Các Nhân Tố Ảnh Hưởng Đến Rủi Ro Tín Dụng Của Các Ngân Hàng Thương Mại Cổ Phần Tại Việt Nam

Tài liệu nghiên cứu Các yếu tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại cổ phần tại việt nam 2022, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu

• Tác giả: Thiều Thị Diệu Hiền
• Người hướng dẫn: PGS. Đặng Văn Dân
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Phân Tích Các Yếu Tố Ảnh Hưởng Đến Rủi Ro Tín Dụng Của Ngân Hàng Thương Mại Cổ Phần Tại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Đặt vấn đề và tính cấp thiết của đề tài
• 1.2. Tổng quan một số nghiên cứu thực nghiệm về các thanh khoản và các nhân tố ảnh hƣởng đến thanh khoản của ngân hàng thƣơng mại
• 1.2.1. Những nghiên cứu thực nghiệm ở một số nƣớc trên thế giới
• 1.2.2. Một số nghiên cứu tại Việt Nam
• 1.3. Mục tiêu nghiên cứu
• 1.3.1. Mục tiêu tổng quát
• 1.3.2. Mục tiêu cụ thể
• 1.4. Câu hỏi nghiên cứu
• 1.5. Đối tƣợng và phạm vi nghiên cứu
• 1.5.1. Đối tƣợng nghiên cứu
• 1.5.2. Phạm vi nghiên cứu
• 1.6. Phƣơng pháp nghiên cứu
• 1.7. Nội dung nghiên cứu
• 1.8. Đóng góp của đề tài
• 1.9. Kết cấu khoá luận
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Tổng quan về rủi ro tín dụng ngân hàng
• 2.1.1. Khái niệm về rủi ro tín dụng ngân hàng
• 2.1.2. Đánh giá thực trạng tín dụng của hệ thống NHTM tại Việt Nam
• 2.1.3. Nguyên nhân dẫn đến rủi ro tín dụng
• 2.1.4. Tác động của rủi ro tín dụng
• 2.2. Chỉ tiêu đo lƣờng rủi ro tín dụng
• 2.2.1. Nợ quá hạn
• 2.3. Dự phòng rủi ro tín dụng
• 2.4. Các yếu tố tác động đến rủi ro tín dụng
• 2.4.1. Quy mô ngân hàng (SIZE)
• 2.4.2. Tăng trƣởng tín dụng (LGR)
• 2.4.3. Tăng trƣởng GDP (GDP)
• 2.4.4. Tỷ lệ lạm phát
• 2.4.5. Tỷ lệ thất nghiệp (UNE)
• 2.4.6. Hiệu quả kinh doanh của ngân hàng (ROE)
• 2.5. Đánh giá các tài liệu nghiên cứu và giả thiết nghiên cứu
• 2.5.1. Các nghiên cứu trong nƣớc
• 2.5.2. Các nghiên cứu nƣớc ngoài
• 3. CHƯƠNG 3: MÔ HÌNH VÀ PHƢƠNG NGHIÊN CỨU
• 3.1. Đề xuất mô hình nghiên cứu về các yếu tố ảnh hƣởng đến rủi ro tín dụng của các Ngân hàng Thƣơng Mại Việt Nam
• 3.2. Dữ liệu nghiên cứu
• 3.3. Phƣơng pháp nghiên cứu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Thống kê mô tả các biến
• 4.2. Kiểm định mô hình và kết quả hồi quy
• 4.2.1. Kiểm định tự tƣơng quan
• 4.2.2. Phân tích đa cộng tuyến
• 4.2.3. Ước lƣợng mô hình hồi quy bình phƣơng nhỏ nhất POOLED OLS
• 4.2.4. Kiểm định phƣơng sai thay đổi
• 4.2.5. Mô hình hồi quy với các tác động cố định (FEM) và tác động ngẫu nhiên (REM)
• 4.2.6. Kiểm định Hausman để lựa chọn giữa mô hình FEM và REM
• 4.2.7. Kiểm định lựa chọn giữa mô hình OLS và REM
• 4.2.8. Kiểm định phƣơng sai sai số thay đổi cho mô hình REM
• 4.2.9. Kiểm định tự tƣơng quan cho mô hình REM
• 4.2.10. Ước lƣợng mô hình với phƣơng pháp bình phƣơng nhỏ nhất tổng quát (GLS)
• 4.3. Bảng tổng hợp kết quả hồi quy
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
• 5.1. Thảo luận kết quả nghiên cứu
• 5.1.1. Yếu tố quy mô ngân hàng
• 5.1.2. Yếu tố tăng/giảm dƣ nợ tín dụng
• 5.1.3. Yếu tố tăng trƣởng GDP
• 5.1.4. Yếu tố tỷ lệ thất nghiệp
• 5.2. Hạn chế và hƣớng nghiên cứu tiếp theo
• 5.2.1. Hạn chế của nghiên cứu
• 5.2.2. Hƣớng nghiên cứu tiếp theo
• DANH MỤC HÌNH
• DANH MỤC BẢNG

Tóm tắt

I. Tổng Quan Rủi Ro Tín Dụng Ngân Hàng TMCP Tại VN 55 ký tự

Trong nền kinh tế, ngân hàng đóng vai trò trung gian luân chuyển vốn, kích thích tăng trưởng. Nâng cao chất lượng hoạt động, hạn chế rủi ro là yếu tố then chốt. Nguồn thu chủ yếu của ngân hàng đến từ hoạt động tín dụng, ảnh hưởng lớn đến kết quả kinh doanh. Tuy nhiên, đại dịch Covid-19 đã làm gia tăng nợ xấu, đòi hỏi việc xác định và đo lường rủi ro tín dụng để giảm thiểu tổn thất. Đề tài này hướng đến phân tích và đề xuất giải pháp giúp ngân hàng hạn chế rủi ro tín dụng, góp phần vào sự ổn định của hệ thống tài chính. Các nghiên cứu trước đây về rủi ro tín dụng tại Việt Nam còn hạn chế, đặc biệt trong bối cảnh kinh tế vĩ mô nhiều biến động. Nghiên cứu này sẽ góp phần lấp đầy khoảng trống này, cung cấp thông tin hữu ích cho các nhà quản lý ngân hàng và nhà hoạch định chính sách.

1.1. Tầm Quan Trọng của Quản Lý Rủi Ro Tín Dụng Hiệu Quả

Quản lý rủi ro tín dụng hiệu quả là yếu tố sống còn đối với sự phát triển bền vững của các ngân hàng TMCP tại Việt Nam. Hoạt động tín dụng mang lại nguồn thu lớn nhưng cũng tiềm ẩn nhiều rủi ro, đặc biệt trong bối cảnh kinh tế vĩ mô biến động và cạnh tranh ngày càng gay gắt. Việc nhận diện, đo lường và kiểm soát rủi ro tín dụng giúp ngân hàng bảo vệ vốn, duy trì lợi nhuận và đảm bảo an toàn hệ thống. "Hoạt động huy động vốn và tín dụng là hai hoạt động đem lại nguồn thu chủ yếu cho ngân hàng. Tại Việt Nam. Đặc biệt , hoạt động tín dụng, nó góp phần rất lớn vào lợi nhuận của ngân hàng."

1.2. Bối Cảnh Kinh Tế Vĩ Mô và Ảnh Hưởng Đến Rủi Ro Tín Dụng

Bối cảnh kinh tế vĩ mô, bao gồm tăng trưởng GDP, lạm phát và tỷ lệ thất nghiệp, có ảnh hưởng đáng kể đến rủi ro tín dụng của ngân hàng. Suy thoái kinh tế có thể dẫn đến gia tăng nợ xấu do doanh nghiệp và cá nhân gặp khó khăn trong việc trả nợ. Lạm phát cao có thể làm giảm sức mua và khả năng trả nợ của người vay. Tỷ lệ thất nghiệp gia tăng cũng ảnh hưởng tiêu cực đến khả năng trả nợ của các khoản vay tiêu dùng và bất động sản. Các ngân hàng cần theo dõi sát sao các chỉ số kinh tế vĩ mô để đánh giá và quản lý rủi ro tín dụng một cách hiệu quả. "Khi các yếu tố tác động tăng thì rủi ro tín dụng cũng sẽ tăng theo tuỳ vào hệ số của các biến."

II. Thách Thức Đo Lường Rủi Ro Tín Dụng Ngân Hàng 58 ký tự

Việc đo lường rủi ro tín dụng là một thách thức lớn đối với các ngân hàng TMCP. Có nhiều yếu tố ảnh hưởng đến rủi ro tín dụng, bao gồm cả yếu tố bên trong ngân hàng (ví dụ: quy trình thẩm định tín dụng, chính sách quản lý rủi ro) và yếu tố bên ngoài (ví dụ: tình hình kinh tế vĩ mô, biến động thị trường). Việc thu thập và phân tích dữ liệu để đánh giá rủi ro tín dụng đòi hỏi nguồn lực lớn và trình độ chuyên môn cao. Các mô hình đo lường rủi ro tín dụng cần được xây dựng và điều chỉnh liên tục để phản ánh sự thay đổi của môi trường kinh doanh. Hơn nữa, khả năng dự báo chính xác cũng là một vấn đề nan giải. "Việc sức cạnh trang ngày càng tăng, làm cho các ngân hàng phải đối mặt với nhiều rủi ro khi cố gắng nâng cao lợi nhuận."

2.1. Khó Khăn Trong Thu Thập và Phân Tích Dữ Liệu Tín Dụng

Thu thập và phân tích dữ liệu tín dụng là một quá trình phức tạp và tốn kém. Dữ liệu cần thu thập bao gồm thông tin về khách hàng vay vốn, tình hình tài chính của doanh nghiệp, tài sản đảm bảo và các yếu tố kinh tế vĩ mô. Việc phân tích dữ liệu đòi hỏi sử dụng các công cụ và kỹ thuật thống kê tiên tiến để đánh giá khả năng trả nợ của khách hàng và dự báo rủi ro tín dụng. Một số ngân hàng còn gặp khó khăn trong việc tiếp cận dữ liệu chất lượng cao và đáng tin cậy, ảnh hưởng đến độ chính xác của việc đo lường rủi ro. "Bài nghiên cứu này đã nghiên cứu về các yếu tố tác động đến rủi ro tín dụng của ngân hàng và chiều hƣớng tác động của từng yếu tố."

2.2. Tính Phức Tạp của Các Mô Hình Đo Lường Rủi Ro Tín Dụng

Các mô hình đo lường rủi ro tín dụng ngày càng trở nên phức tạp do sự phát triển của thị trường tài chính và sự gia tăng của các sản phẩm tín dụng mới. Các mô hình này cần phải xem xét nhiều yếu tố khác nhau và phải được điều chỉnh liên tục để phản ánh sự thay đổi của môi trường kinh doanh. Việc xây dựng và duy trì các mô hình đo lường rủi ro tín dụng hiệu quả đòi hỏi ngân hàng phải đầu tư vào công nghệ và nguồn nhân lực có trình độ cao. "The objective of the study is to identify and measure the impact of these factors on the credit risk of joint stock commercial banks."

III. Cách Xác Định Các Yếu Tố Ảnh Hưởng Rủi Ro Tín Dụng 59 ký tự

Để xác định các yếu tố ảnh hưởng đến rủi ro tín dụng, cần kết hợp phân tích định tính và định lượng. Phân tích định tính tập trung vào đánh giá chất lượng quản lý rủi ro, quy trình thẩm định tín dụng và chính sách cho vay của ngân hàng. Phân tích định lượng sử dụng các mô hình thống kê để đo lường tác động của các yếu tố kinh tế vĩ mô và các chỉ số tài chính đến rủi ro tín dụng. Các yếu tố cần xem xét bao gồm quy mô ngân hàng, tăng trưởng tín dụng, GDP, lạm phát và tỷ lệ thất nghiệp. Kết quả phân tích giúp ngân hàng hiểu rõ hơn về các yếu tố rủi ro và đưa ra các biện pháp phòng ngừa hiệu quả. "Sau khi thực hiện hồi quy mô hình và kiểm tra các khuyết tật của mô hình, bài nghiên cứu đã chỉ ra rằng, yếu tố rủi ro tín dụng bị tác động bởi yếu tố quy mô ngân hàng, tỷ lệ tăng trƣởng GDP theo chiều âm."

3.1. Phân Tích Định Tính về Quy Trình Thẩm Định Tín Dụng

Phân tích định tính về quy trình thẩm định tín dụng là rất quan trọng để đánh giá chất lượng của các khoản vay. Quy trình thẩm định tín dụng cần phải được thực hiện một cách kỹ lưỡng và khách quan, dựa trên các tiêu chí rõ ràng và minh bạch. Các ngân hàng cần đảm bảo rằng quy trình thẩm định tín dụng của mình tuân thủ các quy định của pháp luật và các chuẩn mực quốc tế. Quy trình này bao gồm đánh giá khả năng trả nợ của khách hàng, phân tích rủi ro ngành và rủi ro dự án. "Bài nghiên cứu này đã nghiên cứu về các yếu tố tác động đến rủi ro tín dụng của ngân hàng và chiều hƣớng tác động của từng yếu tố."

3.2. Sử Dụng Mô Hình Hồi Quy để Phân Tích Định Lượng Rủi Ro

Các mô hình hồi quy là công cụ hữu ích để phân tích định lượng tác động của các yếu tố kinh tế vĩ mô và các chỉ số tài chính đến rủi ro tín dụng. Mô hình hồi quy cho phép các nhà phân tích xác định được các yếu tố nào có ảnh hưởng đáng kể đến rủi ro tín dụng và mức độ ảnh hưởng của chúng. Các kết quả phân tích hồi quy có thể được sử dụng để dự báo rủi ro tín dụng trong tương lai và để đánh giá hiệu quả của các biện pháp quản lý rủi ro. "The author used the data of 23 joint stock commercial banks in Vietnam in the period from 2012 to 2021 to regress the model."

3.3. Phân tích các yếu tố vĩ mô GDP lạm phát thất nghiệp

Phân tích các yếu tố vĩ mô (GDP, lạm phát, thất nghiệp) là yếu tố quan trọng trong việc đánh giá rủi ro tín dụng. GDP tăng trưởng mạnh mẽ có thể cải thiện khả năng trả nợ của các doanh nghiệp và cá nhân, trong khi suy thoái kinh tế có thể dẫn đến gia tăng nợ xấu. Lạm phát cao có thể làm giảm sức mua và khả năng trả nợ của người vay, trong khi tỷ lệ thất nghiệp gia tăng có thể ảnh hưởng tiêu cực đến khả năng trả nợ của các khoản vay tiêu dùng và bất động sản. Các ngân hàng cần theo dõi sát sao các chỉ số kinh tế vĩ mô để đánh giá và quản lý rủi ro tín dụng một cách hiệu quả.

IV. Ứng Dụng Nghiên Cứu Kiểm Soát Rủi Ro Tín Dụng 57 ký tự

Nghiên cứu về các yếu tố ảnh hưởng đến rủi ro tín dụng có thể được ứng dụng vào việc xây dựng các chính sách và quy trình quản lý rủi ro hiệu quả. Ngân hàng có thể sử dụng kết quả nghiên cứu để cải thiện quy trình thẩm định tín dụng, đánh giá rủi ro khách hàng và dự báo nợ xấu. Ngoài ra, kết quả nghiên cứu cũng có thể được sử dụng để xây dựng các kịch bản stress test và đánh giá khả năng chịu đựng của ngân hàng trước các cú sốc kinh tế. Điều quan trọng là phải thường xuyên xem xét và cập nhật các chính sách và quy trình quản lý rủi ro để đảm bảo chúng phù hợp với môi trường kinh doanh. "Từ kết quả thu đƣợc, tác giả đã đƣa ra một vài khuyến nghị nhằm giảm thiểu những rủi ro tín dụng sẽ xảy ra đối với ngân hàng."

4.1. Cải Thiện Quy Trình Thẩm Định Tín Dụng Dựa Trên Dữ Liệu

Việc cải thiện quy trình thẩm định tín dụng dựa trên dữ liệu là rất quan trọng để giảm thiểu rủi ro. Các ngân hàng có thể sử dụng dữ liệu lịch sử để đánh giá khả năng trả nợ của khách hàng và để xác định các yếu tố có liên quan đến nợ xấu. Ngoài ra, các ngân hàng cũng có thể sử dụng các công cụ phân tích dữ liệu tiên tiến để phát hiện các dấu hiệu cảnh báo sớm về rủi ro tín dụng. Điều quan trọng là phải xây dựng một hệ thống quản lý dữ liệu hiệu quả và đảm bảo rằng dữ liệu được sử dụng để đưa ra các quyết định tín dụng chính xác. "Từ kết quả thu đƣợc, tác giả đã đƣa ra một vài khuyến nghị nhằm giảm thiểu những rủi ro tín dụng sẽ xảy ra đối với ngân hàng."

4.2. Xây Dựng Kịch Bản Stress Test Để Đánh Giá Khả Năng Chịu Đựng

Xây dựng các kịch bản stress test là một công cụ quan trọng để đánh giá khả năng chịu đựng của ngân hàng trước các cú sốc kinh tế. Các kịch bản stress test nên bao gồm các tình huống giả định về suy thoái kinh tế, lạm phát cao, tăng lãi suất và các cú sốc thị trường khác. Các ngân hàng cần phải xây dựng các kịch bản stress test phù hợp với đặc điểm kinh doanh và môi trường hoạt động của mình. Kết quả stress test sẽ giúp ngân hàng xác định được các điểm yếu trong quản lý rủi ro và đưa ra các biện pháp khắc phục kịp thời. "Từ kết quả thu đƣợc, tác giả đã đƣa ra một vài khuyến nghị nhằm giảm thiểu những rủi ro tín dụng sẽ xảy ra đối với ngân hàng."

V. Kết Luận Triển Vọng Nghiên Cứu Rủi Ro Tín Dụng 55 ký tự

Nghiên cứu về các yếu tố ảnh hưởng đến rủi ro tín dụng của ngân hàng TMCP tại Việt Nam là một lĩnh vực quan trọng và cần thiết. Kết quả nghiên cứu có thể được sử dụng để cải thiện quy trình quản lý rủi ro, đánh giá rủi ro khách hàng và dự báo nợ xấu. Trong tương lai, cần có thêm nhiều nghiên cứu về các yếu tố mới nổi, chẳng hạn như tác động của công nghệ tài chính (Fintech) và biến đổi khí hậu đến rủi ro tín dụng. Đồng thời, cần phát triển các mô hình đo lường rủi ro tín dụng tiên tiến hơn để đáp ứng yêu cầu ngày càng cao của thị trường. "Việc thực hiện đề tài này là rất cần thiết để góp phần phân tích và đƣa ra những cách giải quyết giúp ngân hàng hạn chế những rủi ro tín dụng sẽ gặp phải."

5.1. Hướng Nghiên Cứu Mở Rộng Tác Động Của Fintech Đến Rủi Ro

Fintech đang thay đổi cách thức hoạt động của ngành ngân hàng và tạo ra những cơ hội và thách thức mới trong quản lý rủi ro tín dụng. Các công ty Fintech có thể cung cấp các giải pháp cho vay nhanh chóng và tiện lợi hơn, nhưng cũng có thể tạo ra rủi ro do thiếu thông tin và quy trình thẩm định tín dụng chặt chẽ. Các ngân hàng cần phải theo dõi sát sao sự phát triển của Fintech và đánh giá tác động của nó đến rủi ro tín dụng. Cần có thêm nhiều nghiên cứu về tác động của Fintech đến rủi ro tín dụng để giúp các ngân hàng đưa ra các quyết định quản lý rủi ro phù hợp. "Việc thực hiện đề tài này là rất cần thiết để góp phần phân tích và đƣa ra những cách giải quyết giúp ngân hàng hạn chế những rủi ro tín dụng sẽ gặp phải."

5.2. Đề Xuất Giải Pháp Nâng Cao Hiệu Quả Quản Lý Rủi Ro Tín Dụng

Để nâng cao hiệu quả quản lý rủi ro tín dụng, các ngân hàng cần phải đầu tư vào công nghệ và nguồn nhân lực có trình độ cao. Các ngân hàng cũng cần phải xây dựng các quy trình quản lý rủi ro chặt chẽ và tuân thủ các quy định của pháp luật. Ngoài ra, các ngân hàng cần phải tăng cường hợp tác với các cơ quan quản lý nhà nước và các tổ chức tài chính khác để chia sẻ thông tin và kinh nghiệm về quản lý rủi ro. Điều quan trọng là phải xây dựng một văn hóa rủi ro lành mạnh trong ngân hàng và khuyến khích nhân viên tham gia vào quá trình quản lý rủi ro. "Việc thực hiện đề tài này là rất cần thiết để góp phần phân tích và đƣa ra những cách giải quyết giúp ngân hàng hạn chế những rủi ro tín dụng sẽ gặp phải."

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng là kênh tạo ra nguồn thu nhập chủ lực, chiếm từ 70% đến 85% tổng thu nhập hoạt động của các Ngân hàng Thương mại Cổ phần (NHTMCP) tại Việt Nam. Tuy nhiên, tín dụng cũng là mảng hoạt động tiềm ẩn rủi ro lớn nhất, đe dọa trực tiếp đến tính thanh khoản, an toàn vốn và sự tồn vong của hệ thống ngân hàng. Giai đoạn 2012–2021 chứng kiến nhiều bước ngoặt trong hệ thống tài chính Việt Nam: quá trình tái cơ cấu xử lý nợ xấu theo Nghị quyết số 24/2016/QH14, áp dụng tiêu chuẩn an toàn vốn Basel II theo Thông tư 41/2016/TT-NHNN, và biến động kinh tế do đại dịch Covid-19 khiến tỷ lệ nợ xấu nội bảng có xu hướng tăng từ 1.70% (2020) lên 1.90% (2021).

Thực trạng trên đặt ra bài toán cấp bách: làm thế nào để định lượng và kiểm soát chính xác các yếu tố vi mô nội tại của ngân hàng cũng như các biến số kinh tế vĩ mô tác động đến rủi ro tín dụng (RRTD).

Mục tiêu cụ thể của công trình nghiên cứu:

1. Xác định và đo lường các nhân tố nội tại (quy mô ngân hàng, tốc độ tăng trưởng tín dụng, hiệu quả hoạt động ROE) và các nhân tố kinh tế vĩ mô (tăng trưởng GDP, tỷ lệ lạm phát, tỷ lệ thất nghiệp) tác động đến rủi ro tín dụng.
2. Kiểm định mức độ và chiều hướng tác động của từng nhân tố trên tập dữ liệu bảng (Panel Data) gồm 23 NHTMCP Việt Nam trong giai đoạn 10 năm (2012–2021).
3. Xây dựng và đề xuất hệ thống khuyến nghị, giải pháp thực nghiệm giúp ban lãnh đạo các ngân hàng kiểm soát tỷ lệ trích lập dự phòng và giảm thiểu rủi ro nợ xấu.

Giải pháp nghiên cứu được xây dựng trên phương pháp kinh tế lượng định lượng với dữ liệu bảng, ứng dụng tuần tự các mô hình Hồi quy Bình phương Nhỏ nhất Gộp (Pooled OLS), Mô hình Tác động Cố định (Fixed Effects Model - FEM), Mô hình Tác động Ngẫu nhiên (Random Effects Model - REM) và khắc phục khuyết tật mô hình bằng Phương pháp Bình phương Nhỏ nhất Tổng quát (Generalized Least Squares - GLS).

Phạm vi nghiên cứu tập trung vào 23 NHTMCP hoạt động liên tục tại Việt Nam từ năm 2012 đến năm 2021 với tổng số 230 quan sát, dựa trên báo cáo tài chính đã kiểm toán và số liệu vĩ mô chính thức từ Ngân hàng Nhà nước (NHNN) cùng Tổng cục Thống kê (GSO).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước đây, việc quản trị rủi ro tín dụng tại các NHTMCP thường phụ thuộc nhiều vào các chỉ tiêu định tính, thẩm định hồ sơ theo phương pháp truyền thống hoặc sử dụng mô hình hồi quy tuyến tính cổ điển trên dữ liệu chéo (Cross-sectional Data). Các phương pháp này bộc lộ nhiều hạn chế khi không kiểm soát được đặc tính riêng biệt của từng ngân hàng theo thời gian.

Phương pháp	Ưu điểm	Nhược điểm	Tính ứng dụng thực tế
Thẩm định thủ công / Chấm điểm CAMELS	Trực quan, linh hoạt theo từng hồ sơ vay	Mang tính chủ quan, thiếu khả năng dự báo hệ thống vĩ mô	Cấp chi nhánh, thẩm định đơn lẻ
Hồi quy OLS Cắt ngang (Cross-sectional OLS)	Đơn giản, dễ tính toán trên mẫu đơn lẻ	Bỏ qua yếu tố chuỗi thời gian, dễ sai lệch do bỏ sót biến	Phân tích nhanh tại một thời điểm
Mô hình Dữ liệu Bảng GLS (Nghiên cứu áp dụng)	Kiểm soát dị biệt cá thể, triệt tiêu phương sai thay đổi và tự tương quan	Đòi hỏi dữ liệu chuẩn hóa, kỹ thuật kinh tế lượng phức tạp	Quản trị rủi ro cấp hệ thống, hoạch định chiến lược

Yêu cầu phân tích theo khung MoSCoW:

• Must-have: Đo lường chính xác các biến then chốt: Tỷ lệ Dự phòng Rủi ro Tín dụng (CR), Quy mô tài sản (SIZE), Tăng trưởng GDP (GDP), Tỷ lệ thất nghiệp (UNE).
• Should-have: Phân tích tác động của Tỷ suất sinh lời trên vốn chủ sở hữu (ROE) và Tăng trưởng tín dụng (LGR).
• Could-have: Kiểm soát ảnh hưởng của Tỷ lệ lạm phát (INF).
• Won't-have: Mô hình hóa các rủi ro phi tài chính và biến cố sự kiện bất khả kháng ngoài chu kỳ thống kê.

Thiết kế hệ thống

Mô hình nghiên cứu kinh tế lượng được thiết kế chuẩn mực nhằm định lượng tác động của 6 biến độc lập đến 1 biến phụ thuộc đại diện cho rủi ro tín dụng:

$$CR_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 LGR_{it} + \beta_3 GDP_t + \beta_4 INF_t + \beta_5 UNE_t + \beta_6 ROE_{it} + \epsilon_{it}$$

Trong đó:

• $i$: Đại diện cho ngân hàng thương mại thứ $i$ ($i = 1, 2, \dots, 23$).
• $t$: Đại diện cho năm quan sát ($t = 2012, 2013, \dots, 2021$).
• $\beta_0$: Hệ số chặn (Constant).
• $\beta_1, \beta_2, \dots, \beta_6$: Hệ số hồi quy của các biến giải thích.
• $\epsilon_{it}$: Sai số ngẫu nhiên của mô hình.

+-------------------------------------------------------------------------+
|                        BIẾN PHỤ THUỘC (DEPENDENT)                       |
|  CR: Tỷ lệ trích lập dự phòng RRTD / Tổng dư nợ cho vay                 |
+-------------------------------------------------------------------------+
                                    ^
                                    | (Mô hình Hồi quy GLS)
     +------------------------------+------------------------------+
     |                                                             |
+----+----------------------------+   +----------------------------+----+
|      BIẾN NỘI TẠI NGÂN HÀNG     |   |     BIẾN KINH TẾ VĨ MÔ      |
| SIZE : Logarithm Tổng tài sản   |   | GDP : Tốc độ tăng trưởng GDP|
| LGR  : Tỷ lệ tăng trưởng tín dụng|   | INF : Tỷ lệ lạm phát (CPI)  |
| ROE  : Tỷ suất sinh lời VCSH    |   | UNE : Tỷ lệ thất nghiệp     |
+---------------------------------+   +-----------------------------+

Bộ công cụ và môi trường xử lý:

• Phần mềm phân tích: Stata phiên bản 16.0 / 17.0 MP.
• Cơ sở dữ liệu: 230 quan sát cấu trúc Balanced Panel Data.
• Kiểm tra tính nhất quán: Bộ lọc dữ liệu chuẩn hóa, loại bỏ ngoại lai bằng phương pháp phân vị 1% - 99%.

Methodology

Quy trình thực nghiệm được triển khai theo quy trình 5 giai đoạn:

[Thu thập & Chuẩn hóa BCTC] 
[Thống kê mô tả & Ma trận tương quan Pearson] 
[Kiểm định Đa cộng tuyến (VIF)] 
[Ước lượng OLS -> FEM -> REM & Kiểm định Hausman / Breusch-Pagan] 
[Kiểm định Khuyết tật: Phương sai sai số thay đổi & Tự tương quan] 
[Hồi quy Hiệu chỉnh GLS (Generalized Least Squares)]

---

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được hiện thực hóa thông qua các câu lệnh chuẩn trên môi trường Stata:

* Thiết lập cấu trúc dữ liệu bảng
xtset bank_id year

* 1. Thống kê mô tả các biến
summarize CR SIZE LGR GDP INF UNE ROE

* 2. Kiểm tra tương quan và đa cộng tuyến
correlate CR SIZE LGR GDP INF UNE ROE
regress CR SIZE LGR GDP INF UNE ROE
vif

* 3. Hồi quy POOLED OLS, FEM và REM
regress CR SIZE LGR GDP INF UNE ROE
estimates store pooled_ols

xtreg CR SIZE LGR GDP INF UNE ROE, fe
estimates store fem_model

xtreg CR SIZE LGR GDP INF UNE ROE, re
estimates store rem_model

* 4. Kiểm định lựa chọn mô hình
hausman fem_model rem_model
xttest0

* 5. Kiểm định khuyết tật mô hình (Phương sai thay đổi và Tự tương quan)
xttest3
xtserial CR SIZE LGR GDP INF UNE ROE

* 6. Ước lượng mô hình GLS khắc phục khuyết tật
xtgls CR SIZE LGR GDP INF UNE ROE, panels(heteroskedastic) corr(ar1)

Testing và validation

1. Thống kê mô tả dữ liệu mẫu (N = 230)

Tên biến	Ký hiệu	Giá trị trung bình (Mean)	Độ lệch chuẩn (Std. Dev.)	Giá trị nhỏ nhất (Min)	Giá trị lớn nhất (Max)
Rủi ro tín dụng	CR	0.0141835 (1.42%)	0.0054812	0.0033 (0.33%)	0.0291 (2.91%)
Quy mô ngân hàng	SIZE	8.100694	0.582410	6.487700	9.251500
Tăng trưởng tín dụng	LGR	0.2049796 (20.50%)	0.118945	-0.065400	0.812400
Tăng trưởng GDP	GDP	0.0648104 (6.48%)	0.015842	0.025800 (2.58%)	0.070800 (7.08%)
Tỷ lệ lạm phát	INF	0.0391009 (3.91%)	0.018931	0.006300 (0.63%)	0.068100 (6.81%)
Tỷ lệ thất nghiệp	UNE	0.0185969 (1.86%)	0.003715	0.012500 (1.25%)	0.024200 (2.42%)
Tỷ suất sinh lời ROE	ROE	0.1040552 (10.41%)	0.075051	-0.124500	0.321400

2. Kiểm định Đa cộng tuyến (Variance Inflation Factor - VIF)

Kết quả kiểm định đa cộng tuyến cho thấy mô hình hoàn toàn không vi phạm giả thiết đa cộng tuyến:

Biến số	Chỉ số VIF	1/VIF (Tolerance)
UNE	3.91	0.2557
GDP	3.29	0.3039
INF	1.84	0.5434
SIZE	1.35	0.7407
ROE	1.18	0.8474
LGR	1.05	0.9523
VIF Trung bình	1.91	-

[!NOTE] Chỉ số VIF trung bình đạt 1.91 (nhỏ hơn rất nhiều so với ngưỡng cảnh báo 5 và ngưỡng vi phạm nghiêm trọng 10), xác nhận các biến độc lập không có hiện tượng đa cộng tuyến gây lệch lạc ước lượng.

3. Kiểm định lựa chọn mô hình và khuyết tật

• Kiểm định Hausman: $p\text{-value} = 0.0000 < 0.05 \rightarrow$ Mô hình FEM phù hợp hơn REM khi chưa xử lý khuyết tật.
• Kiểm định Breusch-Pagan Lagrange Multiplier: $p\text{-value} = 0.0000 < 0.05 \rightarrow$ Bác bỏ Pooled OLS, xác nhận tồn tại hiệu ứng cá thể riêng biệt.
• Kiểm định White / Modified Wald (Phương sai thay đổi): $p\text{-value} = 0.0162 < 0.05 \rightarrow$ Tồn tại hiện tượng phương sai sai số thay đổi (Heteroskedasticity).
• Kiểm định Wooldridge (Tự tương quan chuỗi): $p\text{-value} = 0.0000 < 0.05 \rightarrow$ Tồn tại hiện tượng tự tương quan chuỗi bậc nhất AR(1).

Kết quả đạt được

Để khắc phục hoàn toàn hai khuyết tật phương sai thay đổi và tự tương quan, mô hình Bình phương Nhỏ nhất Tổng quát (GLS) được sử dụng để đưa ra các ước lượng vững và hiệu quả:

Biến độc lập	Hệ số hồi quy (Coeff.)	Sai số chuẩn (Std. Err.)	Giá trị z	Mức ý nghĩa (p-value)	Kết luận giả thuyết
SIZE	-0.001872	0.000560	-3.34	0.001***	Ngược chiều (p < 0.01)
LGR	0.001145	0.001820	0.63	0.529	Không có ý nghĩa
GDP	-0.051230	0.013170	-3.89	0.000***	Ngược chiều (p < 0.01)
INF	0.008412	0.011240	0.75	0.454	Không có ý nghĩa
UNE	0.002451	0.000988	2.48	0.013**	Cùng chiều (p < 0.05)
ROE	0.003890	0.003112	1.25	0.211	Không có ý nghĩa
_cons	0.028914	0.005120	5.65	0.000	-

(Ghi chú: *** có ý nghĩa ở mức 1%, ** có ý nghĩa ở mức 5%)

• Quy mô ngân hàng (SIZE): Hệ số hồi quy mang giá trị âm (-0.001872) với mức ý nghĩa $p = 0.001$. Khi quy mô ngân hàng tăng 1% (tương đương với tăng tổng tài sản), tỷ lệ rủi ro tín dụng của ngân hàng giảm đi 0.00187 điểm phần trăm. Ngân hàng lớn có năng lực thẩm định tốt hơn, danh mục đầu tư đa dạng hóa và hạ tầng công nghệ quản trị rủi ro hiện đại.
• Tăng trưởng kinh tế (GDP): Tác động nghịch chiều mạnh mẽ đến rủi ro tín dụng với hệ số -0.051230 ($p = 0.000$). Nền kinh tế tăng trưởng thuận lợi giúp doanh nghiệp nâng cao năng lực sản xuất kinh doanh, cải thiện dòng tiền và giảm thiểu khả năng trễ hạn trả nợ.
• Tỷ lệ thất nghiệp (UNE): Tác động cùng chiều đến rủi ro tín dụng với hệ số +0.002451 ($p = 0.013$). Thất nghiệp gia tăng làm giảm thu nhập khả dụng của khách hàng cá nhân và giảm sức mua xã hội, dẫn đến tỷ lệ nợ quá hạn và nợ xấu gia tăng.

---

Đổi mới và đóng góp

1. Tính mới về mặt dữ liệu và thời gian nghiên cứu: Khác với các nghiên cứu trước đây chỉ khảo sát giai đoạn trước năm 2017, công trình này bao quát trọn vẹn chu kỳ 10 năm (2012–2021). Giai đoạn này tích hợp toàn diện các biến cố cấu trúc lớn: giai đoạn tái cơ cấu nợ xấu VAMC, làn sóng chuyển đổi áp dụng chuẩn mực Basel II, và giai đoạn bùng phát đại dịch Covid-19 với các chính sách giãn, hoãn nợ theo Thông tư 01/2020/TT-NHNN.

2. Độ tin cậy từ phương pháp luận GLS: Nghiên cứu chỉ ra rằng các mô hình tĩnh truyền thống (Pooled OLS, FEM, REM) đều bị vi phạm nghiêm trọng bởi hiện tượng phương sai thay đổi ($p = 0.0162$) và tự tương quan ($p = 0.0000$). Việc áp dụng mô hình Feasible GLS đã triệt tiêu độ chệch chuẩn, giảm sai số ước lượng hơn 35% so với phương pháp OLS gộp thông thường.

3. So sánh với các công trình nghiên cứu tiền nhiệm:

Tiêu chí	Huỳnh Thị Phi Yến (2017)	Phạm Thế Hiển (2019)	Nghiên cứu này (2022)
Giai đoạn nghiên cứu	2006 – 2016 (11 năm)	2008 – 2017 (10 năm)	2012 – 2021 (10 năm)
Mẫu quan sát	26 NHTMCP	20 NHTMCP	23 NHTMCP tiêu biểu (230 quan sát)
Phương pháp chính	GLS	System GMM	GLS hiệu chỉnh toàn diện khuyết tật
Tác động biến SIZE	Cùng chiều (+)	Không đồng nhất	Ngược chiều (-) với p < 0.01
Tác động vĩ mô (GDP)	Ngược chiều (-)	Ngược chiều (-)	Ngược chiều (-) với p < 0.001
Độ bao phủ chu kỳ	Khủng hoảng tài chính 2008	Hậu khủng hoảng	Basel II & Biến động đại dịch Covid-19

---

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

Dựa trên kết quả định lượng, các NHTMCP có thể ứng dụng trực tiếp kết quả vào 3 mảng nghiệp vụ:

1. Hệ thống Cảnh báo Sớm (Early Warning System - EWS): Tích hợp hai chỉ số vĩ mô (Tăng trưởng GDP hàng quý và Tỷ lệ thất nghiệp) vào thuật toán tính toán xác suất vỡ nợ (PD - Probability of Default). Khi GDP có dấu hiệu suy giảm hoặc thất nghiệp tăng vượt ngưỡng 2.0%, hệ thống tự động kích hoạt chế độ thắt chặt hạn mức tín dụng cho các phân khúc rủi ro cao.
2. Hoạch định vốn và quy mô tài sản: Kết quả thực nghiệm khẳng định quy mô ngân hàng lớn giúp phân tán rủi ro tốt hơn. Điều này cung cấp cơ sở định lượng để các NHTMCP vừa và nhỏ đẩy nhanh lộ trình tăng vốn điều lệ, sáp nhập hợp nhất (M&A) để đạt lợi thế kinh tế theo quy mô (Economies of Scale).
3. Stress Testing theo kịch bản kinh tế: Sử dụng hệ số co giãn của GDP (-0.0512) để xây dựng kịch bản kiểm tra sức chịu đựng của danh mục cho vay khi tăng trưởng kinh tế suy giảm về mức 2.58% (tương đương đáy năm 2021).

Lộ trình triển khai khuyến nghị

Giai đoạn 1: Chuẩn hóa dữ liệu & Tích hợp chỉ báo vĩ mô vào EWS (Tháng 1 - Tháng 3)
Giai đoạn 2: Tái cấu trúc mô hình chấm điểm tín dụng nội bộ theo Basel II/III (Tháng 4 - Tháng 8)
Giai đoạn 3: Điều chỉnh chính sách cấp hạn mức linh hoạt theo chu kỳ kinh tế (Tháng 9 - Tháng 12)

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

• Tần suất dữ liệu: Dữ liệu nghiên cứu sử dụng tần suất theo năm (Annual Data) do các báo cáo tài chính kiểm toán đầy đủ chỉ công bố hàng năm, chưa phản ánh được các biến động nhanh theo quý hoặc tháng.
• Chính sách cơ cấu nợ: Trong giai đoạn 2020–2021, Thông tư 01/2020/TT-NHNN và Thông tư 14/2021/TT-NHNN cho phép các ngân hàng giữ nguyên nhóm nợ đối với các khách hàng bị ảnh hưởng bởi Covid-19, dẫn đến tỷ lệ nợ xấu và trích lập dự phòng trên sổ sách có độ trễ nhất định so với rủi ro thực tế.
• Mô hình tĩnh: Nghiên cứu sử dụng mô hình dữ liệu bảng tĩnh (GLS), chưa xem xét độ trễ nội sinh của biến phụ thuộc rủi ro tín dụng kỳ trước tác động lên kỳ sau.

Hướng phát triển đề xuất

1. Ứng dụng mô hình GMM động (Dynamic Panel System GMM): Đưa thêm biến trễ $CR_{it-1}$ vào phương trình để đo lường quán tính tích tụ rủi ro qua các năm.
2. Tích hợp Machine Learning: Kết hợp mô hình kinh tế lượng với các thuật toán học máy (XGBoost, Random Forest, LightGBM) trên dữ liệu giao dịch chi tiết để xây dựng hệ thống chấm điểm tín dụng hành vi (Behavioral Scoring).
3. Bổ sung các biến số mới: Mở rộng nghiên cứu với các chỉ tiêu phi tài chính, mức độ chuyển đổi số (Digital Banking Index) và rủi ro môi trường - xã hội - quản trị (ESG) trong danh mục tín dụng xanh.

---

Đối tượng hưởng lợi

• Sinh viên và Học viên Cao học ngành Tài chính - Ngân hàng: Nắm vững quy trình xử lý dữ liệu bảng chuẩn mực trên Stata từ kiểm định đa cộng tuyến, Hausman, Breusch-Pagan, White, Wooldridge cho đến ước lượng GLS.
• Chuyên viên Quản trị Rủi ro (Risk Managers): Có căn cứ toán học vững chắc để hiệu chỉnh các trọng số rủi ro trong mô hình định giá khoản vay dựa trên quy mô tài sản và chu kỳ kinh tế vĩ mô.
• Ban Điều hành NHTMCP: Nhận diện được giá trị chiến lược của việc tăng trưởng quy mô tài sản an toàn và dự báo chi phí trích lập dự phòng rủi ro tín dụng sát với thực tế biến động vĩ mô.
• Cơ quan Quản lý Nhà nước (NHNN): Bổ sung bằng chứng thực nghiệm về tác động đồng thời của tỷ lệ thất nghiệp và tăng trưởng GDP để điều hành chính sách tiền tệ thận trọng, linh hoạt.

---

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn tỷ lệ trích lập dự phòng (CR) thay vì tỷ lệ nợ xấu (NPL) làm thước đo rủi ro tín dụng?

Tỷ lệ trích lập dự phòng phản ánh trực tiếp chi phí bằng tiền mà ngân hàng phải ghi nhận vào kết quả kinh doanh để dự phòng cho các tổn thất tín dụng tiềm năng. Ngoài ra, trong giai đoạn dịch bệnh, tỷ lệ nợ xấu nội bảng có thể bị làm phẳng do chính sách cơ cấu nợ, trong khi chi phí trích lập dự phòng phản ánh chủ động hơn mức độ thận trọng và rủi ro thực tế của danh mục cho vay.

2. Sự khác biệt cốt lõi giữa ước lượng FEM/REM và GLS trong đề tài này là gì?

Mô hình FEM/REM giúp kiểm soát các đặc trưng riêng lẻ của từng ngân hàng nhưng vẫn cho ra kết quả sai lệch nếu dữ liệu bảng mắc phải hiện tượng phương sai sai số thay đổi và tự tương quan chuỗi. Ước lượng GLS (Generalized Least Squares) đóng vai trò chuẩn hóa ma trận hiệp phương sai sai số, loại bỏ triệt để hai khuyết tật trên để cho ra hệ số ước lượng không chệch và có phương sai nhỏ nhất (BLUE).

3. Quy mô ngân hàng (SIZE) lớn giúp giảm rủi ro tín dụng theo cơ chế nào?

Quy mô lớn (đo bằng $\ln(\text{Tổng tài sản})$) mang lại lợi thế kinh tế theo quy mô: ngân hàng có ngân sách lớn hơn để đầu tư công nghệ thẩm định tự động, thu hút nhân sự phân tích dữ liệu chất lượng cao, thiết lập quy trình kiểm soát nội bộ nghiêm ngặt và sở hữu danh mục cho vay đa dạng hóa trên nhiều ngành nghề, giúp triệt tiêu rủi ro phi hệ thống.

4. Kết quả nghiên cứu có thể tích hợp trực tiếp vào phần mềm Core Banking không?

Có thể tích hợp dễ dàng. Các hệ số hồi quy định lượng từ mô hình GLS có thể được đóng gói thành các hàm tham số trong phân hệ Quản lý Hạn mức & Quản trị Rủi ro của hệ thống Core Banking hoặc Data Warehouse để tự động tính toán điểm rủi ro danh mục định kỳ.

5. Tại sao biến Lạm phát (INF) và Tăng trưởng tín dụng (LGR) không có ý nghĩa thống kê trong mô hình GLS?

Trong giai đoạn 2012–2021, lạm phát tại Việt Nam được kiểm soát ổn định ở mức thấp (bình quân 3.91%), không tạo ra cú sốc chi phí đột biến đối với người đi vay. Đối với tăng trưởng tín dụng, nhờ chính sách cấp "room tín dụng" chặt chẽ của NHNN, các ngân hàng không mở rộng cho vay ồ ạt như giai đoạn trước 2011, do đó rủi ro tín dụng không biến động ngay lập tức theo quy mô tăng trưởng tín dụng cùng kỳ.

---

Kết luận

Nghiên cứu "Các nhân tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại cổ phần tại Việt Nam" đã thực hiện phân tích định lượng chuyên sâu trên tập dữ liệu bảng của 23 NHTMCP trong giai đoạn 10 năm (2012–2021). Bằng việc áp dụng phương pháp ước lượng Bình phương Nhỏ nhất Tổng quát (GLS) xử lý triệt để hiện tượng phương sai thay đổi và tự tương quan, công trình đã chứng minh rõ ràng:

• Quy mô ngân hàng (SIZE) ($\beta = -0.001872, p < 0.01$) và Tăng trưởng GDP ($\beta = -0.051230, p < 0.001$) có tác động nghịch chiều mạnh mẽ, giúp giảm thiểu rủi ro tín dụng.
• Tỷ lệ thất nghiệp (UNE) ($\beta = +0.002451, p < 0.05$) có tác động thuận chiều, làm gia tăng tổn thất tín dụng tiềm năng.

Những phát hiện thực nghiệm này khẳng định tầm quan trọng của việc kết hợp giám sát vi mô (tăng cường năng lực vốn, mở rộng quy mô an toàn) với việc theo dõi sát sao các chỉ số vĩ mô trong chu kỳ kinh tế, tạo nền tảng vững chắc cho hệ thống ngân hàng Việt Nam phát triển bền vững và hội nhập quốc tế.

Trích đoạn nội dung tài liệu

Đặt vấn đề và tính cấp thiết của đề tài: Trong nền kinh tế, ngân hàng đóng vai trò cực kỳ quan trọng, đây đƣợc xem là trung gian trong luân chuyển vốn giữa các thành phần kinh tế. Từ đó, làm nguồn lực kích thích sự tăng trƣởng bền vững của nền kinh tế. Do đó, việc nâng cao chất lƣợng hoạt động và hạn chế rủi ro trong hoạt động của ngân hàng là một việc rất quan trọng. Trong quá trình hoạt động của ngân hàng, nguồn thu chủ yếu là từ hoạt động tín dụng.

Vì vậy, hoạt động này tác động một phần không nhỏ đến kết quả kinh doanh của ngân hàng. Tuy nhiên, trong giai đoạn cả thế giới nói chung và Việt Nam nói riêng bị ảnh hƣởng nghiêm trọng bởi dịch bệnh Covid, đặc biệt trong ngành ngân hàng, nợ xấu của nhiều ngân hàng đồng loạt tăng mạnh, việc xác định và đo lƣờng rủi ro tín dụng là một việc làm cần thiết để hạn chế rủi ro và tổn thất mà ngân hàng sẽ gặp phải. Trên thế giới, đã có tƣơng đối nhiều bài nghiên cứu phân tích các yếu tố ảnh hƣởng đến rủi ro tài chính. Tuy nhiên, ở Việt Nam, các bài nghiên cứu đi sâu hơn về rủi ro tín dụng ở khoảng thời gian gần đây thì chƣa nhiều.

Vì vậy, việc thực hiện đề tài này là rất cần thiết để góp phần phân tích và đƣa ra những cách giải quyết giúp ngân hàng hạn chế những rủi ro tín dụng sẽ gặp phải.2 Tổng quan một số nghiên cứu thực nghiệm về các thanh khoản và các nhân tố ảnh hƣởng đến thanh khoản của ngân hàng thƣơng mại 1.1 Những nghiên cứu thực nghiệm ở một số nƣớc trên thế giới: - Nghiên cứu của Jin-Li và cộng sự (2004): Nghiên cứu này đã chỉ ra rằng, quy mô ngân hàng và rủi ro tín dụng có sự tăng trƣởng ngƣợc chiều nhau. Nghĩa là quy mô ngân hàng cao lớn thì rủi ro tín dụng sẽ càng thấp. Bởi, đối với những ngân hàng có quy mô lớn, họ sẽ có những cơ chế để quản quản lý những rủi ro tốt hơn và hạn chế những danh mục cho vay rủi ro cao. Vì vậy, so với các ngân hàng có quy mô nhỏ thì những ngân hàng quy mô lớn sẽ ít phải đối mặt với rủi ro tín dụng hơn.

1 - Nghiên cứu Daniel Foos và cộng sự (2010): Tác giả đã cho thấy rằng tăng trƣởng tín dụng có tác động cùng chiều đối với rủi ro tín dụng. Khi nền kinh tế tăng trƣởng, việc cạnh tranh giữa các ngân hàng sẽ diễn ra gay gắt hơn. Các ngân hàng sẽ áp dụng những chính sách nhƣ giảm lãi suất hoặc nới lỏng điều kiện cấp tín dụng. Và các khoản vay có chất lƣợng thấp sẽ dễ dàng sẽ rất dễ bị ảnh hƣởng khi nền kinh tế bị biến động dù chỉ là một biến động nhỏ.

- Nghiên cứu Louzis, Vouldis, và Metaxas (2010): Nghiên cứu đã sử dụng các số liệu của hệ thống các ngân hàng tại Hi Lạp và kết luận rằng lãi suất cho vay có tác động cùng chiều đối với tỉ lệ nợ xấu của của ngân hàng tại Hi Lạp. Bên cạnh đó, các tác giả đã sử dụng các chỉ tiêu ROE, ROA để nghiên cứu mối liên hệ giữa kết qủa hoạt động kinh doanh và tỷ lệ nợ xấu của ngân hàng và đƣa ra kết luân rằng 2 yếu tố này có tác động ngƣợc chiều nhau. - Nghiên cứu Fofack (2005): Bài nghiên cứu thu thập các số liệu từ các NHTM tại vùng tiêu bang Châu Phi Sahara trong năm 1990. Tác giả sử dụng chỉ tiêu nợ xấu để đại diện cho rủi ro tài chính để phân tích các yếu tố tăng trƣởng kinh tế ảnh hƣởng nhƣ thế nào đối với chỉ tiêu này.

Cuối cùng, tác giả đƣa ra đƣợc kết luận rằng, chỉ tiêu tăng trƣởng kinh tế có tác động ngƣợc chiều đối với rủi ro tín dụng của ngân hàng. Cụ thể nhƣ, một cuộc suy thoái kinh tế càng kéo dài thì sẽ làm cho rủi ro tính dụng ngày càng tăng và một - Nghiên cứu Bucur. E (2014): Nghiên cứu sử dụng dữ liệu của các NHTM tại Rumani trong giai đoạn từ năm 2008 đến năm 2013. Tác giả đã chỉ ra rằng, tốc độ tăng trƣởng cung tiền và tỷ giá hối đoái thị trƣờng các xu hƣớng ngƣợc chiều đối với rủi ro tín dùng, và tỷ lệ thất nghiệp lại có tác động cùng chiếu đối với rủi ro tín dụng.

Đặc biệt, trong bài nghiên cứu này cho thấy, rủi ro tín dụng bị ảnh hƣởng đáng kể bởi 2 yếu tố biến động tỷ giá và tỷ lệ thất nghiệp. - Nghiên cứu Million Gizaw Tole, Mohammed Sultan Jabir và Haymanot Alemayehu Wolde (2015): Bài nghiên cứu sử dụng dữ liệu của 8 NHTM hoạt động tại Ethiopia trong giai đoạn 13 năm. Nhóm tác giả đã chỉ ra rằng tỷ lệ thất nghiệp có tác 2 động cùng chiều đối với rủi ro tín dụng và yếu tố tăng trƣởng kinh tế lại có xu hƣớng ngƣợc chiếu với rủi ro tín dụng của các ngân hàng này.2 Một số nghiên cứu tại Việt Nam: - Nghiên cứu Nguyễn Thị Hồng Vinh và Lê Phan Thị Diệu Thảo (2015): Nghiên cứu đã sử dụng dữ liệu của 30 Ngân hàng Thƣơng Mại Việt Nam để nghiên cứu mối quan hệ giữa Vốn chủ sở hữu và khả năng sinh lời, rủi ro tín dụng của các Ngân hàng tại Việt Nam. Tác giả đã chỉ ra rằng, vốn chủ sở hữu có tác động cùng chiếu đối với khả năng sinh lời và ngƣợc chiều đối với rủi ro tín dụng.

- Nghiên cứu Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013): Nghiên cứu đã sử dụng dữ liệu của 10 ngân hàng trong gian đoạn 2005 đến 2011. Tác giả đã chỉ ra rằng, một ngân hàng có tỷ lệ nợ xấu ở thời điểm năm hiện tại cao thì mức độ nợ xấu ở năm tiếp theo cũng sẽ cao, và tăng trƣởng tín dụng năm nay cao sẽ chƣa làm tăng nợ xấu ngay lập tức mà sẽ tăng vào năm sau đó. - Nghiên cứu Trần Trọng Phong, Trần Văn Bằng và Nguyễn Song Phƣơng (2015): Nhóm tác giả sử dụng dữ liệu của 15 NHTM tại Việt Nam trong giai đoạn từ năm 2007 đến năm 2014 và chỉ ra rằng, nếu tỷ lệ lạm phát tăng thì tỷ lệ nợ xấu của các NHTM sẽ có xu hƣớng giảm.3 Mục tiêu nghiên cứu: 1.1 Mục tiêu tổng quát: Kiểm định và cung cấp những thông tin giải thích về các yếu tố tác động đến rủi ro tín dụng tại các ngân hàng TMCP tại Việt Nam. Từ đó, đƣa ra những ý kiến cũng nhƣ khuyến nghị đến các cấp quản lý tại các ngân hàng TMCP để từ đó rút ra đƣợc những quyết định nhằm kiểm soát và hạn chế tối thiểu rủi ro tín dụng mà các ngân hàng TMCP tại Việt Nam đang và sẽ gặp phải.2 Mục tiêu cụ thể: Từ mục tiêu tổng quát nói trên, khoá luận xác định 3 mục tiêu cụ thể cần thực hiện: - Thứ nhất, xác định đƣợc các yếu tố ảnh hƣởng rủi ro tín dụng tại các ngân hàng TMCP ở Việt Nam 3 - Thứ hai, xác định đƣợc xu hƣớng của các yếu tố trên và mức độ ảnh hƣởng của các yếu tố đó đối với biến rủi ro tín dụng - Thứ ba, từ những yếu tố tác động đó, bài nghiên cứu đƣa ra các ý kiến cũng nhƣ giải pháp để hạn chế những rủi ro tín dụng.4 Câu hỏi nghiên cứu: - Rủi ro tín dụng ảnh hƣởng nhƣ thế nào đối với nền kinh tế nói chung và các ngân hàng TMCP tại Việt Nam nói riêng? - Rủi ro tín dụng của các ngân hàng TMCP tại Việt Nam chịu ảnh hƣởng bới các yếu tố nào? - Các yếu tố tác động đến rủi ro tín dụng của các ngân hàng TMCP tại Việt Nam với mức độ nhƣ thế nào và xu hƣớng ra sau? - Sau khi phân tích đƣợc những yếu tố ấy thì cần có những giải pháp nhƣ thế nào để giảm thiểu đƣợc những rủi ro tín dụng mà các ngân hàng TMCP tại Việt Nam sẽ phải đối mặt? 1.5 Đối tƣợng và phạm vi nghiên cứu: 1.1 Đối tƣợng nghiên cứu: Đối tƣợng nghiên cứu của bài nghiên cứu nàt là các yếu tố ảnh hƣởng đến rủi ro tín dụng của hệ thống Ngân hàng TMCP tại Việt Nam.2 Phạm vi nghiên cứu: Trong quá trình thu thập số liệu, tác giả đã chọn 23 Ngân hàng TMCP ở Việt Nam Đề tài sử dụng dữ liệu của 23 Ngân hàng TMCP tại Việt Nam, bao gồm: NHTMCP An Bình, NHTMCP Á Châu, NHTMCP Đầu tƣ và Phát triển Việt Nam, NHTMCP Công Thƣơng Việt Nam, NHTMCP Xuất nhập khẩu Việt Nam, NHTMCP Bản Việt, NHTMCP Phát triển TP.HCM, NHTMCP Kiên Long, NHTMCP Bƣu điện Liên Việt, NHTMCP Quân Đội, NHTMCP Hàng hải Việt Nam, NHTMCP Nam Á, NHTMCP Quốc Dân, NHTMCP Phƣơng Đông, NHTMCP Xăng dầu Petrolimex, NHTMCP Đông Nam Á, NHTMCP Sài Gòn Công Thƣơng, NHTMCP Sài Gòn – Hà Nội, NHTMCP Sài Gòn 4 Thƣơng Tín, NHTMCP Kỹ Thƣơng Việt Nam, NHTMCP Ngoại Thƣơng Việt Nam, NHTMCP Quốc Tế Việt Nam, NHTMCP Việt Nam Thịnh Vƣợng.

Về không gian: bài nghiên cứu sử dụng những dữ liệu thứ cấp của 23 ngân hàng TMCP với tiêu chí hoạt động trong suốt quá trình nghiên cứu, cùng với các số liệu đƣợc công bố đầy đủ và rõ ràng trên Báo cáo tài chính của từng ngân hàng. Về thời gian: Số liệu thu thập từ các Báo cáo tài chính của từng ngân hàng và các số liệu kinh tế vĩ mô trong giai đoạn từ năm 2012 đến năm 2021.6 Phƣơng pháp nghiên cứu: Trong bài nghiên cứu, tác giả sẽ sử dụng dữ liệu bảng (Panel Data) thông qua mẫu quan sát của 23 ngân hàng TMCP tại Việt Nam trong gian đoạn từ năm 2012 đến năm 2021. Những số liệu này sẽ đƣợc thu thập từ Báo cáo tài chính đƣợc công bố trên các trang của ngân hàng, các số liệu vĩ mô đƣợc công bố trên trang Ngân hàng nhà nƣớc, , các tạp chí uy tín và các trang mạng điện tử,… Từ những số liệu thu thập đƣợc, tác giả thực hiện hồi quy dữ liệu theo mô hình POOLED OLS, Mô hình tác động cố định (FEM), Mô hình tác động ngẫu nhiên (REM). Sau đó, sử dụng kiểm định Breusch – Pagan để lựa chọn giữa mô hình POOLED OLS và REM và sử dụng kiểm định Hausman để lựa chọn giữa mô hình FEM và REM.

Sau khi lựa chọn đƣợc mô hình phù hợp, tác giả thực hiện kiểm định các khuyết tật phổ biến của mô hình, nếu mô hình có khuyết tật thì thực hiện khắc phục các khuyết tật mà mô hình mắc phải. Từ đó, xác định đƣợc các yếu tố tác động đến rủi ro tín dụng của hệ thống ngân hàng TMCP tại Việt Nam, cũng nhƣ chiều hƣớng tác động của các yếu tố này.