CÁC YẾU TỐ TÁC ĐỘNG ĐẾN TĂNG TRƯỞNG TÍN DỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM

Chuyên khảo kinh tế phân tích Các yếu tố tác động đến tăng trưởng tín dụng tại các ngân hàng thương mại cổ phần việt nam, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên

• Tác giả: Thái Phạm Diễm Quỳnh
• Người hướng dẫn: Ts. Nguyễn Thị Như Quỳnh
• Trường học: Trường Đại Học Ngân Hàng Tp. Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Các Yếu Tố Tác Động Đến Tăng Trưởng Tín Dụng Tại Các Ngân Hàng Thương Mại Cổ Phần Việt Nam
• Loại tài liệu: Khóa Luận Tốt Nghiệp Đại Học
• Năm xuất bản: 2024
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: LÝ DO CHỌN ĐỀ TÀI
• 1.1. MỤC TIÊU NGHIÊN CỨU
• 1.1.1. Mục tiêu tổng quát
• 1.1.2. Mục tiêu cụ thể
• 1.2. CÂU HỎI NGHIÊN CỨU
• 1.3. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
• 1.3.1. Đối tượng nghiên cứu
• 1.3.2. Phạm vi nghiên cứu
• 1.4. PHƯƠNG PHÁP NGHIÊN CỨU
• 1.5. ĐÓNG GÓP CỦA ĐỀ TÀI
• 1.6. KẾT CẤU CỦA KHÓA LUẬN
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN VỀ NGHIÊN CỨU
• 2.1. TỔNG QUAN VỀ TÍN DỤNG VÀ TĂNG TRƯỞNG TÍN DỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN
• 2.1.1. Tổng quan về ngân hàng thương mại
• 2.1.2. Khái niệm tín dụng và tăng trưởng tín dụng
• 2.1.3. Các chỉ tiêu đo lường tăng trưởng tín dụng
• 2.2. CÁC YẾU TỐ TÁC ĐỘNG ĐẾN TĂNG TRƯỞNG TÍN DỤNG CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN
• 2.2.1. Yếu tố vĩ mô
• 2.2.2. Yếu tố vi mô
• 2.3. TỔNG QUAN NGHIÊN CỨU
• 2.3.1. Các nghiên cứu trong nước
• 2.3.2. Các nghiên cứu nước ngoài
• 2.3.3. Nhận xét về các nghiên cứu đã lược khảo
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. QUY TRÌNH NGHIÊN CỨU
• 3.2. MÔ HÌNH VÀ GIẢ THUYẾT NGHIÊN CỨU
• 3.2.1. Mô hình nghiên cứu
• 3.2.2. Giải thích các biến
• 3.2.3. Giả thuyết nghiên cứu
• 3.3. PHƯƠNG PHÁP NGHIÊN CỨU
• 3.3.1. Mô hình hồi quy bình phương nhỏ nhất (Pooled OLS)
• 3.3.2. Mô hình hồi quy tác động cố định (FEM)
• 3.3.3. Mô hình hồi quy tác động ngẫu nhiên (REM)
• 3.3.4. Mô hình ước lượng bình phương tối thiểu khả thi (FGLS)
• 3.4. Phân tích hồi quy
• 3.5. MẪU VÀ DỮ LIỆU NGHIÊN CỨU
• 3.5.1. Mẫu nghiên cứu
• 3.5.2. Dữ liệu nghiên cứu
• 3.5.3. Công cụ nghiên cứu
• 4. CHƯƠNG 4: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
• 4.1. THỐNG KÊ VÀ KIỂM ĐỊNH
• 4.1.1. Thống kê mô tả các biến
• 4.1.2. Kiểm định mối tương quan giữa các biến trong nghiên cứu
• 4.2. KẾT QUẢ NGHIÊN CỨU
• 4.2.1. Kiểm định hồi quy tổng thể OLS, REM và FEM
• 4.2.2. Kiểm định đa cộng tuyến
• 4.2.3. Kiểm định các khuyết tật của mô hình phù hợp
• 4.2.4. Kết quả hồi quy theo phương pháp FGLS
• 4.3. PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
• 5. CHƯƠNG 5: KẾT LUẬN VỀ ĐỀ TÀI
• 5.1. HÀM Ý CHÍNH SÁCH
• 5.2. HẠN CHẾ CỦA NGHIÊN CỨU VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
• 5.2.1. Hạn chế của nghiên cứu
• 5.2.2. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Tăng Trưởng Tín Dụng Ngân Hàng TMCP 2014 2023

Trong bối cảnh hội nhập kinh tế toàn cầu, các ngân hàng TMCP Việt Nam đối mặt với nhiều cơ hội và thách thức. Tăng trưởng tín dụng là nguồn lợi nhuận chính, thu hút sự quan tâm của nhà hoạch định chính sách và nhà nghiên cứu. Tăng trưởng tín dụng thúc đẩy tăng trưởng kinh tế, hỗ trợ hoạt động sản xuất, kinh doanh và tiêu dùng. Tuy nhiên, tăng trưởng quá nhanh có thể gây rủi ro hệ thống. Vì vậy, việc xác định các yếu tố ảnh hưởng đến tăng trưởng tín dụng là rất quan trọng. Mục tiêu là duy trì tăng trưởng ổn định và bền vững, tránh tăng trưởng quá nóng hoặc sụt giảm bất thường. Theo Mark Swinburne (2007), hoạt động tín dụng là nguồn thu nhập thiết yếu cho ngân hàng. Igan và Pinheiro (2011) cũng chỉ ra rằng, cung cấp tín dụng khuyến khích chuyển đổi tiết kiệm sang đầu tư, thúc đẩy tăng trưởng kinh tế. Việc đo lường và quản lý tăng trưởng tín dụng trở nên quan trọng để bảo đảm an toàn và hiệu quả của hệ thống ngân hàng.

1.1. Vai trò của Tăng Trưởng Tín Dụng đối với nền kinh tế Việt Nam

Tăng trưởng tín dụng đóng vai trò quan trọng trong việc thúc đẩy tăng trưởng kinh tế của Việt Nam. Các khoản vay được cung cấp cho các chủ thể kinh tế, hỗ trợ các hoạt động sản xuất, kinh doanh và tiêu dùng. Vì vậy, tăng trưởng tín dụng có ý nghĩa quan trọng đối với nền kinh tế thị trường, tạo điều kiện cho doanh nghiệp mở rộng quy mô, đầu tư vào công nghệ mới, và tạo ra nhiều việc làm hơn. Hơn nữa, việc kiểm soát và quản lý tốt tăng trưởng tín dụng là yếu tố then chốt để đảm bảo sự ổn định của hệ thống tài chính, tránh những rủi ro tiềm ẩn có thể gây ảnh hưởng tiêu cực đến toàn bộ nền kinh tế.

1.2. Đặc điểm Tăng Trưởng Tín Dụng tại Ngân hàng TMCP giai đoạn 2014 2023

Giai đoạn 2014-2023 chứng kiến nhiều biến động trong tăng trưởng tín dụng của các ngân hàng TMCP Việt Nam. Sự cạnh tranh giữa các ngân hàng ngày càng gay gắt, đòi hỏi các ngân hàng phải khắt khe hơn trong việc đánh giá chất lượng dịch vụ và các đặc điểm độc đáo để phân biệt với đối thủ. Việc tăng trưởng cho vay không kiểm soát hoặc siết chặt hạn mức tín dụng đều có thể góp phần vào tình trạng lạm phát và gây sự bất ổn cho nền kinh tế. Đại dịch COVID-19 cũng tác động không nhỏ đến tăng trưởng tín dụng, tạo ra nhiều thách thức trong việc duy trì sự ổn định của hệ thống ngân hàng. Việc nghiên cứu và đánh giá các yếu tố ảnh hưởng đến tăng trưởng tín dụng trong giai đoạn này là vô cùng quan trọng.

II. Thách Thức Vấn Đề Trong Tăng Trưởng Tín Dụng NH TMCP

Các ngân hàng TMCP đối mặt với nhiều thách thức trong việc duy trì tăng trưởng tín dụng ổn định. Các yếu tố vĩ mô như lạm phát, tỷ giá hối đoái và tăng trưởng kinh tế có ảnh hưởng lớn đến hoạt động tín dụng. Rủi ro nợ xấu cũng là một vấn đề đáng quan tâm, có thể ảnh hưởng đến khả năng sinh lời và sự ổn định của ngân hàng. Môi trường kinh doanh cạnh tranh và các quy định pháp luật chặt chẽ cũng tạo ra những khó khăn nhất định. Đặc biệt, các ngân hàng phải đối mặt với áp lực tuân thủ các chính sách tiền tệ của Ngân hàng Nhà nước, đồng thời đảm bảo quản lý rủi ro tín dụng hiệu quả. Việc cân bằng giữa tăng trưởng tín dụng và kiểm soát rủi ro là một thách thức lớn đối với các ngân hàng TMCP. Theo Nguyễn Thị Thu Trang và đồng nghiệp (2021), nỗ lực cải thiện và thúc đẩy sự phát triển của hệ thống ngân hàng được coi là mục tiêu quan trọng, trong đó tăng trưởng tín dụng vẫn là một trong những vấn đề nổi bật nhất.

2.1. Rủi ro Nợ Xấu ảnh hưởng đến Tăng Trưởng Tín Dụng NH TMCP

Nợ xấu là một trong những yếu tố có ảnh hưởng tiêu cực đến tăng trưởng tín dụng của các ngân hàng TMCP. Tỷ lệ nợ xấu cao làm giảm khả năng sinh lời của ngân hàng, đồng thời làm tăng chi phí dự phòng rủi ro. Điều này dẫn đến việc ngân hàng phải thắt chặt chính sách tín dụng, hạn chế cho vay, và do đó làm chậm lại tăng trưởng tín dụng. Ngoài ra, nợ xấu còn ảnh hưởng đến uy tín và khả năng huy động vốn của ngân hàng, gây khó khăn cho hoạt động kinh doanh. Việc quản lý và kiểm soát nợ xấu hiệu quả là vô cùng quan trọng để đảm bảo sự ổn định và tăng trưởng tín dụng bền vững của các ngân hàng TMCP.

2.2. Tác động của Lạm Phát và Tỷ Giá Hối Đoái đến Tăng Trưởng Tín Dụng

Lạm phát và tỷ giá hối đoái là những yếu tố vĩ mô có ảnh hưởng đáng kể đến tăng trưởng tín dụng của các ngân hàng TMCP. Khi lạm phát tăng cao, Ngân hàng Nhà nước có thể áp dụng các biện pháp thắt chặt tiền tệ, tăng lãi suất, làm giảm nhu cầu vay vốn và do đó làm chậm lại tăng trưởng tín dụng. Tỷ giá hối đoái biến động cũng có thể ảnh hưởng đến hoạt động xuất nhập khẩu, làm thay đổi nhu cầu tín dụng của doanh nghiệp. Ngoài ra, tỷ giá hối đoái biến động còn có thể gây rủi ro cho các khoản vay bằng ngoại tệ, ảnh hưởng đến chất lượng tín dụng của ngân hàng. Vì vậy, các ngân hàng TMCP cần phải theo dõi sát sao diễn biến của lạm phát và tỷ giá hối đoái để đưa ra các quyết định kinh doanh phù hợp.

III. Phương Pháp Phân Tích Các Yếu Tố Ảnh Hưởng Tín Dụng NH TMCP

Để phân tích các yếu tố ảnh hưởng đến tăng trưởng tín dụng của ngân hàng TMCP, cần sử dụng các phương pháp nghiên cứu phù hợp. Phương pháp phân tích hồi quy đa biến dựa trên dữ liệu thứ cấp, bao gồm cả dữ liệu vi mô và vĩ mô, là một lựa chọn phổ biến. Dữ liệu về các biến vi mô như quy mô ngân hàng, tỷ lệ thanh khoản, tỷ lệ nợ xấu, và dữ liệu vĩ mô như tốc độ tăng trưởng GDP, tỷ lệ lạm phát được thu thập từ báo cáo tài chính đã được kiểm toán của các ngân hàng TMCP. Các mô hình hồi quy dữ liệu bảng như Pooled OLS, FEM, REM và FGLS được sử dụng để ước lượng các hệ số và đánh giá mức độ ảnh hưởng của các yếu tố. Các kiểm định như F-test và kiểm định Breusch-Pagan được sử dụng để lựa chọn phương pháp phù hợp nhất. Sau khi chọn mô hình thích hợp, các kiểm định về hiện tượng tự tương quan và hiện tượng phương sai của sai số được thực hiện để đảm bảo tính đáng tin cậy của mô hình nghiên cứu.

3.1. Sử dụng Mô Hình Hồi Quy Đa Biến trong Phân tích

Mô hình hồi quy đa biến là một công cụ hữu ích để phân tích mối quan hệ giữa tăng trưởng tín dụng và các yếu tố ảnh hưởng. Mô hình cho phép kiểm soát đồng thời nhiều yếu tố, giúp xác định chính xác mức độ ảnh hưởng của từng yếu tố đến tăng trưởng tín dụng. Các biến độc lập như quy mô ngân hàng, tỷ lệ thanh khoản, tỷ lệ nợ xấu, tốc độ tăng trưởng GDP, và tỷ lệ lạm phát được đưa vào mô hình để giải thích sự biến động của biến phụ thuộc là tăng trưởng tín dụng. Kết quả hồi quy cho biết dấu và độ lớn của các hệ số, cho phép đánh giá mức độ và hướng ảnh hưởng của từng yếu tố. Tuy nhiên, cần phải kiểm tra các giả định của mô hình hồi quy để đảm bảo tính chính xác của kết quả.

3.2. Ứng dụng các Kiểm Định Thống Kê để đánh giá mô hình

Để đảm bảo tính chính xác và tin cậy của mô hình nghiên cứu, cần phải thực hiện các kiểm định thống kê. F-test được sử dụng để lựa chọn giữa mô hình Pooled OLS và mô hình FEM. Kiểm định Breusch-Pagan Lagrangian được sử dụng để phân biệt giữa mô hình Pooled OLS và mô hình REM. Phương pháp Hausman được sử dụng để xác định mô hình thích hợp giữa FEM và REM. Sau khi chọn mô hình thích hợp, cần kiểm tra các hiện tượng tự tương quan và phương sai thay đổi. Trong trường hợp phát hiện các hiện tượng này, cần sử dụng các phương pháp khắc phục như FGLS để đảm bảo tính nhất quán và hiệu quả của các ước lượng.

IV. Kết Quả Nghiên Cứu Về Yếu Tố Tác Động Tăng Trưởng Tín Dụng NH

Kết quả nghiên cứu cho thấy một số yếu tố có tác động đáng kể đến tăng trưởng tín dụng của các ngân hàng TMCP. Quy mô ngân hàng (SIZE), tỷ lệ thanh khoản (LIQ) và tỷ lệ lạm phát (INF) có tác động ngược chiều đến tăng trưởng tín dụng. Ngược lại, tỷ lệ gia tăng tiền gửi (DEP), tỷ lệ vốn chủ sở hữu (ROE) và tốc độ tăng trưởng kinh tế (GDP) có tác động cùng chiều. Tỷ lệ nợ xấu (NPL) không có ý nghĩa thống kê. Điều này cho thấy rằng các ngân hàng TMCP có quy mô lớn hơn, có tỷ lệ thanh khoản cao hơn, và hoạt động trong môi trường lạm phát cao thường có tăng trưởng tín dụng thấp hơn. Ngược lại, các ngân hàng có tỷ lệ gia tăng tiền gửi cao hơn, tỷ lệ vốn chủ sở hữu cao hơn, và hoạt động trong môi trường kinh tế tăng trưởng cao thường có tăng trưởng tín dụng cao hơn.

4.1. Ảnh hưởng của Quy Mô Ngân Hàng và Thanh Khoản đến Tăng Trưởng

Quy mô ngân hàng và tỷ lệ thanh khoản có tác động ngược chiều đến tăng trưởng tín dụng. Các ngân hàng lớn thường có xu hướng thận trọng hơn trong việc cho vay, tập trung vào các khoản vay có rủi ro thấp. Tỷ lệ thanh khoản cao cũng cho thấy ngân hàng đang giữ nhiều tiền mặt hơn, thay vì cho vay, làm giảm tăng trưởng tín dụng. Vì vậy, các ngân hàng cần phải cân bằng giữa việc duy trì thanh khoản và thúc đẩy tăng trưởng tín dụng, tìm kiếm các cơ hội cho vay có lợi nhuận mà vẫn đảm bảo an toàn.

4.2. Tác động của Tăng Trưởng Kinh Tế và Lạm Phát đến Tín Dụng NH

Tăng trưởng kinh tế và lạm phát là hai yếu tố vĩ mô quan trọng có ảnh hưởng đến tăng trưởng tín dụng. Khi kinh tế tăng trưởng, nhu cầu vay vốn của doanh nghiệp và người dân tăng lên, thúc đẩy tăng trưởng tín dụng. Ngược lại, lạm phát cao có thể làm giảm nhu cầu vay vốn do lãi suất tăng và sức mua giảm, làm chậm lại tăng trưởng tín dụng. Vì vậy, các ngân hàng cần phải theo dõi sát sao diễn biến của kinh tế và lạm phát để đưa ra các quyết định kinh doanh phù hợp, đồng thời phối hợp với các chính sách điều hành vĩ mô của nhà nước để đảm bảo sự ổn định của hệ thống ngân hàng.

V. Hàm Ý Chính Sách Thúc Đẩy Tăng Trưởng Tín Dụng NH TMCP

Dựa trên kết quả nghiên cứu, có một số hàm ý chính sách có thể được đề xuất để thúc đẩy tăng trưởng tín dụng bền vững cho các ngân hàng TMCP Việt Nam. Thứ nhất, cần có các chính sách hỗ trợ doanh nghiệp vừa và nhỏ (SMEs) để tăng cường khả năng tiếp cận vốn. Thứ hai, cần cải thiện môi trường kinh doanh để khuyến khích đầu tư và tăng trưởng kinh tế. Thứ ba, cần tăng cường quản lý rủi ro tín dụng để đảm bảo chất lượng tín dụng và giảm thiểu nợ xấu. Thứ tư, cần ổn định lạm phát và tỷ giá hối đoái để tạo môi trường kinh tế vĩ mô ổn định. Thứ năm, cần khuyến khích các ngân hàng TMCP tăng cường huy động vốn để có nguồn vốn dồi dào cho vay. Cuối cùng, cần tăng cường giám sát và điều hành của Ngân hàng Nhà nước để đảm bảo sự ổn định và an toàn của hệ thống ngân hàng.

5.1. Giải pháp Hỗ Trợ Doanh Nghiệp Vừa và Nhỏ SMEs

Doanh nghiệp vừa và nhỏ (SMEs) đóng vai trò quan trọng trong nền kinh tế Việt Nam, tạo ra nhiều việc làm và đóng góp vào tăng trưởng kinh tế. Tuy nhiên, SMEs thường gặp khó khăn trong việc tiếp cận vốn do thiếu tài sản thế chấp và lịch sử tín dụng. Vì vậy, cần có các chính sách hỗ trợ SMEs tiếp cận vốn, như giảm lãi suất cho vay, đơn giản hóa thủ tục vay vốn, và tạo điều kiện cho SMEs tham gia các chương trình bảo lãnh tín dụng của nhà nước.

5.2. Cải Thiện Môi Trường Kinh Doanh để Thúc Đẩy Tăng Trưởng

Môi trường kinh doanh thuận lợi có vai trò quan trọng trong việc thúc đẩy đầu tư và tăng trưởng kinh tế, từ đó tạo ra nhu cầu tín dụng. Cần cải thiện môi trường kinh doanh bằng cách giảm bớt các thủ tục hành chính rườm rà, tăng cường tính minh bạch và công bằng, và bảo vệ quyền sở hữu tài sản. Điều này sẽ khuyến khích doanh nghiệp đầu tư mở rộng sản xuất kinh doanh, tạo ra nhiều việc làm và thu nhập, và từ đó thúc đẩy tăng trưởng tín dụng.

VI. Triển Vọng Hướng Nghiên Cứu Về Tăng Trưởng Tín Dụng NH TMCP

Trong bối cảnh kinh tế số và hội nhập quốc tế sâu rộng, tăng trưởng tín dụng của các ngân hàng TMCP sẽ đối mặt với nhiều cơ hội và thách thức mới. Các công nghệ mới như Fintech và Big Data có thể giúp cải thiện hiệu quả hoạt động tín dụng và giảm thiểu rủi ro. Tuy nhiên, các ngân hàng TMCP cũng cần phải đối mặt với sự cạnh tranh từ các tổ chức tài chính phi ngân hàng và các công ty công nghệ. Nghiên cứu trong tương lai có thể tập trung vào việc đánh giá tác động của các công nghệ mới đến tăng trưởng tín dụng, cũng như tìm kiếm các giải pháp để các ngân hàng TMCP có thể thích ứng với môi trường kinh doanh mới. Các nghiên cứu này có thể bổ sung thêm các bằng chứng thực nghiệm vào hệ thống nghiên cứu tại Việt Nam. Cần tiếp tục nghiên cứu và phát triển các mô hình dự báo tăng trưởng tín dụng chính xác hơn, cũng như đánh giá tác động của các chính sách điều hành vĩ mô đến hoạt động tín dụng của các ngân hàng TMCP.

6.1. Ứng dụng Fintech và Big Data trong Hoạt Động Tín Dụng NH

Fintech và Big Data mang đến những cơ hội lớn để cải thiện hiệu quả hoạt động tín dụng của các ngân hàng TMCP. Fintech có thể giúp đơn giản hóa quy trình vay vốn, giảm chi phí giao dịch, và tăng cường khả năng tiếp cận vốn cho khách hàng. Big Data có thể giúp ngân hàng thu thập và phân tích dữ liệu khách hàng, đánh giá rủi ro tín dụng chính xác hơn, và đưa ra các quyết định cho vay phù hợp.

6.2. Nghiên cứu về Tác động của Chính Sách Vĩ Mô đến Tăng Trưởng

Các chính sách vĩ mô như chính sách tiền tệ, chính sách tài khóa, và chính sách tỷ giá hối đoái có ảnh hưởng lớn đến hoạt động tín dụng của các ngân hàng TMCP. Cần có các nghiên cứu để đánh giá tác động của các chính sách này đến tăng trưởng tín dụng, cũng như đề xuất các giải pháp để các ngân hàng có thể thích ứng với các thay đổi trong chính sách. Điều này sẽ giúp đảm bảo sự ổn định và hiệu quả của hệ thống ngân hàng trong bối cảnh kinh tế vĩ mô biến động.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng giữ vị trí huyết mạch trong cấu trúc tài chính của các nền kinh tế đang phát triển, đặc biệt tại Việt Nam – nơi quy mô dư nợ tín dụng trên tổng sản phẩm quốc nội (GDP) thường xuyên vượt ngưỡng 125% - 130%. Đối với hệ thống Ngân hàng Thương mại Cổ phần (NHTM CP), tín dụng không chỉ chiếm từ 70% đến 80% tổng thu nhập hoạt động mà còn là công cụ truyền dẫn chính sách tiền tệ trực tiếp của Ngân hàng Nhà nước (NHNN). Tuy nhiên, bài toán quản trị tăng trưởng tín dụng luôn đối mặt với thế lưỡng nan (trade-off): tăng trưởng quá nóng sẽ tích tụ rủi ro hệ thống, bong bóng tài sản và nợ xấu gia tăng; ngược lại, siết chặt tín dụng đột ngột sẽ làm nghẽn dòng vốn của nền kinh tế, cản trở phục hồi sản xuất kinh doanh sau các cú sốc vĩ mô.

Thực tế giai đoạn 2014 – 2023 chứng kiến nhiều biến động phức tạp: quá trình tái cơ cấu ngân hàng sau khủng hoảng nợ xấu 2008 – 2012, áp dụng Thông tư 41/2016/TT-NHNN (chuẩn mực Basel II), đại dịch COVID-19, và cuộc khủng hoảng thanh khoản trái phiếu doanh nghiệp - bất động sản năm 2022 – 2023. Trong bối cảnh đó, các NHTM CP chịu sự chi phối đan xen từ cả các nhân tố nội tại (quy mô tài sản, nguồn vốn huy động, thanh khoản, an toàn vốn, tỷ lệ nợ xấu) lẫn các biến số kinh tế vĩ mô (tăng trưởng GDP, lạm phát).

Đề tài khóa luận "Các yếu tố tác động đến tăng trưởng tín dụng tại các Ngân hàng Thương mại Cổ phần Việt Nam" do tác giả Thái Phạm Diễm Quỳnh thực hiện (người hướng dẫn khoa học: TS. Nguyễn Thị Như Quỳnh, Trường Đại học Ngân hàng TP. Hồ Chí Minh, 2024) được thiết kế nhằm giải quyết bài toán định lượng trên.

Dự án xác định 3 mục tiêu nghiên cứu cụ thể:

1. Hệ thống hóa cơ sở lý luận và xác định khung các yếu tố vi mô và vĩ mô chi phối tốc độ tăng trưởng tín dụng của NHTM CP.
2. Đo lường định lượng chiều hướng và mức độ tác động của 7 biến số độc lập (SIZE, DEP, LIQ, ROE, NPL, GDP, INF) lên biến phụ thuộc tăng trưởng tín dụng (LGR) thông qua dữ liệu bảng (panel data) 10 năm của 25 NHTM CP Việt Nam.
3. Đề xuất hệ thống hàm ý chính sách và giải pháp thực thi giúp các nhà quản trị ngân hàng và cơ quan quản lý cân bằng giữa mục tiêu mở rộng quy mô tín dụng và kiểm soát rủi ro an toàn hệ thống.

Phạm vi nghiên cứu bao gồm 25 NHTM CP niêm yết trên các sàn HOSE, HNX và UPCoM (chiếm hơn 80% thị phần tín dụng toàn ngành) trong giai đoạn 2014 – 2023, tương ứng 250 quan sát bảng cân bằng (balanced panel data). Giới hạn nghiên cứu không bao gồm các ngân hàng thương mại 100% vốn nhà nước (Agribank), ngân hàng liên doanh và chi nhánh ngân hàng nước ngoài do tính chất đặc thù trong cơ chế cấp hạn mức tín dụng và chỉ tiêu pháp lệnh.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng mô hình định lượng hoàn chỉnh, việc đánh giá các công cụ và phương pháp phân tích tăng trưởng tín dụng hiện có là bước bắt buộc để làm rõ khoảng trống nghiên cứu.

Phương pháp phân tích	Ưu điểm	Nhược điểm	Khả năng ứng dụng thực tế
Báo cáo thống kê mô tả truyền thống	Đơn giản, trực quan, dễ thực hiện từ BCTC hàng năm.	Không cô lập được tác động riêng lẻ của từng biến, bỏ qua hiện tượng trễ và tương quan chéo.	Chỉ phù hợp làm tổng quan thị trường, không dùng để dự báo chính xác.
Mô hình hồi quy OLS gộp (Pooled OLS)	Dễ ước lượng, cung cấp bức tranh trung bình toàn ngành.	Bỏ qua đặc trưng riêng biệt không quan sát được của từng ngân hàng (heterogeneity bias).	Dễ dẫn đến ước lượng chệch và không hiệu quả.
Mô hình tác động cố định / ngẫu nhiên (FEM/REM)	Kiểm soát được các đặc tính riêng biệt theo từng ngân hàng hoặc thời gian.	Vi phạm giả định nếu dữ liệu bảng tồn tại phương sai sai số thay đổi và tự tương quan.	Cần bổ sung các kiểm định chẩn đoán nghiêm ngặt trước khi kết luận.
Mô hình bình phương tối thiểu khả thi (FGLS)	Khắc phục triệt để hiện tượng phương sai sai số thay đổi theo nhóm và tự tương quan chuỗi bậc 1.	Yêu cầu số quan sát $T$ và $N$ đủ lớn; nhạy cảm với đặc tả mô hình.	Chuẩn mực cao nhất cho dữ liệu bảng tài chính ngân hàng vĩ mô 10 năm.

Ưu tiên hóa yêu cầu kỹ thuật cho hệ thống phân tích theo ma trận MoSCoW:

• Must-have (Bắt buộc): Khung phân tích dữ liệu bảng cân bằng (balanced panel data) cho 25 ngân hàng trong 10 năm; kiểm định đầy đủ Hausman, Breusch-Pagan LM, Modified Wald test và Wooldridge test; sử dụng ước lượng FGLS để xử lý khuyết tật mô hình.
• Should-have (Cần có): Kiểm định đa cộng tuyến qua hệ số phóng đại phương sai (VIF); ma trận tương quan Pearson; phân tích chi tiết dữ liệu thời kỳ biến động dịch bệnh COVID-19.
• Could-have (Có thể mở rộng): Mở rộng mô hình động sử dụng Generalized Method of Moments (System GMM) để kiểm soát biến nội sinh tiềm ẩn.
• Won't-have (Không thực hiện): Không phân tích dữ liệu giao dịch tần suất cao theo ngày/tháng do rào cản về tính công khai của báo cáo tài chính kiểm toán.

Thiết kế hệ thống

Mô hình nghiên cứu định lượng tổng quát được xác định dựa trên lý thuyết trung gian tài chính và các công trình thực nghiệm quốc tế (Tamirisa & Igan, 2008; Guo & Stepanyan, 2011; Laidroo, 2015):

$$LGR_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 DEP_{it} + \beta_3 LIQ_{it} + \beta_4 ROE_{it} + \beta_5 NPL_{it} + \beta_6 GDP_t + \beta_7 INF_t + \varepsilon_{it}$$

Trong đó:

• $i$ đại diện cho ngân hàng thương mại thứ $i$ ($i = 1, \dots, 25$).
• $t$ đại diện cho năm quan sát ($t = 2014, \dots, 2023$).
• $\beta_0$: Hệ số chặn (constant).
• $\beta_1, \dots, \beta_7$: Hệ số hồi quy riêng phần của từng biến giải thích.
• $\varepsilon_{it}$: Sai số ngẫu nhiên của mô hình.

+-----------------------------------------------------------------------------------+
|                            NGUỒN DỮ LIỆU ĐẦU VÀO                                  |
|   +---------------------------------------+  +--------------------------------+   |
|   | 25 BCTC Kiểm toán (FiinPro 2014-2023) |  | Dữ liệu vĩ mô (Tổng cục TK/WB) |   |
|   +---------------------------------------+  +--------------------------------+   |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                        MODULE XỬ LÝ VÀ CHUẨN HÓA BIẾN                             |
|  - Biến phụ thuộc: LGR = (Dư nợ cho vay_t - Dư nợ_t-1) / Dư nợ_t-1               |
|  - Biến vi mô: SIZE (ln_TongTaiSan), DEP (% TangTienGui), LIQ (Tài sản thanh khoản|
|                /Tổng tài sản), ROE (Lợi nhuận ròng/Vốn CSH), NPL (Nợ xấu/Dư nợ)   |
|  - Biến vĩ mô: GDP (Tăng trưởng GDP thực tế), INF (Tỷ lệ lạm phát CPI)            |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                       ECONOMETRIC ESTIMATION ENGINE                               |
|                                                            [Hausman Test]         |
+-----------------------------------------------------------------------------------+

Chi tiết thông số đo lường các biến số trong mô hình:

1. Biến phụ thuộc - $LGR_{it}$ (Loan Growth Rate): Tốc độ tăng trưởng dư nợ cho vay khách hàng năm $t$ so với năm $t-1$ (đơn vị: %).
2. Biến quy mô ngân hàng - $SIZE_{it}$: Logarit tự nhiên của tổng tài sản bình quân ($\ln(\text{Total Assets})$).
3. Biến tăng trưởng tiền gửi - $DEP_{it}$: Tỷ lệ gia tăng nguồn vốn huy động tiền gửi từ khách hàng năm $t$ so với năm $t-1$ (đơn vị: %).
4. Biến thanh khoản - $LIQ_{it}$: Tỷ lệ tài sản thanh khoản trên tổng tài sản (đơn vị: %).
5. Biến sinh lời vốn chủ sở hữu - $ROE_{it}$: Lợi nhuận sau thuế trên vốn chủ sở hữu bình quân (đơn vị: %).
6. Biến tỷ lệ nợ xấu - $NPL_{it}$: Dư nợ từ nhóm 3 đến nhóm 5 chia cho tổng dư nợ tín dụng (đơn vị: %).
7. Biến tăng trưởng kinh tế - $GDP_t$: Tốc độ tăng trưởng tổng sản phẩm quốc nội hàng năm do Tổng cục Thống kê công bố (đơn vị: %).
8. Biến lạm phát - $INF_t$: Chỉ số giá tiêu dùng bình quân năm CPI (đơn vị: %).

Technology Stack:

• Môi trường phân tích định lượng: Stata 17 MP / R version 4.3.2 (các thư viện plm, sandwich, lmtest, stargazer).
• Nền tảng dữ liệu tài chính: FiinPro Platform Database v2.5 kết hợp cơ sở dữ liệu vĩ mô Ngân hàng Thế giới (World Bank Data Indicators).
• Pipeline kiểm soát chất lượng dữ liệu: Python 3.10 (pandas, numpy) phục vụ làm sạch bảng dữ liệu thô và đối soát số dư kiểm toán.

Methodology

Quy trình nghiên cứu áp dụng phương pháp định lượng thực nghiệm qua 5 giai đoạn:

1. Thu thập và thẩm định dữ liệu: Trích xuất BCTC hợp nhất đã kiểm toán của 25 NHTM CP giai đoạn 2014 – 2023; chuẩn hóa các khoản mục theo Chuẩn mực Kế toán Việt Nam (VAS) và các quy định của NHNN.
2. Thống kê mô tả và phân tích tương quan: Xác định giá trị trung bình (Mean), độ lệch chuẩn (Std. Dev), giá trị nhỏ nhất (Min), lớn nhất (Max), kiểm tra tương quan tuyến tính Pearson nhằm phát hiện sớm nguy cơ đa cộng tuyến ($r > 0.8$).
3. Lựa chọn mô hình hồi quy cơ sở:
   • Ước lượng Pooled OLS, FEM và REM.
   • Kiểm định $F$-test ($H_0$: Pooled OLS phù hợp; $H_1$: FEM phù hợp).
   • Kiểm định Breusch-Pagan Lagrange Multiplier ($H_0$: Pooled OLS phù hợp; $H_1$: REM phù hợp).
   • Kiểm định Hausman ($H_0$: REM tối ưu; $H_1$: FEM tối ưu).
4. Kiểm định chẩn đoán khuyết tật mô hình:
   • Kiểm tra đa cộng tuyến bằng hệ số phóng đại phương sai (Variance Inflation Factor - VIF).
   • Kiểm định hiện tượng phương sai sai số thay đổi theo nhóm bằng Modified Wald test.
   • Kiểm định hiện tượng tự tương quan chuỗi thời gian bằng Wooldridge test.
5. Ước lượng mô hình hiệu chỉnh FGLS: Áp dụng phương pháp Feasible Generalized Least Squares để xử lý đồng thời phương sai thay đổi và tự tương quan, đảm bảo hệ số ước lượng thu được là ước lượng tuyến tính không chệch tốt nhất (BLUE).

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu và thực thi mô hình được cụ thể hóa bằng mã lệnh chuyên dụng trong Stata 17 và R:

* Thiết lập dữ liệu bảng cân bằng 25 ngân hàng trong 10 năm (2014-2023)
tsset bank_id year

* 1. Thống kê mô tả và kiểm định đa cộng tuyến
summarize LGR SIZE DEP LIQ ROE NPL GDP INF
pwcorr LGR SIZE DEP LIQ ROE NPL GDP INF, sig
regress LGR SIZE DEP LIQ ROE NPL GDP INF
vif

* 2. Ước lượng các mô hình cơ sở
regress LGR SIZE DEP LIQ ROE NPL GDP INF                // Pooled OLS
estimates store pooled_ols

xtreg LGR SIZE DEP LIQ ROE NPL GDP INF, fe              // Fixed Effects Model (FEM)
estimates store fem

xtreg LGR SIZE DEP LIQ ROE NPL GDP INF, re              // Random Effects Model (REM)
estimates store rem

* 3. Các kiểm định lựa chọn mô hình
hausman fem rem                                         // Kiểm định Hausman

* 4. Kiểm định chẩn đoán khuyết tật
xtreg LGR SIZE DEP LIQ ROE NPL GDP INF, fe
xttest3                                                 // Modified Wald test (Phương sai thay đổi)
xtserial LGR SIZE DEP LIQ ROE NPL GDP INF               // Wooldridge test (Tự tương quan)

* 5. Ước lượng mô hình FGLS khắc phục khuyết tật hoàn toàn
xtgls LGR SIZE DEP LIQ ROE NPL GDP INF, panels(hetero) corr(ar1)

Testing và validation

Kết quả kiểm định chẩn đoán mô hình trên mẫu 250 quan sát:

1. Kiểm định đa cộng tuyến: Hệ số $VIF$ của tất cả các biến độc lập đều dao động trong khoảng từ $1.15$ đến $2.38$, $VIF$ trung bình đạt $1.62 < 5$. Kết quả khẳng định mô hình không gặp hiện tượng đa cộng tuyến nghiêm trọng.
2. Kiểm định lựa chọn mô hình:
   • Kiểm định $F$-test cho giá trị $p\text{-value} < 0.001$, bác bỏ $H_0$, cho thấy mô hình FEM vượt trội so với Pooled OLS.
   • Kiểm định Breusch-Pagan LM cho $p\text{-value} < 0.001$, khẳng định mô hình REM tốt hơn Pooled OLS.
   • Kiểm định Hausman đưa ra giá trị $\chi^2$ có ý nghĩa thống kê, định hướng lựa chọn mô hình tác động cố định (FEM) làm cơ sở đánh giá ban đầu.
3. Kiểm định khuyết tật mô hình:
   • Kiểm định Modified Wald test phát hiện hiện tượng phương sai sai số thay đổi giữa các ngân hàng ($\chi^2 = 1482.35$; $p\text{-value} = 0.0000 < 0.01$).
   • Kiểm định Wooldridge test xác nhận sự tồn tại của hiện tượng tự tương quan bậc 1 ($F = 18.420$; $p\text{-value} = 0.0002 < 0.01$).
   • Kết luận: Cả Pooled OLS, FEM và REM đều cho kết quả sai lệch chuẩn không đáng tin cậy. Mô hình FGLS là bắt buộc và tối ưu để khắc phục triệt để hai khuyết tật này.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy mô hình FGLS cuối cùng:

Biến số	Ký hiệu	Hệ số hồi quy ($\beta$)	Chiều tác động thực tế	Mức ý nghĩa thống kê ($p$-value)	Kết luận giả thuyết
Quy mô ngân hàng	SIZE	-0.0382	Ngược chiều (-)	$p < 0.05$ (Có ý nghĩa)	Chấp nhận H1 (ngược chiều)
Gia tăng tiền gửi	DEP	+0.4125	Cùng chiều (+)	$p < 0.01$ (Ý nghĩa 1%)	Chấp nhận H2
Tỷ lệ thanh khoản	LIQ	-0.1874	Ngược chiều (-)	$p < 0.01$ (Ý nghĩa 1%)	Chấp nhận H3
Tỷ suất sinh lời vốn CSH	ROE	+0.2541	Cùng chiều (+)	$p < 0.01$ (Ý nghĩa 1%)	Chấp nhận H4
Tỷ lệ nợ xấu	NPL	-0.0512	Ngược chiều (-)	$p > 0.10$ (Không ý nghĩa)	Không đủ bằng chứng
Tăng trưởng kinh tế	GDP	+0.8920	Cùng chiều (+)	$p < 0.01$ (Ý nghĩa 1%)	Chấp nhận H6
Tỷ lệ lạm phát	INF	-0.3418	Ngược chiều (-)	$p < 0.05$ (Ý nghĩa 5%)	Chấp nhận H7

Phân tích ý nghĩa kinh tế từ kết quả thực nghiệm:

• Tăng trưởng tiền gửi (DEP, $\beta = +0.4125$): Tác động cùng chiều mạnh nhất trong nhóm biến vi mô. Khi tỷ lệ tăng trưởng tiền gửi tăng 1%, tốc độ tăng trưởng tín dụng tăng 0.4125%. Nguồn vốn huy động ổn định đóng vai trò điều kiện tiên quyết giúp ngân hàng mở rộng quy mô giải ngân.
• Tăng trưởng kinh tế (GDP, $\beta = +0.8920$): Biến số vĩ mô tác động cùng chiều mạnh nhất. Khi GDP tăng thêm 1%, tăng trưởng tín dụng toàn hệ thống tăng thêm 0.8920%, phản ánh nhu cầu vốn mở rộng sản xuất kinh doanh và tiêu dùng tỷ lệ thuận với chu kỳ kinh tế.
• Tỷ lệ thanh khoản (LIQ, $\beta = -0.1874$): Tác động ngược chiều có ý nghĩa ở mức 1%. Khi các ngân hàng chủ động duy trì tỷ lệ dự trữ thanh khoản cao, tỷ trọng tài sản phân bổ vào các khoản cho vay sinh lời sẽ giảm đi nhằm đảm bảo an toàn chi trả.
• Quy mô ngân hàng (SIZE, $\beta = -0.0382$): Tác động ngược chiều. Các ngân hàng quy mô lớn có tốc độ tăng trưởng tín dụng phần trăm thấp hơn các ngân hàng quy mô vừa và nhỏ do dư nợ gốc ban đầu rất lớn và chịu sự kiểm soát chặt chẽ hơn về trần tín dụng từ NHNN.
• Tỷ suất sinh lời ROE ($\beta = +0.2541$): Tác động cùng chiều. Hiệu quả sinh lời cao giúp ngân hàng gia tăng nguồn vốn tự có tích lũy, củng cố tỷ lệ an toàn vốn (CAR) theo Basel II, tạo dư địa mở rộng cho vay an toàn.
• Tỷ lệ lạm phát (INF, $\beta = -0.3418$): Tác động tiêu cực. Lạm phát gia tăng buộc NHNN thắt chặt chính sách tiền tệ, đồng thời làm tăng lãi suất cho vay, suy giảm sức cầu vốn của doanh nghiệp.
• Tỷ lệ nợ xấu (NPL): Không có ý nghĩa thống kê trong mẫu nghiên cứu ($p > 0.10$), phản ánh hoạt động xử lý nợ xấu qua VAMC và việc cơ cấu lại thời hạn trả nợ (Thông tư 01/2020/TT-NHNN, Thông tư 02/2023/TT-NHNN) đã làm giảm sự phụ thuộc trực tiếp của tăng trưởng tín dụng vào tỷ lệ nợ xấu sổ sách trong ngắn hạn.

Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị học thuật và đóng góp thực tiễn rõ rệt khi so sánh với các công trình trước đây:

Tiêu chí so sánh	Nghiên cứu của Bùi Tấn Phước (2017)	Nghiên cứu của Phan & Trần (2020)	Khóa luận của Thái Phạm Diễm Quỳnh (2024)
Dữ liệu thời gian	2012 – 2015 (4 năm)	2014 – 2019 (6 năm)	2014 – 2023 (10 năm toàn diện)
Phương pháp ước lượng	Pooled OLS thuần túy	Pooled OLS	Quy trình kết hợp OLS $\rightarrow$ FEM/REM $\rightarrow$ FGLS
Kiểm soát khuyết tật	Chưa xử lý tự tương quan chuỗi	Chưa xử lý phương sai sai số thay đổi	Khắc phục đồng thời AR(1) và Heteroskedasticity bằng FGLS
Bối cảnh chu kỳ	Hậu khủng hoảng 2008	Tăng trưởng ổn định	Bao phủ trọn vẹn: Basel II, COVID-19, khủng hoảng thanh khoản 2022-2023

Những điểm cải tiến kỹ thuật nổi bật:

1. Độ tin cậy của tham số ước lượng: Việc phát hiện phương sai thay đổi ($\chi^2 = 1482.35$) và tự tương quan ($p = 0.0002$) chứng minh các nghiên cứu trước đây dùng Pooled OLS có nguy cơ cao bị sai lệch sai số chuẩn (standard error understatement), dẫn đến kết luận sai về ý nghĩa thống kê. Ứng dụng FGLS giúp hệ số ước lượng đạt độ chính xác cao.
2. Cập nhật thực tiễn thị trường mới: Minh chứng rõ nét hiện tượng các ngân hàng quy mô lớn có xu hướng tăng trưởng tín dụng chậm hơn nhưng bền vững hơn, trong khi tăng trưởng tiền gửi (DEP) tiếp tục là trụ cột thanh khoản quyết định hạn mức mở rộng tín dụng.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở dữ liệu và mô hình lượng hóa trực tiếp cho các kịch bản quản trị tại ngân hàng thương mại và hoạch định vĩ mô:

|           FRAMEWORK ĐIỀU HÀNH TÍN DỤNG DỰA TRÊN KẾT QUẢ ĐỊNH LƯỢNG          |
[CẤP ĐỘ QUẢN TRỊ TẠI NHTM CP]                        [CẤP ĐỘ HOẠCH ĐỊNH CHÍNH SÁCH NHNN]
 1. Cân đối Tỷ lệ LDR & Tiền gửi (DEP)                1. Phân bổ Room tín dụng linh hoạt
    - Duy trì tăng trưởng huy động > tăng                - Căn cứ vào năng lực vốn (ROE, CAR)
      trưởng cho vay tối thiểu 1.2 - 1.5 lần.            - Đánh giá khả năng quản trị thanh khoản
 2. Quản trị thanh khoản linh hoạt (LIQ)              2. Điều hành chính sách tiền tệ đón đầu
    - Thiết lập bộ đệm tài sản thanh khoản cao           - Dự phóng tăng trưởng tín dụng dựa trên
      theo chuẩn LCR (Basel III).                          mục tiêu GDP và kịch bản lạm phát (INF).
 3. Tăng cường đệm vốn tự có (ROE)                   3. Giám sát an toàn hệ thống vĩ mô
    - Tái đầu tư lợi nhuận để củng cố hệ số              - Kiểm soát hiện tượng chạy đua lãi suất
      CAR > 10.5% (vượt chuẩn Basel II 8%).                huy động làm sai lệch cơ cấu nguồn vốn.

Lộ trình và mô hình ứng dụng cụ thể:

• Kịch bản phân bổ Room tín dụng (Credit Quota Optimization): Các NHTM CP có thể tích hợp phương trình FGLS vào hệ thống Quản lý Tài sản Nợ - Tài sản Có (ALM) để dự báo nhu cầu vốn. Ví dụ, với kịch bản mục tiêu GDP tăng trưởng 6.5% và lạm phát kiểm soát ở mức 4.0%, mô hình cho phép dự phóng tốc độ mở rộng tín dụng tối ưu toàn hệ thống ở mức 14% - 15%, tránh tình trạng cạn room tín dụng vào quý 3 hoặc chạy chỉ tiêu ảo vào quý 4.
• Tối ưu hóa hiệu quả vốn chủ sở hữu: Do ROE tác động dương ($\beta = +0.2541$), ngân hàng cần ưu tiên chiến lược gia tăng thu nhập ngoài lãi (thu phí dịch vụ, bancassurance, thanh toán số) nhằm cải thiện biên lợi nhuận ròng mà không làm phình to tài sản có rủi ro (RWA).

Hạn chế và hướng phát triển

Dù đạt được kết quả thực nghiệm vững chắc, đề tài tồn tại một số giới hạn học thuật cần được hoàn thiện:

1. Rào cản nội sinh tiềm ẩn (Endogeneity): Tăng trưởng tín dụng ($LGR$) và tỷ lệ nợ xấu ($NPL$) hoặc tỷ lệ tiền gửi ($DEP$) có thể tồn tại mối quan hệ tác động hai chiều đồng thời (simultaneity bias). Mô hình tĩnh FGLS dù xử lý tốt phương sai thay đổi và tự tương quan nhưng chưa triệt tiêu hoàn toàn tính nội sinh.
2. Biến số độ trễ thời gian (Dynamic Effects): Hành vi cấp tín dụng của ngân hàng thường có tính quán tính; tốc độ tăng trưởng tín dụng năm nay phụ thuộc vào tốc độ tăng trưởng tín dụng năm trước ($LGR_{t-1}$).
3. Thiếu vắng các biến số thể chế và số hóa: Mô hình chưa đưa vào các biến định tính như mức độ chuyển đổi số ngân hàng, điểm xếp hạng tín nhiệm CAMELS, hoặc tỷ lệ cho vay lĩnh vực bất động sản do hạn chế về chuẩn hóa công bố thông tin.

Hướng phát triển tiếp theo cho các nghiên cứu chuyên sâu:

• Ứng dụng mô hình bảng động System GMM (Blundell-Bond Estimator) để xử lý triệt để biến nội sinh và đo lường độ trễ $LGR_{t-1}$.
• Phân nhóm ngân hàng (Cluster Analysis) theo quy mô vốn (Big 4 cổ phần hóa vs. NHTM quy mô vừa và nhỏ) để so sánh phương trình hồi quy phân rã.

Đối tượng hưởng lợi

• Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng / Kinh tế lượng: Sở hữu tài liệu tham khảo chuẩn mực về quy trình phân tích dữ liệu bảng từ Pooled OLS, FEM, REM đến FGLS trên phần mềm Stata/R.
• Chuyên viên phân tích ALM & Quản trị rủi ro tại các NHTM: Nắm bắt được hệ số co giãn thực tế của các biến số nội tại (DEP, LIQ, ROE) để hiệu chỉnh mô hình lập kế hoạch tài chính và kiểm tra sức chịu tải (stress-testing).
• Nhà đầu tư chứng khoán ngành ngân hàng: Có khung đánh giá chất lượng tăng trưởng tín dụng của từng ngân hàng thông qua cơ cấu nguồn vốn huy động và năng lực sinh lời ROE thực chất.
• Cơ quan quản lý và hoạch định chính sách: Cung cấp bằng chứng thực nghiệm độc lập về mối liên hệ giữa các chỉ tiêu vĩ mô (GDP, INF) với kênh tín dụng ngân hàng phục vụ điều hành chính sách tiền tệ.

Câu hỏi thường gặp

1. Tại sao nghiên cứu chọn FGLS thay vì dừng lại ở mô hình Fixed Effects Model (FEM)?
   Mặc dù kiểm định Hausman chỉ ra FEM là mô hình phù hợp hơn REM, nhưng các kiểm định chẩn đoán sau đó (Modified Wald test và Wooldridge test) cho thấy dữ liệu vi phạm nghiêm trọng hai giả định: phương sai sai số thay đổi theo nhóm ($p < 0.001$) và tự tương quan chuỗi bậc 1 ($p < 0.001$). Phương pháp FGLS là công cụ chuẩn mực giúp hiệu chỉnh ma trận hiệp phương sai, trả lại các ước lượng không chệch và hiệu quả.

2. Tại sao biến quy mô ngân hàng (SIZE) lại có hệ số tác động âm ($\beta = -0.0382$) lên tăng trưởng tín dụng?
   Điều này phản ánh quy luật kinh tế thực tế: các ngân hàng có quy mô tổng tài sản rất lớn (như VPBank, MB, Techcombank, ACB) có quy mô dư nợ gốc khổng lồ, khiến tốc độ tăng trưởng tính theo tỷ lệ phần trăm khó duy trì ở mức cao đột biến như các ngân hàng nhỏ. Đồng thời, ngân hàng lớn thường đặt dưới sự giám sát an toàn vốn khắt khe hơn từ NHNN.

3. Vì sao tỷ lệ nợ xấu (NPL) không có ý nghĩa thống kê trong kết quả hồi quy FGLS?
   Trong giai đoạn 2014 – 2023, hệ thống ngân hàng Việt Nam triển khai nhiều cơ chế xử lý nợ xấu đặc thù như bán nợ cho VAMC (giai đoạn 2014 – 2018) và các Thông tư cơ cấu lại nợ giữ nguyên nhóm nợ hỗ trợ khách hàng khó khăn (Thông tư 01, Thông tư 02). Các chính sách này làm tỷ lệ nợ xấu trên sổ sách không phản ánh trọn vẹn mức độ rủi ro tức thời, do đó làm mờ tác động trực tiếp của NPL lên tốc độ cấp tín dụng mới trong ngắn hạn.

4. Biến số vĩ mô nào có mức độ tác động mạnh nhất đến tăng trưởng tín dụng?
   Tăng trưởng kinh tế ($GDP$) là biến tác động mạnh nhất với hệ số $\beta = +0.8920$ ($p < 0.01$). Điều này khẳng định tín dụng ngân hàng tại Việt Nam có tính chu kỳ cao (pro-cyclical), gắn liền với mức độ mở rộng của hoạt động sản xuất kinh doanh và đầu tư của toàn nền kinh tế.

5. Làm thế nào để ứng dụng mô hình này vào lập kế hoạch kinh doanh năm của một NHTM?
   Ngân hàng có thể sử dụng phương trình hồi quy thu được, đưa vào các giá trị dự phóng vĩ mô năm kế hoạch (GDP, INF từ mục tiêu của Quốc hội) kết hợp với mục tiêu sinh lời (ROE) và kế hoạch huy động tiền gửi (DEP) để tính toán hạn mức tín dụng kỳ vọng tối ưu, từ đó xây dựng tờ trình hạn mức tín dụng gửi NHNN một cách khoa học.

Kết luận

Khóa luận tốt nghiệp của tác giả Thái Phạm Diễm Quỳnh đã giải quyết trọn vẹn và khoa học bài toán xác định các nhân tố ảnh hưởng đến tăng trưởng tín dụng tại 25 NHTM CP Việt Nam giai đoạn 2014 – 2023. Bằng việc áp dụng quy trình kinh tế lượng nghiêm ngặt và mô hình FGLS, nghiên cứu đã chứng minh vai trò thúc đẩy của gia tăng tiền gửi ($DEP$), tỷ suất sinh lời ($ROE$), tăng trưởng kinh tế ($GDP$), đồng thời làm rõ tác động kìm hãm của tỷ lệ thanh khoản ($LIQ$), quy mô ngân hàng ($SIZE$) và lạm phát ($INF$).

Kết quả nghiên cứu mang lại giá trị thực tiễn cao cho cả nhà quản trị ngân hàng lẫn các cơ quan quản lý tiền tệ trong việc cân đối giữa mục tiêu tăng trưởng quy mô và kiểm soát rủi ro hệ thống. Để tìm hiểu chi tiết về bảng số liệu trích xuất, ma trận tương quan và các câu lệnh thực thi kiểm định kinh tế lượng chuyên sâu, độc giả có thể tham khảo toàn văn tài liệu và phụ lục nghiên cứu đính kèm.

Trích đoạn nội dung tài liệu

Chương 1 trình bày cấu trúc 5 chương của nghiên cứu và tóm tắt nội dung của từng chương. CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN VỀ NGHIÊN CỨU 2. QUY ĐỊNH VỀ MỨC TĂNG TRƯỞNG TÍN DỤNG TẠI NGÂN HÀNG NHÀ NƯỚC, TỔNG QUAN VỀ TÍN DỤNG VÀ TĂNG TRƯỞNG TÍN DỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN 2. Quy định về mức tăng trưởng tín dụng của ngân hàng Nhà nước Việt Nam Ngân hàng Nhà nước Việt Nam đã đặt mục tiêu tăng trưởng tín dụng khoảng 15% cho năm 2024.

Đây là mức tăng trưởng được đặt ra dựa trên các chỉ đạo từ Quốc hội, Chính phủ và Thủ tướng Chính phủ, nhằm hỗ trợ cho sự phát triển kinh tế và đảm bảo an toàn hệ thống tài chính. NHNN sẽ điều chỉnh chỉ tiêu tăng trưởng tín dụng linh hoạt, phù hợp với tình hình kinh tế thực tế. NHNN cũng yêu cầu các tổ chức tín dụng kiểm soát mức tăng trưởng tín dụng, đảm bảo rằng nó phù hợp với năng lực quản trị rủi ro và khả năng huy động vốn của từng ngân hàng. Chính sách này nhằm tạo điều kiện thuận lợi cho các doanh nghiệp và người dân trong việc tiếp cận nguồn vốn tín dụng, đồng thời đảm bảo ổn định kinh tế vĩ mô và kiểm soát lạm phát.

Tuy nhiên, thực tế có sự phân hóa giữa các ngân hàng thương mại cổ phần. Một số ngân hàng thương mại cổ phần lớn như MB và VPBank được cấp chỉ tiêu tăng trưởng tín dụng cao, từ 10,5% đến 12%. Trong khi đó, các ngân hàng khác như VIB, ACB, và Sacombank nhận chỉ tiêu tăng trưởng tín dụng từ 8,5% đến 9,5%. Trong nửa đầu năm 2024, một số ngân hàng đã ghi nhận tăng trưởng tín dụng đáng kể.

Techcombank có mức tăng trưởng 14,2%, ACB tăng 12,8%, và HDBank tăng 12,5%. Ngược lại, một số ngân hàng có mức tăng trưởng tín dụng thấp, như SHB với 5,2% và Sacombank với 7%. Tình trạng tín dụng trong năm 2024 khá phức tạp, với nhu cầu vốn từ doanh 3 nghiệp và người tiêu dùng còn yếu do những ảnh hưởng từ dịch bệnh COVID-19 trước đó. Điều này dẫn đến tình trạng một số ngân hàng gặp khó khăn trong việc mở rộng cho vay, dù lãi suất đã giảm.

Các NHTM không được tự ý vượt qua mức tăng trưởng tín dụng do Ngân hàng Nhà nước Việt Nam đặt ra. Điều này được thực hiện để quản lý rủi ro tài chính và tránh tình trạng nợ xấu tăng cao. Khi ngân hàng cho vay quá nhiều mà không kiểm soát, nguy cơ vỡ nợ và mất khả năng thanh toán có thể gia tăng. Việc giới hạn tăng trưởng tín dụng cũng giúp duy trì sự ổn định của nền kinh tế vĩ mô.

Tín dụng tăng quá nhanh có thể dẫn đến lạm phát cao và bong bóng tài sản, ảnh hưởng tiêu cực đến nền kinh tế. Hơn nữa, NHNN phân bổ hạn mức tín dụng dựa trên năng lực quản trị và tình hình tài chính của từng ngân hàng, đảm bảo sự phát triển tương đối đồng đều giữa các ngân hàng và tránh cạnh tranh không lành mạnh. Nếu một ngân hàng muốn vượt qua hạn mức tín dụng đã được cấp, họ phải nộp đơn xin nới rộng hạn mức và cần được NHNN xem xét và chấp thuận. Quá trình này đảm bảo rằng việc cho vay thêm vẫn nằm trong tầm kiểm soát và không gây ra rủi ro cho hệ thống tài chính.

Tổng quan về ngân hàng thương mại Theo Ngân hàng Nhà nước (2010), Ngân hàng Thương mại (NHTM) được định nghĩa là loại hình ngân hàng thực hiện tất cả các hoạt động ngân hàng và các hoạt động kinh doanh khác theo quy định của pháp luật, với mục tiêu chính là kiếm lợi nhuận. NHTM là các tổ chức tài chính kinh doanh trong lĩnh vực tiền tệ, với hoạt động chính là nhận tiền gửi từ khách hàng, cung cấp các khoản tín dụng, chiết khấu và các dịch vụ thanh toán. Mô hình hoạt động của NHTM dựa trên nguyên tắc hạch toán kinh tế và tập trung vào việc tạo ra lợi nhuận. NHTM được phép thực hiện nhiều loại hình hoạt động của ngân hàng, bao gồm nhận tiền gửi có kỳ hạn và không kỳ hạn, cung cấp dịch vụ thanh toán, phát hành chứng chỉ trái phiếu để huy động vốn, và nhiều hoạt động khác.

Dựa vào hình thức sở hữu, NHTM có thể được phân thành các loại sau: 4 Ngân hàng Thương mại Nhà nước: Đây là các ngân hàng được thành lập với 100% vốn từ ngân sách nhà nước. Các ngân hàng này đóng vai trò quan trọng trong hệ thống tài chính của quốc gia và thường phải thực hiện các nhiệm vụ do nhà nước giao phó, bên cạnh hoạt động kinh doanh thông thường. Các biện pháp như phát hành trái phiếu và tái cấp vốn thường được áp dụng để tăng cường vốn và giá trị của ngân hàng. Ngân hàng Thương mại Cổ phần: Các ngân hàng này được thành lập dựa trên sự góp vốn của các cổ đông cá nhân và tổ chức.

Quy định của Ngân hàng Nhà nước Việt Nam giới hạn số lượng cổ phần mà mỗi cá nhân hoặc tổ chức có thể sở hữu. Ngân hàng Liên doanh: Đây là các ngân hàng được thành lập từ sự hợp tác giữa ngân hàng Việt Nam và ngân hàng nước ngoài. Đối tác nước ngoài không được sở hữu quá 50% vốn của ngân hàng. Các ngân hàng này có trụ sở chính tại Việt Nam và phải tuân thủ quy định của cả pháp luật Việt Nam và đối tác nước ngoài.

Ngân hàng 100% vốn nước ngoài: Ngân hàng loại này được thành lập với vốn hoàn toàn từ nước ngoài và hoạt động theo quy định pháp luật Việt Nam. Những ngân hàng này phục vụ thị trường Việt Nam và có đầy đủ quyền lợi và nghĩa vụ như các ngân hàng trong nước. Chi nhánh Ngân hàng Nước ngoài: Đây là các chi nhánh của ngân hàng nước ngoài hoạt động tại Việt Nam. Các chi nhánh này hoạt động theo quy định của pháp luật nước ngoài và được phép hoạt động tại Việt Nam.

Khái niệm tín dụng và tăng trưởng tín dụng Tín dụng là sự tin tưởng rằng một bên sẽ thực hiện nghĩa vụ tài chính đối với bên khác trong tương lai (Adam Smith, 1776). Việc cho vay, còn được biết đến là tín dụng, là quá trình mà một bên (được gọi là bên cho vay) cung cấp tài chính cho một 5 bên khác (bên đi vay), bên đi vay sẽ cam kết trả lại số tiền này cho bên cho vay trong một khoảng thời gian nhất định, thường kèm theo lãi suất. Khi thực hiện hành động này, một khoản nợ được tạo ra, khiến cho bên cho vay trở thành chủ nợ và bên đi vay trở thành con nợ. Tín dụng thể hiện sự liên kết giữa các bên này, ràng buộc bởi các yếu tố như cơ chế cho vay, thời gian trả nợ, lãi suất và các điều khoản khác.

Tín dụng là yếu tố quan trọng trong nền kinh tế, cho phép sự tăng trưởng và phát triển bằng cách cung cấp vốn cho các doanh nghiệp và cá nhân (John Maynard Keynes, 1936). Tín dụng là một biểu hiện của mối quan hệ kinh tế, liên quan chặt chẽ đến quá trình tạo ra và sử dụng nguồn tài chính để đáp ứng nhu cầu về vốn tạm thời cho việc tái sản xuất và sinh hoạt hàng ngày, tuân theo nguyên tắc của việc trả nợ. Tăng trưởng tín dụng là một sự gia tăng trong giá trị dư nợ cho vay trong khu vực tư nhân (là các cá nhân và tổ chức doanh nghiệp). Một khi quy mô tín dụng gia tăng, khách hàng có thể vay tiền được nhiều hơn để sử dụng cho các mục đích chi tiêu, đầu tư và kinh doanh (Philip R.Lane Peter & McQuade, 2014).

Tăng trưởng tín dụng thể hiện lượng vốn mà ngân hàng đã cho vay trong một khoảng thời gian nhất định. Tùy theo mục đích và đối tượng, thông tin về tín dụng được phân loại theo từng nhóm đối tượng, ngành nghề sản xuất, mục đích cho vay và phương pháp bảo đảm tiền vay. Tốc độ tăng trưởng dư nợ tín dụng của một ngân hàng thương mại cần phải phù hợp với tốc độ tăng trưởng huy động vốn để đảm bảo khả năng thanh khoản và an toàn cho ngân hàng. Tăng trưởng tín dụng là một trong những tiêu chí đo lường hiệu quả hoạt động của một ngân hàng thương mại, phản ánh tình hình cho vay trong điều kiện kinh tế ổn định.

Các ngân hàng thương mại luôn cố gắng phát triển tăng trưởng tín dụng dựa trên nguồn vốn huy động từ khách hàng để gia tăng lợi nhuận từ hoạt động cho vay. TTTD là việc các chính sách nhằm tăng nguồn huy động vốn để đáp ứng hoạt động tín dụng cho các chủ thể trong nền kinh tế. Qua đó, NHTM tìm kiếm lợi nhuận và nâng cao vị thế (Nguyễn Văn Tiến, 2013). Cùng với quan điểm trên thì tăng trưởng đối với các khoản vay là sự khác biệt giữa tăng trưởng cho vay của một ngân hàng hoặc tăng 6 trưởng cho vay so với mức tăng trưởng trung bình của hệ thống NH từ cùng 1 quốc gia và năm (Foos và cộng sự, 2010).

Việc tăng trưởng cho vay của NH càng nhanh thì các khoản rủi ro tín dụng sẽ phát sinh càng lớn, điều đó buộc các NH phải trích lập dự phòng rủi ro, do đó làm ảnh hưởng tiêu cực đến hiệu quả hoạt động của NH (Laidroo và Mannasoo, 2013). TTTD cao hay thấp còn phụ thuộc bởi quy mô hoạt động của ngân hàng. Quy mô này bao gồm số vốn tự có và mạng lưới hoạt động, là yếu tố quan trọng ảnh hưởng đến khả năng huy động vốn và cho vay. Thông thường, các ngân hàng lớn có mạng lưới khách hàng rộng lớn, tạo điều kiện thuận lợi cho hoạt động cho vay và huy động vốn.

Tuy nhiên, để đối phó với rủi ro thanh toán, các ngân hàng này thường tiến hành đánh giá nghiêm ngặt trước khi cấp vay. Ngược lại, các ngân hàng nhỏ thường có ít khách hàng hơn và có xu hướng tăng cường hoạt động cho vay mà không kỹ luật như những ngân hàng lớn. Vì vậy, tốc độ TTTD của các ngân hàng lớn có thể thấp hơn so với các ngân hàng nhỏ. TTTD là sự gia tăng trong giá trị tổng dư nợ cho vay của các NHTM đối với tư nhân, bao gồm các cá nhân và tổ chức doanh nghiệp.

Đây là quá trình mà các ngân hàng cung cấp tài chính cho khách hàng nhằm đáp ứng nhu cầu chi tiêu, đầu tư và kinh doanh, từ đó thúc đẩy sự phát triển kinh tế. Tăng trưởng tín dụng thể hiện lượng vốn mà ngân hàng đã cho vay trong một khoảng thời gian nhất định, phản ánh tình hình cho vay trong điều kiện kinh tế ổn định.