêm trọng giữa nguồn vốn và sử dụng vốn. Kết quả kinh doanh không thực chất, lợi nhuận ngành ngân hàng có khả năng suy giảm nhanh. Lãi chủ yếu đến từ hoạt động tín dụng, trong khi nợ xấu gia tăng và tín dụng tăng trưởng âm. Nếu thực hiện phân loại nợ và trích lập dự phòng rủi ro đúng, đủ, hiệu quả kinh doanh của các NHTM Việt Nam còn thấp hơn. Hoạt động ngân hàng tự nó chứa đựng nhiều rủi ro. Khi rủi ro tích tụ quá lớn do tác động của các yếu tố bên ngoài (bất ổn kinh tế vĩ mô, khủng hoảng kinh tế thế giới, thị trường chứng khoán và bất động sản lao dốc) hay yếu tố bên trong (quản trị rủi ro bất cập, quy trình tín dụng không hoàn chỉnh, đầu tư mạo hiểm, năng lực và đạo đức của nguồn nhân lực ngân hàng không đáp ứng yêu cầu), hệ thống ngân hàng sẽ không tránh khỏi đổ vỡ.

2.1. Rủi ro thanh khoản và quản lý vốn của ngân hàng

Sự mất cân đối giữa kỳ hạn huy động vốn (chủ yếu ngắn hạn) và kỳ hạn cho vay (trung và dài hạn) tạo ra rủi ro thanh khoản. Các ngân hàng cần có chiến lược quản lý vốn hiệu quả để đảm bảo khả năng thanh toán và đáp ứng nhu cầu vốn của khách hàng.

2.2. Ảnh hưởng của yếu tố vĩ mô đến hoạt động ngân hàng

Bất ổn kinh tế vĩ mô, khủng hoảng kinh tế thế giới, thị trường chứng khoán và bất động sản lao dốc đều có thể tác động tiêu cực đến hoạt động ngân hàng, làm gia tăng nợ xấu và giảm lợi nhuận. Các ngân hàng cần có khả năng dự báo và ứng phó với các biến động vĩ mô.

2.3. Quản trị rủi ro và đạo đức nghề nghiệp trong ngân hàng

Quản trị rủi ro bất cập, quy trình tín dụng không hoàn chỉnh, đầu tư mạo hiểm, năng lực và đạo đức của nguồn nhân lực ngân hàng không đáp ứng yêu cầu là những yếu tố nội tại có thể dẫn đến đổ vỡ hệ thống ngân hàng. Các ngân hàng cần chú trọng xây dựng hệ thống quản trị rủi ro hiệu quả và nâng cao đạo đức nghề nghiệp.

III. Phân Tích Định Lượng Mô Hình Hồi Quy Binary Logistic

Nghiên cứu sử dụng phương pháp định lượng với mô hình hồi quy Binary Logistic để nắm bắt các nhân tố quyết định đến khả năng tổn thương của ngân hàng, từ đó đưa ra hệ thống cảnh báo sớm nhằm ngăn ngừa khủng hoảng. Luận văn xem xét các nhân tố quyết định đến tính dễ tổn thương của các NHTM để xác định chỉ số tài chính nào đóng vai trò quan trọng trong dự báo các ngân hàng tổn thương. Mục tiêu là đưa ra mô hình dự báo tính tổn thương và đo lường mức độ chính xác của mô hình hồi quy Binary logistic trong dự báo tính tổn thương của NHTM Việt Nam. Phân tích thực nghiệm dựa vào dữ liệu của các ngân hàng ở Nga giai đoạn từ năm 2004 đến 2007. Dữ liệu được thu thập từ 1.000 tổ chức tài chính ở Nga.

3.1. Ưu điểm của mô hình Binary Logistic trong nghiên cứu ngân hàng

Mô hình Binary Logistic phù hợp để phân tích các biến phụ thuộc nhị phân (ví dụ: ngân hàng phá sản hay không phá sản). Nó cho phép đánh giá tác động của các biến độc lập đến xác suất xảy ra sự kiện. Mô hình này đã được sử dụng rộng rãi trong các nghiên cứu về dự báo rủi ro ngân hàng.

3.2. Các biến số sử dụng trong mô hình và ý nghĩa kinh tế

Các biến số đại diện cho tỷ số CAMEL(S) (Vốn chủ sở hữu, chất lượng tài sản, chất lượng quản trị, thu nhập, thanh khoản, và quy mô ngân hàng) được sử dụng. Mỗi biến số có ý nghĩa kinh tế riêng, phản ánh các khía cạnh khác nhau của hoạt động ngân hàng.

3.3. Quy trình xây dựng và kiểm định mô hình hồi quy

Việc xây dựng mô hình hồi quy bao gồm các bước: lựa chọn biến, ước lượng tham số, kiểm định độ phù hợp của mô hình, và đánh giá khả năng dự báo. Các kiểm định thống kê được sử dụng để đảm bảo tính chính xác của mô hình.

IV. Kết Quả Nghiên Cứu Nhân Tố Ảnh Hưởng Tính Dễ Tổn Thương

Trong số các biến số đại diện cho tỷ số CAMEL(S), gồm Vốn chủ sở hữu (C), chất lượng tài sản (A), chất lượng quản trị (M), thu nhập (E), thanh khoản (L), và quy mô Ngân hàng (S), nghiên cứu tập trung giải quyết vấn đề: Biến nào có ảnh hưởng mạnh nhất đến tính dễ tổn thương của các NHTM? Và các biến số này có thể xem như là các chỉ số dự báo tính tổn thương của các NHTM hay không? Kết quả nghiên cứu cho thấy, các biến đại diện cho an toàn vốn ECTA, tỷ suất sinh lời ROE, thanh khoản LDR và nợ xấu NPL là có ý nghĩa thống kê trong việc giải thích tính tổn thương của các NHTM. Các biến ECTA và ROE có quan hệ cùng chiều, LDR và NPL có quan hệ ngược chiều với xác suất tổn thương của các NHTM. Đồng thời biến NPL có ảnh hưởng mạnh nhất đến biến phụ thuộc. Khả năng dự báo của mô hình hồi quy Binary Logistic cao hơn phân tích biệt số MDA.

4.1. Tầm quan trọng của ECTA ROE LDR và NPL trong dự báo rủi ro

Các biến ECTA (tỷ lệ vốn chủ sở hữu trên tổng tài sản), ROE (tỷ suất sinh lời trên vốn chủ sở hữu), LDR (tỷ lệ cho vay trên huy động) và NPL (tỷ lệ nợ xấu) là những chỉ số quan trọng phản ánh sức khỏe tài chính của ngân hàng. Sự thay đổi của các chỉ số này có thể là dấu hiệu cảnh báo sớm về nguy cơ rủi ro.

4.2. So sánh khả năng dự báo của Binary Logistic và MDA

Mô hình Binary Logistic thường có khả năng dự báo tốt hơn so với phân tích biệt số MDA trong các nghiên cứu về rủi ro ngân hàng. Điều này có thể do mô hình Binary Logistic phù hợp hơn với dữ liệu và các giả định thống kê.

V. Ứng Dụng Thực Tiễn Cảnh Báo Sớm và Chính Sách Ngân Hàng

Các nhà quản lý có thể sử dụng mô hình này để dự báo sớm khả năng tổn thương của các NHTM trong tương lai, phát hiện các NHTM có vấn đề cũng như đưa ra các giải pháp để hạn chế xảy ra khủng hoảng. Nghiên cứu chỉ ra rằng tỷ số khả năng sinh lời, thanh khoản, Vốn là những nhân tố quan trọng dự báo các Ngân hàng vỡ nợ. Cụ thể: tỷ suất sinh lời trên tổng tài sản, tỷ suất sinh lời trên vốn chủ sở hữu, tổng dư nợ cho vay/ tổng tài sản, vốn chủ sở hữu/ Tổng huy động là những biến có ý nghĩa trong việc dự báo các Ngân hàng phá sản.

5.1. Xây dựng hệ thống cảnh báo sớm rủi ro ngân hàng

Dựa trên kết quả nghiên cứu, có thể xây dựng một hệ thống cảnh báo sớm rủi ro ngân hàng, sử dụng các chỉ số tài chính quan trọng (ECTA, ROE, LDR, NPL) để theo dõi và đánh giá sức khỏe tài chính của các ngân hàng. Hệ thống này giúp phát hiện sớm các ngân hàng có nguy cơ gặp khó khăn.

5.2. Đề xuất chính sách để nâng cao sức khỏe hệ thống ngân hàng

Kết quả nghiên cứu có thể được sử dụng để đề xuất các chính sách nhằm nâng cao sức khỏe hệ thống ngân hàng, như tăng cường quản lý rủi ro, nâng cao chất lượng tín dụng, cải thiện thanh khoản, và tăng cường giám sát.

VI. Hạn Chế Tương Lai Hướng Nghiên Cứu Tính Dễ Tổn Thương

Hiện nay tại Việt Nam hầu như có rất ít các nghiên cứu chính thức về tính dễ tổn thương của các NHTM Việt Nam. Do đó, nghiên cứu vấn đề “Nhân tố ảnh hưởng đến tính dễ tổn thương của các NHTM Việt Nam” với mô hình hồi quy Binary logistic sẽ phần nào nắm bắt được các nhân tố quyết định đến khả năng tổn thương của các Ngân hàng, từ đó có thể đưa ra hệ thống cảnh báo sớm nhằm ngăn ngừa khủng hoảng trong hệ thống Ngân hàng Việt Nam.

6.1. Mở rộng phạm vi nghiên cứu về các yếu tố vĩ mô

Các nghiên cứu trong tương lai nên xem xét thêm các yếu tố vĩ mô (tăng trưởng GDP, lạm phát, tỷ giá hối đoái) và các yếu tố định tính (chất lượng quản trị, năng lực nhân sự) để có cái nhìn toàn diện hơn về tính dễ tổn thương của ngân hàng.

6.2. Sử dụng dữ liệu vi mô chi tiết hơn

Việc sử dụng dữ liệu vi mô chi tiết hơn về hoạt động tín dụng, đầu tư và quản lý rủi ro của các ngân hàng có thể giúp nâng cao độ chính xác của mô hình dự báo.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về đề tài nghiên cứu. Chương 2: Các nghiên cứu thực nghiệm trên thế giới Chương 3: Phương pháp nghiên cứu và Kết quả nghiên cứu. Ở chương này, tác giả trình bày lý thuyết về mô hình nghiên cứu, nguồn dữ liệu để thực hiện nghiên cứu, mô tả các biến sử dụng trong bài nghiên cứu và kết quả đạt được từ nghiên cứu. Chương 4: Hạn chế của luận văn, hướng nghiên cứu tiếp theo và những gợi ý chính sách 7 CHƯƠNG 2 - NHỮNG NGHIÊN CỨU THỰC NGHIỆM 2.1 Nghiên cứu thực nghiệm của các tác giả trên thế giới Taha Zaghdoudi (2013) đã đưa ra mô hình dự báo sự đổ vỡ của các Ngân hàng Tunisian dùng phương pháp hồi quy Binary Logistic.

Phương pháp này đã được sử dụng trong công trình của Demirguc-Kunt and Detragiache (1998). Điểm đáng chú ý của mô hình dự báo là xem xét đến các chỉ số vi mô của Ngân hàng. Bài nghiên cứu đã sử dụng số liệu năm tại 64 nước bao gồm các nước phát triển và đang phát triển từ năm 1984-1994. Kết quả cho thấy khả năng chi trả của Ngân hàng, các chỉ số hoạt động, lợi nhuận đầu người và tỷ số đòn bẩy tài chính có tác động ngược chiều đến xác suất phá sản của Ngân hàng.

Alexander Babanskiy (2012) nghiên cứu các nhân tố có khả năng dự báo tốt nhất các Ngân hàng có vấn đề ở Nga. Phân tích thực nghiệm dựa vào dữ liệu của các Ngân hàng ở Nga giai đoạn từ năm 2004 đến 2007. Dữ liệu được thu thập từ 1.000 tổ chức tài chính ở Nga. Tác giả sử dụng mô hình tham số probit và logit để phân tích mức ý nghĩa của các chỉ số tài chính trong các báo cáo tài chính được công bố.

Biến giải thích mà tác giả đưa vào mô hình dựa vào những nghiên cứu trước đó như: Beaver (1966), Altman (1968), Jagtiani et al. (2002), Montgomery et al. (2005), Kolari et al. Tác giả cũng muốn đưa các biến vĩ mô vào mô hình nhưng theo Kennedy (1998) những biến này là những biến không mong muốn vì thường xảy ra hiện tượng đa cộng tuyến và ảnh hưởng đến kết quả của ước lượng trong khi chúng không phải là những biến thực sự được quan tâm.

Mô hình gồm 12 biến số độc lập: CTL = Vốn chủ sở hữu/ Tổng nợ, CTD = Vốn chủ sở hữu/Tổng huy động, CTA = Vốn chủ sở hữu/Tổng tài sản, ROA = Lợi nhuận ròng/Tổng tài sản, ROC = Lợi nhuận ròng/vốn chủ sở hữu, LTA = Tổng dư nợ cho vay/ Tổng Tài sản, LDT = Tổng dư nợ cho vay/tổng huy động, LTC = Tổng dư nợ cho vay/Vốn chủ sơ hữu, ATL = Tổng tài sản/Tổng nợ, DTA = Tổng huy động/Tổng tài sản, Cash = tiền mặt/Tổng tài sản, Size = Ln(Tổng tài sản). Kết quả nghiên cứu là tỷ số khả năng sinh lời, thanh khoản, Vốn là những nhân tố quan trọng dự báo các Ngân 8 hàng vỡ nợ. Cụ thể: tỷ suất sinh lời trên tổng tài sản, tỷ suất sinh lời trên vốn chủ sở hữu, tổng dư nợ cho vay/tổng tài sản, vốn chủ sở hữu/Tổng huy động là những biến có ý nghĩa trong việc dự báo các Ngân hàng phá sản. Đáng chú ý là tỷ suất sinh lời trên vốn chủ sở hữu, tỷ lệ vốn chủ sở hữu trên tổng huy động là những nhân tố có ý nghĩa trong thời kỳ bùng nổ khủng hoảng, trong khi tỷ suất sinh lời trên vốn chủ sở hữu là những nhân tố quan trọng trong thời kỳ sắp xảy ra khủng hoảng.

Nghiên cứu chỉ ra rằng mô hình logit và probit dự đoán khá chính xác. Kết quả nghiên cứu cũng tương tự như Lanie, Vennet (2006) đã sử dụng 2 mô hình này để dự báo xác xuất vỡ nợ. Đây có thể là một công cụ hữu ích cho những người đóng vai trò giám sát Ngân hàng và cho những ai quan tâm đến tình trạng sức khỏe Ngân hàng. Nil Gunsel (2012) nghiên cứu thực nghiệm các nhân tố quyết định đến tính dễ vỡ, tính tổn thương của nền kinh tế Bắc Thổ Nhĩ Kỳ từ năm 1984 đến 2008, sử dụng mô hình Multivariate logit.

Dữ liệu bảng thiết lập dữ liệu gồm các biến số vi mô của 24 NHTM cùng với các biến số kinh tế vĩ mô. Các biến số vi mô là các biến số tài chính đại diện cho tiêu chuẩn CAMELS. Sự yếu kém của các Ngân hàng có thể thấy qua các chỉ số tài chính: thiếu vốn (C), tín dụng vượt mức, nợ xấu (A), quản trị thiếu hiệu quả (M), thu nhập thấp (E), rủi ro thanh khoản (L) và quy mô Ngân hàng nhỏ (S). Tác giả đã sử dụng tổng cộng 10 biến độc lập, trong đó biến vi mô gồm: Vốn/Tổng tài sản (C), Dư nợ cho vay/Tổng tài sản (A), Thu nhập ròng/tổng tài sản (E), Huy động/Dư nợ cho vay (L), và log (Tổng tài sản) (S); biến vĩ mô gồm: Tăng trưởng GDP thực, lạm phát, lãi suất thực và các điều kiện bên ngoài (điều khoản thương mại, tỷ giá hối đoái thực và chỉ số áp lực thị trường (market pressure)).

Kết quả nghiên cứu cho rằng: thiếu vốn, lợi nhuận thấp, quy mô Ngân hàng nhỏ, tỷ lệ lạm phát cao, tỷ lệ tăng trưởng thấp, điều khoản thương mại và áp lực thị trường bất lợi là những nhân tố xác định các Ngân hàng rơi vào tình trạng kiệt quệ ở Bắc Thổ Nhĩ Kỳ., (2011) đã phân tích các yếu tố riêng của Ngân hàng Lehman Brothers với số liệu 5 năm trước (2003-2007), sử dụng các chỉ số CAMELS. Bài nghiên cứu phân tích xem sự đổ vỡ của Ngân hàng này là do cuộc 9 khủng hoảng kinh tế toàn cầu hay do các vấn đề bên trong Ngân hàng mà cơ quan giám sát ở Mỹ đã có thể nhìn thấy trước. Bài nghiên cứu xem xét đến các chỉ số như: Hệ số An toàn vốn: CAR Tỷ số chất lượng tài sản = (Nợ xấu (trên 90 ngày) – dự phòng )/Tổng dư nợ cho vay. Tỷ số này càng thấp, chất lượng tài sản càng cao.

Tỷ số quản trị chất lượng = Chi phí quản trị/Doanh thu. Chi phí quản trị gồm tất cả các chi phí hoạt động, doanh thu gồm lợi nhuận đã trừ đi chi phí và các khoản lỗ. Tỷ số thu nhập: ROA = Lợi nhuận ròng/tổng tài sản, ROE = Lợi nhuận ròng/Vốn chủ sở hữu Tỷ số thanh khoản: Tổng dư nợ cho vay/Tổng huy động và Tổng tài sản có khả năng thanh toán ngay/Tổng tài sản Tỷ số độ nhạy cảm đối với thị trường = Tổng giá trị danh mục chứng khoán/ Tổng tài sản. Kết quả nghiên cứu chỉ ra rằng chất lượng tín dụng thấp, quản trị không tuân theo các luật lệ của cơ quan giám sát, phương pháp quản trị rủi ro không hiệu quả so với quy mô của Ngân hàng này.

Ngân hàng dường như dễ đỗ vỡ trước những rủi ro và những điều kiện không ổn định mà lẽ ra cơ quan giám sát và Cục dự trữ Liên bang Mỹ đã có thể nhìn thấy trước, khi hoạt động của Lehman Brothers có những dấu hiệu đi xuống. Deger Alper & Adem Anbar (2011) xem xét các nhân tố vi mô (các chỉ số tài chính của Ngân hàng) và nhân tố vĩ mô ảnh hưởng đến khả năng sinh lời của các Ngân hàng ở Thổ Nhĩ Kỳ giai đoạn 2002-2010. Khả năng sinh lời của Ngân hàng được đo lường bằng chỉ số ROA và ROE. Kết quả nghiên cứu cho thấy quy mô tổng tài sản, thu nhập phi lãi có tác động dương và có ý nghĩa đối với khả năng sinh lời của Ngân hàng.

Tuy nhiên, quy mô danh mục tín dụng và cho vay… có tác động ngược chiều đối với khả năng sinh lời. Bài nghiên cứu đã đưa ra đề xuất: các Ngân hàng có thể cải thiện 10 khả năng sinh lời bằng cách tăng quy mô và thu nhập từ dịch vụ khác của Ngân hàng, giảm tỷ lệ cho vay/tổng tài sản. Đồng thời, lãi suất thực cao cũng có thể gia tăng khả năng sinh lời của Ngân hàng. Bài nghiên cứu cũng chỉ ra rằng việc đa dạng hóa hoạt động ở các Ngân hàng có quy mô lớn hơn có ảnh hưởng tích cực đến tỷ suất sinh lời.

Với các biến kinh tế vĩ mô, chỉ có lãi suất thực có tác động cùng chiều với khả năng sinh lời của Ngân hàng. Khi lãi suất thực càng cao, tỷ suất sinh lời trên vốn chủ sở hữu càng cao. Các nhân tố vi mô khác như: an toàn vốn, thanh khoản, tỷ lệ tiền gửi/tài sản, NIM và các nhân tố vĩ mô như tăng trưởng GDP thực, tỷ lệ lạm phát không ảnh hưởng nhiều đến khả năng sinh lời của Ngân hàng. Kết quả nghiên cứu của Olweny and Shipo (2011) đã cho rằng Chất lượng tài sản thấp và thanh khoản kém là hai nguyên nhân chính khiến cho Ngân hàng bị đổ vỡ.

Chất lượng tài sản kém đã khiến nhiều Ngân hàng ở Kenya phá sản vào những năm đầu 1980. Ongore and Kusa (2013) cho rằng vấn đề quản trị và các quyết định của Hội đồng quản trị tác động chủ yếu đến hoạt động của các NHTM ở Kenya, còn các nhân tố vĩ mô thì không có ý nghĩa. Bouwman (2009) đã nghiên cứu vốn chủ sở hữu trước khủng hoảng có ảnh hưởng như thế nào đến khả năng sống sót của các Ngân hàng. Bài nghiên cứu đã cho thấy: vốn giúp các Ngân hàng nhỏ sống sót trong khủng hoảng ngân hàng và khủng hoảng thị trường, giúp các Ngân hàng có quy mô trung bình và quy mô lớn sống sót sau khủng hoảng ngân hàng.

Lanine and Vennet (2006) áp dụng mô hình cảnh báo sớm (EWS) sử dụng phương pháp hồi quy logit, phương pháp thi tham số và kiểm định mức độ chính xác của mô hình dự báo. Trong bài nghiên cứu, các tác giả đã phân biệt 3 loại rủi ro: thanh khoản, rủi ro không trả được nợ, và rủi ro về vốn mà Ngân hàng phải đối mặt. Các biến sau được đưa vào bài nghiên cứu: Thu nhập ròng/tổng tài sản, Tài sản thanh khoản/tổng tài sản, Trái phiếu chính phủ/tổng tài sản, Vốn/tổng tài sản, Nợ vay/tổng tài sản, Quy mô tổng tài sản…Kết quả nghiên cứu cho thấy cả 2 mô hình logit và phương pháp thi tham số đều không có khả năng dự báo cao, nhưng cùng với các công 11 cụ phân tích khác thì đó là những công cụ hữu ích cho người làm công tác giám sát Ngân hàng. Ridwan Nurazi & Michael Evans (2005) nghiên cứu xem liệu các chỉ số CAMEL(s) có thể sử dụng như là các nhân tố dự báo sự đỗ vỡ của các Ngân hàng hay không? Bài nghiên cứu đã sử dụng 13 biến đại diện cho các chỉ số CAMEL, một biến đại diện cho độ nhạy cảm với rủi ro thị trường và một biến đại diện cho quy mô Ngân hàng.

Tác giả đã sử dụng hồi quy bội Binary logistic.