Khóa luận tốt nghiệp ngân hàng analysis of the impact of macro and micro economic fluctuations on the non performing loan ratios at commercial banks in vietnam during the covid 19 era

Phân tích tác động của biến động kinh tế vĩ mô và vi mô đến tỷ lệ nợ xấu tại ngân hàng thương mại Việt Nam trong thời kỳ Covid-19.

• Tác giả: Nguyen Huy Hoang
• Người hướng dẫn: Dr. Tran Thi Thu Huong
• Trường học: Banking Academy
• Chuyên ngành: Banking
• Đề tài: Tác Động Của Biến Động Kinh Tế Đến Tỷ Lệ Nợ Xấu Tại Các Ngân Hàng Thương Mại Ở Việt Nam Trong Thời Kỳ COVID-19
• Loại tài liệu: graduation thesis
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

Mục lục chi tiết

• DECLARATION
• ACKNOWLEDGMENT
• 1. CHAPTER 1: LITERATURE REVIEW & THEORETICAL FRAMEWORK
• 1.1. Foreign research
• 1.2. Domestic research
• 1.3. Conclusion of Chapter I
• 2. CHAPTER 2: THE CURRENT STATUS OF NON - PERFORMING LOANS IN VIETNAM BANKING SYSTEM
• 2.1. An overview of Vietnam Economic
• 2.2. Gross domestic product
• 2.3. An overview of Vietnam commercial banks
• 2.4. The number of commercial banks
• 2.5. Total assets of commercial banks
• 2.6. The total loan growth of commercial bank
• 2.7. An overview of Non-performing loan
• 2.8. Non-performing loan of Vietnam Banking system
• 2.9. The Current status of Non-performing loans in Commercial banking sector
• 2.10. Conclusion of Chapter II
• 3. CHAPTER 3: DATABASE AND RESEARCH METHOD
• 3.1. Research Model selection
• 3.2. Description of variables and hypotheses
• 3.3. Evaluation of variable selection in regression analyses
• 3.4. Analysis of the result
• 3.5. Conclusion of Chapter III
• 4. CHAPTER 4: RECOMMENDATION AND SOLUTION TO HANDLE THE NON-PERFORMING LOAN IN VIETNAM COMMERCIAL BANK
• 4.1. Non-performing loan Management Solutions
• 4.2. Expanding Bank Scale and Optimizing Capital Structure
• 4.3. Strict Credit Growth Management
• 4.4. Enhancing Bad Debt Coverage
• 4.5. Balancing Profit Growth and Risk Management Objectives
• 4.6. Monitoring Macroeconomic Fluctuations
• 4.7. Limitation of the research
• 4.8. Conclusion of Chapter IV
• LIST OF ABBREVIATIONS
• LIST OF TABLE
• LIST OF FIGURE

Tóm tắt

I. Tổng Quan Về Tác Động Của Biến Động Kinh Tế Đến Tỷ Lệ Nợ Xấu

Trong bối cảnh dịch COVID-19, nền kinh tế Việt Nam đã trải qua nhiều biến động lớn. Những biến động này không chỉ ảnh hưởng đến sức khỏe cộng đồng mà còn tác động sâu sắc đến các lĩnh vực kinh tế, đặc biệt là ngành ngân hàng. Tỷ lệ nợ xấu tại các ngân hàng thương mại đã gia tăng đáng kể, gây lo ngại về sự ổn định tài chính. Theo báo cáo của Bộ Tài chính năm 2020, tỷ lệ nợ xấu đã tăng mạnh trong quý đầu tiên của năm đó, với nhiều ngân hàng ghi nhận sự gia tăng đáng kể trong nợ xấu. Việc phân tích tác động của các yếu tố kinh tế vĩ mô và vi mô đến tỷ lệ nợ xấu là rất cần thiết để hiểu rõ hơn về tình hình hiện tại.

1.1. Biến Động Kinh Tế Vĩ Mô Ảnh Hưởng Đến Ngành Ngân Hàng

Các yếu tố như GDP, lãi suất và tỷ lệ thất nghiệp đã có tác động lớn đến chất lượng tín dụng của ngân hàng. Sự suy giảm GDP trong thời kỳ COVID-19 đã dẫn đến việc gia tăng nợ xấu, khi nhiều doanh nghiệp không thể trả nợ đúng hạn.

1.2. Tác Động Của COVID 19 Đến Tỷ Lệ Nợ Xấu

Dịch COVID-19 đã làm gia tăng áp lực tài chính lên nhiều doanh nghiệp, dẫn đến sự gia tăng nợ xấu tại các ngân hàng. Nhiều ngân hàng đã phải đối mặt với tỷ lệ nợ xấu cao hơn do các khoản vay không thể thu hồi.

II. Vấn Đề Tỷ Lệ Nợ Xấu Tại Các Ngân Hàng Thương Mại Việt Nam

Tỷ lệ nợ xấu tại các ngân hàng thương mại Việt Nam đã trở thành một vấn đề nghiêm trọng trong thời kỳ COVID-19. Nhiều ngân hàng đã ghi nhận sự gia tăng nợ xấu, điều này không chỉ ảnh hưởng đến lợi nhuận mà còn đến khả năng cho vay trong tương lai. Việc quản lý nợ xấu trở nên cấp thiết hơn bao giờ hết, khi mà các ngân hàng cần phải tìm ra các giải pháp hiệu quả để giảm thiểu rủi ro.

2.1. Nguyên Nhân Gia Tăng Tỷ Lệ Nợ Xấu

Nguyên nhân chính dẫn đến tỷ lệ nợ xấu gia tăng bao gồm sự suy giảm kinh tế, các chính sách tín dụng lỏng lẻo và sự thiếu hụt thông tin về khách hàng. Các yếu tố này đã làm cho nhiều khoản vay trở nên khó thu hồi.

2.2. Hệ Lụy Của Tỷ Lệ Nợ Xấu Cao

Tỷ lệ nợ xấu cao không chỉ ảnh hưởng đến lợi nhuận của ngân hàng mà còn làm giảm khả năng cho vay, từ đó ảnh hưởng đến sự phát triển của nền kinh tế. Các ngân hàng cần phải có các biện pháp quản lý rủi ro hiệu quả để đối phó với tình hình này.

III. Phương Pháp Quản Lý Nợ Xấu Tại Ngân Hàng Thương Mại

Để giảm thiểu tỷ lệ nợ xấu, các ngân hàng thương mại cần áp dụng các phương pháp quản lý rủi ro hiệu quả. Việc cải thiện quy trình cho vay, tăng cường giám sát và đánh giá khách hàng là những bước quan trọng. Ngoài ra, việc áp dụng công nghệ thông tin trong quản lý nợ xấu cũng là một giải pháp cần thiết.

3.1. Cải Thiện Quy Trình Cho Vay

Cải thiện quy trình cho vay giúp ngân hàng đánh giá chính xác hơn khả năng trả nợ của khách hàng. Việc này bao gồm việc thu thập thông tin đầy đủ và chính xác về khách hàng trước khi cấp tín dụng.

3.2. Tăng Cường Giám Sát Và Đánh Giá Khách Hàng

Tăng cường giám sát và đánh giá khách hàng giúp ngân hàng phát hiện sớm các dấu hiệu rủi ro. Việc này có thể giúp ngân hàng đưa ra các biện pháp kịp thời để giảm thiểu nợ xấu.

IV. Ứng Dụng Thực Tiễn Và Kết Quả Nghiên Cứu

Nghiên cứu về tác động của biến động kinh tế đến tỷ lệ nợ xấu đã chỉ ra rằng các yếu tố kinh tế vĩ mô có ảnh hưởng lớn đến chất lượng tín dụng. Các ngân hàng cần phải áp dụng các biện pháp quản lý rủi ro phù hợp để đối phó với những biến động này. Kết quả nghiên cứu cũng cho thấy rằng việc cải thiện quy trình cho vay và tăng cường giám sát khách hàng có thể giúp giảm tỷ lệ nợ xấu.

4.1. Kết Quả Nghiên Cứu Về Tỷ Lệ Nợ Xấu

Kết quả nghiên cứu cho thấy rằng tỷ lệ nợ xấu đã tăng lên đáng kể trong thời kỳ COVID-19, với nhiều ngân hàng ghi nhận tỷ lệ nợ xấu cao hơn mức trung bình. Điều này cho thấy sự cần thiết phải có các biện pháp quản lý rủi ro hiệu quả.

4.2. Ứng Dụng Các Giải Pháp Quản Lý Rủi Ro

Các ngân hàng cần áp dụng các giải pháp quản lý rủi ro như cải thiện quy trình cho vay và tăng cường giám sát khách hàng để giảm thiểu tỷ lệ nợ xấu. Việc này không chỉ giúp ngân hàng ổn định tài chính mà còn góp phần vào sự phát triển của nền kinh tế.

V. Kết Luận Và Tương Lai Của Tỷ Lệ Nợ Xấu Tại Ngân Hàng

Tỷ lệ nợ xấu tại các ngân hàng thương mại Việt Nam đang đối mặt với nhiều thách thức trong bối cảnh biến động kinh tế. Việc quản lý nợ xấu hiệu quả là rất cần thiết để đảm bảo sự ổn định của hệ thống tài chính. Tương lai của tỷ lệ nợ xấu phụ thuộc vào khả năng của các ngân hàng trong việc áp dụng các biện pháp quản lý rủi ro và cải thiện chất lượng tín dụng.

5.1. Dự Đoán Tương Lai Tỷ Lệ Nợ Xấu

Dự đoán tỷ lệ nợ xấu trong tương lai sẽ phụ thuộc vào nhiều yếu tố, bao gồm tình hình kinh tế và các chính sách quản lý rủi ro của ngân hàng. Nếu các ngân hàng áp dụng hiệu quả các biện pháp quản lý, tỷ lệ nợ xấu có thể được kiểm soát tốt hơn.

5.2. Các Giải Pháp Đề Xuất Để Giảm Tỷ Lệ Nợ Xấu

Các giải pháp đề xuất bao gồm cải thiện quy trình cho vay, tăng cường giám sát và đánh giá khách hàng, cũng như áp dụng công nghệ thông tin trong quản lý nợ xấu. Những biện pháp này sẽ giúp ngân hàng giảm thiểu rủi ro và nâng cao chất lượng tín dụng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong những năm gần đây, nền kinh tế Việt Nam cũng như khu vực Đông Nam Á đã trải qua nhiều biến động và thách thức lớn xuất phát từ các sự kiện toàn cầu, đặc biệt là đại dịch COVID-19. Đại dịch không chỉ tác động trực tiếp đến y tế công cộng mà còn gây xáo trộn sâu sắc toàn bộ đời sống kinh tế - xã hội, trong đó có khu vực tài chính và hệ thống ngân hàng thương mại. Ngành ngân hàng Việt Nam đối mặt với áp lực gia tăng nợ xấu, đặt ra nhiều lo ngại về sự ổn định tài chính và khả năng chống chịu của hệ thống trước các cú sốc kinh tế.

Theo các số liệu thực tế được ghi nhận trong nghiên cứu, ngay từ quý I năm 2020, nợ xấu tại nhiều ngân hàng thương mại đã có dấu hiệu tăng vọt:

• Tại Kienlongbank, nợ xấu ghi nhận mức tăng đáng kể.
• Tại TPBank, quy mô nợ xấu tăng 53%, đạt 1.884 tỷ đồng, trong đó nhóm nợ quá hạn nghiêm trọng tăng 61%, lên mức 771 tỷ đồng.
• Các ngân hàng khác như SeABank và VIB cũng công bố tỷ lệ nợ xấu gia tăng đáng kể.

Những khoản nợ xấu phát sinh không chỉ do ảnh hưởng trực tiếp từ dịch bệnh mà còn chịu tác động đan xen từ các yếu tố kinh tế vĩ mô bên ngoài và nội tại của từng ngân hàng. Việc nghiên cứu mối quan hệ giữa biến động kinh tế và chất lượng tín dụng thông qua tỷ lệ nợ xấu có ý nghĩa quan trọng trong việc hỗ trợ các ngân hàng thương mại và cơ quan quản lý đánh giá hiệu quả của các biện pháp quản trị rủi ro tín dụng đã áp dụng.

Mục tiêu nghiên cứu: Nghiên cứu tập trung phân tích tác động của các biến động kinh tế vĩ mô và vi mô đến tỷ lệ nợ xấu tại các ngân hàng thương mại Việt Nam trong các giai đoạn trước, trong và sau thời kỳ COVID-19, từ đó cung cấp căn cứ hỗ trợ hoạch định chính sách kinh tế vĩ mô, chính sách tiền tệ và chiến lược quản trị rủi ro của các ngân hàng.

Câu hỏi nghiên cứu:

1. Đại dịch COVID-19 đã ảnh hưởng như thế nào đến nợ xấu của các ngân hàng thương mại tại Việt Nam?
2. Tác động đến nợ xấu xuất phát từ các yếu tố đặc thù của ngân hàng hay các yếu tố kinh tế vĩ mô?
3. Đại dịch COVID-19 có tác động đến nợ xấu của các ngân hàng Việt Nam không?
4. Các biến động kinh tế vĩ mô đã ảnh hưởng như thế nào đến tỷ lệ nợ xấu tại các ngân hàng thương mại Việt Nam trước và sau đại dịch COVID-19?
5. Những yếu tố kinh tế vi mô nào đã góp phần làm thay đổi tỷ lệ nợ xấu tại các ngân hàng thương mại Việt Nam trong thời kỳ COVID-19?

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Nợ xấu và tỷ lệ nợ xấu (Non-performing loans - NPLs) trong khu vực ngân hàng thương mại tại Việt Nam.
• Phạm vi không gian: Mẫu nghiên cứu thực nghiệm bao gồm 24 ngân hàng thương mại cổ phần niêm yết trên thị trường chứng khoán Việt Nam (kết hợp phân tích số liệu mở rộng của 28 ngân hàng thương mại trong phân tích thực trạng).
• Phạm vi thời gian: Giai đoạn 10 năm từ năm 2014 đến năm 2023, bao quát các chu kỳ kinh tế và thời gian diễn ra đại dịch COVID-19.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và khái niệm

Văn bản hệ thống hóa định nghĩa nợ xấu theo các tổ chức tài chính quốc tế và quy định pháp luật Việt Nam:

• Theo World Bank (WB): Nợ xấu được xác định dựa trên tiêu chí trễ hạn thanh toán và khả năng hoàn trả; các khoản nợ có vấn đề hoặc tái cơ cấu bị trễ hạn từ 90 đến 180 ngày, và khoản nợ khó đòi khi trễ hạn từ 180 đến 360 ngày.
• Theo International Monetary Fund (IMF): Nợ xấu là các khoản vay quá hạn trả gốc hoặc lãi từ 90 ngày trở lên; các khoản nợ quá hạn dưới 90 ngày nhưng có dấu hiệu rõ ràng cho thấy người vay mất khả năng trả nợ (phá sản).
• Theo Basel Committee on Banking Supervision (BCBS): Khoản vay bị coi là nợ xấu khi bên vay không thể trả nợ đầy đủ nếu không có sự can thiệp của ngân hàng, hoặc khi thời gian trả nợ bị chậm quá 90 ngày.
• Theo European Central Bank (ECB): Khoản nợ được phân loại là nợ xấu nếu quá hạn từ 90 ngày trở lên, bị phân loại suy giảm giá trị theo chuẩn mực kế toán GAAP/IFRS, hoặc bị coi là vỡ nợ theo Quy chế Yêu cầu Vốn (Capital Requirements Regulation).

Khung pháp lý tại Việt Nam: Phân loại nợ được căn cứ theo Điều 10 Thông tư số 02/2013/TT-NHNN (sửa đổi, bổ sung bởi Điều 1 Thông tư số 09/2014/TT-NHNN) và Khoản 8 Điều 3 Thông tư số 11/2021/TT-NHNN:

• Nhóm 1 - Nợ đủ tiêu chuẩn: Các khoản nợ trong hạn và được đánh giá có khả năng thu hồi đầy đủ cả gốc và lãi.
• Nhóm 2 - Nợ cần chú ý: Các khoản nợ có dấu hiệu suy giảm khả năng trả nợ trong quá trình theo dõi.
• Nhóm 3 - Nợ dưới tiêu chuẩn: Các khoản nợ quá hạn từ 90 ngày đến 180 ngày hoặc tài sản bảo đảm bị giảm giá trị.
• Nhóm 4 - Nợ nghi ngờ: Các khoản nợ có khả năng tổn thất cao, quá hạn từ 181 ngày đến 360 ngày.
• Nhóm 5 - Nợ có khả năng mất vốn: Các khoản nợ quá hạn trên 360 ngày hoặc nợ đã cơ cấu lại thời hạn trả nợ từ lần thứ ba trở lên.

Công thức tính tỷ lệ nợ xấu (NPL Ratio) được xác định như sau: $$\text{Tỷ lệ nợ xấu (NPL Ratio)} = \frac{\text{Nợ nhóm 3} + \text{Nợ nhóm 4} + \text{Nợ nhóm 5}}{\text{Tổng dư nợ cho vay}} \times 100%$$

Hệ thống các biến số trong mô hình nghiên cứu:

• Biến phụ thuộc: Tỷ lệ nợ xấu ($NPL$).
• Các biến vi mô (Bank-specific factors):
  • Quy mô ngân hàng ($SIZE$): Đo lường bằng logarit tổng tài sản.
  • Tăng trưởng tín dụng ($LG$): Đo lường bằng tỷ lệ phần trăm thay đổi dư nợ cho vay giữa các kỳ.
  • Tỷ lệ bao phủ nợ xấu ($DR$ / $DCR$ / $NPL\ Coverage\ Ratio$): Tỷ lệ giữa dự phòng rủi ro cho vay trên tổng nợ xấu.
  • Tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$): Đo lường bằng lợi nhuận sau thuế trên vốn chủ sở hữu.
  • Các biến kiểm soát và tham chiếu khác: Tỷ suất sinh lời trên tài sản ($ROA$), Tỷ lệ cho vay trên tổng tài sản ($LTA$), Nợ xấu kỳ trước ($L.NPL$).
• Các biến vĩ mô (Macroeconomic factors):
  • Tốc độ tăng trưởng kinh tế ($GDP$).
  • Tỷ lệ lạm phát ($INF$ / $CPI$).
  • Tỷ lệ thất nghiệp ($UN$).
  • Các biến vĩ mô mở rộng: Cung tiền ($M2$), Lãi suất ($IR$), Chỉ số sản xuất công nghiệp ($IPI$), Nợ công ($PD$), và biến định tính đại dịch COVID-19.

Phương pháp nghiên cứu và nguồn dữ liệu

Nghiên cứu sử dụng kết hợp các phương pháp định tính và định lượng:

• Phương pháp thống kê mô tả và so sánh: Phân tích thực trạng các chỉ tiêu tài chính, tốc độ tăng trưởng quy mô tài sản, dư nợ và nợ xấu qua các năm (2014–2023).
• Phương pháp kinh tế lượng với dữ liệu bảng (Panel Data):
  • Hồi quy OLS gộp (Pooled OLS).
  • Mô hình Tác động cố định (Fixed Effects Model - FEM).
  • Mô hình Tác động ngẫu nhiên (Random Effects Model - REM).
  • Phương pháp Hồi quy bình phương tối thiểu tổng quát (Generalized Least Squares - GLS) để xử lý các khuyết tật của mô hình như hiện tượng phương sai sai số thay đổi (heteroscedasticity) và tự tương quan (autocorrelation).
• Các kiểm định chẩn đoán mô hình:
  • Kiểm định ma trận hệ số tương quan (Correlation Matrix) và kiểm định đa cộng tuyến (Multicollinearity test).
  • Kiểm định Breusch–Pagan/Cook–Weisberg nhằm kiểm tra hiện tượng phương sai sai số thay đổi.
  • Kiểm định Hausman để lựa chọn mô hình phù hợp giữa FEM và REM.
  • Kiểm định tự tương quan Wooldridge.
• Nguồn dữ liệu: Báo cáo tài chính kiểm toán và báo cáo thường niên của các ngân hàng thương mại niêm yết, cùng hệ thống cơ sở dữ liệu thống kê của Ngân hàng Nhà nước Việt Nam (SBV).
• Công cụ thực hiện: Phần mềm Stata 17.

---

Nội dung chính theo từng chương

Chương I: Literature Review & Theoretical Framework

Chương I tổng hợp các công trình nghiên cứu trong và ngoài nước về các nhân tố tác động đến nợ xấu, đồng thời xây dựng khung lý thuyết hoàn chỉnh cho đề tài.

Các nghiên cứu quốc tế tiêu biểu:

• Zulkifli và Ahmad (2022): Nghiên cứu 26 ngân hàng thương mại tại Malaysia giai đoạn 2007–2020 bằng mô hình REM, kết luận các yếu tố vi mô ($ROA$, $LTA$, $LG$) có tác động đáng kể đến nợ xấu, trong khi tác động của các biến vĩ mô ($GDP$, lãi suất) ở mức thấp. Các cú sốc lớn như khủng hoảng tài chính toàn cầu và COVID-19 làm suy giảm chất lượng tín dụng rõ rệt.
• Ooi Kok Loang và cộng sự (2023): Phân tích tại khu vực Đông Nam Á trong bối cảnh đại dịch COVID-19, chỉ ra rằng trước đại dịch các biến đặc thù ngân hàng đóng vai trò chi phối, nhưng khi đại dịch bùng phát, các biến vĩ mô trở nên có mối liên hệ mạnh mẽ hơn đối với tỷ lệ nợ xấu.
• Louzis và cộng sự (2010, 2012): Sử dụng mô hình dữ liệu bảng động đối với hệ thống ngân hàng Hy Lạp, xác nhận $GDP$, tỷ lệ thất nghiệp và lãi suất có ảnh hưởng sâu sắc đến nợ xấu.
• Các tác giả khác như Berger và DeYoung (1997), Foos và cộng sự (2010), Salas và Saurina (2002) làm rõ tác động của quy mô ngân hàng, tăng trưởng tín dụng nóng và sức khỏe tài chính người vay tới rủi ro nợ xấu.

Các nghiên cứu trong nước:

• Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016): Nghiên cứu 32 NHTM Việt Nam giai đoạn 2007–2013 bằng mô hình FEM, REM, GMM; khẳng định $GDP$ làm giảm nợ xấu, trong khi nợ công ($PD$) làm tăng nợ xấu; các biến nợ xấu quá khứ ($L.NPL$) và tăng trưởng tín dụng ($LG$) có tác động rõ rệt.
• Đặng Thị Ngọc Lan (2019): Khảo sát 13 quốc gia khu vực Châu Á - Thái Bình Dương (2008–2017), xác định 7 biến vĩ mô ($GDP$, $IR$, $INF$, $IPI$, $UN$, $M2$, $CPI$) ảnh hưởng đến nợ xấu.
• Nguyễn Thọ Nho Quỳnh và cộng sự (2018): Áp dụng phương pháp FGLS trên 25 NHTM giai đoạn 2006–2016, cho thấy tăng trưởng kinh tế, tăng trưởng tín dụng và thất nghiệp tác động ngược chiều tới nợ xấu, trong khi lạm phát và nợ xấu năm trước tác động cùng chiều.
• Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018): Sử dụng GMM sai phân trên các NHTM cổ phần Việt Nam, chỉ ra chi phí dự phòng, chi phí hoạt động, quy mô và lạm phát làm tăng nợ xấu, trong khi thu nhập ngoài lãi, $ROE$ và tăng trưởng $GDP$ làm giảm nợ xấu.

Bên cạnh lược khảo nghiên cứu, chương I làm rõ phân loại nợ theo quy định của NHNN, phân tích các nguyên nhân chủ quan (từ khẩu vị rủi ro, năng lực quản trị rủi ro của ngân hàng, khó khăn tài chính và sự thiếu minh bạch của khách hàng) và nguyên nhân khách quan (suy thoái kinh tế, thay đổi pháp lý, các cú sốc bên ngoài).

---

Chương II: The Current Status of Non-Performing Loans in Vietnam Banking System

Chương II tập trung phân tích thực trạng kinh tế vĩ mô, cấu trúc hệ thống ngân hàng và diễn biến nợ xấu tại Việt Nam trong giai đoạn 2014–2023.

1. Bối cảnh kinh tế vĩ mô Việt Nam (2014–2023)

• Tăng trưởng GDP: Giai đoạn 2014–2022 đạt tốc độ tăng trưởng GDP thực tế bình quân khoảng 6,1%. Năm 2022 ghi nhận mức tăng trưởng cao đạt 8,0% nhờ sự phục hồi sau dịch. Năm 2023, tăng trưởng đạt khoảng 6,3% (dưới mục tiêu 6,5% của Chính phủ) do ảnh hưởng từ suy giảm kinh tế toàn cầu và giải ngân đầu tư công chậm lại. Dự báo năm 2024 đạt khoảng 6,0% - 6,5%.
• Tỷ lệ lạm phát: Năm 2015 lạm phát ở mức thấp 0,60%. Từ năm 2016 trở đi, lạm phát duy trì ổn định quanh mức 3,0%, giảm nhẹ xuống 2,80% vào năm 2020 do suy thoái kinh tế và tăng trở lại mức 3,30% vào năm 2023.
• Tỷ lệ thất nghiệp: Giai đoạn 2014–2019 dao động ổn định quanh mức 2,0%. Năm 2020 duy trì ở mức 1,99%, sau đó tăng lên 3,22% trong các năm 2021–2022 do đứt gãy chuỗi cung ứng và ảnh hưởng của dịch bệnh tới các ngành du lịch, xuất khẩu, và đạt mức 3,25% vào năm 2023.

2. Tổng quan hệ thống ngân hàng thương mại Việt Nam

Hệ thống được chia thành 4 nhóm chính: Ngân hàng thương mại nhà nước, Ngân hàng thương mại cổ phần, Ngân hàng 100% vốn nước ngoài và Ngân hàng liên doanh.

Bảng 1: Số lượng các ngân hàng thương mại tại Việt Nam giai đoạn 2014–2023 (Trích xuất từ Bảng 2.1)

Phân loại ngân hàng	2014	2015	2016	2017	2018	2019	2020	2021	2022	2023
NHTM Nhà nước	5	7	4	4	4	4	4	4	4	4
NHTM Cổ phần	33	28	31	31	31	31	31	31	31	31
Ngân hàng 100% vốn nước ngoài	5	5	8	9	9	9	9	9	9	9
Ngân hàng liên doanh	4	3	2	2	2	2	2	2	2	2
Tổng số	47	43	48	46	46	46	46	46	46	46

Quá trình tái cơ cấu và M&A diễn ra mạnh mẽ nhằm lành mạnh hóa hệ thống: sáp nhập Habubank vào Saigon Bank (2012), DaiA Bank vào HDBank (2013), MHB vào BIDV (2015), hợp nhất SCB, Ficombank và TinNghiaBank (2012), tái cơ cấu bắt buộc đối với CBBank, OceanBank, GPBank.

• Tổng tài sản hệ thống: Tăng trưởng liên tục qua các năm, từ mức 6.514 nghìn tỷ đồng (năm 2014) lên 7.319 (2015), 8.504 (2016), 10.002 (2017), 11.064 (2018), 12.578 (2019), 14.019 (2020), 16.060 (2021), 18.275 (2022) và đạt 20.073 nghìn tỷ đồng vào cuối năm 2023.
• Tốc độ tăng trưởng tín dụng: Đạt mức 14,38% năm 2014, tăng vọt lên mức đỉnh 24% vào năm 2015, sau đó giảm dần qua các năm (19,68% năm 2018; khoảng 12% vào 2020–2021 do COVID-19), hồi phục lên 14,50% năm 2022 và duy trì trên 13% năm 2023.

3. Thực trạng nợ xấu của hệ thống ngân hàng

Tỷ lệ nợ xấu trên tổng dư nợ toàn hệ thống có sự chuyển biến qua các giai đoạn:

Bảng 2: Tỷ lệ nợ xấu bình quân toàn hệ thống ngân hàng Việt Nam giai đoạn 2015–2023 (Trích xuất từ Bảng 2.2 và nội dung phân tích)

Chỉ tiêu	2015	2018	2019	2020	2021	2022	2023
Tỷ lệ nợ xấu bình quân (%)	3,07% (đỉnh quý 3,85%)	2,08%	1,87%	~1,8% - 1,9%	1,65% (quý đạt 1,92%)	Tăng trở lại	Vượt 3,0%

• Giai đoạn 2015–2021: Tỷ lệ nợ xấu giảm đều đặn từ 3,07% xuống mức thấp nhất là 1,65% vào năm 2021 nhờ các biện pháp xử lý nợ xấu và tăng trưởng kinh tế ổn định.
• Giai đoạn 2022–2023: Tỷ lệ nợ xấu đảo chiều tăng nhanh, vượt mốc 3% vào cuối năm 2023.

Bảng 3: Số liệu nợ xấu tại một số ngân hàng thương mại tiêu biểu năm 2023 (Trích xuất từ Bảng 2.3 và văn bản)

Tên ngân hàng	Quy mô nợ xấu 31/12/2023	Tỷ lệ tăng trưởng nợ xấu so với đầu năm	Ghi chú vị thế nợ xấu
Toàn bộ 28 NHTM khảo sát	194.968 tỷ đồng	+40,5%	27/28 ngân hàng ghi nhận nợ xấu tăng
BIDV	22.229 tỷ đồng	+22,9%	Đứng thứ 2 toàn ngành
VietinBank	16.608 tỷ đồng	+5,0%	Đứng thứ 3 toàn ngành
Vietcombank	Mức tăng 59.455 tỷ đồng	Tăng mạnh	Đứng thứ 6 toàn ngành
VPBank	-	-	Tỷ lệ nợ xấu/dư nợ: 28,07% (theo danh mục)
VIB	-	-	Tỷ lệ biến động/tỷ trọng: 8,33%
Kienlongbank	-	-	Tỷ lệ nợ xấu/dư nợ: 1,5%

---

Chương III: Database and Research Method

Chương III thiết lập quy trình kiểm định kinh tế lượng định lượng đối với mẫu dữ liệu bảng gồm 24 NHTM niêm yết trong giai đoạn 2014–2023.

Quy trình phân tích và hệ thống bảng kiểm định trong chương gồm:

• Lựa chọn mô hình và mô tả biến (Bảng 3.1 & 3.2): Định nghĩa các biến độc lập, biến phụ thuộc và trình bày thống kê mô tả (giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, lớn nhất).
• Phân tích tương quan và đa cộng tuyến (Bảng 3.3 & 3.4): Đánh giá ma trận tương quan giữa các biến độc lập và hệ số VIF nhằm loại trừ khả năng đa cộng tuyến nghiêm trọng.
• Hồi quy so sánh OLS, FEM và REM (Bảng 3.5): Ước lượng các mô hình hồi quy cơ sở.
• Kiểm định Breusch–Pagan/Cook–Weisberg và Kiểm định Hausman (Bảng 3.6 & 3.7): Sử dụng kiểm định Hausman để chọn mô hình FEM hay REM; kiểm định Breusch-Pagan phát hiện các sai số ngẫu nhiên.
• Kiểm định hiện tượng phương sai thay đổi và tự tương quan (Bảng 3.8 & 3.9): Xác định sự tồn tại của phương sai sai số thay đổi (Heteroscedasticity) và tự tương quan (Autocorrelation) trong dữ liệu bảng.
• Ước lượng mô hình hoàn chỉnh bằng phương pháp GLS (Bảng 3.10): Sử dụng Generalized Least Squares (GLS) để khắc phục triệt để phương sai thay đổi và tự tương quan, tạo ra các ước lượng vững và hiệu quả.

---

Chương IV: Recommendation and Solution to Handle the Non-Performing Loan in Vietnam Commercial Bank

Dựa trên kết quả phân tích định lượng và thực trạng tại Chương II và III, tác giả đưa ra 6 nhóm giải pháp thực tiễn:

1. Giải pháp quản lý nợ xấu (Non-performing loan Management Solutions): Chuẩn hóa quy trình theo dõi, thu hồi nợ và nâng cao năng lực thẩm định tín dụng ban đầu.
2. Mở rộng quy mô ngân hàng và tối ưu hóa cơ cấu vốn (Expanding Bank Scale and Optimizing Capital Structure): Khai thác lợi thế kinh tế theo quy mô để nâng cao năng lực phân tán rủi ro và đầu tư hệ thống công nghệ quản trị.
3. Quản lý chặt chẽ tăng trưởng tín dụng (Strict Credit Growth Management): Tránh tăng trưởng tín dụng nóng, kiểm soát chất lượng tín dụng đối với các lĩnh vực có rủi ro cao như bất động sản, trái phiếu doanh nghiệp.
4. Nâng cao tỷ lệ bao phủ nợ xấu (Enhancing Bad Debt Coverage): Tăng cường trích lập dự phòng rủi ro tín dụng để tạo bộ đệm an toàn vững chắc trước các cú sốc tài chính.
5. Cân bằng giữa mục tiêu tăng trưởng lợi nhuận và quản trị rủi ro (Balancing Profit Growth and Risk Management Objectives): Không đánh đổi chuẩn mực an toàn tín dụng để chạy theo tăng trưởng ROE hay lợi nhuận ngắn hạn.
6. Giám sát các biến động kinh tế vĩ mô (Monitoring Macroeconomic Fluctuations): Xây dựng hệ thống cảnh báo sớm dựa trên các chỉ số vĩ mô như tăng trưởng GDP, lạm phát, thất nghiệp và các sự kiện bất thường.

---

Kết quả và đóng góp

Kết quả chính

• Về mặt thực nghiệm: Nghiên cứu đã tổng hợp chi tiết bức tranh nợ xấu của hệ thống ngân hàng thương mại Việt Nam giai đoạn 2014–2023. Tỷ lệ nợ xấu có xu hướng giảm từ 3,07% (năm 2015) xuống 1,65% (năm 2021), nhưng đã đảo chiều tăng mạnh vượt 3,0% vào cuối năm 2023. Trong năm 2023, tổng nợ xấu của 28 NHTM đạt 194.968 tỷ đồng (tăng 40,5% so với đầu năm), với 27/28 ngân hàng có nợ xấu gia tăng.
• Về mô hình kinh tế lượng: Nghiên cứu sử dụng mô hình dữ liệu bảng kết hợp phương pháp GLS trên Stata 17 để giải quyết triệt để các khuyết tật về phương sai thay đổi và tự tương quan, đánh giá tác động đồng thời của các biến đặc thù ngân hàng ($SIZE$, $LG$, $DR$, $ROE$) và biến vĩ mô ($GDP$, $INF$, $UN$, COVID-19).

Đóng góp của đề tài

• Khóa luận cung cấp bằng chứng định lượng thực nghiệm về tác động của cú sốc đại dịch COVID-19 kết hợp với các biến động vi mô, vĩ mô đến tỷ lệ nợ xấu tại 24 NHTM niêm yết trên thị trường chứng khoán Việt Nam qua chuỗi thời gian 10 năm (2014–2023).
• Hệ thống hóa các chỉ tiêu đo lường nợ xấu theo thông lệ quốc tế (WB, IMF, BCBS, ECB) và chuẩn mực phân loại 5 nhóm nợ theo quy định của Ngân hàng Nhà nước Việt Nam (Thông tư 02/2013/TT-NHNN, 09/2014/TT-NHNN, 11/2021/TT-NHNN).
• Đề xuất khung 6 nhóm giải pháp quản trị nợ xấu đồng bộ từ cấp độ kiểm soát nội bộ ngân hàng đến theo dõi các chỉ báo vĩ mô.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế: Mẫu dữ liệu định lượng của nghiên cứu tập trung vào 24 ngân hàng thương mại cổ phần niêm yết công khai trên thị trường chứng khoán trong giai đoạn 2014–2023; một số ngân hàng chưa niêm yết hoặc ngân hàng thương mại nhà nước (như Agribank) chưa được đưa vào mô hình do tính sẵn có của dữ liệu công bố công khai.
• Hướng nghiên cứu tiếp: Mở rộng phạm vi nghiên cứu sang toàn bộ hệ thống các tổ chức tín dụng (bao gồm các ngân hàng chưa niêm yết và công ty tài chính); kéo dài chuỗi thời gian sau năm 2023 để đo lường độ trễ của tác động nợ xấu sau khi các chính sách cơ cấu nợ hỗ trợ đại dịch COVID-19 chấm dứt hiệu lực; bổ sung thêm các biến số định tính về chuẩn mực quản trị rủi ro Basel II, Basel III.

---

Giá trị tham khảo

• Đối tượng sử dụng: Khóa luận là tài liệu tham khảo cho sinh viên, học viên chuyên ngành Tài chính - Ngân hàng, Kinh tế học ứng dụng và Quản trị rủi ro ngân hàng khi thực hiện các nghiên cứu về rủi ro tín dụng và nợ xấu.
• Giá trị phương pháp luận: Cung cấp quy trình kiểm định kinh tế lượng dữ liệu bảng bài bản (thực hiện từ OLS, FEM/REM, kiểm định Hausman, kiểm định Breusch-Pagan, kiểm định phương sai thay đổi, kiểm định tự tương quan đến ước lượng khắc phục bằng mô hình GLS trên Stata 17).
• Giá trị dữ liệu: Hệ thống hóa số liệu về mạng lưới ngân hàng, tăng trưởng tín dụng, tổng tài sản và diễn biến nợ xấu của hệ thống NHTM Việt Nam trong suốt giai đoạn 2014–2023.

---

Câu hỏi thường gặp

1. Khóa luận sử dụng khung pháp lý nào của Việt Nam để xác định và phân loại nợ xấu?
Khóa luận căn cứ vào Điều 10 Thông tư số 02/2013/TT-NHNN (được sửa đổi, bổ sung bởi Điều 1 Thông tư số 09/2014/TT-NHNN) để phân loại nợ thành 5 nhóm (Nhóm 1: Nợ đủ tiêu chuẩn, Nhóm 2: Nợ cần chú ý, Nhóm 3: Nợ dưới tiêu chuẩn, Nhóm 4: Nợ nghi ngờ, Nhóm 5: Nợ có khả năng mất vốn). Đồng thời, căn cứ Khoản 8 Điều 3 Thông tư số 11/2021/TT-NHNN để xác định tỷ lệ nợ xấu nội bảng bao gồm các khoản nợ thuộc nhóm 3, nhóm 4 và nhóm 5 trên tổng dư nợ cho vay.

2. Mẫu nghiên cứu định lượng và khung thời gian của đề tài được lựa chọn như thế nào?
Nghiên cứu tập trung vào 24 ngân hàng thương mại cổ phần niêm yết trên thị trường chứng khoán Việt Nam trong giai đoạn 10 năm từ năm 2014 đến năm 2023. Ngoài ra, trong phần phân tích thực trạng năm 2023, tác giả mở rộng khảo sát số liệu nợ xấu trên 28 ngân hàng thương mại.

3. Tình hình nợ xấu tại các ngân hàng thương mại Việt Nam trong năm 2023 diễn biến ra sao theo số liệu khóa luận?
Tính đến ngày 31/12/2023, tổng nợ xấu của 28 ngân hàng thương mại đạt 194.968 tỷ đồng, tăng 40,5% so với đầu năm, với 27/28 ngân hàng ghi nhận nợ xấu tăng. Trong nhóm ngân hàng thương mại nhà nước, quy mô nợ xấu của BIDV đạt 22.229 tỷ đồng (tăng 22,9%, đứng thứ 2 toàn ngành), VietinBank đạt 16.608 tỷ đồng (tăng 5,0%, đứng thứ 3) và Vietcombank ghi nhận nợ xấu tăng 59.455 tỷ đồng (đứng thứ 6 toàn ngành).

4. Mô hình và công cụ kinh tế lượng nào được sử dụng để phân tích dữ liệu bảng trong khóa luận?
Khóa luận sử dụng phần mềm Stata 17 để thực hiện hồi quy dữ liệu bảng thông qua các mô hình OLS, FEM (Mô hình tác động cố định), REM (Mô hình tác động ngẫu nhiên) và sử dụng phương pháp GLS (Generalized Least Squares) để khắc phục các hiện tượng phương sai sai số thay đổi và tự tương quan sau khi thực hiện các kiểm định Breusch–Pagan/Cook–Weisberg, kiểm định Hausman và kiểm định tự tương quan.

5. Những nhóm giải pháp trọng tâm nào được đề xuất trong Chương IV?
Chương IV đưa ra 6 nhóm giải pháp chính gồm: (1) Quản lý nợ xấu, (2) Mở rộng quy mô ngân hàng và tối ưu hóa cơ cấu vốn, (3) Quản lý chặt chẽ tăng trưởng tín dụng, (4) Nâng cao tỷ lệ bao phủ nợ xấu, (5) Cân bằng giữa mục tiêu tăng trưởng lợi nhuận và quản trị rủi ro, và (6) Giám sát chặt chẽ các biến động kinh tế vĩ mô.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Huy Hoàng đã phân tích toàn diện tác động của các biến động kinh tế vĩ mô và vi mô đến tỷ lệ nợ xấu tại các ngân hàng thương mại Việt Nam giai đoạn 2014–2023, trong đó nhấn mạnh giai đoạn đại dịch COVID-19. Đề tài kết hợp cơ sở lý luận, khung pháp lý của Ngân hàng Nhà nước Việt Nam và thông lệ quốc tế với phương pháp hồi quy dữ liệu bảng GLS trên Stata 17 nhằm đảm bảo tính chuẩn xác của kết quả ước lượng. Các kết quả phân tích thực trạng và kiểm định mô hình là cơ sở thực tiễn để tác giả đề xuất 6 nhóm giải pháp đồng bộ nhằm kiểm soát nợ xấu và nâng cao năng lực an toàn tài chính cho hệ thống ngân hàng thương mại Việt Nam.

Trích đoạn nội dung tài liệu

BANKING ACADEMY ----------------------- GRADUATION THESIS ANALYSIS OF THE IMPACT OF MACRO AND MICRO ECONOMIC FLUCTUATIONS ON THE NON-PERFORMING LOAN RATIOS AT COMMERCIAL BANKS IN VIETNAM DURING THE COVID-19 ERA Supervisor: Dr. Tran Thi Thu Huong Student name: Nguyen Huy Hoang Student code: 23A4010898 Class: K23CLC-NHA Faculty: Banking HÀ NỘI, 2024 BANKING ACADEMY ----------------------- GRADUATION THESIS ANALYSIS OF THE IMPACT OF MACRO AND MICRO ECONOMIC FLUCTUATIONS ON THE NON-PERFORMING LOAN RATIOS AT COMMERCIAL BANKS IN VIETNAM DURING THE COVID-19 ERA Supervisor: Dr. Tran Thi Thu Huong Student name: Nguyen Huy Hoang Student code: 23A4010898 Class: K23CLC-NHA Faculty: Banking HÀ NỘI, 2024 DECLARATION I, Nguyen Huy Hoang, Declarate that this Graduation Thesis with the title of: “ANALYSIS OF THE IMPACT OF MACRO AND MICRO ECONOMIC FLUCTUATIONS ON THE NON-PERFORMING LOAN RATIOS AT COMMERCIAL BANKS IN VIETNAM DURING THE COVID-19 ERA” is my original work. It is done by myself and under the guidance and supervision of Dr.

Tran Thi Thu Huong, lecturer of the Faculty of Banking at Banking Academy of Vietnam. I certify that the content of my thesis is created fully by my own ability unless the content that was cited and referenced. Any sources of information, data, or ideas used in this thesis are duly acknowledged and cited in the appropriate manner following the prescribed referencing style. Hanoi, May 06𝑡ℎ , 2024 Nguyen Huy Hoang Nguyễn Huy Hoàng i 2024 ACKNOWLEDGMENT I would like to offer my heartfelt thanks to everyone who played a role in the successful completion of my thesis titled "Analysis of the Impact of Macro and Micro Economic Fluctuations on the Non-Performing Loan Ratios at Commercial Banks in Vietnam During the COVID-19 Era." First and foremost, my deepest appreciation goes to Dr.

Tran Thi Thu Huong, a lecturer of Banking Faculty of Banking Academy. Her invaluable guidance and insightful feedback were crucial in refining my research and elevating its quality. Additionally, I am grateful for the dedication and enthusiasm of all the lecturers at the Banking Academy, especially those in the Faculty of Banking, who have enriched my academic experience. I also owe a debt of gratitude to my colleagues and friends, whose consistent support sustained me throughout my research process.

Lastly, my profound gratitude goes to my family, whose unwavering support and understanding have been the cornerstone of my academic endeavors. Their love and encouragement remain my perennial source of motivation and inspiration. I am thankful for the chance to conduct this research and for the support and guidance I received throughout the process. This thesis could not have been realized without the combined efforts of those mentioned earlier.

I appreciate all of your invaluable contributions. Thank you to everyone involved. Hanoi, May 06𝑡ℎ , 2024 Nguyen Huy Hoang Nguyễn Huy Hoàng ii 2024 TABLE OF CONTENT DECLARATION. 1 LIST OF ABBREVIATIONS.

1 LIST OF TABLE. 1 LIST OF FIGURE. Interest of research. Objects and scope of the research.

Structure of the research. 4 CHAPTER I: LITERATURE REVIEW & THEORETICAL FRAMEWORK. An overview of Non-performing loans (NPL). Microeconomics Factor affecting Non-performing loans.

Macroeconomics Factor affecting Non-performing loans. 21 CONCLUSION OF CHAPTER I. 26 Nguyễn Huy Hoàng iii 2024 CHAPTER II: THE CURRENT STATUS OF NON - PERFORMING LOANS IN VIETNAM BANKING SYSTEM. An overview of Vietnam Economic.

Gross domestic product. An overview of Vietnam commercial banks. The number of commercial banks. Total assets of commercial banks.

The total loan growth of commercial bank. An overview of Non-performing loan. Non-performing loan of Vietnam Banking system. The Current status of Non-performing loans in Commercial banking sector.

37 CHAPTER III: DATABASE AND RESEARCH METHOD. Research Model selection. Description of variables and hypotheses. Evaluation of variable selection in regression analyses.

Analysis of the result. 66 Nguyễn Huy Hoàng iv 2024 CONCLUSION OF CHAPTER III. 70 CHAPTER IV: RECOMMENDATION AND SOLUTION TO HANDLE THE NON-PERFORMING LOAN IN VIETNAM COMMERCIAL BANK. Non-performing loan Management Solutions.

Expanding Bank Scale and Optimizing Capital Structure. Strict Credit Growth Management. Enhancing Bad Debt Coverage. Balancing Profit Growth and Risk Management Objectives.

Monitoring Macroeconomic Fluctuations. Limitation of the research. 74 CONCLUSION OF CHAPTER IV. 89 Nguyễn Huy Hoàng v 2024 LIST OF ABBREVIATIONS No.

Abbreviation Meaning 1 COVID-19 Corona Virus Disease 2019 2 GLS Generalized Least Squares 3 FEM Fix effect model 4 REM Random effects model 5 NPLs Non-performing loans 6 ROA Return on Asset 7 ROE Return on equity 8 LTA Loan to Asset ratio 9 LG Loan Growth 10 GMM Generalized method of moment 11 GDP Gross domestic product 12 PD Public debt 13 L.NPL Last year Non-performing loans 14 IR Interest rate 15 SIZE Bank’s Size 16 INF Inflation rate 17 IPI industrial production index 18 UN Unemployment rate 19 M2 Money supply 20 CPI Consumer price index 21 CAPM Capital asset pricing model 22 WB World bank Nguyễn Huy Hoàng vi 2024 23 IMF International Monetary Fund Basel Committee on Banking 24 BCBS Supervision 25 ECB The European Central Bank International Financial Reporting 26 IFRS Standards Generally accepted accounting 27 GAAP principles 28 DCR Debt coverage ratio 29 DR Debt to risk ratio Organization for Economic 30 OECD Cooperation and Development 31 SBV State bank of Vietnam 32 VND Vietnam Dong currency Nguyễn Huy Hoàng vii 2024 LIST OF TABLE Table Page Table 2.1: Number of commercial banks in Vietnam over the decade 32 Table 2.2: Ratio of NPLs Over Total Loan Outstanding by quarter in 35 Vietnam banking system Table 2.3: Overview of Non-performing loans of 28 commercial banks 37 in 2023 Table 3.1: Description of variables used in the thesis’s model 48 Table 3.2: Descriptive statistics of variables in the research 49 Table 3.3: Correlation matrix table between independent variables 53 Table 3.4: multicollinearity test 54 Table 3.5: OLS, FEM, REM regression results 55 Table 3.6: Breusch–Pagan/Cook–Weisberg test 57 Table 3.7: Hausman test For comparison of FEM and REM 58 Table 3.8: Heteroscedasticity test 60 Table 3.9: Autocorrelation test 60 Table 3.10: Model estimation results using the GLS method 60 Nguyễn Huy Hoàng viii 2024 LIST OF FIGURE Figure Page Figure 2.1: GDP growth rate of Vietnam 28 Figure 2.2: Inflation rate of Vietnam 29 Figure 2.3: The unemployment rate of Vietnam 31 Figure 2.4: Total Asset of Vietnam Banking System 34 Figure 2.5: Total Loan Growth Vietnam Banking System 35 Nguyễn Huy Hoàng ix 2024 I. Interest of research In recent years, Vietnam's economy, like many others in Southeast Asia, has faced significant challenges triggered by global events, including the COVID-19 pandemic. The pandemic has not only directly impacted public health but also profoundly affected all sectors of economic and social life, including the financial sector, particularly commercial banking. Vietnamese banks have encountered severe difficulties, highlighted by a rise in non-performing loans, raising concerns about financial stability and the banking system's resilience to economic shocks.

According to a 2020 finance ministry report, the first quarter of that year saw a sharp increase in non-performing loans among many banks. Kienlongbank experienced a worrisome surge, with bad debts increasing by 5. Additionally, TPbank's bad debts grew by 53%, reaching 1.884 trillion VND, particularly in the severely delinquent loans category, which grew by 61% to 771 billion VND. Other banks like SeABank and VIB also reported significant increases in their bad loan ratios.

These bad debts were primarily triggered by the COVID-19 pandemic, but other overlapping factors contributed to the collapse of many loans, creating hard-to-recover debt groups. Beyond the pandemic, external economic impacts also played a role in affecting the credit quality of the banking sector. The urgency of the study "Analysis of the Impact of Macro and Micro Economic Fluctuations on the Non-Performing Loan Ratios at Commercial Banks in Vietnam During the COVID-19 Era" stems from the critical need to fully and accurately assess the impacts of the pandemic and other macroeconomic factors on credit quality in the banking system. This research not only aims to provide deep insights into the relationship between macroeconomic dynamics and credit quality through non- performing loan ratios but also helps commercial banks and regulatory bodies evaluate the effectiveness of applied credit risk management measures, thereby proposing more Nguyễn Huy Hoàng 1 2024 appropriate risk management strategies and credit quality improvement tactics for the current and future context.

Objectives This study investigates the effects of macroeconomic and microeconomic fluctuations on the rate of non-performing loans before, during, and after the COVID-19 period. This research is valuable for shaping future macroeconomic policies, financial and monetary policies, aiming to minimize adverse impacts on the banking system and the broader economy. Thus, the study is not only of theoretical significance but also offers high practical value in supporting decision-making and policy formulation for banks and financial and central banking authorities. Research question ● How has the COVID-19 pandemic affected the non-performing loans of commercial banks in Vietnam ? ● Does the effect on non-performing loans comes from banks specific factors or macroeconomic factors ? ● Does the COVID-19 pandemic affect the non-performing loans of Vietnamese banks ? ● How have macroeconomic fluctuations influenced the non-performing loan ratios in Vietnamese commercial banks before and after the COVID-19 pandemic? ● What microeconomic factors have contributed to changes in the non- performing loan ratios at Vietnamese commercial banks during the COVID- 19 Nguyễn Huy Hoàng 2 2024 3.

Objects and scope of the research This research focuses on the non-performing loans within the banking sector in Vietnam, specifically targeting commercial banks. The study encompasses 24 commercial banks that are publicly listed on the Vietnamese stock market. This selection provides a comprehensive overview of the banking sector's performance and risks during the study period due to their public disclosure requirements and significant role in the economy. The timeframe for the research spans from 2014 to 2023.

This period allows for a detailed examination of the banks' financial health and stability, encompassing a timeline that includes various economic cycles and significant events, such as the COVID-19 pandemic, which had notable impacts on the financial sector. By analyzing this timeframe, the research aims to capture a broad spectrum of data on how macroeconomic and microeconomic factors influence non-performing loan ratios among these key financial institutions 4. Research methodology To achieve the research objectives, the researcher employs a variety of analytical methods. Descriptive and comparative statistics are used to outline the fundamental characteristics of the data and monitor temporal changes, providing basic summaries of the study variables.

Additionally, The methodology of my research incorporates several sophisticated econometric models to analyze the panel data effectively. This includes the use of Generalized Least Squares (GLS), which is adept at handling the specific challenges of endogeneity, heteroscedasticity, and autocorrelation in the dataset. Additionally, the study applies both Fixed Effects (FEM) and Random Effects (REM) models to assess which model best captures the dynamics of non-performing loans (NPLs) across different banks and periods. These models are crucial for analyzing data that may not fulfill the typical assumptions of ordinary least squares regression.

Diagnostic tests such as the Breusch- Pagan/Cook-Weisberg test for heteroskedasticity and the Wooldridge test for autocorrelation confirm the appropriateness of the model specifications. All analyses are Nguyễn Huy Hoàng 3 2024 conducted using Stata 17, which ensures rigorous data processing and computation efficiency. Structure of the research Based on the objective of the Research, the thesis is organized as follows: Chapter I: Literature review & Theoretical framework for the impact of macroeconomic and microeconomic on commercial bank non-performing loans ratio Chapter II: The current status of non-performing loán in vietnam banking system Chapter III: Database and Research methods and result Chapter IV: Solution and recommendations Nguyễn Huy Hoàng 4 2024 CHAPTER I: LITERATURE REVIEW & THEORETICAL FRAMEWORK 1. Foreign research NE Zulkifli and Z Ahmad conducted a study in 2022 titled "Determinants of Non- Performing Loans Amidst Unexpected Crises in Malaysia's Commercial Banks.