Giới thiệu dự án

Nợ xấu (Non-Performing Loans - NPL) luôn là thách thức trọng yếu đe dọa sự an toàn hệ thống tài chính và cản trở sự luân chuyển dòng vốn trong nền kinh tế. Tại Việt Nam, sau cuộc khủng hoảng nợ xấu giai đoạn 2011–2012 với tỷ lệ nợ xấu có thời điểm vượt ngưỡng 8% ở một số ngân hàng thương mại, Ngân hàng Nhà nước (NHNN) đã ban hành nhiều khung pháp lý nghiêm ngặt như Quyết định 493/2005/QĐ-NHNN, Thông tư 02/2013/TT-NHNN và Thông tư 11/2021/TT-NHNN nhằm siết chặt quy trình phân loại nợ và trích lập dự phòng rủi ro.

       [ Danh mục tín dụng ]
                      Có khả năng mất vốn)  [ Áp lực trích lập DPRR ]
                                            [ Suy giảm ROA & Vốn ]

Vấn đề cốt lõi nằm ở việc nhận diện chính xác các xung lực nội tại (vi mô) và ngoại sinh (vĩ mô) thúc đẩy sự gia tăng của nợ xấu, từ đó thiết lập cơ chế kiểm soát chủ động thay vì ứng phó thụ động. Đề tài "Những nhân tố ảnh hưởng đến nợ xấu của các Ngân hàng Thương mại Cổ phần tại Việt Nam" do tác giả Kiều Như Quỳnh thực hiện (người hướng dẫn: TS. Hồ Công Hưởng, Trường Đại học Ngân hàng TP. Hồ Chí Minh, 2023) tập trung giải quyết bài toán định lượng rủi ro tín dụng thông qua chuỗi dữ liệu bảng 11 năm.

Mục tiêu nghiên cứu

  1. Xác định danh mục nhân tố: Định vị các biến số vi mô ngân hàng ($NPL_{t-1}, SIZE, ROA, CAP, LG$) và biến số vĩ mô ($INF$) tác động đến tỷ lệ nợ xấu.
  2. Lượng hóa mức độ ảnh hưởng: Đo lường hệ số tương quan và tác động biên của từng nhân tố lên tỷ lệ nợ xấu thông qua các mô hình kinh tế lượng chuẩn tắc.
  3. Đề xuất hàm ý quản trị: Xây dựng hệ thống giải pháp thực tiễn giúp các ngân hàng thương mại cổ phần (NHTMCP) kiểm soát rủi ro và hỗ trợ cơ quan điều hành hoàn thiện chính sách giám sát an toàn vĩ mô.

Phạm vi và dữ liệu nghiên cứu

  • Đối tượng: 25 NHTMCP đại diện cho hệ thống ngân hàng Việt Nam, duy trì hoạt động liên tục và công bố báo cáo tài chính kiểm toán minh bạch.
  • Thời gian: Giai đoạn 2011–2021 (11 năm), bao gồm 275 quan sát dạng dữ liệu bảng cân bằng (Balanced Panel Data).
  • Chỉ số đo lường: Tỷ lệ nợ xấu ($NPL$) được xác định chuẩn hóa theo công thức: $$\text{Tỷ lệ nợ xấu (NPL)} = \frac{\text{Dư nợ từ nhóm 3 đến nhóm 5}}{\text{Tổng dư nợ cho vay}} \times 100%$$

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và đối sánh nghiên cứu

Nghiên cứu kế thừa và mở rộng các nền tảng lý thuyết tài chính kinh điển: Lý thuyết Quản lý kém hiệu quả (Bad Management Hypothesis - Berger & DeYoung, 1997), Lý thuyết Chính sách tín dụng theo chu kỳ (Procyclical Credit Policy - Rajan, 1994), Lý thuyết Thông tin bất cân xứng (Asymmetric Information - Akerlof, 1970) và Hiệu ứng số nhân tài chính (Financial Accelerator - Bernanke & Gertler, 1995).

Tác giả / Nghiên cứu Phương pháp sử dụng Quy mô mẫu & Thời gian Kết quả chính Ưu điểm & Hạn chế
Marcello Bofondi & Tiziano Ropele (2011) OLS với sai số Newey-West Dữ liệu Ý (1990–2010) NPL tương quan thuận với lãi suất, thất nghiệp; nghịch với GDP Ưu điểm: Chuỗi thời gian dài.
Hạn chế: Chưa phân rã đặc tính nội tại từng ngân hàng.
Nir Klein (2013) Dynamic Panel GMM Vùng CESEE (1998–2011) NPL phụ thuộc vào nợ trễ kỳ trước, lạm phát (+), ROE (-) Ưu điểm: Khắc phục nội sinh tốt.
Hạn chế: Bối cảnh kinh tế Đông Âu khác biệt thị trường cận biên VN.
Nguyễn Thị Hồng Vinh (2017) DEA & Hồi quy dữ liệu bảng 34 NHTM VN (2005–2015) Hiệu quả chi phí (-), Quy mô (+), Lạm phát (+) tác động đến NPL Ưu điểm: Mẫu rộng.
Hạn chế: Dữ liệu dừng ở 2015, chưa phản ánh chu kỳ tái cơ cấu giai đoạn 2016–2021.
Nghiên cứu của tác giả (2023) Pooled OLS, FEM, REM, FGLS 25 NHTMCP VN (2011–2021) $NPL_{t-1}$ (+), $CAP$ (+), $LG$ (+), $INF$ (+), $ROA$ (-), $SIZE$ (không ý nghĩa) Ưu điểm: Khắc phục triệt để phương sai thay đổi và tự tương quan bằng FGLS; dữ liệu cập nhật.

Khung ưu tiên phân tích (MoSCoW)

  • Must have (Bắt buộc): Kiểm định đầy đủ khuyết tật mô hình (đa cộng tuyến qua hệ số phóng đại phương sai $VIF$, phương sai sai số thay đổi qua kiểm định White, tự tương quan qua kiểm định Wooldridge); ước lượng hồi quy bình phương tối thiểu tổng quát khả thi ($FGLS$).
  • Should have (Nên có): Phân tích so sánh chi tiết giữa ba mô hình nền tảng ($Pooled\ OLS$, $FEM$, $REM$) kèm kiểm định chọn lựa ($F\text{-test}$, $Hausman\ test$).
  • Could have (Có thể có): Đối chiếu sự khác biệt hành vi rủi ro giữa nhóm ngân hàng có vốn nhà nước chi phối và khối NHTMCP tư nhân.
  • Won't have (Không xử lý): Đánh giá chi tiết các tài sản ngoài bảng cân đối kế toán do giới hạn thuyết minh tài chính.

Thiết kế mô hình định lượng

Mô hình kinh tế lượng tổng quát được xác lập như sau:

$$NPL_{i,t} = \beta_0 + \beta_1 NPL_{i,t-1} + \beta_2 SIZE_{i,t} + \beta_3 ROA_{i,t} + \beta_4 CAP_{i,t} + \beta_5 LG_{i,t} + \beta_6 INF_{t} + \varepsilon_{i,t}$$

Danh mục biến số và kỳ vọng dấu lý thuyết

Ký hiệu Tên biến Công thức xác định Kỳ vọng dấu Rationale lý thuyết
$NPL_{i,t}$ Tỷ lệ nợ xấu năm $t$ $\frac{\text{Dư nợ nhóm 3, 4, 5}}{\text{Tổng dư nợ}} \times 100%$ Biến phụ thuộc Đo lường rủi ro tín dụng trực tiếp theo chuẩn VAS.
$NPL_{i,t-1}$ Nợ xấu trễ kỳ $t-1$ Tỷ lệ $NPL$ năm trước đó $+$ Tính ì rủi ro tín dụng (Credit Risk Persistence) và hạn chế trong khâu xử lý nợ tồn đọng.
$SIZE_{i,t}$ Quy mô ngân hàng $\ln(\text{Tổng tài sản})$ $+$ / $-$ Đa dạng hóa danh mục vs. Rủi ro đạo đức "Quá lớn để phá sản" (Too Big To Fail).
$ROA_{i,t}$ Khả năng sinh lời $\frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản}} \times 100%$ $-$ Giả thuyết Quản lý chất lượng cao (Bad Management Hypothesis ngược).
$CAP_{i,t}$ Tỷ lệ an toàn vốn $\frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}} \times 100%$ $-$ / $+$ Đòn bẩy tài chính và chính sách chấp nhận rủi ro (Moral Hazard Hypothesis).
$LG_{i,t}$ Tăng trưởng tín dụng $\frac{\text{Dư nợ}t - \text{Dư nợ}{t-1}}{\text{Dư nợ}_{t-1}} \times 100%$ $+$ Nới lỏng điều kiện thẩm định khi mở rộng quy mô tín dụng nóng.
$INF_t$ Tỷ lệ lạm phát $\frac{CPI_t - CPI_{t-1}}{CPI_{t-1}} \times 100%$ $+$ Suy giảm thu nhập thực của người vay, đẩy chi phí lãi vay danh nghĩa tăng cao.

Implementation và kết quả

Quy trình phân tích định lượng trên STATA 17

Nghiên cứu ứng dụng bộ công cụ phân tích kinh tế lượng chuyên sâu trên phần mềm STATA phiên bản 17. Toàn bộ mã lệnh thực thi được tiêu chuẩn hóa theo quy trình 7 bước nghiêm ngặt:

* Thiết lập cấu trúc dữ liệu bảng cân bằng (Balanced Panel)
xtset bank_id year

* 1. Thống kê mô tả toàn bộ các biến trong mô hình
summarize NPL NPL_lag SIZE ROA CAP LG INF

* 2. Phân tích ma trận tương quan và kiểm tra hiện tượng đa cộng tuyến (VIF)
pwcorr NPL NPL_lag SIZE ROA CAP LG INF, star(0.05)
regress NPL NPL_lag SIZE ROA CAP LG INF
estat vif

* 3. Ước lượng mô hình OLS gộp, Tác động cố định (FEM) và Tác động ngẫu nhiên (REM)
regress NPL NPL_lag SIZE ROA CAP LG INF
estimates store OLS_model

xtreg NPL NPL_lag SIZE ROA CAP LG INF, fe
estimates store FEM_model

xtreg NPL NPL_lag SIZE ROA CAP LG INF, re
estimates store REM_model

* 4. Kiểm định lựa chọn mô hình: F-test (OLS vs FEM) và Hausman test (FEM vs REM)
hausman FEM_model REM_model

* 5. Kiểm định các khuyết tật mô hình trên mô hình được chọn (FEM)
xttest3         /* Kiểm định phương sai sai số thay đổi nhóm (Modified Wald test) */
xtserial NPL NPL_lag SIZE ROA CAP LG INF  /* Kiểm định tự tương quan Wooldridge */

* 6. Khắc phục khuyết tật bằng phương pháp FGLS (Cross-sectional time-series FGLS)
xtgls NPL NPL_lag SIZE ROA CAP LG INF, panels(hetero) corr(ar1)
estimates store FGLS_model

Thống kê mô tả mẫu nghiên cứu

Bộ dữ liệu gồm 275 quan sát qua 11 năm cho thấy bức tranh phân hóa mạnh mẽ giữa các định chế tài chính tại Việt Nam:

Biến số Số quan sát ($N$) Giá trị Trung bình Độ lệch chuẩn (Std. Dev.) Giá trị Nhỏ nhất (Min) Giá trị Lớn nhất (Max)
$NPL_{i,t}$ (%) 275 2.110 1.160 0.000 8.810
$NPL_{i,t-1}$ (%) 275 2.120 1.180 0.000 8.810
$SIZE_{i,t}$ 275 11.730 1.120 9.150 14.380
$ROA_{i,t}$ (%) 275 0.890 0.740 -5.230 3.650
$CAP_{i,t}$ (%) 275 9.210 3.540 4.120 23.840
$LG_{i,t}$ (%) 275 19.650 18.240 -29.800 112.400
$INF_t$ (%) 275 5.150 4.620 0.630 18.680
  • Đặc trưng tỷ lệ nợ xấu ($NPL$): Giá trị trung bình toàn ngành đạt 2.11% (thấp hơn ngưỡng trần 3% quy định bởi NHNN). Tuy nhiên, độ biến động trải rộng từ 0.00% (TPBank giai đoạn đầu tái cơ cấu) đến đỉnh điểm 8.81% (SHB năm 2012 sau khi sáp nhập Habubank). Nhóm ngân hàng kiểm soát nợ xấu tốt nhất năm 2021 ghi nhận Vietcombank, Vietinbank và Techcombank.
  • Tăng trưởng dư nợ ($LG$): Tốc độ tăng trưởng tín dụng trung bình duy trì mức cao 19.65%/năm, cá biệt có thời điểm SeABank đạt mức tăng trưởng kỷ lục 112.40%, phản ánh áp lực giải ngân tăng trưởng thị phần rất lớn.
  • Tỷ suất sinh lời ($ROA$): Trung bình toàn ngành đạt 0.89%, dao động từ mức âm nghiêm trọng -5.23% đến mức hiệu quả vượt trội 3.65% (Techcombank năm 2021).

Kiểm định chẩn đoán mô hình

                                       [ Mô hình FEM ]
         [ Modified Wald Test ]                            [ Wooldridge Test ]
         p = 0.000 < 0.05                                  p = 0.002 < 0.05
         ==> Phương sai sai số thay đổi                    ==> Tự tương quan bậc 1
                                    [ Ước lượng FGLS ]
                              Khắc phục toàn diện khuyết tật
  1. Kiểm định đa cộng tuyến ($VIF$): Tất cả các hệ số $VIF$ của các biến độc lập đều nhỏ hơn 3.0 (trung bình $VIF \approx 1.45$), thấp hơn nhiều so với ngưỡng cảnh báo 10.0 $\rightarrow$ Mô hình không tồn tại đa cộng tuyến nghiêm trọng.
  2. Kiểm định $F\text{-test}$: Giá trị $p\text{-value} < 0.001$, bác bỏ giả thuyết $H_0$ (chọn $Pooled\ OLS$), xác định mô hình hiệu ứng cố định ($FEM$) vượt trội hơn $Pooled\ OLS$.
  3. Kiểm định Hausman: $p\text{-value} = 0.0001 < 0.05$, bác bỏ $H_0$ $\rightarrow$ Mô hình $FEM$ là lựa chọn nhất quán và hiệu quả hơn $REM$.
  4. Kiểm định khuyết tật trên $FEM$:
    • Kiểm định Modified Wald: $p\text{-value} = 0.0000 < 0.05 \rightarrow$ Tồn tại hiện tượng phương sai sai số thay đổi giữa các thực thể ngân hàng.
    • Kiểm định Wooldridge: $p\text{-value} = 0.0021 < 0.05 \rightarrow$ Tồn tại hiện tượng tự tương quan chuỗi thời gian.
  5. Khắc phục khuyết tật: Ước lượng bằng phương pháp $FGLS$ (Feasible Generalized Least Squares) đảm bảo ước lượng thu được là không chệch, vững và có phương sai nhỏ nhất (BLUE).

Kết quả hồi quy tổng hợp và đánh giá tham số

Biến độc lập Pooled OLS FEM (Cố định) REM (Ngẫu nhiên) FGLS (Khắc phục khuyết tật) Mức ý nghĩa thống kê Tác động thực tế
$NPL_{t-1}$ $0.412^{***}$ $0.284^{***}$ $0.351^{***}$ $0.318^{}$* $p < 0.01$ Tăng 1% nợ xấu kỳ trước làm tăng 0.318% nợ xấu kỳ này.
$SIZE$ $-0.045$ $0.112$ $-0.021$ $0.034$ $p > 0.10$ Không có tác động mang ý nghĩa thống kê ở mức 10%.
$ROA$ $-0.321^{***}$ $-0.245^{**}$ $-0.298^{***}$ $-0.267^{}$* $p < 0.01$ Tăng 1% ROA giúp giảm 0.267% tỷ lệ nợ xấu.
$CAP$ $0.054^{**}$ $0.078^{**}$ $0.061^{**}$ $0.069^{}$* $p < 0.01$ Tăng 1% tỷ lệ VCSH làm tăng 0.069% tỷ lệ nợ xấu.
$LG$ $0.018^{***}$ $0.012^{**}$ $0.015^{***}$ $0.014^{}$* $p < 0.01$ Tăng 1% tốc độ cho vay làm tăng 0.014% tỷ lệ nợ xấu.
$INF$ $0.038^{***}$ $0.029^{**}$ $0.034^{***}$ $0.031^{}$* $p < 0.01$ Lạm phát tăng 1% đẩy nợ xấu tăng 0.031%.
Hệ số chặn $0.852$ $-0.415$ $0.621$ $0.214$ — —
$R^2$ / Wald $\chi^2$ $0.485$ $0.412$ $0.468$ $\chi^2 = 312.45^{}$* $p < 0.001$ Mô hình có độ thích hợp tổng thể rất cao.

(Ghi chú: $^{}$, $^{}$, $^{}$ tương ứng với mức ý nghĩa 1%, 5% và 10%)

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn rõ nét so với các công trình trước đây:

  1. Cập nhật chuỗi dữ liệu 11 năm toàn diện (2011–2021): Khắc phục điểm nghẽn của các nghiên cứu trước (thường chỉ khảo sát đến năm 2015 hoặc 2018). Giai đoạn nghiên cứu này bao trùm trọn vẹn hai giai đoạn tái cơ cấu hệ thống ngân hàng và tác động bất thường của đại dịch COVID-19.
  2. Xử lý triệt để các khuyết tật dữ liệu bảng: Việc chuyển giao từ mô hình $FEM$ sang ước lượng $FGLS$ giúp triệt tiêu hoàn toàn sai số do phương sai thay đổi giữa 25 ngân hàng và tự tương quan chuỗi, mang lại hệ số hồi quy chuẩn xác với độ tin cậy vượt trội.
  3. Phát hiện thực nghiệm mang tính phản biện:
    • Quy mô ngân hàng ($SIZE$) không tác động có ý nghĩa thống kê lên nợ xấu: Bác bỏ cả hai giả thuyết "Hiệu ứng quy mô" và "Quá lớn để sụp đổ" tại thị trường Việt Nam giai đoạn này. Rủi ro nợ xấu xuất hiện đồng đều ở cả nhóm ngân hàng quy mô lớn lẫn nhóm quy mô vừa và nhỏ nếu buông lỏng thẩm định.
    • Tỷ lệ vốn chủ sở hữu ($CAP$) đồng biến với nợ xấu (+0.069): Minh chứng cho hiện tượng chấp nhận rủi ro đạo đức (Moral Hazard). Các ngân hàng có bộ đệm vốn dày có xu hướng dấn thân vào các phân khúc cho vay rủi ro cao để tìm kiếm biên lãi ròng ($NIM$) lớn hơn.

Ứng dụng thực tế và triển khai

Khuyến nghị chính sách cho Ngân hàng Thương mại Cổ phần

                     [ KHUYẾN NGHỊ VẬN HÀNH NHTMCP ]
[ Quản trị Tín dụng ]      [ Điều hòa Đòn bẩy ]        [ Nâng cao Hiệu quả ]
• Thiết lập van hãm LG     • Rà soát danh mục CAP       • Tối ưu hóa ROA
• Siết chuẩn cho vay nóng  • Chặn trục lợi rủi ro      • Nâng cao chất lượng
• Xử lý dứt điểm NPL(t-1)    đạo đức                     tài sản sinh lời
  1. Kiểm soát tốc độ tăng trưởng tín dụng ($LG$):
    • Áp dụng chính sách tăng trưởng tín dụng thận trọng. Khi tốc độ tăng trưởng tín dụng vượt ngưỡng 20%/năm, bắt buộc kích hoạt cơ chế kiểm toán nội bộ độc lập đối với các khoản vay mới giải ngân.
    • Tránh tình trạng nới lỏng tiêu chuẩn tín dụng để chạy đua theo chỉ tiêu doanh số.
  2. Nâng cao năng lực sinh lời ($ROA$) gắn liền với chất lượng tài sản:
    • Tăng cường tỷ trọng thu nhập ngoài lãi (thu phí dịch vụ, bancassurance, thanh toán quốc tế) thay vì phụ thuộc thuần túy vào tín dụng rủi ro.
    • Tối ưu hóa chi phí vận hành thông qua chuyển đổi số để gia tăng biên lợi nhuận, tạo nguồn lực tài chính chủ động trích lập dự phòng.
  3. Kiểm soát rủi ro đạo đức liên quan đến hệ số an toàn vốn ($CAP$):
    • Xây dựng khung khẩu vị rủi ro (Risk Appetite Framework) chặt chẽ. Không cho phép các chi nhánh tận dụng bộ đệm vốn tự có dồi dào để tài trợ cho các dự án bất động sản hoặc trái phiếu doanh nghiệp có hệ số rủi ro cao.
  4. Xử lý triệt để nợ xấu tồn đọng ($NPL_{t-1}$):
    • Đẩy nhanh tốc độ xử lý nợ xấu cũ thông qua VAMC và thị trường mua bán nợ tập trung. Tính ì rủi ro ($0.318$) chứng minh rằng nợ xấu nếu không được xử lý dứt điểm sẽ tiếp tục lây lan và làm suy yếu bảng cân đối kế toán trong tương lai.

Khuyến nghị đối với Ngân hàng Nhà nước và Cơ quan quản lý

  • Điều hành hạn mức tín dụng (Credit Room) linh hoạt: Sử dụng chỉ tiêu tăng trưởng tín dụng làm công cụ điều tiết vĩ mô, phân bổ hạn mức tín dụng dựa trên xếp hạng rủi ro CAMELS của từng ngân hàng.
  • Theo dõi chặt chẽ chỉ số lạm phát ($INF$): Khi lạm phát có xu hướng tăng cao, NHNN cần sớm đưa ra các cảnh báo rủi ro tín dụng toàn hệ thống và chỉ đạo các NHTM nâng cao tỷ lệ trích lập dự phòng chung.

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Quy mô mẫu: Mới khảo sát 25 NHTMCP, chưa bao gồm khối ngân hàng 100% vốn nước ngoài và các ngân hàng thương mại được kiểm soát đặc biệt do giới hạn số liệu công khai.
  • Biến số vĩ mô: Chưa đưa vào mô hình các biến số vĩ mô quan trọng khác như tốc độ tăng trưởng $GDP$, lãi suất thực tế danh nghĩa và tỷ giá hối đoái.
  • Phương pháp luận động: Chưa áp dụng phương pháp hồi quy không gian hoặc kỹ thuật học máy (Machine Learning) để dự báo xu hướng nợ xấu theo chuỗi phi tuyến tính.

Hướng nghiên cứu tiếp theo

  • Ứng dụng mô hình System GMM (Arellano-Bond) để kiểm soát triệt để tính nội sinh tiềm ẩn giữa nợ xấu và khả năng sinh lời.
  • Mở rộng nghiên cứu sang giai đoạn sau năm 2022 nhằm phân tích tác động của các chính sách cơ cấu lại thời hạn trả nợ và giữ nguyên nhóm nợ theo Thông tư 02/2023/TT-NHNN.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận khung nghiên cứu mẫu mực về kinh tế lượng ứng dụng trên dữ liệu bảng tài chính; nắm vững quy trình xử lý khuyết tật mô hình từ $OLS \rightarrow FEM/REM \rightarrow FGLS$ trên STATA 17.
  • Chuyên viên Quản trị rủi ro & Phân tích định lượng: Nhận diện chính xác trọng số tác động của từng chỉ tiêu tài chính ($ROA, CAP, LG$) để tích hợp vào hệ thống chấm điểm tín dụng nội bộ (Internal Credit Rating System).
  • Ban Điều hành Ngân hàng Thương mại: Có cơ sở khoa học định lượng để cân bằng giữa mục tiêu tăng trưởng tín dụng và mục tiêu an toàn vốn.
  • Cơ quan Quản lý Nhà nước (NHNN): Dữ liệu thực nghiệm hỗ trợ xây dựng chính sách giám sát an toàn vĩ mô và phân bổ hạn mức tăng trưởng tín dụng hàng năm.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lựa chọn mô hình FGLS thay vì dừng lại ở FEM hoặc REM?

Mặc dù kiểm định Hausman chỉ ra mô hình tác động cố định ($FEM$) là phù hợp nhất về mặt lý thuyết, nhưng kiểm định Modified Wald và Wooldridge trên mô hình $FEM$ lại phát hiện hiện tượng phương sai sai số thay đổi ($p = 0.000$) và tự tương quan chuỗi ($p = 0.002$). Mô hình $FGLS$ (Feasible Generalized Least Squares) là phương pháp tối ưu để triệt tiêu hoàn toàn hai khuyết tật này, đảm bảo các ước lượng thu được không bị sai lệch sai số chuẩn.

2. Ý nghĩa kinh tế của hệ số hồi quy biến Nợ xấu trễ ($NPL_{t-1} = 0.318$) là gì?

Hệ số dương có ý nghĩa thống kê ở mức 1% khẳng định nợ xấu có tính ì rất cao. Nếu một ngân hàng có tỷ lệ nợ xấu năm trước tăng 1%, thì tỷ lệ nợ xấu năm nay sẽ tự động chịu áp lực gia tăng 0.318% do các khoản nợ chậm thanh toán tiếp tục phát sinh lãi phạt, giảm giá trị tài sản đảm bảo và quy trình thanh lý tài sản kéo dài.

3. Tại sao tỷ lệ vốn chủ sở hữu trên tổng tài sản (CAP) lại tác động cùng chiều với nợ xấu?

Kết quả này phản ánh lý thuyết rủi ro đạo đức (Moral Hazard). Tại các NHTMCP Việt Nam, các ngân hàng có tỷ lệ đệm vốn cao thường có xu hướng tự tin chấp nhận các danh mục cho vay có mức độ rủi ro cao hơn nhằm đạt được tỷ suất sinh lời vượt trội, dẫn tới tỷ lệ nợ xấu phát sinh cao hơn trong trung và dài hạn.

4. Dữ liệu vĩ mô và vi mô trong nghiên cứu được trích xuất từ những nguồn nào?

Dữ liệu vi mô được trích xuất từ Báo cáo tài chính kiểm toán hợp nhất và Báo cáo thường niên của 25 NHTMCP Việt Nam giai đoạn 2011–2021. Dữ liệu lạm phát ($INF$) được thu thập từ cơ sở dữ liệu chính thức của Ngân hàng Thế giới (World Bank Data) và Tổng cục Thống kê Việt Nam.

5. Nghiên cứu này có thể tích hợp vào hệ thống cảnh báo sớm (Early Warning System) của ngân hàng không?

Hoàn toàn khả thi. Ngân hàng có thể thiết lập các ngưỡng kích hoạt tự động: khi tốc độ tăng trưởng tín dụng ($LG$) vượt ngưỡng an toàn hoặc khi $ROA$ suy giảm liên tiếp qua 2 quý, hệ thống sẽ tự động phát tín hiệu cảnh báo để rà soát chất lượng danh mục cho vay.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Kiều Như Quỳnh đã giải quyết trọn vẹn bài toán xác định và lượng hóa các nhân tố ảnh hưởng đến nợ xấu tại 25 NHTMCP Việt Nam giai đoạn 2011–2021. Bằng phương pháp kinh tế lượng thực nghiệm chặt chẽ, nghiên cứu đã chứng minh rằng: nợ xấu chịu tác động thúc đẩy mạnh mẽ bởi nợ xấu kỳ trước ($+0.318$), tỷ lệ an toàn vốn ($+0.069$), tăng trưởng tín dụng ($+0.014$), lạm phát ($+0.031$) và được kiềm chế hữu hiệu bởi khả năng sinh lời ($ -0.267$).

Những kết quả này không chỉ bổ sung bằng chứng thực nghiệm giá trị cho hệ thống tài chính ngân hàng Việt Nam mà còn cung cấp cơ sở khoa học vững chắc giúp các nhà quản trị ngân hàng và cơ quan điều hành hoạch định các chính sách tín dụng an toàn, bền vững trong kỷ nguyên hội nhập tài chính quốc tế.