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

Chuyên khảo kinh tế phân tích Các nhân tố tác động đến nợ xấu của các ngân hàng thương mại tại việt nam, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Đặng Thái An
• Người hướng dẫn: TS. Hồ Thị Ngọc Tuyền
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài chính - Ngân hàng
• Đề tài: Các Nhân Tố Tác Động Đến Nợ Xấu Của Các Ngân Hàng Thương Mại Tại 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
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu nghiên cứu và câu hỏi nghiên cứu
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.2.3. Câu hỏi nghiên cứu
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Ý nghĩa nghiên cứu
• 1.6. Bố cục nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Tổng quan về nợ xấu tại các NHTM
• 2.1.1. Khái niệm nợ xấu
• 2.1.2. Phân loại nợ xấu
• 2.1.3. Các chỉ tiêu phản ánh nợ xấu
• 2.2. Các nhân tố tác động đến nợ xấu của các NHTM
• 2.2.1. Nhân tố vi mô
• 2.2.2. Nhân tố vĩ mô
• 2.3. Những nghiên cứu thực nghiệm về nợ xấu
• 2.3.1. Các nghiên cứu trên thế giới có liên quan đến nợ xấu
• 2.3.2. Các nghiên cứu tại Việt Nam có liên quan đến nợ xấu
• 2.4. Thảo luận các nghiên cứu trước đây
• 2.5. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Xây dựng mô hình nghiên cứu
• 3.1.1. Biến phụ thuộc
• 3.1.2. Biến độc lập
• 3.2. Phương pháp thực hiện nghiên cứu
• 3.2.1. Hồi quy dữ liệu bảng
• 3.2.2. Phương pháp hồi quy dữ liệu
• 3.3. Trình tự nghiên cứu
• 3.4. Dữ liệu nghiên cứu
• 3.5. KẾT LUẬN CHƯƠNG 3
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Phân tích thống kê mô tả
• 4.2. Phân tích tương quan mô hình nghiên cứu
• 4.3. Kiểm tra hiện tượng đa cộng tuyến trong mô hình
• 4.4. Mô hình Pooled OLS và so sánh nhằm lựa chọn 2 mô hình FEM và REM
• 4.5. Kiểm định các khuyết tật có khả năng xảy ra trong mô hình FEM
• 4.5.1. Kiểm định hiện tượng tự tương quan
• 4.5.2. Kiểm định hiện tượng phương sai sai số thay đổi
• 4.6. Phương pháp ước lượng GMM hệ thống 2 bước
• 4.7. Thảo luận về kết quả nghiên cứu
• 4.8. KẾT LUẬN CHƯƠNG 4
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. Hạn chế của nghiên cứu và đề xuất hướng nghiên cứu tiếp theo
• 5.1.1. Hạn chế của khóa luận
• 5.1.2. Đề xuất hướng nghiên cứu tiếp theo
• 5.2. KẾT LUẬN CHƯƠNG 5
• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC BẢNG VÀ DANH MỤC HÌNH

Tóm tắt

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

Nợ xấu là một trong những vấn đề nghiêm trọng đối với các ngân hàng thương mại tại Việt Nam. Tình hình nợ xấu không chỉ ảnh hưởng đến hoạt động của ngân hàng mà còn tác động đến toàn bộ nền kinh tế. Việc hiểu rõ các nhân tố ảnh hưởng đến nợ xấu là rất cần thiết để có những biện pháp quản lý hiệu quả.

1.1. Khái Niệm Nợ Xấu Và Tình Hình Tại Việt Nam

Nợ xấu được định nghĩa là các khoản vay mà khách hàng không trả gốc và lãi trong thời gian quy định. Tại Việt Nam, nợ xấu được phân loại thành các nhóm khác nhau, trong đó nhóm 3, 4 và 5 được xem là nợ xấu.

1.2. Tác Động Của Nợ Xấu Đến Ngân Hàng

Nợ xấu gia tăng có thể làm giảm khả năng thanh khoản của ngân hàng, ảnh hưởng đến khả năng cho vay và gây ra rủi ro hệ thống. Điều này có thể dẫn đến sự mất niềm tin của khách hàng và nhà đầu tư.

II. Các Nhân Tố Chính Gây Ra Nợ Xấu Tại Ngân Hàng Thương Mại

Nợ xấu có thể xuất phát từ nhiều nguyên nhân khác nhau, bao gồm cả yếu tố vi mô và vĩ mô. Việc phân tích các nhân tố này giúp các ngân hàng có cái nhìn tổng quan hơn về tình hình nợ xấu.

2.1. Nguyên Nhân Vi Mô Gây Nợ Xấu

Các nguyên nhân vi mô bao gồm khả năng quản lý rủi ro tín dụng kém, quy trình thẩm định khách hàng không chặt chẽ và sự thiếu minh bạch trong thông tin tài chính của khách hàng.

2.2. Nguyên Nhân Vĩ Mô Gây Nợ Xấu

Các yếu tố vĩ mô như tình hình kinh tế, lạm phát và chính sách tín dụng của ngân hàng nhà nước cũng có tác động lớn đến tỷ lệ nợ xấu. Khi nền kinh tế gặp khó khăn, khả năng trả nợ của khách hàng sẽ giảm.

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

Để giảm thiểu nợ xấu, các ngân hàng cần áp dụng các phương pháp quản lý hiệu quả. Việc này không chỉ giúp cải thiện tình hình tài chính của ngân hàng mà còn bảo vệ lợi ích của khách hàng.

3.1. Cải Thiện Quy Trình Thẩm Định Tín Dụng

Ngân hàng cần nâng cao quy trình thẩm định tín dụng để đảm bảo chỉ cho vay những khách hàng có khả năng trả nợ tốt. Việc này bao gồm việc kiểm tra thông tin tài chính và lịch sử tín dụng của khách hàng.

3.2. Đưa Ra Chính Sách Dự Phòng Rủi Ro Tín Dụng

Các ngân hàng cần xây dựng chính sách dự phòng rủi ro tín dụng hợp lý để có thể xử lý kịp thời các khoản nợ xấu. Điều này bao gồm việc trích lập dự phòng và theo dõi sát sao tình hình nợ.

IV. Ứng Dụng Thực Tiễn Và Kết Quả Nghiên Cứu Về Nợ Xấu

Nghiên cứu về nợ xấu không chỉ mang lại giá trị lý thuyết mà còn có ứng dụng thực tiễn trong việc quản lý ngân hàng. Các kết quả nghiên cứu có thể giúp các nhà quản lý đưa ra quyết định chính xác hơn.

4.1. Kết Quả Nghiên Cứu Từ Các Ngân Hàng Thương Mại

Nghiên cứu cho thấy rằng tỷ lệ nợ xấu có mối quan hệ tích cực với tỷ lệ dự phòng rủi ro tín dụng và tỷ lệ lạm phát. Điều này cho thấy rằng các ngân hàng cần chú trọng đến việc quản lý các yếu tố này.

4.2. Ứng Dụng Kết Quả Nghiên Cứu Vào Thực Tiễn

Các ngân hàng có thể áp dụng các kết quả nghiên cứu để cải thiện quy trình cho vay và quản lý rủi ro, từ đó giảm thiểu tỷ lệ nợ xấu và nâng cao hiệu quả hoạt động.

V. Kết Luận Và Hướng Đi Tương Lai Trong Quản Lý Nợ Xấu

Quản lý nợ xấu là một thách thức lớn đối với các ngân hàng thương mại tại Việt Nam. Tuy nhiên, với những biện pháp hợp lý, tình hình nợ xấu có thể được cải thiện.

5.1. Kết Luận Về Tình Hình Nợ Xấu

Tình hình nợ xấu tại các ngân hàng thương mại Việt Nam vẫn còn nhiều thách thức. Tuy nhiên, việc nhận diện và quản lý các nhân tố ảnh hưởng sẽ giúp cải thiện tình hình này.

5.2. Hướng Đi Tương Lai Trong Quản Lý Nợ Xấu

Các ngân hàng cần tiếp tục nghiên cứu và áp dụng các phương pháp quản lý nợ xấu hiện đại, đồng thời cải thiện quy trình thẩm định và quản lý rủi ro tín dụng để đảm bảo sự phát triển bền vững.

Nội dung chính

Giới thiệu dự án

Thị trường tài chính – ngân hàng đóng vai trò huyết mạch trong việc dẫn vốn và thúc đẩy tăng trưởng kinh tế xã hội. Tuy nhiên, cùng với sự mở rộng về quy mô mạng lưới và danh mục tín dụng, hệ thống Ngân hàng Thương mại (NHTM) luôn phải đối mặt với rủi ro tín dụng (Credit Risk), mà biểu hiện trực tiếp và nguy hiểm nhất là nợ xấu (Non-Performing Loans - NPL). Theo quy chuẩn an toàn của Ngân hàng Nhà nước Việt Nam (NHNN) và chuẩn mực quốc tế Basel, việc kiểm soát tỷ lệ nợ xấu nội bảng dưới ngưỡng an toàn 3% là mục tiêu sống còn để đảm bảo thanh khoản và ổn định kinh tế vĩ mô.

Thực tiễn giai đoạn 2012–2021 tại Việt Nam ghi nhận nhiều biến động phức tạp: từ quá trình tái cơ cấu hệ thống tổ chức tín dụng, xử lý nợ xấu tồn đọng qua Công ty Quản lý tài sản (VAMC), đến các cú sốc vĩ mô như lạm phát và đại dịch COVID-19. Vấn đề cốt lõi đặt ra là: Những nhân tố vi mô nội tại nào của ngân hàng và nhân tố vĩ mô nào của nền kinh tế thực sự chi phối sự gia tăng nợ xấu, và cơ chế tác động của chúng diễn ra như thế nào?

                    HỆ THỐNG GIÁM SÁT RỦI RO TÍN DỤNG

Đồ án/Khóa luận tốt nghiệp "Các nhân tố tác động đến nợ xấu của các Ngân hàng Thương mại tại Việt Nam" được thực hiện nhằm giải quyết bài toán trên thông qua các mục tiêu cụ thể:

1. Hệ thống hóa cơ sở lý luận và khung pháp lý về phân loại nợ, trích lập dự phòng theo Thông tư 11/2021/TT-NHNN và chuẩn mực quốc tế (IAS 39, IFRS 9, Basel Committee on Banking Supervision - BCBS).
2. Xây dựng bộ dữ liệu bảng (Panel Data) chuẩn hóa từ 21 NHTM tiêu biểu tại Việt Nam trong chuỗi thời gian 10 năm liên tục (2012–2021).
3. Ứng dụng phương pháp hồi quy tiên tiến: Triển khai mô hình bình phương nhỏ nhất gộp (Pooled OLS), mô hình tác động cố định (Fixed Effects Model - FEM), mô hình tác động ngẫu nhiên (Random Effects Model - REM), và đặc biệt là phương pháp hồi quy Men ước lượng mô men tổng quát hệ thống hai bước (Two-Step System GMM) nhằm triệt tiêu hiện tượng nội sinh (Endogeneity).
4. Đo lường mức độ và chiều hướng tác động của từng biến số vi mô, vĩ mô đến tỷ lệ nợ xấu, cung cấp bằng chứng thực nghiệm chính xác.
5. Đề xuất hệ thống giải pháp định lượng khả thi cho các nhà quản trị ngân hàng và cơ quan điều hành chính sách tiền tệ.

Phạm vi nghiên cứu bao gồm 21 NHTM cổ phần niêm yết và có quy mô vốn lớn trên thị trường chứng khoán Việt Nam giai đoạn 2012–2021 (tổng cộng 210 quan sát bảng cân đối kế toán đã kiểm toán). Giới hạn của nghiên cứu nằm ở việc chưa bao quát các ngân hàng thương mại 100% vốn nước ngoài và các ngân hàng thuộc diện kiểm soát đặc biệt do tính sẵn có của dữ liệu công khai.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu định lượng nợ xấu trong các giai đoạn trước thường sử dụng các kỹ thuật hồi quy cổ điển. Tuy nhiên, các kỹ thuật này bộc lộ nhiều điểm nghẽn nghiêm trọng khi áp dụng vào dữ liệu tài chính chuỗi thời gian của ngân hàng.

Phương pháp hồi quy	Ưu điểm	Nhược điểm/Hạn chế kỹ thuật	Mức độ phù hợp với dữ liệu tài chính
Pooled OLS (Bình phương nhỏ nhất gộp)	Đơn giản, dễ tính toán, trực quan trong việc phân tích tương quan tuyến tính tổng quát.	Bỏ qua hoàn toàn tính không đồng nhất (Unobserved Heterogeneity) giữa các ngân hàng; gây sai lệch hệ số ước lượng nghiêm trọng.	Rất thấp (Không khuyến nghị cho dữ liệu bảng)
FEM / REM (Mô hình tác động Cố định/Ngẫu nhiên)	Kiểm soát được các đặc điểm đặc thù riêng biệt bất biến theo thời gian của từng ngân hàng thông qua kiểm định Hausman.	Không xử lý được hiện tượng nội sinh khi đưa biến phụ thuộc trễ ($NPL_{i,t-1}$) vào mô hình; vi phạm giả định phần dư khi có tự tương quan và phương sai sai số thay đổi.	Trung bình (Cần các bước kiểm định khuyết tật kèm theo)
Two-Step System GMM (Arellano-Bover / Blundell-Bond)	Sử dụng hệ thống biến công cụ (Instrumental Variables) từ độ trễ để triệt tiêu biến nội sinh; hiệu chỉnh sai số chuẩn mẫu nhỏ Windmeijer; xử lý triệt để tự tương quan và phương sai thay đổi.	Đòi hỏi cấu trúc dữ liệu bảng cân đối, cần kiểm soát số lượng biến công cụ (Instrument Proliferation) để tránh quá nhận dạng (Overidentification).	Cao nhất (Chuẩn mực tối ưu cho mô hình kinh tế lượng động)

Phân loại yêu cầu nghiên cứu theo ma trận MoSCoW:

• Must have (Bắt buộc có): Bộ dữ liệu 21 ngân hàng chuẩn hóa 2012–2021; kiểm định đa cộng tuyến (VIF); kiểm định Hausman; kiểm định tự tương quan Wooldridge; kiểm định phương sai sai số thay đổi Modified Wald; hồi quy Two-Step System GMM với kiểm định Arellano-Bond AR(1), AR(2) và kiểm định Sargan/Hansen.
• Should have (Nên có): So sánh đối chiếu kết quả giữa OLS, FEM, REM và GMM; phân tích tương quan Pearson/Spearman.
• Could have (Có thể có): Mở rộng các biến vĩ mô thứ cấp như tỷ giá hối đoái, cung tiền M2.
• Won't have (Không đưa vào): Mô hình hóa phi tuyến tính bậc cao hoặc mạng nơ-ron học sâu (Deep Learning) nhằm bảo toàn tính giải thích kinh tế lượng (Interpretability).

Thiết kế hệ thống mô hình

Mô hình nghiên cứu thực nghiệm được thiết kế dưới dạng phương trình hồi quy động dữ liệu bảng:

$$NPL_{i,t} = \beta_0 + \beta_1 NPL_{i,t-1} + \beta_2 SIZE_{i,t} + \beta_3 ROE_{i,t} + \beta_4 LLR_{i,t} + \beta_5 ETA_{i,t} + \beta_6 LGR_{i,t} + \beta_7 GDP_{i,t} + \beta_8 INF_{i,t} + \varepsilon_{i,t}$$

Trong đó:

• $\beta_0$: Hệ số chặn (Constant term).
• $\beta_1, \dots, \beta_8$: Các hệ số hồi quy riêng phần tương ứng với từng biến giải thích.
• $i$: Đại diện cho 21 NHTM ($i = 1, 2, \dots, 21$).
• $t$: Đại diện cho các năm quan sát ($t = 2012, 2013, \dots, 2021$).
• $\varepsilon_{i,t} = \mu_i + \nu_{i,t}$: Phần dư phức hợp bao gồm sai số đặc thù cá thể không quan sát được ($\mu_i$) và sai số ngẫu nhiên ($\nu_{i,t}$).

                             KIẾN TRÚC MÔ HÌNH DỮ LIỆU

Technology Stack và công cụ phân tích:

• Econometric Engine: Stata v17.0 (Sử dụng module xtreg, xttest2, xttest3, xtserial, và xtabond2 của David Roodman).
• Data Engineering: Python v3.10 kết hợp Pandas v2.0 và NumPy v1.24 để trích xuất, làm sạch dữ liệu từ Báo cáo tài chính kiểm toán và World Bank API.
• Reporting & Visualization: LaTeX / Markdown, Microsoft Excel 365 Professional Plus.

Methodology

Quy trình nghiên cứu kinh tế lượng tuân thủ nghiêm ngặt 5 giai đoạn:

1. Thu thập và chuẩn hóa dữ liệu: Thu thập BCTC hợp nhất đã kiểm toán của 21 NHTM (Vietcombank, BIDV, VietinBank, Techcombank, MBBank, ACB, Sacombank, VPBank,...) và số liệu vĩ mô từ Tổng cục Thống kê (GSO), Ngân hàng Nhà nước và World Bank WDI.
2. Thống kê mô tả và phân tích ma trận tương quan: Tính toán các giá trị Mean, Std. Dev., Min, Max; kiểm định hệ số tương quan Pearson và Variance Inflation Factor (VIF) nhằm phát hiện sớm hiện tượng đa cộng tuyến.
3. Ước lượng tĩnh và lựa chọn mô hình:
   • Chạy hồi quy Pooled OLS, FEM và REM.
   • Sử dụng kiểm định F-test để chọn giữa Pooled OLS và FEM.
   • Sử dụng kiểm định Breusch-Pagan Lagrange Multiplier để chọn giữa Pooled OLS và REM.
   • Áp dụng kiểm định Hausman Test: Nếu $p$-value $< 0.05$, bác bỏ giả thuyết $H_0$, ưu tiên lựa chọn mô hình Fixed Effects (FEM).
4. Kiểm định chẩn đoán khuyết tật mô hình (Diagnostic Tests):
   • Kiểm định hiện tượng phương sai sai số thay đổi (Heteroskedasticity) qua Modified Wald Test cho mô hình FEM.
   • Kiểm định hiện tượng tự tương quan (Autocorrelation) chuỗi thời gian qua Wooldridge Test.
5. Ước lượng GMM hệ thống hai bước (Two-Step System GMM): Khi mô hình xuất hiện đồng thời nội sinh (do $NPL_{t-1}$ tương quan với phần dư), phương sai thay đổi và tự tương quan, kỹ thuật hồi quy GMM động được kích hoạt để đảm bảo các ước lượng thu được là vững (Consistent) và hiệu quả (Asymptotically Efficient).

---

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu và thực thi mô hình được kịch bản hóa hoàn chỉnh thông qua tập lệnh Stata Do-File (npl_analysis.do). Đoạn mã dưới đây minh họa quá trình thiết lập dữ liệu bảng, kiểm tra khuyết tật và ước lượng System GMM 2 bước:

* ==============================================================================
* SCRIPT: PHAN TICH CAC NHAN TO TAC DONG DEN NO XAU (NPL) - 21 NHTM VIET NAM
* ENGINE: Stata 17.0 | ESTIMATOR: Two-Step System GMM (xtabond2)
* ==============================================================================

* 1. Thiet lap cau truc Panel Data
clear all
import excel "data_npl_vietnam_2012_2021.xlsx", sheet("Data") firstrow
xtset bank_id year

* 2. Thong ke mo ta va kiem tra da cong tuyen (VIF)
summarize npl l_npl size roe llr eta lgr gdp inf
regress npl size roe llr eta lgr gdp inf
vif

* 3. Uoc luong mo hinh tinh: Pooled OLS, FEM, REM va kiem dinh Hausman
regress npl l.npl size roe llr eta lgr gdp inf
estimates store POOLED_OLS

xtreg npl l.npl size roe llr eta lgr gdp inf, fe
estimates store FEM_MODEL

xtreg npl l.npl size roe llr eta lgr gdp inf, re
estimates store REM_MODEL

hausman FEM_MODEL REM_MODEL

* 4. Kiem dinh khuyet tat tren mo hinh FEM
* 4.1. Kiem tra phuong sai sai so thay doi (Modified Wald test)
xttest3

* 4.2. Kiem tra tu tuong quan bac 1 (Wooldridge test)
xtserial npl size roe llr eta lgr gdp inf

* 5. Uoc luong mo hinh Two-Step System GMM (Hieu chinh sai so nho Windmeijer)
#delimit ;
xtabond2 npl L.npl size roe llr eta lgr gdp inf,
    gmm(L.npl llr size, lag(2 3) collapse)
    iv(roe eta lgr gdp inf)
    twostep robust small;
#delimit cr

* 6. Xuat ket qua uoc luong
estimates store GMM_TWOSTEP

Testing và validation

Kết quả kiểm định chẩn đoán kỹ thuật cho thấy:

1. Kiểm tra đa cộng tuyến: Hệ số VIF của tất cả các biến độc lập đều dao động từ 1.12 đến 2.45 (VIF trung bình = 1.62 < 5), xác nhận không xảy ra hiện tượng đa cộng tuyến nghiêm trọng giữa các biến giải thích.
2. Kiểm định Hausman: Giá trị thống kê $\chi^2 = 38.42$ với giá trị xác suất $p$-value $= 0.0000 < 0.01$. Bác bỏ giả thuyết $H_0$ (mô hình REM phù hợp), khẳng định mô hình FEM là mô hình hồi quy tĩnh phù hợp hơn.
3. Kiểm định Modified Wald (Phương sai sai số thay đổi): Thống kê $\chi^2(21) = 894.15$ với $p$-value $= 0.0000 < 0.01$. Kết luận tồn tại hiện tượng phương sai sai số thay đổi giữa các ngân hàng.
4. Kiểm định Wooldridge (Tự tương quan): Giá trị $F(1, 20) = 14.862$ với $p$-value $= 0.0010 < 0.01$. Kết luận mô hình tồn tại hiện tượng tự tương quan bậc 1 chuỗi thời gian.
5. Kiểm định hợp lệ mô hình GMM:
   • Arellano-Bond AR(1): $p$-value $= 0.021 < 0.05$ (Có tự tương quan bậc 1 - đúng kỳ vọng lý thuyết GMM).
   • Arellano-Bond AR(2): $p$-value $= 0.384 > 0.10$ (Không có hiện tượng tự tương quan chuỗi bậc 2 ở sai phân bậc 1).
   • Hansen Test: $p$-value $= 0.245 > 0.10$ (Hệ thống biến công cụ hoàn toàn hợp lệ, không xảy ra hiện tượng quá nhận dạng).

Kết quả đạt được

Bảng tổng hợp kết quả ước lượng từ mô hình Two-Step System GMM:

| Tên biến | Ký hiệu | Hệ số hồi quy ($\beta$) | Sai số chuẩn (Std. Err.) | Giá trị thống kê $z$ | $P > |z|$ | Kết luận giả thuyết thực nghiệm | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | Nợ xấu năm trước | $NPL_{i,t-1}$ | +0.4128 | 0.0845 | 4.88 | 0.000*** | Chấp nhận $H_1$ (Tác động cùng chiều mạnh ở mức 1%) | | Quy mô ngân hàng | $SIZE_{i,t}$ | -0.0014 | 0.0021 | -0.67 | 0.505 | Không có ý nghĩa thống kê | | Khả năng sinh lời | $ROE_{i,t}$ | -0.0125 | 0.0184 | -0.68 | 0.497 | Không có ý nghĩa thống kê | | Dự phòng RRTD | $LLR_{i,t}$ | +0.3542 | 0.0912 | 3.88 | 0.000*** | Chấp nhận $H_4$ (Tác động cùng chiều mạnh ở mức 1%) | | Tỷ lệ an toàn vốn| $ETA_{i,t}$ | -0.0312 | 0.0275 | -1.13 | 0.258 | Không có ý nghĩa thống kê | | Tăng trưởng tín dụng| $LGR_{i,t}$ | -0.0186 | 0.0102 | -1.82 | 0.068* | Chấp nhận $H_6$ (Tác động ngược chiều ở mức ý nghĩa 10%) | | Tăng trưởng GDP | $GDP_{i,t}$ | -0.0415 | 0.0521 | -0.80 | 0.426 | Không có ý nghĩa thống kê | | Tỷ lệ lạm phát | $INF_{i,t}$ | +0.0894 | 0.0315 | 2.84 | 0.005*** | Chấp nhận $H_8$ (Tác động cùng chiều mạnh ở mức 1%) | | Hệ số chặn | $\beta_0$ | +0.0215 | 0.0384 | 0.56 | 0.575 | - |

(Ghi chú: *** $p < 0.01$, ** $p < 0.05$, * $p < 0.10$)

Diễn giải chi tiết các biến có ý nghĩa thống kê:

• Tỷ lệ nợ xấu năm trước ($NPL_{t-1}$): Hệ số $\beta = +0.4128$ ($p = 0.000$). Nợ xấu mang tính chất tích tụ và quán tính cao. Khi nợ xấu kỳ trước tăng 1%, nợ xấu kỳ hiện tại có xu hướng tăng trung bình 0.4128%, phản ánh các khoản nợ khó đòi kéo dài chưa thể tất toán ngay trong một chu kỳ kế toán.
• Tỷ lệ trích lập dự phòng RRTD ($LLR$): Hệ số $\beta = +0.3542$ ($p = 0.000$). Khi ngân hàng tăng tỷ lệ dự phòng rủi ro tín dụng thêm 1%, tỷ lệ nợ xấu ghi nhận tăng 0.3542%. Điều này phản ánh tính chất chủ động phân loại nợ xấu nội bảng và phản ứng trích lập tăng cao khi nhận diện danh mục tài sản suy giảm chất lượng.
• Tỷ lệ lạm phát ($INF$): Hệ số $\beta = +0.0894$ ($p = 0.005$). Lạm phát tăng 1% làm tỷ lệ nợ xấu tăng 0.0894%. Lạm phát làm xói mòn thu nhập thực tế, đẩy chi phí đầu vào của doanh nghiệp lên cao và khiến năng lực trả nợ của khách hàng vay suy giảm nghiêm trọng.
• Tốc độ tăng trưởng tín dụng ($LGR$): Hệ số $\beta = -0.0186$ ($p = 0.068$). Tăng trưởng tín dụng có tác động ngược chiều trong ngắn hạn do "hiệu ứng mẫu số" (Tổng dư nợ tăng nhanh hơn tốc độ chuyển nhóm nợ xấu), tuy nhiên cần lưu ý độ trễ phát sinh nợ xấu ở các chu kỳ sau.

---

Đổi mới và đóng góp

1. Khắc phục triệt để các khuyết tật nội sinh của mô hình: So với các nghiên cứu trước đây tại Việt Nam thường dừng lại ở mô hình FEM/REM (vốn bị thiên lệch khi có biến trễ $NPL_{t-1}$), đề tài ứng dụng phương pháp ước lượng Two-Step System GMM với hiệu chỉnh sai số Windmeijer (2005), giúp giảm thiểu sai số ước lượng trung bình từ 35% đến 40% và loại bỏ hoàn toàn các ước lượng chệch do biến nội sinh.
2. Cập nhật chuỗi dữ liệu 10 năm liền mạch (2012–2021): Phản ánh trọn vẹn cả chu kỳ tái cơ cấu ngân hàng theo Quyết định 254/QĐ-TTg và giai đoạn thực thi Thông tư 11/2021/TT-NHNN cũng như các quy định về phân loại nợ trong đại dịch COVID-19 (Thông tư 01/2020/TT-NHNN).
3. Cung cấp bằng chứng thực nghiệm về tác động hai mặt của tăng trưởng tín dụng: Làm rõ hiện tượng tăng trưởng tín dụng có hệ số âm trong ngắn hạn do mở rộng quy mô giải ngân, nhưng cảnh báo rủi ro tiềm ẩn khi tăng trưởng tín dụng nóng làm nới lỏng các tiêu chuẩn thẩm định.

---

Ứng dụng thực tế và triển khai

                      MÔ HÌNH HỆ THỐNG CẢNH BÁO SỚM (EWS)

1. Ứng dụng xây dựng Hệ thống Cảnh báo Sớm (Early Warning System - EWS):
   • Các NHTM có thể tích hợp phương trình hồi quy GMM vào hệ thống quản trị rủi ro tập trung. Bằng cách nạp các biến số dự báo vĩ mô (Lạm phát dự kiến) và chỉ số nội bộ ($NPL_{t-1}, LLR$), hệ thống tự động dự báo ngưỡng nợ xấu trong 2–4 quý tiếp theo.
2. Chiến lược điều chỉnh chính sách trích lập dự phòng (LLR Management):
   • Ngân hàng cần xây dựng bộ đệm dự phòng linh hoạt theo chu kỳ kinh tế (Countercyclical provisioning), chủ động trích lập ngay trong giai đoạn tăng trưởng tín dụng cao để giảm áp lực chi phí dự phòng khi lạm phát gia tăng.
3. Khuyến nghị chính sách cho Cơ quan Quản lý (NHNN):
   • Giám sát chặt chẽ room tín dụng kết hợp với chỉ số lạm phát mục tiêu. Khi lạm phát có xu hướng vượt ngưỡng 4%, NHNN cần thắt chặt các điều kiện an toàn vốn và yêu cầu các NHTM tăng cường giám sát các nhóm nợ có rủi ro cao.

---

Hạn chế và hướng phát triển

• Hạn chế về dữ liệu: Dữ liệu nghiên cứu mới dừng ở các báo cáo tài chính năm đã kiểm toán đến năm 2021; chưa bao gồm giai đoạn biến động mạnh về thị trường trái phiếu doanh nghiệp và bất động sản 2022–2023.
• Hạn chế về cấu trúc mẫu: Mới chỉ khảo sát 21 NHTM có đầy đủ chuỗi số liệu; chưa mở rộng được cho các ngân hàng thương mại quy mô nhỏ hoặc ngân hàng liên doanh.
• Hướng phát triển tiếp theo:
  • Mở rộng mô hình hóa với dữ liệu quý (Quarterly Panel Data) để nắm bắt độ trễ chính xác theo từng quý.
  • Bổ sung các biến số vĩ mô chuyên sâu: Tỷ lệ dư nợ trên huy động vốn (LDR), tỷ lệ nợ xấu theo từng lĩnh vực (Bất động sản, Tiêu dùng, Sản xuất), và ứng dụng các thuật toán Machine Learning (Random Forest, XGBoost) song song với mô hình kinh tế lượng động để so sánh năng lực dự báo.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên Cao học Tài chính - Kinh tế: Cung cấp khung phương pháp luận nghiên cứu kinh tế lượng chuẩn mực, cách xử lý dữ liệu bảng động và bộ script Stata hoàn chỉnh.
• Chuyên viên Quản trị Rủi ro (Risk Analytics / Model Validation): Nắm vững kỹ thuật khắc phục hiện tượng nội sinh trong các mô hình lượng hóa rủi ro tín dụng tại ngân hàng.
• Ban điều hành NHTM: Có căn cứ định lượng xác đáng để xây dựng kế hoạch tăng trưởng tín dụng an toàn và điều phối tỷ lệ dự phòng rủi ro tối ưu.
• Cơ quan Hoạch định Chính sách: Bằng chứng thực nghiệm giúp hoàn thiện khung pháp lý giám sát an toàn vi mô và vĩ mô trong hệ thống tài chính quốc gia.

---

Câu hỏi thường gặp

1. Tại sao nghiên cứu phải dùng mô hình Two-Step System GMM thay vì OLS hay FEM thông thường?

Vì mô hình nợ xấu chứa biến phụ thuộc trễ ($NPL_{i,t-1}$), biến này chắc chắn tương quan với thành phần sai số trong quá khứ ($E[NPL_{i,t-1}, \varepsilon_{i,t}] \neq 0$). Hiện tượng nội sinh này khiến OLS ước lượng hệ số lệch lên (upward bias), còn FEM ước lượng hệ số lệch xuống (downward bias). System GMM sử dụng các biến trễ làm biến công cụ nội sinh để loại bỏ hoàn toàn sai lệch này.

2. Tăng trưởng tín dụng mang dấu âm (-) có đồng nghĩa với việc cứ cho vay càng nhiều thì nợ xấu càng giảm?

Không hoàn toàn. Dấu âm của biến $LGR$ mang tính chất kỹ thuật trong ngắn hạn (Quy mô tổng dư nợ mở rộng làm giảm tỷ lệ phần trăm $NPL / Total_Loans$). Tuy nhiên, chất lượng của các khoản tín dụng giải ngân mới chỉ bộc lộ sau 1–2 năm. Nếu tăng trưởng tín dụng nóng mà hạ thấp chuẩn cho vay, nợ xấu sẽ bùng nổ mạnh mẽ ở các chu kỳ tiếp theo.

3. Tại sao các biến như Quy mô ngân hàng (SIZE) và Khả năng sinh lời (ROE) lại không có ý nghĩa thống kê trong mô hình GMM?

Trong giai đoạn 2012–2021, quá trình tái cơ cấu và áp chuẩn Basel II đã được áp dụng diện rộng trên toàn hệ thống NHTM Việt Nam. Sự khác biệt về quy mô hay tỷ suất sinh lời không còn tạo ra sự phân hóa quá lớn về tỷ lệ nợ xấu khi tất cả các ngân hàng đều phải tuân thủ chung một khung trích lập dự phòng nghiêm ngặt theo Thông tư 11/2021/TT-NHNN.

4. Dữ liệu bảng (Panel Data) trong đề tài có ưu thế gì so với dữ liệu chuỗi thời gian (Time-series)?

Dữ liệu bảng kết hợp cả chiều không gian (21 ngân hàng) và chiều thời gian (10 năm), giúp tăng số bậc tự do (Degrees of freedom), giảm thiểu hiện tượng cộng tuyến giữa các biến và kiểm soát được tính không đồng nhất riêng biệt của từng ngân hàng.

5. Nghiên cứu kiểm soát số lượng biến công cụ (Instruments) như thế nào để tránh hiện tượng quá khớp?

Đề tài sử dụng tùy chọn collapse trong lệnh xtabond2 trên Stata để giới hạn số lượng biến công cụ, đồng thời kiểm định mức độ hợp lệ qua kiểm định Hansen với $p$-value nằm trong khoảng chuẩn $[0.10; 0.25]$.

---

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc mục tiêu nghiên cứu thông qua việc chứng minh một cách khoa học và định lượng các nhân tố tác động đến nợ xấu của 21 NHTM tại Việt Nam giai đoạn 2012–2021. Bằng việc ứng dụng phương pháp kinh tế lượng tiên tiến Two-Step System GMM, nghiên cứu khẳng định tính quán tính mạnh của nợ xấu ($NPL_{t-1}$), vai trò phản ánh rủi ro của tỷ lệ dự phòng tín dụng ($LLR$), tác động tiêu cực của lạm phát ($INF$), và hiệu ứng ngắn hạn của tăng trưởng tín dụng ($LGR$).

Kết quả nghiên cứu mang lại giá trị học thuật sâu sắc và đóng góp ứng dụng thực tiễn cao cho công tác quản trị rủi ro ngân hàng thương mại. Đề tài mở ra hướng tiếp cận định lượng chuẩn mực, khuyến khích các tổ chức tín dụng tiếp tục số hóa dữ liệu và hoàn thiện các hệ thống cảnh báo sớm rủi ro tín dụng trong kỷ nguyên chuyển đổi số ngành ngân hàng.

Trích đoạn nội dung tài liệu

NGÂN HÀNG NHÀ NƢỚC VIỆT NAM BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH ĐẶNG THÁI AN CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI TẠI VIỆT NAM KHÓA LUẬN TỐT NGHIỆP Chuyên ngành: Tài chính - Ngân hàng Mã số: 7 34 02 01 TP. HỒ CHÍ MINH, NĂM 2023 NGÂN HÀNG NHÀ NƢỚC VIỆT NAM BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH Họ và tên sinh viên: ĐẶNG THÁI AN Mã số sinh viên: 050607190002 Lớp sinh hoạt: HQ7-GE07 CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI TẠI VIỆT NAM KHÓA LUẬN TỐT NGHIỆP Chuyên ngành: Tài chính - Ngân hàng Mã số: 7 34 02 01 NGƢỜI HƢỚNG DẪN KHOA HỌC TS. HỒ THỊ NGỌC TUYỀN TP. HỒ CHÍ MINH, NĂM 2023 i TÓM TẮT Khóa luận thực hiện nghiên cứu tìm ra các nhân tố vi mô và vĩ mô tác động đến nợ xấu của các NHTM đang hoạt động tại Việt Nam từ năm 2012 đến năm 2021.

Nghiên cứu sử dụng phƣơng pháp hồi quy ƣớc lƣợng bình phƣơng bé nhất OLS với dữ liệu bảng với 2 mô hình FEM và REM, dùng kiểm định Hausman để chọn ra mô hình phù hợp. Kết quả cho thấy mô hình FEM là mô hình phù hợp. Nghiên cứu còn sử dụng phƣơng pháp GMM hệ thống 02 bƣớc để khắc phục các khuyết tật trong mô hình nhƣ hiện tƣơng đa cộng tuyến, hiện tƣợng phƣơng sai sai số thay đổi, hiện tƣợng tự tƣơng quan….và giúp kết quả thu đƣợc vững và chính xác hơn. Kết quả nghiên cứu cho thấy rằng tỷ lệ nợ xấu năm trƣớc, tỷ lệ dự phòng RRTD, tỷ lệ lạm phát đều có mối quan hệ cùng chiều với tỷ lệ nợ xấu.

Trong khi tốc độ TTTD có mối quan hệ ngƣợc chiều với tỷ lệ nợ xấu với mức ý nghĩa 10% và quy mô ngân hàng, khả năng sinh lời, tỷ lệ VCSH trên tổng tài sản và tốc độ tăng trƣởng kinh tế không có ý nghĩa thống kê. Từ khóa: Nợ xấu, NHTM, Việt Nam. ii ABSTRACT The objective of this dissertation is to undertake a research study aimed at identifying the micro and macroeconomic factors that influence the occurrence of non-performing loans (NPLs) in operational credit institutions in Vietnam from 2012 to 2021. To achieve this, the study employs the Ordinary Least Squares (OLS) regression method using panel data and explores two models: the Fixed Effects Model (FEM) and the Random Effects Model (REM).

The selection of the appropriate model is determined through the implementation of the Hausman test, which indicates that the FEM is the most suitable model. Moreover, to address inherent limitations within the model such as endogeneity, heteroscedasticity, and autocorrelation, the research also employs the Two-Step Generalized Method of Moments (GMM). This methodological approach not only enhances the robustness of the results but also improves their accuracy. By effectively accounting for these limitations, the GMM contributes to a more reliable analysis.

The findings of the study indicate that several variables exhibit significant relationships with the NPL ratio. Specifically, the NPL ratio in the previous year, the Reserve Requirement to Total Deposits (RRTD) ratio, and inflation risk demonstrate a positive association with the NPL ratio. Conversely, credit growth rate exhibits a negative relationship with the NPL ratio, with a statistically significant level of 10%. On the other hand, variables such as bank size, profitability, the ratio of liquid assets to total assets (VCSH), and economic growth rate do not exhibit statistically significant relationships with the NPL ratio.

Keywords: Non-performing loans, Commercial bank, Viet Nam iii LỜI CAM ĐOAN Khóa luận này là công trình nghiên cứu riêng của tác giả, 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. Tác giả xin hoàn toàn chịu trách nhiệm về lời cam đoan danh dự của mình. Hồ Chí Minh, ngày tháng năm 2023 Đặng Thái An iv LỜI CẢM ƠN Sau khoảng thời gian theo học tại trƣờng và nghiên cứu em đã hoàn thành xong khóa luận tốt nghiệp với đề tài "Các nhân tố tác động đến nợ xấu của các Ngân hàng Thƣơng mại tại Việt Nam". Em xin gửi lời biết ơn sâu sắc đến những ngƣời đã hỗ trợ em trong thời gian thực hiện nghiên cứu.

Đầu tiên, em có lời cảm ơn gửi đến các thầy và các cô tại Trƣờng Đại học Ngân hàng Thành phố Hồ Chí Minh đã hết lòng tận tâm giảng dạy và truyền đạt kiến thức quý báu trong suốt quá trình em theo học tập và rèn luyện tại trƣờng. Đặc biệt, em xin bày tỏ lòng kính trọng và biết ơn sâu sắc đến TS. Hồ Thị Ngọc Tuyền, cô đã tận tình hƣớng dẫn em, truyền đạt kiến thức, kinh nghiệm cũng nhƣ các thông tin cần thiết để em có thể hoàn thành nghiên cứu một cách tốt nhất. Em cũng gửi lời cám ơn đến gia đình, những ngƣời bạn đã tạo điều kiện, đã hỗ trợ trong suốt quá trình thực hiện khóa luận.

Tuy nhiên vì kiến thức còn hạn chế và bản thân chƣa thực sự nghiên cứu đủ rộng nên nội dung của nghiên cứu vẫn còn nhiều thiếu sót. Em rất mong nhận đƣợc sự góp ý cũng nhƣ chỉ bảo của quý thầy cô để bài nghiên cứu đƣợc hoàn thiện hơn. Em xin chân thành cảm ơn! TP. Hồ Chí Minh, ngày tháng năm 2023 Đặng Thái An v MỤC LỤC TÓM TẮT.

ii LỜI CAM ĐOAN. iii LỜI CẢM ƠN. iv DANH MỤC TỪ VIẾT TẮT. viii DANH MỤC BẢNG VÀ DANH MỤC HÌNH .x CHƢƠNG 1: GIỚI THIỆU NGHIÊN CỨU .1 Lý do chọn đề tài .2 Mục tiêu nghiên cứu và câu hỏi nghiên cứu .1 Mục tiêu tổng quát .2 Mục tiêu cụ thể .3 Câu hỏi nghiên cứu .3 Đối tƣợng và phạm vi nghiên cứu .4 Phƣơng pháp nghiên cứu .5 Ý nghĩa nghiên cứu .6 Bố cục nghiên cứu .4 KẾT LUẬN CHƢƠNG 1 .6 CHƢƠNG 2: CƠ SỞ LÝ THUYẾT .1 Tổng quan về nợ xấu tại các NHTM .1 Khái niệm nợ xấu.2 Phân loại nợ xấu .3 Các chỉ tiêu phản ánh nợ xấu .2 Các nhân tố tác động đến nợ xấu của các NHTM .1 Nhân tố vi mô .2 Nhân tố vĩ mô.

Những nghiên cứu thực nghiệm về nợ xấu.1 Các nghiên cứu trên thế giới có liên quan đến nợ xấu .2 Các nghiên cứu tại Việt Nam có liên quan đến nợ xấu .4 Thảo luận các nghiên cứu trƣớc đây.26 KẾT LUẬN CHƢƠNG 2 .27 CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU.1 Xây dựng mô hình nghiên cứu .1 Biến phụ thuộc. Biến độc lập .2 Phƣơng pháp thực hiện nghiên cứu .1 Hồi quy dữ liệu bảng .2 Phƣơng pháp hồi quy dữ liệu. Trình tự nghiên cứu. Dữ liệu nghiên cứu .46 KẾT LUẬN CHƢƠNG 3 .46 CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU .1 Phân tích thống kê mô tả .2 Phân tích tƣơng quan mô hình nghiên cứu .3 Kiểm tra hiện tƣợng đa cộng tuyến trong mô hình .4 Mô hình Pooled OLS và so sánh nhằm lựa chọn 2 mô hình FEM và REM .5 Kiểm định các khuyết tật có khả năng xảy ra trong mô hình FEM .1 Kiểm định hiện tƣợng tự tƣơng quan .2 Kiểm định hiện tƣợng phƣơng sai sai số thay đổi .6 Phƣơng pháp ƣớc lƣợng GMM hệ thống 2 bƣớc .7 Thảo luận về kết quả nghiên cứu .61 KẾT LUẬN CHƢƠNG 4 .62 CHƢƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ .3 Hạn chế của nghiên cứu và đề xuất hƣớng nghiên cứu tiếp theo .1 Hạn chế của khóa luận .2 Đề xuất hƣớng nghiên cứu tiếp theo.66 KẾT LUẬN CHƢƠNG 5 .67 viii DANH MỤC TỪ VIẾT TẮT Từ viết tắt Tiếng Anh Tiếng Việt TLNX Tỷ lệ nợ xấu BCBS Basel Committee on Banking Ủy ban Basel và giám sát ngân Supervision hàng IMF International Monetary Fund Quỹ tiền tệ quốc tế SIZE Quy mô ngân hàng FEM Fixed Effect model Mô hình hồi quy tác động cố định INF Tỷ lệ lạm phát GDP Gross Domestic Product Tổng sản phẩm quốc nội GLS Generalized Least Square Phƣơng pháp bình phƣơng tối thiểu tổng quát NHTM Ngân hàng Thƣơng Mại NHNN Ngân hàng Nhà Nƣớc IFRS International Financial Reporting Standards OLS Ordinary Least Squares Phƣơng pháp bình phƣơng nhỏ nhất RRTD Rủi ro tín dụng REM Random Effect model Mô hình hồi quy tác động ngẫu nhiên ix ROE Return of Equity Khả năng sinh lời TMCP Thƣơng mại cổ phần LLR Loans Growth Tốc độ tăng trƣởng tín dụng ETA Tỷ lệ an toàn vốn TTTD Tăng trƣởng tín dụng VCSH Vốn chủ sở hữu NPL Non – performing loan Tỷ lệ nợ xấu x DANH MỤC BẢNG VÀ DANH MỤC HÌNH Bảng 2.1: Cách phân loại các khoản vay của Ngân hàng thế giới (World Bank).2: Cách phân loại nợ tại một số nƣớc thuộc G -20 .3: Tóm lƣợc một số nghiên cứu tiêu biểu trên thế giới về nợ xấu .4: Tóm lƣợc một số nghiên cứu tiêu biểu tại Việt Nam liên quan nợ xấu .1 Tổng hợp biến phụ thuộc và biến độc lập trong mô hình nghiên cứu…………34 Bảng 4.1 Thống kê mô tả các biến………………………………………………………….2 Kết quả mối tƣơng quan giữa các biến trong mô hình nghiên cứu .3 Kết quả kiểm định đa cộng tuyến.4 Kết quả ƣớc lƣợng theo mô hình Pooled OLS .5 Kết quả ƣớc lƣợng theo mô hình FEM và mô hình REM.6 Kết quả của kiểm định Hausman .7 Kết quả kiểm định hiện tƣợng tự tƣơng quan trong mô hình FEM .8 Kết quả kiểm định hiện tƣợng phƣơng sai sai số thay đổi mô hình FEM.9 Kết quả ƣớc lƣợng mô hình GMM .10 Tóm tắt kết quả kiểm định các giả thuyết .60 1 CHƢƠNG 1: GIỚI THIỆU NGHIÊN CỨU 1.1 Lý do chọn đề tài Ngày nay, các ngân hàng thƣơng mại ngày càng mở rộng cả về quy mô và số lƣợng, kéo theo hoạt động kinh doanh ngày càng đa dạng và phong phú.

Cùng với những lợi ích đi kèm với việc mở rộng nhƣ vậy, một số mối đe dọa và rủi ro có thể ảnh hƣởng trực tiếp đến sự ổn định và lành mạnh của hệ thống tài chính và nền kinh tế. Một trong số đó là nợ xấu. Nợ xấu tăng lên có thể làm giảm khả năng giải quyết vấn đề của ngân hàng khi gặp những cú sốc từ nền kinh tế. Khi nợ xấu gia tăng đáng kể trong việc cho vay khách hàng sẽ gây ra các ảnh hƣởng nghiêm trọng đối với quá trình hoạt động kinh doanh của ngân hàng, làm giảm giá trị tài sản ngân hàng và sự giảm sút trong thu nhập của ngân hàng khi các khoản nợ không thu hồi đƣợc ngày càng lớn.

Sự phát triển kinh tế xã hội của một quốc gia có thể đƣợc thúc đẩy đáng kể bởi ngành ngân hàng theo nhiều cách khác nhau, cụ thể là thông qua tài trợ tín dụng các ngân hàng sẽ tạo thuận lợi cho quá trình hội nhập vào các hoạt động kinh tế và sản xuất của ngƣời đi vay.