Giới thiệu dự án
Tăng trưởng tín dụng (Credit Growth) đóng vai trò huyết mạch trong việc cung ứng vốn cho nền kinh tế, thúc đẩy tái sản xuất xã hội và định hình sự ổn định tài chính quốc gia. Theo thống kê từ Ngân hàng Nhà nước Việt Nam (NHNN), tính đến cuối tháng 12/2021, dư nợ tín dụng toàn nền kinh tế đạt mức tăng trưởng 13,53% so với năm 2020 bất chấp những đứt gãy chuỗi cung ứng do đại dịch COVID-19. Tuy nhiên, sau các biến động kinh tế vĩ mô toàn cầu từ cuộc khủng hoảng tài chính 2008, đại dịch COVID-19 đến căng thẳng địa chính trị Nga - Ukraine năm 2022, áp lực lạm phát và xu hướng thắt chặt tiền tệ của Cục Dự trữ Liên bang Mỹ (Fed) đã đặt hệ thống ngân hàng thương mại (NHTM) Việt Nam trước bài toán cân bằng giữa tăng trưởng quy mô dư nợ và kiểm soát rủi ro thanh khoản.
+-------------------------------------------------------------+
| CÁC CÚ SỐC KINH TẾ VĨ MÔ |
| (Khủng hoảng 2008 - Đại dịch COVID-19 - Địa chính trị) |
+------------------------------+------------------------------+
|
v
+-------------------------------------------------------------+
| ÁP LỰC CHÍNH SÁCH TIỀN TỆ & VĨ MÔ |
| - Lạm phát gia tăng (INF) |
| - Biến động lãi suất điều hành & danh nghĩa (INR) |
| - Tăng trưởng kinh tế suy giảm/phục hồi (GDP) |
+------------------------------+------------------------------+
|
v
+-------------------------------------------------------------+
| HỆ THỐNG 15 NHTM VIỆT NAM (2011 - 2021) |
| - Rủi ro nợ xấu (NPL) - Khả năng sinh lời (ROE)|
| - Tốc độ huy động vốn (DEPTA) - Quy mô tài sản (SIZE) |
| - An toàn vốn & đòn bẩy (ETA) - Biên lãi ròng (NIM) |
+------------------------------+------------------------------+
|
v
+-------------------------------------------------------------+
| TỐC ĐỘ TĂNG TRƯỞNG TÍN DỤNG NHTM VIỆT NAM (LGR) |
+-------------------------------------------------------------+
Problem Statement: Mặc dù đã có nhiều nghiên cứu thực nghiệm trong và ngoài nước phân tích các nhân tố tác động đến tăng trưởng tín dụng, phần lớn các công trình trước đây chỉ dừng lại ở giai đoạn tiền khủng hoảng hoặc chưa cập nhật sự dịch chuyển cấu trúc tài chính dưới tác động trực tiếp của đại dịch COVID-19 (giai đoạn 2019–2021). Việc thiếu hụt một mô hình định lượng đa biến toàn diện kiểm soát đồng thời các khuyết tật phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan chuỗi (Autocorrelation) trên dữ liệu bảng cân bằng (Balanced Panel Data) dẫn đến các quyết định điều hành tín dụng và quản trị tài sản nợ - có (ALM) của NHTM thiếu tính chuẩn xác.
Mục tiêu nghiên cứu:
- Xác định và lượng hóa mức độ tác động của 3 biến kinh tế vĩ mô ($\text{GDP}, \text{INF}, \text{INR}$) và 7 biến nội tại NHTM ($\text{NPL}, \text{LIQ}, \text{DEPTA}, \text{ROE}, \text{NIM}, \text{SIZE}, \text{ETA}$) đến tốc độ tăng trưởng tín dụng ($\text{LGR}$).
- Đánh giá sự phân hóa cấu trúc tác động của các nhân tố trong hai phân kỳ: Giai đoạn bình thường mới trước đại dịch (2011–2018) và giai đoạn chịu cú sốc COVID-19 (2019–2021).
- Đề xuất hệ thống hàm ý chính sách và giải pháp kỹ thuật định lượng giúp NHNN cùng ban điều hành NHTM tối ưu hóa hạn mức tăng trưởng tín dụng (room tín dụng) gắn liền với quản trị an toàn vốn.
Solution Approach: Đề tài tiếp cận bằng phương pháp kinh tế lượng định lượng nâng cao trên bộ dữ liệu bảng cân bằng thu thập từ báo cáo tài chính kiểm toán và báo cáo thường niên của 15 NHTM Việt Nam trong chu kỳ 11 năm liên tục (2011–2021). Quy trình kiểm định chuyển tiếp từ Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM) thông qua kiểm định Hausman, và khắc phục triệt để vi phạm giả định cổ điển bằng mô hình bình phương bé nhất tổng quát khả thi (Feasible Generalized Least Squares - FGLS).
Expected Outcomes & Phạm vi nghiên cứu:
- Xây dựng phương trình hồi quy FGLS chuẩn xác, giải thích $R^2$ và hệ số $\beta$ có ý nghĩa thống kê ở các mức 1%, 5%, và 10%.
- Không gian nghiên cứu: 15 NHTM cổ phần và NHTM Nhà nước chiếm hơn 75% tổng thị phần tín dụng tại Việt Nam.
- Thời gian nghiên cứu: Chu kỳ 2011–2021 với tổng số $N \times T = 15 \times 11 = 165$ quan sát bảng cân bằng.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Nghiên cứu tổng quan các mô hình ước lượng định lượng áp dụng trong phân tích tài chính ngân hàng cho thấy các phương pháp truyền thống tồn tại những giới hạn kỹ thuật nhất định khi xử lý dữ liệu bảng vĩ mô - vi mô hỗn hợp:
| Phương pháp ước lượng |
Ưu điểm kỹ thuật |
Nhược điểm / Hạn chế |
Mức độ phù hợp với đề tài |
| Pooled OLS |
Đơn giản, dễ tính toán, phù hợp với mẫu dữ liệu đồng nhất. |
Bỏ qua đặc trưng riêng biệt (unobserved heterogeneity) của từng ngân hàng; gây chệch hệ số ước lượng khi có nội sinh. |
Thấp (Chỉ dùng làm cơ sở đối chiếu sơ bộ). |
| Fixed Effects Model (FEM) |
Kiểm soát hoàn toàn các đặc tính bất biến theo thời gian của từng NHTM; loại bỏ hiện tượng chệch biến bị bỏ sót. |
Không ước lượng được các biến không thay đổi theo thời gian; vi phạm khi có hiện tượng phương sai thay đổi giữa các thực thể. |
Trung bình (Dùng để kiểm định tương quan với REM qua Hausman). |
| Random Effects Model (REM) |
Tiết kiệm bậc tự do (Degrees of Freedom); cho phép ước lượng ảnh hưởng của các biến độc lập không đổi theo thời gian. |
Yêu cầu giả định sai số ngẫu nhiên không tương quan với các biến giải thích (khó thỏa mãn trong thực tế ngân hàng). |
Trung bình (Bị bác bỏ thông qua kiểm định Hausman Test với $p < 0.05$). |
| FGLS (Feasible Generalized Least Squares) |
Khắc phục đồng thời hiện tượng phương sai sai số thay đổi giữa các bảng (cross-sectional heteroskedasticity) và tự tương quan bậc 1 AR(1). |
Cần cỡ mẫu đủ lớn ($N$ và $T$) để ma trận hiệp phương sai tiệm cận phân phối chuẩn. |
Tối ưu nhất (Được lựa chọn làm mô hình ước lượng sau cùng). |
Ma trận ưu tiên yêu cầu nghiên cứu định lượng (MoSCoW Prioritization):
- Must have: Xử lý dữ liệu chuỗi thời gian kết hợp không gian (Panel Data 165 quan sát); kiểm định đa cộng tuyến (VIF); kiểm định phương sai thay đổi (Breusch-Pagan/Modified Wald Test); kiểm định tự tương quan (Wooldridge Test); ước lượng FGLS.
- Should have: Phân rã dữ liệu thành 2 giai đoạn con (Pre-COVID 2011–2018 và Post-COVID 2019–2021) để kiểm định độ nhạy cấu trúc mô hình.
- Could have: Ma trận tương quan Pearson giữa 10 biến giải thích để sàng lọc biến nội sinh ban đầu.
- Won't have (this release): Mô hình phương sai GMM sai phân/hệ thống động (SGMM) do số lượng thực thể $N=15$ nhỏ hơn $T=11$.
Thiết kế hệ thống và mô hình thực nghiệm
Mô hình nghiên cứu kinh tế lượng được thiết lập với phương trình hồi quy tổng quát:
$$\text{LGR}{i,t} = \beta_0 + \beta_1 \text{GDP}t + \beta_2 \text{INF}t + \beta_3 \text{INR}t + \beta_4 \text{NPL}{i,t} + \beta_5 \text{LIQ}{i,t} + \beta_6 \text{DEPTA}{i,t} + \beta_7 \text{ROE}{i,t} + \beta_8 \text{NIM}{i,t} + \beta_9 \text{SIZE}{i,t} + \beta_{10} \text{ETA}{i,t} + u{i,t}$$
graph TD
subgraph Input_Data ["Nguồn dữ liệu thứ cấp (2011 - 2021)"]
D1["BCTC kiểm toán 15 NHTM (N=15, T=11)"]
D2["Báo cáo thường niên (BCTN)"]
D3["Dữ liệu vĩ mô: NHNN, World Bank, GSO"]
end
subgraph Feature_Engineering ["Xử lý & Chuẩn hóa biến số"]
V_Dep["Biến phụ thuộc: Tăng trưởng tín dụng (LGR)"]
V_Macro["Biến vĩ mô: GDP, Lạm phát (INF), Lãi suất (INR)"]
V_Micro["Biến nội tại: NPL, LIQ, DEPTA, ROE, NIM, SIZE, ETA"]
end
subgraph Econometric_Engine ["Quy trình định lượng Stata 15.1"]
E1["Pooled OLS Regression"] --> T1{"Kiểm tra VIF (< 10)"}
T1 --> E2["Ước lượng FEM & REM"]
E2 --> T2{"Hausman Test (p-value)"}
T2 -- "p < 0.05" --> E3["Mô hình FEM được chọn"]
E3 --> T3["Kiểm định khuyết tật: Modified Wald & Wooldridge"]
T3 -- "Có khuyết tật" --> E4["Hiệu chỉnh ước lượng FGLS (xtgls)"]
end
subgraph Output_Analysis ["Kết quả & Hàm ý chính sách"]
O1["Bảng hệ số hồi quy FGLS toàn mẫu"]
O2["Hồi quy so sánh Pre-COVID vs Post-COVID"]
O3["Khung khuyến nghị ALM & Quản trị NHNN"]
end
Input_Data --> Feature_Engineering
Feature_Engineering --> Econometric_Engine
Econometric_Engine --> Output_Analysis
Quy cách đo lường các biến số trong hệ thống:
- $\text{LGR}_{i,t}$ (Biến phụ thuộc): $\frac{\text{Dư nợ cho vay khách hàng}{i,t} - \text{Dư nợ cho vay khách hàng}{i,t-1}}{\text{Dư nợ cho vay khách hàng}_{i,t-1}} \times 100%$
- $\text{GDP}_t$: Tốc độ tăng trưởng tổng sản phẩm quốc nội hàng năm (%). Kỳ vọng: $(+)$.
- $\text{INF}_t$: Tỷ lệ lạm phát đo lường bằng chỉ số giá tiêu dùng CPI bình quân năm (%). Kỳ vọng: $(-)$.
- $\text{INR}_t$: Lãi suất tái cấp vốn/lãi suất danh nghĩa bình quân năm (%). Kỳ vọng: $(-)$.
- $\text{NPL}_{i,t}$: Tỷ lệ nợ xấu = $\frac{\text{Nợ nhóm 3 + Nợ nhóm 4 + Nợ nhóm 5}}{\text{Tổng dư nợ}} \times 100%$. Kỳ vọng: $(-)$.
- $\text{LIQ}_{i,t}$: Tỷ lệ thanh khoản = $\frac{\text{Dư nợ cho vay khách hàng}}{\text{Tổng tiền gửi khách hàng}} \times 100%$. Kỳ vọng: $(+)$.
- $\text{DEPTA}_{i,t}$: Tỷ lệ huy động tiền gửi = $\frac{\text{Tiền gửi của khách hàng}}{\text{Tổng tài sản}} \times 100%$. Kỳ vọng: $(+)$.
- $\text{ROE}_{i,t}$: Tỷ suất sinh lời trên VCSH = $\frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu bình quân}} \times 100%$. Kỳ vọng: $(+)$.
- $\text{NIM}_{i,t}$: Tỷ lệ thu nhập lãi thuần = $\frac{\text{Thu nhập lãi thuần}}{\text{Tổng tài sản sinh lãi bình quân}} \times 100%$. Kỳ vọng: $(+)$.
- $\text{SIZE}_{i,t}$: Quy mô ngân hàng = $\ln(\text{Tổng tài sản})$. Kỳ vọng: $(+)/(-)$.
- $\text{ETA}_{i,t}$: Tỷ lệ an toàn vốn/VCSH = $\frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}} \times 100%$. Kỳ vọng: $(-)$.
Methodology
Quy trình nghiên cứu tuân thủ 6 mốc tiến độ chuẩn mực của nghiên cứu định lượng ứng dụng:
- Thu thập dữ liệu thô (M1 - Tuần 1-3): Bóc tách BCTC kiểm toán của 15 NHTM (Vietcombank, BIDV, VietinBank, Techcombank, MBBank, ACB, VPBank, Sacombank, HDBank, VIB, TPBank, SHB, MSB, OCB, Eximbank) từ 2011 đến 2021.
- Tiền xử lý và lập trình biến (M2 - Tuần 4-5): Tính toán các chỉ số tài chính, trích xuất dữ liệu vĩ mô từ World Bank DataBank và Tổng cục Thống kê, ghép ma trận dữ liệu bảng cân bằng (Balanced Panel Matrix).
- Ước lượng OLS & Kiểm tra tiền điều kiện (M3 - Tuần 6-7): Đánh giá phân phối chuẩn, hệ số tương quan Pearson, và hệ số nhân tử phóng đại phương sai (VIF).
- Kiểm định mô hình FEM/REM & Lựa chọn (M4 - Tuần 8): Chạy hồi quy Fixed Effects và Random Effects, thực hiện kiểm định Hausman Test ($H_0$: REM phù hợp, $H_1$: FEM phù hợp).
- Chẩn đoán vi phạm giả định và Hiệu chỉnh FGLS (M5 - Tuần 9-10): Kiểm định Wald cho phương sai sai số thay đổi nhóm, kiểm định Wooldridge cho tự tương quan chuỗi; thi hành mô hình FGLS hiệu chỉnh toàn diện.
- Phân tích độ nhạy và Hàm ý quản trị (M6 - Tuần 11-12): Ước lượng mô hình trên 2 tập mẫu con (2011–2018 và 2019–2021), tổng hợp báo cáo và khuyến nghị.
Implementation và kết quả
Development process
Quá trình phân tích thực nghiệm được tự động hóa bằng hệ thống mã lệnh Stata 15.1 (do-file), đảm bảo khả năng tái lập (reproducibility) kết quả nghiên cứu. Dưới đây là đoạn mã thực thi toàn bộ chu trình ước lượng từ khai báo dữ liệu bảng đến xử lý khuyết tật bằng FGLS:
* ==============================================================================
* SCRIPT: CREDIT_GROWTH_ESTIMATION.DO
* AUTHOR: NGUYEN LE HOAI THUONG
* PURPOSE: PANEL REGRESSION ANALYSIS OF CREDIT GROWTH DETERMINANTS (2011-2021)
* ==============================================================================
clear all
set more off
capture log close
* 1. Khai báo cấu trúc Panel Data (15 ngân hàng, 11 năm)
insheet using "vietnam_commercial_banks_2011_2021.csv", comma clear
encode bank_code, gen(bank_id)
xtset bank_id year
* 2. Thống kê mô tả và Ma trận tương quan
summarize LGR GDP INF INR NPL LIQ DEPTA ROE NIM SIZE ETA
pwcorr LGR GDP INF INR NPL LIQ DEPTA ROE NIM SIZE ETA, sig star(0.05)
* 3. Hồi quy Pooled OLS và kiểm định đa cộng tuyến
regress LGR GDP INF INR NPL LIQ DEPTA ROE NIM SIZE ETA
vif
* 4. Ước lượng mô hình FEM và REM
xtreg LGR GDP INF INR NPL LIQ DEPTA ROE NIM SIZE ETA, fe
estimates store MODEL_FEM
xtreg LGR GDP INF INR NPL LIQ DEPTA ROE NIM SIZE ETA, re
estimates store MODEL_REM
* 5. Kiểm định Hausman Test lựa chọn giữa FEM và REM
hausman MODEL_FEM MODEL_REM
* 6. Kiểm định khuyết tật trên mô hình FEM đã chọn
* 6.1. Kiểm định phương sai sai số thay đổi (Modified Wald test for groupwise heteroskedasticity)
xtreg LGR GDP INF INR NPL LIQ DEPTA ROE NIM SIZE ETA, fe
xttest3
* 6.2. Kiểm định tự tương quan chuỗi bậc 1 (Wooldridge test for autocorrelation in panel data)
xtserial LGR GDP INF INR NPL LIQ DEPTA ROE NIM SIZE ETA
* 7. Khắc phục khuyết tật bằng phương pháp FGLS (Feasible Generalized Least Squares)
* Khắc phục đồng thời hiện tượng heteroskedasticity và AR(1) autocorrelation
xtgls LGR GDP INF INR NPL LIQ DEPTA ROE NIM SIZE ETA, panels(hetero) corr(ar1)
estimates store MODEL_FGLS_FULL
* 8. Ước lượng FGLS so sánh hai giai đoạn (Pre-COVID vs Post-COVID)
* Giai đoạn 1: 2011 - 2018 (Trước COVID-19)
xtgls LGR GDP INF INR NPL LIQ DEPTA ROE NIM SIZE ETA if year <= 2018, panels(hetero) corr(ar1)
estimates store MODEL_FGLS_PRE
* Giai đoạn 2: 2019 - 2021 (Giai đoạn chịu ảnh hưởng COVID-19)
xtgls LGR GDP INF INR NPL LIQ DEPTA ROE NIM SIZE ETA if year >= 2019, panels(hetero) corr(ar1)
estimates store MODEL_FGLS_POST
* Xuất bảng so sánh tổng hợp
estimates table MODEL_FGLS_FULL MODEL_FGLS_PRE MODEL_FGLS_POST, b(%9.4f) star stats(N r2 chi2 p)
Testing và validation
Kết quả chẩn đoán kỹ thuật qua các bước kiểm định nghiêm ngặt:
- Kiểm định đa cộng tuyến (Multicollinearity): Chỉ số VIF của toàn bộ 10 biến độc lập đều nằm trong khoảng $1.15 \le \text{VIF} \le 3.42$ (trung bình $\text{Mean VIF} = 2.08 < 10$). Khẳng định không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
- Kiểm định lựa chọn mô hình (Hausman Test): Giá trị thống kê $\chi^2(10) = 24.86$ với giá trị $p = 0.0056 < 0.05$. Bác bỏ giả thuyết $H_0$, xác nhận mô hình tác động cố định (FEM) ưu việt và phù hợp hơn mô hình tác động ngẫu nhiên (REM).
- Kiểm định phương sai sai số thay đổi (Modified Wald Test trên FEM): Giá trị $\chi^2(15) = 384.12$ với $p = 0.0000 < 0.01$. Bác bỏ giả thuyết phương sai đồng nhất, xác nhận tồn tại hiện tượng phương sai sai số thay đổi giữa các ngân hàng.
- Kiểm định tự tương quan (Wooldridge Test): Giá trị thống kê $F(1, 14) = 18.742$ với $p = 0.0007 < 0.01$. Bác bỏ giả thuyết không có tự tương quan bậc 1, xác nhận mô hình bị vi phạm hiện tượng tương quan chuỗi theo thời gian.
Kết luận kiểm định: Mô hình FEM và Pooled OLS bị chệch sai số chuẩn (Standard Errors). Việc áp dụng mô hình FGLS với cấu hình panels(hetero) corr(ar1) là bắt buộc và tối ưu để thu được các ước lượng vững, không chệch và hiệu quả (BLUE).
Kết quả đạt được
Bảng kết quả hồi quy tổng hợp theo phương pháp FGLS trên toàn bộ mẫu 165 quan sát và phân tích giai đoạn:
| Biến độc lập |
Ký hiệu |
Kỳ vọng dấu |
Hệ số FGLS Toàn mẫu (2011–2021) |
Hệ số Pre-COVID (2011–2018) |
Hệ số Post-COVID (2019–2021) |
Kết luận giả thuyết |
| Hệ số chặn |
Constant |
- |
$0.4821^{***}$ ($p=0.001$) |
$0.5124^{***}$ |
$0.3912^{**}$ |
Có ý nghĩa |
| Tăng trưởng kinh tế |
GDP |
$(+)$ |
$+0.0184^{***}$ ($p=0.000$) |
$+0.0152^{**}$ |
$+0.0241^{***}$ |
Chấp nhận ($+$) |
| Tỷ lệ lạm phát |
INF |
$(-)$ |
$-0.0021$ ($p=0.412$) |
$-0.0035$ |
$+0.0018$ |
Không có ý nghĩa |
| Lãi suất danh nghĩa |
INR |
$(-)$ |
$-0.0146^{**}$ ($p=0.018$) |
$-0.0182^{***}$ |
$-0.0094^{*}$ |
Chấp nhận ($-$) |
| Tỷ lệ nợ xấu |
NPL |
$(-)$ |
$-0.0048$ ($p=0.324$) |
$-0.0072$ |
$-0.0021$ |
Không có ý nghĩa |
| Tỷ lệ thanh khoản |
LIQ |
$(+)$ |
$+0.0015$ ($p=0.680$) |
$+0.0028$ |
$-0.0011$ |
Không có ý nghĩa |
| Huy động tiền gửi |
DEPTA |
$(+)$ |
$+0.0042^{***}$ ($p=0.003$) |
$+0.0038^{**}$ |
$+0.0059^{***}$ |
Chấp nhận ($+$) |
| Lợi nhuận trên VCSH |
ROE |
$(+)$ |
$+0.0067^{***}$ ($p=0.001$) |
$+0.0054^{**}$ |
$+0.0089^{***}$ |
Chấp nhận ($+$) |
| Thu nhập lãi thuần |
NIM |
$(+)$ |
$+0.0031$ ($p=0.254$) |
$+0.0045$ |
$+0.0012$ |
Không có ý nghĩa |
| Quy mô ngân hàng |
SIZE |
$(+/-)$ |
$-0.0195^{***}$ ($p=0.000$) |
$-0.0210^{***}$ |
$-0.0148^{**}$ |
Tác động âm ($-$) |
| Tỷ lệ vốn chủ sở hữu |
ETA |
$(-)$ |
$-0.0024$ ($p=0.485$) |
$-0.0031$ |
$-0.0016$ |
Không có ý nghĩa |
Ghi chú: $^{}$, $^{}$, $^{}$ tương ứng với mức ý nghĩa thống kê 1%, 5% và 10%.
Phân tích chuyên sâu kết quả thực nghiệm:
- $\text{GDP}$ tác động cùng chiều ($\beta = +0.0184, p < 0.01$): Khi tốc độ tăng trưởng GDP tăng thêm 1%, tốc độ tăng trưởng tín dụng tại 15 NHTM tăng trung bình 1.84%. Trong giai đoạn 2019–2021, tác động này tăng lên mức $2.41%$, phản ánh vai trò kích cầu tín dụng mạnh mẽ của chính sách kích thích kinh tế hậu đại dịch.
- $\text{INR}$ tác động ngược chiều ($\beta = -0.0146, p < 0.05$): Lãi suất danh nghĩa tăng 1% làm giảm tốc độ tăng trưởng tín dụng 1.46%. Chi phí vốn vay cao trực tiếp làm giảm nhu cầu hấp thụ vốn của doanh nghiệp sản xuất kinh doanh và cá nhân vay tiêu dùng.
- $\text{DEPTA}$ tác động cùng chiều ($\beta = +0.0042, p < 0.01$): Tiền gửi khách hàng là nguồn vốn đầu vào quyết định hạn mức cho vay đầu ra. Tăng 1% tỷ trọng tiền gửi trên tổng tài sản giúp thúc đẩy tăng trưởng tín dụng thêm 0.42%.
- $\text{ROE}$ tác động cùng chiều ($\beta = +0.0067, p < 0.01$): Khả năng sinh lời nội tại cao cho phép ngân hàng trích lập dự phòng đầy đủ, gia tăng hệ số an toàn vốn (CAR) theo Basel II, từ đó được NHNN ưu tiên phân bổ room tín dụng cao hơn.
- $\text{SIZE}$ tác động ngược chiều ($\beta = -0.0195, p < 0.01$): Quy mô tài sản càng lớn thì tốc độ tăng trưởng tín dụng phần trăm càng có xu hướng chậm lại do hiệu ứng quy mô (Scale Effect) và sự kiểm soát trần tín dụng chặt chẽ hơn từ NHNN đối với các ngân hàng nhóm Big 4 so với các NHTMCP quy mô vừa và nhỏ.
Đổi mới và đóng góp
Nghiên cứu mang lại những đóng góp khoa học và đổi mới phương pháp rõ nét so với các công trình công bố trước đây:
+---------------------------------------------------------------------------------------+
| SO SÁNH ĐÓNG GÓP KHOA HỌC & ĐỔI MỚI PHƯƠNG PHÁP |
+--------------------------+------------------------------+-----------------------------+
| Tiêu chí so sánh | Nghiên cứu trước đây | Đề tài (Nguyễn Lê Hoài Thương, 2023) |
+--------------------------+------------------------------+-----------------------------+
| Khung thời gian & Sự kiện| 2001-2012 (Nguyễn Thanh Nhàn)| 2011-2021 (11 năm liên tục, |
| | 2011-2018 (Ngô Thị Mai Trinh)| bao phủ toàn diện COVID-19) |
+--------------------------+------------------------------+-----------------------------+
| Kỹ thuật xử lý khuyết tật| Pooled OLS hoặc FEM đơn thuần| FGLS hiệu chỉnh đồng thời |
| | (Bỏ qua Heteroskedasticity) | Heteroskedasticity & AR(1) |
+--------------------------+------------------------------+-----------------------------+
| Phân tích tác động sốc | Không phân rã mẫu nghiên cứu | So sánh đa kỳ: Pre-COVID |
| | | (2011-18) vs Post (2019-21) |
+--------------------------+------------------------------+-----------------------------+
| Biến quy mô (SIZE) | Dương hoặc không có ý nghĩa | Chứng minh tác động âm (-) |
| | (Sharma & Gounder, 2012) | với p < 0.001 tại VN |
+--------------------------+------------------------------+-----------------------------+
- Cập nhật chuỗi dữ liệu hậu đại dịch: Khắc phục độ trễ dữ liệu của các nghiên cứu trước (như Lê Tấn Phước 2016, Ngô Thị Diễm Lệ 2022), cung cấp bức tranh chuẩn xác về chu kỳ tín dụng dưới tác động kép của chính sách nới lỏng tiền tệ trong đại dịch.
- Khẳng định tính nghịch biến của biến Quy mô (SIZE): Trái ngược với giả định truyền thống cho rằng ngân hàng lớn sẽ tăng trưởng tín dụng nhanh hơn, nghiên cứu chứng minh bằng thực nghiệm rằng tại Việt Nam, các NHTM có quy mô tài sản lớn chịu áp lực tái cơ cấu danh mục và kiểm soát room tín dụng khắt khe hơn, dẫn đến tốc độ tăng trưởng tín dụng phần trăm thấp hơn nhóm NHTMCP năng động.
- Phân tích so sánh cấu trúc tác động giai đoạn: Lần đầu tiên chỉ ra rằng trong giai đoạn COVID-19 (2019–2021), hệ số nhạy cảm của tăng trưởng tín dụng đối với $\text{GDP}$ và $\text{ROE}$ tăng lần lượt $58.5%$ và $64.8%$ so với giai đoạn 2011–2018, chứng minh rằng chất lượng nội tại và sức khỏe kinh tế vĩ mô là điều kiện tiên quyết để dòng vốn tín dụng được hấp thụ trong khủng hoảng.
Ứng dụng thực tế và triển khai
Kịch bản ứng dụng trong quản trị ngân hàng
Kết quả định lượng từ mô hình FGLS cung cấp cơ sở dữ liệu để xây dựng khung quản trị rủi ro thanh khoản và kế hoạch kinh doanh tín dụng hàng năm tại các NHTM:
+-------------------------------------------------------------+
| DỮ LIỆU ĐẦU VÀO: DỰ BÁO VĨ MÔ (GDP, INR) & CHỈ TIÊU NỘI BỘ|
+------------------------------+------------------------------+
|
v
+-------------------------------------------------------------+
| CÔNG CỤ TÍNH TOÁN DỰ BÁO TÍN DỤNG (ALM MODEL) |
| LGR = 0.4821 + 0.0184*GDP - 0.0146*INR + 0.0042*DEPTA |
| + 0.0067*ROE - 0.0195*SIZE |
+------------------------------+------------------------------+
|
v
+-------------------------------------------------------------+
| KẾ HOẠCH HÀNH ĐỘNG CỤ THỂ |
| 1. Cân đối nguồn vốn huy động (DEPTA Target) |
| 2. Tối ưu hóa định giá lãi suất cho vay (FTP Pricing) |
| 3. Xây dựng hồ sơ giải trình room tín dụng gửi NHNN |
+-------------------------------------------------------------+
- Khung định giá điều chuyển vốn nội bộ (Funds Transfer Pricing - FTP): Dựa trên hệ số co giãn của lãi suất danh nghĩa $\text{INR}$ ($\beta = -0.0146$), khối nguồn vốn có thể thiết lập biên độ lãi suất cho vay tối ưu, đảm bảo không triệt tiêu nhu cầu vay vốn của khách hàng doanh nghiệp trong giai đoạn NHNN điều chỉnh lãi suất tái cấp vốn.
- Kế hoạch cân đối tài sản Nợ - Có (ALM Framework): Với hệ số tác động dương của $\text{DEPTA}$ ($\beta = +0.0042$), ban điều hành NHTM cần duy trì tỷ trọng huy động tiền gửi từ khách hàng cá nhân (nguồn vốn bán lẻ có tính ổn định cao) để tạo nền tảng mở rộng dư nợ an toàn, giảm sự phụ thuộc vào thị trường liên ngân hàng (Thị trường 2).
- Phân bổ mục tiêu tăng trưởng theo quy mô chi nhánh: Các NHTM quy mô tài sản lớn ($\text{SIZE}$ cao) cần chuyển dịch chiến lược từ "tăng trưởng theo chiều rộng" (tăng quy mô dư nợ tuyệt đối) sang "tăng trưởng theo chiều sâu" (nâng cao biên lãi ròng $\text{NIM}$ và $\text{ROE}$ từ dịch vụ phi tín dụng).
Lộ trình triển khai khuyến nghị cho Ngân hàng Nhà nước
gantt
title Lộ trình điều hành chính sách tín dụng giai đoạn 2024 - 2026
dateFormat YYYY-MM
section Hoàn thiện cơ chế Room tín dụng
Đánh giá sức khỏe tài chính & ROE/CAR của từng NHTM :2024-01, 2024-06
Chuyển dịch dần từ cấp hạn mức hành chính sang chuẩn Basel III :2024-07, 2025-12
section Điều hành Lãi suất & Thanh khoản
Duy trì ổn định lãi suất tái cấp vốn (hạn chế sốc INR) :2024-01, 2025-06
Phát triển công cụ thị trường mở (OMO) hỗ trợ thanh khoản :2024-06, 2026-12
section Giám sát an toàn hệ thống
Tăng cường thanh tra phân loại nợ theo Thông tư 11/2021 :2024-01, 2026-12
Hạn chế và hướng phát triển
- Giới hạn số lượng quan sát thực thể: Do tiêu chí chọn mẫu khắt khe nhằm đảm bảo bảng dữ liệu cân bằng xuyên suốt chu kỳ 11 năm (2011–2021) với đầy đủ BCTC kiểm toán đồng nhất, mẫu nghiên cứu dừng lại ở 15 NHTM lớn, chưa bao phủ toàn bộ 35 NHTM trong hệ thống.
- Hiện tượng nội sinh tiềm tàng (Endogeneity): Mặc dù FGLS đã giải quyết tốt phương sai thay đổi và tự tương quan, mô hình chưa kiểm soát triệt để mối quan hệ tác động ngược chiều (reverse causality) giữa tăng trưởng tín dụng ($\text{LGR}$) và tỷ lệ nợ xấu ($\text{NPL}$) hoặc $\text{ROE}$.
- Hướng phát triển học thuật tương lai:
- Mở rộng khung phân tích bằng phương pháp hồi quy GMM hai bước (Two-step System GMM) kết hợp biến trễ bậc 1 của biến phụ thuộc ($\text{LGR}_{t-1}$) để phân tích quán tính tăng trưởng tín dụng.
- Tích hợp thêm các biến số đo lường rủi ro phi tài chính như chỉ số quản trị môi trường - xã hội (ESG Score) và chỉ số chuyển đổi số (Digital Banking Adoption Rate) của từng NHTM.
Đối tượng hưởng lợi
+------------------------------------------------------------------------------------+
| BẢNG GIÁ TRỊ VÀ ĐỐI TƯỢNG HƯỞNG LỢI |
+------------------------+-----------------------------------------------------------+
| Nhóm đối tượng | Giá trị thực tiễn & Lợi ích định lượng |
+------------------------+-----------------------------------------------------------+
| Sinh viên & Học viên | - Cung cấp mẫu nghiên cứu định lượng chuẩn mực về Panel |
| Cao học Tài chính | Data kinh tế lượng. |
| | - Tham khảo toàn bộ script Stata 15.1 xử lý khuyết tật. |
+------------------------+-----------------------------------------------------------+
| Chuyên viên ALM & | - Ứng dụng phương trình FGLS dự báo tốc độ tăng trưởng |
| Chuyên viên phân tích | dư nợ theo biến động vĩ mô (sai số dự báo < 5%). |
| rủi ro tại NHTM | - Xây dựng mô hình kiểm tra sức chịu tải (Stress Testing). |
+------------------------+-----------------------------------------------------------+
| Ban Điều hành NHTM & | - Cơ sở khoa học để cân đối tỷ lệ LDR và huy động tiền gửi|
| Hội đồng Quản trị | nhằm tối ưu hóa room tín dụng được NHNN giao. |
+------------------------+-----------------------------------------------------------+
| Cơ quan Quản lý | - Khung tham chiếu lượng hóa độ co giãn chính sách tiền tệ|
| (NHNN, Bộ Tài chính) | để điều hành hạn mức tăng trưởng tín dụng toàn hệ thống.|
+------------------------+-----------------------------------------------------------+
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật về hệ thống và phần mềm để tái lập mô hình nghiên cứu này là gì?
Hệ thống cần cài đặt phần mềm Stata phiên bản từ 14.0 trở lên (khuyến nghị Stata 15.1 hoặc Stata 17 MP). Dữ liệu đầu vào cần được cấu trúc dưới định dạng chuẩn bảng (Long form panel format) với hai biến định danh chính là mã ngân hàng (bank_id) và năm quan sát (year), được khai báo thông qua lệnh xtset bank_id year. Bộ nhớ RAM tối thiểu 4GB.
2. Tại sao nghiên cứu không sử dụng mô hình Pooled OLS hoặc FEM mà bắt buộc phải dùng FGLS?
Mặc dù kiểm định Hausman chỉ ra FEM phù hợp hơn REM ($p = 0.0056$), kiểm định sau hồi quy Modified Wald và Wooldridge trên mô hình FEM cho thấy dữ liệu vi phạm nghiêm trọng cả hai giả định cổ điển: Tồn tại hiện tượng phương sai sai số thay đổi nhóm ($p = 0.0000$) và tự tương quan chuỗi AR(1) ($p = 0.0007$). Nếu tiếp tục sử dụng FEM, sai số chuẩn của các hệ số hồi quy sẽ bị chệch (thường bị đánh giá thấp hơn thực tế), dẫn đến kết luận sai về ý nghĩa thống kê. Phương pháp FGLS (xtgls, panels(hetero) corr(ar1)) tái cấu trúc ma trận hiệp phương sai sai số, đảm bảo ước lượng thu được là không chệch và có phương sai nhỏ nhất.
3. Làm thế nào để tích hợp phương trình FGLS vào hệ thống lập kế hoạch tài chính của NHTM?
Ban kế hoạch và Quản lý tài sản Nợ - Có (ALM) có thể nhúng phương trình hồi quy vào hệ thống Dashboard quản trị tài chính (Power BI/Tableau/Excel Solver). Định kỳ hàng quý, khi các cơ quan thống kê công bố dự báo $\text{GDP}$ và $\text{CPI}$, cùng với định hướng lãi suất $\text{INR}$ của NHNN, chuyên viên phân tích nhập các tham số đầu vào để xuất ra cận trên và cận dưới của tốc độ tăng trưởng tín dụng dự kiến, từ đó lập kế hoạch phân bổ vốn cho các khối kinh doanh.
4. Chi phí triển khai và thời gian hoàn vốn (ROI) khi ứng dụng khung định lượng này tại ngân hàng?
Việc triển khai khung mô hình định lượng này tận dụng 100% dữ liệu kế toán và tài chính hiện có tại ngân hàng lõi (Core Banking) mà không phát sinh chi phí mua sắm hạ tầng mới. Thời gian triển khai chuẩn hóa dữ liệu và vận hành thử nghiệm kéo dài từ 4 đến 6 tuần. Lợi ích định lượng (ROI) đạt được ngay trong chu kỳ tài chính đầu tiên thông qua việc giảm thiểu chi phí vốn huy động thừa và tối ưu hóa biên độ lãi ròng $\text{NIM}$, ước tính mang lại giá trị gia tăng hàng chục tỷ đồng cho danh mục cho vay quy mô trung bình.
5. Tại sao biến Lạm phát (INF) và Tỷ lệ nợ xấu (NPL) trong mô hình không có ý nghĩa thống kê?
Trong giai đoạn 2011–2021 tại Việt Nam, lạm phát được NHNN kiểm soát tương đối ổn định dưới mức mục tiêu 4% (ngoại trừ giai đoạn đầu 2011), do đó biến động của $\text{INF}$ không tạo ra cú sốc quá lớn làm thay đổi hành vi vay vốn. Đối với $\text{NPL}$, các NHTM Việt Nam thực hiện xử lý nợ xấu qua VAMC và cơ cấu lại thời hạn trả nợ theo các Thông tư hỗ trợ của NHNN (Thông tư 01/2020, Thông tư 03/2021, Thông tư 14/2021), khiến tỷ lệ nợ xấu trên sổ sách được kiểm soát dưới 3% và không phản ánh tức thì vào tốc độ tăng trưởng quy mô dư nợ trong ngắn hạn.
Kết luận
Khóa luận tốt nghiệp của tác giả Nguyễn Lê Hoài Thương dưới sự hướng dẫn khoa học của TS. Nguyễn Thị Thu Trang đã giải quyết trọn vẹn bài toán xác định các nhân tố tác động đến tăng trưởng tín dụng tại 15 NHTM Việt Nam giai đoạn 2011–2021. Bằng việc ứng dụng mô hình kinh tế lượng FGLS trên chuỗi dữ liệu bảng 165 quan sát, nghiên cứu đã khắc phục hoàn toàn các khuyết tật phương sai thay đổi và tự tương quan chuỗi, mang lại những phát hiện thực nghiệm có độ tin cậy cao.
Kết quả khẳng định tăng trưởng kinh tế ($\text{GDP}$), tốc độ huy động tiền gửi ($\text{DEPTA}$) và tỷ suất sinh lời trên vốn chủ sở hữu ($\text{ROE}$) là ba động lực thúc đẩy tăng trưởng tín dụng mạnh mẽ nhất; trong khi lãi suất danh nghĩa ($\text{INR}$) và quy mô ngân hàng ($\text{SIZE}$) tạo ra rào cản nghịch biến. Đề tài mở ra hướng tiếp cận định lượng chuẩn mực cho các nhà quản trị ngân hàng trong việc thiết lập chính sách ALM và hỗ trợ NHNN xây dựng cơ chế điều hành tín dụng linh hoạt, hướng tới sự phát triển an toàn, bền vững của toàn hệ thống tài chính Việt Nam.
