Tổng quan về luận án

Trong cấu trúc kinh tế vĩ mô hiện đại, hệ thống ngân hàng thương mại (NHTM) đóng vai trò là huyết mạch luân chuyển vốn, đảm nhiệm chức năng tạo tiền và cung ứng thanh khoản cho toàn bộ nền kinh tế. Tuy nhiên, giác độ vận hành của định chế tài chính trung gian mang tính đặc thù sâu sắc khi tổng tài sản được tài trợ chủ yếu bằng nguồn vốn nợ bên ngoài, tạo nên mức đòn bẩy tài chính vượt trội so với các doanh nghiệp phi tài chính. Luận án tiến sĩ kinh tế chuyên ngành Tài chính – Ngân hàng (Mã số: 9.01) của tác giả Phạm Thị Hồng Nhung (2023) tại Trường Đại học Ngân hàng TP. Hồ Chí Minh, dưới sự hướng dẫn khoa học của PGS. TS. Đoàn Thanh Hà và TS. Bùi Đan Thanh, mang tên: "Tác động của cấu trúc vốn đến lợi nhuận và rủi ro của các ngân hàng thương mại Việt Nam", đã thiết lập một nghiên cứu thực nghiệm tiên phong, toàn diện về mối quan hệ động giữa các thành phần cấu trúc vốn, hiệu quả sinh lời và sự ổn định an toàn hệ thống.

Khoảng trống nghiên cứu (research gap) trọng yếu được nhận diện xuất phát từ thực trạng phần lớn các công trình thực nghiệm trước đây tại Việt Nam và quốc tế thường áp dụng cơ chế đo lường cấu trúc vốn của doanh nghiệp phi tài chính (tổng nợ/tổng tài sản hoặc nợ/vốn chủ sở hữu) vào lĩnh vực ngân hàng (Al-Omari, 2021; Jadah et al., 2020), từ đó bỏ qua bản chất phân hóa giữa tiền gửi khách hàng và nợ thị trường phi tiền gửi. Mặt khác, các nghiên cứu trước đây tại Việt Nam chủ yếu dựa trên trường phái xác suất tần suất truyền thống (Frequentist) như FEM, REM, GMM (Lê Ngọc Quỳnh Anh và cộng sự, 2020; Nguyễn Minh Hà và Nguyễn Bá Hướng, 2015), vốn bộc lộ hạn chế cố hữu về tính chuẩn xác khi xử lý tập mẫu nhỏ trong không gian dữ liệu biến động mạnh.

Luận án tập trung giải quyết 3 câu hỏi nghiên cứu cốt lõi:

  1. Mức độ và chiều hướng tác động của các cấu phần cấu trúc vốn đến khả năng sinh lời của các NHTM Việt Nam giai đoạn 2012–2020 diễn ra như thế nào?
  2. Mức độ và chiều hướng tác động của cấu trúc vốn đến mức độ rủi ro và xác suất mất khả năng thanh toán của các NHTM Việt Nam được định lượng ra sao?
  3. Dựa trên khung lý thuyết nào để xây dựng mô hình cấu trúc vốn tối ưu, cân bằng giữa bài toán tối đa hóa lợi nhuận và kiểm soát rủi ro phá sản trong bối cảnh tái cơ cấu ngân hàng?

Hệ thống giả thuyết nghiên cứu được kiểm định bao gồm:

  • $H1$: Tiền gửi khách hàng (DEP) tác động nghịch chiều đến tỷ suất sinh lời (ROA, ROE).
  • $H2$: Nợ phi tiền gửi (NONDEP) tác động thuận chiều đến khả năng sinh lời.
  • $H3$: Vốn ngân hàng (CAP) tác động tích cực đến ROA nhưng tác động ngược chiều đến ROE.
  • $H4$: Tiền gửi khách hàng (DEP) làm gia tăng chỉ số ổn định tài chính (giảm rủi ro vỡ nợ).
  • $H5$: Nợ phi tiền gửi (NONDEP) làm suy giảm chỉ số Z-score (tăng rủi ro hệ thống).
  • $H6$: Vốn ngân hàng (CAP) có xu hướng làm suy giảm Z-score (gia tăng hành vi chấp nhận rủi ro).

Phạm vi nghiên cứu bao quát dữ liệu kiểm toán giai đoạn 2012–2020 từ 30 NHTM Việt Nam, đại diện cho khoảng 86% tổng tài sản của toàn bộ hệ thống ngân hàng thương mại, đặt trong bối cảnh tái cơ cấu quyết liệt theo Quyết định số 254/QĐ-TTg của Thủ tướng Chính phủ và sự thực thi của Luật các Tổ chức tín dụng số 17/2017/QH14.

+-------------------------------------------------------------------------------+
|                       KHUNG TỔNG QUAN LUẬN ÁN TIẾN SĨ                         |
+-------------------------------------------------------------------------------+
| Đề tài: Tác động của cấu trúc vốn đến lợi nhuận và rủi ro của NHTM Việt Nam   |
| Tác giả: NCS. Phạm Thị Hồng Nhung | Đơn vị: Trường Đại học Ngân hàng TP.HCM   |
| Dữ liệu: 30 NHTM Việt Nam (2012 - 2020) | Tỷ trọng đại diện: ~86% tổng tài sản|
| Phương pháp: Hồi quy tuyến tính Bayes qua thuật toán lấy mẫu Gibbs (MCMC)    |
| Biến CTV cốt lõi: DEP (Tiền gửi), NONDEP (Nợ phi tiền gửi), CAP (Vốn CSH)     |
| Biến mục tiêu: Lợi nhuận (ROA, ROE) & Rủi ro phá sản (lnZ-score)             |
+-------------------------------------------------------------------------------+

Literature Review và Positioning

Khảo sát tổng quan tài liệu học thuật quốc tế và trong nước cho thấy sự phân hóa rõ nét giữa hai luồng quan điểm lý thuyết và kết quả thực nghiệm về mối liên hệ giữa đòn bẩy tài chính, hiệu quả hoạt động và sự an toàn của định chế ngân hàng.

Ở luồng nghiên cứu về lợi nhuận, trường phái ủng hộ lý thuyết chi phí đại diện (Agency Cost Theory) khẳng định rằng việc gia tăng đòn bẩy tài chính thúc đẩy nhà quản trị tối ưu hóa hiệu quả vận hành để đáp ứng nghĩa vụ trả nợ, hạn chế dòng tiền tự do phục vụ lợi ích cá nhân (Jensen & Meckling, 1976). Tiêu biểu như nghiên cứu của Berger và di Patti (2006) trên 695 NHTM Mỹ giai đoạn 1990–1995 bằng phương pháp 2SLS đã chứng minh tỷ lệ đòn bẩy tài chính cao giúp ngân hàng đạt mức sinh lời vượt trội trên vốn chủ sở hữu (ROE). Tương tự, Pratomo và Ismail (2006) khi kiểm định 15 NHTM Malaysia giai đoạn 1997–2004 cũng xác nhận đòn bẩy tài chính tác động cùng chiều đến hiệu quả lợi nhuận. Ngược lại, luồng nghiên cứu đối nghịch chỉ ra đòn bẩy quá cao làm tăng chi phí kiệt quệ tài chính và chi phí lãi vay, làm xói mòn lợi nhuận ròng. Anarfo và Appiahene (2017) khảo sát tại 37 quốc gia khu vực Hạ Sahara hay Al-Kayed và cộng sự (2014) nghiên cứu 85 ngân hàng Hồi giáo tại 19 quốc gia đều chỉ ra rằng đòn bẩy nợ cao làm suy giảm tỷ suất sinh lời, trong khi tỷ lệ an toàn vốn chủ sở hữu tác động tích cực đến ROA. Tại Việt Nam, nghiên cứu của Trần Việt Dũng (2014) trên 22 NHTM cũng ghi nhận tác động tiêu cực của đòn bẩy tài chính đến lợi nhuận.

Đối với chiều kích rủi ro, một bộ phận học giả chứng minh đòn bẩy nợ làm tăng mức độ bất ổn định tài chính (Pricillia, 2015 tại Indonesia; Bhagat et al., 2015; Lê Ngọc Quỳnh Anh và cộng sự, 2020 tại Việt Nam). Tuy nhiên, Mercan (2021) tại Georgia và Saif-Alyousfi & Saha (2020) tại các nước Hội đồng Hợp tác Vùng Vịnh (GCC) giai đoạn 1998–2017 lại tìm thấy bằng chứng ngược lại khi đòn bẩy tài chính làm giảm thiểu rủi ro hoạt động nhờ kỷ luật thị trường từ phía người gửi tiền.

Vị vị trí học thuật (Positioning), luận án đã giải quyết trực diện điểm nghẽn của các nghiên cứu tiền nhiệm thông qua hai bước đột phá:

  1. Tách biệt cấu trúc nợ theo đề xuất của Gropp và Heider (2010) cùng Sibindi (2018) thành tiền gửi khách hàng (DEP) và nợ phi tiền gửi (NONDEP), thừa nhận rằng: "cấu trúc vốn của NHTM có sự khác biệt rất lớn với CTV của doanh nghiệp phi tài chính".
  2. Đánh giá đồng thời cả hai mặt đánh đổi (trade-off) giữa Lợi nhuận (ROA, ROE) và Rủi ro vỡ nợ (chỉ số Z-score) trong cùng một khung phân tích thống nhất cho hệ thống ngân hàng tại một nền kinh tế mới nổi đang chuyển đổi mô hình giám sát an toàn vi mô sang vĩ mô.

Đóng góp lý thuyết và khung phân tích

+-------------------------------------------------------------------------------+
|                      KHUNG PHÂN TÍCH VÀ CƠ SỞ LÝ THUYẾT                       |
+-------------------------------------------------------------------------------+
|  +-------------------------------------------------------------------------+  |
|  | NỀN TẢNG LÝ THUYẾT:                                                     |  |
|  | - Lý thuyết Đánh đổi (Trade-off Theory - Kraus & Litzenberger, 1973)    |  |
|  | - Lý thuyết Trật tự phân hạng (Pecking Order Theory - Myers, 1984)      |  |
|  | - Lý thuyết Đại diện (Agency Theory - Jensen & Meckling, 1976)          |  |
|  | - Lý thuyết Quyền lực thị trường (MP) & Cấu trúc hiệu quả (ES)          |  |
|  | - Chuẩn mực Giám sát An toàn Vốn (Hiệp ước Basel I, II, III)            |  |
|  +-------------------------------------------------------------------------+  |
|                                       |                                       |
|                                       v                                       |
|  +---------------------------+                 +---------------------------+  |
|  |  CẤU TRÚC VỐN NHTM        |                 |   HIỆU NĂNG VÀ AN TOÀN    |  |
|  |  - Tiền gửi (DEP)         |  Bayesian MCMC  |   - Lợi nhuận: ROA, ROE   |  |
|  |  - Nợ phi tiền gửi(NONDEP)| --------------> |   - Rủi ro: ln(Z-score)   |  |
|  |  - Vốn ngân hàng (CAP)    | (Gibbs Sampling)|                           |  |
|  +---------------------------+                 +---------------------------+  |
|                                       |                                       |
|                                       v                                       |
|  +-------------------------------------------------------------------------+  |
|  | BIẾN KIỂM SOÁT: Quy mô (SIZE), Tăng trưởng tín dụng (LOAN_GR),          |  |
|  | Dự phòng rủi ro tín dụng (LLP), Tăng trưởng GDP (GDP_GR), Lạm phát (INF)|  |
|  +-------------------------------------------------------------------------+  |
+-------------------------------------------------------------------------------+

Đóng góp cho lý thuyết

Luận án mở rộng và kiểm chứng tính tương thích của 4 hệ thống lý thuyết tài chính kinh điển trong môi trường thị trường tài chính cận biên:

  • Lý thuyết Đánh đổi Cấu trúc vốn (Trade-off Theory - Kraus & Litzenberger, 1973): Khẳng định sự tồn tại của cấu trúc vốn mục tiêu tại các NHTM. Vốn tự có đóng vai trò như "tấm đệm tài chính, giúp giảm thiểu các rủi ro cũng như các khoản lỗ có thể phát sinh trong tương lai (Ahmad and Albaity 2019)". Tuy nhiên, chi phí vốn chủ sở hữu cao tạo ra sự đánh đổi rõ rệt với việc tận dụng lá chắn thuế từ nợ.
  • Lý thuyết Chi phí Đại diện (Agency Cost Theory - Jensen & Meckling, 1976): Làm sáng tỏ xung đột lợi ích ba bên giữa cổ đông, nhà quản lý điều hành và chủ nợ/người gửi tiền. Việc gia tăng nợ phi tiền gửi (NONDEP) kích hoạt cơ chế giám sát từ các tổ chức tài chính chuyên nghiệp, giảm thiểu hiện tượng đầu tư dưới mức hoặc lạm dụng vốn, thúc đẩy lợi nhuận nhưng đồng thời đẩy mức độ rủi ro danh mục lên cao hơn.
  • Lý thuyết Quyền lực Thị trường (Market Power - Bain, 1951; Smirlock, 1985) và Lý thuyết Cấu trúc Hiệu quả (Efficient Structure - Demsetz, 1973): Minh định cơ chế tạo sinh lợi nhuận ngân hàng không chỉ là hàm số của mức độ tập trung thị trường mà chịu sự chi phối quyết định bởi năng lực quản trị chi phí huy động vốn và phân bổ tài sản sinh lời nội tại.
  • Khuôn khổ Điều tiết An toàn Vốn (Basel Accords I, II, III): Khẳng định rằng quy định an toàn vốn pháp định thiết lập ranh giới vận hành, nhưng lực lượng thị trường mới là nhân tố quyết định độ dày của "đệm vốn" (capital buffer) mà mỗi ngân hàng chủ động nắm giữ để phòng ngừa cú sốc thanh khoản.

Khung phân tích độc đáo

Mô hình phân tích phân rã cấu trúc nguồn vốn ngân hàng thành 3 cấu phần độc lập: $$\text{Cấu trúc Vốn (CTV)} = f(\text{DEP}, \text{NONDEP}, \text{CAP})$$ Trong đó:

  • $\text{DEP} = \frac{\text{Tiền gửi của khách hàng}}{\text{Tổng tài sản}}$: Đại diện cho nguồn vốn truyền thống, chi phí lãi danh nghĩa thấp nhưng gánh nặng chi phí vận hành mạng lưới chi nhánh và dự trữ bắt buộc lớn.
  • $\text{NONDEP} = \frac{\text{Nợ phi tiền gửi}}{\text{Tổng tài sản}}$: Bao gồm nợ vay liên ngân hàng, trái phiếu phát hành và các công cụ nợ thứ cấp có tính ổn định kỳ hạn cao nhưng chịu sức ép lãi suất thị trường bán buôn.
  • $\text{CAP} = \frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}}$: Đo lường mức độ tự tài trợ và sức mạnh tài chính nội sinh.

Khung phân tích thiết lập 2 phương trình hồi quy đồng thời:

  1. Mô hình Khả năng sinh lời: $$\text{PROFIT}{i,t} (\text{ROA}, \text{ROE}) = \alpha_0 + \alpha_1 \text{CTV}{i,t} + \sum \beta_k \text{CONTROL}{i,t} + \epsilon{i,t}$$
  2. Mô hình Ổn định và Rủi ro phá sản: $$\ln(\text{Z-score}){i,t} = \gamma_0 + \gamma_1 \text{CTV}{i,t} + \sum \delta_k \text{CONTROL}{i,t} + u{i,t}$$

Với Z-score được xác lập theo công thức kinh điển của Roy (1952), Boyd và Graham (1986): $$\text{Z-score} = \frac{\text{ROA} + \text{CAP}}{\sigma(\text{ROA})}$$ Trong đó $\sigma(\text{ROA})$ là độ lệch chuẩn 3 năm liên tiếp của ROA, đóng vai trò đại diện cho mức biến động thu nhập tài sản. Giá trị $\ln(\text{Z-score})$ tỷ lệ nghịch với xác suất vỡ nợ của ngân hàng.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án quán triệt lập trường nhận thức luận thực chứng (Positivism) kết hợp với suy luận diễn dịch thống kê hiện đại. Phương pháp tiếp cận định lượng Bayes (Bayesian Linear Regression) thông qua thuật toán lấy mẫu Gibbs (Gibbs Sampling Algorithm) kết hợp chuỗi Markov Chain Monte Carlo (MCMC) được lựa chọn làm phương pháp phân tích chủ đạo.

Việc chuyển dịch từ trường phái tần suất (OLS, FEM, REM, System-GMM) sang trường phái Bayes bắt nguồn từ nguyên lý toán thống kê vững chắc. Khi nghiên cứu dữ liệu bảng ngân hàng tại các quốc gia mới nổi, quy mô mẫu thường bị giới hạn bởi số lượng ngân hàng thương mại hoạt động thực tế. Phương pháp Bayes khắc phục triệt để nhược điểm của phương pháp tần suất truyền thống nhờ khả năng đưa ra ước lượng tham số chính xác không phụ thuộc vào các giả định tiệm cận của cỡ mẫu lớn (Muthén & Curran, 1997). Như khẳng định học thuật được trích xuất trực tiếp từ luận án: "Phương pháp Bayes khắc phục được nhiều nhược điểm của phương pháp tần suất vì có thể cho ra kết quả đáng tin cậy với cỡ mẫu bất kỳ (Baldwin and Fellingham 2013)".

+-------------------------------------------------------------------------------+
|                       QUY TRÌNH HỒI QUY BAYES VÀ MCMC                         |
+-------------------------------------------------------------------------------+
|  1. Thu thập dữ liệu BCTC kiểm toán 30 NHTM (2012-2020) -> Xử lý trên Excel  |
|                                       |                                       |
|                                       v                                       |
|  2. Thiết lập phân phối Tiên nghiệm (Prior Distribution) không thông tin     |
|                                       |                                       |
|                                       v                                       |
|  3. Chạy thuật toán lấy mẫu Gibbs sinh chuỗi MCMC trên phần mềm STATA         |
|     - Thiết lập chuỗi đốt cháy (Burn-in phase) để khử nhiễu ban đầu           |
|     - Tạo chuỗi mẫu phân phối Hậu nghiệm (Posterior Distribution)             |
|                                       |                                       |
|                                       v                                       |
|  4. Kiểm định hội tụ chuỗi:                                                   |
|     - Đồ thị Tự tương quan (Autocorrelation Plot)                             |
|     - Số lượng mẫu hiệu quả (Effective Sample Size - ESS)                     |
|                                       |                                       |
|                                       v                                       |
|  5. Suy diễn tham số Bayes: Giá trị trung bình (Mean), Độ lệch chuẩn (MCSE),  |
|     Khoảng tin cậy bằng chứng 95% (95% Credible Interval)                     |
+-------------------------------------------------------------------------------+

Quy trình nghiên cứu rigorous

Quy trình thu thập và tinh lọc mẫu được tiến hành theo tiêu chí khắt khe:

  • Tiêu chuẩn chọn mẫu: 30 NHTM cổ phần hoạt động liên tục có báo cáo tài chính kiểm toán độc lập công khai minh bạch trong suốt giai đoạn 2012–2020.
  • Tiêu chuẩn loại trừ (Exclusion Criteria): Luận án chủ động loại bỏ các ngân hàng thương mại TNHH MTV do Nhà nước làm chủ sở hữu (mua bắt buộc 0 đồng: CB, OceanBank, GPBank), các ngân hàng thuộc diện kiểm soát đặc biệt (DongA Bank, SCB), các ngân hàng bị sáp nhập/hợp nhất, và ngân hàng 100% vốn nước ngoài/liên doanh do sai lệch về tính nhất quán số liệu và chuẩn mực công bố thông tin.
  • Mẫu quan sát đạt 270 quan sát bảng cân đối (30 ngân hàng $\times$ 9 năm), nắm giữ ~86% quy mô tài sản toàn hệ thống, đảm bảo tính đại diện thống kê tuyệt đối cho thị trường ngân hàng Việt Nam.

Data và phân tích

Dữ liệu kinh tế vi mô ngân hàng được trích xuất từ báo cáo thường niên, BCTC hợp nhất kiểm toán, kết hợp dữ liệu vĩ mô (tăng trưởng GDP, tỷ lệ lạm phát CPI) từ Tổng cục Thống kê và Ngân hàng Nhà nước Việt Nam.

Quy trình ước lượng định lượng được thực hiện trên phần mềm STATA với thuật toán lấy mẫu Gibbs. Các tiêu chuẩn kiểm định mô hình Bayes:

  • Thiết lập số lần lặp MCMC đủ lớn, loại bỏ giai đoạn khởi động (burn-in period) để đảm bảo chuỗi đạt trạng thái dừng (stationary distribution).
  • Kiểm tra tính hội tụ thông qua biểu đồ độ tự tương quan (Autocorrelation plots) suy giảm nhanh về 0 khi độ trễ tăng lên.
  • Đánh giá chỉ số Số lượng mẫu hiệu quả (Effective Sample Size - ESS) cho tất cả các hệ số ước lượng, đảm bảo tỷ lệ hiệu quả (Efficiency) vượt ngưỡng tiêu chuẩn thống kê, khẳng định suy diễn phân phối hậu nghiệm (Posterior) là hoàn toàn vững chắc (robust).

Phát hiện đột phá và implications

+-------------------------------------------------------------------------------+
|                 TỔNG HỢP KẾT QUẢ TÁC ĐỘNG THỰC NGHIỆM TỪ MÔ HÌNH              |
+---------------------+-------------------+-----------------+-------------------+
| Biến Cấu trúc vốn   | Lợi nhuận (ROA)   | Lợi nhuận (ROE) | Rủi ro (lnZ-score)|
+---------------------+-------------------+-----------------+-------------------+
| Tiền gửi (DEP)      | Giảm (Âm)         | Giảm (Âm)       | Tăng ổn định (Dương)|
| Nợ phi tiền gửi     | Tăng (Dương)      | Tăng (Dương)    | Tăng rủi ro (Âm)  |
| (NONDEP)            |                   |                 |                   |
| Vốn ngân hàng (CAP) | Tăng (Dương)      | Giảm (Âm)       | Tăng rủi ro (Âm)  |
+---------------------+-------------------+-----------------+-------------------+

Những phát hiện then chốt

Kết quả ước lượng hồi quy tuyến tính Bayes thông qua thuật toán Gibbs đã khám phá 6 quy luật tác động cốt lõi mang tính đột phá thực nghiệm tại hệ thống NHTM Việt Nam:

  1. Tiền gửi khách hàng (DEP) có xu hướng làm giảm khả năng sinh lời (ROA, ROE): Mặc dù tiền gửi là kênh vốn truyền thống với lãi suất danh nghĩa thấp hơn lãi vay liên ngân hàng, nhưng tỷ trọng tiền gửi càng lớn lại làm suy giảm lợi nhuận ròng của ngân hàng. Bằng chứng thực nghiệm phản ánh gánh nặng chi phí phi lãi khổng lồ: chi phí phát triển mạng lưới phòng giao dịch, chi phí nhân sự, đầu tư công nghệ bảo mật, và chi phí cơ hội của việc trích lập dự trữ bắt buộc theo quy định NHNN.
  2. Nợ phi tiền gửi (NONDEP) có xu hướng làm gia tăng tỷ suất sinh lời (ROA, ROE): Nguồn vốn nợ bán buôn từ thị trường liên ngân hàng và phát hành giấy tờ có giá dài hạn cho phép các NHTM huy động nhanh các gói vốn quy mô lớn, kỳ hạn chuẩn hóa, linh hoạt cấu trúc dòng tiền để tài trợ cho các danh mục cho vay trung và dài hạn có biên lãi suất cao (high margin), từ đó tối ưu hóa tỷ lệ thu nhập lãi thuần.
  3. Vốn ngân hàng (CAP) tác động cùng chiều đến ROA nhưng tác động ngược chiều đến ROE: Tỷ lệ vốn chủ sở hữu cao giúp ngân hàng gia tăng tự chủ tài chính, nâng cao năng lực xếp hạng tín nhiệm nội bộ, giảm thiểu chi phí huy động vốn tổng thể và tạo điều kiện đầu tư tài sản an toàn hiệu quả (tăng ROA). Tuy nhiên, đối với chỉ số ROE, việc tăng vốn chủ sở hữu làm suy giảm mức độ đòn bẩy tài chính, dẫn đến hiệu ứng pha loãng lợi nhuận trên mỗi đơn vị vốn cổ phần theo nguyên lý tài chính doanh nghiệp kinh điển.
  4. Tiền gửi khách hàng (DEP) củng cố vững chắc sự ổn định tài chính (giảm thiểu rủi ro phá sản): Hệ số hồi quy biến DEP tác động dương có ý nghĩa xác suất cao lên biến phụ thuộc $\ln(\text{Z-score})$. Tiền gửi từ dân cư và các tổ chức kinh tế nhỏ lẻ có độ phân tán cao, tính dính kết (sticky deposits) mạnh và ít bị rút vốn ồ ạt hơn so với nguồn vốn bán buôn khi thị trường biến động, đóng vai trò mỏ neo giữ vững thanh khoản hệ thống.
  5. Nợ phi tiền gửi (NONDEP) làm gia tăng rủi ro hệ thống (suy giảm chỉ số Z-score): Các khoản vay thị trường liên ngân hàng và trái phiếu nợ mang tính nhạy cảm cực cao với biến động lãi suất và rủi ro tái tài trợ (rollover risk). Khi xảy ra cú sốc thanh khoản cục bộ, nguồn vốn này dễ bị phong tỏa hoặc rút đột ngột, đẩy ngân hàng vào nguy cơ mất khả năng thanh toán.
  6. Vốn ngân hàng (CAP) có xu hướng làm gia tăng rủi ro: Một phát hiện phản trực giác (counter-intuitive) nhưng phù hợp với thực tiễn chuyển đổi: Khi ngân hàng sở hữu mức đệm vốn chủ sở hữu dày hơn, ban điều hành có xu hướng gia tăng khẩu vị rủi ro (moral hazard / risk-taking behavior), đẩy mạnh phân bổ tín dụng vào các lĩnh vực tiềm ẩn rủi ro cao (bất động sản, trái phiếu doanh nghiệp, tài trợ dự án dài hạn) nhằm đạt mục tiêu tăng trưởng lợi nhuận danh nghĩa kỳ vọng.

Implications đa chiều

  • Về mặt Lý thuyết: Luận án khẳng định sự cần thiết phải phân tách cấu trúc vốn trong mô hình hóa định chế ngân hàng. Kết quả chứng minh tính hợp lệ của Lý thuyết Chi phí Đại diện kết hợp với Khuôn khổ An toàn Vốn, bác bỏ giả thuyết xem cấu trúc vốn ngân hàng là thuần nhất.
  • Về mặt Phương pháp luận: Cung cấp quy trình ứng dụng chuẩn mực của phương pháp định lượng Bayes (Bayesian Gibbs sampling) trong nghiên cứu kinh tế lượng tài chính tại Việt Nam, mở ra hướng xử lý hiệu quả cho các bộ dữ liệu bảng cỡ nhỏ hoặc có biến động phi tuyến.
  • Về Thực tiễn Quản trị Ngân hàng:
    • Thiết lập cơ cấu vốn cân bằng động: Không nên theo đuổi mục tiêu tăng trưởng tiền gửi dân cư thuần túy mà phải tối ưu hóa tỷ lệ chi phí hoạt động trên tài sản (CIR); tích cực đa dạng hóa sang các công cụ nợ phi tiền gửi có cấu trúc kỳ hạn phù hợp.
    • Quản trị chặt chẽ bài toán đòn bẩy: Điều tiết mức đệm vốn chủ sở hữu phù hợp với tốc độ mở rộng tài sản có rủi ro (RWA), tránh việc tích tụ vốn dẫn tới hành vi mạo hiểm tín dụng quá mức.
  • Về Hàm ý Chính sách Cơ quan Giám sát (NHNN):
    • Đẩy nhanh lộ trình triển khai toàn diện chuẩn mực Basel II (Thông tư 41/2016/TT-NHNN) và tiến tới thí điểm Basel III, đặc biệt là các chỉ số tỷ lệ nguồn vốn ngắn hạn cho vay trung dài hạn và tỷ lệ đòn bẩy (Leverage Ratio).
    • Hoàn thiện khung khổ pháp lý xử lý ngân hàng yếu kém theo Luật các TCTD sửa đổi 2017, thiết lập cơ chế giám sát nghiêm ngặt dòng vốn trên thị trường liên ngân hàng (thị trường 2) để ngăn ngừa rủi ro lây lan hệ thống từ cấu phần NONDEP.

Limitations và Future Research

Luận án thẳng thắn thừa nhận các giới hạn nghiên cứu xuất phát từ ranh giới dữ liệu và bối cảnh thực tiễn:

  1. Giới hạn không gian mẫu: Việc loại trừ các ngân hàng thuộc diện kiểm soát đặc biệt và ngân hàng 0 đồng nhằm đảm bảo tính chuẩn xác của dữ liệu vô hình trung làm mẫu nghiên cứu mang tính chọn lọc đối với nhóm ngân hàng hoạt động tương đối bình thường.
  2. Khung thời gian nghiên cứu (2012–2020): Chưa bao quát hết toàn bộ tác động lan tỏa phức tạp của đại dịch COVID-19 và giai đoạn bất ổn kinh tế - biến động thị trường trái phiếu doanh nghiệp sau năm 2021.
  3. Chỉ số đo lường rủi ro: Sử dụng Z-score và độ lệch chuẩn ROA 3 năm là thước đo rủi ro phá sản tổng thể, chưa phân rã chi tiết thành các mô hình rủi ro tín dụng chuyên biệt (như tỷ lệ nợ xấu NPL, dự phòng rủi ro tín dụng LLP) hoặc rủi ro thị trường giá cổ phiếu của các ngân hàng niêm yết.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Mở rộng mẫu nghiên cứu bao gồm toàn bộ các định chế tài chính phi ngân hàng và các ngân hàng liên doanh, ngân hàng 100% vốn ngoại.
  • Áp dụng các mô hình Bayes phi tuyến, mô hình mạng lưới (Network Bayesian Analysis) để đo lường mức độ lan truyền rủi ro liên ngân hàng từ cấu phần NONDEP trong bối cảnh Basel III.
  • Tích hợp các yếu tố công nghệ tài chính (Fintech, Digital Banking) như biến điều tiết tác động của tiền gửi đến chi phí vận hành và lợi nhuận ngân hàng.

Tác động và ảnh hưởng

Công trình nghiên cứu của NCS. Phạm Thị Hồng Nhung xác lập những giá trị ảnh hưởng sâu rộng trên 3 phương diện:

  • Ảnh hưởng Học thuật (Academic Impact): Đóng vai trò là tài liệu tham khảo chuẩn mực trong đào tạo sau đại học chuyên ngành Tài chính - Ngân hàng tại Việt Nam. Phương pháp luận hồi quy Bayes kết hợp MCMC cung cấp tiền đề kỹ thuật vững chắc cho các công trình nghiên cứu kinh tế lượng vi mô tiếp theo.
  • Tác động Chuyển đổi Ngành Ngân hàng (Industry Impact): Cung cấp cho Hội đồng Quản trị và Ban Điều hành của 30 NHTM bằng chứng định lượng cụ thể để tái cấu trúc danh mục tài sản nợ - tài sản có, cân đối chi phí huy động vốn và kiểm soát ngưỡng an toàn thanh khoản theo chuẩn mực quốc tế.
  • Tác động Hoạch định Chính sách Vĩ mô (Policy Influence): Là cơ sở khoa học thực chứng hỗ trợ Ngân hàng Nhà nước Việt Nam trong việc hiệu chỉnh các văn bản pháp quy liên quan đến trần tỷ lệ sử dụng vốn ngắn hạn cho vay trung dài hạn, quy chế thị trường tiền tệ liên ngân hàng, và quản lý tỷ lệ an toàn vốn tối thiểu (CAR).

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Giảng viên Kinh tế: Tiếp cận khung phân tích lý thuyết hoàn chỉnh về cấu trúc vốn ngân hàng và quy trình thực thi mô hình định lượng Bayes nâng cao trên dữ liệu bảng.
  • Ban Lãnh đạo & Khối Quản trị Rủi ro NHTM: Nhận diện rõ bản chất hai mặt của từng loại hình nguồn vốn (DEP, NONDEP, CAP), từ đó thiết kế chiến lược huy động vốn và định giá sản phẩm tín dụng tối ưu.
  • Cơ quan Quản lý Tiền tệ (NHNN, Ủy ban Giám sát Tài chính Quốc gia): Sở hữu bằng chứng thực nghiệm vững chắc để đánh giá sức khỏe hệ thống và ban hành các công cụ điều tiết an toàn vĩ mô phù hợp với đặc thù kinh tế Việt Nam.
  • Nhà đầu tư & Cổ đông Ngân hàng: Có thêm công cụ phân tích chuyên sâu về chỉ số an toàn Z-score và chất lượng cấu trúc vốn để đưa ra các quyết định định giá cổ phiếu ngân hàng chính xác.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Luận án đã mở rộng thành công Lý thuyết Chi phí Đại diện và Lý thuyết Đánh đổi Cấu trúc Vốn vào định chế trung gian tài chính đặc thù bằng việc chứng minh cấu trúc vốn ngân hàng không phải là một khối đồng nhất. Việc phân tách nguồn vốn thành 3 thành phần (DEP, NONDEP, CAP) đã giải quyết triệt để sự mâu thuẫn trong các nghiên cứu quốc tế trước đây, chỉ ra rằng tiền gửi mang tính an toàn cao nhưng xói mòn lợi nhuận do chi phí vận hành, trong khi nợ phi tiền gửi là đòn bẩy thúc đẩy sinh lời nhưng tiềm ẩn nguy cơ rủi ro thanh khoản nghiêm trọng.

2. Đột phá phương pháp luận của luận án so với các nghiên cứu trước đây thể hiện ở điểm nào?

So với các nghiên cứu thực nghiệm tiền nhiệm tại Việt Nam (Trần Việt Dũng, 2014; Nguyễn Minh Hà và Nguyễn Bá Hướng, 2015) vốn sử dụng phương pháp tần suất truyền thống (FEM, REM, GMM), luận án tạo nên bước đột phá khi lần đầu tiên ứng dụng Hồi quy Tuyến tính Bayes thông qua thuật toán lấy mẫu Gibbs (MCMC). Kỹ thuật này triệt tiêu hoàn toàn sự sai lệch do giả định kích thước mẫu lớn của phương pháp truyền thống, đồng thời kiểm soát tính vững chắc của ước lượng thông qua chẩn đoán tự tương quan chuỗi và chỉ số Mẫu hiệu quả (ESS).

3. Phát hiện nào trong luận án mang tính phản trực giác nhất? Bằng chứng dữ liệu ra sao?

Phát hiện phản trực giác nhất là biến Vốn ngân hàng (CAP) có xu hướng làm gia tăng mức độ rủi ro (tác động âm đến chỉ số $\ln(\text{Z-score})$). Theo quan niệm thông thường, vốn chủ sở hữu càng cao thì ngân hàng càng an toàn. Tuy nhiên, kết quả MCMC chỉ ra rằng khi sở hữu bộ đệm vốn dày, ban điều hành NHTM Việt Nam có xu hướng chuyển dịch mạnh mẽ danh mục đầu tư sang các tài sản rủi ro cao để tối đa hóa tỷ suất sinh lời, tạo nên hiện tượng suy giảm an toàn tổng thể nếu thiếu vắng cơ chế kiểm soát khẩu vị rủi ro chặt chẽ.

4. Quy trình sao chép nghiên cứu (Replication Protocol) có được cung cấp minh bạch không?

Luận án cung cấp chi tiết toàn bộ công thức toán học, quy ước đo lường biến số (DEP, NONDEP, CAP, ROA, ROE, lnZ-score, các biến kiểm soát), thông số kỹ thuật chạy thuật toán Gibbs trên STATA, kiểm định hội tụ chuỗi MCMC, cùng danh mục cụ thể 30 NHTM trong giai đoạn 2012–2020, tạo điều kiện thuận lợi tuyệt đối cho việc tái lập và mở rộng nghiên cứu.

5. Luận án phác thảo chương trình nghiên cứu 10 năm tiếp theo như thế nào?

Chương trình nghiên cứu trung và dài hạn được định hình xoay quanh việc: Tích hợp chuẩn mực giám sát an toàn Basel III toàn diện; Mô hình hóa cấu trúc vốn ngân hàng dưới tác động của làn sóng Chuyển đổi số và Fintech; Đánh giá mức độ tổn thương của hệ thống ngân hàng trước các cú sốc phi tài chính toàn cầu thông qua các mô hình kiểm tra sức chịu đựng (Stress Testing) dựa trên nền tảng Bayes nâng cao.

Kết luận

  1. Khẳng định cấu trúc vốn của NHTM mang bản chất khác biệt sâu sắc so với doanh nghiệp phi tài chính; sự tương tác giữa các cấu phần nguồn vốn quyết định trực tiếp hiệu năng hoạt động và rủi ro phá sản.
  2. Tiền gửi khách hàng (DEP) đóng vai trò mỏ neo an toàn giúp nâng cao chỉ số Z-score nhưng kéo giảm tỷ suất sinh lời do áp lực chi phí mạng lưới và vận hành lớn.
  3. Nợ phi tiền gửi (NONDEP) là động lực thúc đẩy tăng trưởng lợi nhuận vượt trội nhưng lại là nguyên nhân chính gia tăng mức độ bất ổn định tài chính và rủi ro tái tài trợ.
  4. Tỷ lệ vốn chủ sở hữu (CAP) hỗ trợ tăng trưởng ROA nhưng làm giảm ROE và có thể kích hoạt hành vi chấp nhận rủi ro danh mục cao hơn nếu không được kiểm soát.
  5. Thiết lập chuẩn mực ứng dụng phương pháp ước lượng hồi quy Bayes qua thuật toán Gibbs, mang lại giải pháp phân tích kinh tế lượng chuẩn xác cho các tập mẫu dữ liệu ngân hàng tại các thị trường mới nổi.
  6. Cung cấp cơ sở khoa học thực chứng để các nhà quản trị NHTM tối ưu hóa cơ cấu nợ và hỗ trợ Ngân hàng Nhà nước Việt Nam hoàn thiện khung chính sách tái cơ cấu, hướng tới sự ổn định bền vững của toàn hệ sinh thái tài chính quốc gia.