Giới thiệu dự án
Rủi ro thanh khoản (Liquidity Risk) luôn được xem là loại rủi ro trọng yếu hàng đầu đe dọa sự an toàn và tính liên tục trong hoạt động của hệ thống ngân hàng thương mại (NHTM). Theo quy định tại Khoản 1 Điều 2 Thông tư 13/2018/TT-NHNN của Ngân hàng Nhà nước Việt Nam (NHNN), rủi ro thanh khoản phát sinh khi NHTM không có khả năng thực hiện nghĩa vụ chi trả khi đến hạn, hoặc phải huy động nguồn vốn bù đắp với chi phí cao bất thường. Trong giai đoạn 2016–2021, thị trường tài chính chứng kiến những cú sốc kinh tế chưa từng có tiền lệ do đại dịch COVID-19, buộc NHNN phải ban hành hàng loạt chính sách điều hành tiền tệ thích ứng như Thông tư 14/2021/TT-NHNN về cơ cấu lại nợ và tăng tỷ lệ trích lập dự phòng rủi ro tín dụng tối thiểu 30%, cùng chính sách tái cấp vốn với mức lãi suất tái chiết khấu hạ xuống 2.5%.
Đề tài khóa luận "Phân tích các yếu tố ảnh hưởng tới rủi ro thanh khoản tại hệ thống ngân hàng thương mại cổ phần Việt Nam" do nhóm nghiên cứu thực hiện dưới sự hướng dẫn của ThS. Từ Thị Hoàng Lan (Khoa Tài chính – Ngân hàng, Trường Đại học Công nghiệp TP.HCM) giải quyết bài toán định lượng mức độ tác động của các chỉ số tài chính nội tại và biến số kinh tế vĩ mô lên khe hở tài trợ (Financing Gap - FGAP) của 25 NHTMCP giai đoạn 2016–2021.
+------------------------------------------------------+
| KHO KHOẢN VỐN HUY ĐỘNG (DEPOSITS) |
+------------------------------------------------------+
|
(Mất cân xứng kỳ hạn)
v
+-----------------------+ +-----------------------+ +-----------------------+
| TÍN DỤNG & CHO VAY | -----> | KHE HỞ TÀI TRỢ | <----- | VỐN VAY LIÊN NGÂN |
| (TLA: Thanh khoản thấp| | (FGAP) | | HÀNG (EFD: Chi phí cao|
+-----------------------+ +-----------------------+ +-----------------------+
|
v
+------------------------------------------------------+
| RỦI RO THANH KHOẢN HỆ THỐNG NHTMCP |
+------------------------------------------------------+
Vấn đề thực tiễn và Pain Points
- Mất cân đối kỳ hạn nghiêm trọng (Maturity Mismatch): Ngân hàng sử dụng tỷ lệ lớn nguồn vốn ngắn hạn để tài trợ cho vay trung và dài hạn, dẫn đến khe hở thanh khoản âm sâu khi xảy ra rút tiền ồ ạt.
- Áp lực từ chi phí vốn liên ngân hàng: Việc phụ thuộc quá mức vào thị trường liên ngân hàng (Interbank Market) để bù đắp thanh khoản tức thời khiến chi phí huy động vốn tăng vọt trong các giai đoạn thanh khoản toàn hệ thống bị siết chặt.
- Rủi ro tín dụng chuyển hóa thành rủi ro thanh khoản: Nợ xấu gia tăng làm gián đoạn dòng tiền thu hồi gốc và lãi, phá vỡ kế hoạch cân đối tài sản nợ – tài sản có (ALM - Asset Liability Management).
Mục tiêu nghiên cứu
- Hệ thống hóa cơ sở lý luận về thanh khoản, rủi ro thanh khoản và khung quản trị an toàn vốn theo chuẩn mực Basel II/Basel III.
- Xây dựng mô hình định lượng đánh giá tác động của 7 biến nội tại ($SIZE, EFD, ETA, TLA, LRA, ROE, LLPTL$) và 3 biến vĩ mô ($GDP, INF, M2$) đến khe hở tài trợ $FGAP$.
- Kiểm định và xử lý các khuyết tật mô hình kinh tế lượng (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan) bằng phương pháp hồi quy dữ liệu bảng (Panel Data).
- Đề xuất các giải pháp kỹ thuật và khuyến nghị quản trị thanh khoản thực tiễn cho hệ thống NHTMCP và cơ quan quản lý tiền tệ.
Phương pháp tiếp cận và Phạm vi
- Phương pháp giải quyết: Ứng dụng kỹ thuật kinh tế lượng định lượng trên dữ liệu bảng cân bằng (Balanced Panel Data) với 150 quan sát, kết hợp so sánh lựa chọn mô hình qua các ước lượng Pooled OLS, FEM, REM và khắc phục triệt để bằng phương pháp FGLS (Feasible Generalized Least Squares).
- Kết quả kỳ vọng: Xác định chính xác các hệ số hồi quy $\beta$ có ý nghĩa thống kê ($p < 0.05$), xây dựng mô hình có hệ số xác định $R^2 > 50%$, cung cấp ma trận tương quan và hàm cảnh báo sớm rủi ro thanh khoản.
- Phạm vi dữ liệu: 25 NHTMCP Việt Nam niêm yết trên HOSE, HNX và UPCOM trong chu kỳ 6 năm (2016–2021).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
| Phương pháp đánh giá |
Ưu điểm kỹ thuật |
Nhược điểm / Hạn chế |
Mức độ phù hợp |
| Khung CAMELS truyền thống |
Đánh giá tổng quát 6 cấu phần tài chính |
Mang tính định tính, độ trễ báo cáo cao |
Trung bình |
| Mô hình Pooled OLS |
Đơn giản, dễ tính toán trên mẫu gộp |
Bỏ qua đặc trưng riêng của từng ngân hàng, dễ vi phạm phương sai đồng nhất |
Thấp |
| Mô hình Fixed Effects (FEM) |
Kiểm soát các yếu tố bất biến theo thời gian của từng NHTM |
Giảm bậc tự do, không xử lý được tự tương quan chuỗi |
Khá |
| Phương pháp FGLS (Đề xuất) |
Khắc phục triệt để hiện tượng phương sai thay đổi và tự tương quan |
Đòi hỏi quy trình kiểm định nghiêm ngặt và cấu trúc bảng cân bằng |
Tối ưu nhất |
Yêu cầu chức năng theo mô hình MoSCoW
- Must Have: Đo lường biến phụ thuộc $FGAP$; thực hiện kiểm định đa cộng tuyến qua hệ số VIF; kiểm định phương sai thay đổi qua White Test/IM-Test; kiểm định Hausman Test chọn lựa giữa FEM và REM; hồi quy FGLS hiệu chỉnh sai số.
- Should Have: Phân tích độ nhạy của các biến vĩ mô ($GDP, INF, M2$); ma trận tương quan Pearson ($|R| < 0.8$).
- Could Have: So sánh biến động rủi ro thanh khoản giữa nhóm NHTM quy mô lớn (Big 4 cổ phần hóa) và nhóm NHTM quy mô vừa/nhỏ.
- Won't Have: Mô phỏng dòng tiền thanh khoản nội ngày (Intraday Liquidity) do giới hạn công bố dữ liệu BCTC kiểm toán.
Thiết kế hệ thống dữ liệu và mô hình kinh tế lượng
[Raw Financial Data: BCTC Kiểm toán (2016-2021)]
│
▼
[Data Pre-processing & ETL]
(Làm sạch, mã hóa 10 biến độc lập & 1 biến phụ thuộc)
│
▼
[Panel Data Setup: Balanced Panel (N=25, T=6, Obs=150)]
│
┌──────────────┴──────────────┐
▼ ▼
[Pooled OLS Estimation] [Correlation Matrix & VIF Check]
│ │
▼ ▼
[Diagnostic Tests: White IM-Test & Modified Wald Test]
│
├─────────────────────────────┐
▼ ▼
[FEM Estimation] [REM Estimation]
│ │
└──────────────┬──────────────┘
▼
[Hausman Test]
│
▼
[FGLS Modeling: Xử lý Heteroskedasticity & Autocorrelation]
│
▼
[Final Policy Recommendations & Risk Indicators]
Đặc tả biến số trong mô hình
Mô hình toán học kinh tế lượng đề xuất:
$$FGAP_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 EFD_{it} + \beta_3 ETA_{it} + \beta_4 TLA_{it} + \beta_5 LRA_{it} + \beta_6 ROE_{it} + \beta_7 LLPTL_{it} + \beta_8 GDP_t + \beta_9 INF_t + \beta_{10} M2_t + \mu_{it}$$
- Biến phụ thuộc: $FGAP_{it} = \frac{\text{Tổng dư nợ cho vay}{it} - \text{Tổng tiền gửi huy động}{it}}{\text{Tổng tài sản}_{it}}$ (Khe hở tài trợ ròng).
- Nhóm biến cấu trúc nội tại:
- $SIZE_{it} = \ln(\text{Tổng tài sản})$: Quy mô tổng tài sản.
- $EFD_{it} = \frac{\text{Vốn vay liên ngân hàng}}{\text{Tổng tài sản}}$: Mức độ phụ thuộc nguồn tài trợ bên ngoài.
- $ETA_{it} = \frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}}$: Tỷ lệ an toàn vốn tự có (thay thế CAR).
- $TLA_{it} = \frac{\text{Dư nợ cho vay}}{\text{Tổng tài sản}}$: Tỷ lệ cho vay trên tổng tài sản.
- $LRA_{it} = \frac{\text{Dự trữ thanh khoản (Sơ cấp + Thứ cấp)}}{\text{Tổng tài sản}}$: Tỷ lệ dự trữ thanh khoản.
- $ROE_{it} = \frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu}}$: Tỷ suất sinh lời trên vốn chủ sở hữu.
- $LLPTL_{it} = \frac{\text{Dự phòng rủi ro tín dụng}}{\text{Tổng dư nợ}}$: Tỷ lệ bao phủ nợ xấu.
- Nhóm biến kinh tế vĩ mô:
- $GDP_t$: Tốc độ tăng trưởng tổng sản phẩm quốc nội.
- $INF_t$: Tỷ lệ lạm phát (tính theo CPI bình quân).
- $M2_t$: Tốc độ tăng trưởng cung tiền $M2$.
Công nghệ và Môi trường thực thi
- Công cụ phân tích định lượng: Stata 16.0 / Stata 17-MP, Microsoft Excel 2021 (ETL Pipeline).
- Nguồn dữ liệu chuẩn hóa: Báo cáo tài chính kiểm toán hợp nhất (BCTC) công bố trên Sở Giao dịch Chứng khoán TP.HCM (HOSE), Sở Giao dịch Chứng khoán Hà Nội (HNX), hệ thống UPCOM; Dữ liệu thống kê từ Quỹ Tiền tệ Quốc tế (IFS - IMF), Ngân hàng Thế giới (World Bank DataBank) và Ngân hàng Nhà nước Việt Nam (SBV).
Implementation và kết quả
Quy trình triển khai nghiên cứu thực nghiệm
Giai đoạn 1: Xác định đề tài & Thiết lập mục tiêu nghiên cứu (Tuần 1 - 2)
│
▼
Giai đoạn 2: Thu thập, trích xuất dữ liệu BCTC & Xử lý số liệu Excel (Tuần 3)
│
▼
Giai đoạn 3: Khai báo dữ liệu bảng, chạy Pooled OLS & Kiểm định VIF (Tuần 4 - 5)
│
▼
Giai đoạn 4: Hồi quy FEM/REM, kiểm định Hausman & Ước lượng FGLS (Tuần 6 - 7)
│
▼
Giai đoạn 5: Tổng hợp kết quả, viết báo cáo & Đề xuất kiến nghị (Tuần 8 - 10)
* ==============================================================================
* STATA SCRIPT: PHÂN TÍCH RỦI RO THANH KHOẢN NHTMCP VIỆT NAM (2016-2021)
* ==============================================================================
* 1. Khai báo cấu trúc dữ liệu bảng (Panel Data Setup)
clear all
set more off
import excel "Dataset_NHTMCP_2016_2021.xlsx", sheet("Data") firstrow
destring _all, replace
xtset bank_id year
* 2. Thống kê mô tả dữ liệu mẫu (Descriptive Statistics)
summarize FGAP SIZE EFD ETA TLA LRA ROE LLPTL GDP INF M2
* 3. Phân tích ma trận hệ số tương quan (Correlation Matrix)
correlate FGAP SIZE EFD ETA TLA LRA ROE LLPTL GDP INF M2
* 4. Hồi quy Pooled OLS và kiểm định đa cộng tuyến (VIF)
regress FGAP SIZE EFD ETA TLA LRA ROE LLPTL GDP INF M2
estat vif
* 5. Kiểm định hiện tượng phương sai thay đổi (White Test)
estat imtest, white
* 6. Hồi quy mô hình tác động cố định (FEM) và tác động ngẫu nhiên (REM)
xtreg FGAP SIZE EFD ETA TLA LRA ROE LLPTL GDP INF M2, fe
estimates store model_fem
xtreg FGAP SIZE EFD ETA TLA LRA ROE LLPTL GDP INF M2, re
estimates store model_rem
* 7. Kiểm định Hausman lựa chọn mô hình FEM hay REM
hausman model_fem model_rem
* 8. Ước lượng FGLS khắc phục phương sai thay đổi và tự tương quan
xtgls FGAP SIZE EFD ETA TLA LRA ROE LLPTL GDP INF M2, panels(heteroskedastic) corr(ar1)
Thống kê mô tả và Kiểm định chẩn đoán
Thống kê mô tả 150 quan sát từ 25 NHTMCP giai đoạn 2016–2021:
| Biến số |
Số quan sát ($N$) |
Trung bình (Mean) |
Độ lệch chuẩn (Std. Dev.) |
Nhỏ nhất (Min) |
Lớn nhất (Max) |
| FGAP |
150 |
-0.03553 |
0.16842 |
-0.61524 |
0.48512 |
| SIZE |
150 |
14.46770 |
0.85412 |
13.27985 |
15.89210 |
| EFD |
150 |
0.04729 |
0.03814 |
0.00000 |
0.21854 |
| ETA |
150 |
0.08258 |
0.03125 |
0.04301 |
0.18453 |
| TLA |
150 |
0.73366 |
0.28451 |
0.05006 |
2.24587 |
| LRA |
150 |
0.29417 |
0.11245 |
0.04512 |
0.58912 |
| ROE |
150 |
0.11578 |
0.05984 |
0.00028 |
0.26388 |
| LLPTL |
150 |
0.01478 |
0.00892 |
-0.00007 |
0.04521 |
| GDP |
150 |
-0.08340 |
0.21458 |
-0.58547 |
0.07080 |
| INF |
150 |
0.33810 |
0.25412 |
0.00630 |
1.02450 |
| M2 |
150 |
0.13579 |
0.04125 |
0.06350 |
0.20140 |
Kết quả kiểm định mô hình
- Kiểm định đa cộng tuyến: Toàn bộ hệ số phóng đại phương sai $VIF < 5$ (ngưỡng an toàn $VIF < 10$), giá trị tuyệt đối tương quan giữa các cặp biến $|R| < 0.8$, khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
- Kiểm định phương sai thay đổi (White Test): Giá trị $Prob > \chi^2 = 0.0000 < 0.05$, bác bỏ giả thuyết $H_0$ (phương sai không đổi), xác nhận có hiện tượng phương sai thay đổi.
- Kiểm định Hausman Test: $p\text{-value} = 0.0021 < 0.05$, chỉ ra mô hình tác động cố định (FEM) phù hợp hơn mô hình tác động ngẫu nhiên (REM).
- Hiệu chỉnh bằng mô hình FGLS: Phương pháp FGLS được lựa chọn làm mô hình chuẩn để khắc phục triệt để phương sai thay đổi giữa các ngân hàng ($panels(hetero)$) và tự tương quan bậc nhất ($corr(ar1)$), đem lại ước lượng vững và không chệch. Hệ số xác định $R^2$ hiệu chỉnh đạt 56.6%, chứng minh mô hình giải thích được hơn một nửa biến động của rủi ro thanh khoản.
Kết quả ước lượng và Thảo luận chuyên sâu
==============================================================================
TỔNG HỢP CHIỀU HƯỚNG TÁC ĐỘNG ĐẾN RỦI RO THANH KHOẢN (FGAP)
==============================================================================
[EFD] Vay mượn liên ngân hàng (+) ====> TĂNG RỦI RO (Hệ số = 1.407***)
[TLA] Tỷ lệ dư nợ cho vay (+) ====> TĂNG RỦI RO (Mức tương quan cao nhất)
[ROE] Tỷ suất sinh lời CSH (+) ====> TĂNG RỦI RO (Áp lực mở rộng tín dụng)
[INF] Tỷ lệ lạm phát (+) ====> TĂNG RỦI RO (Chi phí vốn tăng)
[M2] Tăng trưởng cung tiền (+) ====> TĂNG RỦI RO (Thanh khoản ảo ngắn hạn)
------------------------------------------------------------------------------
[SIZE] Quy mô tổng tài sản (-) ====> GIẢM RỦI RO ("Too Big To Fail")
[LRA] Tỷ lệ dự trữ thanh khoản (-) ====> GIẢM RỦI RO (Bộ đệm an toàn)
[LLPTL] Dự phòng rủi ro tín dụng (-) ====> GIẢM RỦI RO (Lá chắn chống sốc nợ)
[GDP] Tăng trưởng kinh tế (-) ====> GIẢM RỦI RO (Hệ số = -0.580**)
[ETA] Tỷ lệ an toàn vốn (+/-)===> Đa chiều (Tác động tái đầu tư)
==============================================================================
Ghi chú: (***) Ý nghĩa thống kê 1%, (**) Ý nghĩa thống kê 5%
- Sự phụ thuộc nguồn tài trợ bên ngoài ($EFD$): Tác động thuận chiều mạnh nhất đến rủi ro thanh khoản với hệ số $\beta = +1.407$ ($p < 0.01$). Vay mượn liên ngân hàng là con dao hai lưỡi; khi thị trường đảo chiều hoặc lãi suất liên ngân hàng tăng sốc, chi phí bù đắp thanh khoản đẩy NHTM vào nguy cơ mất khả năng thanh toán.
- Tỷ lệ cho vay trên tổng tài sản ($TLA$): Có tương quan dương cao nhất với $FGAP$. Việc đẩy mạnh tăng trưởng tín dụng ($TLA$ trung bình đạt $73.37%$, cá biệt có ngân hàng đạt $2.24$) làm sụt giảm tài sản có tính thanh khoản cao, nới rộng khe hở tài trợ.
- Quy mô ngân hàng ($SIZE$) và Dự trữ thanh khoản ($LRA$): Tác động nghịch chiều rõ rệt đến $FGAP$. Các ngân hàng quy mô lớn với $SIZE > 15.0$ có năng lực huy động vốn vượt trội và vị thế "quá lớn để sụp đổ" (Too Big to Fail), trong khi tỷ lệ dự trữ thanh khoản $LRA$ trung bình $29.42%$ đóng vai trò là "bộ đệm thanh khoản" sơ cấp hấp thụ các cú sốc rút tiền gửi.
- Tăng trưởng kinh tế ($GDP$) và Lạm phát ($INF$): Tăng trưởng $GDP$ tác động nghịch chiều ($\beta = -0.580$), giúp doanh nghiệp quay vòng vốn nhanh và trả nợ đúng hạn. Ngược lại, $INF$ tác động cùng chiều làm tăng kỳ vọng lãi suất, gây khó khăn cho việc duy trì dòng tiền gửi tiết kiệm dài hạn.
Đổi mới và đóng góp
- Đổi mới phương pháp luận kinh tế lượng: Nghiên cứu không dừng lại ở các hồi quy Pooled OLS hoặc FEM/REM thông thường vốn hay mắc sai số phân phối trong dữ liệu tài chính, mà áp dụng quy trình kiểm định chẩn đoán 5 bước chặt chẽ, sử dụng mô hình FGLS khắc phục đồng thời cả hiện tượng phương sai thay đổi và tự tương quan chuỗi thời gian.
- Cập nhật dữ liệu giai đoạn COVID-19 (2016–2021): Đây là công trình thực nghiệm bao hàm trọn vẹn chu kỳ biến động của chính sách giãn hoãn nợ theo Thông tư 14/2021/TT-NHNN và quy định an toàn thanh khoản Thông tư 13/2018/TT-NHNN.
So sánh với các công trình nghiên cứu tiền nhiệm
| Tiêu chí so sánh |
Trương Quang Thông (2013) |
Phan Thị Mỹ Hạnh & Tống Lâm Vy (2019) |
Đề tài nghiên cứu (2022) |
| Mẫu dữ liệu |
27 NHTM (2002–2011) |
Toàn hệ thống NHTM (2008–2017) |
25 NHTMCP (2016–2021) |
| Kỹ thuật xử lý |
Dynamic Panel / GMM |
Pooled OLS, FEM, REM |
FGLS kết hợp Diagnostic Tests |
| Bối cảnh nghiên cứu |
Khủng hoảng tài chính toàn cầu 2008 |
Giai đoạn tái cơ cấu hệ thống nợ xấu |
Cú sốc đại dịch COVID-19 & Lãi suất thấp |
| Biến số kiểm soát |
$SIZE, LRA, ETA, EFD, GDP, INF$ |
$SIZE, ETA, TLA, ROE, EFD, GDP$ |
Toàn diện 10 biến (Bổ sung $LLPTL, M2, TLA$) |
| Mô hình hóa $EFD$ |
Tác động dương |
Tác động dương |
Đo lường chi tiết ($\beta = +1.407$, $p < 0.01$) |
Ứng dụng thực tế và triển khai
Khung ứng dụng thực tiễn tại NHTMCP
Kết quả nghiên cứu cung cấp cơ sở định lượng để Hội đồng Quản trị, Ban Điều hành và Ủy ban Quản lý Tài sản Nợ - Tài sản Có (ALCO) tại các NHTMCP thiết lập hệ thống cảnh báo sớm (Early Warning System - EWS) với các ngưỡng an toàn:
[Hệ thống Core Banking / Data Warehouse]
│
▼
[ALCO Dashboard: Thuật toán EWS]
│
┌───────────────┼───────────────┐
▼ ▼ ▼
[Kiểm soát EFD] [Tối ưu LRA] [Điều phối TLA]
Ngưỡng: ≤ 8% Ngưỡng: ≥ 25% Ngưỡng: 70 - 75%
│ │ │
└───────────────┼───────────────┘
▼
[Kế hoạch Cân đối Vốn Khẩn cấp (CFP)]
Lộ trình triển khai hệ thống quản trị rủi ro thanh khoản
Giai đoạn 1 (Quý 1): Chuẩn hóa luồng dữ liệu ALM & Tích hợp công thức tính FGAP tự động
│
▼
Giai đoạn 2 (Quý 2): Thiết lập ngưỡng cảnh báo sớm (EWS) cho các chỉ số EFD, TLA, LRA
│
▼
Giai đoạn 3 (Quý 3): Diễn tập kịch bản kiểm tra sức chịu đựng thanh khoản (Stress Testing)
│
▼
Giai đoạn 4 (Quý 4): Tích hợp toàn diện Basel III (LCR, NSFR) vào hệ thống Core Banking
Đánh giá hiệu quả kinh tế (ROI & Cost-Benefit Analysis)
- Chi phí triển khai: Đầu tư nâng cấp module ALM trên nền tảng Core Banking ước tính khoảng 1.5 – 3.0 tỷ VNĐ.
- Lợi ích định lượng:
- Giảm thiểu rủi ro bị phạt thanh khoản hoặc phải vay tái cấp vốn khẩn cấp từ NHNN với lãi suất phạt (tiết kiệm ước tính hàng chục tỷ đồng mỗi năm cho một ngân hàng quy mô trung bình).
- Tối ưu hóa cấu trúc danh mục tài sản sinh lời ($TLA$) và tài sản dự trữ ($LRA$), giúp gia tăng biên lãi thuần (NIM) thêm 0.15% - 0.25% mà vẫn duy trì hệ số an toàn thanh khoản vững chắc.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật
- Độ dài chuỗi thời gian ($T = 6$ năm): Dữ liệu giai đoạn 2016–2021 chưa bao quát hết chu kỳ nâng lãi suất điều hành mạnh mẽ sau đại dịch (giai đoạn 2022–2024).
- Tính đồng nhất của mô hình tĩnh: Chưa sử dụng phương pháp GMM sai phân (Arellano-Bond) hay GMM hệ thống (System GMM) để kiểm soát triệt để tính nội sinh tiềm ẩn giữa rủi ro thanh khoản năm trước ($FGAP_{t-1}$) và năm hiện tại.
Hướng phát triển đề xuất
- Mở rộng khung dữ liệu nghiên cứu sang giai đoạn 2016–2025 nhằm đánh giá tác động của chu kỳ thắt chặt tiền tệ và biến động thị trường trái phiếu doanh nghiệp.
- Ứng dụng các thuật toán học máy (Machine Learning như Random Forest, XGBoost, LSTM) để dự báo luồng tiền rút ròng phi tuyến tính theo thời gian thực (Real-time Liquidity Forecasting).
- Bổ sung các chỉ số đo lường thanh khoản theo chuẩn mực Basel III gồm: Tỷ lệ đảm bảo khả năng thanh khoản ngắn hạn (Liquidity Coverage Ratio - LCR) và Tỷ lệ nguồn vốn ổn định ròng (Net Stable Funding Ratio - NSFR).
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học ngành Tài chính – Ngân hàng: Nắm vững phương pháp luận nghiên cứu định lượng, quy trình xử lý dữ liệu bảng (Panel Data) trên Stata và cách phân tích các chỉ số báo cáo tài chính ngân hàng.
- Chuyên viên Phân tích Rủi ro & Quản trị ALM tại Ngân hàng: Nhận diện trọng số tác động của từng nhân tố ($EFD, TLA, LRA$) để xây dựng ma trận quản trị khe hở tài trợ tối ưu.
- Cơ quan Quản lý (Ngân hàng Nhà nước Việt Nam): Cung cấp thêm bằng chứng thực nghiệm phục vụ công tác giám sát an toàn vĩ mô, điều hành hạn mức tăng trưởng tín dụng (room tín dụng) và điều tiết thị trường mở (OMO).
- Các nhà đầu tư & Chuyên viên phân tích tài chính cổ phiếu (Equity Research): Có công cụ định lượng đánh giá sức khỏe thanh khoản nội tại của từng mã cổ phiếu ngân hàng niêm yết trên sàn HOSE/HNX.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật phần mềm để tái lập mô hình nghiên cứu này là gì?
Cần cài đặt phần mềm Stata (phiên bản 14.0 trở lên, khuyến nghị Stata 16/17 SE hoặc MP) và Microsoft Excel để xử lý dữ liệu thô. Cấu hình phần cứng tối thiểu: CPU Dual Core 2.0GHz, 4GB RAM, hệ điều hành Windows 10/11 hoặc macOS/Linux.
2. Vì sao phương pháp FGLS lại vượt trội hơn Pooled OLS và FEM/REM trong đề tài này?
Do dữ liệu tài chính của 25 ngân hàng thường xuyên xuất hiện hiện tượng phương sai thay đổi (các ngân hàng lớn có độ biến động tài sản khác ngân hàng nhỏ) và tự tương quan chuỗi theo thời gian. FGLS ước lượng lại ma trận hiệp phương sai sai số, loại bỏ hoàn toàn các vi phạm này để đưa ra ước lượng hiệu quả nhất.
3. Biến khe hở tài trợ (FGAP) dương hay âm phản ánh điều gì về thanh khoản ngân hàng?
- $FGAP > 0$: Tín dụng cho vay vượt quá vốn huy động từ tiền gửi khách hàng; ngân hàng đang thiếu hụt thanh khoản và phải vay mượn bù đắp từ thị trường liên ngân hàng hoặc các nguồn bên ngoài, rủi ro thanh khoản ở mức cao.
- $FGAP < 0$: Vốn huy động vượt dư nợ cho vay; ngân hàng có thanh khoản dồi dào, cần tối ưu hóa hiệu quả sinh lời của nguồn vốn thặng dư.
4. Tại sao tỷ lệ an toàn vốn (ETA) lại có tác động đa chiều tới rủi ro thanh khoản?
Một mặt, tỷ lệ vốn tự có cao giúp ngân hàng có bộ đệm hấp thụ tổn thất mạnh. Mặt khác, nếu vốn tự có quá cao, ngân hàng có thể chủ quan giảm huy động tiền gửi ổn định và tìm kiếm các kênh đầu tư mạo hiểm hơn, gián tiếp gia tăng rủi ro thanh khoản tiềm ẩn.
5. Chi phí triển khai hệ thống cảnh báo sớm rủi ro thanh khoản theo mô hình là bao nhiêu?
Chi phí phụ thuộc vào quy mô hạ tầng CNTT của ngân hàng. Đối với việc thiết lập dashboard giám sát nội bộ trên nền tảng sẵn có (PowerBI/Python/Stata), chi phí chỉ tốn nguồn lực nhân sự nội bộ. Đối với giải pháp phần mềm chuyên biệt tích hợp Core Banking, mức đầu tư dao động từ 50,000 USD đến 150,000 USD, mang lại tỷ suất hoàn vốn ROI rõ rệt thông qua việc phòng ngừa rủi ro phạt lãi suất và khủng hoảng thanh khoản.
Kết luận
Đề tài khóa luận tốt nghiệp "Phân tích các yếu tố ảnh hưởng tới rủi ro thanh khoản tại hệ thống ngân hàng thương mại cổ phần Việt Nam" đã giải quyết toàn diện bài toán định lượng rủi ro thanh khoản thông qua mô hình kinh tế lượng trên 150 quan sát của 25 NHTMCP giai đoạn 2016–2021. Bằng việc ứng dụng phương pháp ước lượng FGLS giải quyết triệt để hiện tượng phương sai thay đổi và tự tương quan, nghiên cứu đã chứng minh rằng: mức độ phụ thuộc vốn liên ngân hàng ($EFD$), tỷ lệ dư nợ cho vay ($TLA$), lạm phát ($INF$) và cung tiền ($M2$) là các nhân tố thúc đẩy gia tăng rủi ro thanh khoản; trong khi quy mô tổng tài sản ($SIZE$), tỷ lệ dự trữ thanh khoản ($LRA$), dự phòng rủi ro ($LLPTL$) và tăng trưởng $GDP$ đóng vai trò là các lá chắn vững chắc giúp kiềm chế rủi ro.
Công trình mang lại giá trị học thuật và thực tiễn sâu sắc, cung cấp luận cứ khoa học tin cậy cho các nhà hoạch định chính sách tại Ngân hàng Nhà nước và các nhà quản trị ngân hàng thương mại trong việc tối ưu hóa bảng cân đối tài sản, hướng tới mục tiêu phát triển an toàn, bền vững theo các chuẩn mực quốc tế Basel II và Basel III.
