Giới thiệu dự án
Trong cấu trúc hệ thống tài chính hiện đại, Ngân hàng Thương mại (NHTM) đóng vai trò huyết mạch luân chuyển vốn, quyết định sự ổn định và tăng trưởng kinh tế vĩ mô. Tại Việt Nam, giai đoạn 2010–2021 ghi nhận những biến động sâu sắc từ quá trình tái cơ cấu hệ thống tổ chức tín dụng, gia tăng hội nhập quốc tế (WTO, CPTPP, EVFTA) đến các cú sốc ngoại sinh như đại dịch COVID-19 và biến động chuỗi cung ứng toàn cầu. Trong bối cảnh đó, tỷ lệ thu nhập lãi thuần (Net Interest Margin - NIM) nổi lên như một chỉ số định lượng cốt lõi, phản ánh trực tiếp hiệu quả quản trị khe hở lãi suất, chất lượng tài sản sinh lời và năng lực cạnh tranh trung gian tài chính của ngân hàng.
Thu nhập lãi thuần (NII)
NIM (%) = -------------------------------------------- x 100
Tổng tài sản có sinh lời bình quân (IEA)
Vấn đề thực tiễn và điểm nghẽn kỹ thuật (Problem Statement)
Các nhà quản trị ngân hàng và cơ quan quản lý (Ngân hàng Nhà nước - NHNN) đối mặt với bài toán tối ưu hóa đa mục tiêu đầy thách thức:
- Nghịch lý đánh đổi lợi nhuận - rủi ro: Duy trì biên lãi thuần NIM cao giúp củng cố bộ đệm vốn chủ sở hữu và khả năng chống chịu rủi ro, nhưng nếu biên lãi quá cao do lãi suất cho vay đắt đỏ sẽ kìm hãm tiếp cận tín dụng của doanh nghiệp, làm suy giảm tổng cầu nền kinh tế.
- Khuyết tật dữ liệu bảng kinh tế lượng: Phân tích dữ liệu tài chính chuỗi thời gian kết hợp không gian (Panel Data) thường xuyên gặp hiện tượng phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan chuỗi (Autocorrelation), dẫn đến các ước lượng OLS thông thường bị chệch và không hiệu quả.
- Thiếu hụt nghiên cứu tích hợp đa tầng: Phần lớn nghiên cứu trước đây chỉ tập trung vào các chỉ số nội tại đơn lẻ mà bỏ qua tác động đồng thời của sức mạnh thị trường (Lerner Index), chính sách dự trữ bắt buộc và các biến số vĩ mô trong chu kỳ kinh tế dài hạn 12 năm.
Mục tiêu nghiên cứu cụ thể
- Mục tiêu 1: Xác định và lượng hóa hệ thống các nhân tố vi mô (nội tại ngân hàng) và vĩ mô (môi trường kinh tế) tác động đến hệ số NIM của 27 NHTM Việt Nam giai đoạn 2010–2021.
- Mục tiêu 2: Ứng dụng quy trình kinh tế lượng chuẩn tắc, kiểm định và xử lý triệt để các khuyết tật mô hình thông qua phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS).
- Mục tiêu 3: Xây dựng khung hàm ý quản trị định lượng giúp các NHTM tối ưu hóa cơ cấu tài sản nợ - tài sản có, kiểm soát rủi ro thanh khoản và hỗ trợ hoạch định chính sách tiền tệ.
Phạm vi và dữ liệu nghiên cứu
- Không gian: 27 NHTM cổ phần và NHTM Nhà nước tại Việt Nam, chiếm hơn 85% thị phần tín dụng toàn hệ thống.
- Thời gian: 12 năm liên tục (2010 – 2021), tạo thành bộ dữ liệu bảng cân bằng với 324 quan sát ($N=27, T=12$).
- Nguồn dữ liệu: Báo cáo tài chính kiểm toán hợp nhất (bởi Big 4: PwC, EY, KPMG, Deloitte) và cơ sở dữ liệu World Bank.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Nghiên cứu về NIM khởi nguồn từ mô hình đại lý bán lẻ của Ho & Saunders (1981), sau đó được mở rộng bởi Maudos & Guevara (2004) khi bổ sung chi phí hoạt động và sức mạnh thị trường. Dưới đây là bảng tổng hợp so sánh các nghiên cứu nền tảng và vị trí của đề tài:
| Tiêu chí |
Ho & Saunders (1981) |
Maudos & Guevara (2004) |
Ong Tze San (2013) |
Đề tài nghiên cứu (2023) |
| Mẫu nghiên cứu |
NHTM Mỹ (Cross-sectional) |
5 nước Châu Âu (Panel Data) |
37 NHTM Malaysia (2003-2009) |
27 NHTM Việt Nam (2010-2021) |
| Phương pháp chính |
Two-step regression |
Pooled OLS, FEM, REM |
OLS, Fixed Effects |
Pooled OLS, FEM, REM, FGLS |
| Xử lý khuyết tật |
Chưa kiểm soát tự tương quan |
Hiệu chỉnh sai số chuẩn |
Chưa xử lý phương sai thay đổi |
FGLS xử lý đa cộng tuyến, tự tương quan, phương sai thay đổi |
| Biến sức mạnh thị trường |
Cấu trúc thị trường cơ bản |
Chỉ số Lerner |
Không xem xét |
Chỉ số Lerner (LER) |
| Biến vĩ mô |
Bỏ qua |
Lãi suất thị trường |
GDP, Inflation (Không có ý nghĩa) |
GDP, Tỷ lệ lạm phát (INF) |
Phân tích yêu cầu phương pháp luận theo mô hình MoSCoW
- Must Have (Bắt buộc): Kiểm định đa cộng tuyến (VIF), kiểm định F-test lựa chọn Pooled OLS vs FEM, kiểm định Breusch-Pagan LM lựa chọn Pooled OLS vs REM, kiểm định Hausman chọn FEM vs REM, kiểm định Wooldridge và Modified Wald test.
- Should Have (Nên có): Ước lượng hồi quy FGLS để triệt tiêu hoàn toàn hiện tượng tự tương quan bậc nhất AR(1) và phương sai sai số thay đổi chéo.
- Could Have (Có thể mở rộng): Phân tích tương quan cục bộ từng nhóm ngân hàng theo quy mô vốn.
- Won't Have (Chưa thực hiện đợt này): Mô hình hồi quy động System-GMM (dành cho hướng phát triển nâng cao).
+-----------------------------------------------------------------------------------+
| KIẾN TRÚC MÔ HÌNH KINH TẾ LƯỢNG |
+-----------------------------------------------------------------------------------+
| [Dữ liệu BCTC Kiểm toán (27 NHTM)] + [Dữ liệu Vĩ mô (World Bank 2010-2021)] |
| [Tiền xử lý & Chuẩn hóa biến (Stata 17)] |
| [Hồi quy cơ sở: Pooled OLS / FEM / REM] |
| [Kiểm định Hausman] [Kiểm định khuyết tật] |
| (Prob > chi2 = 0.0000) - Tự tương quan: Wooldridge (p < 0.05) |
| => Chọn Fixed Effects - Phương sai thay đổi: Wald (p < 0.05) |
| [ƯỚC LƯỢNG MÔ HÌNH TỐI ƯU: FGLS (Cross-sectional Hetero)] |
| [Phân tích hệ số tác động & Đề xuất Hàm ý Quản trị ALM] |
+-----------------------------------------------------------------------------------+
Thiết kế hệ thống mô hình và Technology Stack
Mô hình kinh tế lượng tổng quát được xác lập:
$$NIM_{i,t} = \beta_0 + \beta_1 SIZE_{i,t} + \beta_2 CAP_{i,t} + \beta_3 LOAN_{i,t} + \beta_4 LIQ_{i,t} + \beta_5 CR_{i,t} + \beta_6 SBRP_{i,t} + \beta_7 LER_{i,t} + \beta_8 GDP_t + \beta_9 INF_t + \epsilon_{i,t}$$
Trong đó:
- i: Đại diện cho ngân hàng thứ i (i = 1, 2, ..., 27)
- t: Đại diện cho năm quan sát (t = 2010, 2011, ..., 2021)
- β0: Hệ số chặn; β1 -> β9: Hệ số góc hồi quy đại diện cho mức độ tác động
- ε_it: Sai số ngẫu nhiên ngấm vào quan sát
Bảng thông số kỹ thuật và công thức xác định các biến (Technology & Data Schema)
| Mã biến |
Tên biến |
Loại biến |
Công thức toán học / Đo lường |
Kỳ vọng dấu |
| NIM |
Tỷ lệ thu nhập lãi thuần |
Phụ thuộc |
$\frac{\text{Thu nhập lãi thuần}}{\text{Tổng tài sản sinh lời}} \times 100%$ |
N/A |
| SIZE |
Quy mô ngân hàng |
Độc lập |
$\ln(\text{Tổng tài sản})$ |
$(+)$ |
| CAP |
Quy mô vốn chủ sở hữu |
Độc lập |
$\frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}} \times 100%$ |
$(+)$ |
| LOAN |
Quy mô cho vay |
Độc lập |
$\frac{\text{Dư nợ cho vay khách hàng}}{\text{Tổng tài sản}} \times 100%$ |
$(+)$ |
| LIQ |
Tính thanh khoản |
Độc lập |
$\frac{\text{Tiền và tương đương tiền}}{\text{Tổng tài sản}} \times 100%$ |
$(-)$ |
| CR |
Rủi ro tín dụng |
Độc lập |
$\frac{\text{Dự phòng rủi ro cho vay}}{\text{Tổng dư nợ cho vay}} \times 100%$ |
$(-)$ |
| SBRP |
Dự trữ bắt buộc tại NHNN |
Độc lập |
$\frac{\text{Tiền mặt + Tiền gửi tại NHNN}}{\text{Tổng tài sản}} \times 100%$ |
$(+)$ |
| LER |
Sức mạnh thị trường |
Độc lập |
Chỉ số Lerner: $\frac{P - MC}{P}$ (Đo lường biên lợi nhuận trên chi phí biên) |
$(+)$ |
| GDP |
Tốc độ tăng trưởng kinh tế |
Vĩ mô |
$\frac{\text{GDP}t - \text{GDP}{t-1}}{\text{GDP}_{t-1}} \times 100%$ |
$(+)$ |
| INF |
Tỷ lệ lạm phát |
Vĩ mô |
Chỉ số giá tiêu dùng CPI bình quân năm (%) |
$(+)$ |
Technology Stack
- Phần mềm xử lý kinh tế lượng: Stata 17.0 MP (Multi-Processor 64-bit).
- Môi trường trích xuất & làm sạch: Python 3.10 (Thư viện
pandas, numpy, openpyxl).
- Nguồn chuẩn hóa: Chuẩn mực Kế toán Việt Nam (VAS) và Thông tư số 35/2015/TT-NHNN, Thông tư số 41/2016/TT-NHNN (Basel II).
Implementation và kết quả
Development Process & Scripting
Quy trình xử lý dữ liệu được thiết lập theo đường ống thực thi kinh tế lượng chuẩn tắc trong Stata 17:
* ==============================================================================
* QUY TRÌNH HỒI QUY DỮ LIỆU BẢNG VÀ XỬ LÝ KHUYẾT TẬT MÔ HÌNH (STATA SCRIPT)
* Đề tài: Các nhân tố tác động đến NIM - 27 NHTM Việt Nam (2010 - 2021)
* ==============================================================================
* 1. Khai báo cấu trúc dữ liệu bảng (Panel Data Setting)
iis bank_id
tis year
xtset bank_id year
* 2. Thống kê mô tả và Kiểm tra hiện tượng đa cộng tuyến
summarize NIM SIZE CAP LOAN LIQ CR SBRP LER GDP INF
regress NIM SIZE CAP LOAN LIQ CR SBRP LER GDP INF
vif
* 3. Ước lượng các mô hình cơ sở
* 3.1. Mô hình Pooled OLS
regress NIM SIZE CAP LOAN LIQ CR SBRP LER GDP INF, robust
estimates store OLS_model
* 3.2. Mô hình Hiệu ứng cố định (Fixed Effects Model - FEM)
xtreg NIM SIZE CAP LOAN LIQ CR SBRP LER GDP INF, fe
estimates store FEM_model
* 3.3. Mô hình Hiệu ứng ngẫu nhiên (Random Effects Model - REM)
xtreg NIM SIZE CAP LOAN LIQ CR SBRP LER GDP INF, re
estimates store REM_model
* 4. Các kiểm định lựa chọn mô hình chuẩn tắc
* 4.1. Kiểm định Hausman (Lựa chọn giữa FEM và REM)
hausman FEM_model REM_model
* 4.2. Kiểm định Breusch and Pagan Lagrangian Multiplier (Chọn Pooled OLS vs REM)
xttest0
* 5. Kiểm tra các vi phạm giả định kinh tế lượng (Diagnostic Testing)
* 5.1. Kiểm định phương sai sai số thay đổi (Modified Wald test for groupwise heteroskedasticity)
xtreg NIM SIZE CAP LOAN LIQ CR SBRP LER GDP INF, fe
xttest3
* 5.2. Kiểm định tự tương quan (Wooldridge test for autocorrelation in panel data)
xtserial NIM SIZE CAP LOAN LIQ CR SBRP LER GDP INF
* 6. Hồi quy mô hình FGLS khắc phục triệt để vi phạm
xtgls NIM SIZE CAP LOAN LIQ CR SBRP LER GDP INF, panels(hetero) corr(ar1)
Testing và Validation
Quá trình kiểm định giả thuyết thống kê cho thấy:
- Kiểm tra đa cộng tuyến: Hệ số phóng đại phương sai (VIF) trung bình đạt $1.42$, biến cao nhất có $VIF < 2.15$, thấp hơn ngưỡng cảnh báo $10.0 \Rightarrow$ Mô hình hoàn toàn không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.
- Kiểm định Hausman: Giá trị thống kê $\chi^2(9) = 38.45$ với giá trị $p\text{-value} = 0.0000 < 0.01 \Rightarrow$ Bác bỏ giả thuyết $H_0$, mô hình Hiệu ứng cố định (FEM) phù hợp hơn REM.
- Kiểm định khuyết tật:
- Modified Wald test (Phương sai thay đổi): $\chi^2(27) = 1420.31$, $p\text{-value} = 0.0000 < 0.01 \Rightarrow$ Tồn tại hiện tượng phương sai sai số thay đổi.
- Wooldridge test (Tự tương quan): $F(1, 26) = 18.762$, $p\text{-value} = 0.0002 < 0.05 \Rightarrow$ Tồn tại tự tương quan bậc nhất AR(1).
- Giải pháp khắc phục: Thực thi ước lượng FGLS với tùy chọn
panels(hetero) corr(ar1) để tạo ra ước lượng vững, không chệch và có phương sai nhỏ nhất (BLUE).
Kết quả đạt được
Bảng kết quả ước lượng hồi quy thực nghiệm thông qua mô hình FGLS:
| Biến độc lập |
Hệ số hồi quy ($\beta$) |
Sai số chuẩn (Std. Err.) |
Giá trị thống kê ($z$) |
Mức ý nghĩa ($p > |z|$) |
Kết luận giả thuyết |
| SIZE |
$-0.0142$ |
$0.0210$ |
$-0.68$ |
$0.498$ |
Không có ý nghĩa thống kê |
| CAP |
$+0.0482$ |
$0.0086$ |
$+5.60$ |
$\mathbf{0.000}^{***}$ |
Chấp nhận $H_1$ (Ý nghĩa 1%) |
| LOAN |
$+0.0118$ |
$0.0031$ |
$+3.81$ |
$\mathbf{0.000}^{***}$ |
Chấp nhận $H_1$ (Ý nghĩa 1%) |
| LIQ |
$-0.0345$ |
$0.0079$ |
$-4.37$ |
$\mathbf{0.000}^{***}$ |
Chấp nhận $H_1$ (Ý nghĩa 1%) |
| CR |
$+0.0812$ |
$0.0335$ |
$+2.42$ |
$\mathbf{0.015}^{**}$ |
Tác động dương (Ý nghĩa 5%) |
| SBRP |
$+0.0416$ |
$0.0182$ |
$+2.29$ |
$\mathbf{0.022}^{**}$ |
Chấp nhận $H_1$ (Ý nghĩa 5%) |
| LER |
$+0.0194$ |
$0.0041$ |
$+4.73$ |
$\mathbf{0.000}^{***}$ |
Chấp nhận $H_1$ (Ý nghĩa 1%) |
| GDP |
$-0.0084$ |
$0.0105$ |
$-0.80$ |
$0.424$ |
Không có ý nghĩa thống kê |
| INF |
$+0.0271$ |
$0.0068$ |
$+3.99$ |
$\mathbf{0.000}^{***}$ |
Chấp nhận $H_1$ (Ý nghĩa 1%) |
| _cons |
$+1.4280$ |
$0.3150$ |
$+4.53$ |
$0.000^{***}$ |
Hệ số chặn ý nghĩa 1% |
| Thống kê |
\multicolumn{5}{l |
}{Số quan sát: $N = 324$ (27 NHTM $\times$ 12 năm); Wald $\chi^2(9) = 286.74$; $\text{Prob} > \chi^2 = 0.0000$} |
|
|
|
Ghi chú: $^{}$, $^{}$ tương ứng với mức ý nghĩa thống kê 1% và 5%.*
Đổi mới và đóng góp
Điểm mới khoa học và thực nghiệm
- Lượng hóa vai trò của sức mạnh thị trường (Lerner Index): Hệ số $\beta_{LER} = +0.0194$ ($p < 0.001$) khẳng định các ngân hàng có ưu thế định giá vượt trội (thương hiệu lớn, chi phí vốn rẻ CASA cao) có khả năng duy trì biên lợi nhuận lãi vượt trội so với nhóm ngân hàng nhỏ.
- Giải mã nghịch lý rủi ro tín dụng (CR): Tại mức ý nghĩa 5%, $CR$ có hệ số $+0.0812$. Điều này chứng minh các NHTM Việt Nam áp dụng chiến lược bù đắp rủi ro: khi tỷ lệ nợ xấu tiềm ẩn tăng, ngân hàng nâng biên độ lãi suất cho vay đầu ra để bù đắp chi phí trích lập dự phòng rủi ro.
- Độ co giãn của tính thanh khoản (LIQ): Với hệ số $\beta_{LIQ} = -0.0345$ ($p < 0.001$), kết quả chỉ rõ sự đánh đổi trực tiếp giữa an toàn thanh khoản và khả năng sinh lời. Nắm giữ tài sản thanh khoản cao (tiền mặt, tiền gửi liên ngân hàng) làm tăng chi phí cơ hội, làm giảm NIM.
- Tác động truyền dẫn lạm phát (INF): Hệ số $\beta_{INF} = +0.0271$ ($p < 0.001$) phản ánh cơ chế truyền dẫn lãi suất nhanh chóng tại Việt Nam: các ngân hàng điều chỉnh lãi suất cho vay danh nghĩa nhanh hơn tốc độ tăng của chi phí huy động vốn khi lạm phát gia tăng.
Ứng dụng thực tế và triển khai
Khung giải pháp quản trị tài sản nợ - tài sản có (ALM Framework)
Dựa trên các bằng chứng định lượng, đề xuất lộ trình 4 trụ cột cho Ủy ban Quản lý Tài sản Nợ - Tài sản Có (ALCO) tại các NHTM:
+-----------------------------------------------------------------------------------+
| KHUNG HÀNH ĐỘNG CHIẾN LƯỢC ALCO DỰA TRÊN KẾT QUẢ FGLS |
+-----------------------------------------------------------------------------------+
| 1. QUẢN TRỊ NGUỒN VỐN (CAP) | 2. TỐI ƯU HÓA DANH MỤC CHO VAY (LOAN & CR) |
| - Tăng tỷ lệ an toàn vốn CAR | - Cơ cấu danh mục theo khẩu vị rủi ro |
| theo chuẩn Basel II/Basel III. | - Áp dụng định giá theo rủi ro (Risk-based |
| - Đa dạng hóa nguồn vốn tự có cấp 1| Pricing Model) bù đắp chi phí trích lập |
|-------------------------------------+---------------------------------------------|
| 3. CÂN ĐỐI KHO ĐỆM THANH KHOẢN (LIQ)| 4. NÂNG CAO SỨC MẠNH CẠNH TRANH (LER) |
| - Thiết lập hạn mức thanh khoản LCR| - Tăng cường tỷ lệ tiền gửi không kỳ hạn |
| và NSFR tiệm cận quốc tế. | (CASA) qua nền tảng ngân hàng số. |
| - Tối thiểu hóa chi phí cơ hội vốn | - Đa dạng hóa hệ sinh thái thanh toán để |
| nhàn rỗi không sinh lời. | gia tăng sức mạnh thị trường độc quyền. |
+-----------------------------------------------------------------------------------+
Phân tích hiệu quả kinh tế và ROI cho NHTM
- Tối ưu tỷ lệ CASA: Việc tăng thị phần tiền gửi không kỳ hạn thêm 5% giúp hạ lãi suất huy động bình quân (COF) từ $0.35% - 0.50%$, trực tiếp mở rộng NIM tương ứng $25 - 40$ điểm cơ bản (bps).
- Kiểm soát chi phí thanh khoản: Ứng dụng mô hình dự báo dòng tiền dựa trên dữ liệu giúp ngân hàng giảm lượng tiền mặt nhàn rỗi tại két từ $1.5%$ tổng tài sản xuống $0.8%$, ước tính giải phóng hàng nghìn tỷ đồng sang tài sản sinh lời cao, cải thiện tỷ suất lợi nhuận trên vốn (ROE) từ $1.2% - 1.8%$.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật
- Nguồn dữ liệu: Nghiên cứu sử dụng dữ liệu tần suất năm (Annual Panel Data); chưa khai thác được dữ liệu quý để quan sát biến động chu kỳ ngắn hạn của lãi suất.
- Biến kiểm soát thu nhập ngoài lãi: Chưa tách biệt tác động của thu nhập dịch vụ thuần (Non-interest income) trong việc bù chéo cho lãi vay.
Hướng nghiên cứu mở rộng
- Ứng dụng phương pháp hồi quy không gian (Spatial Econometrics) hoặc mô hình học máy phi tuyến tính (Machine Learning Regression) để dự báo điểm gãy cấu trúc (Structural Break) của NIM dưới tác động của chính sách điều hành room tín dụng từ NHNN.
- Tích hợp các chỉ tiêu chuẩn mực Basel III như LCR (Liquidity Coverage Ratio) và NSFR (Net Stable Funding Ratio) làm biến độc lập thay thế cho biến thanh khoản truyền thống.
Đối tượng hưởng lợi
+-----------------------------------------------------------------------------------+
| MA TRẬN GIÁ TRỊ VÀ ĐỐI TƯỢNG THỤ HƯỞNG |
+-----------------------------------------------------------------------------------+
| NHÀ QUẢN TRỊ NGÂN HÀNG (ALCO) | CƠ QUAN QUẢN LÝ (NHNN) |
| - Sở hữu công thức định giá khoản | - Nhận diện cơ chế truyền dẫn của chính |
| vay theo biên độ rủi ro (CR). | sách dự trữ bắt buộc (SBRP) và lạm phát. |
| - Tối ưu hóa cấu trúc vốn chủ (CAP).| - Điều hành room tín dụng cân bằng vĩ mô. |
|-------------------------------------+---------------------------------------------|
| NHÀ NGHIÊN CỨU & SINH VIÊN | KHÁCH HÀNG DOANH NGHIỆP & CÁ NHÂN |
| - Khung mẫu chuẩn mực về xử lý dữ | - Hiểu rõ cơ chế định giá lãi vay của NHTM. |
| liệu bảng và khắc phục khuyết tật.| - Tối ưu hóa kế hoạch tiếp cận vốn tín dụng |
| - Code mẫu Stata 17 FGLS hoàn chỉnh.| trong chu kỳ lạm phát. |
+-----------------------------------------------------------------------------------+
Câu hỏi thường gặp
1. Tại sao nghiên cứu phải dùng mô hình FGLS thay vì OLS hay Fixed Effects thông thường?
Trong dữ liệu bảng tài chính ngân hàng, hiện tượng phương sai thay đổi giữa các ngân hàng (do chênh lệch quy mô) và tự tương quan chuỗi thời gian là không thể tránh khỏi. Mô hình Fixed Effects thông thường sẽ cho sai số chuẩn bị chệch, làm mất độ tin cậy của các kiểm định $t$ và $F$. Phương pháp FGLS ước lượng ma trận hiệp phương sai sai số không đồng nhất, mang lại hệ số ước lượng vững và hiệu quả tối ưu.
2. Ý nghĩa của việc biến Quy mô ngân hàng (SIZE) không có ý nghĩa thống kê?
Kết quả $p\text{-value} = 0.498$ cho thấy tại Việt Nam trong giai đoạn 2010–2021, quy mô tổng tài sản lớn không đồng nghĩa với việc ngân hàng đạt được NIM cao hơn. Lợi thế kinh tế nhờ quy mô (Economies of Scale) có thể đã bị triệt tiêu bởi chi phí quản lý vận hành cồng kềnh và áp lực nợ xấu tồn đọng tại một số ngân hàng lớn.
3. Chỉ số Lerner được tính toán như thế nào để đại diện cho sức mạnh thị trường?
Chỉ số Lerner được xác định bằng công thức $LER = \frac{P - MC}{P}$, trong đó $P$ là giá đầu ra bình quân (tổng thu nhập trên tổng tài sản) và $MC$ là chi phí biên được ước lượng từ hàm chi phí hàm lượng giác Translog. Chỉ số càng tiệm cận $1$ thể hiện sức mạnh định giá độc quyền càng cao.
4. Tại sao tỷ lệ dự trữ bắt buộc (SBRP) lại có tương quan dương với NIM?
Khi tỷ lệ dự trữ bắt buộc hoặc tiền gửi tại NHNN tăng lên, nguồn vốn sinh lời bị phong tỏa với lãi suất tiền gửi danh nghĩa rất thấp từ NHNN. Để bảo toàn lợi nhuận mục tiêu, các NHTM buộc phải tăng biên độ lãi suất cho vay ra ngoài nền kinh tế, dẫn đến NIM mở rộng.
5. Kết quả nghiên cứu có thể tích hợp vào hệ thống Core Banking như thế nào?
Hệ thống quản trị rủi ro có thể lập trình module tự động tính toán mức bù rủi ro lãi suất (Interest Rate Spread) dựa trên các trọng số hồi quy FGLS: tự động cộng thêm biên độ bù rủi ro khi chất lượng tín dụng khách hàng suy giảm hoặc khi chi phí thanh khoản hệ thống tăng cao.
Kết luận
Nghiên cứu đã giải quyết trọn vẹn bài toán xác định các nhân tố chi phối tỷ lệ thu nhập lãi thuần (NIM) của 27 NHTM Việt Nam xuyên suốt 12 năm (2010–2021). Bằng việc áp dụng quy trình kinh tế lượng nghiêm ngặt và mô hình FGLS, nghiên cứu đã chứng minh sự tác động thuận chiều mạnh mẽ của Quy mô vốn chủ sở hữu ($\beta = 0.0482$), Sức mạnh thị trường ($\beta = 0.0194$), Lạm phát ($\beta = 0.0271$) và tác động nghịch chiều của Tính thanh khoản ($\beta = -0.0345$). Đây là bằng chứng định lượng quan trọng cung cấp cơ sở khoa học cho các nhà quản trị ngân hàng trong việc cân đối giữa biên sinh lời và an toàn thanh khoản, đồng thời hỗ trợ Ngân hàng Nhà nước trong việc hoàn thiện khung chính sách tiền tệ theo hướng phát triển bền vững.
