Giới thiệu dự án
Khả năng thanh khoản (Liquidity) là yếu tố sống còn quyết định sự an toàn và ổn định của hệ thống Ngân hàng Thương mại (NHTM) cũng như toàn bộ nền kinh tế quốc gia. Ngân hàng đóng vai trò trung gian tài chính thực hiện chức năng chuyển đổi kỳ hạn (Maturity Transformation) – huy động nguồn vốn ngắn hạn để tài trợ cho các khoản vay trung và dài hạn. Đặc tính này khiến các ngân hàng luôn đối mặt với rủi ro mất cân đối dòng tiền tức thời. Theo các tiêu chuẩn Basel II và Basel III, rủi ro thanh khoản nếu không được quản trị khoa học có thể dẫn đến hiện tượng rút tiền hàng loạt (Bank Run), xói mòn uy tín, gia tăng chi phí vốn khả dụng và kích hoạt rủi ro hệ thống.
+-------------------------------------------------------------------------------+
| HỆ THỐNG PHÂN TÍCH RỦI RO THANH KHOẢN |
| (Nghiên cứu 27 NHTM Việt Nam 2008-2019) |
+-------------------------------------------------------------------------------+
| |
v v
+-----------------------------+ +-----------------------------+
| NHÂN TỐ NỘI TẠI VI MÔ | | NHÂN TỐ KINH TẾ VĨ MÔ |
| - Quy mô tài sản (SIZE) | | - Tăng trưởng kinh tế (GDP) |
| - Tỷ lệ tiền gửi (DEPOSIT) | | - Tỷ lệ lạm phát CPI (INF) |
| - Tỷ lệ dư nợ (LOAN) | +-----------------------------+
| - Tỷ suất sinh lời (ROE) | |
| - Tỷ lệ vốn CSH (CAP) | |
+-----------------------------+ |
| |
+----------------------->[ MA TRẬN DỮ LIỆU ]<--------+
|
v
+---------------------------------+
| HỒI QUY DỮ LIỆU BẢNG & ĐIỀU CHỈNH |
| (Pooled OLS -> FEM/REM -> FGLS) |
+---------------------------------+
|
v
+---------------------------------+
| ĐO LƯỜNG TỶ LỆ THANH KHOẢN (LIQ)|
| Tiền & Tương đương / Tổng TS |
+---------------------------------+
Vấn đề nghiên cứu và Điểm nghẽn thực tiễn (Problem Statement & Pain Points)
Sau cuộc khủng hoảng tài chính toàn cầu 2008 và chu kỳ tái cơ cấu ngân hàng tại Việt Nam (2011–2015 và 2016–2020), các NHTM Việt Nam đối mặt với sự phân hóa mạnh mẽ về thanh khoản. Tình trạng chạy đua lãi suất huy động, tỷ lệ nợ xấu tiềm ẩn và áp lực tăng trưởng tín dụng nóng đã tạo nên áp lực lớn lên dự trữ tiền mặt khả dụng. Vấn đề cốt lõi đặt ra: Những nhân tố nội tại vi mô nào của ngân hàng và biến số kinh tế vĩ mô nào thực sự chi phối tỷ lệ thanh khoản của các NHTM Việt Nam, và mức độ tác động định lượng ra sao?
Mục tiêu nghiên cứu (Project Objectives)
- Hệ thống hóa khung lý thuyết và thực nghiệm: Xác lập hệ thống chỉ tiêu đo lường thanh khoản ngân hàng, xác định mối liên hệ giữa các biến vi mô nội tại và vĩ mô nền kinh tế tác động đến thanh khoản.
- Xây dựng mô hình định lượng và ước lượng thực nghiệm: Thu thập, xử lý bộ dữ liệu bảng cân bằng (Balanced Panel Data) từ 27 NHTM cổ phần Việt Nam giai đoạn 2008 – 2019 (324 quan sát), thực hiện ước lượng kinh tế lượng qua các mô hình Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM) và Feasible Generalized Least Squares (FGLS).
- Đề xuất khuyến nghị chính sách: Dựa trên các hệ số hồi quy thực nghiệm có ý nghĩa thống kê, xây dựng khung quản trị thanh khoản tối ưu cho các nhà quản trị ngân hàng và Ngân hàng Nhà nước Việt Nam (NHNN).
Phương pháp tiếp cận và Phạm vi giải pháp
- Phương pháp tiếp cận: Ứng dụng kinh tế lượng tài chính hiện đại trên dữ liệu bảng cân bằng, kiểm định các khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan chuỗi) và khắc phục triệt để bằng ước lượng FGLS.
- Dữ liệu và Phạm vi: 27 NHTM cổ phần Việt Nam (đại diện hơn 90% tổng tài sản hệ thống NHTM cổ phần), bao gồm Vietcombank, BIDV, VietinBank, Techcombank, ACB, MBBank,... trong giai đoạn 12 năm (2008–2019).
- Giới hạn nghiên cứu: Chỉ tiêu thanh khoản được chuẩn hóa qua biến đại diện $LIQ$ (Tiền và các khoản tương đương tiền / Tổng tài sản). Nghiên cứu không bao gồm các ngân hàng 100% vốn nước ngoài và chi nhánh ngân hàng nước ngoài tại Việt Nam.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng và So sánh phương pháp luận
| Tiêu chí phân tích |
Phân tích khe hở thanh khoản truyền thống (Gap Analysis) |
Mô hình Hồi quy dữ liệu chuỗi thời gian đơn lẻ (Time Series) |
Phương pháp Hồi quy Dữ liệu bảng (Panel Data Econometrics - Đề tài áp dụng) |
| Bản chất kỹ thuật |
Thống kê tĩnh chênh lệch kỳ hạn tài sản có và tài sản nợ |
Hồi quy OLS cho từng ngân hàng riêng biệt theo chuỗi thời gian |
Kết hợp không gian (27 NHTM) và thời gian (12 năm liên tục) |
| Ưu điểm |
Đơn giản, dễ theo dõi tại từng thời điểm |
Bắt được xu hướng theo thời gian của một đối tượng cụ thể |
Kiểm soát tính không đồng nhất (Heterogeneity), tăng bậc tự do (Degrees of Freedom), giảm đa cộng tuyến |
| Nhược điểm |
Không giải thích được nguyên nhân tác động đa chiều |
Mẫu quan sát nhỏ ($N$ nhỏ), dễ bị sai lệch do biến động chu kỳ |
Đòi hỏi xử lý khuyết tật phức tạp (Autocorrelation, Heteroskedasticity) |
| Mức độ chính xác |
Trung bình (mang tính chất mô tả) |
Thấp đến Trung bình ($R^2$ ảo do chuỗi không dừng) |
Rất cao khi áp dụng ước lượng Robust FGLS |
Thiết kế mô hình toán học và Khung biến số
Mô hình hồi quy đa biến tổng quát được thiết lập dưới dạng tuyến tính:
$$LIQ_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 DEPOSIT_{it} + \beta_3 LOAN_{it} + \beta_4 ROE_{it} + \beta_5 CAP_{it} + \beta_6 GDP_{it} + \beta_7 INF_{it} + \mu_{it}$$
Trong đó:
- $i$: Đại diện cho ngân hàng thứ $i$ ($i = 1, 2, \dots, 27$).
- $t$: Đại diện cho năm quan sát ($t = 2008, 2009, \dots, 2019$).
- $\beta_0$: Hệ số chặn (Constant).
- $\beta_1 \dots \beta_7$: Các hệ số hồi quy riêng phần của các biến giải thích.
- $\mu_{it}$: Sai số ngẫu nhiên tổng hợp ($\mu_{it} = v_i + e_{it}$).
+-----------------------------------------------------------------------------------+
| DANH MỤC THÔNG SỐ VÀ BIẾN SỐ |
+-------------+----------------------------------------------+----------------------+
| Ký hiệu | Định nghĩa & Công thức toán học | Kỳ vọng tác động |
+-------------+----------------------------------------------+----------------------+
| LIQ (Dep.) | (Tiền mặt + Tiền gửi NHNN + ĐTTC ngắn) / TTS | Biến phụ thuộc |
| SIZE (Ind.) | Logarit tự nhiên tổng tài sản: Ln(TotalAsset)| Trái chiều (-) |
| DEPOSIT | Tổng tiền gửi khách hàng / Tổng tài sản | Cùng chiều (+) |
| LOAN | Tổng dư nợ cho vay khách hàng / Tổng tài sản | Trái chiều (-) |
| ROE | Lợi nhuận sau thuế / Vốn chủ sở hữu | Cùng chiều (+) |
| CAP | Vốn chủ sở hữu / Tổng tài sản | Cùng/Trái chiều (+/-)|
| GDP (Macro) | Tốc độ tăng trưởng GDP thực tế hàng năm | Cùng/Trái chiều (+/-)|
| INF (Macro) | Tỷ lệ lạm phát dựa trên chỉ số CPI hàng năm | Cùng chiều (+) |
+-------------+----------------------------------------------+----------------------+
Môi trường tính toán và Công nghệ phân tích (Technology Stack)
- Hệ thống phần mềm phân tích: Stata MP phiên bản 16.0 (64-bit), EViews Enterprise 10.0.
- Ngôn ngữ bổ trợ tiền xử lý dữ liệu: Python 3.9 (Thư viện
pandas 1.3.4, numpy 1.21.2, statsmodels 0.13.0).
- Nguồn dữ liệu: Báo cáo tài chính hợp nhất đã kiểm toán của 27 NHTM Việt Nam, Niên giám Thống kê (Tổng cục Thống kê - GSO), Cơ sở dữ liệu Ngân hàng Thế giới (World Bank Data 2020).
+-------------------------------------------------------------------------------+
| TIẾN TRÌNH THỰC HIỆN KIỂM ĐỊNH |
+-------------------------------------------------------------------------------+
[Dữ liệu thô BCTC]
|
v
[1. Kiểm định Thống kê mô tả & Ma trận tương quan Pearson]
|
v
[2. Ước lượng Pooled OLS, FEM (Fixed Effects), REM (Random Effects)]
|
v
[3. Kiểm định Hausman Specification Test] ---> (Chọn FEM hay REM)
|
v
[4. Kiểm định Khuyết tật mô hình]
+-- Modified Wald Test (Kiểm định Phương sai sai số thay đổi)
+-- Wooldridge Test (Kiểm định Tự tương quan chuỗi bậc 1)
+-- VIF (Kiểm định Đa cộng tuyến)
|
v
[5. Hiệu chỉnh mô hình qua Ước lượng FGLS (Feasible Generalized Least Squares)]
|
v
[Kết quả cuối cùng và Khuyến nghị ALM]
Implementation và kết quả
Kịch bản phân tích và Trích xuất mã lệnh (Econometric Script Implementation)
Toàn bộ quy trình ước lượng và kiểm định khuyết tật mô hình được tự động hóa bằng Stata Script chuyên dụng:
* ==============================================================================
* KHÓA LUẬN: NHÂN TỐ TÁC ĐỘNG ĐẾN THANH KHOẢN NHTM VIỆT NAM (2008 - 2019)
* Tác giả: Dư Gia Bảo | HDKH: TS. Nguyễn Phước Kinh Kha
* ==============================================================================
* 1. Khai báo cấu trúc dữ liệu bảng cân bằng (Balanced Panel Data)
clear all
import excel "Dataset_27_NHTM_2008_2019.xlsx", sheet("Data") firstrow
xtset Bank_ID Year
* 2. Thống kê mô tả và ma trận hệ số tương quan
summarize LIQ SIZE DEPOSIT LOAN ROE CAP GDP INF
correlate LIQ SIZE DEPOSIT LOAN ROE CAP GDP INF
* 3. Kiểm tra hiện tượng đa cộng tuyến (Multicollinearity)
regress LIQ SIZE DEPOSIT LOAN ROE CAP GDP INF
vif
* 4. Ước lượng các mô hình cơ sở
* 4.1. Pooled OLS
regress LIQ SIZE DEPOSIT LOAN ROE CAP GDP INF, vce(robust)
estimates store pooled_ols
* 4.2. Fixed Effects Model (FEM)
xtreg LIQ SIZE DEPOSIT LOAN ROE CAP GDP INF, fe
estimates store fem_model
* 4.3. Random Effects Model (REM)
xtreg LIQ SIZE DEPOSIT LOAN ROE CAP GDP INF, re
estimates store rem_model
* 5. Kiểm định lựa chọn mô hình tối ưu
* Kiểm định Hausman Test (So sánh FEM vs REM)
hausman fem_model rem_model
* Kiểm định Breusch-Pagan Lagrange Multiplier (So sánh Pooled OLS vs REM)
xttest0
* 6. Kiểm định khuyết tật trên mô hình đã chọn
* Kiểm định phương sai thay đổi (Groupwise Heteroskedasticity)
xttest3
* Kiểm định tự tương quan (Serial Correlation)
xtserial LIQ SIZE DEPOSIT LOAN ROE CAP GDP INF
* 7. KHẮC PHỤC KHUYẾT TẬT BẰNG MÔ HÌNH FGLS (Feasible Generalized Least Squares)
xtgls LIQ SIZE DEPOSIT LOAN ROE CAP GDP INF, panels(hetero) corr(ar1)
estimates store fgls_robust_model
Kết quả kiểm định khuyết tật mô hình
- Đa cộng tuyến: Hệ số phóng đại phương sai $VIF$ cao nhất của biến
SIZE đạt $1.82 < 10$, hệ số $VIF$ trung bình toàn mô hình đạt $1.34$. Không tồn tại hiện tượng đa cộng tuyến nghiêm trọng giữa các biến giải thích.
- Lựa chọn mô hình qua Hausman Test: Giá trị thống kê $\chi^2 = 7.42$ với $p\text{-value} = 0.386 > 0.05$, cho thấy mô hình Tác động Ngẫu nhiên (REM) phù hợp và hiệu quả hơn mô hình FEM.
- Kiểm định Phương sai sai số thay đổi (Modified Wald Test): Thống kê $\chi^2 = 894.21$ với $p\text{-value} = 0.0000 < 0.01$, bác bỏ giả thuyết $H_0$, mô hình có khuyết tật phương sai sai số thay đổi giữa các ngân hàng.
- Kiểm định Tự tương quan (Wooldridge Test): Thống kê $F = 21.43$ với $p\text{-value} = 0.0001 < 0.05$, xác nhận có hiện tượng tự tương quan bậc 1 trong chuỗi dữ liệu.
- Hiệu chỉnh mô hình: Khắc phục đồng thời 2 khuyết tật trên bằng phương pháp ước lượng
FGLS với tùy chọn panels(hetero) và corr(ar1).
Bảng tổng hợp kết quả ước lượng FGLS thực nghiệm
| Biến số |
Hệ số hồi quy ($\beta$) |
Sai số chuẩn (Std. Err.) |
Giá trị kiểm định $z$ |
Mức ý nghĩa ($p\text{-value}$) |
Chiều hướng tác động thực tế |
| Hằng số ($\beta_0$) |
$0.2814$ |
$0.0521$ |
$5.40$ |
$0.000^{***}$ |
Có ý nghĩa thống kê |
| SIZE |
$-0.0135$ |
$0.0034$ |
$-3.97$ |
$0.000^{***}$ |
Nghịch chiều (-) |
| DEPOSIT |
$+0.1245$ |
$0.0218$ |
$5.71$ |
$0.000^{***}$ |
Thuận chiều (+) |
| LOAN |
$-0.0982$ |
$0.0185$ |
$-5.31$ |
$0.000^{***}$ |
Nghịch chiều (-) |
| ROE |
$+0.0412$ |
$0.0156$ |
$2.64$ |
$0.008^{***}$ |
Thuận chiều (+) |
| CAP |
$-0.0189$ |
$0.0241$ |
$-0.78$ |
$0.433$ |
Không có ý nghĩa |
| GDP |
$+0.0012$ |
$0.0019$ |
$0.63$ |
$0.528$ |
Không có ý nghĩa |
| INF |
$+0.0038$ |
$0.0014$ |
$2.71$ |
$0.007^{***}$ |
Thuận chiều (+) |
(Ghi chú: $^{}$ có ý nghĩa thống kê ở mức 1%; $^{}$ ở mức 5%; $^{}$ ở mức 10%).
+-------------------------------------------------------------------------------+
| ĐÁNH GIÁ KẾT QUẢ HỒI QUY FGLS |
+-------------------------------------------------------------------------------+
- Quy mô ngân hàng (SIZE): Hệ số -0.0135 (p < 0.01)
==> Ngân hàng quy mô càng lớn thì tỷ lệ nắm giữ tiền mặt trên tổng tài sản
có xu hướng giảm, do chiến lược đa dạng hóa và tối ưu hóa tài sản sinh lời.
- Tỷ lệ tiền gửi (DEPOSIT): Hệ số +0.1245 (p < 0.01)
==> Nguồn tiền gửi dồi dào trực tiếp cung ứng lượng thanh khoản khả dụng tức thời.
- Tỷ lệ cho vay (LOAN): Hệ số -0.0982 (p < 0.01)
==> Hoạt động mở rộng tín dụng hút thanh khoản và làm gia tăng tài sản kém lỏng.
- Khả năng sinh lời (ROE): Hệ số +0.0412 (p < 0.01)
==> Ngân hàng kinh doanh hiệu quả tích lũy được đệm tiền mặt và dự trữ dồi dào.
- Lạm phát (INF): Hệ số +0.0038 (p < 0.01)
==> Trong bối cảnh lạm phát tăng, các ngân hàng có xu hướng phòng thủ,
chủ động tăng tỷ lệ nắm giữ thanh khoản dự phòng.
Đổi mới và đóng góp
Điểm mới về kỹ thuật phân tích và Dữ liệu thực nghiệm
- Độ tin cậy xử lý khuyết tật kép: Không dừng lại ở mô hình OLS hay FEM/REM cơ bản (vốn bị chệch tham số khi có vi phạm giả định Gauss-Markov), đề tài đã áp dụng mô hình hồi quy FGLS để triệt tiêu hoàn toàn hiện tượng tự tương quan chuỗi và phương sai sai số thay đổi.
- Khung thời gian bao trùm chu kỳ kinh tế đầy đủ: Chuỗi dữ liệu 12 năm (2008 – 2019) phản ánh toàn diện giai đoạn hấp thụ cú sốc hậu khủng hoảng tài chính toàn cầu 2008, tái cơ cấu xử lý nợ xấu (2011–2015) và chuẩn hóa Basel II (2016–2019).
Đối chiếu kết quả với các công trình nghiên cứu tiền nhiệm
| Nhân tố tác động |
Phạm Quốc Việt (2019) (24 NHTM, 2008-2017) |
Nguyễn Thị Tuyết Nga (2019) (29 NHTM, 2014-2018) |
Vodova (2013) (NHTM Hungary, 2001-2010) |
Khóa luận này (27 NHTM, 2008-2019, FGLS) |
| Quy mô (SIZE) |
Cùng chiều (+) |
Nghịch chiều (-) |
Nghịch chiều (-) |
Nghịch chiều (-) ($\beta = -0.0135$) |
| Tiền gửi (DEPOSIT) |
Không xét |
Không xét |
Cùng chiều (+) |
Cùng chiều (+) ($\beta = +0.1245$) |
| Quy mô tín dụng (LOAN) |
Nghịch chiều (-) |
Nghịch chiều (-) |
Nghịch chiều (-) |
Nghịch chiều (-) ($\beta = -0.0982$) |
| Lợi nhuận (ROE) |
Cùng chiều (+) |
Nghịch chiều (-) |
Cùng chiều (+) |
Cùng chiều (+) ($\beta = +0.0412$) |
| Tăng trưởng GDP |
Cùng chiều (+) |
Nghịch chiều (-) |
Không có ý nghĩa |
Không có ý nghĩa ($p = 0.528$) |
| Lạm phát (INF) |
Không có ý nghĩa |
Không xét |
Nghịch chiều (-) |
Cùng chiều (+) ($\beta = +0.0038$) |
Ứng dụng thực tế và triển khai
Khung chiến lược quản trị rủi ro thanh khoản cho Ủy ban ALCO (Asset-Liability Committee)
Dựa trên các hệ số định lượng của mô hình FGLS, nghiên cứu thiết lập ma trận 4 giải pháp thực thi cho các NHTM Việt Nam:
+----------------------------------------------+
| CHIẾN LƯỢC QUẢN TRỊ THANH KHOẢN TỔNG THỂ |
+----------------------------------------------+
|
+-------------------+---------------+-------------------+-------------------+
| | | |
v v v v
+-----------------+ +-------------------------+ +---------------------+ +--------------------+
| 1. QUẢN LÝ TIỀN | | 2. KIỂM SOÁT TĂNG | | 3. ĐIỀU PHỐI QUY MÔ | | 4. DỰ BÁO LẠM PHÁT |
| GỬI HUY ĐỘNG | | TRƯỞNG TÍN DỤNG | | TÀI SẢN (SIZE) | | VĨ MÔ (INF) |
+-----------------+ +-------------------------+ +---------------------+ +--------------------+
| Hệ số: +0.1245 | | Hệ số: -0.0982 | | Hệ số: -0.0135 | | Hệ số: +0.0038 |
| Đa dạng kỳ hạn, | | Thiết lập trần LDR | | Ngân hàng lớn cần | | Chủ động tăng tỷ lệ|
| mở rộng tiền gửi| | (Loan-to-Deposit Ratio) | | tăng dự trữ tài sản | | thanh khoản phòng |
| không kỳ hạn | | an toàn, hạn chế cho vay| | lỏng cấp 1 theo quy | | ngừa khi lạm phát |
| CASA ổn định. | | tập trung rủi ro. | | mô tài sản. | | có dấu hiệu tăng. |
+-----------------+ +-------------------------+ +---------------------+ +--------------------+
Kịch bản ứng dụng định lượng (Scenario Analysis)
- Kịch bản 1: Mở rộng tín dụng nóng ($LOAN$ tăng $10%$): Khi tỷ lệ cho vay trên tổng tài sản tăng thêm $10%$, tỷ lệ thanh khoản $LIQ$ sẽ suy giảm tức thì khoảng $0.982%$ ($p < 0.01$). Ngân hàng cần lập tức kích hoạt chính sách tăng cường huy động vốn hoặc thanh lý một phần danh mục trái phiếu sẵn sàng để bán (AFS).
- Kịch bản 2: Gia tăng nền tảng huy động vốn ($DEPOSIT$ tăng $10%$): Giúp cải thiện tỷ lệ thanh khoản trực tiếp thêm $1.245%$. Việc phát triển các gói sản phẩm giữ chân khách hàng cá nhân giúp giảm thiểu áp lực thâm hụt dòng tiền thanh toán cuối ngày.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật (Technical Limitations)
- Tần suất dữ liệu: Dữ liệu nghiên cứu sử dụng dữ liệu năm (Annual Panel Data). Trên thực tế, thanh khoản ngân hàng biến động từng ngày (Daily High-Frequency Data), do đó dữ liệu năm chỉ phản ánh trạng thái tĩnh tại ngày kết thúc năm tài chính.
- Biến đại diện thanh khoản: Nghiên cứu sử dụng biến $LIQ$ (Tiền và tương đương tiền / Tổng tài sản). Chưa tích hợp đầy đủ các chỉ số thanh khoản động theo chuẩn quốc tế Basel III như Tỷ lệ đảm bảo thanh khoản (Liquidity Coverage Ratio - LCR) và Tỷ lệ nguồn vốn ổn định ròng (Net Stable Funding Ratio - NSFR) do hạn chế công bố thông tin chi tiết trên BCTC kiểm toán tại Việt Nam.
Hướng phát triển đề tài (Future Enhancements)
- Ứng dụng Machine Learning & AI: Ứng dụng các thuật toán học máy (Random Forest, XGBoost, LSTM) để mô hình hóa và dự báo dòng tiền rút thanh khoản đột biến theo chuỗi thời gian ngắn hạn (Daily/Monthly Time Series).
- Mở rộng Stress Testing: Xây dựng khung kiểm tra sức chịu đựng thanh khoản (Liquidity Stress Testing) mô phỏng các kịch bản suy thoái kinh tế hoặc sự sụp đổ của thị trường trái phiếu doanh nghiệp.
Đối tượng hưởng lợi
+-----------------------------------------------------------------------------------------+
| ĐỐI TƯỢNG HƯỞNG LỢI |
+----------------------+------------------------------------------------------------------+
| Sinh viên & Học viên | Tài liệu học tập mẫu mực về phương pháp nghiên cứu định lượng, |
| khối ngành Kinh tế | cách xử lý khuyết tật dữ liệu bảng bằng FGLS trên Stata. |
+----------------------+------------------------------------------------------------------+
| Chuyên viên Quản trị | Cung cấp bằng chứng thực nghiệm và hệ số tác động chính xác để |
| rủi ro & Khối ALM | thiết lập hạn mức thanh khoản nội bộ và tối ưu hóa cơ cấu vốn. |
+----------------------+------------------------------------------------------------------+
| Ngân hàng Nhà nước | Căn cứ khoa học thực chứng để giám sát tỷ lệ an toàn thanh khoản,|
| & Cơ quan hoạch định | điều hành linh hoạt cung tiền và quy định trần tín dụng hợp lý. |
+----------------------+------------------------------------------------------------------+
Câu hỏi thường gặp
1. Tại sao nghiên cứu lại chọn phương pháp ước lượng FGLS thay vì giữ lại mô hình REM hay FEM?
Mô hình REM và FEM giả định rằng sai số có phương sai không đổi và không có tự tương quan. Tuy nhiên, kết quả kiểm định Modified Wald Test ($p = 0.0000$) và Wooldridge Test ($p = 0.0001$) cho thấy dữ liệu bảng bị vi phạm nghiêm trọng cả 2 giả định này. Ước lượng FGLS là công cụ chuẩn tắc trong kinh tế lượng giúp điều chỉnh ma trận hiệp phương sai sai số, đảm bảo các ước lượng hệ số đạt tính chất không chệch và hiệu quả (BLUE).
2. Tại sao quy mô ngân hàng (SIZE) lại có tác động nghịch chiều (-) đến tỷ lệ thanh khoản?
Theo lý thuyết "Too Big To Fail" và thực tiễn ngân hàng, các ngân hàng quy mô lớn thường có danh mục đầu tư đa dạng, mạng lưới huy động rộng lớn và khả năng tiếp cận thị trường liên ngân hàng nhanh chóng. Do đó, họ không có xu hướng giữ tỷ trọng lớn tài sản dưới dạng tiền mặt không sinh lời mà tối ưu hóa bằng cách phân bổ vào các tài sản sinh lãi cao hơn, dẫn đến tỷ lệ $LIQ$ trên tổng tài sản thấp hơn các ngân hàng nhỏ.
3. Tỷ lệ lạm phát (INF) tác động cùng chiều (+) phản ánh điều gì trong thực tế?
Khi lạm phát gia tăng, rủi ro vĩ mô và bất định trên thị trường tiền tệ tăng cao. Ban điều hành các ngân hàng có tâm lý phòng thủ, chủ động gia tăng nắm giữ lượng tiền mặt và tài sản có tính lỏng cao để đối phó với nguy cơ rút tiền bất thường từ người gửi tiền và siết chặt các điều kiện giải ngân cho vay.
4. Dữ liệu nghiên cứu có thể tích hợp vào các hệ thống Core Banking hiện nay không?
Có. Các công thức xác định tỷ lệ $LIQ$ và các chỉ số cảnh báo sớm ($SIZE$, $LOAN$, $DEPOSIT$) hoàn toàn có thể cấu hình trực tiếp thành các dashboard cảnh báo rủi ro tự động trên hệ thống phần mềm Quản lý Tài sản - Nợ (ALM Software) của ngân hàng.
5. Khóa luận này có giá trị ứng dụng thế nào đối với các ngân hàng đang chuyển đổi sang Basel III?
Khóa luận cung cấp cơ sở định lượng về hành vi dịch chuyển thanh khoản của hệ thống ngân hàng Việt Nam. Đây là tiền đề dữ liệu quan trọng giúp các ngân hàng đo lường khoảng cách giữa chuẩn mực VAS hiện tại với hai tiêu chuẩn thanh khoản khắt khe của Basel III là LCR (Liquidity Coverage Ratio) và NSFR (Net Stable Funding Ratio).
Kết luận
Khóa luận tốt nghiệp của tác giả Dư Gia Bảo đã hoàn thành xuất sắc mục tiêu nghiên cứu toàn diện về các nhân tố tác động đến khả năng thanh khoản của 27 NHTM cổ phần Việt Nam giai đoạn 2008 – 2019. Bằng việc áp dụng phương pháp ước lượng FGLS chuẩn xác, nghiên cứu đã chứng minh:
- Tác động tích cực (cùng chiều): Tỷ lệ tiền gửi khách hàng ($DEPOSIT$, $\beta = +0.1245$), Tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$, $\beta = +0.0412$) và Lạm phát ($INF$, $\beta = +0.0038$).
- Tác động tiêu cực (nghịch chiều): Quy mô ngân hàng ($SIZE$, $\beta = -0.0135$) và Quy mô tín dụng ($LOAN$, $\beta = -0.0982$).
Kết quả nghiên cứu mang lại giá trị khoa học vững chắc và giá trị thực tiễn sâu sắc, là tài liệu tham khảo giá trị cho các nhà quản trị rủi ro thanh khoản ngân hàng, các chuyên viên phân tích tài chính, và các nhà hoạch định chính sách tiền tệ tại Việt Nam.
