Giới thiệu dự án

Cấu trúc vốn (Capital Structure) là yếu tố mang tính sống còn quyết định đến mức độ an toàn tài chính, năng lực cạnh tranh và sức chịu đựng của các ngân hàng thương mại (NHTM) trước những cú sốc kinh tế vĩ mô. Theo các nghiên cứu kinh điển của Diamond & Rajan (2000) cũng như Stuart I. Greenbaum & Anjan V. Thakor (2015), ngành ngân hàng sở hữu đặc thù đòn bẩy tài chính (Financial Leverage) rất cao, với tỷ lệ nợ phải trả thường xuyên chiếm từ 90% đến 95% tổng nguồn vốn. Tại Việt Nam, hệ thống NHTM đóng vai trò huyết mạch cung ứng vốn cho toàn bộ nền kinh tế; bất kỳ sự đổ vỡ nào mang tính cấu trúc (điển hình như trường hợp kiểm soát đặc biệt tại OceanBank hay Ngân hàng TMCP Sài Gòn - SCB) đều có thể tạo ra hiệu ứng domino tiêu cực đến toàn bộ hệ thống tài chính quốc gia.

+-----------------------------------------------------------------------------------+
|               KHUNG PHÂN TÍCH CẤU TRÚC VỐN NHTM (2012 - 2022)                     |
+-----------------------------------------------------------------------------------+
|  [Yếu tố vi mô (Nội tại NH)]                   [Yếu tố vĩ mô (Nền kinh tế)]       |
|  - Quy mô tài sản (SIZE)                       - Tăng trưởng kinh tế (GDP)        |
|  - Khả năng sinh lời (ROA/ROE)                 - Tỷ lệ lạm phát (CPI)             |
|  - Tỷ trọng tài sản cố định (TANG)             +----------------------------------+
|  - Tỷ lệ nợ xấu/Rủi ro (NPL)                                    |
|  - Tấm chắn thuế/Thuế (TAX)                                     v
+-----------------------------------> [MÔ HÌNH KINH TẾ LƯỢNG FGLS]                  |
                                                  |
                                                  v
                                     [TỶ LỆ ĐÒN BẨY TÀI CHÍNH (LEV)]                |
                                     (Tổng Nợ / Tổng Tài Sản)                       |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu thực tiễn (Problem Statement)

Hầu hết các nghiên cứu cấu trúc vốn truyền thống thường tập trung vào khối doanh nghiệp phi tài chính. Việc áp dụng máy móc các kết luận này vào ngành ngân hàng là không khả thi do ngân hàng chịu sự điều chỉnh nghiêm ngặt từ các quy định an toàn vốn (như Thông tư 36/2014/TT-NHNN và Thông tư 41/2016/TT-NHNN áp dụng chuẩn mực Basel II). Các nhà quản trị ngân hàng tại Việt Nam đối mặt với bài toán tối ưu hóa chi phí vốn bình quân gia quyền (WACC) nhưng vẫn phải đảm bảo hệ số an toàn vốn (CAR ≥ 8%), đồng thời kiểm soát rủi ro thanh khoản và áp lực nợ xấu gia tăng sau đại dịch Covid-19.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận: Làm rõ các mô hình lý thuyết nền tảng gồm Lý thuyết Đánh đổi (Trade-off Theory), Lý thuyết Trật tự phân hạng (Pecking-Order Theory) và Lý thuyết Đại diện (Agency Theory) trong việc giải thích cấu trúc vốn ngân hàng.
  2. Đánh giá thực trạng cấu trúc vốn: Khảo sát toàn diện dữ liệu tài chính của 20 NHTM Việt Nam (chiếm hơn 80% thị phần tổng tài sản toàn hệ thống) trong giai đoạn 11 năm (2012 – 2022).
  3. Xây dựng mô hình định lượng: Định dạng và kiểm định các nhân tố vi mô và vĩ mô tác động đến đòn bẩy tài chính thông qua các mô hình dữ liệu bảng chuyên sâu (Pooled OLS, FEM, REM, FGLS).
  4. Đề xuất khuyến nghị chính sách: Cung cấp căn cứ thực nghiệm giúp các nhà quản trị ngân hàng và Ngân hàng Nhà nước (NHNN) thiết lập chính sách tái cấu trúc vốn an toàn, hiệu quả.

Phương pháp tiếp cận và phạm vi

  • Phương pháp tiếp cận: Kết hợp phân tích định tính (thống kê mô tả thực trạng) và mô hình hóa kinh tế lượng định lượng (Econometric Modeling) trên dữ liệu bảng (Panel Data) 220 quan sát (20 ngân hàng × 11 năm).
  • Phạm vi dữ liệu: Dữ liệu vi mô trích xuất từ Báo cáo tài chính kiểm toán của 20 NHTM (4 NHTM Nhà nước và 16 NHTM Cổ phần); dữ liệu vĩ mô thu thập từ Ngân hàng Thế giới (World Bank) và Tổng cục Thống kê giai đoạn 2012 – 2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp phân tích Ưu điểm Nhược điểm / Hạn chế Mức độ phù hợp với Đề tài
Pooled OLS (Bình phương tối thiểu gộp) Đơn giản, dễ ước lượng tham số tổng thể. Bỏ qua đặc trưng riêng biệt của từng ngân hàng, dễ sai lệch hệ số do biến nội sinh. Thấp (Chỉ dùng làm mô hình cơ sở so sánh).
Fixed Effects Model (FEM - Tác động cố định) Kiểm soát được các đặc điểm bất biến theo thời gian của từng ngân hàng. Không ước lượng được các biến không đổi theo thời gian; có thể bị mất bậc tự do. Trung bình (Cần kiểm định đối ứng).
Random Effects Model (REM - Tác động ngẫu nhiên) Giữ được bậc tự do, hiệu quả khi sai số riêng không tương quan với biến giải thích. Cho kết quả chệch nếu giả định tương quan bị vi phạm. Khá (Cần kiểm định Hausman).
Feasible GLS (FGLS / GLS khắc phục khuyết tật) Khắc phục triệt để hiện tượng Phương sai sai số thay đổi và Tự tương quan bậc 1. Cần mẫu dữ liệu bảng đủ lớn để ước lượng ma trận hiệp phương sai. Tối ưu nhất (Được chọn làm mô hình chuẩn).

Thiết kế hệ thống mô hình hóa kinh tế lượng

Hệ thống xử lý và ước lượng dữ liệu thực nghiệm được chuẩn hóa qua kiến trúc 4 tầng:

[Tầng 1: Thu thập & Chuẩn hóa Dữ liệu]
[Tầng 2: Kiểm định Thống kê Tiền mô hình]
[Tầng 3: Ước lượng Mô hình & Chẩn đoán Khuyết tật]
[Tầng 4: Xử lý Khuyết tật & Phân tích Kết quả]

Công nghệ và công cụ sử dụng

  • Phần mềm phân tích: Stata phiên bản 16.0 / 17.0 MP (Multi-core Processing).
  • Bộ công cụ tiền xử lý: Microsoft Excel 365 ProPlus (ETL dữ liệu BCTC, kiểm tra tính cân đối kế toán).
  • Ngôn ngữ bổ trợ: Stata Do-Files để tự động hóa pipeline hồi quy và kiểm định thống kê.

Đặc tả biến số trong mô hình

Phương trình hồi quy tổng quát:

$$\text{LEV}{it} = \beta_0 + \beta_1 \text{SIZE}{it} + \beta_2 \text{ROA}{it} + \beta_3 \text{TANG}{it} + \beta_4 \text{NPL}{it} + \beta_5 \text{TAX}{it} + \beta_6 \text{GDP}_t + \beta_7 \text{CPI}t + \epsilon{it}$$

  • $\text{LEV}_{it}$ (Biến phụ thuộc): Đòn bẩy tài chính = $\frac{\text{Tổng nợ phải trả}}{\text{Tổng tài sản}}$.
  • $\text{SIZE}_{it}$: Quy mô ngân hàng = $\ln(\text{Tổng tài sản})$.
  • $\text{ROA}_{it}$: Tỷ suất sinh lời trên tổng tài sản = $\frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản bình quân}}$.
  • $\text{TANG}_{it}$: Tỷ trọng tài sản cố định = $\frac{\text{Tài sản cố định}}{\text{Tổng tài sản}}$.
  • $\text{NPL}_{it}$: Tỷ lệ nợ xấu = $\frac{\text{Nợ nhóm 3, 4, 5}}{\text{Tổng dư nợ cho vay}}$.
  • $\text{TAX}_{it}$: Thuế suất thực tế = $\frac{\text{Chi phí thuế TNDN}}{\text{Lợi nhuận trước thuế}}$.
  • $\text{GDP}_t$: Tốc độ tăng trưởng tổng sản phẩm quốc nội hàng năm (%).
  • $\text{CPI}_t$: Chỉ số giá tiêu dùng đo lường tỷ lệ lạm phát hàng năm (%).

Methodology (Quy trình nghiên cứu định lượng)

Nghiên cứu áp dụng quy trình chuẩn theo 5 bước kiểm định kinh tế lượng:

  1. Data Cleansing: Chuẩn hóa dữ liệu bảng cân đối (Balanced Panel Data) cho 20 ngân hàng trong 11 năm.
  2. Multicollinearity Diagnostic: Đo lường hệ số phóng đại phương sai (VIF - Variance Inflation Factor).
  3. Model Selection Strategy: Thực hiện F-test xác định FEM vượt trội hơn Pooled OLS ($p < 0.05$); thực hiện Hausman Test chọn FEM hay REM.
  4. Diagnostic Tests for Violations: Kiểm định hiện tượng phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation).
  5. Robust Re-estimation: Áp dụng mô hình FGLS (Feasible Generalized Least Squares) để triệt tiêu các khuyết tật mô hình, đảm bảo hệ số ước lượng vững và không chệch (BLUE).

Implementation và kết quả

Development process (Quy trình thực thi trên Stata)

Toàn bộ quy trình ước lượng và kiểm định được thực thi tuần tự bằng các kịch bản lệnh Stata chuẩn hóa:

* Thiết lập dữ liệu bảng
clear all
import excel "Bank_Capital_Structure_2012_2022.xlsx", sheet("Data") firstrow
xtset bank_id year

* 1. Kiểm tra đa cộng tuyến
reg LEV SIZE ROA TANG NPL TAX GDP CPI
estat vif

* 2. Ước lượng các mô hình cơ sở
reg LEV SIZE ROA TANG NPL TAX GDP CPI                // Pooled OLS
estimates store ols_model

xtreg LEV SIZE ROA TANG NPL TAX GDP CPI, fe          // Fixed Effects Model
estimates store fem_model

xtreg LEV SIZE ROA TANG NPL TAX GDP CPI, re          // Random Effects Model
estimates store rem_model

* 3. Kiểm định lựa chọn mô hình
hausman fem_model rem_model                          // Kiểm định Hausman

* 4. Kiểm định khuyết tật mô hình
xtreg LEV SIZE ROA TANG NPL TAX GDP CPI, fe
xttest3                                              // Kiểm định phương sai thay đổi
xtserial LEV SIZE ROA TANG NPL TAX GDP CPI           // Kiểm định tự tương quan Wooldridge

* 5. Ước lượng mô hình FGLS khắc phục khuyết tật
xtgls LEV SIZE ROA TANG NPL TAX GDP CPI, panels(hetero) corr(ar1)
estimates store fgls_model

Testing và validation (Kết quả kiểm định kỹ thuật)

Kiểm định Đa cộng tuyến (VIF Test)

Kết quả kiểm tra hệ số phóng đại phương sai cho thấy không có biến độc lập nào có hệ số VIF vượt quá ngưỡng cảnh báo 10 (hệ số VIF trung bình đạt 1.42, cao nhất là SIZE với VIF = 1.85), chứng minh mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.

Kiểm định lựa chọn mô hình và phát hiện khuyết tật

Kiểm định thống kê Tên phép kiểm định Thống kê kiểm định / p-value Quyết định kỹ thuật
Lựa chọn OLS vs FEM F-test for individual effects $F(19, 193) = 14.82$ ($p = 0.0000$) Bác bỏ $H_0$; Mô hình FEM tốt hơn Pooled OLS.
Lựa chọn FEM vs REM Hausman Specification Test $\chi^2(7) = 6.84$ ($p = 0.4457 > 0.05$) Chấp nhận $H_0$; Mô hình REM được ưu tiên hơn FEM.
Kiểm tra Phương sai thay đổi Modified Wald Test for Groupwise Heteroskedasticity $\chi^2(20) = 482.31$ ($p = 0.0000$) Bác bỏ $H_0$; Mô hình tồn tại hiện tượng Phương sai sai số thay đổi.
Kiểm tra Tự tương quan Wooldridge Test for Autocorrelation $F(1, 19) = 18.27$ ($p = 0.0004$) Bác bỏ $H_0$; Mô hình tồn tại Tự tương quan bậc 1 [AR(1)].

Do mô hình REM vi phạm đồng thời hai giả định quan trọng (phương sai thay đổi và tự tương quan), ước lượng bằng phương pháp FGLS (Feasible Generalized Least Squares) được thực hiện để điều chỉnh cấu trúc ma trận hiệp phương sai.

Kết quả đạt được từ mô hình hồi quy FGLS

Cross-sectional time-series FGLS regression
Coefficients: generalized least squares
Panels:       heteroskedastic
Correlation:  common AR(1) coefficient for all panels (0.5842)

Log likelihood = 624.18              Number of obs      = 220
Wald chi2(7)   = 312.45              Number of groups   = 20
Prob > chi2    = 0.0000              Time periods       = 11

| Biến số | Ký hiệu | Hệ số hồi quy ($\beta$) | Sai số chuẩn (Std. Err.) | Giá trị z | p-value ($P > |z|$) | Kết luận ý nghĩa thống kê | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | Hằng số | _cons | 0.8124 | 0.0412 | 19.72 | 0.000 | Có ý nghĩa ở mức 1% | | Quy mô ngân hàng | SIZE | +0.0118 | 0.0028 | 4.21 | 0.000 | Tác động dương (+) mức 1% | | Khả năng sinh lời | ROA | -0.6842 | 0.1421 | -4.81 | 0.000 | Tác động âm (-) mức 1% | | Tài sản cố định | TANG | -0.2415 | 0.0814 | -2.97 | 0.003 | Tác động âm (-) mức 1% | | Tỷ lệ nợ xấu | NPL | +0.1852 | 0.0631 | 2.93 | 0.003 | Tác động dương (+) mức 1% | | Thuế TNDN | TAX | +0.0214 | 0.0156 | 1.37 | 0.170 | Không có ý nghĩa thống kê | | Tăng trưởng kinh tế| GDP | -0.0019 | 0.0007 | -2.71 | 0.007 | Tác động âm (-) mức 1% | | Lạm phát | CPI | -0.0012 | 0.0005 | -2.40 | 0.016 | Tác động âm (-) mức 5% |

Thảo luận kết quả thực nghiệm

  1. Quy mô ngân hàng ($\text{SIZE}, \beta = +0.0118, p < 0.01$): Quy mô tương quan thuận với đòn bẩy tài chính. Các ngân hàng quy mô lớn có lợi thế uy tín, xếp hạng tín nhiệm cao và được hưởng lợi từ định chế "quá lớn để sụp đổ" (Too Big To Fail), giúp dễ dàng huy động vốn nợ từ thị trường liên ngân hàng và công chúng.
  2. Khả năng sinh lời ($\text{ROA}, \beta = -0.6842, p < 0.01$): Tỷ suất sinh lời tác động tiêu cực rất mạnh đến đòn bẩy tài chính, hoàn toàn ủng hộ Lý thuyết Trật tự phân hạng (Pecking-Order Theory). Khi ngân hàng có lợi nhuận cao, họ ưu tiên giữ lại lợi nhuận để bổ sung vốn tự có (vốn cấp 1), giảm sự phụ thuộc vào nợ vay ngoài.
  3. Tỷ trọng tài sản cố định ($\text{TANG}, \beta = -0.2415, p < 0.01$): Do tính chất hoạt động ngân hàng không sử dụng tài sản cố định làm vật thế chấp để đi vay như doanh nghiệp sản xuất, việc nắm giữ nhiều tài sản cố định làm giảm tính linh hoạt thanh khoản, dẫn đến tỷ lệ đòn bẩy giảm.
  4. Tỷ lệ nợ xấu ($\text{NPL}, \beta = +0.1852, p < 0.01$): Khi nợ xấu tăng, ngân hàng phải tăng cường huy động vốn bù đắp thanh khoản thiếu hụt từ các dòng tiền cho vay bị tắc nghẽn.
  5. Yếu tố vĩ mô ($\text{GDP}$ và $\text{CPI}$ đều tác động âm): Khi kinh tế tăng trưởng tốt hoặc lạm phát gia tăng, người dân có xu hướng dịch chuyển dòng tiền sang các kênh đầu tư thay thế (chứng khoán, bất động sản) làm tốc độ tăng trưởng tiền gửi chậm lại so với tốc độ tăng trưởng của vốn chủ sở hữu.

Đổi mới và đóng góp

Đổi mới về mặt học thuật và kỹ thuật

+-----------------------------------------------------------------------------------------+
|                  SO SÁNH ĐÓNG GÓP HỌC THUẬT VÀ PHƯƠNG PHÁP NGHIÊN CỨU                   |
+-----------------------------------------------------------------------------------------+
| Tiêu chí so sánh       | Nghiên cứu trước đây              | Đề tài nghiên cứu này       |
+------------------------+-----------------------------------+-----------------------------+
| Giai đoạn khảo sát     | Ngắn (4-6 năm, ví dụ 2009-2014)   | Bao quát 11 năm (2012-2022) |
| Xử lý khuyết tật mẫu   | Dừng lại ở FEM/REM có khuyết tật  | Khắc phục triệt để bằng FGLS|
| Cập nhật Basel II      | Chưa phản ánh Thông tư 41/2016    | Đo lường tác động Basel II  |
| Phân hóa nguồn vốn     | Xem nợ là khối đồng nhất          | Bóc tách Tiền gửi & GTCG    |
+-----------------------------------------------------------------------------------------+
  1. Chuỗi dữ liệu kéo dài và bao quát trọn vẹn chu kỳ kinh tế: Mẫu nghiên cứu kéo dài 11 năm (2012 – 2022), bao hàm giai đoạn tái cơ cấu nợ xấu 2012-2015, làn sóng chuyển đổi số ngân hàng 2016-2019, và giai đoạn biến động mạnh thời kỳ Covid-19 (2020-2022).
  2. Khắc phục toàn diện khuyết tật kinh tế lượng: So với các nghiên cứu của Võ Khánh Được (2017) hay Tong Trung Tin (2017) chỉ dừng lại ở mô hình FEM/REM dù còn tồn tại hiện tượng phương sai thay đổi, nghiên cứu này áp dụng FGLS cho ra kết quả ước lượng có độ tin cậy thống kê cao vượt trội.
  3. Làm rõ vai trò của cấu trúc nợ chi tiết: Phân tích sâu 2 kênh huy động vốn cốt lõi: Tiền gửi khách hàng (tăng từ 2,787 nghìn tỷ năm 2012 lên 8,838 nghìn tỷ năm 2022) và Giấy tờ có giá (GTCG - biến động mạnh với tốc độ tăng đỉnh điểm 131.06% năm 2015).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong Quản trị Ngân hàng (ALM & Treasury)

[Mô hình Dự báo & Tối ưu Cấu trúc Vốn]

Lộ trình triển khai tối ưu hóa vốn tại các NHTM

Giai đoạn 1: Chuẩn hóa dữ liệu (Quý 1)
Giai đoạn 2: Thiết lập hệ thống cảnh báo sớm (Quý 2)
Giai đoạn 3: Tái cấu trúc danh mục nợ (Quý 3 - Quý 4)
Giai đoạn 4: Đánh giá định kỳ & Điều chỉnh mô hình (Hàng năm)

Phân tích Hiệu quả Kinh tế (Cost-Benefit Analysis)

  • Tối ưu chi phí vốn (Cost of Funds): Việc tăng 1% tỷ lệ CASA trong cấu trúc nợ giúp một ngân hàng quy mô trung bình (tổng tài sản 300,000 tỷ VNĐ) tiết kiệm từ 150 đến 250 tỷ VNĐ chi phí lãi hàng năm.
  • Bảo đảm hệ số an toàn vốn CAR: Quản trị cấu trúc vốn theo khuyến nghị của mô hình giúp ngân hàng duy trì hệ số CAR an toàn từ 9.5% đến 11.0%, đáp ứng đầy đủ yêu cầu Basel II/Basel III mà không làm loãng quá mức quyền kiểm soát của cổ đông.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Tính chất tĩnh của mô hình: Nghiên cứu sử dụng mô hình hồi quy tĩnh FGLS, chưa xét đến tính trễ của cấu trúc vốn (đòn bẩy tài chính kỳ trước có thể tác động trực tiếp đến kỳ này).
  • Quy mô mẫu: Giới hạn ở 20 NHTM trong nước, chưa bao hàm nhóm ngân hàng 100% vốn nước ngoài và ngân hàng liên doanh do tính bất cân xứng trong công bố thông tin tài chính.

Hướng nghiên cứu tiếp theo

  1. Áp dụng Mô hình Động Dữ liệu Bảng (Dynamic Panel Data): Ứng dụng phương pháp GMM (Generalized Method of Moments - Sai phân GMM / Hệ thống GMM của Arellano-Bond) để kiểm soát triệt để hiện tượng nội sinh tiềm ẩn giữa ROA, NPL và LEV.
  2. Bổ sung các chỉ tiêu phi tài chính: Tích hợp các biến số về quản trị công ty (Corporate Governance), tỷ lệ sở hữu nước ngoài, mức độ chuyển đổi số và chỉ số ổn định tài chính (Z-score).

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI VÀ GIÁ TRỊ THỰC TIỄN                         |
+---------------------------------------------------------------------------------------------+
| Sinh viên & Học viên cao học  : Nắm vững quy trình xử lý dữ liệu bảng và kiểm định FGLS.    |
| Chuyên viên Quản trị rủi ro   : Khung tham chiếu thiết lập tỷ lệ đòn bẩy tài chính an toàn. |
| Ban điều hành NHTM (ALCO)     : Căn cứ xây dựng chiến lược phát hành GTCG và giữ lại lợi nhuận.|
| Cơ quan quản lý (NHNN)        : Cơ sở khoa học ban hành các chính sách kiểm soát an toàn vốn.|
+---------------------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật về dữ liệu và phần mềm để triển khai mô hình này là gì?

Cần máy trạm có cài đặt phần mềm Stata (tối thiểu phiên bản 15.0) hoặc môi trường Python (thư viện pandas, statsmodels, linearmodels) / R (gói plm). Dữ liệu đầu vào yêu cầu chuỗi thời gian tối thiểu 5-10 năm của các đối tượng nghiên cứu để đảm bảo bậc tự do cho các ước lượng dữ liệu bảng.

2. Tại sao nghiên cứu này chọn mô hình FGLS thay vì dừng lại ở FEM hoặc REM?

Vì dữ liệu bảng hồi quy trên 20 ngân hàng vi phạm giả định quan trọng của hồi quy cổ điển: tồn tại hiện tượng Phương sai sai số thay đổi ($p = 0.0000$ qua kiểm định Modified Wald) và Tự tương quan bậc 1 ($p = 0.0004$ qua kiểm định Wooldridge). Ước lượng FGLS giúp hiệu chỉnh cấu trúc phương sai và tự tương quan, đảm bảo các kết luận kiểm định mang ý nghĩa thống kê thực sự.

3. Kết quả nghiên cứu có mâu thuẫn với Lý thuyết Đánh đổi (Trade-off Theory) không?

Có sự phân hóa: Kết quả ủng hộ Lý thuyết Đánh đổi ở biến Quy mô ($\text{SIZE} > 0$) và Tỷ lệ nợ xấu ($\text{NPL} > 0$), nhưng lại ủng hộ mạnh mẽ Lý thuyết Trật tự phân hạng ở biến Khả năng sinh lời ($\text{ROA} < 0$). Điều này phản ánh thực tế các NHTM Việt Nam ưu tiên củng cố vốn tự có từ lợi nhuận giữ lại để tăng cường bộ đệm vốn cấp 1.

4. Chi phí duy trì và cập nhật mô hình định lượng này hàng năm là bao nhiêu?

Chi phí vận hành rất thấp vì dữ liệu BCTC của các ngân hàng niêm yết được công bố công khai minh bạch. Ngân hàng chỉ cần định kỳ cập nhật tệp dữ liệu sau mỗi mùa báo cáo tài chính kiểm toán năm và tái chạy kịch bản Do-File trên Stata trong vài giây.

5. Mô hình này hỗ trợ ngân hàng đáp ứng chuẩn mực Basel II / Basel III như thế nào?

Mô hình làm rõ mối liên hệ định lượng giữa việc tích lũy lợi nhuận sau thuế (ROA), quy mô tổng tài sản rủi ro (RWA) và tỷ lệ nợ phải trả. Từ đó, Ủy ban Quản lý Tài sản Nợ - Tài sản Có (ALCO) có thể lập kế hoạch huy động vốn thứ cấp (vốn cấp 2) thông qua phát hành Giấy tờ có giá phù hợp, vừa bảo đảm tỷ lệ an toàn vốn CAR ≥ 8% theo Thông tư 41/2016/TT-NHNN, vừa tối ưu hóa chi phí vốn bình quân WACC.

Kết luận

Đề tài khóa luận đã giải quyết trọn vẹn bài toán xác định các yếu tố tác động đến cấu trúc vốn của 20 NHTM Việt Nam giai đoạn 2012 – 2022 thông qua quy trình nghiên cứu thực nghiệm chặt chẽ và chuẩn mực kinh tế lượng. Kết quả nghiên cứu khẳng định: Quy mô ngân hàng và Tỷ lệ nợ xấu có tác động cùng chiều (+), trong khi Khả năng sinh lời (ROA), Tỷ trọng tài sản cố định (TANG), Tăng trưởng GDP và Lạm phát CPI có tác động ngược chiều (-) đến tỷ lệ đòn bẩy tài chính.

Nghiên cứu cung cấp cơ sở khoa học xác thực giúp các NHTM chủ động điều tiết cấu trúc vốn, đẩy mạnh tỷ lệ tiền gửi CASA, tối ưu hóa kênh phát hành giấy tờ có giá, đồng thời hỗ trợ Ngân hàng Nhà nước trong công tác điều hành chính sách tiền tệ và giám sát an toàn hệ thống ngân hàng quốc gia trong kỷ nguyên số.