Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trong nền kinh tế, thực hiện chức năng phân phối vốn, làm trung gian thanh toán và truyền dẫn chính sách tiền tệ của Ngân hàng Nhà nước (NHNN). Sau khi Việt Nam gia nhập Tổ chức Thương mại Thế giới (WTO) năm 2007 và trải qua cuộc khủng hoảng tài chính toàn cầu 2007–2009, áp lực mở cửa thị trường đã thúc đẩy sự gia tăng nhanh chóng về quy mô tài sản và số lượng tổ chức tín dụng. Tuy nhiên, sự phát triển nóng cũng làm bộc lộ nhiều điểm nghẽn nghiêm trọng: sự gia tăng của nợ xấu, tình trạng sở hữu chéo phức tạp, cuộc đua lãi suất huy động và hiện tượng hạ chuẩn tín dụng để tranh giành thị phần.

Vấn đề cốt lõi đặt ra là sự đánh đổi giữa mức độ cạnh tranh và mức độ ổn định tài chính. Các lý thuyết kinh tế hiện đại đang tồn tại hai quan điểm đối nghịch:

  • Giả thuyết Cạnh tranh – Bất ổn (Competition – Fragility): Cạnh tranh khốc liệt làm xói mòn lợi nhuận biên, buộc các ngân hàng phải chấp nhận rủi ro cao hơn bằng cách tài trợ cho các dự án dưới chuẩn, dẫn tới suy giảm an toàn hệ thống (Keeley, 1990; Berger et al., 2008; Nguyễn Đức Trường et al., 2018).
  • Giả thuyết Cạnh tranh – Ổn định (Competition – Stability): Cạnh tranh thúc đẩy tối ưu hóa chi phí, giảm lãi suất cho vay thực tế, qua đó giảm gánh nặng nợ cho khách hàng và hạn chế rủi ro vỡ nợ hệ thống (Boyd & De Nicolo, 2006; Tabak et al., 2012).

Nhằm giải quyết bài toán thực nghiệm trên thị trường tài chính Việt Nam, đề tài tập trung vào ba mục tiêu nghiên cứu cụ thể:

  1. Đo lường mức độ cạnh tranh của thị trường ngân hàng Việt Nam giai đoạn 2009–2020 thông qua phương pháp phi cấu trúc hiện đại (chỉ số Boone).
  2. Đánh giá định lượng tác động của cạnh tranh (tổng thể và theo từng phân tầng mức độ) đến sự ổn định hiệu quả của hệ thống NHTM bằng phương pháp phân tích biên ngẫu nhiên (SFA) và hồi quy bình phương bé nhất tổng quát khả thi (FGLS).
  3. Đề xuất hệ thống giải pháp và hàm ý chính sách cho NHNN và ban điều hành các NHTM nhằm thiết lập trạng thái cân bằng giữa tự do hóa cạnh tranh và an toàn hoạt động.

Phạm vi nghiên cứu bao gồm bộ dữ liệu bảng không cân bằng (unbalanced panel data) của 23 NHTM cổ phần tại Việt Nam trong giai đoạn 12 năm (2009–2020) với 243 quan sát cấp ngân hàng - năm (firm-year observations), kết hợp dữ liệu kinh tế vĩ mô từ World Bank.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Việc lượng hóa tính cạnh tranh và độ ổn định ngân hàng tại các thị trường mới nổi thường gặp nhiều rào cản do tính thiếu minh bạch của dữ liệu và các biến động cấu trúc ngành.

Phương pháp đo lường Cơ chế vận hành Ưu điểm Nhược điểm / Giới hạn
Tiếp cận cấu trúc (HHI, $CR_k$) Đo lường độ tập trung thị trường dựa trên thị phần tài sản hoặc dư nợ Dễ tính toán, dữ liệu sẵn có từ báo cáo thường niên Giả định cấu trúc quyết định hành vi (mô hình SCP); không phản ánh được hiệu quả phân bổ chi phí
Tiếp cận Lerner Index Đo lường sức mạnh thị trường qua độ lệch giữa giá bán và chi phí biên Phản ánh sức mạnh định giá ở cấp độ từng ngân hàng Chủ yếu phản ánh sức mạnh thị trường tĩnh, khó theo dõi sự tiến hóa cạnh tranh của toàn ngành
Chỉ số Boone (Được chọn) Ước lượng độ co giãn của thị phần theo chi phí biên ($\beta$ từ hàm Translog) Tiếp cận động, phân bổ thị phần cho đơn vị tối ưu chi phí, khắc phục nhược điểm của SCP Đòi hỏi mô hình hóa hàm chi phí Translog đa biến phức tạp

Áp dụng phương pháp phân loại yêu cầu MoSCoW cho thiết kế mô hình:

  • Must-have: Ước lượng chi phí biên ($MC$) từ hàm chi phí Translog 3 biến đầu vào ($w_1, w_2, w_3$); lượng hóa chỉ số Boone theo từng năm; đo lường độ ổn định hiệu quả bằng kỹ thuật Stochastic Frontier Analysis (SFA); kiểm định và khắc phục hiện tượng phương sai sai số thay đổi và tự tương quan bằng mô hình FGLS.
  • Should-have: Phân tầng biến cạnh tranh thành 3 ngưỡng giả định ($HIGHCOMP$, $AVGCOMP$, $LOWCOMP$) để kiểm tra tính phi tuyến tính.
  • Could-have: So sánh tương quan giữa chỉ số Boone của Việt Nam với các khối thị trường phát triển và khu vực Mỹ Latinh.
  • Won't-have: Nghiên cứu toàn bộ 31 ngân hàng do 8 tổ chức tín dụng có dữ liệu báo cáo tài chính đứt đoạn hoặc thuộc diện kiểm soát đặc biệt.

Thiết kế hệ thống

Toàn bộ đường ống xử lý dữ liệu và ước lượng kinh tế lượng được chuẩn hóa trên môi trường Stata 13.0 / Stata MP và hệ sinh thái Python 3.10.

  • Công nghệ và Môi trường:

    • Stata 13.0/16.0: Engine thực thi các lệnh hồi quy vi mô xtreg, frontier, xtgls.
    • Python 3.10 (Pandas 2.1, NumPy 1.24): Tiền xử lý, chuẩn hóa dữ liệu bảng và tính toán các tỷ số tài chính.
    • LaTeX / Matplotlib: Trực quan hóa ma trận tương quan và hàm mật độ phân phối rủi ro.

  • Cấu trúc Dữ liệu Đầu vào (Data Schema):

    • Đầu ra ngân hàng ($Q$): Tổng tài sản tạo lập; $y_1$ (Tổng dư nợ cho vay), $y_2$ (Tổng tiền gửi), $y_3$ (Tài sản khác), $y_4$ (Thu nhập ngoài lãi).
    • Giá yếu tố đầu vào: $w_1$ (Chi phí vốn huy động = Chi phí lãi / Tổng tiền gửi), $w_2$ (Chi phí vốn vật chất = Chi phí hoạt động khác / Tài sản cố định), $w_3$ (Chi phí lao động = Chi phí lương / Tổng tài sản).
    • Biến điều khiển vi mô: $CAP$ (Vốn chủ sở hữu / Tổng tài sản), $LIQ$ (Tài sản thanh khoản / Tổng tài sản), $SIZE$ ($\ln(\text{Tổng tài sản})$), $LLP$ (Dự phòng rủi ro cho vay / Tổng dư nợ).
    • Biến vĩ mô và sở hữu: $GDP$ (Tăng trưởng GDP thực tế), $INF$ (Tỷ lệ lạm phát CPI), $PRI$ (Biến giả = 1 nếu không có vốn nhà nước, = 0 nếu có).

  • Đặc tả Toán học và Kinh tế lượng:

    Hàm chi phí Translog để xác định chi phí biên ($MC_{it}$): $$\ln C_{it} = \beta_0 + \beta_1 \ln Q_{it} + \frac{\beta_2}{2} (\ln Q_{it})^2 + \sum_{k=1}^3 \gamma_k \ln W_{k,it} + \sum_{k=1}^3 \theta_k \ln Q_{it} \ln W_{k,it} + \sum_{k=1}^3 \sum_{j=1}^3 \delta_{kj} \ln W_{k,it} \ln W_{j,it} + \epsilon_{it}$$

    Chi phí biên tương ứng: $$MC_{it} = \frac{C_{it}}{Q_{it}} \left[ \beta_1 + \beta_2 \ln Q_{it} + \sum_{k=1}^3 \theta_k \ln W_{k,it} \right]$$

    Chỉ số Boone hàng năm: $$\ln(MS_{it}) = \alpha + \sum_{t=2009}^{2020} \beta_t \ln(MC_{it}) + u_{it}$$ (Với $\beta_t$ mang giá trị âm; giá trị tuyệt đối càng lớn thể hiện cạnh tranh càng cao).

    Độ ổn định hiệu quả ($STABILITY$) qua phân tích biên ngẫu nhiên SFA: $$\ln(Z\text{-score}){it} = \alpha_0 + \sum{j} \alpha_j \ln y_{jit} + \sum_{k} \phi_k \ln w_{kit} + \frac{1}{2} \sum_{j} \sum_{m} \alpha_{jm} \ln y_{jit} \ln y_{mit} + v_{it} - u_{it}$$

    Mô hình hồi quy thực nghiệm tổng quát: $$STABILITY_{it} = \beta_0 + \beta_1 BOONE_{it} + \beta_2 LLP_{it} + \beta_3 CAP_{it} + \beta_4 SIZE_{it} + \beta_5 LIQ_{it} + \beta_6 GDP_t + \beta_7 INF_t + \beta_8 PRI_{it} + \varepsilon_{it}$$

Methodology

Nghiên cứu tuân thủ quy trình kiểm định định lượng 4 giai đoạn nghiêm ngặt:

  1. Làm sạch dữ liệu bảng: Xử lý giá trị ngoại lai (winsorization ở mức 1% và 99%), loại bỏ các quan sát thiếu biến mục tiêu.
  2. Kiểm định mô hình lựa chọn: Tiến hành kiểm định $F$-test (chọn giữa Pooled OLS và FEM), kiểm định Breusch-Pagan Lagrange Multiplier (chọn giữa Pooled OLS và REM), và kiểm định Hausman Specification Test để lựa chọn giữa FEM và REM.
  3. Chẩn đoán khuyết tật mô hình:
    • Đa cộng tuyến: Kiểm tra hệ số phóng đại phương sai (Variance Inflation Factor - VIF).
    • Tự tương quan: Kiểm định Wooldridge test cho dữ liệu bảng ($H_0$: không có tự tương quan bậc một).
    • Phương sai thay đổi: Kiểm định Modified Wald test cho mô hình FEM / Breusch-Pagan test.
  4. Hiệu chỉnh khuyết tật: Ứng dụng kỹ thuật Hồi quy Bình phương bé nhất Tổng quát Khả thi (FGLS - xtgls, panels(hetero) corr(ar1)) để thu được các ước lượng vững (robust and efficient estimators).

Implementation và kết quả

Development process

Quá trình triển khai mã nguồn phân tích kinh tế lượng được tự động hóa hoàn toàn thông qua Stata do-files:

* ====================================================================
* GIAI ĐOẠN 1: TÍNH TOÁN CHI PHÍ BIÊN (MC) QUA HÀM TRANSLOG COST
* ====================================================================
gen ln_C  = ln(total_cost)
gen ln_Q  = ln(total_assets)
gen ln_Q2 = 0.5 * (ln_Q)^2
gen ln_w1 = ln(w1_deposit_cost)
gen ln_w2 = ln(w2_physical_cost)
gen ln_w3 = ln(w3_labor_cost)

* Tạo các biến tương tác
gen ln_Q_w1 = ln_Q * ln_w1
gen ln_Q_w2 = ln_Q * ln_w2
gen ln_Q_w3 = ln_Q * ln_w3

* Hồi quy hàm chi phí Translog
regress ln_C ln_Q ln_Q2 ln_w1 ln_w2 ln_w3 ln_Q_w1 ln_Q_w2 ln_Q_w3

* Trích xuất chi phí biên (MC)
predict b_ln_Q, xb
gen MC = (total_cost / total_assets) * (_b[ln_Q] + _b[ln_Q2]*ln_Q + ///
         _b[ln_Q_w1]*ln_w1 + _b[ln_Q_w2]*ln_w2 + _b[ln_Q_w3]*ln_w3)

* ====================================================================
* GIAI ĐOẠN 2: ƯỚC LƯỢNG CHỈ SỐ BOONE TỪNG NĂM
* ====================================================================
gen ln_MS = ln(loan_market_share)
gen ln_MC = ln(MC)

* Tạo biến tương tác theo từng năm từ 2009 đến 2020
forvalues y = 2009/2020 {
    gen d_`y' = (year == `y')
    gen ln_MC_`y' = ln_MC * d_`y'
}
regress ln_MS ln_MC_2009-ln_MC_2020 d_2009-d_2020, noconstant

* ====================================================================
* GIAI ĐOẠN 3: HỒI QUY FGLS KHẮC PHỤC KHUYẾT TẬT MÔ HÌNH
* ====================================================================
* BOONE_INV là biến tỷ lệ thuận với cạnh tranh (-1 * Boone)
xtset bank_id year
xtgls STABILITY BOONE_INV LLP CAP SIZE LIQ GDP INF PRI, ///
      panels(heteroskedastic) corr(ar1)

Testing và validation

Kết quả chẩn đoán mô hình thực nghiệm bộc lộ các khuyết tật điển hình của dữ liệu bảng ngành tài chính:

  • Đa cộng tuyến: Hệ số $VIF$ trung bình đạt 1.48 (tất cả các biến đều có $VIF < 2.5$), thấp hơn nhiều so với ngưỡng cảnh báo 10.0 $\rightarrow$ Loại trừ khả năng đa cộng tuyến nghiêm trọng.
  • Kiểm định Hausman: $p\text{-value} = 0.0012 < 0.05 \rightarrow$ Bác bỏ $H_0$, mô hình tác động cố định (FEM) phù hợp hơn mô hình tác động ngẫu nhiên (REM).
  • Kiểm định Phương sai sai số thay đổi (Modified Wald Test): $\chi^2(23) = 1482.35$, $p\text{-value} = 0.0000 < 0.01 \rightarrow$ Hiện tượng phương sai thay đổi xuất hiện trên toàn bộ các nhóm ngân hàng.
  • Kiểm định Tự tương quan (Wooldridge Test): $F(1, 22) = 8.941$, $p\text{-value} = 0.0067 < 0.05 \rightarrow$ Xuất hiện tự tương quan bậc nhất $AR(1)$.

Kết quả đạt được

Hồi quy FGLS cho thấy bức tranh rõ nét về mối quan hệ giữa cấu trúc cạnh tranh và sự an toàn hệ thống:

Biến độc lập Hệ số hồi quy ($\beta$) Sai số chuẩn Giá trị $z$ $p\text{-value}$ Ý nghĩa kinh tế
BOONE -0.0842 0.0195 -4.32 0.000*** Cạnh tranh tăng làm giảm độ ổn định hệ thống
LLP +0.3125 0.0841 3.72 0.000*** Dự phòng rủi ro cao tăng khả năng chống chịu cú sốc
CAP +0.0458 0.0112 4.09 0.000*** Tỷ lệ an toàn vốn cao củng cố độ ổn định
SIZE +0.0031 0.0048 0.65 0.518 Quy mô tài sản chưa có tác động rõ rệt
LIQ -0.0124 0.0156 -0.79 0.427 Tỷ lệ thanh khoản không có ý nghĩa thống kê
GDP +0.0089 0.0071 1.25 0.210 Tăng trưởng kinh tế vĩ mô có xu hướng hỗ trợ
INF -0.0214 0.0063 -3.40 0.001*** Lạm phát cao làm xói mòn khả năng trả nợ
PRI +0.0512 0.0187 2.74 0.006*** Khối NHTM cổ phần tư nhân vận hành linh hoạt hơn

*Ghi chú: *** thể hiện mức ý nghĩa thống kê 1%.

Khi phân tách thành các biến phân tầng cạnh tranh:

  • Biến $HIGHCOMP$ mang hệ số âm có ý nghĩa ở mức 1% ($\beta = -0.0618, p = 0.002$), biến $AVGCOMP$ mang hệ số âm ($\beta = -0.0415, p = 0.031$).
  • Biến $LOWCOMP$ mang hệ số dương có ý nghĩa ($\beta = +0.0724, p = 0.001$).
  • Kết luận định lượng: Hệ thống ngân hàng Việt Nam vận hành ổn định trong điều kiện mức độ cạnh tranh thấp (hàm ý có sự ngầm liên kết, phân chia thị trường tương đối ổn định), và gia tăng hành vi chấp nhận rủi ro khi môi trường cạnh tranh chuyển sang mức độ khốc liệt.

Đổi mới và đóng góp

Nghiên cứu mang lại 3 đóng góp khoa học và thực tiễn quan trọng:

  1. Ứng dụng chỉ số Boone chuỗi động: Thay vì sử dụng các chỉ số tĩnh như HHI hay Lerner truyền thống, nghiên cứu lần đầu tiên áp dụng chỉ số Boone tách lớp theo từng năm (2009–2020) tại Việt Nam, phản ánh chính xác chu kỳ tái cơ cấu ngân hàng theo Đề án 254.
  2. Chuẩn hóa biến phụ thuộc qua SFA: Khắc phục nhược điểm của chỉ số Z-Score thông thường (vốn giả định mọi ngân hàng đều hoạt động hiệu quả như nhau) bằng cách sử dụng Stochastic Frontier Analysis để đo lường "độ ổn định hiệu quả tiệm năng".
  3. Phát hiện thực nghiệm đối lập với thị trường phát triển: Trong khi các nghiên cứu tại EU (Schaeck & Cihák, 2013) ủng hộ quan điểm Competition – Stability, bối cảnh Việt Nam tái khẳng định quan điểm Competition – Fragility do sự tồn tại của tình trạng bất cân xứng thông tin và các hành vi cạnh tranh phi chuẩn mực.
Tiêu chí so sánh Nguyễn Đức Trường et al. (2018) Võ Xuân Vinh & Đặng Bửu Kiệm (2016) Nghiên cứu này (2022)
Thước đo Cạnh tranh Lerner Index, HHI cho vay/tiền gửi Lerner Index Chỉ số Boone động từng năm
Thước đo Ổn định Z-score thô, NPL, Tỷ lệ vốn Z-score thông thường Độ ổn định hiệu quả qua SFA
Giai đoạn nghiên cứu 2006 – 2017 2006 – 2014 2009 – 2020 (Bao gồm COVID-19)
Phương pháp xử lý System-GMM Fixed Effects / Random Effects FGLS hiệu chỉnh AR(1) & Heteroskedasticity
Phân tích ngưỡng Không phân tách Tuyến tính đơn thuần Phân tách 3 mức: High, Avg, Low Comp

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở dữ liệu định lượng giá trị cao cho việc hoạch định chính sách vĩ mô và quản trị rủi ro vi mô:

Dành cho Cơ quan Quản lý (NHNN)

  • Xây dựng hệ thống cảnh báo sớm rủi ro hệ thống: Sử dụng hệ số co giãn Boone làm chỉ số giám sát vĩ mô định kỳ. Khi chỉ số Boone âm đột biến (cạnh tranh tăng nhiệt quá mức), NHNN cần thắt chặt tỷ lệ an toàn vốn (CAR) và kiểm soát hạn mức tăng trưởng tín dụng (credit room).
  • Định hình lộ trình tái cấu trúc ngành: Tiếp tục khuyến khích các thương vụ sáp nhập, hợp nhất tự nguyện giữa các tổ chức tín dụng yếu kém nhằm giảm bớt số lượng ngân hàng quy mô nhỏ hoạt động kém hiệu quả, hạn chế tình trạng cạnh tranh phá giá lãi suất.
  • Hoàn thiện chính sách an toàn vĩ mô (Macroprudential Policies): Kết hợp hài hòa giữa chính sách bảo vệ cạnh tranh và yêu cầu thanh tra giám sát tuân thủ chuẩn mực Basel II, tiến tới Basel III.

Dành cho Ban điều hành NHTM

  • Chuyển đổi mô hình kinh doanh: Giảm dần sự phụ thuộc vào thu nhập lãi thuần (NII) bằng cách đẩy mạnh dịch vụ tài chính số và thu nhập ngoài lãi ($y_4$), giảm áp lực cạnh tranh trực diện trên thị trường tín dụng truyền thống.
  • Tối ưu hóa hàm chi phí đầu vào ($w_1, w_2, w_3$): Ứng dụng chuyển đổi số toàn diện nhằm giảm chi phí hoạt động ($CIR$), hạ thấp chi phí biên ($MC$) để duy trì vị thế cạnh tranh tự nhiên mà không cần hạ chuẩn cấp tín dụng.
  • Gia tăng tỷ lệ bao phủ nợ xấu ($LLP$): Kết quả nghiên cứu chứng minh hệ số $\beta_{LLP} = +0.3125$, khẳng định việc chủ động trích lập dự phòng đầy đủ là bộ đệm hấp thu cú sốc hiệu quả nhất khi thị trường đảo chiều.

Hạn chế và hướng phát triển

Mặc dù đạt được những kết quả có ý nghĩa thực tiễn, đề tài vẫn tồn tại một số giới hạn nghiên cứu:

  • Quy mô mẫu dữ liệu: Mẫu nghiên cứu dừng lại ở 23 NHTM do rào cản công bố thông tin tài chính không đồng nhất của một số ngân hàng thương mại nhỏ và ngân hàng liên doanh.
  • Chỉ tiêu đo lường đơn lẻ: Đề tài chỉ sử dụng duy nhất chỉ số Boone để phản ánh cạnh tranh mà chưa kết hợp kiểm định chéo (cross-validation) đồng thời với chỉ số thống kê $H$ (Rosse-Panzar) hoặc Lerner Index điều chỉnh.
  • Tác động tương tác chuyên sâu: Chưa đưa vào mô hình các biến tương tác giữa quy mô ngân hàng với mức độ cạnh tranh ($SIZE \times BOONE$) hoặc tỷ lệ vốn chủ sở hữu với cạnh tranh ($CAP \times BOONE$).

Định hướng mở rộng cho các nghiên cứu tiếp theo:

  • Mở rộng chuỗi dữ liệu sau năm 2020 để đánh giá đầy đủ tác động của đại dịch COVID-19 và chu kỳ siết chặt tiền tệ toàn cầu giai đoạn 2022–2024.
  • Ứng dụng phương pháp hồi quy GMM hai bước (Two-step System GMM) để xử lý triệt để hiện tượng nội sinh tiềm ẩn giữa cạnh tranh và khả năng sinh lời.
  • Bổ sung các chỉ số đo lường mức độ số hóa ngân hàng (Digital Banking Index) như một biến điều tiết mới trong bối cảnh bùng nổ Fintech.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học ngành Tài chính – Ngân hàng: Tiếp cận phương pháp nghiên cứu thực nghiệm chuẩn mực, nắm vững quy trình xử lý dữ liệu bảng Translog và kỹ thuật hồi quy FGLS trên Stata.
  • Chuyên viên Phân tích Dữ liệu Tài chính / Quant Developers: Sở hữu bộ code mẫu Stata hoàn chỉnh từ khâu tính toán chi phí biên đến ước lượng biên ngẫu nhiên SFA.
  • Lãnh đạo & Quản trị viên NHTM: Có bằng chứng định lượng thuyết phục để xây dựng chiến lược tăng trưởng thị phần an toàn, cân bằng giữa bài toán lợi nhuận và bộ đệm rủi ro vốn ($CAP$).
  • Nhà hoạch định chính sách tại NHNN: Tài liệu tham khảo độc lập hỗ trợ thiết kế các quy chế an toàn hoạt động ngành, định hướng thị trường cạnh tranh lành mạnh.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập kết quả nghiên cứu?

Hệ thống cần cài đặt phần mềm Stata phiên bản từ 13.0 trở lên (khuyến nghị Stata 16/17 MP để tăng tốc xử lý dữ liệu bảng lớn), bộ nhớ RAM tối thiểu 4GB. Dữ liệu đầu vào cần cấu trúc chuẩn theo định dạng Long-format panel dataset với hai định danh chính là bank_id và year.

2. Vì sao chỉ số Boone lại mang giá trị âm và cách diễn giải như thế nào?

Theo lý thuyết của Boone (2008), trong một thị trường cạnh tranh hiệu quả, ngân hàng có chi phí biên ($MC$) thấp hơn sẽ giành được thị phần ($MS$) lớn hơn. Do đó, hệ số co giãn giữa thị phần và chi phí biên ($\beta$) luôn mang dấu âm. Giá trị $\beta$ có giá trị tuyệt đối càng lớn (càng âm) thì mức độ cạnh tranh của thị trường đó càng khốc liệt.

3. Tại sao mô hình FGLS được ưu tiên hơn Fixed Effects (FEM) trong nghiên cứu này?

Qua các bước kiểm định chẩn đoán, dữ liệu bảng của 23 NHTM đồng thời xuất hiện hai khuyết tật kinh tế lượng nghiêm trọng: Phương sai sai số thay đổi giữa các ngân hàng ($p < 0.001$) và Tự tương quan bậc một ($p = 0.0067$). Hồi quy OLS hoặc FEM thông thường sẽ cho sai số chuẩn bị chệch, dẫn đến suy diễn thống kê sai lầm. FGLS cho phép ước lượng cấu trúc ma trận hiệp phương sai sai số tổng quát, đảm bảo tính vững và hiệu quả.

4. Kết quả nghiên cứu có mâu thuẫn với xu hướng khuyến khích cạnh tranh của kinh tế thị trường không?

Không mâu thuẫn. Nghiên cứu chỉ ra rằng cạnh tranh không lành mạnh hoặc cạnh tranh quá mức trong điều kiện giám sát lỏng lẻo sẽ làm tăng rủi ro hệ thống. Do đó, mục tiêu không phải là triệt tiêu cạnh tranh mà là kiểm soát cạnh tranh trong khuôn khổ an toàn vĩ mô, khuyến khích cạnh tranh dựa trên chất lượng dịch vụ và công nghệ thay vì chạy đua nới lỏng tiêu chuẩn tín dụng.

5. Chi phí triển khai hệ thống cảnh báo sớm dựa trên mô hình này là bao nhiêu?

Chi phí triển khai rất tối ưu do chỉ sử dụng dữ liệu báo cáo tài chính định kỳ sẵn có theo quy định công bố thông tin của NHNN. Các khối quản trị rủi ro có thể tích hợp trực tiếp thuật toán vào Data Warehouse hiện hữu mà không cần mua thêm dữ liệu từ bên thứ ba.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra:

  • Chứng minh định lượng sự tồn tại của mối quan hệ ngược chiều giữa mức độ cạnh tranh và sự ổn định của hệ thống ngân hàng Việt Nam trong giai đoạn 2009–2020 ($\beta = -0.0842, p < 0.01$), qua đó ủng hộ vững chắc cho giả thuyết Competition – Fragility.
  • Xác thực vai trò bảo vệ của các nhân tố nội tại: Nâng cao tỷ lệ vốn chủ sở hữu ($CAP$), gia tăng tỷ lệ trích lập dự phòng ($LLP$) và duy trì tỷ lệ lạm phát thấp ($INF$) là những trụ cột then chốt bảo đảm an toàn hệ thống.
  • Đặt nền móng phương pháp luận mới tại Việt Nam thông qua việc kết hợp chỉ số Boone chuỗi thời gian động và phân tích biên ngẫu nhiên SFA.

Các phát hiện thực nghiệm này là nguồn tư liệu quý giá cho các nhà nghiên cứu, nhà quản trị ngân hàng và cơ quan quản lý tiền tệ trong việc định hình chiến lược phát triển bền vững cho hệ thống tài chính quốc gia.