Các yếu tố quyết định nợ xấu tại các ngân hàng thương mại Việt Nam

Nghiên cứu các yếu tố ảnh hưởng đến nợ xấu tại ngân hàng thương mại Việt Nam. Phân tích nguyên nhân và đề xuất giải pháp kiểm soát nợ hiệu quả.

• Tác giả: Nguyễn Hồng Anh
• Người hướng dẫn: Phd. Đặng Thị Thu Hằng
• Trường học: Banking Academy Of Vietnam
• Chuyên ngành: Banking
• Đề tài: Determinants Of Non-Performing Loans In Vietnamese Commercial Banks
• Loại tài liệu: Graduation Thesis
• Năm xuất bản: 2023
• Địa điểm: Hanoi

Mục lục chi tiết

• DECLARATION
• ACKNOWLEDGEMENTS
• TABLE OF CONTENTS
• 1. CHAPTER 1: OVERVIEW OF DETERMINANTS OF COMMERCIAL BANK’S NON-PERFORMING LOANS
• 1.1. Overview of Non-Performing Loans
• 1.2. Definition of NPL
• 1.3. Classification of NPL
• 1.4. Causes of NPL
• 1.5. Impacts of NPL
• 1.6. Indicators reflecting NPL
• 1.7. Determinants of Non-Performing Loans
• 1.7.1. Bank – specific factors
• 1.8. CONCLUSION OF CHAPTER 1
• 2. CHAPTER 2: RESEARCH MODEL AND RESULTS
• 2.1. Research model selection
• 2.2. Description of variables and hypotheses
• 2.3. Research sample and data collection
• 2.4. Testing of variable selection in regression models
• 2.5. Regression analysis of panel data according to GMM method
• 2.6. CONCLUSION OF CHAPTER 2
• 3. CHAPTER 3: RECOMMENDATION TO LIMIT AND HANDLE NON-PERFORMING LOANS IN THE VIETNAMESE BANKING SYSTEM
• 3.1. Some recommendation to limit and address non-performing loans of Vietnamese commercial banks
• 3.2. Limitations of Study
• 3.3. CONCLUSION OF CHAPTER 3
• LIST OF ABBREVIATIONS
• LIST OF TABLES

Tóm tắt

I. Tổng Quan Nợ Xấu Ngân Hàng Việt Nam Định Nghĩa và Phân Loại 55 ký tự

Nợ xấu là vấn đề nhức nhối của hệ thống ngân hàng, ảnh hưởng trực tiếp đến hiệu quả hoạt động và sự ổn định tài chính. Việc hiểu rõ định nghĩa nợ xấu và phân loại nợ là bước đầu tiên để có thể quản trị rủi ro tín dụng hiệu quả. Nợ xấu không chỉ đơn thuần là các khoản nợ quá hạn, mà còn bao gồm các khoản nợ có khả năng không thu hồi được do nhiều nguyên nhân khác nhau. Theo Ngân hàng Thế giới, nợ xấu là các khoản nợ dưới chuẩn, nợ có khả năng mất vốn, và nợ nghi ngờ về khả năng trả nợ. Việc phân loại nợ giúp ngân hàng đánh giá chính xác chất lượng tài sản ngân hàng và có các biện pháp xử lý phù hợp. Các ngân hàng thương mại Việt Nam cần tuân thủ nghiêm ngặt các quy định về phân loại nợ của Ngân hàng Nhà nước để đảm bảo tính minh bạch và an toàn trong hoạt động.

1.1. Định nghĩa Nợ Xấu NPL theo chuẩn mực quốc tế

Theo Rose & Hudgins (2013), nợ xấu (NPL) là các khoản vay không còn mang lại thu nhập lãi hoặc đã được tái cơ cấu để phù hợp với tình hình tài chính của người vay. Khoản vay được coi là nợ xấu khi bất kỳ khoản thanh toán trả nợ theo lịch trình nào quá hạn hơn 90 ngày. Ngân hàng không được ghi nhận thêm thu nhập lãi cho đến khi nhận được thanh toán bằng tiền mặt. IMF (2004) định nghĩa NPL khi thanh toán lãi và/hoặc gốc quá hạn từ 90 ngày trở lên hoặc các khoản thanh toán lãi tương đương 90 ngày trở lên đã được vốn hóa, tái cấp vốn hoặc trì hoãn. Nợ xấu còn được gọi là 'nợ khó đòi' hoặc 'nợ nghi ngờ'. Các chuẩn mực quốc tế về định nghĩa NPL nhằm đảm bảo tính thống nhất và so sánh được giữa các quốc gia.

1.2. Các tiêu chí phân loại Nợ Xấu theo quy định hiện hành

Theo quy định của Ngân hàng Nhà nước Việt Nam, việc phân loại nợ được thực hiện dựa trên các tiêu chí về thời gian quá hạn và khả năng trả nợ của khách hàng. Nợ được chia thành 5 nhóm chính: Nợ đủ tiêu chuẩn, nợ cần chú ý, nợ dưới tiêu chuẩn, nợ nghi ngờ, và nợ có khả năng mất vốn. Việc phân loại nợ chính xác là cơ sở để trích lập dự phòng rủi ro, đảm bảo an toàn vốn cho ngân hàng. Các quy định về phân loại nợ thường xuyên được cập nhật để phù hợp với tình hình kinh tế và hoạt động của ngân hàng.

II. Yếu Tố Vĩ Mô Tác Động Nợ Xấu Ngân Hàng Phân Tích Chi Tiết 59 ký tự

Các yếu tố vĩ mô đóng vai trò quan trọng trong việc hình thành và gia tăng nợ xấu ngân hàng Việt Nam. Tăng trưởng kinh tế chậm lại, lạm phát gia tăng, tỷ giá hối đoái biến động, và sự suy thoái của thị trường bất động sản Việt Nam đều có thể ảnh hưởng tiêu cực đến khả năng trả nợ của doanh nghiệp và cá nhân. Theo Umar & Sun (2018), GDP tăng trưởng có tác động tiêu cực đến NPL. Các ngân hàng thương mại Việt Nam cần theo dõi sát sao các chỉ số vĩ mô để dự báo rủi ro và có các biện pháp phòng ngừa phù hợp. Chính sách tiền tệ của Ngân hàng Nhà nước cũng có ảnh hưởng lớn đến tình hình nợ xấu, đặc biệt là thông qua việc điều chỉnh lãi suất ngân hàng và cung tiền.

2.1. Ảnh hưởng của Tăng trưởng GDP và Lạm phát đến Nợ Xấu

Tăng trưởng GDP chậm lại làm giảm thu nhập của doanh nghiệp và người dân, từ đó ảnh hưởng đến khả năng trả nợ. Lạm phát gia tăng làm giảm giá trị thực của tiền, khiến cho việc trả nợ trở nên khó khăn hơn. Nhiều nghiên cứu đã chỉ ra mối quan hệ giữa tăng trưởng GDP và nợ xấu. Chẳng hạn, nghiên cứu của Louzis et al. (2013) cho thấy GDP có tác động nghịch đảo đến nợ xấu. Các yếu tố vĩ mô này cần được xem xét kỹ lưỡng trong quá trình đánh giá rủi ro tín dụng.

2.2. Tác động của Tỷ giá hối đoái và Thị trường Bất động sản

Tỷ giá hối đoái biến động mạnh có thể gây khó khăn cho các doanh nghiệp vay vốn bằng ngoại tệ. Sự suy thoái của thị trường bất động sản Việt Nam làm giảm giá trị tài sản thế chấp, khiến cho việc thu hồi nợ trở nên khó khăn hơn. Nkusu (2011) và Castro (2012) chỉ ra rằng tỷ giá hối đoái có tác động đáng kể đến nợ xấu. Các ngân hàng thương mại Việt Nam cần quản lý rủi ro tỷ giá và rủi ro bất động sản một cách chặt chẽ.

2.3. Vai trò của Chính sách tiền tệ trong kiểm soát nợ xấu

Chính sách tiền tệ, đặc biệt là điều chỉnh lãi suất và cung tiền, có tác động lớn đến nợ xấu. Lãi suất cao làm tăng chi phí vay vốn, gây áp lực lên khả năng trả nợ. Cung tiền quá nhiều có thể dẫn đến lạm phát và bong bóng tài sản, làm gia tăng rủi ro nợ xấu. Các nhà hoạch định chính sách tiền tệ cần cân nhắc kỹ lưỡng các yếu tố này để đảm bảo sự ổn định của hệ thống ngân hàng.

III. Yếu Tố Vi Mô Ảnh Hưởng Nợ Xấu Phân Tích Nội Tại Ngân Hàng 59 ký tự

Bên cạnh các yếu tố vĩ mô, các yếu tố vi mô, liên quan đến hoạt động nội tại của ngân hàng, cũng có ảnh hưởng lớn đến nợ xấu ngân hàng. Quản trị rủi ro tín dụng yếu kém, chính sách tín dụng lỏng lẻo, tăng trưởng tín dụng quá nhanh, và hiệu quả hoạt động ngân hàng thấp đều có thể làm gia tăng rủi ro nợ xấu. Vinh (2017) chỉ ra, nợ xấu làm giảm lợi nhuận và hiệu quả cho vay của ngân hàng. Do đó, các ngân hàng thương mại Việt Nam cần chú trọng nâng cao năng lực quản trị rủi ro tín dụng, xây dựng chính sách tín dụng chặt chẽ, và cải thiện hiệu quả hoạt động ngân hàng.

3.1. Tầm quan trọng của Quản trị Rủi ro Tín dụng hiệu quả

Quản trị rủi ro tín dụng là quá trình xác định, đo lường, kiểm soát, và giảm thiểu rủi ro liên quan đến hoạt động cho vay. Quản trị rủi ro tín dụng hiệu quả giúp ngân hàng đánh giá chính xác khả năng trả nợ của khách hàng, hạn chế nợ xấu phát sinh. Ngân hàng cần xây dựng các mô hình đánh giá rủi ro tín dụng phù hợp với từng loại hình khách hàng và sản phẩm cho vay.

3.2. Ảnh hưởng của Chính sách Tín dụng và Tăng trưởng Tín dụng

Chính sách tín dụng lỏng lẻo, thiếu kiểm soát có thể dẫn đến tăng trưởng tín dụng quá nhanh, vượt quá khả năng quản lý rủi ro của ngân hàng. Tăng trưởng tín dụng nóng thường đi kèm với việc nới lỏng các tiêu chuẩn cho vay, làm gia tăng rủi ro nợ xấu. Ngân hàng cần xây dựng chính sách tín dụng chặt chẽ, tuân thủ các quy định của Ngân hàng Nhà nước về tăng trưởng tín dụng.

3.3. Hiệu quả hoạt động và tác động đến nợ xấu

Khi ngân hàng quản lý chi phí hiệu quả và tạo ra nhiều doanh thu hơn từ tài sản của mình, ngân hàng có nhiều nguồn lực hơn để hấp thụ các khoản lỗ từ nợ xấu và duy trì sự ổn định. Các ngân hàng hoạt động kém hiệu quả có thể phải đối mặt với khó khăn trong việc quản lý các khoản vay, dẫn đến tỷ lệ nợ xấu cao hơn. Tăng cường đào tạo nhân viên và liên tục cải tiến quy trình nghiệp vụ là điều cần thiết.

IV. Giải Pháp Giảm Nợ Xấu tại Ngân Hàng Kinh Nghiệm Đề Xuất 57 ký tự

Việc xử lý nợ xấu là một quá trình phức tạp, đòi hỏi sự phối hợp đồng bộ giữa các ngân hàng thương mại Việt Nam, Ngân hàng Nhà nước, và các cơ quan quản lý nhà nước. Các giải pháp giảm nợ xấu bao gồm: tái cơ cấu nợ, bán nợ, phát mại tài sản thế chấp, và sử dụng vai trò của VAMC (Công ty Quản lý tài sản). Để giảm nợ xấu hiệu quả, cần có một khung pháp lý hoàn chỉnh, cơ chế xử lý nợ xấu nhanh chóng, và sự tham gia tích cực của các bên liên quan. Giải pháp giảm nợ xấu không chỉ giúp ngân hàng cải thiện chất lượng tài sản ngân hàng, mà còn góp phần ổn định hệ thống tài chính.

4.1. Vai trò của VAMC trong xử lý Nợ Xấu

VAMC (Công ty Quản lý tài sản) đóng vai trò quan trọng trong việc mua bán và xử lý nợ xấu của các ngân hàng thương mại Việt Nam. VAMC giúp ngân hàng giảm áp lực về nợ xấu, tập trung vào hoạt động kinh doanh cốt lõi. Tuy nhiên, hiệu quả hoạt động của VAMC vẫn còn nhiều hạn chế, cần có những cải tiến để phát huy tối đa vai trò trong việc xử lý nợ xấu.

4.2. Tái cơ cấu Nợ và Phát mại Tài sản thế chấp

Tái cơ cấu nợ là giải pháp giúp khách hàng có khả năng trả nợ trong tương lai. Tuy nhiên, cần đánh giá kỹ khả năng trả nợ thực tế của khách hàng để tránh tình trạng nợ tái cơ cấu trở thành nợ xấu. Phát mại tài sản thế chấp là giải pháp cuối cùng khi các biện pháp khác không hiệu quả. Cần có cơ chế phát mại tài sản thế chấp nhanh chóng, minh bạch, và hiệu quả để thu hồi nợ.

4.3. Hoàn thiện khung pháp lý về xử lý Nợ Xấu

Một khung pháp lý hoàn chỉnh, rõ ràng, và hiệu quả là điều kiện tiên quyết để xử lý nợ xấu hiệu quả. Cần có các quy định về quyền và nghĩa vụ của các bên liên quan, cơ chế giải quyết tranh chấp nhanh chóng, và các biện pháp bảo vệ quyền lợi của chủ nợ. Khung pháp lý cần được thường xuyên rà soát và sửa đổi để phù hợp với tình hình thực tế.

V. Thực Trạng Nợ Xấu Ngân Hàng Phân Tích Dữ Liệu Giai Đoạn 2008 2021 58 ký tự

Giai đoạn 2008-2021 chứng kiến nhiều biến động trong thực trạng nợ xấu ngân hàng Việt Nam, đặc biệt là ảnh hưởng của khủng hoảng tài chính toàn cầu và đại dịch COVID-19. Theo báo cáo của SBV, từ 2012-2021, hệ thống đã xử lý hơn 1.3 triệu tỷ đồng nợ xấu. Tuy nhiên, tỷ lệ nợ xấu vẫn tăng lên do tác động của đại dịch. Các ngân hàng thương mại Việt Nam cần đánh giá đúng thực trạng nợ xấu để có các biện pháp xử lý nợ xấu phù hợp. Việc phân tích dữ liệu nợ xấu trong giai đoạn này giúp chúng ta hiểu rõ hơn về các yếu tố ảnh hưởng và đưa ra các dự báo chính xác hơn.

5.1. Tác động của Khủng hoảng Tài chính và Đại dịch COVID 19

Khủng hoảng tài chính toàn cầu năm 2008 và đại dịch COVID-19 đã gây ra những tác động tiêu cực đến nền kinh tế Việt Nam, làm gia tăng rủi ro nợ xấu ngân hàng. Các doanh nghiệp gặp khó khăn trong sản xuất kinh doanh, người dân mất việc làm, dẫn đến khả năng trả nợ giảm sút. Các ngân hàng thương mại Việt Nam cần có các biện pháp hỗ trợ khách hàng vượt qua khó khăn.

5.2. Phân tích Số liệu Nợ Xấu và Dự báo Xu hướng

Phân tích số liệu nợ xấu trong giai đoạn 2008-2021 giúp chúng ta hiểu rõ hơn về các yếu tố ảnh hưởng và đưa ra các dự báo chính xác hơn. Cần phân tích tỷ lệ nợ xấu theo từng nhóm ngân hàng, theo từng ngành nghề kinh doanh, và theo từng loại hình cho vay. Dựa trên các phân tích này, có thể dự báo xu hướng nợ xấu trong tương lai và đưa ra các khuyến nghị chính sách phù hợp.

5.3. So sánh tỷ lệ nợ xấu giữa các ngân hàng Việt Nam

Các ngân hàng khác nhau có thể có tỷ lệ nợ xấu khác nhau do sự khác biệt trong chiến lược cho vay, phân khúc khách hàng và hiệu quả quản lý rủi ro. Tỷ lệ nợ xấu của ngân hàng cũng sẽ bị ảnh hưởng bởi điều kiện kinh tế và các yếu tố bên ngoài khác. Bằng cách phân tích và so sánh số liệu nợ xấu trong giai đoạn này, chúng ta có thể xác định ngân hàng nào đang hoạt động tốt hơn trong việc quản lý rủi ro tín dụng.

VI. Kết Luận và Hướng Nghiên Cứu Tiếp Theo về Nợ Xấu Ngân Hàng 60 ký tự

Nghiên cứu về nợ xấu ngân hàng Việt Nam là một lĩnh vực quan trọng và cần thiết, đặc biệt trong bối cảnh kinh tế nhiều biến động. Việc phân tích các yếu tố ảnh hưởng đến nợ xấu giúp các ngân hàng thương mại Việt Nam nâng cao năng lực quản trị rủi ro tín dụng, góp phần ổn định hệ thống tài chính. Nghiên cứu này đã đưa ra một số kết luận và đề xuất ban đầu, nhưng vẫn còn nhiều vấn đề cần được tiếp tục nghiên cứu trong tương lai, đặc biệt là các tác động của các yếu tố mới như chuyển đổi số và biến đổi khí hậu.

6.1. Tổng kết các Yếu tố chính tác động đến Nợ Xấu

Các yếu tố chính tác động đến nợ xấu bao gồm các yếu tố vĩ mô như tăng trưởng GDP, lạm phát, tỷ giá hối đoái, và thị trường bất động sản; và các yếu tố vi mô như quản trị rủi ro tín dụng, chính sách tín dụng, và hiệu quả hoạt động ngân hàng. Các yếu tố này có mối quan hệ tương tác phức tạp, cần được xem xét một cách tổng thể.

6.2. Các Hướng Nghiên cứu Mới về Nợ Xấu Ngân hàng

Các hướng nghiên cứu mới về nợ xấu ngân hàng có thể tập trung vào các tác động của chuyển đổi số đến rủi ro tín dụng, các ảnh hưởng của biến đổi khí hậu đến khả năng trả nợ của các doanh nghiệp trong các ngành nông nghiệp và du lịch, và các giải pháp sử dụng công nghệ để quản trị rủi ro tín dụng hiệu quả hơn. Cần có sự hợp tác giữa các nhà nghiên cứu, các ngân hàng, và các cơ quan quản lý để thúc đẩy các nghiên cứu này.

6.3. Ứng dụng trí tuệ nhân tạo trong quản trị nợ xấu

Việc ứng dụng trí tuệ nhân tạo có thể giúp tự động hóa các quy trình thu thập và phân tích dữ liệu để xác định các khoản vay có nguy cơ cao trở thành nợ xấu, từ đó ngân hàng có thể can thiệp kịp thời. Bên cạnh đó, ngân hàng cũng có thể cá nhân hóa các phương pháp tiếp cận khách hàng và đưa ra các giải pháp trả nợ phù hợp.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong hệ thống tài chính, các tổ chức trung gian tài chính – đặc biệt là hệ thống ngân hàng thương mại (NHTM) – giữ vai trò huyết mạch trong việc dẫn vốn từ chủ thể thặng dư sang chủ thể thâm hụt của nền kinh tế. Hoạt động cấp tín dụng đóng vai trò là nguồn tạo thu nhập và lợi nhuận chủ yếu cho các ngân hàng thương mại. Tuy nhiên, rủi ro tín dụng và nợ xấu (Non-Performing Loans - NPL) là hiện tượng phát sinh khách quan trong quá trình cấp tín dụng. Việc duy trì tỷ lệ nợ xấu ở mức an toàn là một trong những mục tiêu quản trị trọng yếu hàng đầu của các tổ chức tín dụng.

Nợ xấu không chỉ làm suy giảm lợi nhuận, gia tăng chi phí trích lập dự phòng rủi ro, gây thất thoát vốn tự có và đe dọa sự lành mạnh tài chính của ngân hàng, mà còn tác động tiêu cực đến uy tín của định chế tài chính cũng như sự an toàn của toàn bộ hệ thống tài chính quốc gia. Kể từ cuộc khủng hoảng tài chính toàn cầu năm 2008, vấn đề nợ xấu đã trở thành mối quan ngại lớn trên bình diện quốc tế.

Tại Việt Nam, giai đoạn trước năm 2017 chứng kiến tỷ lệ nợ xấu của hệ thống ngân hàng duy trì ở mức cao do dư âm khủng hoảng tài chính, suy thoái kinh tế, sự đóng băng của thị trường bất động sản và sự đình trệ sản xuất kinh doanh của khối doanh nghiệp. Theo số liệu của Ngân hàng Nhà nước Việt Nam (NHNN), từ năm 2012 đến năm 2021, toàn hệ thống các tổ chức tín dụng đã xử lý được hơn 1,3 triệu tỷ đồng nợ xấu. Mặc dù công tác tái cơ cấu hệ thống và xử lý nợ xấu đạt được nhiều kết quả quan trọng, nhưng đến cuối năm 2021, dưới tác động tiêu cực của đại dịch Covid-19 (đặc biệt là đợt bùng phát lần thứ tư với biến chủng Delta), khả năng trả nợ của doanh nghiệp và người dân bị suy giảm nghiêm trọng, khiến tỷ lệ nợ xấu nội bảng và nợ xấu tổng thể có xu hướng tăng trở lại.

Trước những biến động phức tạp của môi trường kinh tế, việc nhận diện và đo lường mức độ tác động của các nhân tố đến nợ xấu tại các NHTM Việt Nam là yêu cầu cấp thiết về cả mặt lý luận và thực tiễn.

Nhiệm vụ và câu hỏi nghiên cứu của đề tài:

• Câu hỏi nghiên cứu: Các nhân tố nào quyết định và tác động đến nợ xấu tại các ngân hàng thương mại?
• Mục tiêu nghiên cứu:
  1. Xác định các yếu tố ảnh hưởng đến nợ xấu của các ngân hàng thương mại tại Việt Nam.
  2. Đánh giá mức độ ảnh hưởng của từng nhân tố vi mô và vĩ mô đến tỷ lệ nợ xấu của các ngân hàng thương mại tại Việt Nam.
  3. Đề xuất các khuyến nghị và giải pháp nhằm hạn chế, kiểm soát và xử lý nợ xấu trong hệ thống ngân hàng thương mại Việt Nam.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Các yếu tố ảnh hưởng đến tỷ lệ nợ xấu (NPL) tại các NHTM Việt Nam.
• Phạm vi không gian: 15 ngân hàng thương mại tại Việt Nam, bao gồm 1 ngân hàng thương mại nhà nước (Agribank) và 14 ngân hàng thương mại cổ phần (Vietcombank, BIDV, Vietinbank, VPBank, Techcombank, MBBank, VIB, ACB, HDBank, Sacombank, SHB, Maritime Bank, SeABank, OCB). Khối ngân hàng này chiếm hơn 65% tổng tài sản của toàn hệ thống ngân hàng Việt Nam, đảm bảo tính đại diện cao.
• Phạm vi thời gian: Dữ liệu thứ cấp được thu thập trong khoảng thời gian 14 năm, từ năm 2008 đến năm 2021.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và khái niệm sử dụng

Đề tài tổng hợp các quan điểm học thuật quốc tế và quy định pháp lý hiện hành tại Việt Nam về nợ xấu:

• Định nghĩa nợ xấu: Theo Rose & Hudgins (2013), nợ xấu là các khoản nợ không còn phát sinh thu nhập lãi hoặc đã được cơ cấu lại, với các khoản nợ quá hạn từ 90 ngày trở lên. Theo Quỹ Tiền tệ Quốc tế (IMF, 2004) và Ủy ban Basel về Giám sát Ngân hàng (BCBS, 2006), nợ xấu được xác định dựa trên tiêu chí quá hạn thanh toán từ 90 ngày trở lên hoặc khi có bằng chứng rõ ràng về việc khách hàng mất khả năng thực hiện nghĩa vụ trả nợ đầy đủ.
• Căn cứ pháp lý tại Việt Nam: Khóa luận căn cứ vào Thông tư số 11/2021/TT-NHNN ngày 30/07/2021 của Ngân hàng Nhà nước quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng. Theo đó, nợ xấu nội bảng bao gồm các khoản nợ thuộc Nhóm 3 (Nợ dưới tiêu chuẩn), Nhóm 4 (Nợ nghi ngờ) và Nhóm 5 (Nợ có khả năng mất vốn). Giới hạn an toàn của tỷ lệ nợ xấu được đối chiếu theo Thông tư số 22/2019/TT-NHNN ngày 15/11/2019 (quy định mức nợ xấu nội bảng an toàn dưới 3%).
• Các lý thuyết nền tảng:
  • Lý thuyết "Quá lớn để sụp đổ" (Too big to fail - Boyd & Gertler, 1994; Salas & Saurina, 2002): Giải thích mối quan hệ giữa quy mô tài sản ngân hàng và hành vi chấp nhận rủi ro tín dụng.
  • Lý thuyết "Rủi ro đạo đức" (Moral hazard - Keeton, 1999; Altunbas et al.): Giải thích xu hướng đầu tư rủi ro khi tỷ lệ an toàn vốn thay đổi.
  • Giả thuyết "Quản trị kém" (Bad management) và "Cắt giảm chi phí" (Skimping hypothesis - Berger & Young, 1997): Phân tích tác động của chi phí hoạt động và hiệu quả quản lý đến việc thẩm định, giám sát chất lượng khoản vay.
  • Lý thuyết "Dịch chuyển cầu tín dụng" (Credit demand shifts - Keeton, 1999): Giải thích mối quan hệ giữa tốc độ tăng trưởng tín dụng và chu kỳ kinh tế đối với chất lượng tín dụng.

Phương pháp nghiên cứu và mô hình định lượng

Tác giả áp dụng phương pháp nghiên cứu định lượng với dữ liệu bảng động (Dynamic Panel Data):

• Mô hình nghiên cứu thực nghiệm: $$NPL_{i,t} = \alpha NPL_{i,t-1} + \beta M_t + \gamma S_{i,t} + u_{i,t} + \mathcal{E}{i,t}$$ Trong đó: $NPL{i,t}$ là tỷ lệ nợ xấu của ngân hàng $i$ tại năm $t$; $NPL_{i,t-1}$ là biến trễ của nợ xấu năm trước; $M_t$ là nhóm biến vĩ mô; $S_{i,t}$ là nhóm biến đặc thù ngân hàng; $u_{i,t}$ là các yếu tố không quan sát được; $\mathcal{E}_{i,t}$ là sai số ngẫu nhiên.
• Phương pháp ước lượng: Phương pháp hồi quy GMM hệ thống hai bước (Two-step System GMM - S.GMM). Phương pháp này giúp kiểm soát hiện tượng tự tương quan, phương sai sai số thay đổi và giải quyết triệt để vấn đề nội sinh (endogeneity) giữa biến phụ thuộc trễ cũng như các biến giải thích với tỷ lệ nợ xấu trong mô hình dữ liệu bảng động.
• Các kiểm định thống kê: Kiểm định đa cộng tuyến bằng hệ số nhân tử phóng đại phương sai (VIF); kiểm định ma trận hệ số tương quan giữa các biến; kiểm định tính ngoại sinh của các biến công cụ bằng kiểm định Hansen (Hansen test); kiểm định hiện tượng tự tương quan phần dư bằng kiểm định Arellano-Bond (AR(1) và AR(2) test).

Nguồn dữ liệu

• Dữ liệu vi mô đặc thù ngân hàng: Thu thập từ bảng cân đối kế toán, báo cáo kết quả hoạt động kinh doanh, thuyết minh báo cáo tài chính và báo cáo thường niên đã được kiểm toán của 15 NHTM Việt Nam qua kênh thông tin chính thức của ngân hàng và Vietstock giai đoạn 2008–2021 (tạo thành bộ dữ liệu bảng cân bằng gồm 210 quan sát).
• Dữ liệu kinh tế vĩ mô: Tốc độ tăng trưởng GDP, tỷ lệ lạm phát (tính theo CPI), lãi suất thực tế và tỷ giá hối đoái (USD/VND) được trích xuất từ cơ sở dữ liệu Thống kê Tài chính Quốc tế (IFS) của Quỹ Tiền tệ Quốc tế (IMF).

---

Nội dung chính theo từng chương

Chapter 1: Overview of determinants of commercial bank’s non-performing loans

Chương 1 hệ thống hóa toàn diện các vấn đề lý luận về nợ xấu và các nhân tố ảnh hưởng đến nợ xấu tại các ngân hàng thương mại:

1. Tổng quan về nợ xấu:
   • Trình bày các định nghĩa tiêu chuẩn về nợ xấu của World Bank, IMF, Basel Committee và NHNN Việt Nam.
   • Phân loại nợ xấu theo phương pháp định lượng (Nhóm 3: quá hạn 91–180 ngày; Nhóm 4: quá hạn 181–360 ngày; Nhóm 5: quá hạn trên 360 ngày và các tiêu chí cơ cấu lại nợ), phương pháp định tính, theo tài sản bảo đảm (nợ xấu có bảo đảm và không có bảo đảm) và theo nguyên tắc kế toán (nợ xấu nội bảng và nợ xấu ngoại bảng).
   • Phân tích các nguyên nhân phát sinh nợ xấu gồm: Nguyên nhân khách quan (môi trường tự nhiên, biến động kinh tế - chính trị - xã hội); Nguyên nhân chủ quan từ ngân hàng (chiến lược và khẩu vị rủi ro, hệ thống quy định nội bộ, năng lực quản trị rủi ro, trình độ và rủi ro đạo đức của cán bộ tín dụng); Nguyên nhân từ phía khách hàng vay (sử dụng vốn sai mục đích, năng lực quản trị yếu kém, thiếu thiện chí trả nợ).
   • Đánh giá tác động đa chiều của nợ xấu đến ngân hàng thương mại (thất thoát vốn, giảm khả năng thanh toán, xói mòn uy tín, nguy cơ rủi ro thanh khoản), khách hàng (bị thắt chặt điều kiện tín dụng, gánh chịu lãi suất vay cao) và nền kinh tế (ách tắc dòng vốn đầu tư, suy giảm tăng trưởng).
   • Các chỉ tiêu đo lường nợ xấu: Tổng nợ xấu tuyệt đối, Tỷ lệ nợ xấu (NPL), Tỷ lệ bao phủ nợ xấu (Dự phòng rủi ro / Nợ xấu).
2. Tổng quan các nhân tố tác động đến nợ xấu:
   • Nhóm nhân tố vĩ mô: Tăng trưởng kinh tế (GDP), Tỷ lệ lạm phát (INF), Lãi suất thực tế (IR), Tỷ giá hối đoái (EXR).
   • Nhóm nhân tố đặc thù ngân hàng: Quy mô tài sản (SIZE), Tỷ lệ an toàn vốn (CAP), Khả năng sinh lời (ROA), Đa dạng hóa thu nhập (ID), Hiệu quả chi phí (CIR), Tỷ lệ dư nợ trên vốn huy động (LDR), Dự phòng rủi ro cho vay (LLR), Tốc độ tăng trưởng tín dụng (CGR).
   • Tổng hợp ma trận các nghiên cứu thực nghiệm trong nước và quốc tế trước đây (Salas & Saurina, 2002; Louzis et al., 2012; Klein, 2013; Umar & Sun, 2018; Hue, 2015; Vinh, 2017; Duong & Huong, 2017).

Chapter 2: Research model and results

Chương 2 tập trung vào việc thiết kế mô hình thực nghiệm, mô tả dữ liệu và trình bày kết quả ước lượng kinh tế lượng:

1. Mô tả biến và giả thuyết nghiên cứu:

Nhóm biến	Tên biến	Ký hiệu	Cách đo lường	Kỳ vọng dấu
Biến phụ thuộc	Tỷ lệ nợ xấu	NPL	$\frac{\text{Tổng nợ xấu (Nhóm 3, 4, 5)}}{\text{Tổng dư nợ cho vay}} \times 100%$	-
Biến vi mô	Nợ xấu trễ năm trước	NPL_1	Tỷ lệ nợ xấu tại thời điểm $t-1$	$(+)$
	Quy mô tài sản	SIZE	$\ln(\text{Tổng tài sản})$	$(+)$
	Tỷ lệ an toàn vốn	CAP	$\frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}} \times 100%$	$(-)$
	Khả năng sinh lời	ROA	$\frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản}} \times 100%$	$(-)$
	Đa dạng hóa thu nhập	ID	$\frac{\text{Thu nhập ngoài lãi thuần}}{\text{Tổng tài sản}} \times 100%$	$(-)$
	Hiệu quả chi phí	CIR	$\frac{\text{Chi phí hoạt động}}{\text{Thu nhập hoạt động}} \times 100%$	$(-)$
	Tỷ lệ cho vay/huy động	LDR	$\frac{\text{Tổng dư nợ cho vay}}{\text{Tổng vốn huy động (tiền gửi)}} \times 100%$	$(+)$
	Dự phòng rủi ro cho vay	LLR	$\frac{\text{Dự phòng rủi ro cho vay}}{\text{Tổng dư nợ cho vay}} \times 100%$	$(+)$
	Tăng trưởng tín dụng	CGR	$\frac{\text{Dư nợ}t - \text{Dư nợ}{t-1}}{\text{Dư nợ}_{t-1}} \times 100%$	$(+)$
Biến vĩ mô	Tăng trưởng kinh tế	GDP	Tốc độ tăng trưởng GDP hàng năm (%)	$(-)$
	Tỷ lệ lạm phát	INF	Tỷ lệ thay đổi CPI bình quân năm (%)	$(+)$
	Lãi suất thực	IR	Lãi suất thực tế bình quân năm (%)	$(+)$
	Tỷ giá hối đoái	EXR	$\ln(\text{Tỷ giá USD/VND})$	$(+)$
	Đại dịch Covid-19	COVID	Biến giả: Giai đoạn 2020–2021 nhận giá trị 1; các năm khác nhận giá trị 0	$(+)$

2. Thống kê mô tả và kiểm định dữ liệu:
   • Bộ dữ liệu 210 quan sát từ 15 ngân hàng cho thấy tỷ lệ nợ xấu bình quân đạt 2.0179% tổng dư nợ; tỷ lệ dư nợ cho vay trên tổng vốn huy động (LDR) đạt mức trung bình 65.6126%; tỷ suất sinh lời trên tài sản (ROA) có sự phân hóa đáng kể với biên độ tối đa đạt 0.58%.
   • Kiểm định đa cộng tuyến: Giá trị VIF trung bình của mô hình Pooled OLS là 2.44, không có biến nào có VIF vượt quá 10. Tuy nhiên, ma trận tương quan cho thấy biến GDP có hệ số tương quan với biến giả COVID vượt ngưỡng 0.8; do đó, để ngăn ngừa hiện tượng đa cộng tuyến nghiêm trọng, biến GDP đã được loại khỏi mô hình hồi quy chính thức.
3. Kết quả hồi quy GMM hệ thống hai bước:
   • Kiểm định Arellano-Bond đối với sai số bậc 2 (AR(2)) và kiểm định Hansen về biến công cụ đều đạt yêu cầu thống kê (không vi phạm hiện tượng tự tương quan bậc 2, biến công cụ là ngoại sinh và hợp lệ).

Chapter 3: Recommendation to limit and handle non-performing loans in the Vietnamese banking system

Chương 3 tổng kết các phát hiện thực nghiệm và luận bàn sâu về các cơ chế tác động:

• Phân tích vai trò trụ cột của quy mô ngân hàng trong việc thiết lập hệ thống kiểm soát rủi ro hiện đại và tuân thủ các quy định giám sát nghiêm ngặt từ NHNN.
• Thảo luận cơ chế phân tán rủi ro thông qua mở rộng nguồn thu dịch vụ phi tín dụng (ID) và kiểm soát chi phí hoạt động (CIR) để tăng nguồn lực cho công tác thẩm định và thu hồi nợ.
• Đánh giá sự phản ứng của hệ thống ngân hàng qua việc chủ động trích lập dự phòng rủi ro và tăng cường vốn tự có khi nợ xấu có dấu hiệu biến động.
• Nêu rõ các hạn chế nghiên cứu và định hướng bổ sung cho các công trình tiếp theo.

---

Kết quả và đóng góp

Bảng tổng hợp kết quả ước lượng thực nghiệm (GMM 2-step)

Biến số	Tác động thực nghiệm	Mức ý nghĩa thống kê	Hệ số ước lượng (Coeff.)	Đánh giá so với giả thuyết
NPL_1	Dương $(+)$	Có ý nghĩa ở mức 1%	Dương	Đồng thuận với giả thuyết H1
SIZE	Âm $(-)$	Có ý nghĩa ở mức 5%	-0.8189	Trái với giả thuyết H2 ban đầu
CAP	Dương $(+)$	Có ý nghĩa ở mức 5%	+0.1684	Trái với giả thuyết H3 ban đầu
ROA	Âm $(-)$	Không có ý nghĩa thống kê	Âm	Không đủ bằng chứng kết luận
ID	Âm $(-)$	Có ý nghĩa ở mức 10%	-1.1648	Đồng thuận với giả thuyết H5
CIR	Âm $(-)$	Có ý nghĩa ở mức 5%	-0.0585	Đồng thuận với giả thuyết H6
LDR	Dương $(+)$	Không có ý nghĩa thống kê	Dương	Không đủ bằng chứng kết luận
LLR	Dương $(+)$	Có ý nghĩa ở mức 1%	+0.8727	Đồng thuận với giả thuyết H8
CGR	Âm $(-)$	Có ý nghĩa ở mức 10%	-0.0351	Trái với giả thuyết H9 ban đầu
INF	Dương $(+)$	Có ý nghĩa ở mức 1%	Dương	Đồng thuận với giả thuyết H11
IR	Không xác định	Không có ý nghĩa thống kê	-	Không tìm thấy bằng chứng
EXR	Dương $(+)$	Có ý nghĩa thống kê	Dương	Đồng thuận với giả thuyết H13
COVID	Âm $(-)$	Có ý nghĩa ở mức 10%	Âm	Trái với kỳ vọng ban đầu

Phân tích chi tiết các kết quả đạt được

• Nợ xấu kỳ trước (NPL_1): Có mối tương quan dương có ý nghĩa ở mức 1%, khẳng định tính quán tính của rủi ro tín dụng. Nợ xấu không thể xử lý dứt điểm trong ngắn hạn mà có xu hướng tích tụ sang các năm kế tiếp.
• Quy mô ngân hàng (SIZE): Khi quy mô tài sản tăng thêm 1 đơn vị, tỷ lệ nợ xấu giảm 0.8189 đơn vị (ở mức ý nghĩa 5%). Các ngân hàng quy mô lớn có hệ thống quản trị rủi ro hiện đại hơn và chịu sự giám sát chặt chẽ từ Ngân hàng Nhà nước.
• Tỷ lệ an toàn vốn (CAP): Tác động dương ở mức ý nghĩa 5% (hệ số +0.1684). Các ngân hàng có tiềm lực vốn lớn có xu hướng nới lỏng khẩu vị rủi ro hoặc chủ động tăng quy mô vốn để đối phó với nợ xấu gia tăng (như trường hợp VPBank trong giai đoạn nghiên cứu).
• Đa dạng hóa thu nhập (ID) và Hiệu quả chi phí (CIR): Tăng thu nhập phi tín dụng giúp giảm tỷ lệ nợ xấu 1.1648 đơn vị (ý nghĩa 10%), chứng minh hiệu quả của việc giảm phụ thuộc vào tín dụng truyền thống. Tỷ lệ chi phí hoạt động trên thu nhập (CIR) có tương quan âm (-0.0585 ở mức 5%), phản ánh việc đầu tư chi phí cho quy trình quản trị, thẩm định và giám sát tín dụng giúp giảm thiểu nợ xấu (phù hợp với giả thuyết Skimping).
• Dự phòng rủi ro cho vay (LLR): Tác động cùng chiều mạnh mẽ (hệ số +0.8727 ở mức ý nghĩa 1%), phản ánh việc các NHTM tăng cường trích lập dự phòng theo quy định an toàn của NHNN khi nhận thấy rủi ro nợ xấu gia tăng.
• Tăng trưởng tín dụng (CGR): Có tương quan âm ở mức ý nghĩa 10% (hệ số -0.0351), giải thích theo lý thuyết của Keeton (1999) rằng trong các chu kỳ mở rộng tín dụng gắn liền với tăng trưởng thu nhập, khả năng trả nợ của khách hàng tốt hơn và các ngân hàng đồng thời thắt chặt chuẩn thẩm định.
• Nhân tố vĩ mô và Đại dịch Covid-19: Lạm phát (INF, bình quân 6.84%, đỉnh điểm 23%) và tỷ giá hối đoái (EXR) làm gia tăng tỷ lệ nợ xấu do bào mòn năng lực tài chính và tăng gánh nặng trả nợ ngoại tệ. Ngược lại, biến giả COVID có hệ số âm (ở mức ý nghĩa 10%), xuất phát từ chính sách cơ cấu lại thời hạn trả nợ, miễn giảm lãi phí và giữ nguyên nhóm nợ theo chỉ đạo kịp thời của Ngân hàng Nhà nước.

Đóng góp của đề tài

1. Đánh giá bức tranh toàn diện về các nhân tố tác động đến nợ xấu tại 15 NHTM lớn của Việt Nam trong chuỗi thời gian dài 14 năm (2008–2021), bao quát cả giai đoạn hậu khủng hoảng tài chính toàn cầu và đại dịch Covid-19.
2. Ứng dụng kỹ thuật ước lượng kinh tế lượng 2-step System GMM trên dữ liệu bảng động để xử lý triệt để hiện tượng nội sinh và tính không quan sát được của các ngân hàng.
3. Bổ sung kiểm chứng thực nghiệm về tác động của đại dịch Covid-19 và chính sách điều hành cơ cấu nợ của cơ quan quản lý tiền tệ đối với tỷ lệ nợ xấu nội bảng.

---

Hạn chế và hướng nghiên cứu tiếp

Khóa luận tự chỉ ra các hạn chế nghiên cứu cụ thể sau:

1. Dữ liệu vi mô về khách hàng và tài sản bảo đảm: Nghiên cứu chưa tiếp cận và khai thác được dữ liệu chi tiết về đặc điểm khách hàng vay (như cơ cấu ngành nghề, năng lực tài chính nội tại của từng phân khúc doanh nghiệp) và chất lượng định giá, tính thanh khoản của tài sản bảo đảm do hạn chế về tính bảo mật và mức độ công khai thông tin.
2. Mẫu khảo sát: Nghiên cứu tập trung vào 15 NHTM lớn đại diện cho hơn 65% tài sản toàn hệ thống, chưa bao phủ toàn bộ các NHTM cổ phần quy mô nhỏ, ngân hàng liên doanh hoặc chi nhánh ngân hàng nước ngoài tại Việt Nam.
3. Biến số mô hình: Biến tăng trưởng kinh tế (GDP) phải loại bỏ khỏi mô hình hồi quy chính do hiện tượng đa cộng tuyến với biến giả đại dịch Covid-19.
4. Tần suất dữ liệu: Công trình mới chỉ sử dụng dữ liệu thống kê theo tần suất năm (annual data), chưa phân tích theo dữ liệu quý để phản ánh các biến động ngắn hạn.

---

Giá trị tham khảo

• Đối tượng thụ hưởng:
  • Sinh viên, học viên cao học chuyên ngành Tài chính - Ngân hàng, Kinh tế học ứng dụng, Quản trị rủi ro tài chính.
  • Cán bộ phân tích rủi ro, chuyên viên thẩm định tín dụng tại các ngân hàng thương mại và các nhà hoạch định chính sách tiền tệ.
• Các phần nội dung nổi bật phục vụ trích dẫn:
  • Bảng tổng hợp các nghiên cứu thực nghiệm trong nước và quốc tế (Literature Review Matrix) về các nhân tố vi mô, vĩ mô tác động đến nợ xấu.
  • Khung phương pháp luận hồi quy dữ liệu bảng động bằng mô hình Two-step System GMM trên phần mềm Stata 14.0 kèm các kiểm định Hansen, Arellano-Bond AR(1), AR(2).
  • Hệ thống công thức tính toán các chỉ số tài chính ngân hàng chuẩn hóa theo quy định của Ngân hàng Nhà nước Việt Nam.

---

Câu hỏi thường gặp

1. Khóa luận sử dụng cỡ mẫu và phương pháp ước lượng định lượng nào?
Khóa luận sử dụng mẫu nghiên cứu gồm 15 ngân hàng thương mại tại Việt Nam (1 NHTM Nhà nước và 14 NHTM cổ phần) chiếm hơn 65% tổng tài sản toàn hệ thống, thu thập trong 14 năm (2008–2021) tạo thành bộ dữ liệu bảng cân bằng với 210 quan sát. Phương pháp ước lượng chính là hồi quy GMM hệ thống hai bước (Two-step System GMM) trên phần mềm Stata 14.0.

2. Tại sao biến tăng trưởng GDP bị loại bỏ khỏi phương trình hồi quy chính thức?
Trong quá trình kiểm tra ma trận tương quan giữa các biến giải thích độc lập, hệ số tương quan giữa tốc độ tăng trưởng GDP và biến giả đại dịch Covid-19 vượt quá ngưỡng 0.8. Do đó, để loại trừ nguy cơ đa cộng tuyến nghiêm trọng ảnh hưởng đến độ tin cậy của các hệ số hồi quy, biến GDP đã được tác giả loại khỏi mô hình ước lượng cuối cùng.

3. Những yếu tố đặc thù ngân hàng nào có tác động làm giảm tỷ lệ nợ xấu trong kết quả nghiên cứu?
Kết quả thực nghiệm xác định 4 biến đặc thù ngân hàng có tương quan nghịch (-) có ý nghĩa thống kê với tỷ lệ nợ xấu: Quy mô tài sản (SIZE, hệ số -0.8189, mức ý nghĩa 5%), Đa dạng hóa thu nhập ngoài lãi (ID, hệ số -1.1648, mức ý nghĩa 10%), Tỷ lệ chi phí hoạt động trên thu nhập (CIR, hệ số -0.0585, mức ý nghĩa 5%) và Tốc độ tăng trưởng dư nợ tín dụng (CGR, hệ số -0.0351, mức ý nghĩa 10%).

4. Biến giả đại dịch Covid-19 có tác động như thế nào đến tỷ lệ nợ xấu và tác giả giải thích kết quả này ra sao?
Biến giả COVID tác động âm (-) đến tỷ lệ nợ xấu ở mức ý nghĩa thống kê 10%, trái ngược với kỳ vọng ban đầu. Tác giả giải thích hiện tượng này là nhờ các chính sách can thiệp kịp thời của Ngân hàng Nhà nước Việt Nam (cho phép các tổ chức tín dụng cơ cấu lại thời hạn trả nợ, miễn giảm lãi, giữ nguyên nhóm nợ đối với khách hàng chịu ảnh hưởng bởi dịch), giúp tỷ lệ nợ xấu nội bảng ghi nhận trong 2 năm 2020–2021 không bị tăng đột biến.

5. Mối quan hệ giữa Tỷ lệ an toàn vốn (CAP), Dự phòng rủi ro (LLR) với nợ xấu được ghi nhận như thế nào?
Cả hai biến CAP và LLR đều có tương quan dương (+) có ý nghĩa thống kê với tỷ lệ nợ xấu (mức ý nghĩa lần lượt là 5% và 1%). Kết quả phản ánh các ngân hàng có vốn tự có dồi dào có thể có khẩu vị rủi ro cao hơn, đồng thời các ngân hàng chủ động nâng cao tỷ lệ vốn và đẩy mạnh trích lập quỹ dự phòng rủi ro để củng cố bộ đệm an toàn trước sự gia tăng của các khoản nợ xấu.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Hồng Anh đã nghiên cứu và định lượng thành công các nhân tố vi mô và vĩ mô tác động đến tỷ lệ nợ xấu tại 15 NHTM Việt Nam giai đoạn 2008–2021 thông qua mô hình hồi quy Two-step System GMM. Kết quả thực nghiệm khẳng định vai trò kiểm soát nợ xấu của quy mô tài sản, năng lực đa dạng hóa thu nhập, hiệu quả quản trị chi phí và tốc độ tăng trưởng tín dụng hợp lý, đồng thời làm rõ ảnh hưởng từ nợ xấu trễ, tỷ lệ an toàn vốn, dự phòng rủi ro, lạm phát và tỷ giá. Công trình cung cấp hệ thống luận cứ thực nghiệm có giá trị khoa học cho công tác quản trị rủi ro tín dụng tại các ngân hàng thương mại cũng như công tác hoạch định chính sách thanh tra, giám sát an toàn hệ thống của Ngân hàng Nhà nước Việt Nam.

Trích đoạn nội dung tài liệu

BANKING ACADEMY OF VIETNAM BANKING FACULTY ---------- GRADUATION THESIS Topic: DETERMINANTS OF NON-PERFORMING LOANS IN VIETNAMESE COMMERCIAL BANKS Student : Nguyen Hong Anh Class : K22CLA Course : 2019 – 2023 Student ID : 22A4010922 Supervisor : PhD Dang Thi Thu Hang Hanoi, May 23rd, 2023 BANKING ACADEMY OF VIETNAM BANKING FACULTY ---------- GRADUATION THESIS Topic: DETERMINANTS OF NON-PERFORMING LOANS IN VIETNAMESE COMMERCIAL BANKS Student : Nguyen Hong Anh Class : K22CLA Course : 2019 – 2023 Student ID : 22A4010922 Supervisor : PhD Dang Thi Thu Hang Hanoi, May 23rd, 2023 DECLARATION I, Nguyen Hong Anh, declare that this Graduation Thesis titled “DETERMINANTS OF NON-PERFORMING LOANS IN VIETNAMESE COMMERCIAL BANKS” is my original work. It is the culmination of my independent research and academic endeavors conducted under the guidance and supervision of PhD Dang Thi Thu Hang. I affirm that the content of this thesis is the result of my own research, analysis, and interpretation, unless otherwise cited and referenced. Any sources of information, data, or ideas used in this thesis are duly acknowledged and cited in the appropriate manner following the prescribed referencing style.

Hanoi, May 23rd, 2023 Nguyen Hong Anh ACKNOWLEDGEMENTS First and foremost, I am sincerely grateful to my supervisor, PhD Dang Thi Thu Hang, for her invaluable guidance, expertise, and unwavering support throughout the entire research process. Her insightful feedback and encouragement have been instrumental in shaping this thesis and enhancing its quality. I would also like to extend my heartfelt thanks to the lecturers of Banking Faculty of Banking Academy who have contributed to my academic growth through their knowledge-sharing, mentorship, and dedication to teaching. Their passion for education and commitment to excellence have played a significant role in shaping my intellectual development.

I am deeply grateful to my family for their constant love, encouragement, and belief in my abilities. Their support and understanding have been a constant source of motivation during the challenging moments of this thesis journey. Furthermore, I would like to acknowledge my friends and classmates for their companionship, stimulating discussions, and the collaborative learning environment we have shared. Their friendship and support have made this academic endeavor more enjoyable and fulfilling.

Last but not least, I am grateful for the opportunity to undertake this research and for the support and guidance provided to me along the way. This thesis would not have been possible without the collective efforts of those mentioned above. Thank you all for your invaluable contributions. Hanoi, May 23rd, 2023 Nguyen Hong Anh TABLE OF CONTENTS LIST OF ABBREVIATIONS.

ii LIST OF TABLES. Urgency of the topic. Subjects and Scope of the Research. The structure of the study.

8 Chapter 1: OVERVIEW OF DETERMINANTS OF COMMERCIAL BANK’S NON-PERFORMING LOANS. Overview of Non-Performing Loans. Definition of NPL. Classification of NPL.

Causes of NPL. Impacts of NPL. Indicators reflecting NPL. Determinants of Non-Performing Loans.

Bank – specific factors. 18 CONCLUSION OF CHAPTER 1. 23 Chapter 2: RESEARCH MODEL AND RESULTS. Research model selection.

Description of variables and hypotheses. Research sample and data collection. Testing of variable selection in regression models. Regression analysis of panel data according to GMM method 35 CONCLUSION OF CHAPTER 2.

41 Chapter 3: RECOMMENDATION TO LIMIT AND HANDLE NON- PERFORMING LOANS IN THE VIETNAMESE BANKING SYSTEM 42 3. Some recommendation to limit and address non-performing loans of Vietnamese commercial banks. Limitations of Study. 45 CONCLUSION OF CHAPTER 3.

xx LIST OF ABBREVIATIONS Abbreviation Full meaning BS Balance Sheet CAR Capital Adequacy Ratio FEM Fixed Effects Model FS Financial Statement GDP Gross Domestic Product GMM Generalized Method of Moments IS Income Statement NPL Non-performing loan OLS Ordinary Least Squares REM Random Effects Model ROA Return on Assets ROE Return on Equity S.GMM System Generalized Method of Moments SBV State Bank of Vietnam VNese Vietnamese ii LIST OF TABLES Table 1.1: Description of variables used in the thesis’s model .2: Descriptive statistics of variables in the research .5: GMM estimation results on determinants of NPLs in VNese banks. Urgency of the topic Financial intermediaries, particularly commercial banks, play a key role in the economy both at a national and global level. They are a channel of funds from surplus to deficit. Lending is the most prominent profit-making activity for commercial banks.

However, non-performing loans exist objectively in credit activities, and keeping NPLs at a safe level is one of commercial banks’ most crucial targets. NPLs not only can reduce banks’ earnings and cause losses, which weighs on their soundness, but they also exert adverse impacts on the development of economy and society. Besides that, NPLs negatively affect banks’ reputation and national financial system. Therefore, the management of NPLs is regarded as a vital activity for banks to figure out causes, estimate losses, and then propose efficient solutions to manage and tackle NPLs with the aim of minimizing losses as the consequence of NPLs.

Since 2008, the year of beginning of the world financial crisis, the issue of non-performing loans has been a major concern for financial institutions worldwide as the NPL ratio has increased significantly. In Vietnam, in the period before 2017, due to the impact of the financial crisis, the global economic recession, the freezing of the real estate market and difficulties in production and business activities of people and businesses, the ratio of NPLs at banks and credit institutions was extremely high. The banking industry had made strides in restructuring credit institutions, and especially significantly reducing the NPL ratio of the whole industry. According to the report of the SBV, from 2012 to 2021, the whole system of credit institutions had handled more than 1.3 million billion VND of NPLs (on-BS and gross NPL ratios decreased from 2.

Nevertheless, by the end of 2021, the on-BS NPL ratio was 1.21% rise from the previous year and total NPL ratio saw a significant rise of 2.15% in 2020 and roughly the same as at the end of 2017 with 7. NPL ratio of the whole banking industry rose remarkably due to the outbreak of coronavirus in the first few weeks of 2020, which kept going with complex transformations. And especially the 4th wave with 1 the Delta mutation in 2021 had profoundly affected the entire economy, causing heavy losses to production and business activities of enterprises, and people's lives. It had a serious impact on the solvency of enterprises and borrowers.

Although the restructuring of NPLs during the Covid-19 pandemic had achieved encouraging results, there are still difficulties and obstacles in the process of handling NPLs. Currently, facing the challenges and opportunities of the economy in the new period, how to control and deal with NPLs is a central issue of the banking system to create a stable financial foundation for banks, thereby the identification and analysis of various factors that contribute to the occurrence of NPLs becomes an important and urgent task. Based on the important awareness about theory and practice as above, I decided to choose the topic “Determinants of Non-Performing Loans in Vietnamese Commercial Banks” for my graduation thesis. I expect to propose some ideas to improve the NPL ratio of commercial banks in the period 2008-2021 for the coming time from the research results.

Literature Review The concept of non-performing bank loans (NPLs) first appeared in Europe towards the end of the 18th century and the beginning of the 19th century. During this period, the system of traditional commercial banks in Europe flourished. These banks were also known as intermediary banks due to their primary roles as credit and payment intermediaries. With the evolution of the global banking industry, the concept of NPLs was refined and became a standard academic concept.

It is even included in the Cambridge dictionary under the term “bad debt.” Numerous studies throughout the globe have addressed NPLs and their causes. (1) Using the one-step system GMM estimation method, Umar & Sun (2018) investigate macroeconomic and banking industry-specific factors affecting NPLs for 197 Chinese banks between 2005 and 2014. The research employs three distinct models to examine the determinants. While the first and second models only consider macro or micro variables as regression factors, the third model includes both.

The findings suggest that GDP growth, bank risk-taking behavior, bank leverage, and loan loss reserves 2 have a negative effect on NPLs. Additionally, a higher effective interest rate, inflation rate, foreign exchange rate, lower ownership concentration, and bank type all contribute to an increase in NPLs. NPL variation cannot be explained by bank spread, public debt to GDP ratio, cost efficiency, diversification, profitability, or credit growth. Unlisted banks have a greater impact on the overall sample's findings than listed banks.

(2) Khan et al. (2020) investigate the causes of NPLs in commercial banks in Pakistan from 2005 to 2017. The study analyzes specific banking factors, including profitability (measured by ROA), bank capital, income diversification and operating efficiency, using FEM and REM. The results reveal that ROA and operating efficiency have a significant negative effect on NPLs, whereas the effects of other variables are insignificant.

This finding is different from that of Umar & Sun (2018). (3) Kartikasary et al. (2020) examine the influence of microeconomic and macroeconomic variables on NPLs in 43 companies listed on the Indonesia Stock Exchange between 2014 and 2017. Bank-specific factors include Bank Capital, Loans to Deposits, ROA, ROE, and NPL from the prior year, while macroeconomic factors include GDP, inflation rate, unemployment rate, and government budget deficit or surplus.

Using OLS regression, this study demonstrates that the previous NPL and loan-to-deposit ratio have a significant positive effect on the NPLs of Indonesian banks. Conversely, ROE negatively affects NPLs. However, macroeconomic variables have no effect on NPLs on the individual level. (4) Mohamed et al.

(2021) investigate the macro factors affecting NPLs in the Malaysian banking industry in the period 2015 – 2019. Utilizing secondary monthly data and OLS method, researchers discover a significant and negative correlation between unemployment and NPLs. By contrast, inflation significantly possesses a positive effect on NPLs. In the meantime, there is no statistically significant and positive correlation between the interest rate and NPLs in Malaysia.

3 In recent years, in Vietnam, there are also a lot of investigations on contributing factors of NPLs as below: (5) Hue (2015) conducts research on specific data of Vietnamese commercial banks. The objective of this study is to identify the factors that contribute to NPLs in the banking system of Vietnam. The study utilizes OLS estimation and panel data obtained from 20 commercial banks spanning the years 2009 to 2012. The findings indicate that the four bank-level factors, namely NPLs in the previous year, total assets, loans' growth rate, and the Dummy variable, are all positively associated with NPLs.

(6) Using data from 34 commercial banks in Vietnam between 2005 and 2015, Vinh (2017) examines the influence of NPLs on bank profitability and lending behavior. The empirical findings, which make use of dynamic panel data approaches and System GMM estimation, depict that NPLs hurt bank profitability and lending behavior. Because of this, profitability and lending operations are diminished as asset quality declines. When there are more loans that are not making money, banks are less motivated to offer competitive rates and terms.

Another finding is that larger capitalization correlates with increased profitability and loan growth for banks. (7) Duong & Huong (2017) explore the factors driving credit risks at Vietnamese commercial banks by applying the one-step GMM to the unbalanced panel data of 20 banks from 2006 to 2014. The study assesses the dependent variable, namely NPLs. The author's findings conclude that credit risks are extremely inertial for bank-specific determinants, in which bank size and market share have an adverse influence on credit risks.

Besides, rapid growth of credit, inefficient capital utilization, and inadequate credit management result in potential credit risks in the future. Regarding macroeconomic factors, there is a correlation among economic cycles (GDP growth) and credit risk.