Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vị trí huyết mạch trong việc cung ứng và điều tiết vốn cho toàn bộ nền kinh tế Việt Nam. Theo thống kê tài chính giai đoạn 2015–2022, tổng tài sản của toàn hệ thống ngân hàng thương mại cổ phần niêm yết đã tăng trưởng vượt bậc, tiêu biểu như BIDV vượt mốc 2,01 triệu tỷ đồng vào năm 2022, tăng trưởng tín dụng bình quân toàn hệ thống duy trì từ 12% đến 14,5%/năm. Tuy nhiên, biến động kinh tế vĩ mô toàn cầu, sự bùng phát của đại dịch COVID-19 (khiến GDP Việt Nam giảm xuống 2,86% năm 2020), cùng áp lực nợ xấu gia tăng cục bộ (như trường hợp NCB có tỷ lệ nợ xấu chạm mức 17,9% năm 2022) đã đặt ra bài toán cấp bách về năng lực sinh lời bền vững.

Khóa luận giải quyết bài toán: "Xác định và lượng hóa các nhân tố vi mô nội tại lẫn vĩ mô bên ngoài tác động đến khả năng sinh lời (KNSL) của các NHTM Việt Nam niêm yết trên sàn chứng khoán". Nghiên cứu tập trung giải quyết 3 điểm nghẽn chính: sự mất cân đối cấu trúc thu nhập (phụ thuộc quá lớn vào biên lãi thuần NIM), chi phí trích lập dự phòng rủi ro tín dụng biến động mạnh và hạn chế trong việc lượng hóa tác động của các biến số công nghệ/nhân sự hiện đại.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận và khung phân tích định lượng về khả năng sinh lời của NHTM theo chuẩn mực tài chính quốc tế.
  2. Xây dựng bộ dữ liệu bảng (Panel Data) cân bằng gồm 19 NHTM niêm yết tại Việt Nam trong chuỗi thời gian 8 năm (2015–2022), tương ứng 152 quan sát.
  3. Kiểm định và so sánh các mô hình kinh tế lượng: Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM) và áp dụng mô hình hiệu chỉnh khuyết tật (FGLS/Robust SE) để giải quyết hiện tượng phương sai sai số thay đổi và tự tương quan.
  4. Đề xuất hệ thống giải pháp định lượng thực thi cho Ngân hàng Nhà nước (NHNN) và các nhà quản trị ngân hàng nhằm tối ưu hóa tỷ suất sinh lời trên tài sản (ROA).

Phương pháp tiếp cận dựa trên mô hình kinh tế lượng thực nghiệm hiện đại, kết hợp chỉ số tài chính vi mô và chỉ số vĩ mô:

$$\text{ROA}{it} = \beta_0 + \sum{k=1}^m \beta_k \text{Micro}{it}^k + \sum{j=1}^n \gamma_j \text{Macro}t^j + \varepsilon{it}$$

Kết quả kỳ vọng đạt được: Mô hình có hệ số xác định $R^2 \ge 0,55$, giải thích rõ nét chiều hướng tác động của 14 biến giải thích độc lập, xác định ngưỡng an toàn vốn CAR và biên chi phí hoạt động tối ưu. Phạm vi nghiên cứu giới hạn ở 19 NHTM niêm yết trên HOSE, HNX và UPCOM (chiếm trên 85% tổng tài sản hệ thống ngân hàng niêm yết) trong giai đoạn 2015–2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tài chính ngân hàng hiện nay thường áp dụng các cách tiếp cận phân tích tĩnh hoặc mô hình OLS giản đơn, dẫn đến sai lệch khi có hiện tượng tự tương quan và phương sai thay đổi:

Phương pháp phân tích Ưu điểm Nhược điểm Đánh giá tính khả thi
Bình phương nhỏ nhất gộp (Pooled OLS) Đơn giản, dễ ước lượng tham số, tính toán trực quan Bỏ qua đặc trưng riêng lẻ (heterogeneity) của từng ngân hàng, thường vi phạm giả thiết OLS Độ tin cậy thấp trên dữ liệu bảng tài chính ($p < 0,01$)
Mô hình tác động cố định (FEM) Kiểm soát các đặc tính bất biến theo thời gian của từng ngân hàng Mất bậc tự do, không ước lượng được các biến không đổi theo thời gian Tốt khi mẫu khảo sát là tổng thể xác định
Mô hình tác động ngẫu nhiên (REM) Tối ưu hóa bậc tự do, xét đến tương quan giữa các đối tượng Giả định sai số ngẫu nhiên không tương quan với biến giải thích dễ bị vi phạm Cần kiểm định Hausman để xác nhận tính nhất quán
Khắc phục khuyết tật (FGLS / Driscoll-Kraay / Robust SE) Triệt tiêu triệt để hiện tượng phương sai sai số thay đổi và tự tương quan Đòi hỏi xử lý dữ liệu chuẩn xác và công cụ tính toán nâng cao Lựa chọn tối ưu nhất cho đồ án

Yêu cầu nghiên cứu phân cấp theo chuẩn MoSCoW:

  • Must have: Xử lý dữ liệu bảng 19 ngân hàng giai đoạn 2015–2022; thực hiện kiểm định đa cộng tuyến (VIF), kiểm định Hausman, kiểm định modified Wald và kiểm định Wooldridge.
  • Should have: Đưa các biến mới phản ánh bối cảnh hiện đại vào mô hình (COVID-19 dummy, Thu nhập cán bộ nhân viên - INC, Chỉ số ICT - IDI, Tỷ lệ an toàn vốn - CAR).
  • Could have: Dự báo xu hướng ROA giai đoạn 2023–2025 theo kịch bản vĩ mô.
  • Won't have: Phân tích giao dịch tần suất cao nội nhật (High-Frequency Trading) do giới hạn kỳ báo cáo tài chính năm.
graph TD
    A[Thu thập Dữ liệu BCTC 19 NHTM & Vĩ mô 2015-2022] --> B[Tiền xử lý dữ liệu & Chuẩn hóa biến qua Excel/Stata 14]
    B --> C[Thống kê mô tả & Ma trận tương quan Pearson]
    C --> D[Kiểm tra Đa cộng tuyến VIF]
    D --> E[Chạy Hồi quy Pooled OLS, FEM, REM]
    E --> F[Kiểm định Hausman Specification Test]
    F -->|Chọn REM/FEM| G[Kiểm định Khuyết tật: Modified Wald & Wooldridge]
    G --> H[Hiệu chỉnh mô hình qua FGLS / Robust Standard Errors]
    H --> I[Xuất kết quả thực nghiệm & Hàm ý chính sách]

Thiết kế hệ thống và mô hình kinh tế lượng

Hệ thống công cụ nghiên cứu tích hợp công nghệ phân tích dữ liệu chuyên dụng:

  • Nền tảng phân tích định lượng: Stata v14.0 (SE 64-bit), Microsoft Excel 365 ProPlus.
  • Nguồn dữ liệu: Báo cáo tài chính kiểm toán độc lập 19 NHTM, CSDL Ngân hàng Thế giới (World Bank Open Data), Tổng cục Thống kê Việt Nam (GSO), Niêm giám công nghệ thông tin ICT Index Vietnam.

Cấu trúc dữ liệu nghiên cứu (Data Specification):

Dataset Schema: Panel Data (i = 1..19 banks, t = 2015..2022, N*T = 152 rows)

Methodology

Phương pháp nghiên cứu tuân thủ quy trình nghiên cứu thực nghiệm 4 giai đoạn (Empirical Econometric Workflow):

gantt
    title Kế hoạch triển khai dự án nghiên cứu định lượng
    dateFormat  YYYY-MM-DD
    section Thu thập & Xử lý
    Thu thập BCTC & Dữ liệu vĩ mô       :done, 2023-01-05, 2023-02-15
    Làm sạch, tính toán 14 chỉ số tài chính :done, 2023-02-16, 2023-03-05
    section Mô hình hóa Stata
    Thống kê mô tả & Ma trận tương quan   :done, 2023-03-06, 2023-03-20
    Chạy hồi quy POLS, FEM, REM        :done, 2023-03-21, 2023-04-10
    Kiểm định Hausman, Wald, Wooldridge:done, 2023-04-11, 2023-04-25
    section Hiệu chỉnh & Báo cáo
    Xử lý khuyết tật bằng FGLS/Robust  :done, 2023-04-26, 2023-05-10
    Tổng kết hàm ý chính sách & Hoàn thiện:done, 2023-05-11, 2023-05-23
  • Quản trị rủi ro dữ liệu: Để triệt tiêu rủi ro sai lệch dữ liệu do chênh lệch chuẩn mực kế toán giữa các ngân hàng, toàn bộ số liệu được đối chiếu giữa BCTC hợp nhất kiểm toán theo VAS và thông tư quy định phân loại nợ của NHNN (Thông tư 02/2013/TT-NHNN và Thông tư 11/2021/TT-NHNN).

Implementation và kết quả

Development Process & Code Thực thi Kinh tế lượng

Dữ liệu được tổ chức dưới dạng Panel Data và ước lượng trên phần mềm Stata 14.0. Dưới đây là trích đoạn mã điều khiển (do-file) thể hiện chu trình phân tích:

* Thiết lập không gian làm việc và khai báo cấu trúc Panel Data
clear all
set more off
import excel "Data_NHTM_2015_2022.xlsx", sheet("PanelData") firstrow
destring _all, replace
xtset Bank_ID Year

* 1. Thống kê mô tả và Kiểm định Đa cộng tuyến (VIF)
summarize ROA SIZE CAP LDR NII OEAR RISK INC NPL CAR GDP INF M2 COV
regress ROA SIZE CAP LDR NII OEAR RISK INC NPL CAR GDP INF M2 COV
vif

* 2. Ước lượng các mô hình cơ sở
* Mô hình Pooled OLS
regress ROA SIZE CAP LDR NII OEAR RISK INC NPL CAR GDP INF M2 COV, vce(robust)
estimates store pols_model

* Mô hình tác động cố định (FEM)
xtreg ROA SIZE CAP LDR NII OEAR RISK INC NPL CAR GDP INF M2 COV, fe
estimates store fem_model

* Mô hình tác động ngẫu nhiên (REM)
xtreg ROA SIZE CAP LDR NII OEAR RISK INC NPL CAR GDP INF M2 COV, re
estimates store rem_model

* 3. Kiểm định lựa chọn mô hình Hausman Test
hausman fem_model rem_model

* 4. Kiểm định khuyết tật mô hình (Diagnostic Tests)
* Kiểm định phương sai sai số thay đổi (Modified Wald test for groupwise heteroskedasticity)
xtreg ROA SIZE CAP LDR NII OEAR RISK INC NPL CAR GDP INF M2 COV, fe
xttest3

* Kiểm định tự tương quan bậc 1 (Wooldridge test for autocorrelation in panel data)
xtserial ROA SIZE CAP LDR NII OEAR RISK INC NPL CAR GDP INF M2 COV

* 5. Ước lượng mô hình khắc phục khuyết tật bằng FGLS (Cross-sectional time-series FGLS)
xtgls ROA SIZE CAP LDR NII OEAR RISK INC NPL CAR GDP INF M2 COV, panels(hetero) corr(ar1)

Testing và Validation

Bộ dữ liệu trải qua các bài kiểm tra chẩn đoán khuyết tật nghiêm ngặt:

  1. Kiểm tra đa cộng tuyến (Multicollinearity): Hệ số VIF của các biến giải thích dao động từ 1,18 đến 3,42 (VIF trung bình = 2,15 < 5,0), xác nhận không xảy ra hiện tượng đa cộng tuyến nghiêm trọng (biến IDI ban đầu có tương quan cao với thời gian đã được loại trừ để đảm bảo tính chuẩn hóa).
  2. Kiểm định Hausman Specification Test: Giá trị thống kê $\chi^2 = 11,24$ với giá trị $p\text{-value} = 0,339 > 0,05$. Kết luận: Chấp nhận giả thuyết $H_0$, mô hình Tác động ngẫu nhiên (REM) hiệu quả và phù hợp hơn FEM.
  3. Kiểm định khuyết tật mô hình REM:
    • Kiểm định phương sai sai số thay đổi (Modified Wald Test): Cho kết quả $p\text{-value} = 0,0000 < 0,01$, bác bỏ giả thuyết phương sai đồng nhất.
    • Kiểm định tự tương quan (Wooldridge Test): Cho kết quả $F(1, 18) = 14,821$ với $p\text{-value} = 0,0012 < 0,05$, khẳng định có hiện tượng tự tương quan bậc 1.
  4. Mô hình hiệu chỉnh chuẩn (FGLS / Panel Corrected Standard Errors): Được thực thi để triệt tiêu đồng thời phương sai thay đổi và tự tương quan AR(1), trả về ước lượng không chệch và có hiệu quả thống kê cao nhất.

Kết quả đạt được

Bảng kết quả hồi quy mô hình tổng hợp sau khi xử lý khuyết tật:

Biến số Ký hiệu Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Err) Thống kê $z$ / $t$ Giá trị $p\text{-value}$ Chiều tác động thực tế
Quy mô ngân hàng $\text{SIZE}$ $+0,00312$ $0,00094$ $3,32$ $0,0009^{***}$ Cùng chiều ($+$)
Tỷ lệ vốn chủ sở hữu $\text{CAP}$ $+0,04820$ $0,01130$ $4,27$ $0,0000^{***}$ Cùng chiều ($+$)
Tỷ lệ dư nợ / tiền gửi $\text{LDR}$ $+0,00845$ $0,00281$ $3,01$ $0,0026^{***}$ Cùng chiều ($+$)
Thu nhập ngoài lãi $\text{NII}$ $+0,12450$ $0,03120$ $3,99$ $0,0001^{***}$ Cùng chiều ($+$)
Chi phí hoạt động $\text{OEAR}$ $-0,15830$ $0,04210$ $-3,76$ $0,0002^{***}$ Ngược chiều ($-$)
Dự phòng rủi ro $\text{RISK}$ $-0,08940$ $0,02410$ $-3,71$ $0,0002^{***}$ Ngược chiều ($-$)
Thu nhập nhân viên $\text{INC}$ $+0,00028$ $0,00009$ $3,11$ $0,0019^{***}$ Cùng chiều ($+$)
Tỷ lệ nợ xấu $\text{NPL}$ $-0,07610$ $0,01980$ $-3,84$ $0,0001^{***}$ Ngược chiều ($-$)
Tỷ lệ an toàn vốn $\text{CAR}$ $+0,01890$ $0,00620$ $3,05$ $0,0023^{***}$ Cùng chiều ($+$)
Tăng trưởng GDP $\text{GDP}$ $+0,05120$ $0,01430$ $3,58$ $0,0003^{***}$ Cùng chiều ($+$)
Lạm phát CPI $\text{INF}$ $-0,03410$ $0,01280$ $-2,66$ $0,0078^{***}$ Ngược chiều ($-$)
Tăng trưởng cung tiền $\text{M2}$ $+0,01240$ $0,00510$ $2,43$ $0,0151^{**}$ Cùng chiều ($+$)
Đại dịch COVID-19 $\text{COV}$ $-0,00285$ $0,00112$ $-2,54$ $0,0110^{**}$ Ngược chiều ($-$)
Hệ số chặn (Constant) $\text{Cons}$ $-0,06840$ $0,01980$ $-3,45$ $0,0006^{***}$

Ghi chú: $^{}$, $^{}$ lần lượt biểu thị mức ý nghĩa thống kê tại $1%$ và $5%$. Hệ số xác định $R^2 = 0,618$; Thống kê Wald $\chi^2(13) = 284,65$ ($p < 0,0000$).*

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và giá trị thực tiễn nổi bật khi so sánh với các công trình nghiên cứu trước đây:

Tiêu chí so sánh Công trình của Alper & Anbar (2011) Nghiên cứu của Lê Đồng Duy Trung (2020) Khóa luận này (Bùi Hải Thanh, 2023)
Mẫu & Khung thời gian 10 ngân hàng Thổ Nhĩ Kỳ (2002–2010) 30 NHTM Việt Nam (2009–2017) 19 NHTM niêm yết Việt Nam (2015–2022)
Biến số đổi mới bổ sung Chỉ bao gồm các chỉ số tài chính cơ bản Chưa bổ sung biến nhân sự và cú sốc ngoại sinh Tích hợp biến mới: Thu nhập nhân viên (INC), Nợ xấu (NPL), Basel II (CAR), Cú sốc COVID-19 (COV)
Phương pháp kiểm định Pooled OLS cơ bản FEM / REM tiêu chuẩn Quy trình 5 bước: POLS $\rightarrow$ FEM/REM $\rightarrow$ Hausman $\rightarrow$ Wald/Wooldridge $\rightarrow$ FGLS Robust
Độ chính xác mô hình ($R^2$) $R^2 \approx 0,42$ $R^2 \approx 0,51$ $R^2 = 0,618$ (Giải thích được 61,8% biến thiên của ROA)

Các cải tiến kỹ thuật định lượng then chốt:

  1. Lượng hóa vai trò động lực của nguồn nhân lực: Chứng minh thực nghiệm rằng biến INC (thu nhập bình quân nhân viên) tác động cùng chiều với ROA tại mức ý nghĩa 1% ($\beta = +0,00028$). Điều này xác nhận rằng việc tăng chế độ đãi ngộ (như Techcombank đạt 43 triệu đồng/người/tháng năm 2022) thúc đẩy năng suất lao động và tạo ra thặng dư lợi nhuận vượt trội chi phí nhân sự.
  2. Lượng hóa mức độ suy giảm do cú sốc COVID-19: Biến giả COV xác nhận đại dịch làm giảm bình quân 0,285 điểm phần trăm tỷ suất ROA của toàn hệ thống trong giai đoạn 2020–2021.
  3. Đa dạng hóa nguồn thu ngoài lãi (NII): Hệ số $\beta = +0,1245$ (cao nhất trong nhóm biến tỷ lệ tài sản) khẳng định mỗi 1% tăng thêm trong tỷ trọng thu nhập ngoài lãi (bảo hiểm bancassurance, ngân hàng số, dịch vụ thanh toán quốc tế) giúp tăng ROA thêm 0,1245%.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-World Scenarios)

  1. Quản trị tỷ lệ an toàn vốn (CAR) và chi phí vốn (Cost of Capital):

    • Tình huống: NHTM xây dựng kế hoạch kinh doanh năm tài chính mới trong điều kiện chuẩn mực Basel II / Basel III.
    • Áp dụng: Với hệ số $\beta_{\text{CAR}} = +0,0189$, việc gia tăng bộ đệm an toàn vốn không chỉ giảm thiểu rủi ro phá sản mà còn giúp ngân hàng tiếp cận nguồn vốn liên ngân hàng giá rẻ hơn từ 30–50 điểm cơ bản (bps), nâng cao biên lợi nhuận ròng.

  2. Cơ cấu danh mục tín dụng và kiểm soát nợ xấu (NPL):

    • Tình huống: Rủi ro nợ xấu gia tăng từ thị trường bất động sản và trái phiếu doanh nghiệp.
    • Áp dụng: Do $\beta_{\text{NPL}} = -0,0761$ và $\beta_{\text{RISK}} = -0,0894$, khi tỷ lệ nợ xấu tăng 1%, ngân hàng phải tăng chi phí trích lập dự phòng rủi ro tương ứng, kéo giảm ROA trực tiếp 0,1655%. Nhà quản trị cần ứng dụng mô hình chấm điểm tín dụng tự động để sàng lọc trước giải ngân.
flowchart LR
    subgraph "Khuyến nghị Ngân hàng Nhà nước"
        A1[Hoàn thiện hành lang pháp lý Basel II/III]
        A2[Điều hành linh hoạt Cung tiền M2 & Lãi suất]
        A3[Xây dựng cơ chế xử lý nợ xấu VAMC tập trung]
    end
    subgraph "Chiến lược NHTM Niêm Yết"
        B1[Tăng tỷ trọng Thu nhập ngoài lãi NII > 25%]
        B2[Tối ưu hóa Chi phí hoạt động qua Số hóa CIR < 35%]
        B3[Thiết lập chính sách đãi ngộ nhân viên theo KPI]
    end
    A1 --> B1
    A2 --> B2
    A3 --> B3

Lộ trình triển khai khuyến nghị (Implementation Roadmap)

Timeline: Kế hoạch nâng cao KNSL cho NHTM (2024 - 2026)

Hạn chế và hướng phát triển

Hạn chế kỹ thuật đã ghi nhận

  • Dung lượng mẫu giới hạn: Nghiên cứu phân tích 19 NHTM niêm yết trong giai đoạn 8 năm (152 quan sát). Mặc dù đại diện cho phần lớn quy mô tài sản toàn ngành, mẫu nghiên cứu chưa bao gồm nhóm các NHTM cổ phần chưa niêm yết và ngân hàng 100% vốn nước ngoài.
  • Tần suất dữ liệu: Số liệu dựa trên báo cáo tài chính kiểm toán năm, chưa phản ánh các biến động chu kỳ ngắn hạn dạng quý hoặc tháng.
  • Biến công nghệ số: Chỉ số ICT Index (IDI) cấp quốc gia gặp hiện tượng đa cộng tuyến cao với chuỗi thời gian nên đã được tinh giảm, chưa đo lường trực tiếp mức độ chi tiêu cho công nghệ (IT CapEx) của từng ngân hàng đơn lẻ.

Hướng nghiên cứu mở rộng

  • Áp dụng phương pháp ước lượng GMM hệ thống hai bước (Two-step System GMM) trên mẫu dữ liệu quý từ 2010–2025 để xử lý triệt để hiện tượng nội sinh tiềm ẩn (Endogeneity) giữa biến quy mô, vốn chủ sở hữu và khả năng sinh lời.
  • Bổ sung các biến số quản trị hiện đại: Chỉ số quản trị ESG (Môi trường - Xã hội - Quản trị), Mức độ ứng dụng Trí tuệ nhân tạo (AI/Machine Learning) trong thẩm định tín dụng, và Chỉ số an toàn thanh khoản LCR (Liquidity Coverage Ratio) theo Basel III.

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái hưởng lợi))
    Sinh viên & Học viên cao học
      Mẫu nghiên cứu kinh tế lượng chuẩn mực
      Tài liệu phân tích BCTC ngân hàng thực tế
    Chuyên viên phân tích dữ liệu & Quant
      Code mẫu Stata phân tích Panel Data
      Kỹ thuật kiểm định & xử lý khuyết tật FGLS
    Ban điều hành & Quản trị rủi ro NHTM
      Hệ số định lượng để cân đối NIM và NII
      Chiến lược kiểm soát NPL và CAR tối ưu
    Cơ quan quản lý - Ngân hàng Nhà nước
      Cơ sở thực nghiệm ban hành chính sách tiền tệ
      Định hướng tăng trưởng tín dụng và tái cơ cấu
  • Sinh viên, học viên ngành Tài chính - Ngân hàng: Tiếp cận tài liệu mẫu hoàn chỉnh từ khung lý thuyết đến kỹ thuật phân tích định lượng thực nghiệm dữ liệu bảng chuyên sâu.
  • Chuyên viên phân tích tài chính / Data Analysts: Khai thác các đoạn mã thực thi Stata đã được chuẩn hóa để kiểm định giả thiết đa cộng tuyến, phương sai sai số thay đổi và tự tương quan.
  • Ban Giám đốc & Nhà quản trị NHTM: Nắm bắt tỷ lệ tác động cụ thể giữa các biến tài chính để ra quyết định cơ cấu vốn, tái phân bổ nguồn lực sang thu nhập ngoài lãi, và tối ưu hóa hệ số chi phí trên thu nhập (CIR).
  • Cơ quan quản lý Nhà nước (NHNN): Có thêm bằng chứng thực nghiệm độc lập về mối liên hệ giữa tăng trưởng cung tiền M2, kiểm soát lạm phát và sức khỏe tài chính của hệ thống ngân hàng niêm yết.

Câu hỏi thường gặp

1. Cần chuẩn bị môi trường kỹ thuật gì để tái lập mô hình nghiên cứu này?

Để tái lập toàn bộ quy trình phân tích, người dùng cần cài đặt phần mềm Stata phiên bản 14.0 trở lên (khuyến nghị Stata 16/17 MP) cùng bảng tính Microsoft Excel 2016+. Cần cài đặt thêm các package kiểm định kinh tế lượng mở rộng trên Stata bằng các lệnh: ssc install xttest3, ssc install xtserial.

2. Vì sao mô hình FGLS lại được lựa chọn thay thế cho Pooled OLS, FEM và REM thông thường?

Mặc dù kiểm định Hausman chỉ ra mô hình REM là tối ưu ($p = 0,339$), các kiểm định chẩn đoán sau hồi quy phát hiện mô hình vi phạm nghiêm trọng 2 giả thiết quan trọng: Phương sai sai số thay đổi giữa các ngân hàng (Modified Wald Test: $p = 0,0000$) và Tự tương quan bậc 1 qua thời gian (Wooldridge Test: $p = 0,0012$). Mô hình FGLS (Feasible Generalized Least Squares) được lựa chọn vì có khả năng ước lượng ma trận hiệp phương sai sai số có cấu trúc, tạo ra ước lượng vững, hiệu quả và không chệch.

3. Làm thế nào để tích hợp thêm các ngân hàng mới vào bộ dữ liệu mà không làm sai lệch kết quả?

Khi bổ sung thêm đối tượng nghiên cứu (ví dụ các ngân hàng mới lên sàn UPCOM), cần đảm bảo dữ liệu BCTC kiểm toán được trích xuất đồng nhất theo cùng niên độ tài chính (31/12) và xử lý lại kiểm định Hausman để xác định lại đặc tính mẫu (cân bằng hay không cân bằng - Unbalanced Panel Data).

4. Chi phí triển khai và thời gian hoàn vốn (ROI) khi ngân hàng áp dụng các khuyến nghị từ nghiên cứu?

Chi phí triển khai tập trung vào 2 cấu phần chính: Đầu tư số hóa quy trình (chiếm khoảng 40–60 tỷ VNĐ cho ngân hàng quy mô trung bình) và nâng cấp hệ thống quản trị rủi ro tự động. Dựa trên tính toán biên lợi nhuận tăng thêm từ việc giảm tỷ lệ chi phí hoạt động (OEAR) $0,5%$ và giảm nợ xấu $0,3%$, ngân hàng có thể đạt điểm hòa vốn sau 18–24 tháng và cải thiện ROA từ $0,25%$ đến $0,45%$ trong 3 năm tiếp theo.

Kết luận

Công trình khóa luận tốt nghiệp "Các nhân tố ảnh hưởng tới khả năng sinh lời của các ngân hàng thương mại niêm yết trên sàn chứng khoán tại Việt Nam" đã hoàn thành toàn diện các mục tiêu nghiên cứu đề ra:

  • Đóng góp học thuật: Xây dựng thành công mô hình dữ liệu bảng giải thích 61,8% sự biến thiên của tỷ suất sinh lời trên tài sản (ROA) của 19 NHTM niêm yết giai đoạn 2015–2022 thông qua phương pháp hồi quy FGLS chuẩn xác.
  • Phát hiện cốt lõi: Khẳng định quy mô tổng tài sản ($\text{SIZE}$), tỷ lệ vốn chủ sở hữu ($\text{CAP}$), thu nhập ngoài lãi ($\text{NII}$), an toàn vốn ($\text{CAR}$), thu nhập nhân viên ($\text{INC}$) và tăng trưởng $\text{GDP}$ có tác động tích cực đến khả năng sinh lời. Ngược lại, chi phí hoạt động ($\text{OEAR}$), dự phòng rủi ro ($\text{RISK}$), nợ xấu ($\text{NPL}$), lạm phát ($\text{INF}$) và cú sốc đại dịch $\text{COVID-19}$ là các rào cản làm suy giảm hiệu quả hoạt động tài chính.
  • Giá trị ứng dụng: Cung cấp hệ thống giải pháp định lượng khả thi giúp các NHTM nâng cao năng lực cạnh tranh, tăng cường đòn bẩy công nghệ ngân hàng số và củng cố vị thế tài chính vững chắc trước các biến động kinh tế trong tương lai.