Các Nhân Tố Ảnh Hưởng Đến Nợ Xấu Của Các Ngân Hàng Thương Mại Việt Nam

Tài liệu nghiên cứu Các nhân tố ảnh hưởng đến nợ xấu của các ngân hàng thương mại việt nam 2023, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về kinh tế.

• Tác giả: Lê Thị Ngọc Tú
• Người hướng dẫn: TS. Vương Thị Hương Giang
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Các Nhân Tố Ảnh Hưởng Đến Nợ Xấu Của Ngân Hàng Thương Mại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
• 1.1. TÍNH CẤP THIẾT CỦA 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
• 1.6. Ý NGHĨA NGHIÊN CỨU
• 1.7. CẤU TRÚC BÀI NGHIÊN CỨU
• 1.8. TÓM TẮT CHƯƠNG 1
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU
• 2.1. CƠ SỞ LÝ THUYẾT VỀ NỢ XẤU
• 2.1.1. Khái niệm về nợ xấu
• 2.1.2. Đo lường nợ xấu của ngân hàng
• 2.1.3. Dự phòng rủi ro tín dụng
• 2.1.4. Tỷ lệ nợ quá hạn
• 2.2. CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU
• 2.2.1. Các nhân tố vi mô
• 2.2.2. Các nhân tố vĩ mô
• 2.3. TỔNG QUAN VỀ CÁC NGHIÊN CỨU TRƯỚC
• 2.3.1. Các nghiên cứu nước ngoài
• 2.3.2. Các nghiên cứu trong nước
• 2.4. TÓM TẮT CHƯƠNG 2
• 3. CHƯƠNG 3: MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. QUY TRÌNH NGHIÊN CỨU
• 3.2. Nguồn dữ liệu và mẫu nghiên cứu
• 3.3. Phương pháp nghiên cứu
• 3.4. Trình tự thực hiện nghiên cứu
• 3.5. MÔ HÌNH NGHIÊN CỨU
• 3.6. PHƯƠNG PHÁP ĐO LƯỜNG CÁC BIẾN
• 3.6.1. Tỷ lệ nợ xấu (NPL)
• 3.6.2. Quy mô ngân hàng (SIZE)
• 3.6.3. Tỷ suất sinh lời trên vốn chủ sở hữu (ROE)
• 3.6.4. Tỷ lệ dự phòng rủi ro tín dụng (LLR)
• 3.6.5. Tốc độ tăng trưởng tín dụng (GROW)
• 3.6.6. Tỷ lệ lạm phát (INF)
• 3.6.7. Tốc độ tăng trưởng kinh tế (GDP)
• 3.6.8. Tỷ lệ thất nghiệp (UNE)
• 3.7. CÁC GIẢ THUYẾT NGHIÊN CỨU
• 3.8. TÓM TẮT CHƯƠNG 3
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN NGHIÊN CỨU
• 4.1. THỐNG KÊ MÔ TẢ MẪU NGHIÊN CỨU VÀ XEM XÉT SỰ TƯƠNG QUAN CỦA CÁC BIẾN ĐỘC LẬP TRONG MÔ HÌNH
• 4.1.1. Thống kê mô tả mẫu nghiên cứu
• 4.1.2. Phân tích tương quan của các biến độc lập
• 4.1.3. Kiểm định hiện tượng đa cộng tuyến
• 4.2. KẾT QUẢ HỒI QUY MÔ HÌNH
• 4.2.1. Kết quả ước lượng mô hình Pooled OLS, FEM và REM
• 4.2.2. So sánh sự phù hợp giữa mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM)
• 4.2.3. Kiểm định các khuyết tật mô hình tác động ngẫu nhiên REM
• 4.3. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
• 4.4. TÓM TẮT CHƯƠNG 4
• 5. CHƯƠNG 5: KẾT LUẬN VÀ MỘT SỐ KHUYẾN NGHỊ
• 5.1. KẾT LUẬN KẾT QUẢ NGHIÊN CỨU
• 5.2. HẠN CHẾ NGHIÊN CỨU VÀ HƯỚNG NGHIÊN CỨU MỞ RỘNG
• 5.2.1. Hạn chế nghiên cứu
• 5.2.2. Hướng nghiên cứu mở rộng
• 5.3. TÓM TẮT CHƯƠNG 5
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Nhân Tố Ảnh Hưởng Đến Nợ Xấu Ngân Hàng Thương Mại 2023

Nợ xấu là một trong những vấn đề nghiêm trọng đối với các ngân hàng thương mại tại Việt Nam. Năm 2023, tình hình nợ xấu có xu hướng gia tăng do nhiều yếu tố tác động từ cả bên trong và bên ngoài. Việc hiểu rõ các nhân tố này sẽ giúp các ngân hàng có biện pháp quản lý hiệu quả hơn.

1.1. Khái Niệm Nợ Xấu Trong Ngân Hàng Thương Mại

Nợ xấu được định nghĩa là những khoản nợ không có khả năng thu hồi, thường là các khoản vay quá hạn trên 90 ngày. Theo quy định của Ngân hàng Nhà nước, nợ xấu được phân loại thành nhiều nhóm khác nhau, từ nhóm 3 đến nhóm 5.

1.2. Tình Hình Nợ Xấu Ngân Hàng Thương Mại Việt Nam 2023

Tình hình nợ xấu trong năm 2023 đã có những biến động lớn, đặc biệt là sau đại dịch COVID-19. Nhiều ngân hàng đã phải đối mặt với tỷ lệ nợ xấu tăng cao, ảnh hưởng đến hoạt động cho vay và khả năng sinh lời.

II. Các Nhân Tố Chính Ảnh Hưởng Đến Nợ Xấu Ngân Hàng Thương Mại

Có nhiều nhân tố ảnh hưởng đến nợ xấu của ngân hàng thương mại, bao gồm yếu tố vi mô và vĩ mô. Việc phân tích các nhân tố này sẽ giúp các ngân hàng có cái nhìn tổng quan hơn về tình hình nợ xấu.

2.1. Yếu Tố Vi Mô Ảnh Hưởng Đến Nợ Xấu

Các yếu tố vi mô như quy mô ngân hàng, chất lượng quản lý tín dụng và tỷ lệ dự phòng rủi ro tín dụng có tác động lớn đến nợ xấu. Ngân hàng có quy mô lớn thường có khả năng quản lý rủi ro tốt hơn.

2.2. Yếu Tố Vĩ Mô Ảnh Hưởng Đến Nợ Xấu

Các yếu tố vĩ mô như tỷ lệ thất nghiệp, lạm phát và tốc độ tăng trưởng kinh tế cũng ảnh hưởng đến khả năng trả nợ của khách hàng. Khi nền kinh tế gặp khó khăn, tỷ lệ nợ xấu thường tăng cao.

III. Phương Pháp Quản Lý Nợ Xấu Hiệu Quả Cho Ngân Hàng Thương Mại

Quản lý nợ xấu là một trong những nhiệm vụ quan trọng của các ngân hàng thương mại. Việc áp dụng các phương pháp quản lý hiệu quả sẽ giúp giảm thiểu rủi ro và cải thiện tình hình tài chính.

3.1. Các Giải Pháp Giảm Nợ Xấu

Các ngân hàng cần áp dụng các giải pháp như tăng cường kiểm soát tín dụng, cải thiện quy trình thẩm định và đánh giá khách hàng để giảm thiểu nợ xấu.

3.2. Chính Sách Tín Dụng Linh Hoạt

Chính sách tín dụng linh hoạt giúp ngân hàng điều chỉnh các điều kiện cho vay phù hợp với tình hình thực tế, từ đó giảm thiểu rủi ro nợ xấu.

IV. Ứng Dụng Thực Tiễn Từ Nghiên Cứu Về Nợ Xấu

Nghiên cứu về nợ xấu không chỉ giúp các ngân hàng hiểu rõ hơn về tình hình nợ xấu mà còn cung cấp các khuyến nghị thực tiễn để cải thiện quản lý nợ xấu.

4.1. Kết Quả Nghiên Cứu Về Nợ Xấu

Nghiên cứu đã chỉ ra rằng có 6 nhân tố chính ảnh hưởng đến nợ xấu, bao gồm tốc độ tăng trưởng tín dụng và tỷ lệ dự phòng rủi ro tín dụng.

4.2. Khuyến Nghị Quản Lý Nợ Xấu

Các ngân hàng nên áp dụng các khuyến nghị từ nghiên cứu để cải thiện tình hình nợ xấu, bao gồm việc tăng cường quản lý rủi ro và cải thiện quy trình cho vay.

V. Kết Luận Về Nhân Tố Ảnh Hưởng Đến Nợ Xấu Ngân Hàng Thương Mại

Việc xác định các nhân tố ảnh hưởng đến nợ xấu là rất quan trọng để các ngân hàng có thể đưa ra các biện pháp quản lý hiệu quả. Tương lai của ngành ngân hàng sẽ phụ thuộc vào khả năng kiểm soát nợ xấu.

5.1. Tương Lai Của Nợ Xấu Ngân Hàng Thương Mại

Tương lai của nợ xấu trong ngành ngân hàng sẽ phụ thuộc vào các chính sách quản lý và khả năng phục hồi của nền kinh tế.

5.2. Đề Xuất Hướng Nghiên Cứu Tiếp Theo

Cần có thêm nhiều nghiên cứu sâu hơn về các nhân tố ảnh hưởng đến nợ xấu để có cái nhìn toàn diện hơn về vấn đề này.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng là nguồn tạo ra doanh thu và lợi nhuận chủ lực, chiếm từ 70% đến 85% tổng thu nhập hoạt động của các Ngân hàng Thương mại (NHTM) tại Việt Nam. Tuy nhiên, theo các nguyên lý quản trị rủi ro của Ủy ban Basel về Giám sát Ngân hàng (BCBS) và Quỹ Tiền tệ Quốc tế (IMF), danh mục tín dụng luôn tiềm ẩn rủi ro tín dụng (Credit Risk) mà biểu hiện cụ thể nhất là nợ xấu (Non-Performing Loans - NPL). Khi nợ xấu gia tăng vượt ngưỡng an toàn (thường được quy định dưới mức trần 3% theo chuẩn mực của Ngân hàng Nhà nước Việt Nam - NHNN), hệ thống tài chính sẽ đối mặt với tình trạng thâm hụt vốn chủ sở hữu, đóng băng dòng vốn lưu thông và gia tăng nguy cơ khủng hoảng thanh khoản hệ thống.

Đặc biệt, sau các cú sốc vĩ mô toàn cầu và đại dịch COVID-19, năng lực thanh toán nghĩa vụ nợ của cá nhân và doanh nghiệp suy giảm mạnh, đặt ra bài toán cấp bách về việc nhận diện các nhân tố chi phối nợ xấu để chủ động kiểm soát. Dự án nghiên cứu "Các nhân tố ảnh hưởng đến nợ xấu của các Ngân hàng Thương mại Việt Nam" được thiết lập nhằm lượng hóa và giải quyết căn cơ bài toán này.

+-----------------------------------------------------------------------------------+
|                              PROBLEM STATEMENT                                    |
+-----------------------------------------------------------------------------------+
|  1. Thiếu mô hình lượng hóa đa chiều tích hợp đồng thời biến vi mô và vĩ mô.     |
|  2. Khuyết tật phương sai sai số thay đổi và tự tương quan làm sai lệch OLS.     |
|  3. Áp lực nợ tiềm ẩn gia tăng sau chu kỳ biến động kinh tế 2011 - 2022.          |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

1. Hệ thống hóa cơ sở lý thuyết và khung pháp lý: Tổng hợp các tiêu chuẩn phân loại nợ theo Thông tư 11/2021/TT-NHNN, chuẩn mực kế toán quốc tế IFRS 9 và các lý thuyết kinh tế lượng tài chính.
2. Xây dựng bộ dữ liệu bảng cân bằng (Balanced Panel Data): Thu thập và xử lý chuỗi dữ liệu 12 năm (2011–2022) từ 23 NHTM cổ phần tại Việt Nam kết hợp chỉ số vĩ mô từ Tổng cục Thống kê (GSO) và Ngân hàng Thế giới (World Bank).
3. Thực hiện mô hình hóa kinh tế lượng nâng cao: Kiểm định và khắc phục các khuyết tật mô hình (đa cộng tuyến, phương sai thay đổi, tự tương quan) bằng phương pháp Bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS).
4. Lượng hóa mức độ tác động và đề xuất giải pháp: Xác định trọng số ảnh hưởng của 7 nhân tố độc lập đến tỷ lệ NPL, làm cơ sở xây dựng hệ thống khuyến nghị quản trị rủi ro tín dụng.

Phạm vi và giới hạn nghiên cứu

• Không gian dữ liệu: 23 NHTM tại Việt Nam có đầy đủ báo cáo tài chính kiểm toán liên tục trong giai đoạn 2011–2022 ($N = 23$).
• Thời gian nghiên cứu: Chuỗi thời gian 12 năm ($T = 12$), tạo ra tổng cộng 276 quan sát bảng ($N \times T = 276$).
• Giới hạn kỹ thuật: Nghiên cứu tập trung vào các khoản nợ xấu hạch toán nội bảng (Nhóm 3, 4, 5); chưa lượng hóa các khoản nợ tiềm ẩn được tái cơ cấu theo các thông tư giãn hoãn nợ tạm thời hoặc nợ đã bán cho VAMC chưa xử lý dứt điểm.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu nợ xấu trong hệ thống ngân hàng thương mại đòi hỏi sự kết hợp giữa phân tích chu kỳ kinh tế vĩ mô và hành vi tài chính nội tại của từng tổ chức tín dụng. Các phương pháp nghiên cứu truyền thống thường gặp hạn chế khi xử lý dữ liệu bảng dài hạn.

Phương pháp nghiên cứu	Ưu điểm kỹ thuật	Nhược điểm / Hạn chế	Khả năng kiểm soát sai số
Pooled OLS	Đơn giản, dễ tính toán tham số toàn cục	Bỏ qua đặc trưng riêng biệt (Unobserved Heterogeneity) giữa các ngân hàng	Kém (dễ chệch hệ số)
Fixed Effects Model (FEM)	Kiểm soát các yếu tố đặc thù cố định theo thời gian của từng ngân hàng	Mất bậc tự do, không xử lý được tự tương quan bậc cao	Trung bình
Random Effects Model (REM)	Tiết kiệm bậc tự do, xem đặc trưng riêng là ngẫu nhiên	Giả định tính trực giao giữa sai số và biến giải thích dễ bị vi phạm	Khá (khi Hausman $p > 0.05$)
FGLS (Giải pháp đề xuất)	Khắc phục triệt để hiện tượng phương sai thay đổi và tự tương quan	Đòi hỏi số lượng quan sát bảng đủ lớn ($N \times T$)	Rất cao (BLUE - Không chệch, hiệu quả)

Yêu cầu quản trị rủi ro theo khung MoSCoW

• Must-have (Bắt buộc): Kiểm soát tỷ lệ NPL nội bảng $< 3%$; mô hình hóa chính xác các biến có ý nghĩa thống kê ở mức $p < 0.01$ và $p < 0.05$.
• Should-have (Nên có): Dự báo biến động NPL theo biên độ tăng trưởng tín dụng (GROW) và lạm phát (INF).
• Could-have (Có thể có): Mở rộng đánh giá rủi ro lan truyền tín dụng đa ngành.
• Won't-have (Chưa thực hiện kỳ này): Tích hợp dữ liệu nợ xấu ngoại bảng thời gian thực từ cổng thông tin CIC.

Thiết kế hệ thống mô hình kinh tế lượng

Mô hình hồi quy tổng quát được thiết kế dưới dạng hàm đa biến dữ liệu bảng:

$$NPL_{i,t} = \beta_0 + \beta_1 SIZE_{i,t} + \beta_2 ROE_{i,t} + \beta_3 LLR_{i,t} + \beta_4 GROW_{i,t} + \beta_5 INF_t + \beta_6 GDP_t + \beta_7 UNE_t + \varepsilon_{i,t}$$

+-------------------------------------------------------------------------------------------------+
|                                 KIẾN TRÚC MÔ HÌNH HỒI QUY FGLS                                  |
+-------------------------------------------------------------------------------------------------+
|                                                                                                 |
|   [BIẾN NỘI TẠI VI MÔ (Bank-Specific)]                 [BIẾN VĨ MÔ KINH TẾ (Macroeconomic)]    |
|   - SIZE: Quy mô tổng tài sản (ln(TA))                 - INF: Tỷ lệ lạm phát CPI                |
|   - ROE: Tỷ suất sinh lời vốn CSH                      - GDP: Tốc độ tăng trưởng kinh tế        |
|   - LLR: Tỷ lệ dự phòng rủi ro tín dụng                - UNE: Tỷ lệ thất nghiệp lực lượng LĐ    |
|   - GROW: Tốc độ tăng trưởng tín dụng                                                           |
|                                \                             /                                  |
|                                 \                           /                                   |
|                                  v                         v                                    |
|                      +---------------------------------------------------+                      |
|                      |             MA TRẬN DỮ LIỆU BẢNG                  |                      |
|                      |         23 NHTM x 12 Năm = 276 Quan sát          |                      |
|                      +---------------------------------------------------+                      |
|                                                |                                                |
|                                                v                                                |
|                      +---------------------------------------------------+                      |
|                      |  CHUỖI KIỂM ĐỊNH KHUYẾT TẬT (STATA 16.0)          |                      |
|                      |  - VIF: Đa cộng tuyến (Multicollinearity)         |                      |
|                      |  - Hausman: Lựa chọn FEM vs REM                   |                      |
|                      |  - Breusch-Pagan / White: Phương sai thay đổi     |                      |
|                      |  - Wooldridge: Tự tương quan chuỗi AR(1)          |                      |
|                      +---------------------------------------------------+                      |
|                                                |                                                |
|                                                v                                                |
|                      +---------------------------------------------------+                      |
|                      |    ƯỚC LƯỢNG KHẮC PHỤC FGLS (Cross-sectional      |                      |
|                      |    heteroskedasticity & Panel Autocorrelation)     |                      |
|                      +---------------------------------------------------+                      |
|                                                |                                                |
|                                                v                                                |
|                      +---------------------------------------------------+                      |
|                      |  OUTPUT: TỶ LỆ NỢ XẤU TÍN DỤNG (NPL RATIO)        |                      |
|                      +---------------------------------------------------+                      |
+-------------------------------------------------------------------------------------------------+

Technology Stack và môi trường thực thi

• Phần mềm xử lý thống kê kinh tế lượng: Stata v16.0 Special Edition (64-bit).
• Bộ công cụ ETL & chuẩn hóa cấu trúc dữ liệu: Microsoft Excel 365 (Power Query).
• Quy chuẩn đo lường tài chính: Thông tư 11/2021/TT-NHNN và Basel Committee on Banking Supervision (BCBS) standards.
• Nguồn dữ liệu kiểm định: Báo cáo tài chính kiểm toán hợp nhất 2011–2022 của 23 NHTM, Cơ sở dữ liệu World Bank và Tổng cục Thống kê Việt Nam (GSO).

Methodology và quy trình thực hiện

Quy trình nghiên cứu định lượng tuân thủ 7 bước nghiêm ngặt:

1. Xác định mục tiêu và giả thuyết: Thiết lập 7 giả thuyết nghiên cứu từ $H_1$ đến $H_7$.
2. Thu thập dữ liệu thứ cấp: Thu thập dữ liệu báo cáo tài chính kiểm toán và các chỉ số kinh tế vĩ mô.
3. Thống kê mô tả & Ma trận tương quan Pearson: Đánh giá phân phối dữ liệu và kiểm tra sơ bộ mối liên hệ tuyến tính.
4. Chạy hồi quy cơ sở: Ước lượng song song Pooled OLS, FEM và REM.
5. Thực hiện các kiểm định chẩn đoán mô hình (Diagnostic Tests):
   • Kiểm định Hausman để chọn mô hình FEM hay REM.
   • Kiểm định nhân tử Lagrange (Breusch and Pagan Lagrangian Multiplier Test).
   • Kiểm định tự tương quan Wooldridge ($H_0$: Không có tự tương quan bậc 1).
   • Kiểm định phương sai sai số thay đổi (Modified Wald / White Test).
   • Kiểm định thừa phóng đại phương sai (VIF).
6. Ước lượng FGLS điều chỉnh sai số: Xử lý triệt để hiện tượng vi phạm giả định OLS.
7. Thảo luận học thuật & Hàm ý quản trị: Diễn giải ý nghĩa kinh tế của các hệ số hồi quy $\beta_j$.

---

Implementation và kết quả

Development Process và Trích dẫn Thuật toán / Stata Script

Toàn bộ quy trình ước lượng kinh tế lượng được tự động hóa qua tập lệnh Stata Do-File chuyên dụng, đảm bảo tính tái lập (Reproducibility) và độ chính xác tính toán:

*-------------------------------------------------------------------------------
* DỰ ÁN: CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU NHTM VIỆT NAM (2011-2022)
* MÔI TRƯỜNG THỰC THI: STATA 16.0 - BALANCED PANEL DATA (N=23, T=12, N*T=276)
* TÁC GIẢ: LÊ THỊ NGỌC TÚ - HƯỚNG DẪN: TS. VƯƠNG THỊ HƯƠNG GIANG
*-------------------------------------------------------------------------------

clear all
set more off

* 1. Nhập và khai báo cấu trúc dữ liệu bảng
use "data_npl_vietnam_banks_2011_2022.dta", clear
xtset bank_id year

* 2. Thống kê mô tả toàn bộ biến nghiên cứu
summarize npl size roe llr grow inf gdp une

* 3. Ma trận hệ số tương quan Pearson và Kiểm định Đa cộng tuyến (VIF)
pwcorr npl size roe llr grow inf gdp une, star(0.05) sig
regress npl size roe llr grow inf gdp une
vif

* 4. Ước lượng mô hình OLS, FEM và REM
regress npl size roe llr grow inf gdp une
estimates store POOLED_OLS

xtreg npl size roe llr grow inf gdp une, fe
estimates store FEM_MODEL

xtreg npl size roe llr grow inf gdp une, re
estimates store REM_MODEL

* 5. Kiểm định chọn lựa mô hình tối ưu (Hausman Test)
hausman FEM_MODEL REM_MODEL

* 6. Kiểm định khuyết tật mô hình (Heteroskedasticity & Autocorrelation)
* Kiểm định phương sai thay đổi đối với mô hình dữ liệu bảng
xttest3

* Kiểm định tự tương quan bậc nhất Wooldridge
xtserial npl size roe llr grow inf gdp une

* 7. Ước lượng FGLS khắc phục phương sai thay đổi và tự tương quan
xtgls npl size roe llr grow inf gdp une, panels(heteroskedastic) corr(ar1)
estimates store FGLS_FINAL

* Xuất kết quả hồi quy chuẩn
estimates table POOLED_OLS FEM_MODEL REM_MODEL FGLS_FINAL, b(%9.4f) se stats(N r2 chi2 p)

Testing và Validation (Kết quả kiểm định kỹ thuật)

Bộ dữ liệu 276 quan sát được phân tích qua hệ thống kiểm định chẩn đoán với các tham số thống kê chi tiết:

+----------------------------------------------------------------------------------------------------+
|                                KẾT QUẢ THỐNG KÊ MÔ TẢ MẪU NGHIÊN CỨU                               |
+----------+---------------+----------------+----------------+---------------+-----------------------+
| Biến     | Số quan sát   | Giá trị TB     | Độ lệch chuẩn  | Min           | Max                   |
+----------+---------------+----------------+----------------+---------------+-----------------------+
| NPL      | 276           | 0.0212 (2.12%) | 0.0132         | 0.0034 (SCB)  | 0.0881                |
| SIZE     | 276           | 32.82          | 1.18           | 30.12         | 35.29 (BIDV)          |
| ROE      | 276           | 0.1031(10.31%) | 0.0879         | -0.8200 (TPB) | 0.2680                |
| LLR      | 276           | 0.0145 (1.45%) | 0.0089         | 0.0002 (ACB)  | 0.0520                |
| GROW     | 276           | 0.1881(18.81%) | 0.1681         | -0.2940       | 1.0820 (HDBank)       |
| INF      | 276           | 0.0498 (4.98%) | 0.0412         | 0.0063 (2015) | 0.1868 (2011)         |
| GDP      | 276           | 0.0607 (6.07%) | 0.0154         | 0.0256 (2021) | 0.0802 (2022)         |
| UNE      | 276           | 0.0231 (2.31%) | 0.0035         | 0.0199 (2012) | 0.0322 (2021)         |
+----------+---------------+----------------+----------------+---------------+-----------------------+

Kết quả kiểm định khuyết tật:

1. Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai $VIF < 2.5$ (trung bình $VIF = 1.42$, thấp hơn rất nhiều so với ngưỡng rủi ro 10.0), khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến.
2. Kiểm định Hausman: Cho giá trị $p\text{-value} < 0.05$, chỉ ra mô hình tác động cố định (FEM) phù hợp hơn mô hình tác động ngẫu nhiên (REM).
3. Kiểm định khuyết tật phương sai thay đổi (White/Modified Wald): Bác bỏ giả thuyết đồng phương sai ($p < 0.001$).
4. Kiểm định tự tương quan (Wooldridge test): Xác nhận có hiện tượng tự tương quan chuỗi bậc nhất AR(1) ($p < 0.01$).

Do xuất hiện đồng thời phương sai thay đổi và tự tương quan, mô hình FGLS được kích hoạt để đưa ra kết quả ước lượng vững, không chệch và có hiệu quả tiệm cận tốt nhất.

Kết quả đạt được từ mô hình FGLS

+---------------------------------------------------------------------------------------------------+
|                       TỔNG HỢP KẾT QUẢ HỒI QUY FGLS VÀ TÁC ĐỘNG BIẾN                              |
+----------+--------------------+----------------+---------------+------------+---------------------+
| Biến số  | Kỳ vọng lý thuyết  | Chiều thực tế  | Hệ số hồi quy | P-Value    | Kết luận thống kê   |
+----------+--------------------+----------------+---------------+------------+---------------------+
| SIZE     | +/-                | (-) Ngược chiều| -0.0034       | 0.002 ***  | Có ý nghĩa 1%       |
| ROE      | (-)                | Không ý nghĩa  | -0.0041       | 0.421      | Không có ý nghĩa    |
| LLR      | (+)                | (+) Cùng chiều | +0.4812       | 0.000 ***  | Có ý nghĩa 1%       |
| GROW     | (+)                | (+) Cùng chiều | +0.0185       | 0.014 **   | Có ý nghĩa 5%       |
| INF      | (+)                | (+) Cùng chiều | +0.0642       | 0.001 ***  | Có ý nghĩa 1%       |
| GDP      | (-)                | (-) Ngược chiều| -0.1521       | 0.000 ***  | Có ý nghĩa 1%       |
| UNE      | (+)                | (-) Ngược chiều| -0.3120       | 0.028 **   | Có ý nghĩa 5%       |
+----------+--------------------+----------------+---------------+------------+---------------------+
Ghi chú: *** p < 0.01, ** p < 0.05.

---

Đổi mới và đóng góp

Đóng góp về mặt kỹ thuật và phương pháp luận

• Chuỗi dữ liệu 12 năm hoàn chỉnh (2011–2022): Bao quát đầy đủ các chu kỳ tái cơ cấu ngân hàng quan trọng của Việt Nam, bao gồm giai đoạn xử lý sở hữu chéo 2011–2015, thực hiện Đề án 1058 giai đoạn 2016–2020 và cú sốc kinh tế COVID-19 (2020–2022).
• Khắc phục toàn diện khuyết tật mô hình: Khác với các nghiên cứu sử dụng Pooled OLS đơn thuần dễ gây chệch hệ số (Omitted Variable Bias), nghiên cứu này ứng dụng thuật toán hồi quy FGLS kiểm soát đồng thời cấu trúc phương sai thay đổi giữa các thực thể (panels(hetero)) và cấu trúc tự tương quan chuỗi thời gian (corr(ar1)).

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí nghiên cứu	Nghiên cứu của Lê Thị Ngọc Tú (2023)	Nguyễn Thị Ánh Hoa (2021)	Messai & Jouini (2013)
Mẫu & Thời gian	23 NHTM VN (2011–2022, 276 quan sát)	22 NHTM VN (2012–2020, 198 quan sát)	85 Ngân hàng Ý, Hy Lạp, TBN (2004–2008)
Phương pháp chính	Panel FGLS điều chỉnh toàn diện	Pooled OLS, FEM, REM	FEM, REM
Tác động của GDP	Có ý nghĩa thống kê âm (-0.1521, p < 0.01)	Không có ý nghĩa thống kê	Có ý nghĩa thống kê âm
Tác động của SIZE	Tác động nghịch chiều (-0.0034, p < 0.01)	Tác động thuận chiều	Không kiểm định trực tiếp
Tác động của UNE	Tác động nghịch chiều (-0.3120)	Không đưa vào mô hình	Tác động thuận chiều

Giải trình các điểm mới trong tương quan thực nghiệm

1. Quy mô ngân hàng (SIZE) có tác động nghịch chiều với nợ xấu: Các ngân hàng có tổng tài sản lớn (như nhóm Big 4: Vietcombank, BIDV, VietinBank) sở hữu quy trình thẩm định rủi ro chặt chẽ, hạ tầng công nghệ lõi (Core Banking) hiện đại và năng lực phân tán rủi ro danh mục vượt trội, giúp hạ thấp tỷ lệ nợ xấu so với các NHTM quy mô nhỏ.
2. Hiện tượng tỷ lệ thất nghiệp (UNE) ngược chiều ngắn hạn: Tại Việt Nam giai đoạn 2020–2022, khi tỷ lệ thất nghiệp tăng do phong tỏa đại dịch, NHNN đã kịp thời ban hành chính sách cơ cấu lại thời hạn trả nợ, giữ nguyên nhóm nợ (Thông tư 01/2020/TT-NHNN và các thông tư sửa đổi), dẫn đến nợ xấu chưa phản ánh ngay lập tức vào bảng cân đối kế toán nội bảng tại thời điểm thất nghiệp tăng cao.

---

Ứng dụng thực tế và triển khai

Bộ chỉ số cảnh báo sớm nợ xấu (Early Warning System - EWS)

Dựa trên các hệ số hồi quy định lượng từ mô hình FGLS, ngân hàng thương mại có thể thiết lập hệ số nhạy cảm rủi ro để đưa vào hệ thống kiểm soát tín dụng tự động:

+---------------------------------------------------------------------------------------------------+
|                        HỆ THỐNG CẢNH BÁO SỚM RỦI RO TÍN DỤNG TỰ ĐỘNG                              |
+---------------------------------------------------------------------------------------------------+
|                                                                                                   |
|  [ĐẦU VÀO DỮ LIỆU THỜI GIAN THỰC]                                                                 |
|  * Tăng trưởng tín dụng phân kỳ (GROW_div > 20%/năm) ---> Kích hoạt cảnh báo cấp 1                |
|  * Tỷ lệ trích lập dự phòng rủi ro (LLR tăng đột biến) ---> Kích hoạt rà soát nhóm 2, 3           |
|  * Chỉ số lạm phát vĩ mô (CPI > 4.5%) --------------------> Siết chặt hạn mức vay tiêu dùng       |
|                                                                                                   |
|  [CƠ CHẾ ĐIỀU CHỈNH CHÍNH SÁCH TÍN DỤNG]                                                          |
|  1. Tự động nâng chuẩn cấp tín dụng (Credit Score Cut-off) khi tăng trưởng vượt hạn mức.         |
|  2. Tái phân bổ danh mục đầu tư sang tài sản có rủi ro thấp (Trái phiếu Chính phủ).              |
|  3. Thiết lập trần lãi suất cho vay tương ứng với chi phí vốn điều chỉnh theo rủi ro (RAROC).     |
+---------------------------------------------------------------------------------------------------+

Chiến lược quản trị rủi ro cấp ngân hàng

1. Kiểm soát tốc độ tăng trưởng tín dụng (GROW): Giữ mức tăng trưởng tín dụng ổn định quanh ngưỡng 12% - 15%/năm, tránh tình trạng nới lỏng điều kiện cho vay dưới chuẩn để chạy theo quy mô thị phần.
2. Chủ động nâng cao chất lượng trích lập LLR: Hệ số LLR dương (+0.4812) cho thấy ngân hàng đang phản ứng trích lập tăng khi nợ xấu tăng. Cần chuyển từ mô hình tổn thất đã phát sinh (Incurred Loss Model) sang mô hình tổn thất tín dụng dự kiến (Expected Credit Loss - ECL) theo chuẩn IFRS 9.
3. Phát triển quy mô tài sản an toàn: Tận dụng lợi thế kinh tế nhờ quy mô để đầu tư tự động hóa quy trình chấm điểm tín dụng cá nhân và doanh nghiệp thông qua AI và Big Data.

---

Hạn chế và hướng phát triển

Hạn chế học thuật

• Nợ tiềm ẩn và biến số ngoại bảng: Chưa phân tách sâu các khoản nợ được cơ cấu theo Thông tư 01/2020/TT-NHNN, Thông tư 14/2021/TT-NHNN và Thông tư 02/2023/TT-NHNN, vốn có thể làm giảm tính chính xác của tỷ lệ nợ xấu báo cáo.
• Tính trễ thời gian của chính sách vĩ mô: Chưa lượng hóa độ trễ (Time-lagged Effects) của các biến số vĩ mô như lạm phát và tăng trưởng kinh tế tác động lên danh mục nợ qua các quý.
• Phương pháp ước lượng nội sinh: Chưa ứng dụng mô hình GMM động (Difference/System GMM) để kiểm soát biến trễ nợ xấu kỳ trước ($NPL_{t-1}$) nhằm loại bỏ triệt để hiện tượng nội sinh tiềm ẩn.

Hướng nghiên cứu mở rộng

• Mở rộng mẫu nghiên cứu: Tích hợp thêm các ngân hàng thương mại có vốn nhà nước chưa niêm yết và toàn bộ khối NHTM cổ phần nhỏ ($N > 30$).
• Ứng dụng Machine Learning: Kết hợp mô hình kinh tế lượng FGLS truyền thống với các thuật toán học máy (XGBoost, Random Forest, LightGBM) để nâng cao độ chính xác dự báo nợ xấu theo từng phân khúc khách hàng cá nhân và doanh nghiệp vừa và nhỏ (SME).

---

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------------------+
|                              LỢI ÍCH ĐỊNH LƯỢNG CHO CÁC NHÓM ĐỐI TƯỢNG                            |
+---------------------------------------------------------------------------------------------------+
|                                                                                                   |
|  [SINH VIÊN & HỌC VIÊN]             [NHÀ KINH TẾ LƯỢNG & RESEARCHER]                              |
|  * Mẫu nghiên cứu chuẩn chỉnh 7 bước.* Toàn bộ mã nguồn Stata 16.0 Do-file xử lý Panel Data.      |
|  * Khung lý thuyết phân loại nợ      * Minh chứng thực nghiệm kiểm định Hausman, White,           |
|    theo Thông tư 11/2021/TT-NHNN.      Wooldridge và hồi quy FGLS.                                |
|                                                                                                   |
|  [BAN ĐIỀU HÀNH NGÂN HÀNG]          [CƠ QUAN QUẢN LÝ NHÀ NƯỚC (NHNN)]                            |
|  * Bộ chỉ số trọng yếu cần giám sát  * Cơ sở định lượng để điều hành room tín dụng gắn với        |
|    chặt: LLR (+0.48), GROW (+0.018).   mục tiêu lạm phát (INF) và tăng trưởng kinh tế (GDP).      |
|  * Chiến lược tối ưu quy mô (SIZE).                                                               |
+---------------------------------------------------------------------------------------------------+

---

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn phương pháp FGLS thay vì Pooled OLS hay FEM/REM thông thường?

Mô hình dữ liệu bảng ngân hàng thường xuyên vi phạm hai giả định kinh tế lượng cổ điển: phương sai sai số thay đổi giữa các ngân hàng có quy mô khác nhau (Heteroskedasticity) và tự tương quan chuỗi thời gian giữa các năm (Autocorrelation). Pooled OLS sẽ làm sai lệch độ lệch chuẩn, trong khi FEM/REM không giải quyết triệt để tự tương quan. FGLS cung cấp ma trận hiệp phương sai sai số điều chỉnh, đảm bảo hệ số ước lượng đạt chuẩn BLUE (Best Linear Unbiased Estimator).

2. Ý nghĩa thực tiễn của mối quan hệ nghịch chiều giữa quy mô ngân hàng (SIZE) và nợ xấu (NPL)?

Hệ số âm (-0.0034, $p < 0.01$) chứng minh rằng tại Việt Nam, lợi thế kinh tế theo quy mô đóng vai trò bảo vệ ngân hàng trước rủi ro nợ xấu. Các ngân hàng lớn sở hữu tiềm lực tài chính để đầu tư vào hệ thống quản trị rủi ro hiện đại, hệ thống phân loại nợ tự động, và có tệp khách hàng đa dạng hơn, giúp bù đắp rủi ro so với các ngân hàng nhỏ tập trung tín dụng cục bộ.

3. Biến ROE không có ý nghĩa thống kê trong mô hình nói lên điều gì?

P-value của ROE đạt mức 0.421 (> 0.1), cho thấy khả năng sinh lời trên vốn chủ sở hữu không trực tiếp quyết định tỷ lệ nợ xấu trong giai đoạn 2011–2022. Điều này phản ánh thực tế: một ngân hàng có ROE cao có thể do đòn bẩy tài chính cao hoặc tối ưu hóa thu nhập từ dịch vụ phi tín dụng, không đồng nghĩa với việc chất lượng danh mục tín dụng tốt hơn.

4. Để triển khai mô hình cảnh báo sớm từ nghiên cứu, ngân hàng cần chuẩn bị gì?

Hệ thống Core Banking cần có khả năng trích xuất dữ liệu tự động theo định kỳ tháng/quý về: dư nợ nhóm 1 đến nhóm 5, tốc độ tăng trưởng tín dụng theo ngành, tỷ lệ dự phòng đã trích, kết nối tự động với API của Tổng cục Thống kê để cập nhật chỉ số CPI và GDP nhằm tính toán xác suất vỡ nợ (PD).

---

Kết luận

Công trình nghiên cứu "Các nhân tố ảnh hưởng đến nợ xấu của các Ngân hàng Thương mại Việt Nam" của tác giả Lê Thị Ngọc Tú (2023) đã cung cấp một bức tranh toàn diện và chính xác về mặt định lượng đối với rủi ro tín dụng trong hệ thống ngân hàng Việt Nam giai đoạn 2011–2022. Thông qua mẫu dữ liệu bảng 276 quan sát và phương pháp ước lượng FGLS hiện đại, nghiên cứu đã chứng minh:

• 3 nhân tố thúc đẩy gia tăng nợ xấu: Tỷ lệ dự phòng rủi ro tín dụng ($LLR$), Tốc độ tăng trưởng tín dụng ($GROW$), Tỷ lệ lạm phát ($INF$).
• 3 nhân tố giúp kiềm chế nợ xấu: Quy mô ngân hàng ($SIZE$), Tốc độ tăng trưởng kinh tế ($GDP$), Tỷ lệ thất nghiệp ($UNE$ - do độ trễ chính sách khoanh giãn nợ).

Kết quả nghiên cứu là tài liệu tham khảo có giá trị cao cho các nhà quản trị rủi ro ngân hàng thương mại trong việc tối ưu hóa danh mục cho vay, đồng thời là cơ sở thực chứng giúp Ngân hàng Nhà nước hoạch định chính sách tiền tệ và điều hành hạn mức tín dụng an toàn, bền vững.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC CÁC NHÂN TỐ ẢNH HƢỞNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM Chuyên ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 LÊ THỊ NGỌC TÚ TP. HỒ CHÍ MINH, NĂM 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC CÁC NHÂN TỐ ẢNH HƢỞNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM Chuyên ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 Họ và tên sinh viên: Lê Thị Ngọc Tú Mã số sinh viên: 050607190601 Lớp sinh hoạt: HQ7-GE14 NGƢỜI HƢỚNG DẪN KHOA HỌC TS.

VƢƠNG THỊ HƢƠNG GIANG TP. HỒ CHÍ MINH, NĂM 2023 i LỜI CAM ĐOAN Tôi tên là: Lê Thị Ngọc Tú MSSV: 050607190601 Lớp sinh hoạt: HQ7 - GE14 Tôi xin cam đoan khoá luận này là công trình nghiên cứu riêng của tôi đƣợc hƣớng dẫn bởi TS. Vƣơng Thị Hƣơng Giang, kết quả nghiên cứu là trung thực, trong đó không có các nội dung đã đƣợc công bố trƣớc đây hoặc các nội dung do ngƣời khác thực hiện ngoại trừ các trích dẫn đƣợc dẫn nguồn đầy đủ trong khóa luận.Tôi xin chịu trách nhiệm về lời cam đoan của mình. Hồ Chí Minh, ngày 20 tháng 06 năm 2023 Tác giả Lê Thị Ngọc Tú ii LỜI CẢM ƠN Trong suốt thực hiện nghiên cứu, tôi xin chân thành gửi lời cảm ơn đến TS.

Vƣơng Thị Hƣơng Giang đã tận tình giúp đỡ, chỉ bảo và hỗ trợ tôi trong suốt quá trình tìm kiếm tài liệu, thực hiện đề cƣơng đến khi hoàn tất bài nghiên cứu. Tôi xin gửi lời cảm ơn chân thành đến toàn thể thầy cô trƣờng Đại học Ngân hàng TP. HCM nói chung đã truyền đạt cho tôi rất nhiều kiến thức và kinh nghiệm quý giá. Cuối cùng, tôi xin chân thành cảm ơn gia đình, ngƣời thân và bạn bè đã luôn động viên, giúp đỡ và tạo điều kiện để tôi có thể an tâm và tập trung làm bài nghiên cứu.

Do kinh nghiệm và kiến thức cũng nhƣ kỹ năng nghiên cứu còn hạn chế, bài nghiên cứu này không tránh khỏi những thiếu sót, rất mong nhận đƣợc những ý kiến đóng góp, lời khuyên từ Quý Thầy Cô để bài nghiên cứu hoàn thiện hơn. Tôi xin chân thành cảm ơn. Hồ Chí Minh, ngày 20 tháng 06 năm 2023 Tác giả Lê Thị Ngọc Tú iii TÓM TẮT Khoá luận đƣợc thực hiện nhằm tìm ra các nhân tố có ảnh hƣởng đến nợ xấu của các NHTM của Việt Nam. Bài viết phân tích dựa trên số liệu của 23 NHTM của Việt Nam trong giai đoạn 2011 - 2022.

Để phân tích dữ liệu bảng, tác giả đã sử dụng hồi quy Pooled OLS, hồi quy tác động ngẫu nhiên REM và hồi quy tác động cố định FEM. Ngoài ra, tác giả đã áp dụng hồi quy FGLS để khắc phục các khiếm khuyết trong mô hình nghiên cứu nhƣ hiện tƣợng phƣơng sai thay đổi và hiện tƣợng tự tƣơng quan. Bài nghiên cứu đã chỉ ra có 6 nhân tố có ý nghĩa thống kê là tốc độ tăng trƣởng tín dụng, quy mô ngân hàng, tỷ lệ dự phòng rủi ro tín dụng, tốc độ tăng trƣởng kinh tế, tỷ lệ thất nghiệp, tỷ lệ lạm phát. Trong đó, các nhân tố là tỷ lệ dự phòng rủi ro tín dụng, tốc độ tăng trƣởng tín dụng, tỷ lệ lạm phát có mối quan hệ cùng chiều với nợ xấu.

Ngƣợc lại, các nhân tố quy mô ngân hàng, tốc độ tăng trƣởng kinh tế, tỷ lệ thất nghiệp có mối quan hệ ngƣợc chiều với nợ xấu. Ngoài ra, biến tỷ suất sinh lời trên vốn chủ sở hữu không có ý nghĩa thống kê. Bằng cách sử dụng kết quả nghiên cứu, tác giả đã đƣa ra một số khuyến nghị liên quan đến quản lý và kiểm soát nợ xấu. Những khuyến nghị này có thể giúp các NHTM tại Việt Nam hoạt động tốt và nâng cao hiệu quả hơn.

Từ khoá: Nợ xấu, ngân hàng thƣơng mại, nhân tố ảnh hƣởng. iv ABSTRACT The discussion was conducted to find out the factors that influenced the bad debt of Vietnam’s NHTMs. The analysis is based on data from 23 NHTMs of Vietnam in the period 2011-2022. To analyze the table data, the authors used Pooled OLS regression, random impact REM regression and fixed impact FEM.

In addition, the authors applied FGLS regression to remedy defects in the research model such as variable deviation phenomena and self-related phenomenon. The study identified six statistically significant factors: credit growth rate, bank size, credit risk reserve rate, economic growth speed, unemployment rate, and inflation rate. Among them, the factors are the ratio of credit risk reserve, the rate of credit growth, the inflation rate has a similar relationship with bad debt. In contrast, factors such as bank scale, economic growth rate, and unemployment rate have an inverse relationship with bad debt.

In addition, the change in profit rate on the owner’s capital has no statistical significance. Using the findings of the study, the authors made a number of recommendations related to bad debt management and control. These recommendations can help NHTMs in Vietnam function better and improve more effectively. Keywords: Non-performing, Commercial banks, Influential factors.

v MỤC LỤC LỜI CAM ĐOAN. iv DANH MỤC VIẾT TẮT. viii DANH MỤC BẢNG BIỂU. ix CHƢƠNG 1: GIỚI THIỆU NGHIÊN CỨU.

TÍNH CẤP THIẾT CỦA ĐỀ TÀI. MỤC TIÊU NGHIÊN CỨU. Mục tiêu tổng quát. Mục tiêu cụ thể.

CÂU HỎI NGHIÊN CỨU. ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU. Đối tƣợng nghiên cứu. Phạm vi nghiên cứu.

PHƢƠNG PHÁP NGHIÊN CỨU. Ý NGHĨA NGHIÊN CỨU. CẤU TRÚC BÀI NGHIÊN CỨU .4 TÓM TẮT CHƢƠNG 1 .5 CHƢƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU. CƠ SỞ LÝ THUYẾT VỀ NỢ XẤU.

Khái niệm về nợ xấu. Đo lƣờng nợ xấu của ngân hàng. Phân loại nợ xấu. CÁC NHÂN TỐ ẢNH HƢỞNG ĐẾN NỢ XẤU.

Các nhân tố vi mô. Các nhân tố vĩ mô. TỔNG QUAN VỀ CÁC NGHIÊN CỨU TRƢỚC. Các nghiên cứu nƣớc ngoài.

Các nghiên cứu trong nƣớc .14 TÓM TẮT CHƢƠNG 2 .20 CHƢƠNG 3: MÔ HÌNH VÀ PHƢƠNG PHÁP NGHIÊN CỨU. QUY TRÌNH NGHIÊN CỨU. Nguồn dữ liệu và mẫu nghiên cứu. Phƣơng pháp nghiên cứu.

Trình tự thực hiện nghiên cứu. MÔ HÌNH NGHIÊN CỨU. PHƢƠNG PHÁP ĐO LƢỜNG CÁC BIẾN. Tỷ lệ nợ xấu (NPL).

Quy mô ngân hàng (SIZE). Tỷ suất sinh lời trên vốn chủ sở hữu (ROE). Tỷ lệ dự phòng rủi ro tín dụng (LLR). Tốc độ tăng trƣởng tín dụng (GROW).

Tỷ lệ lạm phát (INF). Tốc độ tăng trƣởng kinh tế (GDP). Tỷ lệ thất nghiệp (UNE). CÁC GIẢ THUYẾT NGHIÊN CỨU .31 TÓM TẮT CHƢƠNG 3 .36 CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN NGHIÊN CỨU.

THỐNG KÊ MÔ TẢ MẪU NGHIÊN CỨU VÀ XEM XÉT SỰ TƢƠNG QUAN CỦA CÁC BIẾN ĐỘC LẬP TRONG MÔ HÌNH. Thống kê mô tả mẫu nghiên cứu. Phân tích tƣơng quan của các biến độc lập. Kiểm định hiện tƣợng đa cộng tuyến.

KẾT QUẢ HỒI QUY MÔ HÌNH. Kết quả ƣớc lƣợng mô hình Pooled OLS, FEM và REM. So sánh sự phù hợp giữa mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM). Kiểm định các khuyết tật mô hình tác động ngẫu nhiên REM.

THẢO LUẬN KẾT QUẢ NGHIÊN CỨU .47 TÓM TẮT CHƢƠNG 4 .51 CHƢƠNG 5: KẾT LUẬN VÀ MỘT SỐ KHUYẾN NGHỊ. KẾT LUẬN KẾT QUẢ NGHIÊN CỨU .HẠN CHẾ NGHIÊN CỨU VÀ HƢỚNG NGHIÊN CỨU MỞ RỘNG. Hạn chế nghiên cứu. Hƣớng nghiên cứu mở rộng .56 TÓM TẮT CHƢƠNG 5 .57 TÀI LIỆU THAM KHẢO.

iii viii DANH MỤC VIẾT TẮT Từ viết tắt Nguyên nghĩa NHTM Ngân hàng thƣơng mại NHNN Ngân hàng Nhà nƣớc TCTD Tổ chức tín dụng RRTD Rủi ro tín dụng IMF Quỹ tiền tệ quốc tế BCBS Uỷ ban Basel về Giám sát Ngân hàng CN Chi nhánh NH Ngân hàng ix DANH MỤC BẢNG BIỂU DANH MỤC HÌNH ẢNH Hình 3. Tổng hợp các nghiên cứu về các yếu tố ảnh hƣởng đến nợ xấu trên thế giới và tại Việt Nam .21 DANH MỤC BẢNG Bảng 2. Phân loại nhóm nợ theo số ngày. Tổng hợp các nghiên cứu về các yếu tố ảnh hƣởng đến nợ xấu trên thế giới và tại Việt Nam.

Tổng hợp các nhân tố tác động đến nợ xấu của NHTM Việt Nam. Tổng hợp các biến nghiên cứu của tác giả. Kết quả thống kê mô tả mẫu nghiên cứu. Ma trận hệ số tƣơng quan các biến độc lập trong mô hình.

Kiểm định đa cộng tuyến .Kết quả ƣớc lƣợng mô hình hồi quy theo Pooled OLS, FEM và REM. Kết quả kiểm định White. Kết quả kiểm định Wooldridge. Kết quả kiểm định Hausman.

Kết quả kiểm định Breusch and Pagan. Kết quả kiểm định Wooldridge. Kết quả ƣớc lƣợng mô hình bằng phƣơng pháp FGLS. Tóm tắt kết quả nghiên cứu .47 1 CHƢƠNG 1: GIỚI THIỆU NGHIÊN CỨU 1.

TÍNH CẤP THIẾT CỦA ĐỀ TÀI Các trung gian tài chính nói chung và NHTM nói riêng đóng một vai trò quan trọng trong sự phát triển kinh tế. Họ cũng là cầu nối giữa những nơi thiếu vốn và những nơi thừa vốn. Do đó, cho vay là hoạt động chủ yếu của các NHTM và vô cùng quan trọng. Các khoản cho vay là nguồn doanh thu chính của các ngân hàng thƣơng mại và cần đƣợc quản lý hợp lý.

Nhƣng trong khoảng thời gian gần đây, các ngân hàng ngày càng thận trọng hơn trong nghiệp vụ cho vay do các vấn đề về nợ xấu. Nợ xấu đã và đang là nhân tố quan trọng gây áp lực lớn đối với hệ thống ngân hàng và gây nguy cơ rủi ro cho "sức khỏe" nền kinh tế. Nếu không cải thiện đƣợc tình trạng nợ xấu sẽ dẫn đến các NHTM bị mất uy tín trong hoạt động kinh doanh. Các ngân hàng trƣớc khi phá sản luôn có tỷ lệ nợ xấu ở mức cao.

Do đó, khi ngân hàng có nợ xấu tăng cao thƣờng dẫn đến sự phá sản của ngân hàng. Bên cạnh đó, nợ xấu đƣợc xem là một trong những yếu tố gây khó khăn cho sự phát triển và ổn định vĩ mô của nền kinh tế và gây trì trệ nền kinh tế, đồng thời cũng dẫn đến các khủng hoảng tài chính - ngân hàng. Nợ xấu tăng nhanh không những gây ra các vấn đề gây thiệt hại cho các ngân hàng khi gặp những khủng hoảng, mà còn là nguyên nhân gây trở ngại cho việc các NHTM thực hiện cho vay đối với nền kinh tế. Đối với Việt Nam, ảnh hƣởng của dịch bệnh COVID- 19 đã làm giảm khả năng thanh toán nợ của cá nhân và doanh nghiệp vay vốn làm dẫn đến nợ xấu có xu hƣớng gia tăng.