Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trong việc chu chuyển dòng vốn của nền kinh tế quốc gia. Trong bối cảnh hội nhập tài chính quốc tế ngày càng sâu rộng và các rủi ro kinh tế vĩ mô biến động phức tạp, an toàn hệ thống ngân hàng trở thành điều kiện tiên quyết để duy trì ổn định kinh tế. Hệ số an toàn vốn (Capital Adequacy Ratio - CAR) là thước đo tiêu chuẩn toàn cầu do Ủy ban Basel về Giám sát Ngân hàng (BCBS) thiết lập, phản ánh tỷ lệ giữa vốn tự có và tài sản có rủi ro (Risk-Weighted Assets - RWA).

Tại Việt Nam, tiến trình áp dụng chuẩn mực an toàn vốn bắt đầu từ Quyết định 457/2005/QĐ-NHNN (dựa trên Basel I) và nâng cấp lên Thông tư 41/2016/TT-NHNN (triển khai Basel II, bắt buộc từ 01/01/2020), hướng tới chuẩn mực Basel III. Dữ liệu thực tế cho thấy hệ số CAR trung bình toàn ngành ngân hàng Việt Nam đạt mức 20,35% vào năm 2005, sau đó giảm dần về 13,39% năm 2014 và dao động quanh ngưỡng 11,5% - 12,8% trong giai đoạn 2018–2021. Sự sụt giảm và biến động này phản ánh áp lực tăng trưởng tín dụng nhanh, yêu cầu tính toán tài sản rủi ro khắt khe hơn và tác động từ các chu kỳ kinh tế, đặc biệt là giai đoạn suy thoái và đại dịch COVID-19.

Vấn đề nghiên cứu cụ thể

Các ngân hàng thương mại cổ phần Việt Nam đối mặt với sự đánh đổi (trade-off) giữa tối đa hóa lợi nhuận và duy trì bộ đệm vốn an toàn:

  • Mở rộng tài sản sinh lời nhanh dẫn đến phình to tài sản có rủi ro ($RWA$), làm suy giảm hệ số $CAR$.
  • Nguồn bổ sung vốn cấp 1 từ lợi nhuận giữ lại chịu áp lực lớn từ chi phí trích lập dự phòng rủi ro nợ xấu và biến động lạm phát.
  • Thiếu hụt mô hình lượng hóa toàn diện tích hợp đồng thời các nhân tố nội tại (quản trị, sinh lời, đòn bẩy, thanh khoản) và biến số vĩ mô (tăng trưởng GDP, lạm phát) trong suốt chu kỳ 10 năm (2012–2021).

Mục tiêu nghiên cứu

  1. Hệ thống hóa khung lý thuyết và chuẩn mực Basel I, II, III về phương pháp đo lường hệ số an toàn vốn trong hoạt động kinh doanh ngân hàng thương mại.
  2. Xác định và lượng hóa mức độ tác động của các nhân tố vi mô (Quy mô SIZE, Khả năng sinh lời ROA, Tỷ lệ thanh khoản LIQ, Dự phòng rủi ro tín dụng LLR, Đòn bẩy tài chính LEV) và vĩ mô (Tăng trưởng kinh tế GDP, Lạm phát INF) đến hệ số CAR.
  3. Kiểm định thực nghiệm trên bộ dữ liệu bảng (Panel Data) gồm 18 NHTM Việt Nam giai đoạn 2012–2021 (180 quan sát) qua các mô hình Pooled OLS, FEM và REM.
  4. Đề xuất hệ thống khuyến nghị và hàm ý chính sách giúp các nhà quản trị ngân hàng và Ngân hàng Nhà nước (NHNN) tối ưu hóa cơ cấu vốn, kiểm soát rủi ro tài sản.

Phạm vi và giới hạn nghiên cứu

  • Không gian: 18 ngân hàng thương mại cổ phần tại Việt Nam (bao gồm 3 NHTM gốc quốc doanh: Vietcombank, BIDV, VietinBank và 15 NHTM cổ phần tư nhân), đại diện cho hơn 50% số lượng ngân hàng và nắm giữ hơn 70% tổng thị phần tín dụng/tài sản toàn hệ thống.
  • Thời gian: Chuỗi dữ liệu 10 năm từ 2012 đến 2021, bao quát giai đoạn tái cơ cấu hệ thống ngân hàng (2012–2015), giai đoạn chuyển đổi áp dụng Thông tư 41/2016/TT-NHNN và giai đoạn chịu ảnh hưởng từ đại dịch COVID-19 (2020–2021).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu thực nghiệm trước đây tại Việt Nam và quốc tế đã xem xét mối quan hệ giữa các chỉ số tài chính và hệ số CAR, tuy nhiên kết quả còn nhiều điểm không đồng nhất do sự khác biệt về mẫu nghiên cứu, giai đoạn kinh tế và phương pháp ước lượng:

Nghiên cứu Mẫu & Thời gian Phương pháp Kết quả chính Khoảng trống
Dreca (2014) 10 NHTM Bosnia (2005–2010) Pooled OLS, FEM, REM SIZE (-), ROA (-), LEV (+), LLR không có ý nghĩa Chưa xem xét biến động vĩ mô và bối cảnh chuẩn mực Basel chuyển đổi
Ansary & Hafez (2015) 36 NHTM Ai Cập (2003–2013) Pooled OLS, FEM, REM, GMM SIZE (+), ROA (+), LIQ (+), LLR (-) Chưa phân tích tác động tương quan của chu kỳ kinh tế cận biên
Võ Hồng Đức et al. (2014) 28 NHTM Việt Nam (2007–2012) Pooled OLS, FEM, REM LIQ (+), LLR (+), SIZE (-), ROE (-) Mẫu dữ liệu cũ, chưa phản ánh quy định Thông tư 41/2016/TT-NHNN
Phạm Hải Nam et al. (2022) 30 NHTM Việt Nam (2012–2018) Pooled OLS, FEM, REM SIZE (+), GDP (+), ROA (-), LIQ (-), INF (-) Chưa cập nhật giai đoạn 2019–2021 với các cú sốc vĩ mô lớn

Phân tích yêu cầu và khung giải pháp (MoSCoW)

  • Must-have (Bắt buộc): Khung dữ liệu bảng cân bằng (Balanced Panel Data) 10 năm; kiểm định đầy đủ 3 mô hình hồi quy (Pooled OLS, FEM, REM); thực hiện kiểm định Hausman, kiểm định đa cộng tuyến (VIF), phương sai sai số thay đổi và tự tương quan.
  • Should-have (Cần có): Lượng hóa đồng thời biến số vi mô nội tại ngân hàng và biến số kinh tế vĩ mô quốc gia.
  • Could-have (Có thể thêm): Xây dựng quy trình xử lý dữ liệu và kịch bản ước lượng tự động bằng công cụ kinh tế lượng tiêu chuẩn (Stata/Python).
  • Won't-have (Chưa áp dụng): Phân tích mô hình Dynamic GMM do hạn chế chuỗi thời gian ngắn ($T=10$) và tập trung vào phân tích tác động tĩnh qua mô hình Random Effects.

Thiết kế mô hình định lượng và cấu trúc dữ liệu

Mô hình hồi quy đa biến tổng quát được xây dựng như sau:

$$CAR_{it} = \alpha + \beta_1 SIZE_{it} + \beta_2 ROA_{it} + \beta_3 LIQ_{it} + \beta_4 LLR_{it} + \beta_5 LEV_{it} + \beta_6 GDP_t + \beta_7 INF_t + \epsilon_{it}$$

Trong đó:

  • $i$: Đại diện cho ngân hàng thương mại ($i = 1, 2, \dots, 18$).
  • $t$: Đại diện cho năm nghiên cứu ($t = 2012, 2013, \dots, 2021$).
  • $\alpha$: Hệ số chặn (Intercept).
  • $\beta_1, \dots, \beta_7$: Các hệ số hồi quy riêng phần thể hiện mức độ tác động của từng biến độc lập.
  • $\epsilon_{it}$: Sai số ngẫu nhiên của mô hình.

Bảng định nghĩa biến và thang đo kinh tế lượng

Ký hiệu Tên biến Thang đo / Công thức tính toán Kỳ vọng dấu Nguồn tham chiếu
CAR Hệ số an toàn vốn $\frac{\text{Vốn Cấp 1} + \text{Vốn Cấp 2}}{\text{Tổng Tài Sản Có Tính Theo Trọng Số Rủi Ro}}$ Biến phụ thuộc Basel II / TT 41
SIZE Quy mô tài sản $\ln(\text{Tổng Tài Sản})$ $(-)$ Dreca (2014)
ROA Khả năng sinh lời $\frac{\text{Lợi Nhuận Sau Thuế}}{\text{Tổng Tài Sản Bình Quân}}$ $(+)$ Ansary & Hafez (2015)
LIQ Tỷ lệ thanh khoản $\frac{\text{Tổng Dư Nợ Cho Vay Khách Hàng}}{\text{Tổng Tiền Gửi Của Khách Hàng}}$ $(+)$ Võ Hồng Đức (2014)
LLR Tỷ lệ dự phòng rủi ro $\frac{\text{Dự Phòng Tổn Thất Cho Vay}}{\text{Tổng Dư Nợ Cho Vay}}$ $(-)$ Pham & Nguyen (2019)
LEV Đòn bẩy tài chính $\frac{\text{Tổng Vốn Chủ Sở Hữu}}{\text{Tổng Tài Sản}}$ $(+)$ Dreca (2014)
GDP Tăng trưởng GDP Tốc độ tăng trưởng tổng sản phẩm quốc nội (%) $(+)$ Đỗ Hoài Linh (2019)
INF Tỷ lệ lạm phát Chỉ số giá tiêu dùng CPI thường niên (%) $(-)$ Phạm Hải Nam (2022)

Implementation và kết quả

Quy trình phân tích dữ liệu kinh tế lượng

Dữ liệu thứ cấp được thu thập từ báo cáo tài chính đã kiểm toán, báo cáo thường niên của 18 NHTM, kết hợp số liệu thống kê vĩ mô từ Ngân hàng Nhà nước và World Bank. Toàn bộ quy trình ước lượng và kiểm định được thực hiện tuần tự:

*----------------------------------------------------------------------*
* QUY TRÌNH HỒI QUY DỮ LIỆU BẢNG TRÊN STATA (DO-FILE SCRIPT)
*----------------------------------------------------------------------*
// 1. Khai báo cấu trúc Panel Data
xtset bank_id year

// 2. Ước lượng mô hình Pooled OLS
regress car size roa liq llr lev gdp inf
estimates store POOL

// 3. Ước lượng mô hình Tác Động Cố Định (Fixed Effects Model - FEM)
xtreg car size roa liq llr lev gdp inf, fe
estimates store FEM

// 4. Ước lượng mô hình Tác Động Ngẫu Nhiên (Random Effects Model - REM)
xtreg car size roa liq llr lev gdp inf, re
estimates store REM

// 5. Kiểm định Hausman để chọn lựa FEM hoặc REM
hausman FEM REM

// 6. Kiểm định Đa cộng tuyến (Variance Inflation Factor)
quietly regress car size roa liq llr lev gdp inf
vif

// 7. Kiểm định Hiện tượng Phương sai sai số thay đổi (Breusch-Pagan / Cook-Weisberg)
hettest

// 8. Kiểm định Hiện tượng Tự tương quan (Wooldridge test)
xtserial car size roa liq llr lev gdp inf

Kết quả kiểm định mô hình và lựa chọn phương pháp ước lượng

  1. Kiểm định F-test / Breusch-Pagan LM: Bác bỏ giả thuyết $H_0$ của mô hình Pooled OLS với mức ý nghĩa $p < 0,001$, chứng minh có sự khác biệt đặc trưng giữa các ngân hàng thương mại.
  2. Kiểm định Hausman: Giá trị thống kê Hausman Test cho thấy $p\text{-value} > 0,05$. Do đó, chấp nhận giả thuyết $H_0$, xác nhận mô hình Tác động ngẫu nhiên (Random Effects Model - REM) là mô hình phù hợp và tối ưu hơn so với FEM.
  3. Kiểm định đa cộng tuyến (VIF): Tất cả hệ số $VIF < 5$ (giá trị trung bình $VIF \approx 1,84$), chứng minh mô hình không vi phạm giả định đa cộng tuyến.
  4. Kiểm định khuyết tật mô hình: Mô hình REM sau khi ước lượng được kiểm tra phương sai thay đổi và tự tương quan, kết quả cho thấy các tham số ước lượng đảm bảo tính vững (Robust) và độ tin cậy thống kê cao.

Tổng hợp kết quả ước lượng mô hình REM và thảo luận kết quả

                       BẢNG TỔNG HỢP KẾT QUẢ HỒI QUY REM
==============================================================================
 Biến Độc Lập    Hệ số (Coeff)   Sai số chuẩn (Std.Err)   t-stat    P>|t|   Ý nghĩa
------------------------------------------------------------------------------
 SIZE              -0.1142               0.0891           -1.28     0.202   Không ý nghĩa
 ROA               +0.6385               0.1942            3.29     0.001   *** (p < 0.01)
 LIQ               -0.0384               0.0145           -2.65     0.008   *** (p < 0.01)
 LLR               -0.0872               0.1120           -0.78     0.436   Không ý nghĩa
 LEV               +0.4128               0.0984            4.20     0.000   *** (p < 0.01)
 GDP               +0.1852               0.0612            3.03     0.002   *** (p < 0.01)
 INF               +0.0924               0.0418            2.21     0.027   **  (p < 0.05)
 _cons              8.4215               1.8920            4.45     0.000   ***
------------------------------------------------------------------------------
 Quan sát (N): 180 (18 Banks x 10 Years)       R-squared (Overall): 0.4682
 Wald Chi2(7): 68.45                          Prob > Chi2: 0.0000
==============================================================================
 Ghi chú: *** p < 0.01, ** p < 0.05, * p < 0.1

Đánh giá chi tiết các giả thuyết nghiên cứu:

  • Tỷ suất sinh lời trên tổng tài sản (ROA): Tác động cùng chiều có ý nghĩa thống kê cao ($p = 0,001$). Khả năng sinh lời cao cho phép các ngân hàng tích lũy lợi nhuận giữ lại để bổ sung vốn tự có cấp 1 mà không phụ thuộc vào phát hành cổ phần ngoài thị trường, trực tiếp cải thiện hệ số an toàn vốn.
  • Tỷ lệ thanh khoản (LIQ): Tác động ngược chiều ($p = 0,008$). Khi tỷ lệ dư nợ cho vay trên tổng tiền gửi tăng cao, ngân hàng mở rộng tài sản tín dụng rủi ro ($RWA$), dẫn đến mẫu số công thức CAR tăng nhanh hơn tốc độ tăng vốn tự có, kéo hệ số CAR suy giảm.
  • Đòn bẩy tài chính (LEV - Tỷ lệ vốn chủ sở hữu trên tổng tài sản): Tác động cùng chiều mạnh mẽ ($\beta = 0,4128, p < 0,001$). Ngân hàng có tỷ trọng vốn chủ sở hữu dày dặn có nền tảng vốn tự có vững chắc, nâng cao trực tiếp tử số của tỷ lệ CAR.
  • Tăng trưởng kinh tế (GDP): Tác động cùng chiều ($\beta = 0,1852, p = 0,002$). Trong điều kiện vĩ mô tăng trưởng tốt, khách hàng có khả năng trả nợ cao, giảm tỷ lệ trích lập rủi ro và tăng khả năng sinh lời, thúc đẩy vốn tự có gia tăng.
  • Tỷ lệ lạm phát (INF): Tác động cùng chiều ($\beta = 0,0924, p = 0,027$). Trong bối cảnh lạm phát tăng, lãi suất danh nghĩa điều chỉnh tăng giúp biên lãi thuần (NIM) mở rộng, đồng thời các NHTM chủ động nâng cao tỷ lệ phòng vệ vốn để ứng phó với bất ổn thị trường.
  • Quy mô (SIZE) và Tỷ lệ dự phòng (LLR): Chưa tìm thấy bằng chứng có ý nghĩa thống kê trong mẫu nghiên cứu này.

Đổi mới và đóng góp

  1. Tính cập nhật và liên tục của chuỗi dữ liệu (2012–2021): Nghiên cứu đã lấp đầy khoảng trống dữ liệu trong giai đoạn bản lề chuyển dịch từ Basel I sang Basel II theo Thông tư 41/2016/TT-NHNN và giai đoạn thị trường chịu cú sốc dịch bệnh COVID-19, cung cấp bức tranh thực nghiệm toàn diện về sức chịu đựng của hệ thống NHTM Việt Nam.
  2. Tích hợp đồng bộ biến số vi mô và vĩ mô: Khắc phục hạn chế của các đề tài trước vốn chỉ tập trung vào báo cáo tài chính nội bộ, nghiên cứu này lượng hóa thành công vai trò của chu kỳ tăng trưởng kinh tế (GDP) và lạm phát (INF) lên bộ đệm vốn ngân hàng.
  3. Độ chuẩn xác phương pháp luận: Thực hiện kiểm định nghiêm ngặt qua quy trình 3 mô hình (Pooled OLS, FEM, REM), xác định mô hình REM giải thích được 46,82% sự biến thiên của hệ số CAR trên 18 ngân hàng với độ tin cậy trên 95% - 99%.

Ứng dụng thực tế và triển khai

Kịch bản quản trị an toàn vốn tại ngân hàng thương mại (NHTM)

  1. Quản trị tỷ lệ thanh khoản và tăng trưởng tín dụng (LIQ):

    • Thiết lập ngưỡng trần cho tỷ lệ dư nợ cho vay trên tổng tiền gửi (LDR) nội bộ ở mức an toàn (không vượt quá 80% - 85% theo khuyến nghị của NHNN).
    • Kiểm soát tốc độ giải ngân vào các lĩnh vực có hệ số rủi ro cao (bất động sản, chứng khoán với hệ số rủi ro quy đổi từ 150% đến 200%) nhằm ngăn chặn sự gia tăng đột biến của mẫu số RWA.

  2. Chiến lược gia tăng vốn tự có từ lợi nhuận (ROA & LEV):

    • Tối ưu hóa cơ cấu thu nhập qua việc gia tăng tỷ trọng thu nhập ngoài lãi (phí dịch vụ, bảo hiểm, ngân hàng số) để duy trì tỷ suất sinh lời ROA bền vững.
    • Ưu tiên chính sách chi trả cổ tức bằng cổ phiếu để giữ lại dòng tiền thặng dư, củng cố vốn cấp 1 cơ bản và nâng cao tỷ trọng vốn chủ sở hữu trên tổng tài sản.

  3. Lộ trình triển khai khuyến nghị cho cơ quan quản lý (NHNN):

    • Giai đoạn 1 (Ngắn hạn): Giám sát chặt chẽ hệ số CAR của nhóm ngân hàng quy mô vừa và nhỏ, yêu cầu lập kế hoạch bổ sung vốn cấp 2 qua công cụ nợ thứ cấp có kỳ hạn dài.
    • Giai đoạn 2 (Trung - Dài hạn): Hoàn thiện khung pháp lý giám sát an toàn vĩ mô, ban hành lộ trình áp dụng đệm vốn dự phòng nghịch chu kỳ (Countercyclical Capital Buffer - CCyB) từ 0% đến 2,5% theo chuẩn mực Basel III khi nền kinh tế bước vào chu kỳ tăng trưởng tín dụng nóng.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Mẫu gồm 18 ngân hàng thương mại được chọn lọc do tính khả dụng và minh bạch của báo cáo tài chính công bố tỷ lệ CAR theo chuẩn mực mới; chưa bao quát toàn bộ 31 NHTM cổ phần trong nước.
  • Phương pháp lượng hóa động: Chưa sử dụng mô hình hồi quy động GMM (Generalized Method of Moments) để kiểm soát triệt để hiện tượng nội sinh tiềm ẩn và quán tính điều chỉnh vốn qua các năm ($CAR_{t-1}$).
  • Hướng nghiên cứu tiếp theo:
    1. Ứng dụng mô hình System GMM hai bước (Two-step SGMM) để đánh giá độ trễ của quyết định phân bổ vốn.
    2. Mở rộng nghiên cứu sang các chỉ số rủi ro chuyên sâu của Basel III như Tỷ lệ 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 ngành Tài chính - Ngân hàng: Nắm vững cấu trúc nghiên cứu thực nghiệm chuẩn mực, quy trình kiểm định kinh tế lượng dữ liệu bảng (Pooled OLS, FEM, REM, Hausman, VIF) ứng dụng trong phân tích ngân hàng.
  • Chuyên viên phân tích rủi ro & Quản trị tài sản nợ - có (ALM): Sở hữu bằng chứng định lượng rõ ràng về độ co giãn của CAR trước các biến số sinh lời và thanh khoản, hỗ trợ xây dựng kịch bản kiểm tra sức chịu đựng (Stress Testing) vốn.
  • Ban điều hành và Hội đồng quản trị NHTM: Có căn cứ khoa học để hoạch định chính sách phân phối lợi nhuận, giữ lại thặng dư vốn và điều tiết tốc độ tăng trưởng tài sản có rủi ro.
  • Cơ quan quản lý Nhà nước (NHNN): Có thêm cơ sở thực nghiệm để thiết kế chính sách điều hành tỷ lệ an toàn vi mô và vĩ mô phù hợp với từng giai đoạn biến động kinh tế.

Câu hỏi thường gặp

1. Tại sao tỷ lệ thanh khoản (LIQ) trong nghiên cứu lại có tác động ngược chiều với hệ số CAR?

Tỷ lệ thanh khoản trong mô hình được đo lường bằng tỷ số giữa Tổng dư nợ cho vay khách hàng trên Tổng tiền gửi ($LDR$). Khi chỉ số này tăng, ngân hàng đang đẩy mạnh hoạt động cho vay so với nguồn vốn huy động. Hoạt động cho vay làm gia tăng nhanh chóng tài sản có hệ số rủi ro cao ($RWA$) ở mẫu số, trong khi vốn tự có ở tử số chưa thể tăng kịp tương ứng, dẫn đến hệ số $CAR$ bị suy giảm.

2. Tiêu chuẩn an toàn vốn tối thiểu theo Basel II và Thông tư 41/2016/TT-NHNN tại Việt Nam là bao nhiêu?

Theo quy định tại Thông tư 41/2016/TT-NHNN (áp dụng trụ cột 1 của Basel II), các ngân hàng thương mại và chi nhánh ngân hàng nước ngoài tại Việt Nam phải duy trì tỷ lệ an toàn vốn tối thiểu riêng lẻ và hợp nhất là 8,0%, thay thế cho mức 9,0% nhưng theo cách tính rủi ro đơn giản trước đây của Thông tư 36/2014/TT-NHNN.

3. Phương pháp nào đã được sử dụng để xác định mô hình REM là tối ưu nhất?

Nghiên cứu áp dụng kiểm định Hausman (Hausman Specification Test) để so sánh giữa mô hình Tác động cố định (FEM) và Tác động ngẫu nhiên (REM). Với giá trị $p\text{-value} > 0,05$, giả thuyết $H_0$ (không có sự tương quan giữa các hiệu ứng riêng lẻ của ngân hàng và các biến giải thích) được chấp nhận, khẳng định các ước lượng của mô hình REM là không chệch và có hiệu quả thống kê vượt trội.

4. Vì sao quy mô ngân hàng (SIZE) không có ý nghĩa thống kê trong kết quả hồi quy REM?

Trong giai đoạn 2012–2021, cả ngân hàng quy mô lớn và ngân hàng quy mô vừa đều phải tuân thủ nghiêm ngặt lộ trình áp dụng Thông tư 41. Các ngân hàng lớn dù có vốn tự có cao nhưng quy mô tài sản rủi ro mở rộng tương đương; ngược lại các ngân hàng vừa và nhỏ kiểm soát tín dụng thận trọng hơn. Điều này khiến yếu tố quy mô đơn thuần không tạo ra sự phân hóa mang tính quyết định đến hệ số CAR.

5. Làm thế nào để các ngân hàng thương mại tăng hệ số CAR mà không làm suy giảm tăng trưởng kinh doanh?

Ngân hàng có thể thực hiện chiến lược tái cấu trúc danh mục tài sản theo hướng tối ưu hóa trọng số rủi ro: chuyển dịch dòng vốn sang các phân khúc khách hàng cá nhân có tài sản bảo đảm tốt, phát triển mảng ngân hàng bán lẻ và tín dụng xanh (hệ số rủi ro thấp), kết hợp tăng nguồn thu phi tín dụng để nâng cao $ROA$ và bổ sung vốn cấp 2 qua phát hành trái phiếu thứ cấp dài hạn.

Kết luận

Đề tài nghiên cứu đã lượng hóa thành công các nhân tố ảnh hưởng đến hệ số an toàn vốn ($CAR$) tại 18 ngân hàng thương mại Việt Nam giai đoạn 2012–2021 thông qua mô hình kinh tế lượng dữ liệu bảng ngẫu nhiên (REM). Kết quả thực nghiệm khẳng định tầm quan trọng vượt trội của khả năng sinh lời (ROA), cấu trúc đòn bẩy vốn chủ sở hữu (LEV), sự kiểm soát tỷ lệ tín dụng trên tiền gửi (LIQ) cùng môi trường kinh tế vĩ mô (GDP, INF) trong việc định hình sức mạnh tài chính của hệ thống ngân hàng.

Trong giai đoạn tiến tới áp dụng toàn diện Basel III, việc duy trì một hệ số an toàn vốn vững chắc đòi hỏi các ngân hàng phải chuyển đổi mạnh mẽ từ mô hình tăng trưởng dựa vào mở rộng tín dụng đơn thuần sang mô hình quản trị vốn dựa trên rủi ro (Risk-Based Capital Management). Đây là chìa khóa then chốt để xây dựng hệ thống ngân hàng Việt Nam an toàn, minh bạch và phát triển bền vững trước mọi biến động kinh tế toàn cầu.