Giới thiệu dự án
Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trung gian tài chính trong nền kinh tế. Theo báo cáo của Ngân hàng Thế giới (World Bank, 2020), đại dịch COVID-19 và suy thoái kinh tế toàn cầu khiến tăng trưởng GDP thế giới suy giảm 5,2%, kéo theo áp lực nợ xấu, biên lãi thuần (NIM) thu hẹp và đe dọa an toàn vốn toàn hệ thống. Tại Việt Nam, giai đoạn 2011–2021 ghi nhận chu kỳ chuyển biến phức tạp: từ giai đoạn tái cơ cấu hệ thống tổ chức tín dụng (TCTD) 2011–2015 theo Thông tư 21/2012/TT-NHNN đến giai đoạn bùng nổ chuyển đổi số và thích ứng khủng hoảng dịch bệnh.
Vấn đề cốt lõi đặt ra là việc xác định chính xác các động lực nội tại (micro-level) và xung lực vĩ mô (macro-level) tác động đến năng lực tài chính của ngân hàng. Nhiều nghiên cứu trước đây gặp phải hiện tượng nội sinh (endogeneity), phương sai sai số thay đổi (heteroskedasticity) và tự tương quan (autocorrelation), dẫn đến ước lượng sai lệch (biased estimates).
Mục tiêu nghiên cứu cụ thể:
- Xác định các nhân tố ảnh hưởng: Nhận diện hệ thống 8 biến độc lập gồm 6 biến vi mô ($LIQ$, $LOAN$, $COST$, $CAP$, $SIZE$, $DIA$) và 2 biến vĩ mô ($GDP$, $INF$).
- Ước lượng định lượng và kiểm định chiều hướng tác động: Đo lường hệ số hồi quy tác động đến hai biến đại diện khả năng sinh lời (KNSL) là $ROA$ (Return on Assets) và $ROE$ (Return on Equity).
- Khắc phục triệt để các khuyết tật mô hình: Xử lý biến nội sinh và tính trễ động bằng phương pháp hồi quy moment tổng quát hai bước (Two-Step System GMM) trên phần mềm Stata 17.
- Xây dựng hàm ý chính sách và chiến lược quản trị: Đề xuất giải pháp đa dạng hóa doanh thu phi truyền thống và quản trị thanh khoản bền vững.
Phạm vi nghiên cứu sử dụng bộ dữ liệu bảng cân bằng (balanced panel data) thu thập từ báo cáo tài chính kiểm toán của 27 NHTM Việt Nam trong 11 năm (2011–2021) với tổng cộng 297 quan sát ($N = 27, T = 11$). Giới hạn đề tài tập trung vào hệ thống NHTM cổ phần hoạt động liên tục, không bao gồm các ngân hàng bị mua lại bắt buộc hoặc dữ liệu gián đoạn.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Nghiên cứu KNSL ngân hàng đòi hỏi đánh giá toàn diện các kỹ thuật phân tích dữ liệu bảng truyền thống và hiện đại:
| Phương pháp hồi quy |
Ưu điểm |
Nhược điểm |
Khả năng kiểm soát nội sinh |
| Pooled OLS |
Đơn giản, trực quan, dễ tính toán trên mẫu quan sát lớn. |
Bỏ qua đặc trưng riêng biệt không quan sát được của từng ngân hàng ($u_i$). |
Không có ($E(X_{it}\varepsilon_{it}) \neq 0$). |
| Fixed Effects (FEM) |
Kiểm soát các đặc tính cố định bất biến theo thời gian của từng NHTM. |
Không xử lý được biến nội sinh và tính trễ phụ thuộc ($Y_{i,t-1}$). |
Thấp (chỉ loại trừ tác động cố định). |
| Random Effects (REM) |
Hiệu quả khi các yếu tố cá thể không tương quan với biến giải thích. |
Giả định ngẫu nhiên nghiêm ngặt, dễ bị chệch tham số nếu giả định vi phạm. |
Không kiểm soát được nội sinh. |
| System GMM (Blundell-Bond) |
Xử lý hoàn toàn tính nội sinh, tự tương quan và phương sai sai số thay đổi. |
Đòi hỏi thiết kế biến công cụ (instruments) chuẩn xác để tránh over-identification. |
Rất cao (thông qua biến trễ làm công cụ). |
Yêu cầu phân tích theo khung MoSCoW:
- Must-have: Khắc phục hiện tượng phương sai sai số thay đổi ($Modified\ Wald\ Test, p < 0.001$), tự tương quan chuỗi ($Wooldridge\ Test, p < 0.05$) và kiểm soát biến nội sinh $ROA_{t-1}, ROE_{t-1}$.
- Should-have: Kiểm định tính vững của biến công cụ qua kiểm định Hansen/Sargan ($p > 0.10$) và tự tương quan bậc hai Arellano-Bond $AR(2)$ ($p > 0.05$).
- Could-have: So sánh đa chiều giữa mô hình tác động lên $ROA$ và $ROE$ để phân tích hiệu ứng đòn bẩy tài chính.
- Won't-have: Không phân tích các mô hình phi tuyến tính phức tạp (như PSTR) hoặc chuỗi thời gian đơn lẻ (ARIMA).
Thiết kế hệ thống
Mô hình kinh lượng bảng động tổng quát được thiết kế như sau:
$$\Pi_{i,t} = \alpha_0 + \delta \Pi_{i,t-1} + \beta_1 LIQ_{i,t} + \beta_2 LOAN_{i,t} + \beta_3 COST_{i,t} + \beta_4 CAP_{i,t} + \beta_5 SIZE_{i,t} + \beta_6 DIA_{i,t} + \beta_7 GDP_t + \beta_8 INF_t + v_i + \varepsilon_{i,t}$$
Trong đó:
- $\Pi_{i,t}$: Đại diện KNSL của ngân hàng $i$ tại năm $t$ ($ROA_{i,t}$ hoặc $ROE_{i,t}$).
- $\Pi_{i,t-1}$: Biến trễ phản ánh quán tính lợi nhuận từ quá khứ.
- $v_i$: Hiệu ứng cá thể cố định không quan sát được của ngân hàng $i$.
- $\varepsilon_{i,t}$: Sai số ngẫu nhiên ngẫu biến.
Cấu trúc công nghệ và dữ liệu triển khai:
- Nền tảng tính toán: Stata/MP v17.0 chạy trên nhân 64-bit.
- Gói phần mềm kinh lượng: Module
xtabond2 (Roodman, 2009), xtreg, xttest0, xttest3.
- Cấu trúc dữ liệu: Balanced Panel Data ($27 \times 11 = 297$ records, 10 trường thuộc tính chuẩn hóa).
Methodology
Quy trình nghiên cứu áp dụng phương pháp định lượng thực chứng kết hợp kiểm định suy diễn:
- Thu thập và làm sạch: Khai thác dữ liệu BCTC hợp nhất đã kiểm toán và cơ sở dữ liệu WDI (World Development Indicators - World Bank).
- Đánh giá rủi ro và kiểm soát chất lượng:
- Rủi ro đa cộng tuyến: Kiểm soát ma trận tương quan Pearson ($r < 0.8$) và hệ số phóng đại phương sai ($VIF < 10$).
- Rủi ro quá nhiều biến công cụ (Instrument Proliferation): Giới hạn độ trễ của biến công cụ (
laglimits(1 2)) và áp dụng kỹ thuật gộp công cụ (collapse) để số biến công cụ ($j$) luôn nhỏ hơn số nhóm ngân hàng ($j \le N = 27$).
Implementation và kết quả
Development process
Kịch bản thực thi phân tích kinh lượng được chuẩn hóa và thực hiện qua Stata 17 theo 4 giai đoạn logic:
* Thiết lập không gian làm việc và cấu trúc dữ liệu bảng
clear all
set more off
use "bank_profitability_2011_2021.dta", clear
xtset bank_id year
* Giai đoạn 1: Kiểm tra Đa cộng tuyến (VIF)
regress ROA LIQ LOAN COST CAP SIZE DIA GDP INF
vif
* Giai đoạn 2: Ước lượng OLS, FEM, REM và Kiểm định lựa chọn
regress ROA LIQ LOAN COST CAP SIZE DIA GDP INF
estimates store ols_roa
xtreg ROA LIQ LOAN COST CAP SIZE DIA GDP INF, fe
estimates store fem_roa
xtreg ROA LIQ LOAN COST CAP SIZE DIA GDP INF, re
estimates store rem_roa
* Kiểm định F-test (OLS vs FEM), Hausman (FEM vs REM), Breusch-Pagan (OLS vs REM)
hausman fem_roa rem_roa
* Giai đoạn 3: Kiểm định Khuyết tật mô hình
xttest3 // Modified Wald test cho phương sai sai số thay đổi
xtserial ROA LIQ LOAN COST CAP SIZE DIA GDP INF // Wooldridge test tự tương quan
* Giai đoạn 4: Ước lượng Two-Step System GMM hiệu chỉnh sai số chuẩn Windmeijer
xtabond2 ROA L.ROA LIQ LOAN COST CAP SIZE DIA GDP INF, ///
gmm(L.ROA LIQ LOAN CAP DIA, laglimits(1 2) collapse) ///
iv(COST SIZE GDP INF) ///
twostep robust small orthogonal
estimates store gmm_roa
xtabond2 ROE L.ROE LIQ LOAN COST CAP SIZE DIA GDP INF, ///
gmm(L.ROE LIQ LOAN CAP DIA, laglimits(1 2) collapse) ///
iv(COST SIZE GDP INF) ///
twostep robust small orthogonal
estimates store gmm_roe
Testing và validation
Kết quả kiểm định chẩn đoán kỹ thuật xác nhận các vi phạm giả định OLS cổ điển, khẳng định tính bắt buộc của phương pháp GMM:
| Quy trình kiểm định |
Công cụ thống kê |
Giá trị thống kê / p-value |
Kết luận kỹ thuật |
| Đa cộng tuyến |
$VIF$ trung bình |
$Mean\ VIF = 2.14\ (Max = 3.82)$ |
Không có hiện tượng đa cộng tuyến ($VIF < 10$). |
| Hiệu ứng cố định |
$F\text{-test}$ ($FEM$ vs $OLS$) |
$F(26, 262) = 14.82\ (p < 0.001)$ |
Bác bỏ $H_0$, tồn tại hiệu ứng riêng biệt từng ngân hàng. |
| Hiệu ứng ngẫu nhiên |
Breusch-Pagan LM |
$\chi^2(1) = 184.21\ (p < 0.001)$ |
Bác bỏ $H_0$, mô hình REM vượt trội hơn Pooled OLS. |
| Lựa chọn mô hình |
Hausman Test |
$\chi^2(8) = 31.45\ (p = 0.0001)$ |
Bác bỏ $H_0$, mô hình FEM phù hợp hơn REM. |
| Phương sai sai số |
Modified Wald Test |
$\chi^2(27) = 1248.6\ (p < 0.0001)$ |
Vi phạm giả định đồng phương sai (Heteroskedasticity). |
| Tự tương quan |
Wooldridge Test |
$F(1, 26) = 19.34\ (p = 0.0002)$ |
Tồn tại hiện tượng tự tương quan bậc nhất chuỗi thời gian. |
| Tính hợp lệ công cụ |
Hansen J-Test |
$p\text{-value} = 0.284\ (ROA);\ 0.315\ (ROE)$ |
Không bác bỏ $H_0$, hệ thống biến công cụ hoàn toàn ngoại sinh. |
| Tự tương quan phần dư |
Arellano-Bond $AR(2)$ |
$p\text{-value} = 0.412\ (ROA);\ 0.528\ (ROE)$ |
Không có tự tương quan bậc 2, mô hình GMM đạt tính vững. |
Kết quả đạt được
Hệ thống hai phương trình hồi quy Two-Step System GMM mang lại các ước lượng thống kê có ý nghĩa cao:
| Biến độc lập |
Ký hiệu |
Mô hình 1: ROA (Hệ số $\beta$) |
Mô hình 2: ROE (Hệ số $\beta$) |
Ý nghĩa kinh tế & Thực nghiệm |
| KNSL trễ bậc 1 |
$L.\Pi$ |
$+0.245^{***}$ ($p < 0.01$) |
$+0.198^{***}$ ($p < 0.01$) |
Quán tính lợi nhuận tích cực qua các năm. |
| Tỷ lệ thanh khoản |
$LIQ$ |
$+0.018^{**}$ ($p < 0.05$) |
$+0.082^{**}$ ($p < 0.05$) |
Đệm thanh khoản tối ưu giảm thiểu chi phí tài trợ khẩn cấp. |
| Dư nợ cho vay |
$LOAN$ |
$+0.014^{**}$ ($p < 0.05$) |
$+0.095^{***}$ ($p < 0.01$) |
Hoạt động tín dụng là động lực cốt lõi tạo thu nhập lãi thuần. |
| Tỷ lệ chi phí HĐ |
$COST$ |
$-0.042^{***}$ ($p < 0.01$) |
$+0.112^{**}$ ($p < 0.05$) |
Tác động phân hóa: ăn mòn tài sản nhưng thúc đẩy đòn bẩy sinh lời vốn. |
| Tỷ lệ vốn CSH |
$CAP$ |
$-0.035^{***}$ ($p < 0.01$) |
$-0.284^{***}$ ($p < 0.01$) |
Giảm áp lực đòn bẩy tài chính làm giảm ROE (mất lá chắn thuế). |
| Quy mô ngân hàng |
$SIZE$ |
$-0.002^{*}$ ($p < 0.10$) |
$-0.011$ ($p > 0.10$) |
Tồn tại tính phi kinh tế theo quy mô (diseconomies of scale). |
| Thu nhập ngoài lãi |
$DIA$ |
$+0.089^{***}$ ($p < 0.001$) |
$+0.415^{***}$ ($p < 0.001$) |
Tác động dương mạnh nhất, đa dạng hóa nguồn thu vượt trội. |
| Tăng trưởng GDP |
$GDP$ |
$+0.001$ ($p > 0.10$) |
$+0.005$ ($p > 0.10$) |
Tác động thuận chiều nhưng chưa đạt ý nghĩa thống kê trong mẫu. |
| Tỷ lệ lạm phát |
$INF$ |
$+0.003^{**}$ ($p < 0.05$) |
$-0.012$ ($p > 0.10$) |
Ngân hàng điều chỉnh biên lãi suất phản ứng kịp thời với lạm phát. |
(Ghi chú: $^{}, ^{}, ^{}$ tương ứng mức ý nghĩa thống kê 1%, 5%, 10%).
Đổi mới và đóng góp
Nghiên cứu mang lại 4 đóng góp phương pháp luận và thực tiễn:
- Đổi mới kỹ thuật ước lượng kinh lượng: So với các nghiên cứu trước đây tại Việt Nam thường dừng lại ở mô hình FGLS hoặc Static Panel (như Hồ Thị Lam & Nguyễn Ngọc Hoàng Anh, 2022; Đặng Thị Minh Nguyệt et al., 2021), nghiên cứu áp dụng Two-Step System GMM hiệu chỉnh sai số chuẩn dạng ma trận hữu hạn Windmeijer (2005), loại bỏ hoàn toàn chệch nội sinh từ biến trễ KNSL ($ROA_{t-1}, ROE_{t-1}$).
- Khám phá tác động vượt trội của Thu nhập ngoài lãi ($DIA$): Hệ số $\beta_{DIA} = +0.415$ (trong mô hình ROE) và $+0.089$ (trong mô hình ROA) chứng minh các dịch vụ số hóa phi truyền thống (Bancassurance, FX trading, Payment services) đem lại hiệu suất sinh lời cao hơn hoạt động tín dụng truyền thống từ $300%\text{--}400%$.
- Làm rõ nghịch lý Chi phí hoạt động ($COST$) và Vốn chủ sở hữu ($CAP$): Chứng minh bằng chứng thực nghiệm về sự đánh đổi giữa mức an toàn vốn ($CAP$) và tỷ suất sinh lời vốn chủ ($ROE$), đồng thời bóc tách tác động hai chiều của chi phí hoạt động khi ngân hàng mở rộng quy mô đầu tư hạ tầng công nghệ.
- Không gian mẫu toàn diện 11 năm (2011–2021): Bao phủ trọn vẹn hai biến cố kinh tế lớn của hệ thống ngân hàng Việt Nam: giai đoạn xử lý nợ xấu/tái cấu trúc hệ thống và giai đoạn kiểm nghiệm sức chống chịu dưới khủng hoảng đại dịch COVID-19.
| Tiêu chí so sánh |
Nghiên cứu này (2023) |
Lê Đồng Duy Trung (2020) |
Hồ Thị Lam & NN Hoàng Anh (2022) |
Trujillo-Ponce (2012) |
| Thời gian khảo sát |
2011–2021 (11 năm) |
2009–2017 (9 năm) |
2010–2020 (11 năm) |
1999–2009 (11 năm) |
| Quy mô mẫu ($N$) |
27 NHTM ($N \times T = 297$) |
30 NHTM ($N \times T = 270$) |
25 NHTM niêm yết |
Các ngân hàng Tây Ban Nha |
| Phương pháp chính |
Two-Step System GMM |
System GMM 2 bước |
FGLS |
System GMM |
| Biến tác động mạnh nhất |
$DIA$ ($\beta = +0.415$) |
$NIM$ (ROA), $DIA$ (ROE) |
$SIZE$, Thanh khoản |
Vốn hóa, Tín dụng |
| Xử lý nội sinh động |
Triệt để ($AR(2)$, Hansen) |
Có kiểm định |
Không xử lý được nội sinh |
Có kiểm định |
Ứng dụng thực tế và triển khai
Dựa trên bằng chứng định lượng, lộ trình triển khai chiến lược kinh doanh cho các NHTM được cụ thể hóa theo 3 trụ cột:
- Mở rộng ngân - Tự động hóa - Duy trì tỷ lệ
hàng số quy trình (RPA) LDR chuẩn Basel
- Phát triển - Tối ưu CIR - Điều hòa đòn
Bancassurance dưới 35% bẩy tài chính
1. Chiến lược chuyển dịch cơ cấu thu nhập (Thúc đẩy $DIA$)
- Mục tiêu: Nâng tỷ trọng thu nhập ngoài lãi từ mức trung bình hiện tại 22–25% lên mức 35–40% trong tổng thu nhập hoạt động (TOI).
- Hành động: Tận dụng hạ tầng Open Banking, phát triển hệ sinh thái thanh toán không tiền mặt, đẩy mạnh phân phối bảo hiểm (Bancassurance) và dịch vụ tư vấn ngân hàng đầu tư (IB).
- Lợi ích kinh tế: Tăng $ROE$ trung bình thêm $2.5%\text{--}4.0%$ mà không gây áp lực gia tăng tài sản có rủi ro (RWA).
2. Tái cơ cấu và tối ưu hóa chi phí hoạt động ($COST$)
- Mục tiêu: Giảm tỷ lệ chi phí trên thu nhập (CIR - Cost to Income Ratio) xuống dưới ngưỡng $35%$.
- Hành động: Tự động hóa quy trình nghiệp vụ bằng RPA (Robotic Process Automation), ứng dụng AI trong thẩm định tín dụng sơ bộ nhằm cắt giảm chi phí nhân sự cơ học và chi phí vận hành mạng lưới chi nhánh truyền thống.
3. Cân bằng đệm thanh khoản và cấu trúc vốn ($LIQ$ & $CAP$)
- Mục tiêu: Duy trì tỷ lệ an toàn vốn (CAR) tối thiểu $8.0%$ theo Thông tư 41/2016/TT-NHNN (Basel II) và tiến tới Basel III.
- Hành động: Giữ tỷ lệ thanh khoản linh hoạt, tối ưu hóa danh mục trái phiếu chính phủ có tính thanh khoản cao để làm tài sản bảo đảm trên thị trường liên ngân hàng, giảm thiểu chi phí huy động vốn khẩn cấp.
Hạn chế và hướng phát triển
Dù đạt được những kết quả có giá trị thực tiễn và phương pháp luận cao, đề tài ghi nhận các giới hạn kỹ thuật:
- Dữ liệu vĩ mô và tính đặc thù ngành: Chưa đưa vào mô hình các chỉ số vi mô chuyên sâu như tỷ lệ nợ xấu ($NPL$), chi phí dự phòng rủi ro tín dụng ($LLP$), hoặc các biến số thị trường chứng khoán (chỉ số Tobin's Q, P/B) do tính bất cân xứng thông tin giữa các ngân hàng chưa niêm yết.
- Tác động phi tuyến tính và trễ dài hạn: Mô hình tuyến tính System GMM chưa đo lường được các ngưỡng giới hạn (Threshold Effect) đối với quy mô tài sản hay tỷ lệ vốn an toàn.
Hướng nghiên cứu tương lai:
- Ứng dụng mô hình bảng động dạng phi tuyến (Panel Smooth Transition Regression - PSTR) hoặc Panel Threshold Regression để xác định quy mô tối ưu của NHTM.
- Tích hợp thêm các yếu tố chuyển đổi số (chỉ số đầu tư công nghệ FinTech) và tiêu chuẩn quản trị môi trường - xã hội - quản trị (ESG) vào hàm mục tiêu KNSL.
Đối tượng hưởng lợi
Sinh viên & Chuyên viên & Lãnh đạo & Nhà nghiên
Học viên Data Analyst Cơ quan QL cứu học thuật
- Sinh viên & Học viên Cao học Tài chính - Ngân hàng: Tiếp cận bộ khung thực nghiệm chuẩn mực về quy trình kiểm định kinh lượng bảng (Panel Econometrics), nắm vững kỹ thuật lập trình Stata 17 và phương pháp khắc phục khuyết tật mô hình.
- Chuyên viên Phân tích Dữ liệu & Nghiên cứu Định lượng: Sở hữu template code
xtabond2 hoàn chỉnh, chuẩn hóa quy trình xử lý dữ liệu bảng động từ kiểm tra đa cộng tuyến đến kiểm định Hansen/Arellano-Bond.
- Ban Điều hành NHTM & Cơ quan Quản lý (NHNN): Có cơ sở dữ liệu định lượng vững chắc để hoạch định chính sách đa dạng hóa danh mục doanh thu, kiểm soát tỷ lệ an toàn vốn và điều tiết cung ứng tín dụng phù hợp với chu kỳ kinh tế vĩ mô.
- Nhà nghiên cứu Kinh tế học Ứng dụng: Tham khảo nguồn tài liệu đối chuẩn đáng tin cậy về thị trường ngân hàng Việt Nam giai đoạn 2011–2021 phục vụ các công bố khoa học quốc tế.
Câu hỏi thường gặp
1. Tại sao nghiên cứu phải dùng System GMM thay vì Pooled OLS hay Fixed Effects (FEM)?
Pooled OLS và FEM đều bị chệch nghiêm trọng khi ước lượng mô hình bảng động có chứa biến trễ KNSL ($ROA_{t-1}, ROE_{t-1}$) do vi phạm giả định ngoại sinh ($E(X_{it}\varepsilon_{it}) \neq 0$). System GMM sử dụng hệ thống phương trình sai phân và mức kết hợp với các biến công cụ trễ, giúp loại trừ triệt để hiện tượng nội sinh, đồng thời khắc phục phương sai sai số thay đổi và tự tương quan chuỗi.
2. Ý nghĩa của kiểm định Arellano-Bond AR(1), AR(2) và Hansen J-test là gì?
- $AR(1)$ có $p < 0.05$: Chấp nhận có tự tương quan bậc 1 trong sai số sai phân (điều kiện chuẩn của GMM).
- $AR(2)$ có $p > 0.05$: Bác bỏ giả thuyết có tự tương quan bậc 2, đảm bảo phần dư mô hình là nhiễu trắng.
- Hansen J-test có $p > 0.10$: Không bác bỏ giả thuyết $H_0$, chứng minh toàn bộ các biến công cụ được lựa chọn là hoàn toàn hợp lệ và ngoại sinh.
3. Tại sao tỷ lệ vốn chủ sở hữu ($CAP$) lại có tác động ngược chiều đến $ROE$?
Vốn chủ sở hữu cao đồng nghĩa với việc ngân hàng sử dụng ít đòn bẩy tài chính ($Financial\ Leverage$). Theo mô hình phân tích DuPont, $ROE = ROA \times \text{Đòn bẩy tài chính}$. Khi tỷ lệ vốn chủ sở hữu trên tổng tài sản tăng, đòn bẩy giảm và ngân hàng không tận dụng được tối đa "lá chắn thuế" từ chi phí trả lãi tiền gửi, dẫn đến chỉ số $ROE$ sụt giảm tương đối.
4. Chi phí hoạt động ($COST$) tác động ngược chiều lên $ROA$ nhưng lại cùng chiều lên $ROE$, điều này giải thích ra sao?
Về mặt tài sản ($ROA$), chi phí vận hành trực tiếp làm giảm lợi nhuận ròng sau thuế trên tổng tài sản. Tuy nhiên, về mặt vốn chủ sở hữu ($ROE$), sự gia tăng chi phí thường gắn liền với các khoản đầu tư chiến lược vào nhân sự chất lượng cao và chuyển đổi số. Các khoản đầu tư này giúp đẩy nhanh tốc độ luân chuyển vốn và khai thác đòn bẩy kinh doanh hiệu quả hơn trên mỗi đồng vốn chủ sở hữu.
5. Làm thế nào để mở rộng bộ dữ liệu này sang các năm tiếp theo?
Người dùng chỉ cần thu thập BCTC kiểm toán bổ sung của 27 NHTM theo đúng danh mục biến đã chuẩn hóa, cập nhật chỉ số CPI và GDP từ Tổng cục Thống kê/World Bank, sau đó thực thi lại file kịch bản lệnh .do trên Stata 17 mà không cần thay đổi cấu trúc mã nguồn.
Kết luận
Công trình nghiên cứu đã hoàn thành toàn diện việc lượng hóa các nhân tố chi phối khả năng sinh lời của 27 NHTM Việt Nam trong giai đoạn biến động 2011–2021. Bằng việc ứng dụng phương pháp kinh lượng hiện đại Two-Step System GMM, nghiên cứu khẳng định vững chắc rằng thu nhập ngoài lãi ($DIA$) và năng lực thanh khoản ($LIQ$) là hai đòn bẩy chiến lược quan trọng nhất thúc đẩy KNSL bền vững. Kết quả nghiên cứu cung cấp cơ sở khoa học sắc bén giúp các nhà quản trị ngân hàng định hình chiến lược đa dạng hóa doanh thu số và tối ưu hóa hiệu quả sử dụng vốn trong kỷ nguyên tài chính số.
