Khóa luận: Tác động của an toàn vốn tới ổn định tài chính NHTM Việt Nam

Khóa luận phân tích tác động của an toàn vốn đến ổn định tài chính các NHTM Việt Nam giai đoạn 2012-2024, đưa ra kết quả và các khuyến nghị.

• Tác giả: Nguyễn Diệu Anh
• Người hướng dẫn: PGS. Lê Hải Trung
• Trường học: Học Viện Ngân Hàng
• Chuyên ngành: Ngân Hàng
• Đề tài: Nghiên Cứu Tác Động Của An Toàn Vốn Tới Ổn Định Tài Chính Các Ngân Hàng Thương Mại Việt Nam Giai Đoạn 2012 - 2024
• Loại tài liệu: Khóa Luận Tốt Nghiệp
• Năm xuất bản: 2025
• Địa điểm: Hà Nội

Tóm tắt

I. Khái niệm và tầm quan trọng của an toàn vốn trong ngân hàng

An toàn vốn là một trong những yếu tố cốt lõi đảm bảo sự bền vững của các ngân hàng thương mại Việt Nam (NHTM). Vốn đóng vai trò như tấm chắn bảo vệ các khoản tiền gửi của khách hàng và là nền tảng tín dụng cho hoạt động kinh doanh. Trong giai đoạn 2012-2024, các NHTM Việt Nam đã phải tuân thủ ngặt nghèo các tiêu chuẩn Basel do Ngân hàng Nhà nước quy định. Những tiêu chuẩn này không chỉ giúp các ngân hàng kiểm soát rủi ro tốt hơn mà còn nâng cao ổn định tài chính toàn hệ thống. Sự tuân thủ các yêu cầu về an toàn vốn đã giúp các NHTM Việt Nam vượt qua nhiều khủng hoảng tài chính toàn cầu.

1.1. Định nghĩa an toàn vốn ngân hàng

An toàn vốn được định nghĩa là khả năng của ngân hàng duy trì lượng vốn tối thiểu theo yêu cầu để hấp thụ các tổn thất tiềm ẩn. Tỷ lệ vốn/tổng tài sản và chỉ tiêu Basel là những công cụ đo lường chính. Việc duy trì mức vốn cao giúp NHTM giảm rủi ro vỡ nợ và nâng cao độ tin cậy với nhà đầu tư, góp phần vào ổn định tài chính lâu dài.

1.2. Vai trò của an toàn vốn trong hoạt động NHTM

An toàn vốn cung cấp đệm bảo vệ cho các NHTM trước các sốc tài chính bất ngờ. Ngân hàng có mức vốn mạnh có khả năng cho vay nhiều hơn, tạo ra tăng trưởng kinh tế. Đồng thời, nó giúp các NHTM tuân thủ các quy định quản lý rủi ro, duy trì ổn định tài chính và hạn chế những hành vi mạo hiểm có thể gây hại cho toàn hệ thống ngân hàng.

II. Thực trạng an toàn vốn tại các NHTM Việt Nam 2012 2024

Giai đoạn 2012-2024 chứng kiến sự phát triển đáng kể của các NHTM Việt Nam về an toàn vốn. Các ngân hàng cổ phần đã tăng cường lợi nhuận giữ lại để tích lũy vốn, trong khi các ngân hàng nhà nước nhận được hỗ trợ vốn từ ngân sách nhà nước. Tỷ lệ vốn điều lệ của các NHTM hàng đầu đã vượt quá 10 tỷ USD, tạo ra một nền tảng vốn chắc chắn. Tuy nhiên, còn một số NHTM nhỏ hơn phải nỗ lực để đạt các tiêu chuẩn Basel II và Basel III. Sự chênh lệch này ảnh hưởng trực tiếp đến mức độ ổn định tài chính giữa các ngân hàng khác nhau.

2.1. Sự khác biệt giữa NHTM cổ phần và NHTM nhà nước

NHTM cổ phần phải tự tích lũy vốn thông qua lợi nhuận giữ lại và phát hành cổ phiếu, nên có động lực mạnh mẽ nâng cao an toàn vốn. Ngược lại, NHTM nhà nước nhận được sự hỗ trợ từ ngân sách, nhưng chịu sự giám sát chặt chẽ hơn. Cả hai nhóm đều nâng cao ổn định tài chính, nhưng phương thức tiếp cận khác nhau.

2.2. Xu hướng tăng trưởng chỉ tiêu vốn

Từ 2012 đến 2024, tổng vốn của toàn hệ thống NHTM đã tăng gấp 3 lần, từ khoảng 200 tỷ USD lên hơn 600 tỷ USD. Tỷ lệ CAR (Capital Adequacy Ratio) của các NHTM lớn luôn duy trì ở mức 10-15%, cao hơn yêu cầu tối thiểu 8% của Basel. Điều này phản ánh sự tác động tích cực của an toàn vốn đến ổn định tài chính của toàn ngành.

III. Tác động của an toàn vốn đến ổn định tài chính NHTM

Nghiên cứu thực nghiệm cho thấy mối quan hệ chặt chẽ giữa an toàn vốn và ổn định tài chính của các NHTM Việt Nam. Các ngân hàng với mức vốn cao hơn thường có tỷ lệ nợ xấu thấp hơn, lợi nhuận ròng cao hơn, và solvency ratio ổn định hơn. Phân tích dữ liệu từ 2012-2024 cho 30 NHTM chỉ ra rằng tăng 1% an toàn vốn có thể giảm 0,3-0,5% rủi ro tài chính. Tác động này đặc biệt rõ rệt trong những giai đoạn khủng hoảng tài chính, khi các NHTM có vốn mạnh giữ được ổn định tài chính tốt hơn so với những ngân hàng có an toàn vốn yếu.

3.1. Mối liên hệ giữa CAR và ổn định tài chính

CAR (Capital Adequacy Ratio) là chỉ tiêu chính để đo lường an toàn vốn. Các NHTM với CAR cao thường có rủi ro vỡ nợ thấp hơn và khả năng hấp thụ tổn thất tốt hơn. Trong giai đoạn 2012-2024, các NHTM có CAR trên 10% đã duy trì ổn định tài chính tốt, trong khi những ngân hàng có CAR thấp hơn 8% phải đối mặt với những khó khăn lớn hơn.

3.2. Tác động đến khả năng solvency và độ an toàn hệ thống

An toàn vốn mạnh góp phần tăng khả năng solvency của NHTM, giúp hệ thống tài chính ổn định hơn. Các NHTM Việt Nam với vốn chủ sở hữu cao hơn đã chứng tỏ khả năng chịu đựng tốt hơn trước các sốc kinh tế. Điều này tạo ra một hệ thống ngân hàng an toàn và đáng tin cậy hơn cho nền kinh tế.

IV. Khuyến nghị nâng cao an toàn vốn và ổn định tài chính NHTM

Để tiếp tục nâng cao an toàn vốn và ổn định tài chính của các NHTM Việt Nam, cần thực hiện một số biện pháp chiến lược. Thứ nhất, Ngân hàng Nhà nước cần tiếp tục rà soát và nâng cao các tiêu chuẩn Basel để phù hợp với tình hình toàn cầu. Thứ hai, các NHTM cần tăng cường tích lũy lợi nhuận và cân bằng giữa cổ tức và lợi nhuận giữ lại. Thứ ba, cần tăng cường quản lý rủi ro và giám sát nội bộ để phát hiện sớm các vấn đề. Cuối cùng, cần xây dựng khung quản trị công ty mạnh mẽ để đảm bảo ổn định tài chính lâu dài của các NHTM.

4.1. Chính sách của Ngân hàng Nhà nước về an toàn vốn

Ngân hàng Nhà nước nên tiếp tục nâng cao yêu cầu CAR và áp dụng các tiêu chuẩn quốc tế. Các NHTM cần được yêu cầu tuân thủ Basel III một cách toàn diện, bao gồm cả buffer vốn và vốn phụ trợ. Điều này sẽ giúp tăng cường ổn định tài chính của toàn hệ thống và giảm rủi ro hệ thống.

4.2. Chiến lược tăng cường vốn của NHTM

Các NHTM nên cân bằng tốt giữa trả cổ tức và tích lũy lợi nhuận để tăng vốn chủ sở hữu. Ngoài ra, các NHTM có thể cân nhắc phát hành cấp 2 để bổ sung vốn phụ trợ. Những biện pháp này sẽ giúp cải thiện an toàn vốn và duy trì ổn định tài chính lâu dài.

Nội dung chính

Giới thiệu dự án

Hệ thống Ngân hàng Thương mại (NHTM) đóng vai trò huyết mạch của nền kinh tế, đảm nhận chức năng dẫn vốn và trung gian thanh toán thiết yếu. Tuy nhiên, rủi ro tài chính luôn thường trực và có tính lan truyền hệ thống sâu rộng. Thực tế lịch sử từ cuộc khủng hoảng tài chính toàn cầu 2008 đến các biến động kinh tế hậu đại dịch COVID-19 cho thấy sự đổ vỡ của các tổ chức tín dụng có thể gây ra suy thoái kinh tế trầm trọng. Tại Việt Nam, hệ số an toàn vốn (Capital Adequacy Ratio - CAR) bình quân toàn hệ thống giai đoạn 2012 - 2024 biến động trong khoảng 11.25% - 13.01% (đạt đỉnh 13.01% năm 2015 và chạm đáy 11.25% năm 2020). Con số này vẫn còn khoảng cách đáng kể khi so sánh với các quốc gia trong khu vực như Indonesia (22.5%) hoặc khối ngân hàng nước ngoài tại Việt Nam (20.94%).

Khoảng trống quản trị rủi ro xuất hiện khi các NHTM Việt Nam đối mặt với tốc độ tăng trưởng tín dụng cao (trung bình 14% - 18%/năm), áp lực nợ xấu tiềm ẩn và quá trình thực thi nghiêm ngặt các chuẩn mực quản trị quốc tế như Thông tư 41/2016/TT-NHNN (Basel II) và tiến trình chuyển đổi sang Basel III. Trong khi đó, các công trình học thuật thực nghiệm tại Việt Nam tồn tại sự mâu thuẫn lớn: nghiên cứu của Linh & Thanh (2021) cho rằng CAR không có tác động đáng kể đến ổn định tài chính, trong khi Sang (2021) khẳng định CAR có mối tương quan dương mật thiết.

Dự án nghiên cứu "Nghiên cứu tác động của an toàn vốn tới ổn định tài chính các NHTM Việt Nam giai đoạn 2012 - 2024" được thiết lập nhằm giải quyết triệt để vấn đề này với các mục tiêu cụ thể:

1. Định lượng mức độ và chiều hướng tác động của tỷ lệ an toàn vốn (CAR) tới chỉ số ổn định tài chính (Z-score) của các NHTM Việt Nam.
2. Đánh giá sự khác biệt về tác động của an toàn vốn giữa hai nhóm ngân hàng: NHTM Cổ phần tư nhân và NHTM Nhà nước (sở hữu trên 50% vốn nhà nước).
3. Đề xuất giải pháp và hàm ý chính sách nhằm củng cố bộ đệm vốn, tối ưu hóa quản trị rủi ro theo chuẩn Basel II/III.

Phương pháp tiếp cận sử dụng mô hình hồi quy dữ liệu bảng Semi-log trên mẫu dữ liệu gồm 20 NHTM niêm yết trong khoảng thời gian 13 năm (2012 - 2024), xử lý các khuyết tật phương sai sai số thay đổi và tự tương quan để đưa ra kết quả ước lượng vững. Phạm vi nghiên cứu giới hạn ở các NHTM niêm yết trên thị trường chứng khoán Việt Nam, đảm bảo tính minh bạch và chuẩn hóa của báo cáo tài chính kiểm toán.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng quan các giải pháp mô hình hóa rủi ro và đo lường an toàn tài chính ngân hàng hiện nay:

Tiêu chí so sánh	Phương pháp CAMELS truyền thống	Mô hình Z-Score của Edward Altman (1968)	Mô hình Z-Score theo Roy (1952) ứng dụng trong đề tài
Cơ sở lý thuyết	Giám sát định tính kết hợp tỷ số tài chính nội bộ	Hồi quy phân biệt đa biến (MDA) cho doanh nghiệp sản xuất	Lý thuyết tối ưu hóa an toàn vốn và xác suất phá sản ngân hàng
Ưu điểm	Đánh giá đa chiều toàn diện mọi mặt hoạt động	Dễ tính toán, phổ biến trong phân tích doanh nghiệp phi tài chính	Phản ánh chính xác bộ đệm vốn chống đỡ biến động lợi nhuận ngân hàng
Nhược điểm	Đòi hỏi dữ liệu nội bộ bảo mật, khó chuẩn hóa thực nghiệm	Không phản ánh đặc thù cấu trúc tài sản rủi ro và đòn bẩy ngân hàng	Nhạy cảm với độ lệch chuẩn của ROA qua các chu kỳ ngắn hạn
Tính ứng dụng	Thanh tra, giám sát ngân hàng định kỳ	Đánh giá rủi ro phá sản doanh nghiệp thông thường	Nghiên cứu thực nghiệm kinh tế lượng tài chính ngân hàng

Thách thức kỹ thuật chính trong phân tích kinh tế lượng tài chính ngân hàng là hiện tượng nội sinh (endogeneity), tự tương quan chuỗi thời gian (autocorrelation) và phương sai sai số thay đổi theo không gian (heteroskedasticity), đòi hỏi phương pháp ước lượng vượt trội hơn Pooled OLS đơn thuần.

Thiết kế hệ thống mô hình kinh tế lượng

Khung mô hình nghiên cứu thực nghiệm được thiết kế dưới dạng Semi-log Panel Regression:

$$\text{LnZ-Score}{i,t} = \beta_0 + \beta_1 \text{CAR}{i,t} + \beta_2 \text{LnSIZE}{i,t} + \beta_3 \text{NPL}{i,t} + \beta_4 \text{CIR}{i,t} + \beta_5 \text{NIM}{i,t} + \beta_6 \text{GDP}_t + \beta_7 \text{INF}_t + \beta_8 \text{Covid-19}t + \varepsilon{i,t}$$

+-----------------------------------------------------------------------------------+
|                            CƠ SỞ DỮ LIỆU BẢNG (PANEL DATA)                        |
|                     20 NHTM Niêm Yết x 13 Năm (2012 - 2024) = 260 Quan Sát        |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                             TIỀN XỬ LÝ VÀ CHUẨN HÓA                               |
|        - Logarit tự nhiên Z-Score (Roy, 1952): LnZ-Score                          |
|        - Tỷ lệ an toàn vốn: CAR (Basel II / TT 41/2016/TT-NHNN)                   |
|        - Biến kiểm soát vi mô: LnSIZE, NPL, CIR, NIM                              |
|        - Biến vĩ mô & Dummy: GDP, INF, Covid-19 (0/1)                             |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                        QUY TRÌNH KIỂM ĐỊNH KHUYẾT TẬT                             |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                          MÔ HÌNH ƯỚC LƯỢNG CUỐI CÙNG                              |
|         Ước lượng bình phương bé nhất tổng quát khả thi (FGLS / PCSE)             |
|                  Hiệu chỉnh triệt để sai số và tự tương quan                      |
+-----------------------------------------------------------------------------------+

Công thức toán học và tiêu chuẩn kỹ thuật

• Chỉ số ổn định tài chính (Roy's Z-Score): $$\text{Z-score}{i,t} = \frac{\text{ROA}{i,t} + \frac{\text{VCSH}{i,t}}{\text{Tổng tài sản}{i,t}}}{\sigma(\text{ROA}){i, 3\text{ năm}}}$$ Biến phụ thuộc được chuẩn hóa: $\text{LnZ-Score}{i,t} = \ln(\text{Z-score}_{i,t})$.

• Tỷ lệ an toàn vốn (CAR): Căn cứ Thông tư 41/2016/TT-NHNN và Thông tư 23/2020/TT-NHNN: $$\text{CAR} = \frac{\text{Vốn tự có Cấp 1} + \text{Vốn tự có Cấp 2}}{\text{Tổng tài sản có trọng số rủi ro (RWA)}}$$

• Các biến kiểm soát vi mô:

  • Tỷ lệ nợ xấu: $\text{NPL} = \frac{\text{Tổng nợ xấu (Nhóm 3, 4, 5)}}{\text{Tổng dư nợ cho vay}} \times 100%$
  • Tỷ lệ chi phí trên thu nhập: $\text{CIR} = \frac{\text{Chi phí hoạt động}}{\text{Tổng thu nhập hoạt động}} \times 100%$
  • Biên lãi thuần: $\text{NIM} = \frac{\text{Thu nhập lãi thuần}}{\text{Tài sản sinh lời bình quân}} \times 100%$
  • Quy mô tài sản: $\text{LnSIZE} = \ln(\text{Tổng tài sản})$

Methodology

Quy trình nghiên cứu định lượng gồm 6 giai đoạn chuẩn hóa:

1. Thu thập dữ liệu: Trích xuất dữ liệu Báo cáo tài chính kiểm toán, Báo cáo thường niên từ 20 NHTM và dữ liệu kinh tế vĩ mô từ World Bank/IMF giai đoạn 2012 - 2024 ($N = 20, T = 13$).
2. Tiền xử lý: Làm sạch dữ liệu, xử lý chuỗi tỷ suất sinh lời, tính độ lệch chuẩn trượt 3 năm cho $\sigma(\text{ROA})$, logarit hóa các biến quy mô.
3. Thống kê mô tả & Ma trận tương quan: Đánh giá phân phối, kiểm tra sơ bộ đa cộng tuyến bằng ma trận Pearson.
4. Kiểm định chẩn đoán mô hình:
   • Kiểm định Variance Inflation Factor (VIF).
   • Kiểm định Hausman để chọn giữa Fixed Effects Model (FEM) và Random Effects Model (REM).
   • Kiểm định Breusch-Pagan Lagrange Multiplier phát hiện phương sai sai số thay đổi.
   • Kiểm định Wooldridge phát hiện hiện tượng tự tương quan chuỗi bậc nhất.
5. Hiệu chỉnh mô hình (Estimation): Sử dụng phương pháp Feasible Generalized Least Squares (FGLS) để khắc phục đồng thời phương sai thay đổi và tự tương quan.
6. Phân tích phân rã nhóm: Ước lượng độc lập cho 2 phân khúc: NHTM Cổ phần tư nhân và NHTM Cổ phần Nhà nước.

---

Implementation và kết quả

Development process

Kịch bản xử lý dữ liệu và ước lượng kinh tế lượng được thực hiện trên môi trường Stata 17 / R 4.3.2 (plm package):

* Thiết lập dữ liệu bảng không gian 2 chiều (Panel structure)
tsset bank_id year

* 1. Thống kê mô tả và tính toán ma trận tương quan
summarize lnzscore car lnsize npl cir nim gdp inf covid
correlate lnzscore car lnsize npl cir nim gdp inf covid

* 2. Ước lượng OLS cơ sở và kiểm tra đa cộng tuyến
regress lnzscore car lnsize npl cir nim gdp inf covid
vif

* 3. Ước lượng Fixed Effects Model (FEM) và Random Effects Model (REM)
xtreg lnzscore car lnsize npl cir nim gdp inf covid, fe
estimates store fixed_model
xtreg lnzscore car lnsize npl cir nim gdp inf covid, re
estimates store random_model

* 4. Kiểm định Hausman lựa chọn mô hình tối ưu
hausman fixed_model random_model

* 5. Kiểm định khuyết tật mô hình FEM
xttest3          // Kiểm định phương sai thay đổi Modified Wald
xtserial lnzscore car lnsize npl cir nim gdp inf covid // Kiểm định Wooldridge tự tương quan

* 6. Khắc phục khuyết tật bằng mô hình FGLS (Cross-sectional heteroskedastic & autocorrelated)
xtgls lnzscore car lnsize npl cir nim gdp inf covid, panels(hetero) corr(ar1)

Testing và validation

Kết quả kiểm định kỹ thuật trên bộ dữ liệu 260 quan sát:

• Kiểm định đa cộng tuyến: Hệ số VIF của toàn bộ các biến giải thích dao động từ $1.15$ đến $2.84$, hệ số trung bình Mean VIF = $1.72 < 5.0$, khẳng định không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.
• Kiểm định Hausman: Giá trị $\text{Chi-square} = 28.45$ với $p\text{-value} = 0.0004 < 0.01$, bác bỏ giả thuyết $H_0$, xác nhận mô hình tác động cố định (FEM) ưu việt hơn mô hình tác động ngẫu nhiên (REM).
• Kiểm định phương sai sai số thay đổi (Modified Wald / Breusch-Pagan): $p\text{-value} = 0.0000 < 0.05$, bác bỏ giả thuyết đồng phương sai.
• Kiểm định tự tương quan (Wooldridge test): $F(1, 19) = 16.892, p\text{-value} = 0.0006 < 0.05$, xác nhận sự hiện diện của tự tương quan bậc nhất AR(1).
• Mô hình tối ưu cuối cùng: Ước lượng FGLS được kích hoạt để loại trừ hoàn toàn các sai số chuẩn bị chệch.

Kết quả đạt được

Biến số giải thích	Hệ số hồi quy FGLS (Tổng thể)	Mức ý nghĩa thống kê (p-value)	Chiều tác động	Kết luận giả thuyết
CAR (An toàn vốn)	$+0.0482$	$p < 0.01$ (***)	Dương (+)	Chấp nhận $H_1$
LnSIZE (Quy mô)	$+0.1245$	$p < 0.01$ (***)	Dương (+)	Chấp nhận $H_5$
NPL (Nợ xấu)	$-0.0831$	$p < 0.01$ (***)	Âm (-)	Chấp nhận $H_2$
CIR (Chi phí/Thu nhập)	$-0.0094$	$p < 0.05$ (**)	Âm (-)	Chấp nhận $H_3$
NIM (Biên lãi ròng)	$+0.0618$	$p < 0.05$ (**)	Dương (+)	Chấp nhận $H_4$
GDP (Tăng trưởng)	$+0.0312$	$p < 0.05$ (**)	Dương (+)	Chấp nhận $H_6$
INF (Lạm phát)	$-0.0215$	$p < 0.10$ (*)	Âm (-)	Chấp nhận $H_7$
Covid-19 (Đại dịch)	$+0.1450$	$p < 0.05$ (**)	Dương (+)	Bác bỏ $H_8$

Ghi chú: () ý nghĩa 1%, () ý nghĩa 5%, () ý nghĩa 10%. Biến phụ thuộc: LnZ-Score.

Phát hiện quan trọng từ phân tích nhóm ngân hàng:

1. Tác động của CAR: Hệ số hồi quy của CAR đối với nhóm NHTM Cổ phần tư nhân đạt $+0.0561$ ($p < 0.01$), cao hơn rõ rệt so với nhóm NHTM Nhà nước ($+0.0284$, $p < 0.05$). Điều này chỉ ra rằng năng lực bổ sung vốn linh hoạt từ thị trường cổ phiếu/trái phiếu quốc tế giúp các NHTM tư nhân tối ưu hóa bộ đệm an toàn vốn nhanh chóng hơn.
2. Hiệu ứng quy mô (LnSIZE): Quy mô tài sản hỗ trợ ổn định tài chính nhờ lợi thế kinh tế theo quy mô và khả năng đa dạng hóa danh mục tín dụng.
3. Biến dị biệt Covid-19: Trái với giả thuyết tiêu cực ban đầu ($H_8$), hệ số hồi quy Covid-19 mang dấu dương có ý nghĩa ($+0.1450$). Nguyên nhân xuất phát từ các chính sách cơ cấu nợ kịp thời theo Thông tư 01/2020/TT-NHNN của NHNN, kết hợp sự bùng nổ chuyển đổi số, tối ưu hóa chi phí vận hành và tỷ lệ tiền gửi không kỳ hạn (CASA) tăng đột biến.

---

Đổi mới và đóng góp

Điểm mới về mặt học thuật và kỹ thuật

• Phạm vi thời gian dài nhất và cập nhật nhất: Mở rộng chuỗi dữ liệu 13 năm (2012 - 2024), tích hợp trọn vẹn 3 giai đoạn then chốt: tái cơ cấu hệ thống ngân hàng xử lý nợ xấu (2012 - 2015), áp dụng Thông tư 41/2016 Basel II (2016 - 2019), giai đoạn khủng hoảng COVID-19 và phục hồi (2020 - 2024).
• Giải quyết triệt để tranh luận khoa học: Cung cấp bằng chứng thực nghiệm vững chắc ủng hộ luận điểm an toàn vốn củng cố ổn định tài chính, bác bỏ kết luận không có ý nghĩa của Linh & Thanh (2021).
• Phân rã hành vi theo sở hữu: Lần đầu tiên chỉ ra sự phân hóa hiệu quả truyền dẫn của vốn tự có giữa ngân hàng gốc quốc doanh và ngân hàng cổ phần tư nhân tại thị trường cận biên Việt Nam.

So sánh với các nghiên cứu tiền nhiệm

Tiêu chí	Nghiên cứu của Linh & Thanh (2021)	Nghiên cứu của Sang (2021)	Đề tài Nguyễn Diệu Anh (2025)
Không gian & Thời gian mẫu	19 NHTM (2007 - 2019)	27 NHTM (2010 - 2019)	20 NHTM Niêm yết (2012 - 2024)
Phương pháp kinh tế lượng	Pooled OLS, FEM, REM	System GMM	FGLS hiệu chỉnh tự tương quan & phương sai thay đổi
Kết luận về biến CAR	Không có ý nghĩa thống kê	Tác động dương có ý nghĩa	Tác động dương mạnh mẽ ($p < 0.01$), chi tiết hóa theo nhóm sở hữu
Xử lý giai đoạn hậu Covid-19	Không có dữ liệu	Không có dữ liệu	Đánh giá trực tiếp cú sốc Covid-19 và giai đoạn phục hồi 2024

---

Ứng dụng thực tế và triển khai

Trường hợp ứng dụng tại NHTM và Cơ quan quản lý

1. Phân bổ vốn kinh tế (Economic Capital Allocation) tại NHTM: Khung phân tích cho phép bộ phận Quản lý rủi ro (Risk Management) và Hội đồng Quản lý Tài sản - Nợ (ALCO) xác định ngưỡng đệm vốn tối ưu cho từng danh mục tín dụng nhằm cực đại hóa chỉ số Z-score.
2. Hệ thống cảnh báo sớm (Early Warning System - EWS): Ứng dụng mô hình để theo dõi biến động trượt của CAR và NPL, phát hiện các tổ chức tín dụng có nguy cơ suy giảm bộ đệm thanh khoản trước 12 - 24 tháng.
3. Thực thi chính sách giám sát an toàn vĩ mô (Macroprudential Policy): Giúp Ngân hàng Nhà nước hoạch định lộ trình áp dụng đệm vốn phản chu kỳ (Countercyclical Capital Buffer - CCyB) từ 0% - 2.5% theo chuẩn Basel III.

Lộ trình triển khai khuyến nghị kỹ thuật (2025 - 2030)

[Giai đoạn 1: 2025 - 2026]

[Giai đoạn 2: 2026 - 2028]

[Giai đoạn 3: 2028 - 2030]

---

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

• Quy mô mẫu dữ liệu: Mẫu khảo sát tập trung vào 20 NHTM niêm yết; chưa bao quát toàn bộ các ngân hàng thương mại cổ phần quy mô nhỏ chưa niêm yết và ngân hàng liên doanh.
• Giới hạn biến đo lường thanh khoản: Chỉ số Z-score tính toán dựa trên dữ liệu kế toán (Accounting-based) phản ánh độ trễ nhất định so với giá trị thị trường (Market-based distance-to-default như mô hình Merton KMV).
• Chưa bóc tách chi tiết rủi ro thị trường và rủi ro hoạt động: Dữ liệu RWA trong báo cáo tài chính công khai chưa phân tách chi tiết từng cấu phần trọng số rủi ro tín dụng, thị trường và vận hành.

Hướng phát triển tiếp theo

• Kết hợp mô hình kinh tế lượng dữ liệu bảng động (Dynamic Panel System GMM) với các thuật toán Học máy (Machine Learning: Random Forest, XGBoost) nhằm dự báo rủi ro vỡ nợ phi tuyến tính.
• Mở rộng tập biến số an toàn thanh khoản chuẩn Basel III (LCR, NSFR) và đo lường rủi ro hệ thống thông qua CoVaR hoặc Marginal Expected Shortfall (MES).

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng kinh tế lượng tài chính, quy trình kiểm định và kỹ thuật xử lý khuyết tật dữ liệu bảng trên Stata/R.
• Chuyên viên Quản trị rủi ro & Phân tích tài chính: Nắm bắt cơ chế truyền dẫn của vốn tự có và tài sản có rủi ro, áp dụng bộ chỉ số Z-score để giám sát sức khỏe nội bộ ngân hàng.
• Ban điều hành NHTM & Khối ALCO: Có căn cứ khoa học để xây dựng chiến lược tăng vốn Tier 1/Tier 2, cân đối giữa tối ưu hóa lợi nhuận (NIM) và duy trì đệm an toàn.
• Cơ quan quản lý (NHNN, Cơ quan Thanh tra Giám sát Ngân hàng): Cơ sở dữ liệu và bằng chứng thực nghiệm để hoàn thiện hành lang pháp lý, thúc đẩy áp dụng Basel III phù hợp với thực tiễn Việt Nam.

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu để triển khai mô hình đo lường Z-Score trong thực tế?

Mô hình yêu cầu chuỗi dữ liệu báo cáo tài chính tối thiểu 3 năm liên tục để tính toán độ lệch chuẩn của ROA ($\sigma(\text{ROA})$), tỷ lệ vốn chủ sở hữu trên tổng tài sản ($E/A$), cùng hệ thống dữ liệu phân loại nợ theo Thông tư 11/2021/TT-NHNN. Các công cụ tính toán gồm Stata 16+, R (version 4.0+) hoặc Python (thư viện pandas, statsmodels, linearmodels).

2. Tại sao tỷ lệ an toàn vốn (CAR) của khối NHTM Nhà nước lại thấp hơn khối NHTM Cổ phần tư nhân?

Do các NHTM Nhà nước nắm giữ quy mô dư nợ rất lớn (chiếm gần 50% toàn hệ thống) và chịu áp lực giải ngân vốn cho các dự án hạ tầng, chương trình kinh tế trọng điểm với tốc độ tăng trưởng tín dụng nhanh. Trong khi đó, việc tăng vốn điều lệ bị giới hạn bởi ngân sách nhà nước và quy trình phê duyệt khắt khe, không linh hoạt như các NHTM tư nhân trong việc phát hành cổ phiếu cho nhà đầu tư ngoại hoặc trái phiếu quốc tế.

3. Việc tích hợp mô hình Z-score vào hệ thống Core Banking hiện có diễn ra như thế nào?

Mô hình có thể đóng gói thành API vi dịch vụ (Microservice) kết nối trực tiếp với Data Warehouse của ngân hàng, tự động trích xuất các chỉ số tài chính định kỳ theo tháng/quý để tính toán Real-time Z-score và phát tín hiệu cảnh báo rủi ro lên hệ thống Dashboard quản trị tập trung.

4. Chi phí triển khai và thời gian hoàn vốn (ROI) khi ứng dụng chuẩn Basel II/III?

Chi phí triển khai hệ thống quản trị rủi ro theo chuẩn Basel II/III dao động từ 1.5 - 5 triệu USD tùy quy mô ngân hàng (bao gồm phần mềm RWA Engine, tư vấn quy trình và nâng cấp dữ liệu). Lợi ích hoàn vốn đạt được sau 2 - 3 năm nhờ giảm chi phí dự phòng rủi ro tín dụng (ước tính giảm 15% - 25% chi phí trích lập), tối ưu hóa chi phí vốn và nâng hạng tín nhiệm quốc tế.

5. Tại sao biến giả đại dịch Covid-19 trong mô hình lại có tương quan dương với ổn định tài chính?

Hệ số dương của biến Covid-19 phản ánh tính hiệu quả của các chính sách khoanh nợ, cơ cấu lại thời hạn trả nợ theo Thông tư 01/2020/TT-NHNN giúp làm giảm áp lực chuyển nhóm nợ tức thời. Đồng thời, giai đoạn này thúc đẩy ngân hàng số hóa toàn diện, gia tăng mạnh tỷ lệ tiền gửi không kỳ hạn giá rẻ (CASA) và cắt giảm chi phí vận hành chi nhánh vật lý, từ đó nâng cao tỷ suất sinh lời và đệm an toàn tài chính ngắn hạn.

---

Kết luận

Công trình nghiên cứu "Nghiên cứu tác động của an toàn vốn tới ổn định tài chính các NHTM Việt Nam giai đoạn 2012 - 2024" đã chứng minh một cách nhất quán bằng phương pháp định lượng FGLS rằng tỷ lệ an toàn vốn (CAR) đóng vai trò là "lá chắn" vững chắc, có tác động tích cực mang tính quyết định ($p < 0.01$) tới sự ổn định tài chính của hệ thống ngân hàng. Kết quả thực nghiệm khẳng định việc tuân thủ các chuẩn mực an toàn vốn nghiêm ngặt theo Thông tư 41/2016/TT-NHNN và định hướng Basel III không chỉ ngăn ngừa nguy cơ phá sản cục bộ mà còn củng cố năng lực chống chịu trước các cú sốc vĩ mô toàn cầu. Để duy trì sự phát triển bền vững, các NHTM Việt Nam cần khẩn trương đa dạng hóa kênh tăng vốn cấp 1, tối ưu hóa danh mục tài sản có rủi ro và đẩy mạnh chuyển đổi số trong quản trị rủi ro tín dụng.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ AN TOÀN VỐN VÀ ỔN ĐỊNH TÀI CHÍNH 1. Tổng quan về an toàn vốn của NHTM 1. Các khái niệm liên quan tới an toàn vốn “An toàn vốn thể hiện lượng nguồn vốn mà một ngân hàng sở hữu trong quá trình hoạt động, lượng vốn này được giữ theo tỷ lệ phù hợp với giá trị tài sản có trọng số rủi ro mà ngân hàng đó đang nắm giữ” (Nzotta, 2004). “Đây là thước đo cho thấy mức độ vững mạnh tài chính để chống lại các rủi ro phát sinh, thể hiện nguồn lực sẵn có của ngân hàng nhằm bù đắp cho các khoản lỗ” (Yusuf và Umar, 2021).

“Chỉ số CAR của NHTM được sử dụng để đại diện cho khả năng giữ an toàn vốn dựa trên tỷ lệ giữa VCSH và tổng tài sản có trọng số rủi ro” (Hsu và cộng sự, 2007). An toàn vốn theo hiệp ước Basel yêu cầu một tỷ lệ phần trăm nhất định của tài sản ngân hàng phải được giữ làm vốn để phòng ngừa các loại rủi ro tiềm ẩn trong hoạt động kinh doanh. Một số quan điểm cho rằng các cơ quan quản lý của ngành đã phát triển CAR như một thước đo để đánh giá tính ổn định của hệ thống ngân hàng và đảm bảo rằng các ngân hàng có thể hấp thụ một lượng hợp lý các khoản chi phí từ rủi ro hoạt động (Aroghene và Ikeora, 2022). Mặt khác, chỉ số này cũng đóng vai trò quan trọng trong việc đánh giá mức độ rủi ro của ngân hàng khi họ cần thực hiện chi trả cho các khoản vay hoặc tiền gửi khách hàng đến hạn.

Do đó, các ngân hàng thường được yêu cầu đảm bảo về một tỷ lệ an toàn vốn nhất định. Mức độ đủ vốn là lượng vốn an toàn mà một ngân hàng hoặc TCTD khác phải nắm giữ theo quy định của pháp luật. “Mức độ đủ vốn thường được xem xét qua chỉ tiêu CAR tối thiểu cần có của các NHTM. Những yêu cầu này được đưa ra để đảm bảo rằng các tổ chức tài chính không lạm dụng đòn bẩy và gặp phải khủng hoảng thanh khoản” (Ogboi, 2013).

Odunayo và Joseph (2016) cho rằng “mức đủ vốn là một chỉ dẫn quan trọng cho việc sắp xếp lại các cấu phần vốn hiện có của ngân hàng nhằm hạn chế sự lây lan của khó khăn tài chính.” Tuân thủ các yêu cầu pháp lý về vốn giúp Nhà nước quản lý sự ổn định của ngành ngân hàng nói riêng và nền kinh tế nói chung. Bên cạnh đó, cải thiện an toàn vốn giúp các nhà quản lý có định hướng vững chắc trong quá trình phát triển ngân hàng, đồng thời bảo vệ cho các khoản tiền gửi của khách hàng. Ngân hàng Trung Ương (NHTW) sẽ ban hành các tiêu chuẩn về tỷ lệ CAR tối thiểu mà các NHTM cần tuân thủ nhằm duy 12 trì hoạt động hệ thống một cách liên tục và hiệu quả. Trước các cú sốc tài chính, việc duy trì tỷ lệ an toàn vốn hợp lý sẽ giúp các ngân hàng gia tăng sức chống chịu, tạo cảm giác an tâm cho người tiêu dùng khi sử dụng dịch vụ của họ.

Là trung gian tài chính của nền kinh tế, sự ổn định của hệ thống ngân hàng có thể là nền tảng vững chắc để đạt được các mục tiêu phát triển an sinh xã hội. Do đó, có thể thấy việc duy trì và nâng cao chất lượng nguồn vốn là một vấn đề cấp thiết cần được quan tâm (Abou-El-Sood, 2016; Baldwin và cộng sự, 2019; Dao & Nguyen, 2020). Tại Việt Nam, Ngân hàng Nhà nước (NHNN) đã đặt ra quy định về tỷ lệ an toàn vốn tối thiểu cho các ngân hàng nhằm mục đích đảm bảo sự ổn định và phát triển bền vững của hệ thống ngân hàng, song song với việc phát triển quy mô tín dụng một cách lành mạnh và kiểm soát chặt chẽ chất lượng tín dụng. Có thể thấy các NHTM Việt Nam hiện nay đang có xu hướng phát triển, tuy nhiên để đáp ứng được nhu cầu phòng ngừa rủi ro trong bối cảnh mở rộng quy mô, một lượng vốn cơ sở đầy đủ sẽ cần được duy trì.

Từ đó làm nổi bật tầm quan trọng của việc tuân thủ các chuẩn mực về vốn quốc tế như Basel II và Basel III (Dao & Nguyen, 2020). Vai trò của an toàn vốn Các lý thuyết về an toàn vốn phần lớn bắt nguồn từ định lý bất tương thích của Modigliani và Miller (MM), định lý đã cách mạng hóa lý thuyết tài chính hiện đại. Theo lý thuyết MM, “trong thị trường hoàn hảo (không có thuế, chi phí phá sản hoặc bất đối xứng thông tin), cấu trúc vốn của một công ty không liên quan đến giá trị của nó”. Nghĩa là tại đây “giá trị của các ngân hàng chỉ phụ thuộc vào hai yếu tố chính là tài sản thực tế và thu nhập của nó, bất kể tài sản được tài trợ như thế nào” (Modigliani & Miller, 1958).

Tuy nhiên, trong các “nền kinh tế không hoàn hảo” như Việt Nam, nơi thị trường chưa đạt được ngưỡng lý tưởng, mô hình MM lại cho thấy tính ứng dụng không mấy hiệu quả. Đối với các ngân hàng, an toàn vốn là điều cần thiết do vai trò của họ trong trung gian tài chính, nhận tiền gửi và phát hành các khoản vay. Các lý thuyết này có mối liên hệ trực tiếp đến các ngân hàng vì họ phải đối mặt với những rủi ro trọng yếu như rủi ro thanh khoản và rủi ro tín dụng, điều này làm cho an toàn vốn trở thành một khía cạnh quan trọng trong hoạt động của họ. Các nghiên cứu trước đây đã nhấn mạnh vai trò thiết yếu của an toàn vốn (CAR) trong hoạt động thường nhật của các NHTM.

Đầu tiên, một số quan điểm cho rằng an 13 toàn vốn có chức năng như một “tấm đệm” hấp thụ rủi ro và hỗ trợ củng cố tính ổn định trong tài chính của các NHTM. Igbinosa và Naimo (2020) cho thấy với một nguồn vốn mạnh mẽ các ngân hàng có thể nâng cao khả năng chịu đựng căng thẳng tài chính, từ đó đóng góp vào ổn định tổng thể. Sự bất ổn về tài chính, đặc biệt là ở các nền kinh tế đang phát triển, thường xuất phát từ cấu trúc vốn yếu. “Các ngân hàng thiếu vốn thường dễ bị tổn thương trước rủi ro thanh khoản, vấn đề thanh toán nợ và nguy cơ phá sản” (Owolabi, 2017).

Nghiên cứu của Demirguc-Kunt, Detragiache, và Merrouche (2013) cũng đưa ra kết luận tương tự rằng các ngân hàng thường bị ảnh hưởng ít hơn bởi cú sốc kinh tế và các cuộc khủng hoảng khi có tỷ lệ CAR cao hơn và ngược lại. Thứ hai, vai trò của phần vốn này không chỉ giới hạn ở việc bảo vệ một ngân hàng độc lập trước những rủi ro tiềm ẩn mà còn có khả năng bình ổn tài chính của toàn bộ hệ thống. Hai tác giả Allen và Gale (2000) lập luận rằng CAR cao giúp giảm thiểu nguy cơ lây lan rủi ro hệ thống, theo đó rủi ro này xảy ra khi sự suy yếu của một hoặc một nhóm ngân hàng kéo theo ảnh hưởng tiêu cực tới toàn bộ hệ thống NHTM. Nghiên cứu của Hanson, Kashyap, và Stein (2011) cũng chỉ ra rằng CAR cao giúp giảm thiểu tác động tiêu cực của khủng hoảng tài chính đến nền kinh tế thực.

Mặt khác, Shrieves và Dahl (1992) kết luận rằng tăng CAR có thể làm giảm nguy cơ rủi ro lan rộng, tác động này xuất phát từ việc hiệu quả quản trị được nâng cao trong bối cảnh niềm tin thị trường gia tăng. Rajan và Zingales (1998) cũng ủng hộ cho quan điểm này khi họ cho rằng một tỷ lệ an toàn vốn cao sẽ hạn chế sự đổ vỡ của toàn bộ hệ thống trên diện rộng. Thứ ba, an toàn vốn là cơ sở để phát triển và mở rộng hệ thống ngân hàng. Berger và Bouwman (2013) đã kết luận CAR cao giúp hạn chế rủi ro phá sản và duy trì niềm tin của thị trường vào ngân hàng.

Tại Việt Nam, một nghiên cứu khác của Dao và Nguyen (2020) cho thấy tầm quan trọng của CAR trong việc giữ vững sự ổn định và tính hoạt động bền vững liên tục của các NHTM, đặc biệt khi hiện nay các hoạt động ngân hàng ngày càng phân nhánh với nhiều thay đổi diễn ra. Nghiên cứu của Barth, Caprio, và Levine (2013) cho thấy các quốc gia có quy định về CAR nghiêm ngặt hơn thường có hệ thống ngân hàng phát triển và hiệu quả hơn. Tại Việt Nam, việc nâng cao CAR theo chuẩn mực Basel III không chỉ giúp các NHTM tuân thủ quy định mà còn góp phần vào quá trình hội nhập tài chính quốc tế với vai trò quan trọng của an toàn vốn trong việc thu hút vốn đầu tư và nâng cao vị thế trên thị trường của ngân hàng. Cuối cùng, nâng cao an toàn vốn cũng có thể đem lại tác động thúc đẩy tăng 14 trưởng kinh tế.

Ekundayo (2019) trong nghiên cứu của mình đã kết luận “vốn đủ rất quan trọng đối với các ngân hàng trong việc tài trợ cho các tài sản và dự án dài hạn, góp phần vào tăng trưởng kinh tế và an sinh xã hội.” Quan điểm này phù hợp với nguyên tắc rằng dự trữ vốn mạnh mẽ tạo ra một đệm bảo vệ khỏi các tổn thất bất ngờ, giúp các ngân hàng duy trì vai trò trung gian tài chính ngay cả khi nền kinh tế đang trong tình trạng suy thoái. Trong một nghiên cứu khác của Rajan và Zingales (1998), các tác giả khẳng định rằng “yêu cầu về vốn tối thiểu trong các ngân hàng không chỉ đóng vai trò như một công cụ để phòng ngừa rủi ro mà còn giúp củng cố ổn định tài chính của các nền kinh tế đang trong giai đoạn phát triển.” Việc giữ vững an toàn vốn sẽ thúc đẩy niềm tin của xã hội và hỗ trợ cho các chiến lược tăng trưởng kinh tế bền vững. Beck & Cộng sự (2010) cũng đưa ra quan điểm nền kinh tế có mức độ an toàn vốn cao sẽ có sự khôi phục nhanh hơn đồng thời đạt được tăng trưởng kinh tế tốt hơn so với một nền kinh tế có tiêu chuẩn an toàn vốn thấp. Chỉ tiêu đo lường mức độ an toàn vốn Trong đề tài này, mức độ an toàn vốn sẽ được đại diện bởi tỷ lệ an toàn vốn (CAR).

Rahman (2017) giải thích rằng đây là tỷ lệ ngụ ý bản chất của an toàn vốn là đo lường số vốn thực có của ngân hàng so với tổng giá trị tài sản dựa trên trọng số rủi ro. “Chỉ số này cho thấy liệu ngân hàng có thể đáp ứng đủ thanh khoản khi đến hạn thanh toán các nghĩa vụ nợ và phòng ngừa cho các rủi ro khác trong hoạt động kinh doanh của mình hay không.