Giới thiệu dự án

Nghiên cứu cấu trúc vốn và tác động của nó tới hiệu quả hoạt động kinh doanh đóng vai trò cốt lõi trong quản trị ngân hàng hiện đại. Tính đến năm 2023, hệ thống ngân hàng Việt Nam bao gồm 49 tổ chức tín dụng (04 ngân hàng thương mại 100% vốn Nhà nước, 31 ngân hàng thương mại cổ phần, 09 ngân hàng 100% vốn nước ngoài, 02 ngân hàng chính sách, 01 ngân hàng hợp tác xã và 02 ngân hàng liên doanh). Trong bối cảnh mức độ cạnh tranh nội bộ và quốc tế ngày càng gay gắt, tỷ lệ chi phí trên thu nhập (CIR - Cost to Income Ratio) của toàn ngành có sự phân hóa rõ nét: nhóm NHTM Nhà nước duy trì mức CIR trung bình 36,3%, trong khi các ngân hàng tối ưu hóa tốt như VPBank, OCB kiểm soát CIR dưới 30%.

                       Khả năng sinh lời (ROA, ROE, EBIT)                                   Quản trị rủi ro & Chi phí (NPL, LLPR, CIR)
  • Vấn đề nghiên cứu thực tiễn (Problem Statement): Các NHTM Việt Nam phải đối mặt với áp lực kép: vừa phải gia tăng năng lực tài chính, mở rộng quy mô tín dụng để tối đa hóa lợi nhuận, vừa phải duy trì hệ số an toàn vốn (CAR) theo chuẩn mực Basel II/III và kiểm soát nợ xấu (NPL). Sự mất cân đối trong việc sử dụng đòn bẩy tài chính (Leverage) và chi phí vốn có thể làm suy giảm biên lãi ròng và tăng nguy cơ kiệt quệ tài chính.
  • Mục tiêu nghiên cứu cụ thể:
    1. Hệ thống hóa cơ sở lý luận về cấu trúc vốn, lý thuyết trật tự phân hạng (Pecking Order Theory), lý thuyết đánh đổi (Trade-off Theory) và hiệu quả hoạt động ngân hàng.
    2. Đo lường định lượng mức độ tác động của cấu trúc vốn (Leverage, Quy mô, Rủi ro tín dụng, Thanh khoản, Chi phí) đến hiệu quả tài chính thông qua bộ ba chỉ tiêu: $ROA$, $ROE$, và $EBIT$.
    3. Đánh giá tính không đồng nhất (Heterogeneity) trong mối quan hệ này dựa trên hình thức sở hữu (NHTM Nhà nước vs. NHTM Cổ phần tư nhân) và đặc điểm nhân khẩu học của lãnh đạo (Giới tính CEO).
    4. Đề xuất khung giải pháp tối ưu hóa cấu trúc tài chính và quản trị rủi ro thanh khoản cho các NHTM Việt Nam.
  • Phương pháp giải quyết: Sử dụng mô hình kinh tế lượng dữ liệu bảng (Panel Data Regression) với phương pháp ước lượng tác động cố định hai chiều (Bank & Year Two-way Fixed Effects - FE) kết hợp sai số chuẩn vững (Robust Standard Errors) trên phần mềm chuyên dụng Stata 17.0.
  • Kết quả kỳ vọng định lượng: Bộ dữ liệu bảng gồm 275 quan sát từ 25 NHTM trong giai đoạn 11 năm (2011–2021); xác định chính xác dấu và ý nghĩa thống kê ($p < 0.01, p < 0.05, p < 0.1$) của hệ số đòn bẩy tới lợi nhuận.
  • Phạm vi và giới hạn: Tập trung vào 25 NHTM cổ phần chiếm hơn 85% tổng tài sản toàn hệ thống ngân hàng Việt Nam giai đoạn 2011–2021, khai thác dữ liệu từ báo cáo tài chính hợp nhất đã kiểm toán độc lập.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh ưu và nhược điểm của các phương pháp đo lường hiệu quả hoạt động ngân hàng hiện nay:

Phương pháp đánh giá Ưu điểm kỹ thuật Nhược điểm & Thách thức Phạm vi áp dụng
Chỉ số tài chính truyền thống (Financial Ratios: ROA, ROE, NIM) Trực quan, dễ trích xuất từ BCTC kiểm toán, tính so sánh cao giữa các kỳ. Đơn lẻ, không phản ánh được hiệu quả tối ưu tổng hợp đầu vào/đầu ra. Báo cáo thường niên, phân tích cơ bản
Phân tích biên ngẫu nhiên (SFA - Stochastic Frontier Approach) Tách biệt được sai số ngẫu nhiên và yếu tố phi hiệu quả kỹ thuật. Đòi hỏi giả định phân phối nghiêm ngặt của hàm sản xuất/chi phí. Nghiên cứu tối ưu hóa hàm chi phí
Phân tích bao dữ liệu (DEA - Data Envelopment Analysis) Phi tham số, không cần áp đặt dạng hàm cụ thể cho dữ liệu. Rất nhạy cảm với dữ liệu ngoại lai (Outliers), không kiểm soát sai số ngẫu nhiên. Đánh giá hiệu quả hoạt động tương đối
Hồi quy dữ liệu bảng Two-way FE (Được chọn) Kiểm soát đặc tính riêng bất biến của từng ngân hàng và cú sốc kinh tế vĩ mô theo năm. Cần xử lý hiện tượng phương sai thay đổi và tự tương quan chuỗi. Nghiên cứu tác động nhân quả tài chính

Hệ thống phân loại yêu cầu dữ liệu và biến số theo mô hình MoSCoW:

  • Must-have: Biến phụ thuộc ($ROA, ROE, EBIT$), biến cấu trúc vốn độc lập chính ($Leverage = \text{Tổng nợ}/\text{VCSH}$).
  • Should-have: Biến kiểm soát đặc thù ngân hàng ($Size = \ln(\text{Tổng tài sản})$, Tỷ lệ nợ xấu $NPL$, Tỷ lệ dự phòng rủi ro tín dụng $LLPR$).
  • Could-have: Biến đo lường thanh khoản ($KNTTNH, KNTTTQ$), biến chi phí hoạt động ($CPHD$).
  • Won't-have (giai đoạn này): Các chỉ số tài chính vi mô phi cấu trúc, dữ liệu giao dịch nội ngày độ tần suất cao (High-frequency tick data).
graph TD
    A[Báo cáo tài chính 25 NHTM 2011-2021] --> B[Data Cleaning & Panel Structuring]
    B --> C[Phân tích Thống kê mô tả & Ma trận tương quan Pearson]
    C --> D{Kiểm định Đa cộng tuyến VIF < 0.8}
    D -->|Đạt chuẩn| E[Mô hình Two-way Fixed Effects]
    E --> F[Kiểm định khuyết tật mô hình: Heteroskedasticity & Autocorrelation]
    F --> G[Ước lượng Sai số chuẩn vững - Robust Standard Errors]
    G --> H1[Hồi quy Mẫu Toàn thể]
    G --> H2[Hồi quy Phân nhóm Sở hữu: Nhà nước vs Tư nhân]
    G --> H3[Hồi quy Phân nhóm Quản trị: Nam CEO vs Nữ CEO]

Thiết kế hệ thống và cấu trúc dữ liệu

Nghiên cứu ứng dụng ngăn xếp công nghệ phân tích định lượng chuẩn mực:

  • Econometric Software: Stata/MP 17.0 (chạy thuật toán hồi quy dữ liệu bảng đa luồng).
  • Data Engineering: Python 3.10 (thư viện pandas 2.0.3, numpy 1.24.3) phục vụ trích xuất và tiền xử lý dữ liệu từ BCTC dạng PDF/Excel.
  • Reporting Engine: LaTeX và Markdown cho trực quan hóa kết quả thống kê.

Cấu trúc từ điển dữ liệu (Data Dictionary Schema):

Schema: Panel_Bank_Data (N = 25, T = 11, Observations = 275)

Phương pháp luận (Methodology)

Quy trình nghiên cứu áp dụng mô hình định lượng thực nghiệm 5 bước:

  1. Thu thập và làm sạch: Chuẩn hóa số liệu BCTC đã kiểm toán của 25 NHTM qua 11 năm liên tục ($25 \times 11 = 275$ quan sát).
  2. Thống kê mô tả và tương quan: Đo lường Mean, Standard Deviation, Min, Max và tính hệ số tương quan Pearson giữa các cặp biến.
  3. Kiểm định mô hình: Thực hiện kiểm định F-test (chọn giữa Pooled OLS và Fixed Effects) và kiểm định Hausman (chọn giữa Fixed Effects và Random Effects).
  4. Xử lý khuyết tật mô hình: Ứng dụng kỹ thuật ước lượng Robust Standard Errors (chuẩn sai số vững) nhằm khắc phục hoàn toàn hiện tượng phương sai sai số thay đổi và tự tương quan.
  5. Ước lượng hồi quy phân nhóm: Chạy hồi quy tách biệt cho nhóm ngân hàng có vốn Nhà nước chi phối so với ngân hàng tư nhân, và nhóm ngân hàng có CEO Nam so với CEO Nữ.

Implementation và kết quả

Quy trình triển khai và thuật toán định lượng

Mô hình hồi quy toán kinh tế cốt lõi được đặc tả như sau:

$$R_{it} = \beta_0 + \beta_1 Leverage_{it} + \beta_2 Size_{it} + \beta_3 NPL_{it} + \beta_4 LLPR_{it} + \beta_5 KNTTNH_{it} + \beta_6 KNTTTQ_{it} + \beta_7 CPHD_{it} + \alpha_i + \lambda_t + \epsilon_{it}$$

Trong đó:

  • $i$: Ngân hàng thứ $i$ ($i = 1, \dots, 25$); $t$: Năm quan sát ($t = 2011, \dots, 2021$).
  • $R_{it}$: Thước đo hiệu quả tài chính tương ứng ($ROA$, $ROE$, hoặc $\ln(EBIT)$).
  • $\alpha_i$: Hiệu ứng cố định riêng biệt không quan sát được của từng ngân hàng (Bank Fixed Effects).
  • $\lambda_t$: Hiệu ứng cố định theo thời gian kiểm soát chu kỳ kinh tế (Year Fixed Effects).
  • $\epsilon_{it}$: Sai số ngẫu nhiên của mô hình.

Mã thực thi kịch bản định lượng trên Stata (Do-file script):

* Thiết lập dữ liệu bảng
clear all
import excel using "Bank_Panel_Data_2011_2021.xlsx", sheet("Data") firstrow
xtset bank_id year

* Kiểm tra tương quan và đa cộng tuyến
correlate ROE ROA EBIT Leverage Size NPL LLPR KNTTNH KNTTTQ CPHD
collin Leverage Size NPL LLPR KNTTNH KNTTTQ CPHD

* Hồi quy Two-way Fixed Effects với Robust Standard Errors cho toàn bộ mẫu
xtreg EBIT Leverage Size NPL LLPR KNTTNH KNTTTQ CPHD i.year, fe vce(robust)
est store Model_EBIT_All

xtreg ROA Leverage Size NPL LLPR KNTTNH KNTTTQ CPHD i.year, fe vce(robust)
est store Model_ROA_All

xtreg ROE Leverage Size NPL LLPR KNTTNH KNTTTQ CPHD i.year, fe vce(robust)
est store Model_ROE_All

* Hồi quy phân nhóm theo loại hình ngân hàng (Private vs State-Owned)
xtreg EBIT Leverage Size NPL LLPR KNTTNH KNTTTQ CPHD i.year if state_owned == 0, fe vce(robust)
xtreg EBIT Leverage Size NPL LLPR KNTTNH KNTTTQ CPHD i.year if state_owned == 1, fe vce(robust)

* Xuất bảng kết quả chuẩn APA/Academic
esttab Model_EBIT_All Model_ROA_All Model_ROE_All using "Regression_Results.rtf", ///
    replace b(%9.4f) se(%9.4f) star(* 0.10 ** 0.05 *** 0.01) r2

Kiểm định và đánh giá thống kê mô tả

Thống kê mô tả mẫu 275 quan sát:

  • Tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$): Trung bình đạt $0,159$ ($15,9%$), giá trị nhỏ nhất $-0,090$ (âm $9%$), lớn nhất $8,340$, độ lệch chuẩn $0,670$.
  • Tỷ suất sinh lời trên tổng tài sản ($ROA$): Trung bình đạt $0,013$ ($1,3%$), biến động từ $-0,008$ đến $0,358$, độ lệch chuẩn $0,030$.
  • Hệ số đòn bẩy tài chính ($Leverage$): Trung bình $1,009$, phản ánh tỷ lệ phụ thuộc vào nợ vay và huy động vốn cao của hệ thống NHTM.
  • Quy mô tài sản ($Size$): Giá trị trung bình đạt $18,282$, nằm trong dải $[15,282 - 21,290]$, độ lệch chuẩn $1,244$.
  • Tỷ lệ nợ xấu ($NPL$): Trung bình toàn hệ thống kiểm soát ở mức $0,007$ ($0,7%$), cao nhất $0,054$ ($5,4%$).

Kiểm định tương quan Pearson cho thấy toàn bộ hệ số tương quan giữa các biến độc lập đều nhỏ hơn $0,80$, loại trừ nguy cơ xuất hiện đa cộng tuyến nghiêm trọng.

Kết quả định lượng đạt được

Biến độc lập Mẫu toàn thể (EBIT) Mẫu toàn thể (ROA) Mẫu toàn thể (ROE) Phân nhóm NHTM Tư nhân (EBIT) Phân nhóm NHTM Nhà nước (EBIT)
Leverage $+1.000.298,2^{***}$ $+0,0021^{***}$ $+0,0415^{***}$ $+21.350.369,8^{***}$ $+982.128,2^{***}$
Size $+1.245.890,5^{***}$ $+0,0045^{***}$ $+0,0182^{**}$ $+3.412.091,1^{***}$ $+1.104.512,0^{***}$
LLPR $+5.412.301,0^{**}$ $+0,0112^{*}$ $+0,0350^{*}$ $+8.120.441,2^{**}$ Không ý nghĩa
KNTTTQ $+3.120.945,0^{***}$ $+0,0089^{***}$ $+0,0210^{**}$ $+4.512.330,0^{***}$ $+2.410.980,0^{**}$
KNTTNH Không ý nghĩa Không ý nghĩa Không ý nghĩa $+1.210.450,0^{*}$ Không ý nghĩa
CPHD $-0,8542^{***}$ $-0,0001^{***}$ $-0,0003^{***}$ $-0,9120^{***}$ $-0,7821^{***}$
NPL Không ý nghĩa Không ý nghĩa Không ý nghĩa Không ý nghĩa Không ý nghĩa
Bank FE & Year FE Có (Controlled) Có (Controlled) Có (Controlled) Có (Controlled) Có (Controlled)

Ghi chú: $^{}p < 0.1; ^{}p < 0.05; ^{}p < 0.01$. Chuẩn sai số vững (Robust Standard Errors) trong ngoặc đơn.

Tác động của các nhân tố đến Hiệu quả tài chính NHTM (EBIT):

Kết quả phân nhóm theo giới tính CEO:

  • Ngân hàng do CEO Nam điều hành: Hệ số đòn bẩy tác động dương mạnh mẽ tới EBIT ($+1.018.730,7^{***}$), phản ánh phong cách điều hành quyết đoán, tận dụng tối đa tấm chắn thuế từ nợ.
  • Ngân hàng do CEO Nữ điều hành: Hệ số tác động của Leverage đến EBIT thấp hơn ($+231.071,5^{*}$), trong khi các biến phòng vệ rủi ro ($LLPR, NPL$) có xu hướng tác động ngược chiều mạnh hơn tới $ROA$, thể hiện định hướng điều hành thận trọng và chú trọng thanh khoản an toàn.

Đổi mới và đóng góp

Đổi mới phương pháp luận định lượng

Nghiên cứu mang lại 3 giá trị cải tiến vượt bậc so với các công trình nghiên cứu trước đây:

Tiêu chí so sánh Nghiên cứu của Cao Thị Thủy Tiên (2023) Nghiên cứu của Siddik et al. (2017) Nghiên cứu của Pham et al. (2022)
Phạm vi mẫu 25 NHTM Việt Nam (2011–2021) xuyên suốt chu kỳ tái cơ cấu & đại dịch 22 ngân hàng tại Bangladesh giai đoạn 2005–2011 30 NHTM Việt Nam giai đoạn 2012–2018
Mô hình kinh tế lượng Two-way Fixed Effects (Bank & Year FE) + Robust Standard Errors Pooled OLS / Random Effects tiêu chuẩn GMM Dynamic Panel Data Model
Phân rã đa chiều (Heterogeneity) Phân tích chéo 2 chiều: Sở hữu (Nhà nước/Tư nhân) và Giới tính CEO (Nam/Nữ) Không phân tách đặc tính quản trị CEO Chỉ phân tách nợ tiền gửi và nợ phi tiền gửi
Phát hiện cấu trúc vốn Đòn bẩy tác động dương rõ nét đến ROA, ROE, EBIT tại thị trường mới nổi Đòn bẩy tác động âm do chi phí kiệt quệ tài chính cao Tiền gửi tác động âm, nợ phi tiền gửi tác động dương

Đóng góp thực tiễn cho ngành tài chính - ngân hàng

  • Bằng chứng thực nghiệm ủng hộ Lý thuyết Trật tự phân hạng: Tại các thị trường tài chính đang phát triển như Việt Nam, việc gia tăng nợ huy động và nợ thứ cấp giúp các ngân hàng tối ưu hóa chi phí vốn hơn so với phát hành cổ phiếu mới, tạo ra hiệu ứng đòn bẩy tích cực cho $ROE$ ($+4,15%$).
  • Chứng minh tính kinh tế theo quy mô (Economies of Scale): Quy mô tổng tài sản ($Size$) tương quan dương có ý nghĩa thống kê ở mức $1%$ với toàn bộ các chỉ tiêu lợi nhuận, củng cố xu hướng sáp nhập, hợp nhất và tăng vốn điều lệ bắt buộc của ngành ngân hàng.
  • Lượng hóa sự xói mòn của chi phí hoạt động: Hệ số âm nghiêm trọng của $CPHD$ ($-0,8542$) chứng minh rằng việc hạ thấp tỷ lệ CIR thông qua số hóa vận hành trực tiếp thúc đẩy lợi nhuận ròng.

Ứng dụng thực tế và triển khai

Khung giải pháp điều hành cấu trúc vốn cho NHTM

Dựa trên các phát hiện thực nghiệm, ngân hàng thương mại có thể áp dụng quy trình tái cấu trúc vốn và danh mục tài sản theo lộ trình chuẩn:

Giai đoạn 1: Chuẩn hóa dữ liệu Basel II/III (Tháng 1-3)

Giai đoạn 2: Tái cơ cấu nguồn vốn huy động (Tháng 4-6)

Giai đoạn 3: Tinh giản chi phí vận hành CIR (Tháng 7-9)

Giai đoạn 4: Kiểm thử ứng suất & Giám sát thanh khoản (Tháng 10-12)

Phân tích hiệu quả kinh tế (ROI) và khả năng mở rộng

  • Hiệu quả tài chính: Đối với một ngân hàng thương mại quy mô tổng tài sản $500.000$ tỷ VNĐ, việc tối ưu hóa tỷ lệ đòn bẩy an toàn kết hợp giảm tỷ lệ CIR đi $3%$ (từ $38%$ xuống $35%$) có thể giúp gia tăng lợi nhuận trước thuế từ $1.200$ đến $1.800$ tỷ VNĐ mỗi năm.
  • Khả năng nhân rộng hệ thống: Mô hình hồi quy Two-way Fixed Effects có thể được nhúng trực tiếp vào phân hệ Quản lý tài sản Nợ - tài sản Có (ALM - Asset Liability Management) và hệ thống dự báo tài chính tự động của các ngân hàng thương mại.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Mẫu nghiên cứu dừng lại ở 25 ngân hàng thương mại cổ phần, chưa bao quát toàn bộ 49 tổ chức tín dụng do giới hạn công bố dữ liệu BCTC kiểm toán minh bạch của một số ngân hàng liên doanh và ngoại quốc.
  • Chưa bóc tách chi tiết cấu trúc vốn thành các cấu phần chuyên sâu như: Nợ có bảo đảm, trái phiếu chuyển đổi, chứng chỉ tiền gửi và nợ thứ cấp đủ điều kiện vốn Cấp 2.
  • Phương pháp ước lượng Fixed Effects chưa giải quyết triệt để vấn đề nội sinh tiềm ẩn (Endogeneity) giữa lợi nhuận giữ lại và quy mô vốn chủ sở hữu.

Hướng nghiên cứu mở rộng trong tương lai

  • Ứng dụng mô hình GMM sai phân hai bước (Two-step System Generalized Method of Moments - SGMM của Arellano-Bover/Blundell-Bond) để kiểm soát trễ động của biến phụ thuộc và tính nội sinh của cấu trúc vốn.
  • Mở rộng giai đoạn dữ liệu sau năm 2021 để lượng hóa cú sốc kinh tế vĩ mô từ xung đột địa chính trị toàn cầu và sự biến động mạnh của lãi suất huy động giai đoạn 2022–2024.
  • Đưa thêm các biến số môi trường vĩ mô ($GDP$ tăng trưởng, Tỷ lệ lạm phát $CPI$, Tốc độ tăng trưởng cung tiền $M2$) và các chỉ số tài chính xanh (Green Banking ESG Metrics).

Đối tượng hưởng lợi

  • Sinh viên & Học viên Cao học Tài chính - Ngân hàng: Tiếp cận cấu trúc khung nghiên cứu định lượng chuẩn mực, phương pháp chạy hồi quy dữ liệu bảng (Panel Data) và bộ lệnh Do-file Stata hoàn chỉnh.
  • Chuyên viên Phân tích Dữ liệu & Quản trị Rủi ro: Khai thác hệ thống biến số ($Leverage, LLPR, KNTTTQ, CPHD$) để xây dựng mô hình cảnh báo sớm và tính toán Stress-testing cho bảng cân đối kế toán.
  • Ban Lãnh đạo NHTM & Nhà điều hành chính sách: Có cơ sở khoa học định lượng để ra quyết định cơ cấu lại nguồn vốn huy động, cân bằng giữa tỷ lệ nợ và vốn chủ sở hữu nhằm tối đa hóa $ROE$.
  • Nhà nghiên cứu học thuật: Sử dụng làm tài liệu tham khảo có giá trị cao về tác động bất đối xứng của cấu trúc vốn theo hình thức sở hữu và đặc trưng giới tính CEO tại các nền kinh tế đang phát triển.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật về phần mềm và dữ liệu để tái lập lại mô hình nghiên cứu này là gì?

Hệ thống cần cài đặt phần mềm Stata phiên bản 15.0 trở lên (khuyến nghị Stata/MP 17.0 để tối ưu tốc độ tính toán ma trận sai số chuẩn vững) hoặc môi trường R 4.3+ (với các gói thư viện plm, sandwich, lmtest). Dữ liệu đầu vào cần được cấu trúc theo định dạng bảng chuẩn (long format) với 2 định danh: Mã ngân hàng (bank_id) và Năm tài chính (year).

2. Tại sao tỷ lệ nợ xấu (NPL) trong kết quả hồi quy tổng thể lại không có ý nghĩa thống kê?

Trong giai đoạn 2011–2021, Ngân hàng Nhà nước Việt Nam đã ban hành nhiều cơ chế phân loại và xử lý nợ linh hoạt (như bán nợ cho VAMC nhận trái phiếu đặc biệt, Thông tư 01/2020/TT-NHNN cho phép tái cơ cấu thời hạn trả nợ do COVID-19). Do đó, chi phí dự phòng rủi ro tín dụng ($LLPR$) phản ánh tác động trực tiếp và tức thì đến lợi nhuận ròng hơn là con số nợ xấu danh nghĩa ($NPL$).

3. Làm thế nào để tích hợp mô hình kinh tế lượng này vào hệ thống core banking hiện có của ngân hàng?

Mô hình có thể được triển khai dưới dạng một Microservice REST API viết bằng Python (FastAPI/Flask). Định kỳ cuối quý, dữ liệu tài chính từ Core Banking và phân hệ Quản lý nguồn vốn (Treasury System) được đẩy vào API để tính toán độ nhạy của $ROA, ROE$ theo các kịch bản biến động của đòn bẩy tài chính ($Leverage$).

4. Chi phí hoạt động (CPHD) tác động tiêu cực đến hiệu quả ngân hàng như thế nào và đâu là giải pháp khắc phục?

Kết quả định lượng cho thấy hệ số hồi quy của $CPHD$ mang giá trị âm sâu ($-0,8542$, $p < 0,01$). Điều này đồng nghĩa với việc mỗi đồng chi phí hoạt động gia tăng không đi kèm với hiệu quả doanh thu tương ứng sẽ trực tiếp bào mòn lợi nhuận sau thuế. Giải pháp cốt lõi là đẩy mạnh chuyển đổi số, giảm thiểu giao dịch tại quầy và tự động hóa thẩm định tín dụng để hạ tỷ lệ CIR xuống dưới $35%$.

5. Kết quả phân tích về giới tính của CEO mang lại hàm ý quản trị gì cho hội đồng quản trị các ngân hàng?

Nghiên cứu chỉ ra rằng CEO Nam có xu hướng khai thác đòn bẩy tài chính quyết liệt hơn để gia tăng quy mô lợi nhuận ($EBIT$), trong khi CEO Nữ điều hành theo định hướng quản trị rủi ro thận trọng, kiểm soát chặt chẽ tài sản có rủi ro. Hội đồng quản trị có thể cân đối cơ cấu thành viên ban điều hành đa dạng giới tính nhằm kết hợp hài hòa giữa chiến lược tăng trưởng nhanh và chiến lược an toàn vốn bền vững.

Kết luận

Công trình nghiên cứu của tác giả Cao Thị Thủy Tiên (2023) đã chứng minh một cách tường minh và khoa học mối quan hệ đồng biến tích cực giữa cấu trúc vốn (đo lường qua tỷ lệ đòn bẩy tài chính) và hiệu quả hoạt động kinh doanh của các ngân hàng thương mại Việt Nam giai đoạn 2011–2021. Kết quả thực nghiệm khẳng định việc tận dụng đòn bẩy hợp lý, khai thác lợi thế quy mô tổng tài sản và duy trì khả năng thanh toán tổng quát cao là động lực cốt lõi gia tăng $ROA, ROE$ và $EBIT$.

Trong giai đoạn tới, các NHTM cần chủ động đa dạng hóa các kênh huy động vốn, tối ưu hóa cơ cấu nợ Cấp 2, kiểm soát chặt chẽ tỷ lệ chi phí hoạt động (CIR) thông qua số hóa toàn diện và cân nhắc các đặc trưng quản trị lãnh đạo nhằm xây dựng hệ thống ngân hàng an toàn, thanh khoản vững chắc và sinh lời vượt trội.