Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trong việc cung ứng và luân chuyển vốn cho nền kinh tế quốc dân. Theo các báo cáo kinh tế vĩ mô và định hướng chiến lược của Ngân hàng Nhà nước Việt Nam (NHNN), mức độ an toàn và sức chịu đựng của hệ thống tài chính - ngân hàng trước các cú sốc bên ngoài vẫn còn đối mặt với nhiều rào cản mang tính chu kỳ và biến động vĩ mô. Sau các biến cố kinh tế toàn cầu và giai đoạn tái cơ cấu 2011–2021, vấn đề ổn định ngân hàng đã trở thành trọng tâm hàng đầu của các nhà quản lý rủi ro và giới học thuật.

Nghiên cứu "Các nhân tố ảnh hưởng đến sự ổn định ngân hàng của Ngân hàng thương mại Việt Nam" do tác giả Nguyễn Ngọc Hữu Hưng thực hiện dưới sự hướng dẫn khoa học của TS. Lê Hà Diễm Chi tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (Mã ngành: 7 34 02 01) tập trung giải quyết bài toán định lượng và lượng hóa mức độ rủi ro hệ thống thông qua các công cụ kinh tế lượng hiện đại.

+-----------------------------------------------------------------------------------+
|                              VẤN ĐỀ CỐT LÕI (PAIN POINTS)                         |
+-----------------------------------------------------------------------------------+
|  1. Thiếu khung lượng hóa đồng bộ giữa rủi ro mất khả năng thanh toán (Z-score)   |
|     và tỷ lệ nợ xấu (NPL).                                                        |
|  2. Hiện tượng nội sinh (Endogeneity) và độ trễ rủi ro trong dữ liệu bảng.       |
|  3. Hiện tượng phương sai thay đổi và tự tương quan làm sai lệch ước lượng OLS.   |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận: Xác lập khung phân tích ổn định tài chính dựa trên lý thuyết "Quá lớn để sụp đổ" (Too-Big-To-Fail), Lý thuyết quyền lực thị trường (SCP/RMP), và Lý thuyết cấu trúc hiệu quả (ESX/ESS).
  2. Xây dựng bộ dữ liệu bảng chuẩn hóa: Thu thập và xử lý dữ liệu vi mô từ 27 NHTM Việt Nam giai đoạn 2011–2021 (tương đương 297 quan sát hàng năm).
  3. Ứng dụng mô hình kinh tế lượng tiên tiến: Kiểm định và lượng hóa các mối quan hệ tác động thông qua Pooled OLS, FEM, REM, FGLS và khắc phục triệt để biến nội sinh bằng phương pháp hồi quy GMM hệ thống (Two-step System GMM - SGMM).
  4. Đề xuất giải pháp và hàm ý chính sách: Cung cấp khuyến nghị định lượng hỗ trợ các NHTM kiểm soát chi phí, quản trị rủi ro tín dụng và tăng cường hệ số an toàn vốn.

Phương pháp tiếp cận và phạm vi

  • Phương pháp giải quyết: Kết hợp phân tích định tính tổng quan lý thuyết và định lượng trên phần mềm Stata phiên bản 17.
  • Phạm vi không gian: 27 NHTM cổ phần đại diện chiếm trên 85% tổng tài sản toàn ngành ngân hàng Việt Nam (Vietcombank, BIDV, VietinBank, Techcombank, MB, ACB, VPBank,...).
  • Phạm vi thời gian: Giai đoạn 2011–2021 (11 năm hoạt động tài chính).
  • Chỉ số mục tiêu kỳ vọng: Lượng hóa chính xác tác động của 12 biến độc lập (vi mô và vĩ mô) lên 2 chỉ số ổn định cốt lõi là $Z\text{-score}$ và $NPL$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh toàn diện với các công trình thực nghiệm trước đây tại thị trường Việt Nam và quốc tế nhằm xác định rõ khoảng trống nghiên cứu (Research Gap):

Tiêu chí Mô hình Quốc (2020) Mô hình Lan (2021) Mô hình Tú & Oanh (2021) Đề tài nghiên cứu (2023)
Mẫu dữ liệu 19 NHTM (2014–2018) 25 NHTM (2008–2018) 31 NHTM (2010–2018) 27 NHTM (2011–2021)
Biến phụ thuộc $Z\text{-score}$ $Z\text{-score}$ $Z\text{-score}$ $Z\text{-score}$ và $NPL$ (Đa chiều)
Phương pháp chính Pooled OLS, FEM, REM Pooled OLS, FEM, REM Pooled OLS, FEM, REM Two-step System GMM & FGLS
Xử lý nội sinh Chưa xử lý triệt để Chưa xử lý triệt để Chưa xử lý triệt để Kiểm soát hoàn toàn bằng SGMM
Độ phủ thời gian 5 năm 11 năm 9 năm 11 năm (Gồm biến động hậu COVID-19)

Phân tích yêu cầu theo khung MoSCoW

  • Must have (Bắt buộc): Đo lường hệ số ổn định tài chính $Z\text{-score} = \frac{ROA + E/A}{\sigma(ROA)}$; Tỷ lệ nợ xấu $NPL = \frac{\text{Nợ nhóm 3, 4, 5}}{\text{Tổng dư nợ}}$; Kiểm định F-test, Breusch-Pagan LM, Hausman test, Wooldridge test, Modified Wald test.
  • Should have (Nên có): Xử lý hiện tượng phương sai thay đổi và tự tương quan chuỗi bằng FGLS; Sử dụng biến trễ làm biến công cụ trong hồi quy SGMM (Blundell & Bond, 1998).
  • Could have (Có thể mở rộng): Đo lường tác động chéo của các cú sốc vĩ mô (Tăng trưởng GDP, Lạm phát INF) tới từng nhóm ngân hàng theo quy mô vốn.
  • Won't have (Chưa thực hiện trong kỳ này): Áp dụng mô hình chuỗi thời gian phi tuyến tính phi cấu trúc (Machine Learning/Deep Learning for Panel Time-Series).

Thiết kế hệ thống và mô hình định lượng

Kiến trúc quy trình xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế thành một luồng khép kín đảm bảo tính chính xác thống kê:

flowchart TD
    A["Dữ liệu BCTC 27 NHTM + World Bank (2011-2021)"] --> B["Trích xuất & Xử lý Dữ liệu Bảng (Panel Data, N=27, T=11)"]
    B --> C["Thống kê mô tả & Ma trận tương quan Pearson"]
    C --> D["Ước lượng cơ sở: Pooled OLS, FEM, REM"]
    D --> E{"Kiểm định Lựa chọn Mô hình (F-Test, Hausman, LM)"}
    E -->|Chọn FEM/REM| F["Kiểm tra Khuyết tật: VIF, Modified Wald, Wooldridge"]
    F --> G["Xử lý Tự tương quan & Phương sai thay đổi bằng FGLS"]
    G --> H["Khắc phục Nội sinh bằng Hồi quy System GMM (Two-step SGMM)"]
    H --> I{"Kiểm định Hợp lệ SGMM (AR(1), AR(2), Hansen J-test)"}
    I -->|Thỏa mãn| J["Kết luận Định lượng & Khuyến nghị Chính sách"]

Ngăn xếp công nghệ và mô hình dữ liệu (Technology Stack)

  • Hệ thống xử lý: Stata MP Version 17.0 (Chuyên dụng cho dữ liệu bảng động).
  • Bộ công cụ bổ trợ: Module xtabond2, xttest3, xtserial, estout.
  • Cấu trúc Schema dữ liệu bảng:
    • Định dạng Index: xtset bank_id year (Unbalanced Panel Data).
    • Không gian quan sát: $i = 1 \dots 27$ (Đơn vị NHTM), $t = 2011 \dots 2021$ (Thời gian).
    • Tổng số mẫu: $N \times T = 297$ observations.

Đặc tả phương trình kinh tế lượng

Hai mô hình hồi quy đa biến được thiết lập cụ thể:

$$\begin{aligned} (1)\ Z\text{-score}{it} = &\ \beta_0 + \beta_1 FRISK{it} + \beta_2 ROE_{it} + \beta_3 CIR_{it} + \beta_4 TANG_{it} + \beta_5 SIZE_{it} \ &+ \beta_6 GROW_{it} + \beta_7 LLP_{it} + \beta_8 CAP_{it} + \beta_9 LEV_{it} + \beta_{10} LDR_{it} \ &+ \beta_{11} GDP_t + \beta_{12} INF_t + \varepsilon_{it} \end{aligned}$$

$$\begin{aligned} (2)\ NPL_{it} = &\ \alpha_0 + \alpha_1 FRISK_{it} + \alpha_2 ROE_{it} + \alpha_3 CIR_{it} + \alpha_4 TANG_{it} + \alpha_5 SIZE_{it} \ &+ \alpha_6 GROW_{it} + \alpha_7 LLP_{it} + \alpha_8 CAP_{it} + \alpha_9 LEV_{it} + \alpha_{10} LDR_{it} \ &+ \alpha_{11} GDP_t + \alpha_{12} INF_t + \mu_{it} \end{aligned}$$

Phương pháp nghiên cứu và quy trình QA

Quá trình nghiên cứu tuân thủ nghiêm ngặt khung đảm bảo chất lượng định lượng:

  1. Làm sạch dữ liệu (Data Cleansing): Đối chiếu chéo giữa Báo cáo tài chính đã kiểm toán, Thuyết minh BCTC và nguồn dữ liệu từ FiinPro/Vietstock.
  2. Kiểm soát đa cộng tuyến: Đo lường qua hệ số phóng đại phương sai (VIF), yêu cầu $\text{VIF} < 10$.
  3. Kiểm định hiện tượng nội sinh: Sử dụng các biến trễ của biến phụ thuộc ($Z\text{-score}{t-1}$, $NPL{t-1}$) và biến giải thích làm biến công cụ (Instruments).

Implementation và kết quả

Quy trình triển khai và mã lệnh phân tích

Toàn bộ quy trình ước lượng kinh tế lượng được tự động hóa thông qua các kịch bản lệnh Stata Script (Do-file):

* Thiết lập dữ liệu bảng động
clear all
use "bank_stability_vietnam_2011_2021.dta", clear
xtset bank_id year

* 1. Kiểm tra đa cộng tuyến
regress zscore frisk roe cir tang size grow llp cap lev ldr gdp inf
vif

* 2. Ước lượng Pooled OLS, FEM và REM
regress zscore frisk roe cir tang size grow llp cap lev ldr gdp inf
estimates store pooled_ols

xtreg zscore frisk roe cir tang size grow llp cap lev ldr gdp inf, fe
estimates store fem

xtreg zscore frisk roe cir tang size grow llp cap lev ldr gdp inf, re
estimates store rem

* Lựa chọn mô hình tối ưu qua Hausman Test
hausman fem rem

* 3. Kiểm định khuyết tật mô hình (FEM)
xttest3          // Modified Wald test kiểm tra phương sai thay đổi
xtserial zscore frisk roe cir tang size grow llp cap lev ldr gdp inf // Kiểm định tự tương quan Wooldridge

* 4. Hồi quy FGLS để khắc phục khuyết tật
xtgls zscore frisk roe cir tang size grow llp cap lev ldr gdp inf, panels(hetero) corr(ar1)

* 5. Hồi quy SGMM hai bước (Two-step System GMM) kiểm soát hoàn toàn nội sinh
xtabond2 zscore L.zscore frisk roe cir tang size grow llp cap lev ldr gdp inf, ///
    gmm(L.zscore frisk roe cir llp cap, lag(1 2) collapse) ///
    iv(tang size grow lev ldr gdp inf) ///
    twostep robust small

Kết quả kiểm định và chẩn đoán mô hình

Các bước kiểm định chẩn đoán chỉ ra sự tồn tại của các khuyết tật trong dữ liệu bảng truyền thống, từ đó khẳng định tính tất yếu của việc lựa chọn SGMM:

Phép kiểm định Giả thuyết $H_0$ Giá trị Thống kê ($p$-value) Kết luận & Quyết định
VIF Test Không có đa cộng tuyến Mean $\text{VIF} = 1.84$ (Max $< 4.2$) Chấp nhận $H_0$, mô hình không bị đa cộng tuyến
F-Test (FEM vs OLS) Không có hiệu ứng cố định $F = 18.42$ ($p < 0.0001$) Bác bỏ $H_0$, chọn mô hình tác động cố định (FEM)
Hausman Test Sai số không tương quan biến giải thích $\chi^2 = 29.85$ ($p = 0.0028$) Bác bỏ $H_0$, chọn mô hình FEM thay vì REM
Modified Wald Test Phương sai sai số đồng nhất $\chi^2 = 1482.3$ ($p < 0.0001$) Bác bỏ $H_0$, mô hình có phương sai thay đổi
Wooldridge Test Không có tự tương quan bậc nhất $F = 21.04$ ($p = 0.0001$) Bác bỏ $H_0$, mô hình có hiện tượng tự tương quan
Hansen J-Test (SGMM) Biến công cụ là hợp lệ (ngoại sinh) $p = 0.245$ ($> 0.10$) Chấp nhận $H_0$, biến công cụ hoàn toàn hợp lệ
Arellano-Bond AR(2) Không có tự tương quan chuỗi bậc 2 $z = -0.87$ ($p = 0.384 > 0.10$) Chấp nhận $H_0$, mô hình SGMM hoàn toàn vững

Kết quả hồi quy SGMM thực nghiệm

Bảng tổng hợp kết quả hồi quy SGMM hai bước giải thích tác động của các nhân tố đến độ ổn định ngân hàng ($Z\text{-score}$) và tỷ lệ nợ xấu ($NPL$):

Biến độc lập Ký hiệu Tác động tới $Z\text{-score}$ (SGMM) Tác động tới $NPL$ (SGMM) Mức ý nghĩa thống kê
Rủi ro tài trợ FRISK Dương ($+$) Âm ($-$) $p < 0.01$ (Ý nghĩa 1%)
Tỷ suất sinh lời VCSH ROE Dương ($+$) Âm ($-$) $p < 0.05$ (Ý nghĩa 5%)
Hiệu quả quản lý chi phí CIR Âm ($-$) Dương ($+$) $p < 0.01$ (Ý nghĩa 1%)
Tỷ lệ tài sản hữu hình TANG Dương ($+$) Âm ($-$) $p < 0.05$ (Ý nghĩa 5%)
Quy mô ngân hàng SIZE Dương ($+$) Âm ($-$) $p < 0.01$ (Ý nghĩa 1%)
Tăng trưởng tổng tài sản GROW Không có ý nghĩa Không có ý nghĩa $p > 0.10$
Dự phòng rủi ro tín dụng LLP Âm ($-$) Dương ($+$) $p < 0.01$ (Ý nghĩa 1%)
Tỷ lệ an toàn vốn CAP Dương ($+$) Âm ($-$) $p < 0.01$ (Ý nghĩa 1%)
Đòn bẩy tài chính LEV Không có ý nghĩa Không có ý nghĩa $p > 0.10$
Tỷ lệ cho vay/Huy động LDR Âm ($-$) Dương ($+$) $p < 0.05$ (Ý nghĩa 5%)
Tăng trưởng kinh tế GDP Âm ($-$) Dương ($+$) $p < 0.05$ (Ý nghĩa 5%)
Tỷ lệ lạm phát INF Âm ($-$) Dương ($+$) $p < 0.01$ (Ý nghĩa 1%)

Đổi mới và đóng góp

  1. Khắc phục triệt để biến nội sinh bằng phương pháp SGMM hiện đại: Đa số các nghiên cứu trong nước trước đây (như Quốc 2020, Lan 2021) chỉ dừng lại ở FEM/REM hoặc FGLS. Đề tài này ứng dụng mô hình hồi quy GMM hệ thống hai bước (Two-step System GMM) của Blundell & Bond (1998), xử lý triệt để tác động trễ $Z\text{-score}_{t-1}$ và tương quan hai chiều.
  2. Tiếp cận chỉ số đo lường đa chiều: Kết hợp đồng thời chỉ số khoảng cách phá sản $Z\text{-score}$ (đo lường độ an toàn tổng thể) và tỷ lệ nợ xấu $NPL$ (đo lường rủi ro vận hành tín dụng), giúp mang lại cái nhìn toàn cảnh và chính xác hơn về sức khỏe tài chính ngân hàng.
  3. Phát hiện mới về biến động kinh tế vĩ mô: Nghiên cứu chứng minh trong giai đoạn 2011–2021 tại Việt Nam, sự tăng trưởng kinh tế quá nóng (GDP) và tỷ lệ lạm phát gia tăng (INF) có xu hướng làm giảm sự ổn định ngân hàng do hệ quả của việc nới lỏng tiêu chuẩn cấp tín dụng trong các chu kỳ mở rộng kinh tế.
  4. Cơ sở dữ liệu kéo dài 11 năm đầy biến động: Dữ liệu bao hàm toàn bộ chu kỳ tái cơ cấu hệ thống tổ chức tín dụng theo Quyết định 254/QĐ-TTg của Thủ tướng Chính phủ và giai đoạn ảnh hưởng bởi đại dịch COVID-19.

Ứng dụng thực tế và triển khai

+-----------------------------------------------------------------------------------+
|                        KHUYẾN NGHỊ QUẢN TRỊ CHO NHTM VIỆT NAM                     |
+-----------------------------------------------------------------------------------+
|  1. Nâng cao hệ số an toàn vốn (CAP): Tăng cường vốn cấp 1 và vốn cấp 2 theo     |
|     chuẩn Basel II/Basel III.                                                     |
|  2. Tối ưu hóa hiệu quả chi phí (CIR): Cắt giảm CIR dưới ngưỡng 35-40% thông qua  |
|     chuyển đổi số và tự động hóa quy trình nghiệp vụ (RPA/Core Banking).          |
|  3. Kiểm soát tỷ lệ LDR an toàn: Duy trì LDR quanh ngưỡng 75-80% để đảm bảo       |
|     thanh khoản và giảm rủi ro tài trợ.                                           |
|  4. Trích lập dự phòng (LLP) chủ động: Áp dụng mô hình tổn thất tín dụng dự kiến  |
|     (ECL - IFRS 9) thay vì mô hình tổn thất đã phát sinh.                         |
+-----------------------------------------------------------------------------------+

Lộ trình triển khai khuyến nghị cho NHTM (Roadmap)

  • Giai đoạn 1 (Quý 1 - Quý 2): Rà soát danh mục tài sản sinh lời, tái cấu trúc bảng cân đối kế toán, nâng tỷ lệ $CAP$ thông qua phát hành trái phiếu thứ cấp hoặc giữ lại lợi nhuận sau thuế.
  • Giai đoạn 2 (Quý 3 - Quý 4): Triển khai số hóa quy trình tín dụng, hạ tỷ lệ chi phí trên thu nhập $CIR$ từ $5-8%$, thắt chặt tỷ lệ cấp tín dụng trên nguồn vốn huy động ($LDR$).
  • Giai đoạn 3 (Năm tiếp theo): Tích hợp công cụ giám sát rủi ro tự động theo thời gian thực (Real-time Risk Monitoring Dashboard) dựa trên phương pháp tính $Z\text{-score}$ trượt 3 năm.

Hạn chế và hướng phát triển

  • Hạn chế về quy mô mẫu: Nghiên cứu loại bỏ các ngân hàng thương mại có dữ liệu gián đoạn hoặc bị kiểm soát đặc biệt, chỉ giới hạn ở 27 NHTM cổ phần.
  • Hạn chế về cấu trúc biến: Chưa phân tách chi tiết tác động của thu nhập ngoài lãi (Non-interest Income) và hệ số thanh khoản nhanh (LCR) theo chuẩn Basel III.
  • Hướng nghiên cứu tương lai: Mở rộng nghiên cứu áp dụng kỹ thuật Machine Learning trong phân tích chuỗi thời gian dữ liệu bảng (Panel Time-series), bổ sung yếu tố rủi ro địa chính trị và biến động chính sách tiền tệ toàn cầu (Fed Funds Rate).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Nắm vững phương pháp luận nghiên cứu dữ liệu bảng động, thành thạo kỹ thuật xử lý hồi quy FGLS và System GMM trên Stata 17.
  • Chuyên viên Quản trị rủi ro & Phân tích tài chính: Tiếp cận công thức và mô hình định lượng chuẩn xác để tính toán hệ số $Z\text{-score}$ và đo lường mức độ ảnh hưởng của biến số vĩ mô lên tỷ lệ nợ xấu.
  • Ban lãnh đạo NHTM: Sở hữu căn cứ thực nghiệm tin cậy để ra quyết định điều chỉnh tỷ lệ $CIR$, $LDR$, và chính sách trích lập dự phòng tổn thất cho vay.
  • Nhà hoạch định chính sách (NHNN): Có thêm luận cứ khoa học để hoàn thiện khung chính sách an toàn vĩ mô (Macroprudential Policy).

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại sử dụng phương pháp System GMM thay vì OLS hay FEM/REM truyền thống?

Trong các mô hình dữ liệu bảng ngân hàng, sự ổn định ở năm trước ($Z\text{-score}_{t-1}$) thường có tác động trực tiếp đến năm hiện tại, đồng thời các biến như lợi nhuận ($ROE$) hay quy mô ($SIZE$) có quan hệ nhân quả hai chiều với sự ổn định (hiện tượng nội sinh). Mô hình Pooled OLS, FEM hay REM không thể xử lý triệt để hiện tượng này, dẫn đến ước lượng bị chệch và không vững. Phương pháp Two-step System GMM (SGMM) sử dụng các biến trễ làm biến công cụ nội tại giúp loại bỏ hoàn toàn hiện tượng nội sinh và tự tương quan.

2. Ý nghĩa kinh tế của chỉ số Z-score trong nghiên cứu là gì?

Chỉ số $Z\text{-score}$ phản ánh số lượng độ lệch chuẩn mà lợi nhuận của ngân hàng phải sụt giảm trước khi vốn chủ sở hữu bị âm (tức mất khả năng thanh toán/phá sản). Giá trị $Z\text{-score}$ càng cao, ngân hàng càng có sức chống chịu mạnh mẽ và mức độ an toàn tài chính càng vững chắc.

3. Tỷ lệ chi phí trên thu nhập (CIR) tác động như thế nào đến độ ổn định ngân hàng?

Hệ số hồi quy cho thấy CIR có tương quan nghịch với $Z\text{-score}$ và tương quan thuận với $NPL$ ở mức ý nghĩa 1%. Điều này chứng minh ngân hàng quản lý chi phí kém hiệu quả sẽ làm xói mòn lợi nhuận ròng, suy yếu bộ đệm vốn chủ sở hữu và làm gia tăng nguy cơ bất ổn.

4. Tăng trưởng kinh tế (GDP) tại sao lại tác động nghịch chiều đến tính ổn định ngân hàng trong mô hình?

Trong các giai đoạn tăng trưởng kinh tế nhanh, các ngân hàng thường có xu hướng mở rộng tín dụng ồ ạt, nới lỏng các tiêu chuẩn thẩm định tín dụng để gia tăng thị phần. Khi chu kỳ kinh tế đảo chiều hoặc hạ nhiệt, các khoản vay chất lượng thấp này nhanh chóng biến thành nợ xấu, gây áp lực trực tiếp lên hệ thống ngân hàng.

5. Yêu cầu kỹ thuật tối thiểu để tái lập nghiên cứu này là gì?

Cần cài đặt phần mềm Stata phiên bản 15 trở lên (khuyến nghị Stata 17), cài đặt package xtabond2 (ssc install xtabond2), và chuẩn bị tệp dữ liệu bảng dạng dọc (Long format) gồm 297 dòng quan sát cho 27 ngân hàng qua 11 năm.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Ngọc Hữu Hưng đã giải quyết toàn diện bài toán xác định và định lượng các nhân tố tác động đến sự ổn định của hệ thống NHTM Việt Nam giai đoạn 2011–2021. Bằng việc ứng dụng phương pháp kinh tế lượng hiện đại Two-step System GMM trên phần mềm Stata 17, nghiên cứu đã khắc phục thành công các khuyết tật nội sinh và phương sai thay đổi, mang lại những phát hiện thực nghiệm có độ tin cậy cao. Các kết quả nghiên cứu chỉ ra rằng việc củng cố nguồn vốn tự có ($CAP$), kiểm soát hiệu quả chi phí ($CIR$), tối ưu hóa tỷ lệ cho vay trên huy động ($LDR$) và kiểm soát rủi ro tín dụng ($LLP$) là những trụ cột mang tính quyết định để nâng cao năng lực cạnh tranh và đảm bảo sự phát triển bền vững của hệ thống ngân hàng Việt Nam.