Giới thiệu dự án

Tỷ lệ thu nhập lãi thuần (Net Interest Margin - NIM) là chỉ số cốt lõi phản ánh hiệu quả kinh doanh và năng lực sinh lời từ hoạt động tín dụng của các Ngân hàng Thương mại (NHTM). Trong bối cảnh hệ thống ngân hàng Việt Nam giai đoạn hậu khủng hoảng tài chính 2008 – 2018 trải qua nhiều đợt tái cơ cấu quy mô lớn, việc duy trì NIM ở mức tối ưu trở thành bài toán sống còn đối với các nhà quản trị rủi ro và điều hành chính sách tiền tệ.

  • Bối cảnh và Thực trạng Ngành: Hoạt động huy động và cho vay đóng góp từ 70% đến 85% tổng doanh thu của các NHTM Việt Nam. Sự cạnh tranh gay gắt về lãi suất huy động cùng yêu cầu giảm lãi suất cho vay hỗ trợ nền kinh tế đã thu hẹp biên độ lãi ròng của các ngân hàng.
  • Vấn đề Nghiên cứu (Problem Statement): Sự biến động của NIM chịu chi phối đồng thời bởi các yếu tố nội tại ngân hàng (vốn, thanh khoản, rủi ro tín dụng, chi phí vận hành) và các yếu tố vĩ mô (lãi suất điều hành, dự trữ bắt buộc). Thiếu hụt các nghiên cứu định lượng toàn diện trên chuỗi dữ liệu dài dẫn đến các quyết định điều hành tín dụng còn mang tính trực giác.
  • Mục tiêu Dự án:
    1. Xác định và lượng hóa các yếu tố tác động đến tỷ lệ NIM của 25 NHTM Việt Nam giai đoạn 2008 – 2018 (275 quan sát cân bằng).
    2. Xây dựng và kiểm định mô hình kinh tế lượng dữ liệu bảng (Panel Data) nhằm xử lý triệt để hiện tượng phương sai thay đổi và tự tương quan.
    3. Đề xuất hệ thống giải pháp nâng cao NIM gắn liền với kiểm soát an toàn vốn theo chuẩn mực Basel II.
  • Phương pháp Tiếp cận Giải pháp: Ứng dụng mô hình kinh tế lượng không gian dữ liệu bảng đa biến (Pooled OLS, FEM, REM), kết hợp các kiểm định F-test, Breusch-Pagan Lagrange Multiplier, Hausman test, và hiệu chỉnh sai số chuẩn mạnh (Robust Standard Errors).
  • Kết quả Kỳ vọng: Mô hình giải thích rõ mức độ tác động và chiều hướng của 8 biến độc lập đến NIM với mức ý nghĩa thống kê $p < 0.01$, $p < 0.05$ và $p < 0.10$.
  • Phạm vi và Giới hạn: Nghiên cứu tập trung vào 25 NHTM cổ phần và quốc doanh tại Việt Nam trong khung thời gian 11 năm (2008–2018), sử dụng dữ liệu báo cáo tài chính kiểm toán thường niên và thống kê vĩ mô từ World Bank.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh ưu và nhược điểm của các phương pháp ước lượng dữ liệu bảng truyền thống trong phân tích tài chính ngân hàng:

Phương pháp Ước lượng Ưu điểm Nhược điểm Đánh giá Mức độ Phù hợp
Pooled OLS (Bình phương tối thiểu gộp) Đơn giản, dễ tính toán, áp dụng tốt khi mẫu đồng nhất. Bỏ qua đặc trưng riêng lẻ không đổi theo thời gian của từng ngân hàng, gây sai lệch tham số. Không phù hợp ($F\text{-test}$ loại bỏ ở $p < 0.01$).
FEM (Fixed Effects Model) Kiểm soát hoàn toàn các đặc trưng riêng cố định của từng ngân hàng, hạn chế thiên lệch biến nội sinh. Giảm bậc tự do, không ước lượng được tác động của các biến không thay đổi theo thời gian. Kém tối ưu hơn REM theo kiểm định Hausman ($p > 0.05$).
REM (Random Effects Model) Tiết kiệm bậc tự do, tính toán hiệu quả khi các yếu tố ngẫu nhiên không tương quan với biến giải thích. Bị sai lệch ước lượng nếu giả định sai số ngẫu nhiên bị vi phạm hoặc có khuyết tật mô hình. Phù hợp nhất sau khi hiệu chỉnh Robust Standard Errors.

Phân tích Yêu cầu Dữ liệu và Mô hình hóa (MoSCoW)

  • Must have (Bắt buộc): Bộ dữ liệu bảng cân bằng 25 NHTM $\times$ 11 năm ($N=25, T=11$); đầy đủ các biến tài chính cốt lõi: $NIM, CAP, LOAN, LIQ, CR, OE, MQ, SBR, IRT$.
  • Should have (Nên có): Các kiểm định chẩn đoán khuyết tật: VIF (Đa cộng tuyến), Wooldridge (Tự tương quan), Breusch-Pagan LM (Phương sai thay đổi).
  • Could have (Có thể có): Phân tích so sánh hành vi giữa nhóm NHTM Nhà nước và NHTM Cổ phần tư nhân.
  • Won't have (Không làm): Chưa mở rộng áp dụng mô hình động GMM hai bước cho độ trễ bậc cao của NIM.

Thiết kế hệ thống

Mô hình Toán học và Phương trình Kinh tế lượng

Mô hình hồi quy đa biến tổng quát được thiết lập dưới dạng:

$$NIM_{it} = \beta_0 + \beta_1 CAP_{it} + \beta_2 LOAN_{it} + \beta_3 LIQ_{it} + \beta_4 CR_{it} + \beta_5 OE_{it} + \beta_6 MQ_{it} + \beta_7 SBR_{it} + \beta_8 IRT_{t} + u_{it}$$

Trong đó:

  • $u_{it} = \alpha_i + \epsilon_{it}$ ($\alpha_i$ là sai số thành phần theo từng ngân hàng, $\epsilon_{it}$ là sai số ngẫu nhiên).
  • $i$: Đại diện cho ngân hàng thứ $i$ ($i = 1, \dots, 25$).
  • $t$: Đại diện cho năm quan sát ($t = 2008, \dots, 2018$).
graph TD
    subgraph Data_Pipeline ["Quy trình Thu thập & Xử lý Dữ liệu"]
        A1["BCTC Đã Kiểm toán 25 NHTM (2008-2018)"] --> B1["Chuẩn hóa Chỉ tiêu Tài chính Vi mô"]
        A2["Cơ sở Dữ liệu World Bank"] --> B2["Chuẩn hóa Chỉ số Lãi suất Vĩ mô"]
        B1 --> C["Bộ Dữ liệu Bảng Cân bằng (Balanced Panel - 275 Obs)"]
        B2 --> C
    end

    subgraph Econometric_Engine ["Quy trình Xử lý Kinh tế lượng"]
        C --> D["Mô hình Hồi quy Pooled OLS / FEM / REM"]
        D --> E1{"Breusch-Pagan & F-test"}
        E1 -- "Loại bỏ OLS (p < 0.01)" --> E2{"Hausman Test"}
        E2 -- "p > 0.05" --> F["Mô hình Hiệu ứng Ngẫu nhiên (REM)"]
        F --> G1["Kiểm định VIF (Đa cộng tuyến)"]
        F --> G2["Kiểm định Wooldridge (Tự tương quan)"]
        F --> G3["Kiểm định White / LM (Phương sai thay đổi)"]
    end

    subgraph Optimization_Model ["Hiệu chỉnh & Đóng góp"]
        G2 -- "Phát hiện Khuyết tật" --> H["Mô hình REM Robust Standard Errors"]
        G3 -- "Phát hiện Khuyết tật" --> H
        H --> I["Kết quả Ước lượng Cuối cùng (Prob > chi2 = 0.0000)"]
    end

Bảng Định nghĩa Biến và Đo lường Kỹ thuật

Ký hiệu Tên Biến Công thức / Cách Đo lường Kỳ vọng Dấu
NIM Tỷ lệ thu nhập lãi thuần $(\text{Thu nhập lãi} - \text{Chi phí lãi}) / \text{Tổng tài sản Có sinh lãi bình quân} \times 100%$ Phụ thuộc
CAP Quy mô vốn chủ sở hữu $\text{Vốn chủ sở hữu} / \text{Tổng tài sản} \times 100%$ $(+)$
LOAN Quy mô hoạt động cho vay $\text{Tổng dư nợ cho vay} / \text{Tổng tài sản} \times 100%$ $(+)$
LIQ Tính thanh khoản $\text{Tài sản thanh khoản} / \text{Tổng tài sản} \times 100%$ $(-)$
CR Rủi ro tín dụng $\text{Dự phòng rủi ro cho vay} / \text{Tổng dư nợ cho vay} \times 100%$ $(+)$
OE Chi phí hoạt động $\text{Tổng chi phí hoạt động} / \text{Tổng tài sản} \times 100%$ $(+)$
MQ Chất lượng quản lý $\text{Tổng chi phí hoạt động} / \text{Tổng thu nhập hoạt động} \times 100%$ $(-)$
SBR Chính sách dự trữ NHNN $\text{Tiền gửi tại NHNN} / \text{Tổng tài sản sinh lời} \times 100%$ $(+)$
IRT Lãi suất thị trường Lãi suất cho vay bình quân hàng năm (%/năm theo World Bank) $(+)$

Methodology

  • Quy trình Nghiên cứu 4 Bước:
    1. Khảo sát & Tiền xử lý: Thu thập báo cáo tài chính thường niên kiểm toán của 25 ngân hàng, tính toán các biến theo chuẩn Thông tư 52/2018/TT-NHNN.
    2. Thống kê Mô tả & Phân tích Tương quan: Đánh giá ma trận tương quan Pearson để loại trừ sớm nguy cơ cộng tuyến nghiêm trọng ($|r| < 0.8$).
    3. Lựa chọn Mô hình Tối ưu: Thực hiện tuần tự các kiểm định $F$-test (chọn FEM vs OLS), Breusch-Pagan LM test (chọn REM vs OLS), và Hausman specification test (chọn REM vs FEM).
    4. Kiểm định Khuyết tật & Khắc phục: Phát hiện tự tương quan bậc 1 và hiện tượng phương sai sai số thay đổi, áp dụng ước lượng ma trận hiệp phương sai sai số chuẩn mạnh của Huber-White.
  • Quản trị Rủi ro Dữ liệu:
    • Xử lý các giá trị bất thường (outliers) thông qua việc đối chiếu chéo số liệu kiểm toán độc lập.
    • Ngăn ngừa thiên lệch sống sót (survivorship bias) bằng cách chọn lọc các ngân hàng hoạt động liên tục trong suốt 11 năm.

Implementation và kết quả

Development process

Quá trình phân tích định lượng được thực hiện trên môi trường Stata 13 với quy trình kịch bản xử lý như sau:

* ==============================================================================
* QUY TRÌNH HỒI QUY DỮ LIỆU BẢNG VÀ XỬ LÝ KHUYẾT TẬT MÔ HÌNH
* Đề tài: Phân tích các yếu tố tác động đến NIM - 25 NHTM Việt Nam (2008 - 2018)
* ==============================================================================

* 1. Khai báo cấu trúc dữ liệu bảng (25 ngân hàng, thời gian 2008-2018)
xtset bank_id year

* 2. Thống kê mô tả và ma trận hệ số tương quan
summarize NIM CAP LOAN LIQ CR OE MQ SBR IRT
pwcorr NIM CAP LOAN LIQ CR OE MQ SBR IRT, sig star(0.05)

* 3. Ước lượng các mô hình cơ sở
reg NIM CAP LOAN LIQ CR OE MQ SBR IRT                     // Pooled OLS
estimates store pooled_ols

xtreg NIM CAP LOAN LIQ CR OE MQ SBR IRT, fe              // Fixed Effects Model
estimates store fem

xtreg NIM CAP LOAN LIQ CR OE MQ SBR IRT, re              // Random Effects Model
estimates store rem

* 4. Kiểm định lựa chọn mô hình
xttest0                                                  // Breusch-Pagan LM test (Pooled OLS vs REM)
hausman fem rem                                          // Hausman test (FEM vs REM)

* 5. Kiểm định khuyết tật mô hình REM
vif                                                      // Kiểm định đa cộng tuyến
xtserial NIM CAP LOAN LIQ CR OE MQ SBR IRT              // Wooldridge test kiểm định tự tương quan
xttest3                                                  // Modified Wald test cho phương sai thay đổi

* 6. Khắc phục khuyết tật: Ước lượng REM với Sai số chuẩn mạnh (Robust Standard Errors)
xtreg NIM CAP LOAN LIQ CR OE MQ SBR IRT, re vce(robust)
estimates store rem_robust

Testing và validation

Kết quả các kiểm định lựa chọn mô hình và phát hiện khuyết tật thống kê:

Loại Kiểm định Mục đích Kỹ thuật Giá trị Thống kê p-value Kết luận Kinh tế lượng
$F\text{-test}$ So sánh Pooled OLS vs FEM $F(24, 242) = 8.45$ $0.0000$ Bác bỏ Pooled OLS
Breusch-Pagan LM So sánh Pooled OLS vs REM $\bar{\chi}^2(01) = 142.31$ $0.0000$ REM vượt trội so với Pooled OLS
Hausman Test So sánh FEM vs REM $\chi^2(8) = 7.12$ $0.5237$ Không bác bỏ $H_0$; Chọn REM
Variance Inflation Factor (VIF) Đo lường Đa cộng tuyến $\text{Mean VIF} = 1.48$ Max $< 2.15$ Không có đa cộng tuyến ($\text{VIF} \ll 10$)
Wooldridge Test Kiểm định Tự tương quan $F(1, 24) = 18.94$ $0.0002$ Tồn tại tự tương quan bậc 1
Modified Wald / LM Test Kiểm định Phương sai thay đổi $\chi^2(25) = 384.19$ $0.0000$ Tồn tại phương sai sai số thay đổi

Kết quả đạt được

Bảng tổng hợp kết quả ước lượng từ mô hình REM hiệu chỉnh sai số chuẩn mạnh (Robust Standard Errors):

| Biến Độc lập | Hệ số Hồi quy ($\beta$) | Sai số chuẩn Robust | Thống kê $z$ | $P > |z|$ | Chiều tác động | Mức ý nghĩa | | :--- | :--- | :--- | :--- | :--- | :---: | :--- | | Hằng số (Cons) | $0.0142$ | $0.0061$ | $2.33$ | $0.020$ | -- | $p < 0.05$ | | OE | $+0.4285$ | $0.0892$ | $4.80$ | $0.000$ | Cùng chiều $(+)$ | Có ý nghĩa $1%$ | | SBR | $+0.0814$ | $0.0381$ | $2.14$ | $0.032$ | Cùng chiều $(+)$ | Có ý nghĩa $5%$ | | IRT | $+0.0312$ | $0.0145$ | $2.15$ | $0.031$ | Cùng chiều $(+)$ | Có ý nghĩa $5%$ | | MQ | $-0.0247$ | $0.0068$ | $-3.63$ | $0.000$ | Ngược chiều $(-)$| Có ý nghĩa $1%$ | | CR | $-0.1186$ | $0.0562$ | $-2.11$ | $0.035$ | Ngược chiều $(-)$| Có ý nghĩa $5%$ | | LOAN| $-0.0124$ | $0.0071$ | $-1.75$ | $0.080$ | Ngược chiều $(-)$| Có ý nghĩa $10%$ | | CAP | $+0.0089$ | $0.0114$ | $0.78$ | $0.435$ | Không tác động | Không có ý nghĩa | | LIQ | $-0.0041$ | $0.0055$ | $-0.75$ | $0.453$ | Không tác động | Không có ý nghĩa |

  • Kiểm định Độ phù hợp Tổng thể: $\text{Prob} > \chi^2 = 0.0000$, chứng minh mô hình hồi quy đa biến phù hợp cao với dữ liệu thực nghiệm.
  • Phân tích Kinh tế lượng Chuyên sâu:
    • Chi phí hoạt động (OE, $\beta = +0.4285, p < 0.01$): Tác động cùng chiều mạnh nhất. Khi chi phí vận hành tăng 1%, ngân hàng có xu hướng chuyển gánh nặng chi phí sang khách hàng thông qua việc tăng biên độ chênh lệch lãi suất đầu vào – đầu ra để bù đắp thâm hụt.
    • Chất lượng quản lý (MQ, $\beta = -0.0247, p < 0.01$): Đo lường bằng tỷ lệ CPHĐ/Thu nhập. Khi tỷ lệ này tăng (hiệu quả quản lý kém), NIM giảm mạnh, chứng minh việc quản trị chi phí tinh gọn quyết định trực tiếp đến biên sinh lời.
    • Rủi ro tín dụng (CR, $\beta = -0.1186, p < 0.05$): Dự phòng rủi ro gia tăng do nợ xấu làm giảm thu nhập lãi thực thu, kéo tụt NIM.
    • Quy mô cho vay (LOAN, $\beta = -0.0124, p < 0.10$): Tác động ngược chiều phản ánh thực trạng cạnh tranh hạ lãi suất cho vay để mở rộng dư nợ nhanh làm suy giảm biên lãi ròng.
    • Chính sách dự trữ (SBR, $\beta = +0.0814, p < 0.05$) và Lãi suất (IRT, $\beta = +0.0312, p < 0.05$): Lãi suất thị trường tăng tạo dư địa mở rộng chênh lệch lãi vay lớn hơn tốc độ tăng chi phí huy động.

Đổi mới và đóng góp

  • Bổ sung Biến Vĩ mô Đặc thù Ngành: So với các nghiên cứu trước đây tại Việt Nam (thường chỉ tập trung vào GDP hoặc lạm phát tổng quát), đề tài đưa biến Lãi suất cho vay bình quân (IRT) từ World Bank vào mô hình, phản ánh độ nhạy thực tế của biên lãi thuần trước chu kỳ điều hành chính sách tiền tệ.
  • Chuỗi Dữ liệu Dài và Cân bằng: Khai thác chuỗi dữ liệu 11 năm liên tục (2008–2018) vượt qua giai đoạn tái cơ cấu hệ thống tổ chức tín dụng trọng yếu, đảm bảo tính ổn định và tính đại diện thống kê cao hơn các mẫu ngắn hạn ($N=25, T=11, \text{Observations}=275$).
  • Phương pháp Xử lý Khuyết tật Nghiêm ngặt: Ứng dụng thuật toán ước lượng REM kết hợp Robust Standard Errors (Cluster-robust) để triệt tiêu đồng thời hiện tượng tự tương quan chuỗi bậc 1 và phương sai sai số không đồng nhất, mang lại hệ số ước lượng không chệch (unbiased) và hiệu quả (efficient).

Ứng dụng thực tế và triển khai

Giải pháp Thực thi cho Hệ thống NHTM

  1. Kiểm soát Tăng trưởng Dư nợ và Rủi ro Tín dụng: Không nới lỏng điều kiện cấp tín dụng để giành thị phần bằng mọi giá. Tích hợp mô hình chấm điểm tín dụng tự động (Credit Scoring) nhằm phát hiện sớm nguy cơ nợ xấu, giữ chi phí trích lập dự phòng ở mức an toàn.
  2. Nâng cao Hiệu quả Vận hành (Giảm CIR): Đẩy mạnh tự động hóa quy trình tín dụng để hạ tỷ lệ $MQ$ (Cost-to-Income). Giảm chi phí vận hành trực tiếp sẽ giúp ngân hàng duy trì NIM lành mạnh mà không cần tăng lãi suất cho vay quá mức.
  3. Chiến lược Nguồn vốn Chi phí Thấp (CASA Optimization): Gia tăng tỷ trọng tiền gửi không kỳ hạn thông qua phát triển ngân hàng số và hệ sinh thái thanh toán, hạ giá vốn bình quân (Cost of Funds).

Khuyến nghị cho Cơ quan Quản lý Nhà nước (NHNN)

  • Duy trì môi trường lãi suất ổn định, tránh các cú sốc biến động mạnh làm đảo lộn cân đối kỳ hạn giữa tài sản Có và tài sản Nợ của hệ thống ngân hàng.
  • Điều hành linh hoạt tỷ lệ dự trữ bắt buộc kết hợp giám sát chặt chẽ tỷ lệ an toàn vốn tối thiểu (CAR) theo Thông tư 41/2016/TT-NHNN (Basel II).

Hạn chế và hướng phát triển

  • Hạn chế về Dữ liệu: Nghiên cứu mới dừng ở cấp độ dữ liệu năm theo báo cáo kiểm toán, chưa phản ánh được các biến động lãi suất tần suất cao (dữ liệu quý/tháng).
  • Phạm vi Ngân hàng Nước ngoài: Chưa tích hợp các ngân hàng 100% vốn nước ngoài và chi nhánh ngân hàng ngoại tại Việt Nam do hạn chế về công bố thông tin tài chính đồng nhất.
  • Hướng Phát triển Tương lai:
    • Áp dụng mô hình Hệ thống GMM hai bước (Two-step System GMM) của Blundell-Bond để kiểm soát biến trễ nội sinh bậc cao của NIM ($NIM_{it-1}$).
    • Đánh giá tác động lan tỏa của các chỉ số vĩ mô mới như áp lực tỷ giá USD/VND và chỉ số phát triển số hóa (Digital Banking Index) đến NIM.

Đối tượng hưởng lợi

  • Nhà Quản trị Ngân hàng: Nhận diện chính xác các đòn bẩy nội tại ($OE, MQ, CR$) để điều chỉnh bảng cân đối tài sản và chiến lược định giá khoản vay.
  • Chuyên viên Phân tích & Nghiên cứu Tài chính: Tiếp cận cấu trúc mô hình kinh tế lượng dữ liệu bảng chuẩn mực, bộ code Stata hoàn chỉnh và quy trình chẩn đoán khuyết tật mô hình.
  • Cơ quan Quản lý Tiền tệ: Cung cấp bằng chứng thực nghiệm định lượng về mức độ truyền dẫn của lãi suất thị trường và chính sách dự trữ đến biên độ lợi nhuận của hệ thống trung gian tài chính.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại loại bỏ mô hình Pooled OLS và chọn REM thay vì FEM?

Kiểm định $F\text{-test}$ ($p = 0.0000$) và Breusch-Pagan LM test ($p = 0.0000$) chứng minh tồn tại sự khác biệt lớn mang tính đặc trưng giữa 25 ngân hàng, loại bỏ Pooled OLS. Tiếp đó, kiểm định Hausman cho kết quả $\chi^2 = 7.12$ với $p = 0.5237 > 0.05$, không đủ bằng chứng bác bỏ giả thuyết $H_0$ (các hiệu ứng cá biệt không tương quan với các biến giải thích), do đó mô hình REM mang lại ước lượng hiệu quả hơn FEM.

2. Ý nghĩa của việc hệ số Chi phí hoạt động (OE) mang dấu dương đối với NIM là gì?

Hệ số $\beta_{OE} = +0.4285$ ($p < 0.01$) phản ánh lý thuyết bù đắp chi phí (Expense-shifting hypothesis). Khi ngân hàng gánh chịu chi phí vận hành cao, họ có xu hướng mở rộng biên độ chênh lệch lãi suất bằng cách áp đặt lãi suất cho vay cao hơn hoặc ép lãi suất huy động thấp hơn để bù đắp chi phí.

3. Tại sao Rủi ro tín dụng (CR) và Quy mô cho vay (LOAN) lại có tác động tiêu cực đến NIM?

Tỷ lệ trích lập dự phòng cao ($CR$) làm suy giảm trực tiếp dòng tiền lãi thu được từ nợ xấu. Đồng thời, biến $LOAN$ mang dấu âm ($\beta = -0.0124$) cho thấy áp lực cạnh tranh mở rộng tín dụng nhanh buộc các ngân hàng phải áp dụng chính sách giảm lãi suất cho vay, làm xói mòn NIM.

4. Phương pháp nào đã được sử dụng để xử lý hiện tượng tự tương quan và phương sai thay đổi?

Nghiên cứu áp dụng kỹ thuật hồi quy Random Effects Model kết hợp Ma trận Hiệp phương sai Sai số chuẩn Mạnh (Robust/Cluster-robust Standard Errors) trong Stata (vce(robust)). Kỹ thuật này điều chỉnh lại độ lệch chuẩn của các hệ số hồi quy mà không làm thay đổi giá trị $\beta$, giúp các kiểm định thống kê $t$ và $z$ giữ nguyên độ tin cậy.

5. Tỷ lệ vốn chủ sở hữu (CAP) và Tính thanh khoản (LIQ) không có ý nghĩa thống kê nói lên điều gì?

Trong giai đoạn 2008–2018, đa số các NHTM Việt Nam có tỷ lệ vốn chủ sở hữu và tài sản thanh khoản biến động quanh ngưỡng quy định an toàn tối thiểu của NHNN. Sự đồng nhất tương đối này khiến sự khác biệt về $CAP$ và $LIQ$ giữa các ngân hàng chưa đủ sức tạo ra tác động mang tính phân hóa có ý nghĩa thống kê lên NIM.

Kết luận

Nghiên cứu đã lượng hóa thành công các nhân tố tác động đến Tỷ lệ thu nhập lãi thuần (NIM) của 25 NHTM Việt Nam giai đoạn 2008 – 2018 thông qua mô hình kinh tế lượng dữ liệu bảng REM hiệu chỉnh sai số chuẩn mạnh. Kết quả khẳng định vai trò quyết định của việc tối ưu hóa chi phí hoạt động ($OE, MQ$), kiểm soát rủi ro tín dụng ($CR$) và thích ứng linh hoạt với chính sách lãi suất vĩ mô ($IRT, SBR$). Đây là cơ sở thực nghiệm vững chắc để các nhà hoạch định chính sách tiền tệ và lãnh đạo ngân hàng xây dựng chiến lược tăng trưởng bền vững, dung hòa giữa mục tiêu sinh lời và an toàn hệ thống.