Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh Việt Nam hội nhập kinh tế quốc tế và vận hành theo cơ chế thị trường, hệ thống ngân hàng thương mại (NHTM) đóng vai trò then chốt trong chuỗi hoạt động kinh tế quốc gia. Khả năng sinh lời tốt của các NHTM không chỉ tạo nền tảng tài chính để mở rộng quy mô hoạt động mà còn góp phần thực hiện nghĩa vụ tài chính với Nhà nước và tăng thu nhập quốc dân (Tô Ngọc Hưng và Nguyễn Đức Trung, 2011). Sự bùng phát của đại dịch Covid-19 từ đầu năm 2020 đã tác động nghiêm trọng đến hoạt động kinh doanh của toàn hệ thống NHTM: đến cuối tháng 5 năm 2020, dư nợ tín dụng đối với nền kinh tế chỉ tăng gần 2% so với cuối năm 2019 — mức tăng trưởng thấp nhất trong 15 năm gần đây theo số liệu của Ngân hàng Nhà nước (NHNN) — và thấp hơn đáng kể so với mức 7% của nửa đầu năm 2019. Các doanh nghiệp hoạt động trì trệ, giải thể, phá sản dẫn đến tình trạng nợ xấu leo thang trong toàn hệ thống NHTM. Xuất phát từ bối cảnh đó và từ kinh nghiệm thực tập tại Ngân hàng TMCP Quân Đội — phòng giao dịch Đào Duy Anh, tác giả lựa chọn đề tài nhằm bổ sung thêm một tài liệu nghiên cứu định lượng về các nhân tố tác động đến khả năng sinh lời của MBBank.

Mục tiêu nghiên cứu bao gồm hai nội dung cốt lõi:

  1. Đánh giá và xác định mức độ tác động của các nhân tố ảnh hưởng đến khả năng sinh lời của MBBank thông qua phương pháp phân tích định lượng.
  2. Đề xuất các kiến nghị và giải pháp tác động vào những nhân tố đó nhằm cải thiện khả năng sinh lời của MB trong giai đoạn tiếp theo.

Đối tượng nghiên cứu: Khả năng sinh lời và các nhân tố ảnh hưởng đến khả năng sinh lời của Ngân hàng TMCP Quân Đội (MBBank).

Phạm vi nghiên cứu: Dữ liệu thứ cấp thu thập từ báo cáo tài chính (BCTC) của MBBank trong 20 quý, từ Quý I năm 2016 đến Quý IV năm 2020.


Cơ sở lý thuyết và phương pháp

Khung lý thuyết và khái niệm

Nghiên cứu xây dựng khung lý thuyết dựa trên quan điểm phân chia các nhân tố quyết định khả năng sinh lời thành hai nhóm chính — nhân tố bên trong và nhân tố bên ngoài — theo định nghĩa của Eliona Gremi (2013). Khả năng sinh lời được phân biệt rõ với khái niệm "lợi nhuận": trong khi lợi nhuận là con số tuyệt đối, khả năng sinh lời là thước đo tương đối được biểu diễn dưới dạng tỷ lệ hoặc phần trăm, phản ánh mối quan hệ giữa lợi nhuận và các yếu tố nội sinh, ngoại sinh.

Ba chỉ số đo lường khả năng sinh lời được sử dụng trong khung lý thuyết gồm:

Chỉ số Ý nghĩa
ROA (Return on Assets) Đánh giá hiệu quả sử dụng tài sản để tạo lợi nhuận; theo Golin (2001) là thước đo lợi nhuận ngân hàng phổ biến nhất trong nghiên cứu thực nghiệm
ROE (Return on Equity) Phản ánh lợi nhuận kiếm được trên vốn đầu tư của chủ sở hữu; Dietrich và Wanzenried (2011) lưu ý rằng ROE chịu ảnh hưởng của đòn bẩy tài chính
NIM (Net Interest Margin) Đo lường khả năng sinh lời từ hai hoạt động truyền thống là huy động vốn và cấp tín dụng; ít được sử dụng hơn do chưa phản ánh chi phí dự phòng rủi ro tín dụng

Các nhân tố bên trong được lý thuyết hóa bao gồm: quy mô tài sản, vốn chủ sở hữu, quy mô tiền gửi khách hàng, rủi ro tín dụng, khả năng thanh khoản, chi phí hoạt động, mức độ đa dạng hóa kinh doanh và năng suất lao động. Các nhân tố bên ngoài bao gồm: thuế, mức độ tập trung ngành, sự phát triển ngành ngân hàng, sự phát triển thị trường chứng khoán, tốc độ tăng trưởng kinh tế (GDP) và tỷ lệ lạm phát. Nghiên cứu tham chiếu các công trình của Demirguc-Kunt và Huizinga (1999), Yong Tan và Christos Floros (2012), May Wahdan và các cộng sự (2017), cùng các nghiên cứu trong nước của Nguyễn Thị Canh và các cộng sự (2018), Trần Việt Dũng (2014), Đoàn Việt Hùng (2016), Võ Thị Thanh Trúc (2014).

Định nghĩa NHTM được căn cứ theo Pháp lệnh ngân hàng ngày 23/5/1990 của Hội đồng Nhà nước Việt Nam.

Phương pháp nghiên cứu

Nghiên cứu kết hợp hai phương pháp:

  • Phương pháp định tính: Phân tích và tổng hợp cơ sở lý thuyết vĩ mô về các nhân tố tác động đến khả năng sinh lời của NHTM, áp dụng đánh giá thực trạng hoạt động của MBBank giai đoạn 2016–2020.
  • Phương pháp định lượng: Xây dựng mô hình hồi quy bội (OLS — Ordinary Least Square) chạy trên phần mềm EViews với biến phụ thuộc là ROA và bốn biến độc lập là SIZE (quy mô tài sản), TM_TG (khả năng thanh khoản), DP_CV (dự phòng rủi ro tín dụng) và CV_TS (quy mô cho vay). Kiểm định đa cộng tuyến (VIF), kiểm định tự tương quan (Durbin-Watson) và đánh giá mức độ phù hợp của mô hình (R², F-statistic) được thực hiện đầy đủ.

Nguồn dữ liệu

Dữ liệu thứ cấp thu thập từ BCTC theo quý của MBBank trong giai đoạn Quý I/2016 — Quý IV/2020, tổng cộng 20 quan sát. Ngoài ra, nghiên cứu tham khảo số liệu từ NHNN, các bài báo và công trình nghiên cứu trước đó.


Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận về các nhân tố ảnh hưởng đến khả năng sinh lời của các ngân hàng thương mại

Chương này hệ thống hóa nền tảng lý luận phục vụ toàn bộ nghiên cứu. Tác giả trình bày khái niệm NHTM theo Pháp lệnh ngân hàng 1990, ba nghiệp vụ cơ bản (huy động vốn, sử dụng vốn, trung gian), và ba chức năng chính (trung gian tín dụng, trung gian thanh toán, tạo tiền). Bản chất và sự khác biệt giữa "lợi nhuận" và "khả năng sinh lời" được làm rõ: lợi nhuận là số tuyệt đối, khả năng sinh lời là thước đo tương đối dạng tỷ lệ.

Chương phân tích chi tiết từng nhân tố bên trong và bên ngoài tác động đến khả năng sinh lời, đặc biệt chỉ ra sự không đồng nhất trong kết quả của các nghiên cứu trước: cùng một nhân tố (như quy mô tài sản, khả năng thanh khoản) có thể có tác động dương hoặc âm tùy theo quốc gia và giai đoạn nghiên cứu. Hai phương pháp đánh giá được giới thiệu là phương pháp đánh giá truyền thống (so sánh các hệ số tài chính) và phương pháp phân tích hồi quy, trong đó trình bày chi tiết cách đọc kết quả từ EViews (R², Adjusted R², F-statistic, Prob., Durbin-Watson, Standardized Coefficient, Centered VIF).

Chương 2: Phân tích các nhân tố ảnh hưởng đến khả năng sinh lời của Ngân hàng TMCP Quân Đội

Chương này gồm hai phần lớn. Phần đầu khái quát hoạt động kinh doanh của MBBank: ngân hàng được thành lập ngày 04/11/1994, trụ sở chính tại 18 Lê Văn Lương, Hà Nội, hiện có hơn 284 Chi nhánh/Phòng giao dịch tại 55 tỉnh thành; tổng nhân viên gần 16.000 người (2019). Tốc độ tăng trưởng quy mô nổi bật: trong vòng 4 năm, tổng tài sản tăng gấp đôi từ khoảng 225.000 tỷ VND (Quý I/2016) lên 477.000 tỷ VND (2020); vốn chủ sở hữu tăng từ khoảng 24.000 tỷ lên hơn 46.000 tỷ VND. Lợi nhuận trước thuế tăng liên tục từ 3.650 tỷ đồng (2016) lên 4.616 tỷ (2017), 7.767 tỷ (2018), 10.036 tỷ (2019) và 10.688 tỷ đồng (2020). Tỷ lệ nợ xấu giảm từ 1,61% năm 2016 xuống còn hơn 1% từ năm 2019–2020. MB đạt lợi nhuận trước thuế vượt 10.000 tỷ đồng vào năm 2019 — mức tăng trưởng đưa MB gia nhập Câu lạc bộ các tập đoàn, doanh nghiệp lớn của Việt Nam.

Phần hai trình bày mô hình hồi quy đa biến. Bốn biến độc lập được đưa vào mô hình:

Biến Mô tả Đo lường Dự báo chiều tác động
SIZE Quy mô tài sản LOG(Tổng tài sản) +/-
TM_TG Khả năng thanh khoản Tiền mặt / Tổng tiền gửi +/-
DP_CV Dự phòng rủi ro tín dụng Dự phòng / Tổng cho vay -
CV_TS Quy mô cho vay Tổng cho vay / Tổng tài sản +

Thống kê mô tả cho thấy: ROA trung bình đạt 0,4029% (dao động từ 0,055% đến 0,5575%); SIZE trung bình đạt 8,5054; DP_CV trung bình 1,1749% (dao động từ 0,9145% đến 1,6146%); TM_TG trung bình 0,87%; CV_TS trung bình 0,5918.

Kết quả hồi quy: R² = 0,762226 (76,22%) và R² hiệu chỉnh = 0,69882 (69,88%), nghĩa là gần 70% biến thiên của ROA được giải thích bởi bốn biến độc lập trong mô hình. F-statistic = 12,021 với Prob(F-statistic) < 0,05, xác nhận mô hình phù hợp với tổng thể. Ba biến SIZE, TM_TG và DP_CV có p-value < 0,05, đủ cơ sở kết luận tác động có ý nghĩa thống kê đến ROA. Biến CV_TS có p-value = 0,2869 > 0,05, không có ý nghĩa thống kê.

Mô hình sau khi loại biến không có ý nghĩa được viết lại theo hệ số hồi quy chuẩn hóa. Kết quả kiểm định đa cộng tuyến (Centered VIF < 2) xác nhận mô hình không xảy ra hiện tượng đa cộng tuyến.

Chương 3: Giải pháp nâng cao khả năng sinh lời của Ngân hàng TMCP Quân Đội

Dựa trên kết quả hồi quy và định hướng phát triển của MBBank giai đoạn 2022–2026, chương này đề xuất hệ thống giải pháp theo từng nhân tố đã được xác định.


Kết quả và đóng góp

Kết quả chính

Ba nhân tố bên trong có tác động có ý nghĩa thống kê đến ROA của MBBank trong giai đoạn 2016–2020:

  1. Quy mô tài sản (SIZE): Có tác động đến ROA (chiều tác động cụ thể phụ thuộc hệ số hồi quy), nhất quán với sự tăng trưởng tổng tài sản gấp đôi trong 4 năm song song với đà tăng lợi nhuận vượt trội.
  2. Khả năng thanh khoản (TM_TG): Có tác động đến ROA, phản ánh vai trò của quản lý tiền mặt trong bối cảnh văn hóa sử dụng tiền mặt còn phổ biến tại Việt Nam và phân khúc khách hàng cá nhân, doanh nghiệp vừa và nhỏ của MB.
  3. Dự phòng rủi ro tín dụng (DP_CV): Có tác động ngược chiều đến ROA, tương ứng với chiều dự báo ban đầu. Tỷ lệ nợ xấu giảm từ 1,61% (2016) xuống dưới 1% (2019–2020) trong khi lợi nhuận tăng trưởng trung bình hơn 20%/năm là bằng chứng thực tiễn cho mối quan hệ này.
  4. Quy mô cho vay (CV_TS): Không có tác động có ý nghĩa thống kê đến ROA (p-value = 0,2869). Đây là phát hiện có giá trị thực tiễn: thu nhập lãi chiếm hơn 80% tổng doanh thu của MB, nhưng việc mở rộng cho vay đơn thuần không tự động cải thiện tỷ suất sinh lời trên tổng tài sản.

Mô hình giải thích 69,88% biến thiên của ROA; hơn 30% còn lại được quy cho các nhân tố chưa đưa vào mô hình hoặc sai số thống kê.

Giải pháp và kiến nghị

Tác giả đề xuất ba nhóm giải pháp chính:

  • Tăng quy mô tài sản: Phát triển mạng lưới chi nhánh, mở rộng danh mục tài sản sinh lời, đồng thời kiểm soát chất lượng để tránh vượt ngưỡng hiệu quả quy mô.
  • Hạn chế rủi ro tín dụng và tăng khả năng thanh khoản: Duy trì khung quản trị rủi ro theo thông lệ Basel, ISO, COSO; quản lý tiền mặt linh hoạt theo nhu cầu khách hàng.
  • Các giải pháp hỗ trợ: Quản lý chi phí hoạt động hiệu quả; nâng cao chất lượng đào tạo và thu hút nguồn nhân lực; mở rộng hoạt động marketing và đa dạng hóa sản phẩm, dịch vụ.

Đóng góp so với nghiên cứu trước

Tác giả xác định đây là một trong số ít nghiên cứu ứng dụng mô hình hồi quy định lượng trực tiếp trên dữ liệu quý của riêng MBBank (20 quý liên tiếp), thay vì sử dụng bảng dữ liệu nhiều ngân hàng theo năm như phần lớn nghiên cứu trong nước trước đó. Hướng tiếp cận này cho phép nắm bắt biến động theo chu kỳ quý của ROA, ROE — vốn được ghi nhận dao động rõ theo mùa vụ trong giai đoạn khảo sát. Nghiên cứu cũng là sự kế thừa và mở rộng của Võ Thị Thanh Trúc (2014) — công trình trước đó nghiên cứu 6 chi nhánh MB giai đoạn 2008–2013 — bằng cách cập nhật dữ liệu toàn ngân hàng đến giai đoạn có bối cảnh Covid-19.


Hạn chế và hướng nghiên cứu tiếp

Tác giả thừa nhận trong quá trình thu thập số liệu còn gặp khó khăn và hạn chế về kiến thức chuyên môn, dẫn đến mô hình chỉ xét ba biến nội bộ (quy mô tài sản, khả năng thanh khoản, dự phòng rủi ro tín dụng) thay vì toàn bộ các nhân tố được lý thuyết hóa ở Chương 1. Do đó, hơn 30% biến thiên của ROA chưa được giải thích — phần này có thể thuộc về các nhân tố bên ngoài (GDP, lạm phát, mức độ tập trung ngành) hoặc các nhân tố bên trong khác (chi phí hoạt động, năng suất lao động, mức độ đa dạng hóa thu nhập).

Ngoài ra, phạm vi nghiên cứu chỉ bao gồm một ngân hàng duy nhất với 20 quan sát, nên khả năng tổng quát hóa kết quả sang toàn hệ thống NHTM Việt Nam còn hạn chế. Hướng nghiên cứu tiếp theo có thể mở rộng sang bảng dữ liệu nhiều ngân hàng, bổ sung thêm các biến vĩ mô và áp dụng các phương pháp ước lượng phù hợp hơn với dữ liệu bảng (FEM, REM, GMM) để khắc phục các nhược điểm thống kê tiềm tàng của OLS trên mẫu nhỏ.


Giá trị tham khảo

Khóa luận phù hợp với nhu cầu của các đối tượng sau:

  • Sinh viên ngành Tài chính — Ngân hàng đang thực hiện đề tài về hiệu quả hoạt động, khả năng sinh lời hoặc phân tích tài chính ngân hàng thương mại tại Việt Nam. Phần lý luận Chương 1 cung cấp bộ định nghĩa, phân loại nhân tố và tổng quan tài liệu nước ngoài lẫn trong nước có hệ thống.
  • Sinh viên lần đầu tiếp cận phân tích định lượng sẽ tìm thấy hướng dẫn thực hành cụ thể về cách đọc kết quả từ EViews (R², F-statistic, Prob., Durbin-Watson, VIF), cách xây dựng biến và lý giải dự báo chiều tác động.
  • Nhà phân tích và cán bộ ngân hàng có thể tham khảo phần tổng quan hoạt động MBBank giai đoạn 2016–2020 (số liệu tổng tài sản, vốn chủ sở hữu, lợi nhuận trước thuế, tỷ lệ nợ xấu theo quý) và phần giải pháp Chương 3.
  • Người nghiên cứu về MBBank cụ thể nên tập trung vào Chương 2, phần 2.1 (hành trình phát triển và bộ máy tổ chức) và phần 2.2 (mô hình hồi quy đầy đủ với kết quả kiểm định).

Câu hỏi thường gặp

1. Tại sao tác giả chọn ROA thay vì ROE làm biến phụ thuộc trong mô hình? Tác giả lập luận rằng ROA phản ánh ý nghĩa thiết thực hơn về khả năng sử dụng tài sản để tạo lợi nhuận và sự linh hoạt trong điều chỉnh danh mục tài sản trước biến động kinh tế. ROE đôi khi bị chi phối bởi đòn bẩy tài chính — Dietrich và Wanzenried (2011) chỉ ra rằng ngân hàng có đòn bẩy thấp thường có ROA cao nhưng ROE thấp hơn — khiến ROE chưa phản ánh trung thực hiệu quả kinh doanh. Ngoài ra, vốn chủ sở hữu đôi khi phải giữ lại cho các khoản đầu tư bắt buộc theo quy định pháp lý, gây méo số liệu ROE.

2. Biến quy mô cho vay (CV_TS) không có ý nghĩa thống kê. Kết quả này có mâu thuẫn với thực tế thu nhập lãi chiếm hơn 80% doanh thu của MB không? Không nhất thiết mâu thuẫn. Mô hình đo lường tác động lên ROA — tỷ lệ lợi nhuận trên tổng tài sản — chứ không phải trên doanh thu thuần. Khi quy mô cho vay tăng, tổng tài sản (mẫu số) cũng tăng theo tỷ lệ tương đương, khiến ROA không thay đổi đáng kể. Bên cạnh đó, với p-value = 0,2869, biến CV_TS không vượt qua ngưỡng ý nghĩa 5% trong bộ dữ liệu 20 quan sát, có thể phản ánh cả hạn chế về cỡ mẫu.

3. Tỷ lệ nợ xấu của MBBank thay đổi như thế nào trong giai đoạn 2016–2020, và điều đó liên quan gì đến kết quả hồi quy? Tỷ lệ nợ xấu giảm từ 1,61% năm 2016 xuống còn hơn 1% từ năm 2019 đến 2020, song song với tốc độ tăng trưởng lợi nhuận trung bình hơn 20%/năm. Điều này phù hợp với kết quả hồi quy khi DP_CV (dự phòng rủi ro tín dụng) có tác động ngược chiều đến ROA: khi nợ xấu giảm, trích lập dự phòng giảm theo, chi phí giảm và ROA tăng. Đây là nhân tố được kiểm định có ý nghĩa thống kê trong mô hình.

4. Phần mềm EViews được dùng như thế nào trong nghiên cứu, và mô hình đã vượt qua những kiểm định nào? EViews được dùng để chạy mô hình hồi quy bội OLS với 20 quan sát theo quý. Các kiểm định được thực hiện bao gồm: (i) Kiểm định F (F-statistic = 12,021, Prob < 0,05) xác nhận mô hình phù hợp tổng thể; (ii) Kiểm định t cho từng biến thông qua p-value — ba biến SIZE, TM_TG, DP_CV đều có p-value < 0,05; (iii) Kiểm định đa cộng tuyến bằng Centered VIF < 2 cho tất cả các biến; (iv) Kiểm định tự tương quan bằng Durbin-Watson. Ngoài ra, hệ số hồi quy chuẩn hóa (Standardized Coefficient) được tính riêng để so sánh mức độ tác động tương đối giữa các biến.

5. Lợi nhuận trước thuế của MBBank năm 2019 có ý nghĩa gì đặc biệt, và yếu tố nào được ghi nhận là nguyên nhân chính? Năm 2019, MBBank đạt lợi nhuận trước thuế trên 10.036 tỷ đồng — đánh dấu mốc MB gia nhập Câu lạc bộ các tập đoàn, doanh nghiệp lớn của Việt Nam có lợi nhuận trên 10.000 tỷ đồng. Các yếu tố được ghi nhận trong văn bản là: chiến lược 4 chuyển dịch then chốt giai đoạn 2017–2021, phát triển mô hình ngân hàng số (App MBBank với 2,6 triệu khách hàng hoạt động), tăng trưởng doanh thu dịch vụ đạt 78%, thay đổi toàn bộ giao diện phòng giao dịch và triển khai gói sản phẩm "SME Care by MB" hướng đến doanh nghiệp vừa và nhỏ. Đây cũng là năm ROA và ROE của MB đạt mức cao nhất trong giai đoạn 2016–2020, với ROA Quý III/2019 xấp xỉ 0,6% và ROE đạt mức gần 6%.


Kết luận

Khóa luận xác định ba nhân tố bên trong có tác động có ý nghĩa thống kê đến khả năng sinh lời (ROA) của MBBank giai đoạn 2016–2020, gồm quy mô tài sản, khả năng thanh khoản và dự phòng rủi ro tín dụng, trong khi quy mô cho vay không cho thấy tác động rõ ràng. Mô hình hồi quy bội OLS chạy trên EViews giải thích được gần 70% biến thiên của ROA từ ba biến có ý nghĩa thống kê, phản ánh tương đối tốt thực trạng hoạt động của ngân hàng trong bối cảnh tăng trưởng mạnh giai đoạn 2018–2019 và chịu tác động của Covid-19 năm 2020. Từ kết quả định lượng, nghiên cứu đề xuất hệ thống giải pháp tập trung vào kiểm soát rủi ro tín dụng, tối ưu hóa quy mô tài sản và quản lý thanh khoản linh hoạt nhằm cải thiện hiệu quả sinh lời của MBBank trong giai đoạn 2022–2026.