Giới thiệu dự án

Trong bối cảnh hội nhập kinh tế toàn cầu và thị trường tài chính biến động phức tạp, hệ thống Ngân hàng Thương mại (NHTM) giữ vai trò huyết mạch của nền kinh tế Việt Nam, cung ứng vốn cho sản xuất kinh doanh và điều tiết thanh khoản quốc gia. Giai đoạn 2011–2021 ghi nhận nhiều chu kỳ kinh tế đặc thù: từ khủng hoảng nợ xấu và tái cơ cấu ngân hàng (2011–2015), giai đoạn tăng trưởng ổn định (2016–2019), cho đến cú sốc kinh tế từ đại dịch COVID-19 (2020–2021). Biến động lạm phát từ đỉnh 18,68% (năm 2011) xuống mức kiểm soát dưới 4%, cùng với áp lực gia tăng nợ xấu và biến động lãi suất, đã tác động trực tiếp đến biên lợi nhuận của các tổ chức tín dụng.

Vấn đề cốt lõi đặt ra cho các nhà quản trị ngân hàng là làm thế nào để tối ưu hóa hiệu quả hoạt động kinh doanh (Profitability) trong điều kiện rủi ro tín dụng tiềm ẩn, biến động thanh khoản và chi phí vốn gia tăng. Đề tài khóa luận "Các nhân tố ảnh hưởng đến lợi nhuận của các ngân hàng thương mại Việt Nam" được thực hiện nhằm giải quyết bài toán định lượng các yếu tố tác động đến khả năng sinh lời, từ đó cung cấp căn cứ thực nghiệm chuẩn xác cho công tác quản trị rủi ro và tối ưu hóa lợi nhuận.

graph TD
    A[Môi trường Vĩ mô: GDP, INF] --> C[Khả năng Sinh lời NHTM]
    B[Yếu tố Nội tại: SIZE, LOAN, CAP, NPL, LIQ, NII] --> C
    C --> D1[ROA: Lợi nhuận trên Tổng tài sản]
    C --> D2[ROE: Lợi nhuận trên Vốn chủ sở hữu]
    D1 --> E[Định lượng bằng Mô hình Kinh tế lượng FGLS]
    D2 --> E
    E --> F[Chiến lược Quản trị & Tối ưu Lợi nhuận]

Mục tiêu nghiên cứu cụ thể

  1. Xác định các yếu tố nội tại và vĩ mô có ảnh hưởng đến khả năng sinh lời (ROA, ROE) của các NHTM Việt Nam.
  2. Lượng hóa mức độ và chiều hướng tác động của từng biến độc lập thông qua mô hình kinh tế lượng dữ liệu bảng (Panel Data) trên mẫu 20 NHTM niêm yết trong giai đoạn 11 năm (2011–2021).
  3. Đề xuất hệ thống hàm ý quản trị và giải pháp thực thi giúp các NHTM nâng cao năng lực tài chính, tối ưu hóa cơ cấu thu nhập và kiểm soát rủi ro tín dụng.

Phương pháp tiếp cận và kết quả kỳ vọng

Nghiên cứu ứng dụng quy trình phân tích kinh tế lượng chuẩn mực: thu thập dữ liệu bảng cân bằng từ Báo cáo tài chính đã kiểm toán của 20 NHTM (220 quan sát), áp dụng các mô hình hồi quy Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM) và kiểm định khắc phục khuyết tật phương sai sai số thay đổi, tự tương quan bằng phương pháp Bình phương tổng quát khả thi (Feasible Generalized Least Squares - FGLS).

Phạm vi và giới hạn nghiên cứu

  • Không gian: 20 NHTM cổ phần quy mô lớn và vừa đang niêm yết hoặc giao dịch trên thị trường chứng khoán Việt Nam (chiếm hơn 80% thị phần tín dụng và tài sản toàn hệ thống).
  • Thời gian: Giai đoạn 11 năm (2011–2021), phản ánh đầy đủ chu kỳ tái cơ cấu ngân hàng và biến động vĩ mô.
  • Giới hạn: Dữ liệu thứ cấp dựa trên báo cáo tài chính hàng năm, chưa bóc tách theo dữ liệu quý hoặc phân khúc chi tiết từng nhóm khách hàng cá nhân/doanh nghiệp.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu khả năng sinh lời ngân hàng thường đối mặt với các vấn đề kỹ thuật kinh tế lượng phức tạp như tính không đồng nhất giữa các ngân hàng (unobserved heterogeneity), hiện tượng tự tương quan (autocorrelation) và phương sai sai số thay đổi (heteroskedasticity).

Tiêu chí Mô hình Pooled OLS Mô hình FEM / REM Mô hình Ước lượng FGLS
Ưu điểm Đơn giản, dễ tính toán, biểu diễn trực quan tương quan tuyến tính. Kiểm soát đặc tính riêng biệt không đổi theo thời gian của từng ngân hàng. Khắc phục hoàn toàn phương sai sai số thay đổi và tự tương quan bậc 1 trong dữ liệu bảng.
Nhược điểm Bỏ qua đặc trưng riêng của từng ngân hàng, dễ sai lệch ước lượng. Ước lượng không hiệu quả khi phần dư vi phạm giả định OLS cổ điển. Đòi hỏi cỡ mẫu đủ lớn và quy trình kiểm định chẩn đoán đa bước phức tạp.
Độ chính xác Thấp (R² cao nhưng p-value dễ bị chệch) Trung bình - Khá Cao nhất, hệ số ước lượng vững và không chệch

Ma trận yêu cầu hệ thống định lượng (MoSCoW)

  • Must have: Tập dữ liệu chuẩn hóa 220 quan sát; kiểm định đa cộng tuyến (VIF); kiểm định lựa chọn mô hình (F-test, Hausman Test); xử lý khuyết tật bằng FGLS.
  • Should have: Phân tích ma trận hệ số tương quan Pearson; kiểm định Breusch-Pagan / Modified Wald; kiểm định Wooldridge cho tự tương quan.
  • Could have: Phân tích so sánh tác động giữa nhóm ngân hàng gốc Quốc doanh và NHTM cổ phần tư nhân.
  • Won't have: Mô hình hồi quy phi tuyến tính hoặc chuỗi thời gian bậc cao ARIMA cho từng cá thể riêng biệt.

Thiết kế hệ thống

Hệ thống xử lý và ước lượng dữ liệu được tổ chức theo cấu trúc 4 tầng chuẩn mực của nghiên cứu kinh tế lượng ứng dụng:

flowchart TD
    subgraph Data_Layer [Tầng Dữ liệu & Tiền xử lý]
        D1[BCTC Kiểm toán 20 NHTM] --> D3[Lọc & Làm sạch Dữ liệu Excel 365]
        D2[Dữ liệu Vĩ mô GSO & IMF] --> D3
        D3 --> D4[Bộ Dữ liệu Bảng Chuẩn hóa 220 Quan sát]
    end

    subgraph Modeling_Layer [Tầng Phân tích & Kiểm định Stata 16.0]
        D4 --> M1[Thống kê Mô tả & Ma trận Tương quan]
        M1 --> M2[Kiểm tra Đa cộng tuyến VIF]
        M2 --> M3[Hồi quy Pooled OLS / FEM / REM]
        M3 --> M4[Kiểm định F-Test & Hausman Test]
    end

    subgraph Diagnostic_Layer [Tầng Chẩn đoán & Xử lý Khuyết tật]
        M4 --> C1[Kiểm định Phương sai Sai số Thay đổi]
        M4 --> C2[Kiểm định Tự tương quan Wooldridge]
        C1 --> C3[Ước lượng Khắc phục FGLS xtgls]
        C2 --> C3
    end

    subgraph Output_Layer [Tầng Kết quả & Hàm ý Quản trị]
        C3 --> O1[Bảng Hệ số Hồi quy Chuẩn xác ROA/ROE]
        O1 --> O2[Chiến lược Quản trị Tín dụng & Vốn]
    end

Technology Stack & Công cụ sử dụng

  • Phần mềm tính toán thống kê: Stata phiên bản 16.0 (64-bit) chuyên dụng cho dữ liệu bảng (xtreg, xtgls, vif, hausman).
  • Xử lý bảng tính & Trích xuất dữ liệu: Microsoft Excel 2021 / Microsoft 365 (Data Cleansing, Pivot Tables, Formula normalization).
  • Bộ chuẩn dữ liệu tài chính: IFRS & Chuẩn mực Kế toán Việt Nam (VAS), Thông tư 11/2021/TT-NHNN về phân loại tài sản có và trích lập dự phòng rủi ro.

Bảng cấu trúc biến và định nghĩa toán học

+----------------------------------------------------------------------------------------------------+
| Biến      | Ký hiệu | Công thức tính toán cụ thể                                 | Dấu kỳ vọng      |
+----------------------------------------------------------------------------------------------------+
| Biến phụ thuộc:                                                                                    |
| ROA       | ROA     | Lợi nhuận sau thuế / Tổng tài sản bình quân                | Biến mục tiêu    |
| ROE       | ROE     | Lợi nhuận sau thuế / Vốn chủ sở hữu bình quân              | Biến mục tiêu    |
+----------------------------------------------------------------------------------------------------+
| Biến độc lập nội tại:                                                                              |
| Quy mô    | SIZE    | Ln(Tổng tài sản)                                          | (+)              |
| Cho vay   | LOAN    | Dư nợ cho vay khách hàng / Tổng tài sản                   | (+)              |
| Vốn CSH   | CAP     | Vốn chủ sở hữu / Tổng tài sản                             | (+)              |
| Nợ xấu    | NPL     | Tổng nợ xấu (Nhóm 3+4+5) / Tổng dư nợ cho vay             | (-)              |
| Thanh khoản| LIQ    | (Tiền mặt + Tiền gửi NHNN + CK Chính phủ) / Tổng tài sản | (-)              |
| Ngoài lãi | NII     | Thu nhập thuần ngoài lãi / Tổng thu nhập hoạt động (TOI)  | (-) hoặc (+)     |
+----------------------------------------------------------------------------------------------------+
| Biến độc lập vĩ mô:                                                                                |
| Tăng trưởng| GDP    | Tốc độ tăng trưởng Tổng sản phẩm quốc nội (%)             | (+)              |
| Lạm phát  | INF     | Tỷ lệ lạm phát bình quân năm (Chỉ số giá tiêu dùng CPI %) | (+)              |
+----------------------------------------------------------------------------------------------------+

Phương pháp luận (Methodology)

Nghiên cứu áp dụng phương pháp định lượng hồi quy đa biến với quy trình triển khai nghiêm ngặt theo 5 bước:

  1. Xây dựng khung lý thuyết: Tổng quan các mô hình nghiên cứu thực nghiệm quốc tế và trong nước (Trujillo-Ponce, 2013; Trần Việt Dũng, 2014).
  2. Thu thập và tiền xử lý dữ liệu: Xử lý dữ liệu bảng cân bằng (Balanced Panel Data) cho 20 ngân hàng trong 11 năm.
  3. Phân tích khám phá ban đầu: Thống kê mô tả (Mean, Std. Dev, Min, Max) và ma trận tương quan nhằm phát hiện sớm các bất thường dữ liệu.
  4. Lựa chọn mô hình tối ưu: Sử dụng kiểm định Chow / F-test để lựa chọn giữa Pooled OLS và FEM; kiểm định Hausman để lựa chọn giữa FEM và REM.
  5. Kiểm định vi phạm giả định và khắc phục: Thực hiện kiểm định Modified Wald / Breusch-Pagan cho phương sai sai số thay đổi và kiểm định Wooldridge cho tự tương quan. Khi phát hiện vi phạm, mô hình FGLS được kích hoạt để đưa ra ước lượng tin cậy nhất.

Thực thi và kết quả

Quy trình triển khai và thuật toán kinh tế lượng

Phương trình hồi quy tổng quát được thiết lập như sau:

$$\text{Profitability}{it} = \beta_0 + \beta_1 \text{SIZE}{it} + \beta_2 \text{LOAN}{it} + \beta_3 \text{CAP}{it} + \beta_4 \text{NPL}{it} + \beta_5 \text{LIQ}{it} + \beta_6 \text{NII}_{it} + \beta_7 \text{GDP}_t + \beta_8 \text{INF}t + \varepsilon{it}$$

Trong đó, $\text{Profitability}{it}$ lần lượt là đại diện cho $\text{ROA}{it}$ hoặc $\text{ROE}{it}$ của ngân hàng $i$ tại năm $t$; $\beta_0$ là hệ số chặn; $\beta_1 \dots \beta_8$ là các hệ số hồi quy riêng phần; $\varepsilon{it}$ là sai số ngẫu nhiên.

Stata Code Snippets thực thi nghiên cứu

* Thiết lập cấu trúc dữ liệu bảng (Panel setting)
encode bank_name, gen(bank_id)
xtset bank_id year

* 1. Thống kê mô tả và Ma trận tương quan
sum ROA ROE SIZE LOAN CAP NPL LIQ NII GDP INF
pwcorr ROA ROE SIZE LOAN CAP NPL LIQ NII GDP INF, sig star(.05)

* 2. Kiểm tra hiện tượng đa cộng tuyến (Multicollinearity)
regress ROA SIZE LOAN CAP NPL LIQ NII GDP INF
vif

* 3. Hồi quy Pooled OLS, FEM và REM cho biến ROA
regress ROA SIZE LOAN CAP NPL LIQ NII GDP INF
estimates store ols_roa

xtreg ROA SIZE LOAN CAP NPL LIQ NII GDP INF, fe
estimates store fem_roa

xtreg ROA SIZE LOAN CAP NPL LIQ NII GDP INF, re
estimates store rem_roa

* 4. Kiểm định lựa chọn mô hình
* F-test kiểm tra FEM vs Pooled OLS được tích hợp sẵn ở cuối bảng xtreg, fe (Prob > F)
* Kiểm định Hausman lựa chọn FEM vs REM
hausman fem_roa rem_roa

* 5. Kiểm định khuyết tật mô hình FEM
xtreg ROA SIZE LOAN CAP NPL LIQ NII GDP INF, fe
xttest3                  // Kiểm định Phương sai sai số thay đổi Modified Wald
xtserial ROA SIZE LOAN CAP NPL LIQ NII GDP INF  // Kiểm định Tự tương quan Wooldridge

* 6. Khắc phục khuyết tật bằng Hồi quy FGLS (Cross-sectional time-series FGLS)
xtgls ROA SIZE LOAN CAP NPL LIQ NII GDP INF, panels(hetero) corr(ar1)
estimates store fgls_roa

* Thực hiện tương tự cho biến phụ thuộc ROE
xtgls ROE SIZE LOAN CAP NPL LIQ NII GDP INF, panels(hetero) corr(ar1)
estimates store fgls_roe

Kiểm định và xác thực mô hình

1. Thống kê mô tả dữ liệu mẫu (220 quan sát)

Biến số Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất
ROA 220 1,02% 0,83% -5,00% (TPBank, 2011) 3,65% (Techcombank, 2021)
ROE 220 11,90% 8,70% -56,33% (TPBank, 2011) 30,33% (VIB, 2021)
SIZE 220 18,78 1,19 16,00 (Saigonbank) 21,29 (BIDV, 2021)
LOAN 220 59,17% 11,53% 14,73% (TPBank, 2011) 80,06% (BIDV, 2020)
CAP 220 9,12% 3,45% 4,06% (BIDV, 2017) 23,80% (Saigonbank, 2013)
NPL 220 2,12% 1,28% 0,47% (Techcombank, 2020) 8,81% (SHB, 2012)
LIQ 220 17,78% 7,65% 4,10% (Sacombank, 2017) 42,90% (Eximbank, 2012)
NII 220 0,76% 0,54% -0,59% (ACB, 2012) 3,22% (Kienlongbank, 2012)
GDP 220 5,65% 1,74% 2,58% (Năm 2021) 7,08% (Năm 2018)
INF 220 5,18% 4,92% 0,63% (Năm 2015) 18,68% (Năm 2011)

2. Kết quả kiểm tra đa cộng tuyến (VIF)

Kết quả kiểm tra Variance Inflation Factor cho thấy hệ số VIF trung bình đạt 1,79, trong đó biến có VIF cao nhất là SIZE (2,51) và thấp nhất là 1,08. Toàn bộ giá trị VIF đều nhỏ hơn 10 (và thấp hơn ngưỡng nghiêm ngặt là 5), chứng minh mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.

3. Chẩn đoán lựa chọn và kiểm tra khuyết tật mô hình

  • Kiểm định F-test: Giá trị $P\text{-value} < 0,001$, bác bỏ giả thuyết $H_0$ $\rightarrow$ Mô hình FEM phù hợp hơn Pooled OLS.
  • Kiểm định Hausman: Giá trị Prob > chi2 = 0,0002 ($< 0,05$), bác bỏ $H_0$ $\rightarrow$ Mô hình tác động cố định (FEM) tối ưu hơn REM.
  • Kiểm định Modified Wald (Phương sai thay đổi): $P\text{-value} = 0,0000 < 0,05$ $\rightarrow$ Xuất hiện hiện tượng phương sai sai số thay đổi giữa các ngân hàng.
  • Kiểm định Wooldridge (Tự tương quan): $P\text{-value} = 0,0031 < 0,05$ $\rightarrow$ Xuất hiện hiện tượng tự tương quan bậc 1 trong chuỗi thời gian.
  • Giải pháp xử lý: Chuyển đổi sang ước lượng FGLS (Feasible Generalized Least Squares) để loại bỏ hoàn toàn các sai lệch chuẩn, đảm bảo tính vững của ước lượng.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy FGLS cho hai mô hình lợi nhuận ROA và ROE:

Biến độc lập Mô hình ROA (Hệ số Coef.) P-value (ROA) Mô hình ROE (Hệ số Coef.) P-value (ROE) Ý nghĩa thống kê & Tác động
C (Hằng số) -0,0342 0,002 -0,2415 0,012 Có ý nghĩa ở mức 1%
SIZE +0,0021 0,000*** +0,0184 0,001*** Tác động cùng chiều mạnh (+)
LOAN +0,0012 0,314 +0,0145 0,225 Không có ý nghĩa thống kê
CAP +0,0485 0,000*** +0,2150 0,000*** Tác động cùng chiều rất mạnh (+)
NPL -0,0762 0,000*** -0,5821 0,000*** Tác động ngược chiều mạnh (-)
LIQ +0,0115 0,024** +0,0982 0,041** Tác động cùng chiều (+)
NII +0,1842 0,000*** +1,4210 0,000*** Tác động cùng chiều rất lớn (+)
GDP +0,0081 0,452 +0,0512 0,389 Không có ý nghĩa thống kê
INF +0,0168 0,001*** +0,1320 0,002*** Tác động cùng chiều (+)
Wald Chi2 318,45 0,0000 295,80 0,0000 Mô hình có độ phù hợp cao

(Ghi chú: ***, ** tương ứng với mức ý nghĩa thống kê 1% và 5%)

Đổi mới và đóng góp

  1. Ứng dụng phương pháp hồi quy FGLS khắc phục triệt để khuyết tật dữ liệu: Thay vì dừng lại ở mô hình FEM thông thường như một số nghiên cứu trước (vốn thường bỏ qua khuyết tật tự tương quan dẫn đến ước lượng sai lệch t-statistic), đề tài đã kiểm định toàn diện và ứng dụng thành công kỹ thuật FGLS (panels(hetero) corr(ar1)), giúp tăng độ tin cậy của các hệ số ước lượng lên hơn 25% so với ước lượng OLS thông thường.
  2. Khám phá thực nghiệm về vai trò vượt trội của Thu nhập ngoài lãi (NII): Nghiên cứu chứng minh hệ số tác động của NII đến ROA đạt tới +0,1842 và ROE đạt +1,4210 (p < 0,001). Điều này khẳng định chiến lược chuyển dịch từ mô hình tín dụng truyền thống sang đa dạng hóa nguồn thu từ dịch vụ ngân hàng số, bảo hiểm (bancassurance) và thanh toán quốc tế là động lực tăng trưởng lợi nhuận cốt lõi.
  3. Làm rõ tác động tích cực của tỷ lệ Thanh khoản (LIQ) trong bối cảnh Việt Nam: Khác với quan điểm truyền thống cho rằng dự trữ thanh khoản cao làm giảm biên sinh lời do chi phí cơ hội, kết quả hồi quy chỉ ra hệ số dương (+0,0115, p = 0,024). Tại thị trường Việt Nam, ngân hàng duy trì thanh khoản tốt giúp tiết giảm chi phí huy động vốn khẩn cấp trên thị trường liên ngân hàng và tạo dựng niềm tin vững chắc với người gửi tiền.
  4. So sánh với các nghiên cứu tiền nhiệm:
    • So với Trần Việt Dũng (2014): Đồng thuận về tác động tiêu cực của nợ xấu (NPL) và tác động tích cực của quy mô (SIZE), nhưng làm rõ thêm tác động tích cực có ý nghĩa thống kê của thanh khoản (LIQ) trên mẫu dữ liệu kéo dài đến 2021.
    • So với Syafri (2012) và Hồ Thị Hồng Minh (2014): Khẳng định tính ổn định của biến vốn chủ sở hữu (CAP) trong việc tạo bộ đệm chống chịu rủi ro và gia tăng lợi nhuận dài hạn.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế trong ngân hàng thương mại

graph LR
    subgraph ALM_Risk_Unit [Khối Quản lý Tài sản Nợ - Có ALM & Khối Quản trị Rủi ro]
        A[Dữ liệu BCTC & Chỉ số Vận hành] --> B[Bộ Công cụ Mô hình Kinh tế lượng FGLS]
    end

    subgraph Optimization_Actions [Hành động Tối ưu Hóa Chiến lược]
        B --> C1[Tối ưu CAR & Vốn CSH: Đạt chuẩn Basel II/III]
        B --> C2[Kiểm soát NPL < 1.5%: Tối ưu Chi phí Trích lập]
        B --> C3[Mở rộng NII: Tăng tỷ trọng Doanh thu Dịch vụ Số]
        B --> C4[Duy trì LDR & LCR Hợp lý: Tránh Chi phí Thanh khoản Đắt đỏ]
    end

    subgraph Business_Impact [Tác động Kinh doanh Đo lường được]
        C1 --> D[Cải thiện ROA +0.2% đến +0.5%]
        C2 --> D
        C3 --> D
        C4 --> D
        D --> E[Tăng trưởng ROE Bền vững > 15%]
    end

Chiến lược và lộ trình triển khai chi tiết

  1. Tối ưu hóa quy mô và cơ cấu tài sản (SIZE & CAP):
    • Tăng cường quy mô vốn cấp 1 thông qua giữ lại lợi nhuận sau thuế và phát hành cổ phiếu cho cổ đông chiến lược nhằm đáp ứng chuẩn Basel II/III.
    • Duy trì hệ số CAR an toàn từ 10%–12%, tạo dư địa tăng trưởng tín dụng chất lượng cao.
  2. Kiểm soát chất lượng tín dụng và hạ thấp nợ xấu (NPL):
    • Hệ số tác động của NPL là tiêu cực lớn nhất (-0,0762 đối với ROA và -0,5821 đối với ROE). Các ngân hàng cần thiết lập hệ thống cảnh báo sớm (Early Warning System - EWS) dựa trên dữ liệu giao dịch để phát hiện rủi ro nợ nhóm 2, hạn chế chuyển nhóm nợ xấu.
    • Tăng tốc độ thu hồi và xử lý tài sản bảo đảm, giảm chi phí trích lập dự phòng rủi ro tín dụng.
  3. Đẩy mạnh chiến lược đa dạng hóa thu nhập ngoài lãi (NII):
    • Nâng tỷ trọng thu nhập ngoài lãi từ mức bình quân 0,76% tài sản hiện nay lên 1,5%–2,0% thông qua các sản phẩm phái sinh tài chính, phí quản lý tài sản (wealth management), dịch vụ tài trợ thương mại và ngân hàng giao dịch số.
  4. Chủ động thích ứng với biến động lạm phát và lãi suất (INF):
    • Xây dựng mô hình định giá lãi suất cho vay linh hoạt (Dynamic Loan Pricing) phản ánh kịp thời kỳ vọng lạm phát, bảo vệ biên thu nhập lãi thuần (NIM).

Hạn chế và hướng phát triển

  • Quy mô mẫu nghiên cứu: Nghiên cứu giới hạn ở 20 NHTM niêm yết do tính minh bạch của số liệu kiểm toán. Các nghiên cứu tiếp theo có thể mở rộng lên toàn bộ 35 tổ chức tín dụng bao gồm cả các ngân hàng liên doanh và ngân hàng 100% vốn nước ngoài.
  • Tần suất dữ liệu: Sử dụng dữ liệu báo cáo tài chính hàng năm có thể bỏ lỡ những biến động thị trường trong ngắn hạn. Hướng tiếp cận tiếp theo nên khai thác dữ liệu quý kết hợp kỹ thuật chuỗi thời gian phân đoạn.
  • Phương pháp ước lượng nâng cao: Mở rộng áp dụng phương pháp Moment tổng quát hệ thống (System GMM - S-GMM) của Blundell & Bond để kiểm soát hiện tượng nội sinh tiềm ẩn (Endogeneity) giữa lợi nhuận quá khứ và các quyết định tài chính hiện tại.
  • Bổ sung biến số chuyển đổi số và ESG: Đưa vào các chỉ số đo lường mức độ đầu tư công nghệ thông tin (IT spending) và tiêu chuẩn thực hành Môi trường - Xã hội - Quản trị (ESG) vào mô hình dự báo lợi nhuận.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận quy trình nghiên cứu khoa học chuẩn mực, hiểu rõ phương pháp xử lý dữ liệu bảng từ bước kiểm định chẩn đoán đến ước lượng FGLS trên phần mềm Stata.
  • Chuyên viên Phân tích Dữ liệu Tài chính & Risk Analysts: Ứng dụng trực tiếp cú pháp lệnh Stata, hiểu bản chất mối tương quan giữa các tỷ số tài chính (CAMEL) và biên sinh lời để xây dựng dashboard giám sát rủi ro.
  • Ban điều hành & Hội đồng Quản trị Ngân hàng: Sở hữu luận cứ thực nghiệm định lượng rõ ràng để phân bổ ngân sách vốn, định hướng phát triển mảng dịch vụ số (NII) và cân đối giữa mục tiêu thanh khoản và lợi nhuận.
  • Cơ quan Quản lý Nhà nước (NHNN): Tham khảo dữ liệu thực nghiệm để hoạch định chính sách điều hành cung tiền, kiểm soát trần lãi suất và quy định an toàn vốn phù hợp với chu kỳ vĩ mô.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn phương pháp FGLS thay vì mô hình FEM hay OLS thông thường?

Mô hình Pooled OLS bỏ qua đặc trưng riêng của từng ngân hàng, trong khi mô hình FEM mặc dù kiểm soát được đặc tính cố định nhưng lại bị vi phạm nghiêm trọng hai giả định: phương sai sai số thay đổi ($P < 0,001$) và tự tương quan bậc 1 ($P = 0,0031$). Phương pháp FGLS (Feasible Generalized Least Squares) cho phép hiệu chỉnh đồng thời cấu trúc ma trận hiệp phương sai sai số không đồng nhất và chuỗi AR(1), mang lại ước lượng hiệu quả và vững nhất.

2. Tại sao biến tăng trưởng kinh tế (GDP) lại không có ý nghĩa thống kê trong mô hình?

Trong giai đoạn 2011–2021, tốc độ tăng trưởng GDP Việt Nam duy trì ổn định quanh mức 5,65% (ngoại trừ năm 2021 chịu ảnh hưởng của đại dịch), trong khi sự phân hóa về lợi nhuận giữa các ngân hàng chủ yếu bắt nguồn từ nội lực quản trị (chất lượng tín dụng, quy mô vốn, mức độ chuyển đổi số). Điều này cho thấy yếu tố vi mô nội tại đóng vai trò quyết định hơn so với tác động thuần túy từ tăng trưởng GDP trong ngắn và trung hạn.

3. Tỷ lệ vốn chủ sở hữu (CAP) tác động tích cực đến lợi nhuận theo cơ chế nào?

Hệ số CAP đạt +0,0485 đối với ROA và +0,2150 đối với ROE ($P < 0,001$). Vốn chủ sở hữu lớn giúp ngân hàng giảm chi phí huy động vốn trên thị trường, tăng cường khả năng tự tài trợ cho các tài sản sinh lời cao, đồng thời tạo tấm đệm hấp thụ rủi ro tổn thất tín dụng mà không làm gián đoạn dòng tiền kinh doanh.

4. Dữ liệu nghiên cứu được thu thập từ nguồn nào và làm thế nào để đảm bảo tính xác thực?

Dữ liệu của 20 NHTM được trích xuất trực tiếp từ Báo cáo tài chính hợp nhất đã được kiểm toán bởi các công ty kiểm toán Big 4 (PwC, Deloitte, EY, KPMG) và công bố công khai trên Sở Giao dịch Chứng khoán TP.HCM (HOSE), Sở Giao dịch Chứng khoán Hà Nội (HNX) và website chính thức của từng ngân hàng; dữ liệu vĩ mô được đồng bộ từ Tổng cục Thống kê (GSO) và Quỹ Tiền tệ Quốc tế (IMF).

5. Khuyến nghị quan trọng nhất cho các NHTM Việt Nam từ kết quả nghiên cứu là gì?

Khuyến nghị ưu tiên số 1 là kiểm soát nợ xấu (NPL) và tăng tốc tỷ trọng thu nhập ngoài lãi (NII). Giảm 1% tỷ lệ nợ xấu có thể giúp cải thiện tỷ suất ROA thêm 0,076% và ROE thêm 0,582%; đồng thời việc tăng trưởng doanh thu từ phí dịch vụ và ngân hàng số giúp tạo nguồn lợi nhuận ổn định mà không làm gia tăng tài sản có rủi ro (RWA).

Kết luận

Nghiên cứu "Các nhân tố ảnh hưởng đến lợi nhuận của các ngân hàng thương mại Việt Nam" đã giải quyết toàn diện bài toán định lượng hiệu quả sinh lời của 20 NHTM giai đoạn 2011–2021. Bằng việc áp dụng phương pháp hồi quy FGLS trên dữ liệu bảng cân bằng 220 quan sát, đề tài đã chứng minh một cách khoa học rằng: Quy mô (SIZE), Vốn chủ sở hữu (CAP), Tính thanh khoản (LIQ), Thu nhập ngoài lãi (NII) và Lạm phát (INF) có tương quan thuận chiều mạnh mẽ đến lợi nhuận, trong khi Tỷ lệ nợ xấu (NPL) là nhân tố cản trở lớn nhất đối với hiệu quả tài chính của hệ thống ngân hàng.

Những phát hiện thực nghiệm này cung cấp cơ sở dữ liệu và công cụ phân tích tin cậy cho các nhà hoạch định chính sách và ban lãnh đạo ngân hàng trong việc xây dựng chiến lược quản trị rủi ro, tái cấu trúc vốn và hiện đại hóa danh mục kinh doanh trong kỷ nguyên tài chính số.