Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trong nền kinh tế Việt Nam, đóng vai trò trung gian tài chính dẫn vốn chủ đạo cho toàn bộ khu vực sản xuất kinh doanh khi quy mô thị trường trái phiếu doanh nghiệp và cổ phiếu vẫn đang trong giai đoạn hoàn thiện. Trên thị trường chứng khoán (TTCK) Việt Nam, nhóm cổ phiếu ngân hàng chiếm tỷ trọng vốn hóa áp đảo lên tới 29,08% tổng vốn hóa toàn thị trường và chiếm tỷ trọng lớn nhất tại Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE).

Khả năng sinh lời (KNSL) của các NHTM không chỉ phản ánh năng lực quản trị, hiệu quả phân bổ nguồn vốn và sức khỏe tài chính nội tại của từng tổ chức tín dụng (TCTD), mà còn quyết định sự ổn định an toàn hệ thống trước các cú sốc vĩ mô. Tuy nhiên, giai đoạn 2016 – 2022 chứng kiến chu kỳ biến động phức tạp: từ giai đoạn tăng trưởng ổn định (2016 – 2019), giai đoạn suy thoái do đại dịch COVID-19 với tăng trưởng GDP năm 2020 xuống 2,91% và năm 2021 xuống 2,56%, cho đến sự phục hồi đột phá đạt 8,02% vào năm 2022. Thực tế này đặt ra bài toán cấp bách về việc định lượng chính xác các động lực vi mô và vĩ mô chi phối lợi nhuận ngân hàng.

+-----------------------------------------------------------------------------------+
|                           MÔ HÌNH HỆ THỐNG KINH TẾ LƯỢNG                          |
|                                                                                   |
|  [DỮ LIỆU ĐẦU VÀO] (2016-2022)                                                    |
|  + 24 NHTM Niêm yết (HOSE, HNX, UPCOM) -> 168 Quan sát cân bằng (Balanced Panel)  |
|  + BCTC Kiểm toán, World Bank, Tổng cục Thống kê                                 |
|                                     |                                             |
|                                     v                                             |
|  [10 BIẾN ĐỘC LẬP]                                                                |
|  - Nội sinh (7): SIZE (S), CA, LDR, NIM, DIA, LPCLR, OEAR                        |
|  - Ngoại sinh (3): Cung tiền M2 (MSG), Tăng trưởng GDP (LnGDP), Lạm phát (INF)    |
|                                     |                                             |
|                                     v                                             |
|  [ĐIỀU HÀNH KINH TẾ LƯỢNG - STATA 17]                                             |
|  + Ước lượng: Pooled OLS  <-- (F-test: p=0.000) --> Fixed Effects Model (FEM)     |
|  + Lựa chọn:  FEM         <-- (Hausman: p=0.000) -> Random Effects Model (REM)    |
|  + Kiểm định khuyết tật:  Phương sai sai số thay đổi & Tự tương quan AR(1)        |
|  + Ước lượng chuẩn xác:   Feasible Generalized Least Squares (FGLS)               |
|                                     |                                             |
|                                     v                                             |
|  [KẾT QUẢ ĐẦU RA]                                                                 |
|  + Biến phụ thuộc: ROA (Mean = 1,80%, Max = 8,92%)                                |
|  + R²-within = 0,51; Xác định trọng số DIA (+73,03%), NIM, OEAR, LPCLR, M2        |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về KNSL của NHTM thông qua chỉ tiêu đại diện Tỷ suất sinh lời trên tổng tài sản (Return on Assets - ROA).
  2. Xây dựng ma trận 10 biến độc lập (gồm 7 biến đặc thù nội sinh và 3 biến kinh tế vĩ mô) tác động đến ROA của 24 NHTM niêm yết tại Việt Nam giai đoạn 2016 – 2022.
  3. Thực hiện kiểm định kinh tế lượng đa tầng trên Stata 17 để giải quyết triệt để các hiện tượng vi phạm giả định OLS cổ điển (phương sai sai số thay đổi, tự tương quan).
  4. Đề xuất hệ thống giải pháp định lượng giúp các nhà quản trị ngân hàng và cơ quan điều hành (NHNN) tối ưu hóa cấu trúc thu nhập, kiểm soát chi phí vận hành và quản trị rủi ro tín dụng.

Phương pháp tiếp cận và phạm vi nghiên cứu

Đề tài sử dụng phương pháp định lượng hồi quy dữ liệu bảng cân bằng (Balanced Panel Data) với 168 quan sát từ 24 NHTM niêm yết trên 3 sàn HOSE, HNX và UPCOM (gồm 3 ngân hàng có vốn Nhà nước: Vietcombank, VietinBank, BIDV và 21 NHTM Cổ phần) trong chuỗi thời gian 7 năm liên tục (2016 – 2022). Giới hạn nghiên cứu không bao gồm các ngân hàng thương mại 100% vốn nước ngoài hoặc các ngân hàng yếu kém đang trong diện kiểm soát đặc biệt do sự khác biệt về chuẩn mực công bố thông tin.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu KNSL ngân hàng đã được nhiều học giả quốc tế và trong nước thực hiện, tuy nhiên tồn tại những khoảng trống rõ rệt về mặt dữ liệu và xử lý khuyết tật mô hình:

Tiêu chí phân tích Nguyễn Việt Hùng (2008) Alper & Anbar (2011) Hằng Nga (2011) Nghiên cứu hiện tại (Hà Quỳnh Nga, 2024)
Quy mô mẫu 32 NHTM (2001-2005) 10 NHTM Thổ Nhĩ Kỳ (2002-2010) 6 NHTM niêm yết (2005-2010) 24 NHTM niêm yết (2016-2022)
Tổng quan sát Mẫu không cân bằng 90 quan sát 36 quan sát 168 quan sát cân bằng
Biến vĩ mô Bỏ qua yếu tố vĩ mô GDP, Lạm phát Bỏ qua yếu tố vĩ mô Cung tiền M2, GDP thực tế, Lạm phát CPI
Biến nội sinh Chi phí nhân viên, vốn huy động NIM, Quy mô, Vốn Tiền gửi, Dư nợ, Dự phòng 7 chỉ tiêu toàn diện (SIZE, CA, LDR, NIM, DIA, LPCLR, OEAR)
Xử lý khuyết tật Mô hình Tobit OLS đa biến Hồi quy OLS cổ điển FGLS trị triệt để Phương sai thay đổi & Tự tương quan

Yêu cầu nghiên cứu theo mô hình MoSCoW

  • Must have (Bắt buộc): Đo lường biến phụ thuộc ROA; xây dựng tập hợp 10 biến giải thích; chạy kiểm định Likelihood F-test và Hausman test để lựa chọn giữa Pooled OLS, Fixed Effects Model (FEM) và Random Effects Model (REM); kiểm định khuyết tật mô hình (Multicollinearity, Heteroscedasticity, Serial Correlation).
  • Should have (Nên có): Ứng dụng mô hình bình phương bé nhất tổng quát khả thi (Feasible Generalized Least Squares - FGLS) nhằm triệt tiêu hiện tượng phương sai sai số thay đổi và tự tương quan bậc 1; phân tích chuyên sâu mối tương quan giữa thu nhập ngoài lãi (DIA) và hiệu quả tài chính.
  • Could have (Có thể có): Đánh giá so sánh hiệu quả sinh lời giữa nhóm NHTM cổ phần tư nhân (Techcombank, VPBank, MBBank, VIB) và nhóm Big4 có vốn Nhà nước.
  • Won't have (Không thực hiện): Không áp dụng phương pháp GMM động cho cấu trúc trễ bậc cao trong phạm vi khóa luận cử nhân; không khảo sát các ngân hàng chưa niêm yết.

Thiết kế hệ thống mô hình kinh tế lượng

[Báo cáo tài chính 24 NHTM] + [World Bank & GSO Data]
         [Xử lý & Chuẩn hóa dữ liệu (Excel)]
          [Stata 17 - Cấu trúc Panel Data]
  [Mô hình Pooled OLS]        [Mô hình FEM / REM]
       [Kiểm định Lựa chọn Mô hình]
       - Likelihood F-Test (p = 0.0000 -> Chọn FEM)
       - Hausman Test (Chi2 = 71.00, p = 0.0000 -> Chọn FEM)
         [Kiểm định Khuyết tật FEM]
       - Kiểm định VIF (Đa cộng tuyến)
       - Kiểm định Modified Wald (Phương sai sai số thay đổi)
       - Kiểm định Wooldridge (Tự tương quan)
 [Ước lượng vững FGLS (Cross-sectional Hetero & AR(1))]
         [Kết luận & Khuyến nghị Chính sách]

Công nghệ và công cụ sử dụng

  • Stata phiên bản 17.0 (StataCorp): Nền tảng phân tích kinh tế lượng chuyên dụng để xử lý dữ liệu bảng, thực hiện các kiểm định thống kê đa biến và ước lượng mô hình FGLS (xtgls).
  • Microsoft Excel 2021: Chuẩn hóa cấu trúc ETL (Extract - Transform - Load), tính toán các chỉ số tài chính thô từ Báo cáo tài chính kiểm toán trước khi trích xuất sang định dạng .dta.
  • Nguồn dữ liệu thứ cấp: Dữ liệu vĩ mô trích xuất từ World Bank Open Data và Tổng cục Thống kê Việt Nam (GSO); dữ liệu vi mô trích xuất từ Báo cáo tài chính hợp nhất đã kiểm toán, Báo cáo thường niên của 24 NHTM và cổng thông tin tài chính Vietstock/FiinPro.

Thiết lập phương trình toán học

Phương trình hồi quy tổng quát dạng bảng đa biến:

$$\text{ROA}{it} = \beta_0 + \beta_1 \text{S}{it} + \beta_2 \text{CA}{it} + \beta_3 \text{LDR}{it} + \beta_4 \text{NIM}{it} + \beta_5 \text{DIA}{it} + \beta_6 \text{LPCLR}{it} + \beta_7 \text{OEAR}{it} + \beta_8 \text{MSG}{it} + \beta_9 \text{LnGDP}{it} + \beta_{10} \text{INF}{it} + \varepsilon{it}$$

Trong đó:

  • $i$: Đại diện cho 24 NHTM ($i = 1, 2, \dots, 24$).
  • $t$: Đại diện cho chuỗi thời gian từ năm 2016 đến 2022 ($t = 1, 2, \dots, 7$).
  • $\beta_0$: Hệ số chặn (Constant intercept).
  • $\beta_1 \dots \beta_{10}$: Các hệ số hồi quy riêng thể hiện mức độ nhạy cảm của biến phụ thuộc đối với từng biến giải thích.
  • $\varepsilon_{it}$: Sai số tổng hợp ngẫu nhiên của mô hình ($\varepsilon_{it} = u_i + v_{it}$).

Bảng định nghĩa biến và đo lường chi tiết

Ký hiệu Tên biến Công thức tính toán / Nguồn đo lường Kỳ vọng dấu
ROA Lợi nhuận trên tổng tài sản $\text{LNST} / \text{Trung bình Tổng tài sản}$ Biến phụ thuộc
S (SIZE) Quy mô tổng tài sản $\ln(\text{Tổng tài sản})$ Dương (+) / Âm (-)
CA Tỷ lệ an toàn vốn cổ đông $\text{Vốn chủ sở hữu} / \text{Tổng tài sản}$ Dương (+)
LDR Tỷ lệ dư nợ trên tiền gửi $\text{Tổng dư nợ cho vay khách hàng} / \text{Tổng tiền gửi khách hàng}$ Dương (+)
NIM Biên thu nhập lãi thuần $\text{Thu nhập lãi thuần} / \text{Tổng tài sản sinh lời}$ Dương (+)
DIA Tỷ lệ đa dạng hóa thu nhập $\text{Thu nhập ngoài lãi thuần} / \text{Tổng tài sản}$ Dương (+)
LPCLR Tỷ lệ trích lập dự phòng $\text{Chi phí dự phòng rủi ro tín dụng} / \text{Tổng dư nợ}$ Âm (-)
OEAR Tỷ lệ chi phí hoạt động $\text{Tổng chi phí hoạt động} / \text{Tổng tài sản}$ Âm (-)
MSG Tăng trưởng cung tiền M2 Tỷ lệ tăng trưởng cung tiền $M_2$ hàng năm (%) (World Bank) Âm (-)
LnGDP Tăng trưởng GDP Logarit tự nhiên của GDP thực tế hàng năm (World Bank) Dương (+)
INF Tỷ lệ lạm phát Chỉ số giá tiêu dùng CPI bình quân năm (%) (GSO) Dương (+) / Âm (-)

Implementation và kết quả

Quy trình phân tích định lượng trên Stata

Toàn bộ quy trình ước lượng và kiểm định được tự động hóa bằng Stata Script với độ chính xác cao:

* ==============================================================================
* QUY TRÌNH THỰC THI KINH TẾ LƯỢNG: PHÂN TÍCH KNSL 24 NHTM VIỆT NAM (2016-2022)
* ==============================================================================

* 1. Thiết lập không gian dữ liệu bảng
clear all
use "E:\Research_Banking\NHTM_Data_2016_2022.dta", clear
xtset bank_id year

* 2. Thống kê mô tả và phân tích ma trận tương quan Pearson
summarize ROA S CA LDR NIM DIA LPCLR OEAR M2 INF LnGDP
pwcorr ROA S CA LDR NIM DIA LPCLR OEAR M2 INF LnGDP, star(0.05) sig

* 3. Hồi quy mô hình Pooled OLS, FEM và REM
regress ROA S CA LDR NIM DIA LPCLR OEAR M2 INF LnGDP
estimates store OLS_MODEL

xtreg ROA S CA LDR NIM DIA LPCLR OEAR M2 INF LnGDP, fe
estimates store FEM_MODEL

xtreg ROA S CA LDR NIM DIA LPCLR OEAR M2 INF LnGDP, re
estimates store REM_MODEL

* 4. Kiểm định lựa chọn mô hình tối ưu
* 4.1. Likelihood Ratio Test: OLS vs FEM (Kiểm định F trong FEM)
* H0: Không có hiệu ứng cố định cá thể (OLS tối ưu)
* H1: Tồn tại hiệu ứng cố định cá thể (FEM tối ưu)
* Kết quả: Prob > F = 0.0000 -> Bác bỏ H0, chọn FEM.

* 4.2. Hausman Specification Test: FEM vs REM
hausman FEM_MODEL REM_MODEL
* Kết quả: Chi2(10) = 71.00; Prob > chi2 = 0.0000 -> Bác bỏ H0, lựa chọn FEM.

* 5. Kiểm định các khuyết tật của mô hình FEM
* 5.1. Kiểm định Đa cộng tuyến thông qua hệ số VIF
vif

* 5.2. Kiểm định Phương sai sai số thay đổi (Modified Wald Test)
xttest3

* 5.3. Kiểm định Tự tương quan chuỗi thời gian (Wooldridge Test)
xtserial ROA S CA LDR NIM DIA LPCLR OEAR M2 INF LnGDP

* 6. Khắc phục khuyết tật bằng mô hình FGLS (Cross-sectional Heteroscedasticity & AR1)
xtgls ROA S CA LDR NIM DIA LPCLR OEAR M2 INF LnGDP, panels(hetero) corr(ar1)
estimates store FGLS_FINAL

Testing và validation

Thống kê mô tả các biến trong mô hình ($N = 168$)

Biến Số quan sát Trung bình (Mean) Độ lệch chuẩn (Std. Dev.) Giá trị nhỏ nhất (Min) Giá trị lớn nhất (Max)
ROA 168 0,0180 0,0173 0,000000167 0,08920
S 168 32,9260 1,0957 30,5779 35,2905
CA 168 0,0852 0,0314 0,0406 0,1845
LDR 168 0,9267 0,1511 0,5528 1,4281
NIM 168 0,0284 0,0122 0,0062 0,0813
DIA 168 0,0035 0,0029 -0,00015 0,01457
LPCLR 168 -0,0121 0,0103 -0,05564 0,0017
OEAR 168 -0,0211 0,0021 -0,01387 -0,000151
M2 168 13,1300 3,6149 6,1500 18,3800
INF 168 1,8657 1,4995 0,0200 3,5400
LnGDP 168 15,6525 0,2529 15,3202 16,0719

Kết quả kiểm định lựa chọn mô hình và chẩn đoán khuyết tật

  • Kiểm định F (Likelihood Ratio Test): Giá trị $F(23, 134) = 12,00$ với giá trị $P\text{-value} = 0,0000 < 0,05$. Bác bỏ giả thuyết $H_0$, xác nhận mô hình FEM vượt trội hoàn toàn so với mô hình Pooled OLS.
  • Kiểm định Hausman: Thống kê $\chi^2(10) = 71,00$ với $P\text{-value} = 0,0000 < 0,05$. Bác bỏ giả thuyết $H_0$ (mô hình REM phù hợp), khẳng định mô hình tác động cố định (FEM) là mô hình chuẩn xác để giải thích dữ liệu.
  • Hệ số xác định mô hình FEM: $R^2\text{-within} = 0,5100$, chỉ ra rằng 51% sự biến thiên trong khả năng sinh lời ROA của các NHTM được giải thích bởi 10 biến độc lập được đưa vào mô hình.
  • Kiểm định đa cộng tuyến: Ma trận tương quan Pearson giữa tất cả các cặp biến độc lập đều có giá trị tuyệt đối $|r| < 0,80$. Kiểm định hệ số phóng đại phương sai (VIF) cho kết quả Mean $VIF < 5,0$, chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến nghiêm trọng.
  • Kiểm định phương sai sai số thay đổi và tự tương quan: Kết quả kiểm định Modified Wald Test ($P\text{-value} < 0,05$) và kiểm định Wooldridge ($P\text{-value} < 0,05$) xác nhận mô hình FEM gặp phải cả hai khuyết tật: phương sai sai số thay đổi và tự tương quan bậc 1. Do đó, việc chuyển đổi sang ước lượng FGLS là bắt buộc để đảm bảo các ước lượng không chệch và có phương sai nhỏ nhất (BLUE).
+-----------------------------------------------------------------------------------+
|                     KẾT QUẢ KIỂM ĐỊNH LỰA CHỌN MÔ HÌNH STATA                      |
+-----------------------------------------------------------------------------------+
| 1. Kiểm định Likelihood (OLS vs FEM):                                             |
|    F-Test Statistic = 12.0000          | Prob > F = 0.0000 (Chọn FEM)             |
|                                                                                   |
| 2. Kiểm định Hausman (FEM vs REM):                                                |
|    Chi-Square (10)  = 71.0000          | Prob > Chi2 = 0.0000 (Chọn FEM)          |
|                                                                                   |
| 3. Chẩn đoán khuyết tật mô hình FEM:                                              |
|    - Đa cộng tuyến (Pearson Correlation Matrix): Max |r| < 0.80 -> Đạt yêu cầu   |
|    - Phương sai sai số thay đổi (Modified Wald): Prob < 0.05    -> Có khuyết tật  |
|    - Tự tương quan chuỗi thời gian (Wooldridge): Prob < 0.05    -> Có khuyết tật  |
|                                                                                   |
| 4. Xử lý triệt để: Mô hình FGLS (Feasible Generalized Least Squares)             |
+-----------------------------------------------------------------------------------+

Kết quả đạt được

  1. Thu nhập ngoài lãi thuần (DIA): Có hệ số tương quan dương mạnh nhất với ROA ($r = 73,03%$). Điều này chứng minh quá trình chuyển dịch mô hình kinh doanh từ tín dụng truyền thống sang dịch vụ tài chính số, bảo hiểm (bancassurance), tư vấn phát hành và kinh doanh ngoại hối tạo ra đòn bẩy lợi nhuận biên cực lớn và bền vững cho ngân hàng.
  2. Quy mô vốn chủ sở hữu (CA): Tác động cùng chiều có ý nghĩa thống kê đến ROA. Các ngân hàng có bộ đệm vốn tự có dày dạn (CAR cao theo Basel II/III) giúp giảm chi phí huy động vốn trên thị trường liên ngân hàng, gia tăng khả năng hấp thụ rủi ro tín dụng và mở rộng đầu tư vào tài sản sinh lời.
  3. Biên thu nhập lãi thuần (NIM): Thể hiện mối quan hệ đồng biến vững chắc với ROA. Khả năng tối ưu hóa tỷ lệ tiền gửi không kỳ hạn (CASA) chi phí thấp giúp các ngân hàng duy trì biên lãi ròng cao mà không cần gia tăng lãi suất cho vay đầu ra quá mức.
  4. Chi phí hoạt động (OEAR) & Dự phòng rủi ro (LPCLR): Đều có mối tương quan nghịch với ROA. Chi phí vận hành cồng kềnh (tỷ lệ CIR cao) và gánh nặng trích lập dự phòng bao nợ xấu làm xói mòn trực tiếp lợi nhuận sau thuế của các TCTD.
  5. Yếu tố vĩ mô cung tiền ($M_2$): Hệ số tương quan nghịch đạt $-50,25%$, phản ánh thực tế khi NHNN nới lỏng chính sách tiền tệ, tốc độ tăng trưởng của tổng tài sản thường vượt nhanh hơn tốc độ tăng trưởng của lợi nhuận ròng, hoặc phản ánh sự cạnh tranh gay gắt làm giảm biên lợi nhuận danh nghĩa trong các chu kỳ bơm thanh khoản.
  6. Xếp hạng KNSL ngân hàng: Trong giai đoạn 2016 – 2022, Ngân hàng TMCP Kỹ Thương Việt Nam (Techcombank - TCB) dẫn đầu toàn hệ thống về ROA trung bình 7 năm nhờ tỷ lệ CASA dẫn đầu ngành và nguồn thu ngoài lãi đột biến. Tiếp theo là các ngân hàng có mô hình bán lẻ và ngân hàng số năng động: VPBank, MBBank và VIB. Nhóm Big4 (Vietcombank, BIDV, VietinBank) tuy có quy mô tài sản tuyệt đối lớn nhất nhưng chỉ số ROA trung bình thấp hơn nhóm ngân hàng cổ phần tư nhân top đầu do chịu ràng buộc về các nhiệm vụ điều tiết vĩ mô và hỗ trợ lãi suất.

Đổi mới và đóng góp

  • Tính toàn diện của bộ dữ liệu: Khảo sát đầy đủ 100% các NHTM niêm yết có cổ phiếu giao dịch tích cực trên cả 3 sàn HOSE, HNX và UPCOM trong 7 năm liên tục, khắc phục triệt để hạn chế cỡ mẫu nhỏ ($N < 10$) của các nghiên cứu trước đây tại Việt Nam.
  • Tính chuẩn xác trong kỹ thuật xử lý kinh tế lượng: Không dừng lại ở mô hình tĩnh Pooled OLS hay FEM/REM cơ bản mà tiến hành kiểm định chuyên sâu khuyết tật mô hình (Modified Wald, Wooldridge) và áp dụng mô hình hiệu chỉnh FGLS, đảm bảo loại bỏ 100% sai lệch ước lượng do phương sai thay đổi và tự tương quan.
  • Phát hiện động lực tăng trưởng mới: Cung cấp bằng chứng thực nghiệm rõ ràng nhất về sự áp đảo của tỷ lệ thu nhập ngoài lãi (DIA) đối với ROA ($r = 73,03%$), chứng minh tính cấp thiết của việc phi tín dụng hóa cấu trúc doanh thu ngân hàng thương mại Việt Nam.
  • So sánh trực diện hiệu quả quy mô: Chứng minh mối quan hệ phi tuyến tính giữa quy mô tổng tài sản (SIZE) và khả năng sinh lời, chỉ ra rằng quy mô lớn không đồng nghĩa với hiệu quả cao nếu không đi kèm với tối ưu hóa cơ cấu chi phí hoạt động (OEAR).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong quản trị ngân hàng

+-----------------------------------------------------------------------------------+
|                    CHIẾN LƯỢC QUẢN TRỊ TỐI ƯU HÓA ROA NGÂN HÀNG                   |
+-----------------------------------------------------------------------------------+
|                                                                                   |
|  [ĐỘNG LỰC DOANH THU] (DIA: +73.03%, NIM: Tích cực)                              |
|  * Mở rộng hệ sinh thái Ngân hàng số & Thanh toán không dùng tiền mặt (TTKSDTM)   |
|  * Đẩy mạnh Bancassurance, Quản lý tài sản (Wealth Management)                    |
|  * Gia tăng tỷ lệ CASA để giảm thiểu chi phí vốn (Cost of Funds)                  |
|                                                                                   |
|  [TỐI ƯU HÓA VẬN HÀNH] (OEAR: Nghịch biến)                                        |
|  * Ứng dụng AI/OCR trong thẩm định tín dụng tự động -> Giảm CIR xuống dưới 30%    |
|  * Tinh gọn bộ máy chi nhánh vật lý, chuyển đổi sang Digital Branch               |
|                                                                                   |
|  [QUẢN TRỊ RỦI RO] (CA: Tích cực, LPCLR: Nghịch biến)                            |
|  * Nâng cao hệ số CAR theo chuẩn mực Basel III                                    |
|  * Xây dựng mô hình cảnh báo sớm nợ xấu (Early Warning System) để giảm LPCLR      |
+-----------------------------------------------------------------------------------+
  1. Chuyển đổi cấu trúc thu nhập (Tăng trưởng DIA):
    • Đẩy mạnh thanh toán không dùng tiền mặt (TTKSDTM), thu phí dịch vụ ngân hàng số, phát triển các sản phẩm quản trị gia sản (Wealth Management), dịch vụ ngân quỹ và tư vấn bảo lãnh phát hành.
    • Mục tiêu: Nâng tỷ trọng thu nhập ngoài lãi thuần chiếm từ 25% – 35% trên tổng thu nhập hoạt động (TOI).
  2. Chiến lược tối ưu hóa biên lãi ròng (NIM) thông qua CASA:
    • Xây dựng hệ sinh thái tiện ích ngân hàng số gắn kết với đời sống người dùng (Digital Ecosystem) nhằm thu hút dòng tiền gửi không kỳ hạn (CASA) với lãi suất 0,1% – 0,5%/năm, kéo giảm chi phí vốn (Cost of Funds).
  3. Cắt giảm chi phí hoạt động (Tối ưu OEAR):
    • Ứng dụng tự động hóa quy trình nghiệp vụ bằng robot (RPA) và trí tuệ nhân tạo (AI/OCR) trong quy trình phê duyệt hồ sơ vay, giảm thiểu chi phí nhân sự và chi phí hành chính, hướng tới mục tiêu hạ tỷ lệ Chi phí trên Thu nhập (Cost-to-Income Ratio - CIR) xuống dưới ngưỡng 30% – 32%.
  4. Tăng cường năng lực quản trị rủi ro tín dụng (Kiểm soát LPCLR):
    • Áp dụng các mô hình xếp hạng tín dụng nội bộ theo chuẩn mực Basel II và Basel III để phát hiện sớm nợ xấu tiềm ẩn, giảm áp lực trích lập dự phòng rủi ro định giá lên báo cáo kết quả hoạt động kinh doanh.

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Khung thời gian nghiên cứu: Dữ liệu dừng lại ở năm 2022, chưa bao quát được các biến động vĩ mô sâu sắc của giai đoạn 2023 – 2024 (áp lực đáo hạn trái phiếu doanh nghiệp bất động sản, room tín dụng và nợ xấu gia tăng sau Thông tư 02/2023/TT-NHNN).
  • Phạm vi đối tượng: Chỉ khảo sát 24 ngân hàng đã niêm yết/đăng ký giao dịch, bỏ qua nhóm các ngân hàng thương mại quy mô nhỏ chưa đại chúng hóa hoặc các ngân hàng có vốn ngoại.
  • Kỹ thuật kinh tế lượng nâng cao: Nghiên cứu sử dụng mô hình FGLS để xử lý khuyết tật tĩnh, chưa ứng dụng mô hình GMM sai phân (Difference GMM) hay GMM hệ thống (System GMM) để kiểm soát triệt để tính nội sinh động (Dynamic Endogeneity) của biến trễ lợi nhuận ($\text{ROA}_{it-1}$).

Hướng phát triển tiếp theo

  • Mở rộng tập dữ liệu quan sát đến giai đoạn 2024 – 2026 và tích hợp thêm các biến số mới: Tỷ lệ an toàn vốn CAR theo Basel III, tỷ lệ nợ xấu gộp (bao gồm nợ tái cơ cấu), tỷ lệ bao phủ nợ xấu (LLR).
  • Ứng dụng phương pháp hồi quy GMM hai bước (Two-step System GMM) của Blundell & Bond kết hợp kiểm định Hansen/Sargan và Arellano-Bond $AR(2)$ nhằm triệt tiêu hoàn toàn tính nội sinh.
  • Ứng dụng các thuật toán học máy (Machine Learning như Random Forest, XGBoost) để dự báo KNSL và xác suất rủi ro tín dụng của các NHTM.

Đối tượng hưởng lợi

  • Sinh viên và Học viên Cao học Tài chính - Ngân hàng: Tiếp cận tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu khoa học, mã lệnh Stata 17 chi tiết và quy trình xử lý dữ liệu bảng (Panel Data) thực chiến.
  • Chuyên viên phân tích đầu tư cổ phiếu (Equity Research Analysts): Sử dụng các kết quả ước lượng để xây dựng mô hình định giá ngân hàng (P/B, P/E), phân tích độ nhạy của ROA trước các thay đổi về chính sách tiền tệ và biên lãi ròng.
  • Ban Điều hành & Hội đồng Quản trị các NHTM: Nhận diện các điểm nghẽn trong quản trị chi phí hoạt động và cơ cấu tài sản, từ đó hoạch định chiến lược kinh doanh trung và dài hạn.
  • Cơ quan quản lý Nhà nước (Ngân hàng Nhà nước & Ủy ban Chứng khoán): Cơ sở thực nghiệm để đánh giá hiệu quả của chính sách điều hành cung tiền ($M_2$), lãi suất điều hành và lộ trình áp dụng chuẩn mực an toàn vốn Basel trong hệ thống ngân hàng Việt Nam.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lựa chọn ROA làm biến phụ thuộc duy nhất mà không sử dụng ROE?

ROA phản ánh trực tiếp năng lực quản trị trong việc chuyển đổi một đơn vị tổng tài sản thành lợi nhuận ròng sau thuế mà không bị sai lệch bởi cấu trúc vốn. Trong khi đó, ROE chịu ảnh hưởng mạnh bởi hệ số đòn bẩy tài chính (Đòn bẩy = Tổng tài sản / Vốn chủ sở hữu). Một ngân hàng có ROE rất cao có thể không phải do hoạt động hiệu quả mà do sử dụng đòn bẩy quá mức, tiềm ẩn rủi ro thanh khoản nghiêm trọng.

2. Ý nghĩa của kiểm định Hausman trong mô hình hồi quy dữ liệu bảng là gì?

Kiểm định Hausman dùng để kiểm tra tính tương quan giữa các hiệu ứng riêng lẻ không quan sát được ($u_i$) với các biến giải thích ($X_{it}$). Với kết quả $P\text{-value} = 0,0000 < 0,05$, giả thuyết $H_0$ (hiệu ứng ngẫu nhiên REM không tương quan với biến giải thích) bị bác bỏ, khẳng định mô hình FEM là mô hình không chệch và phù hợp hơn.

3. Làm thế nào để khắc phục hiện tượng phương sai sai số thay đổi và tự tương quan trong Stata?

Khi mô hình FEM vi phạm hai giả định trên, ta sử dụng lệnh xtgls với các tùy chọn panels(heteroskedastic) và corr(ar1) để thực hiện ước lượng Feasible Generalized Least Squares (FGLS). Ước lượng FGLS hiệu chỉnh ma trận hiệp phương sai sai số, trả về các ước lượng vững và sai số chuẩn tin cậy.

4. Tại sao tỷ lệ thu nhập ngoài lãi (DIA) lại có tác động tích cực vượt trội lên KNSL?

Thu nhập ngoài lãi (phí dịch vụ, bảo hiểm, thanh toán số) là các khoản thu không chịu áp lực trích lập dự phòng rủi ro tín dụng trực tiếp và không phụ thuộc vào biên độ trần lãi suất huy động/cho vay. Do đó, doanh thu từ DIA mang lại biên lợi nhuận ròng cao hơn và ổn định hơn trước các chu kỳ biến động lãi suất.

5. Kết quả nghiên cứu có thể áp dụng cho các ngân hàng thương mại ngoài sàn chứng khoán không?

Về mặt nguyên lý quản trị tài chính (tối ưu CASA, cắt giảm CIR, đa dạng hóa thu nhập), các kết luận hoàn toàn có thể áp dụng. Tuy nhiên, về mặt định lượng, các ngân hàng chưa niêm yết thường có quy mô vốn nhỏ hơn, tính thanh khoản thấp hơn và chuẩn mực công bố thông tin khác biệt, nên cần hiệu chỉnh lại trọng số khi áp dụng thực tế.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Hà Quỳnh Nga đã giải quyết toàn diện bài toán định lượng các nhân tố tác động đến khả năng sinh lời của 24 NHTM niêm yết tại Việt Nam giai đoạn 2016 – 2022. Bằng việc kết hợp chặt chẽ giữa cơ sở lý thuyết tài chính hiện đại và kỹ thuật kinh tế lượng dữ liệu bảng trên Stata 17, nghiên cứu đã chứng minh vai trò quyết định của việc đa dạng hóa nguồn thu ngoài lãi (DIA), duy trì đệm vốn tự có an toàn (CA), mở rộng biên lãi ròng (NIM) song song với việc kiểm soát chặt chẽ chi phí vận hành (OEAR) và dự phòng nợ xấu (LPCLR). Đây là công trình nghiên cứu ứng dụng có giá trị học thuật cao, cung cấp luận cứ khoa học sắc bén cho các nhà quản trị ngân hàng trong kỷ nguyên chuyển đổi số và phát triển bền vững.