Tổng quan về luận án

Cuộc khủng hoảng tài chính toàn cầu giai đoạn 2007–2008 đã phơi bày lỗ hổng nghiêm trọng của hệ thống giám sát an toàn vi mô truyền thống, vốn chỉ tập trung vào sức khỏe tài chính của từng tổ chức tín dụng đơn lẻ mà bỏ qua nguy cơ sụp đổ mang tính hệ thống. Nhận định về sự chuyển dịch này, văn bản luận án trích dẫn rõ: "Việc giữ cho các TCTC riêng lẻ hoạt động tốt không phải là điều kiện đủ để đảm bảo sự ổn định tài chính (Meuleman và các cộng sự, 2020)". Tại Việt Nam, hệ thống tài chính phát triển nhanh chóng với cấu trúc liên kết chéo phức tạp giữa ngân hàng, bảo hiểm, chứng khoán và bất động sản, trong khi nền kinh tế phụ thuộc sâu sắc vào tín dụng ngân hàng, khiến các tổ chức tín dụng dễ bị tổn thương trước những cú sốc tích lũy nội sinh và ngoại sinh.

Khoảng trống nghiên cứu (research gap) cấp thiết được xác định: Trong giai đoạn 2009–2019, Ngân hàng Nhà nước Việt Nam (NHNN) đã chủ động triển khai nhiều công cụ điều tiết thị trường mang bản chất an toàn vĩ mô (tỷ lệ LDR, giới hạn vốn ngắn hạn cho vay trung dài hạn, tỷ lệ CAR, trần tăng trưởng tín dụng, quản lý trạng thái ngoại hối), nhưng phần lớn nghiên cứu trong nước trước đó chỉ dừng lại ở phân tích định tính (Phạm Tiên Phong và cộng sự, 2014; Bùi Quang Tín, 2015) hoặc đo lường rủi ro hệ thống qua chỉ tiêu rủi ro phi hệ thống trên thị trường chứng khoán (systematic risk) thay vì rủi ro lan truyền, đổ vỡ toàn hệ thống (systemic risk) (Nguyễn Huy Toàn và cộng sự, 2019; Vũ Thị Thúy Vân, 2019). Hơn nữa, chưa có công trình nào lượng hóa trực tiếp và đánh giá tác động thực nghiệm của các công cụ an toàn vĩ mô đến mục tiêu cuối cùng là giảm thiểu mức thiếu hụt vốn hệ thống tại các ngân hàng thương mại (NHTM) Việt Nam.

Luận án của NCS. Đỗ Thu Hằng (2021) tại Học viện Ngân hàng giải quyết 04 câu hỏi nghiên cứu cốt lõi:

  1. Thực trạng mức độ rủi ro hệ thống tại các NHTM Việt Nam giai đoạn 2009–2019 diễn biến như thế nào dưới thước đo định lượng chuẩn tắc quốc tế?
  2. Mức độ đóng góp và sự liên kết rủi ro hệ thống giữa các nhóm ngân hàng (gốc quốc doanh và cổ phần tư nhân) có sự khác biệt ra sao?
  3. Chính sách an toàn vĩ mô (từng nhóm công cụ và chỉ số tổng hợp) tác động ra sao đến việc kiềm chế rủi ro hệ thống tại các NHTM?
  4. Đâu là khung giải pháp và lộ trình triển khai chính sách an toàn vĩ mô tối ưu nhằm nâng cao tính ổn định tài chính tại Việt Nam?

Hệ thống giả thuyết nghiên cứu chính bao gồm:

  • H1: Rủi ro hệ thống của kỳ trước có mối tương quan thuận chiều và tác động quán tính mạnh đến mức tích tụ rủi ro hệ thống của kỳ tiếp theo.
  • H2: Việc thực thi và thắt chặt các công cụ chính sách an toàn vĩ mô (về tín dụng, vốn, thanh khoản, ngoại hối) có tác động ngược chiều, giúp suy giảm mức thiếu hụt vốn hệ thống (SRISK) của các NHTM Việt Nam.
  • H3: Các biến vi mô đặc thù của ngân hàng (quy mô tài sản, đòn bẩy, hệ số CAR, chi phí trích lập dự phòng rủi ro) và các biến vĩ mô (tăng trưởng GDP, lạm phát, diễn biến chỉ số VN-Index) có mối quan hệ đa chiều đối với quy mô rủi ro hệ thống.

Khung lý thuyết của luận án được xây dựng dựa trên sự tích hợp giữa lý thuyết chu kỳ tài chính và tính thuận chu kỳ (procyclicality) của Borio (2003), Caruana (2010), lý thuyết mạng lưới tài chính và lan truyền (network & contagion theory) của Haldane (2009), cùng mô hình định giá tài sản có điều kiện và đo lường thiếu hụt vốn hệ thống của Acharya và cộng sự (2010, 2017) và Brownlees & Engle (2012). Phạm vi nghiên cứu bao gồm bộ dữ liệu bảng cân bằng theo quý từ Quý 2/2009 đến Quý 4/2019 (43 quý) của 13 NHTM cổ phần niêm yết trên HOSE và HNX, đại diện cho hơn 70% tổng tài sản và vốn hóa của toàn hệ thống ngân hàng Việt Nam. Đóng góp đột phá của công trình là lần đầu tiên áp dụng mô hình kinh tế lượng tài chính cao cấp DCC-GARCH để tính toán giá trị thiếu hụt vốn kỳ vọng biên dài hạn (Long-Run Marginal Expected Shortfall - LRMES) và tổng mức thiếu hụt vốn hệ thống (SRISK), từ đó kiểm định định lượng tác động của chính sách an toàn vĩ mô thông qua mô hình hiệu ứng cố định (Fixed Effects Model - FEM).

Literature Review và Positioning

Tổng quan tài liệu quốc tế về rủi ro hệ thống và chính sách an toàn vĩ mô được chia thành ba nhánh học thuật chính:

Nhánh thứ nhất tập trung vào bản chất và nguyên nhân của rủi ro hệ thống. Giai đoạn tiền khủng hoảng, Bartholomew & Whalen (1995) và Mishkin (1995) xem rủi ro hệ thống là các cú sốc ngoại sinh bất ngờ làm gián đoạn thị trường tài chính và bóp nghẹt dòng vốn. Sau đó, Kaufman (1995), BIS (1994) và ECB (2004) chuyển hướng sang tiếp cận hiệu ứng dây chuyền (domino/contagion effect). Đỉnh cao sau khủng hoảng 2008, Adrian & Brunnermeier (2016), Acharya và cộng sự (2010, 2017) và Schwarcz (2008) định nghĩa toàn diện rằng rủi ro hệ thống là nguy cơ suy kiệt đồng loạt của các định chế trung gian làm gián đoạn chức năng cung ứng thanh khoản, vốn và tín dụng cho nền kinh tế thực.

Nhánh thứ hai xoay quanh các phương pháp định lượng rủi ro hệ thống. Theo tổng thuật của Schwaab và cộng sự (2011), 4 nhóm mô hình đo lường chính bao gồm:

  • Đo lường mức độ đóng góp rủi ro: SES và MES (Acharya và cộng sự, 2010), CoVaR (Adrian & Brunnermeier, 2011, 2016), SRISK (Brownlees & Engle, 2012), Phí bảo hiểm khó khăn tài chính DIP (Huang và cộng sự, 2009, 2010).
  • Đo lường rủi ro lan truyền: Ma trận xác suất khó khăn tài chính PoD (Segoviano & Goodhart, 2009), Phân tích thành phần chính PCA & Granger Causality (Billio và cộng sự, 2010), Lý thuyết trò chơi Shapley Value (Tarashev và cộng sự, 2010).
  • Đo lường từ cú sốc tổng hợp: Mô hình Stress-testing RAMSI (Aikman và cộng sự, 2009), Mô hình tỷ lệ rủi ro động (Giesecke & Kim, 2011).
  • Đo lường bất cân đối tài chính vĩ mô: Chỉ số cảnh báo sớm khoảng bù tín dụng/GDP (Borio & Lowe, 2002; Alessi & Detken, 2009).

Nhánh thứ ba nghiên cứu về hiệu lực truyền dẫn của chính sách an toàn vĩ mô. Các tranh luận học thuật nổ ra gay gắt giữa hai luồng quan điểm:

  • Luồng quan điểm ủng hộ: Lim và cộng sự (2011), Claessens và cộng sự (2013), Cerutti và cộng sự (2017), Akinci & Olmstead-Rumsey (2018) và Meuleman và cộng sự (2020) chứng minh việc siết chặt tỷ lệ LTV, DTI, đệm vốn phản chu kỳ (CCB) và các công cụ thanh khoản giúp kiềm chế tăng trưởng tín dụng quá nóng, giảm đòn bẩy và giảm xác suất khủng hoảng tài chính toàn hệ thống từ 20% đến 25% (Gauthier và cộng sự, 2012).
  • Luồng quan điểm phản biện/chỉ ra tác dụng phụ: Kraft & Galac (2011) khi nghiên cứu hệ thống ngân hàng Croatia đã chỉ ra hiện tượng chuyển dịch rủi ro (regulatory arbitrage): khi ngân hàng trung ương áp trần tín dụng 16% năm 2003, các ngân hàng đã lách luật bằng cách chuyển kênh cho vay sang công ty con phi ngân hàng hoặc ngân hàng mẹ ở nước ngoài, làm rủi ro tích tụ nghiêm trọng tại khu vực ngân hàng ngầm (shadow banking). Tương tự, Jackson và cộng sự (1999) hay Barrell & Gottschalk (2006) cảnh báo việc tăng yêu cầu vốn CAR theo chuẩn Basel có thể gây suy giảm mạnh nguồn cung tín dụng tại các nền kinh tế đang phát triển.

Về mặt vị vị thế học thuật (positioning), luận án của Đỗ Thu Hằng (2021) đã định vị chính xác khoảng trống khi so sánh trực tiếp với 2 nghiên cứu quốc tế điển hình:

  1. So với Meuleman và cộng sự (2020) (nghiên cứu 28 quốc gia châu Âu): Luận án mở rộng phạm vi đánh giá từ thị trường phát triển sang một thị trường cận biên/mới nổi có mức độ đô la hóa và tính liên kết sở hữu chéo đặc thù như Việt Nam, đồng thời sử dụng chỉ số SRISK thay vì MES đơn thuần nhằm nắm bắt cả yếu tố quy mô tài sản và nợ phải trả kế toán.
  2. So với Gao và cộng sự (2018) (mẫu 3.342 ngân hàng từ 77 quốc gia): Trong khi Gao và cộng sự chủ yếu dùng dữ liệu hồi quy đa quốc gia gộp, luận án đi sâu vào cấp độ vi mô của từng định chế tại một quốc gia đơn lẻ với 43 quý liên tục, phân tách độc lập hiệu lực của 4 nhóm công cụ: Tín dụng, Vốn, Thanh khoản và Ngoại hối.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án tạo ra bước tiến quan trọng trong việc mở rộng các lý thuyết nền tảng:

  • Bổ sung Lý thuyết An toàn vĩ mô (Crockett, 2000; Borio, 2003): Chứng minh thực nghiệm rằng tại các nền kinh tế đang phát triển phụ thuộc tín dụng, việc kiểm soát song song 2 chiều của rủi ro hệ thống (chiều thời gian thông qua kiểm soát chu kỳ tín dụng và chiều liên kết chéo thông qua yêu cầu đệm vốn cho các ngân hàng lớn) là điều kiện tiên quyết để ngăn chặn đứt gãy tài chính.
  • Làm sâu sắc Lý thuyết Lan truyền và Rủi ro Mạng lưới (Haldane, 2009): Luận án chứng minh sự tích tụ rủi ro tại các ngân hàng thương mại nhà nước (nhóm Big 4 niêm yết) có sức lan tỏa vượt trội lên giá trị SRISK của toàn hệ thống so với các ngân hàng thương mại cổ phần quy mô nhỏ, khẳng định tính tất yếu của việc định danh các ngân hàng có tầm quan trọng hệ thống trong nước (Domestic Systemically Important Banks - D-SIBs).
  • Xác lập mô hình mệnh đề lý thuyết:
    • Mệnh đề P1: Tồn tại độ trễ quán tính trong truyền dẫn rủi ro hệ thống; các cú sốc suy kiệt vốn kỳ trước khuếch đại tâm lý hoảng loạn và mức thiếu hụt vốn kỳ hiện tại.
    • Mệnh đề P2: Công cụ an toàn vĩ mô dạng can thiệp trực tiếp (như quy định tỷ lệ tối đa nguồn vốn ngắn hạn cho vay trung dài hạn và trần tín dụng) có hiệu lực kiểm soát rủi ro tức thời mạnh hơn các công cụ gián tiếp dựa trên cơ chế thị trường.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đồng thời 3 trường phái lý thuyết: (1) Lý thuyết Chấp nhận rủi ro tiền tệ (Risk-taking channel), (2) Lý thuyết Bất cân xứng thông tin và hoảng loạn ngân hàng (Diamond-Dybvig Model), và (3) Lý thuyết Động thái bảng cân đối kế toán vĩ mô (Macroeconomic Balance Sheet Analysis).

Cách tiếp cận phân tích mang tính đột phá thể hiện qua cấu trúc liên kết 2 giai đoạn:

  1. Giai đoạn 1 (Lượng hóa rủi ro hệ thống): Ứng dụng mô hình kinh tế lượng tài chính SRISK để chuyển hóa các dữ liệu biến động giá cổ phiếu hàng ngày và dữ liệu kế toán bảng cân đối (Nợ phải trả, Vốn chủ sở hữu) thành một giá trị tổn thất vốn bằng tiền cụ thể ($VND$) khi xảy ra cú sốc thị trường sụt giảm 40% trong vòng 6 tháng.
  2. Giai đoạn 2 (Đánh giá tương quan tác động): Xây dựng chỉ số điều hành chính sách an toàn vĩ mô tổng hợp ($MPI$) và 4 chỉ số nhóm thành phần ($Credit_MPI$, $Capital_MPI$, $Liquidity_MPI$, $Forex_MPI$) dựa trên phương pháp mã hóa biến giả sự kiện chính sách (+1 khi thắt chặt, -1 khi nới lỏng, 0 khi duy trì), từ đó đưa vào mô hình hồi quy dữ liệu bảng đa biến có kiểm soát độ trễ và các yếu tố vĩ mô.

Điều kiện biên (Boundary Conditions): Khung phân tích áp dụng chuẩn xác đối với các ngân hàng thương mại niêm yết có cổ phiếu giao dịch liên tục trên sàn chứng khoán tập trung, phản ánh tương đối hiệu quả thông tin thị trường và chịu sự điều tiết bởi khuôn khổ pháp lý của NHNN Việt Nam.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

  • Triết lý nghiên cứu (Research Philosophy): Thực chứng (Positivism), dựa trên phân tích suy diễn logic từ lý thuyết đến xây dựng mô hình kiểm định thực nghiệm thông qua các dữ liệu định lượng thứ cấp có độ tin cậy cao.
  • Phương pháp tiếp cận: Định lượng chuyên sâu (Quantitative Research), kết hợp phân tích chuỗi thời gian biến động cao tần (dữ liệu giá cổ phiếu hàng ngày) với dữ liệu bảng theo quý (dữ liệu vi mô ngân hàng và vĩ mô nền kinh tế).
  • Quy mô mẫu nghiên cứu: 13 NHTM cổ phần niêm yết tại Việt Nam (gồm VCB, CTG, BID, MBB, ACB, STB, TCB, VPB, HDB, SHB, TPB, EIB, LPB), bao phủ giai đoạn từ Quý 2/2009 đến Quý 4/2019 với $N = 13 \times 43 = 559$ quan sát quý.
                    QUY TRÌNH PHÂN TÍCH KINH TẾ LƯỢNG 2 BƯỚC

Quy trình nghiên cứu rigorous

  1. Thu thập dữ liệu:

    • Dữ liệu giá cổ phiếu đóng cửa điều chỉnh hàng ngày và chỉ số VN-Index từ hệ thống FiinGroup và S&P Capital IQ.
    • Dữ liệu kế toán ngân hàng theo quý (Tổng tài sản, Nợ phải trả, Vốn chủ sở hữu, CAR, Chi phí dự phòng RRTD, Lợi nhuận sau thuế, Nợ xấu) trích xuất từ Báo cáo tài chính hợp nhất đã kiểm toán.
    • Dữ liệu vĩ mô (Tăng trưởng GDP thực tế, Chỉ số giá tiêu dùng CPI, Tỷ giá USD/VND, Tăng trưởng tín dụng toàn hệ thống) thu thập từ Tổng cục Thống kê và IMF International Financial Statistics.
    • Dữ liệu chính sách an toàn vĩ mô: Rà soát và mã hóa toàn bộ các Thông tư, Quyết định, Chỉ thị của NHNN từ năm 2008 đến 2019 (Thông tư 13/2010, Thông tư 02/2013, Thông tư 36/2014, Thông tư 41/2016, Thông tư 22/2019,...).

  2. Quy trình tính toán chỉ số SRISK: Mô hình SRISK định lượng quy mô vốn thiếu hụt của ngân hàng $i$ tại thời điểm $t$ khi toàn bộ thị trường trải qua cú sốc giảm sâu trong khoảng thời gian $h$: $$\text{SRISK}{i,t} = \max\left[0; ; k \cdot \text{Debt}{i,t} - (1-k) \cdot (1 - \text{LRMES}{i,t}) \cdot \text{Equity}{i,t}\right]$$ Trong đó:

    • $k$: Tỷ lệ vốn an toàn thận trọng tối thiểu (đặt ở mức chuẩn 8% theo Basel II).
    • $\text{Debt}_{i,t}$: Giá trị sổ sách của tổng nợ phải trả kế toán.
    • $\text{Equity}_{i,t}$: Giá trị vốn hóa thị trường của ngân hàng (Số lượng cổ phiếu lưu hành $\times$ Giá thị trường).
    • $\text{LRMES}{i,t}$: Giá trị tổn thất dự kiến biên dài hạn khi chỉ số thị trường sụt giảm $40%$ trong vòng 6 tháng ($h = 130$ ngày giao dịch), được tính thông qua xấp xỉ phi tuyến từ $MES$ ngắn hạn: $$\text{LRMES}{i,t} = 1 - \exp(-18 \times \text{MES}_{i,t})$$

Data và phân tích

Mô hình kinh tế lượng đánh giá tác động được thiết lập dưới dạng: $$\text{SRISK}{i,t} = \beta_0 + \beta_1 \text{SRISK}{i,t-1} + \beta_2 \text{MACROPRU}t + \sum \gamma_j \text{BANK}{j,i,t} + \sum \delta_m \text{MACRO}{m,t} + \eta_i + \varepsilon{i,t}$$

Trong đó:

  • $\text{MACROPRU}_t$: Đại diện lần lượt cho chỉ số tổng hợp $MPI$, hoặc các nhóm công cụ thành phần ($Credit_MPI$, $Capital_MPI$, $Liquidity_MPI$, $Forex_MPI$).
  • $\text{BANK}_{i,t}$: Vectơ các biến kiểm soát vi mô của ngân hàng, bao gồm: Quy mô tài sản ($\text{SIZE} = \ln(\text{Total Assets})$), Tỷ lệ đòn bẩy ($\text{LEV} = \text{Tổng tài sản} / \text{Vốn chủ sở hữu}$), Tỷ lệ an toàn vốn ($\text{CAR}$), Tỷ lệ chi phí trích lập dự phòng rủi ro tín dụng trên tổng dư nợ ($\text{PROV}$), Tỷ lệ chi phí trên thu nhập ($\text{CIR}$), Khả năng sinh lời trên vốn chủ sở hữu ($\text{ROE}$).
  • $\text{MACRO}_t$: Vectơ các biến kiểm soát vĩ mô: Tăng trưởng $\text{GDP}$, Tỷ lệ lạm phát ($\text{INF}$), Tốc độ tăng trưởng $\text{VN-Index}$.
  • $\eta_i$: Hiệu ứng cố định riêng biệt không quan sát được của từng NHTM; $\varepsilon_{i,t}$ là sai số ngẫu nhiên.

Kiểm định mô hình: Kiểm định F-test và Hausman test ($p < 0.001$) đều bác bỏ giả thuyết $H_0$ của mô hình Pooled OLS và Mô hình hiệu ứng ngẫu nhiên (REM), khẳng định Mô hình hiệu ứng cố định (FEM) là lựa chọn tối ưu và nhất quán. Tác giả áp dụng kỹ thuật ước lượng ma trận hiệp phương sai sai số chuẩn vững (Huber-White Robust Standard Errors) để triệt tiêu hoàn toàn hiện tượng phương sai thay đổi và tự tương quan chuỗi.

Phát hiện đột phá và implications

Những phát hiện then chốt

Kết quả phân tích định lượng của luận án mang lại 5 phát hiện mang tính bước ngoặt:

Biến số / Nhân tố Hệ số hồi quy ($\beta$) Mức ý nghĩa thống kê ($p$-value) Ý nghĩa thực tiễn & Bản chất kinh tế
$\text{SRISK}_{t-1}$ (Độ trễ rủi ro kỳ trước) +0.684 $p < 0.01$ (Ý nghĩa 1%) Rủi ro hệ thống có tính quán tính cực mạnh. Khi thiếu hụt vốn xuất hiện, nó tích tụ kéo dài qua nhiều quý tiếp theo.
$MPI$ (Chỉ số ATVM tổng hợp) -0.082 $p < 0.05$ (Ý nghĩa 5%) Việc kích hoạt thắt chặt chính sách an toàn vĩ mô giúp làm giảm đáng kể mức thiếu hụt vốn hệ thống toàn ngành.
$Credit_MPI$ (Nhóm công cụ Tín dụng) -0.145 $p < 0.01$ (Ý nghĩa 1%) Công cụ kiểm soát tín dụng (trần tín dụng, kiểm soát cho vay BĐS) có hiệu lực kiềm chế rủi ro hệ thống mạnh nhất.
$Liquidity_MPI$ (Nhóm công cụ Thanh khoản) -0.096 $p < 0.05$ (Ý nghĩa 5%) Siết tỷ lệ vốn ngắn hạn cho vay trung dài hạn và trần LDR giúp giảm rõ rệt rủi ro thiếu hụt thanh khoản liên ngân hàng.
$Capital_MPI$ (Nhóm công cụ Vốn) -0.071 $p < 0.10$ (Ý nghĩa 10%) Việc nâng chuẩn CAR giúp tạo bộ đệm vốn chống đỡ cú sốc, tuy nhiên hiệu lực có độ trễ do áp lực tăng vốn điều lệ.
$Forex_MPI$ (Nhóm công cụ Ngoại hối) -0.053 $p < 0.10$ (Ý nghĩa 10%) Kiểm soát trần lãi suất huy động USD và vị thế ngoại tệ mở giúp kiềm chế rủi ro tỷ giá và hiện tượng đô la hóa.
$\text{SIZE}$ (Quy mô ngân hàng) +0.312 $p < 0.01$ (Ý nghĩa 1%) Ngân hàng có quy mô tài sản càng lớn thì mức độ đóng góp rủi ro hệ thống vào SRISK càng cao (Too Big To Fail).
$\text{LEV}$ (Đòn bẩy tài chính) +0.187 $p < 0.01$ (Ý nghĩa 1%) Đòn bẩy cao làm gia tăng tính dễ bị tổn thương của cấu trúc vốn ngân hàng trước các cú sốc giảm giá tài sản.

Phát hiện bất ngờ và phản trực quan (Counter-intuitive result): Trong giai đoạn 2011–2015, khi tỷ lệ nợ xấu kế toán báo cáo của các ngân hàng giảm nhẹ nhờ cơ chế xử lý nợ qua VAMC, chỉ số SRISK tính toán từ thị trường lại đạt đỉnh lịch sử (giá trị thiếu hụt vốn toàn hệ thống có thời điểm vượt mức 150.000 tỷ VND). Điều này chỉ ra rằng thị trường chứng khoán đã chiết khấu toàn bộ rủi ro tiềm ẩn của các khoản nợ xấu thực tế chưa xử lý dứt điểm, chứng minh thước đo SRISK phản ánh tính thực chất và nhạy bén vượt trội so với các chỉ tiêu kế toán sổ sách truyền thống.

So sánh với các nghiên cứu tiền nhiệm: Kết quả này tái khẳng định phát hiện của Cerutti và cộng sự (2017) tại 119 quốc gia về tính hiệu quả vượt trội của công cụ tín dụng tại các thị trường mới nổi, đồng thời bổ sung bằng chứng thực nghiệm của Meuleman và cộng sự (2020) tại châu Âu nhưng với một cấu trúc thị trường chịu ảnh hưởng lớn bởi chính sách hành chính trực tiếp từ NHTW.

Implications đa chiều

  • Đóng góp lý thuyết: Cung cấp cơ sở khoa học làm rõ cơ chế truyền dẫn 2 chiều của chính sách an toàn vĩ mô: Kênh trực tiếp (tác động lên bảng cân đối kế toán của ngân hàng) và Kênh kỳ vọng/thị trường (ổn định tâm lý nhà đầu tư và hạ thấp phần bù rủi ro thanh khoản).
  • Đổi mới phương pháp luận: Chuẩn hóa quy trình ước lượng rủi ro hệ thống bằng mô hình DCC-GARCH và SRISK phù hợp với đặc thù dữ liệu tài chính tại thị trường chứng khoán Việt Nam, có thể nhân rộng sang các định chế bảo hiểm và công ty chứng khoán.
  • Ứng dụng thực tiễn cho quản trị ngân hàng: Các NHTM cần chuyển đổi từ mô hình quản trị rủi ro đơn lẻ sang tích hợp chỉ số cảnh báo sớm rủi ro hệ thống vào khung kiểm tra sức chịu đựng (stress-testing) nội bộ theo chuẩn mực Basel II/Basel III.
  • Hàm ý chính sách cho NHNN:
    • Giai đoạn kích hoạt: Cần can thiệp chính sách an toàn vĩ mô đón đầu chu kỳ (forward-looking) ngay trong pha tăng trưởng nóng của tín dụng bất động sản, tránh can thiệp thụ động khi rủi ro đã phát tác.
    • Phối hợp chính sách: Thiết lập cơ chế phối hợp chặt chẽ giữa Chính sách tiền tệ (mục tiêu ổn định giá cả) và Chính sách an toàn vĩ mô (mục tiêu ổn định hệ thống tài chính) nhằm triệt tiêu xung đột chính sách.

Limitations và Future Research

  1. Hạn chế về quy mô mẫu: Nghiên cứu chỉ tập trung vào 13 NHTM cổ phần niêm yết trên sàn chứng khoán tập trung do yêu cầu bắt buộc của mô hình DCC-GARCH về dữ liệu giá cổ phiếu hàng ngày, chưa bao phủ được toàn bộ các NHTM chưa niêm yết và khối ngân hàng 100% vốn nước ngoài.
  2. Hạn chế về phương pháp mã hóa chính sách: Biến chính sách an toàn vĩ mô ($MPI$) được xây dựng dưới dạng chỉ số biến giả sự kiện (+1, -1, 0), chưa lượng hóa được cường độ biên độ thay đổi của từng chính sách cụ thể (ví dụ: mức độ tăng/giảm cụ thể của hệ số rủi ro cho vay bất động sản từ 150% lên 200%).
  3. Giới hạn thời gian nghiên cứu: Dữ liệu dừng lại ở Quý 4/2019, chưa đánh giá được các cú sốc phi kinh tế bất thường như đại dịch COVID-19 và biến động thanh khoản trái phiếu doanh nghiệp giai đoạn 2022–2023.

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

  • Mở rộng ước lượng SRISK cho toàn bộ các định chế phi ngân hàng (bảo hiểm, chứng khoán) để đánh giá rủi ro hệ thống đa ngành.
  • Ứng dụng mô hình kinh tế lượng cấu trúc dạng Dynamic Stochastic General Equilibrium (DSGE) kết hợp mạng lưới để mô phỏng tương tác phức hợp giữa chính sách tiền tệ và an toàn vĩ mô.
  • Đo lường tác động lan truyền xuyên biên giới (Cross-border Spillovers) của dòng vốn ngoại và chính sách tiền tệ của Cục Dự trữ Liên bang Mỹ (FED) đến rủi ro hệ thống tại Việt Nam.

Tác động và ảnh hưởng

  • Tác động học thuật (Academic Impact): Luận án là công trình tiên phong tại Việt Nam lượng hóa toàn diện rủi ro hệ thống bằng thước đo SRISK và đánh giá thực nghiệm chính sách an toàn vĩ mô, tạo nền tảng trích dẫn chuẩn mực cho các nghiên cứu cấp cao trong lĩnh vực kinh tế lượng tài chính và ngân hàng trung ương.
  • Tác động tới ngành ngân hàng: Cung cấp khung đo lường rủi ro thanh khoản và vốn định lượng cho các ban quản trị rủi ro tại 31 NHTM Việt Nam, hỗ trợ tối ưu hóa việc phân bổ vốn tự có theo yêu cầu Thông tư 41/2016/TT-NHNN.
  • Tác động hoạch định chính sách: Đóng góp trực tiếp cơ sở khoa học cho Vụ Ổn định Tiền tệ - Tài chính (NHNN) và Ủy ban Giám sát Tài chính Quốc gia (NFSC) trong việc thiết lập Bộ chỉ số cảnh báo sớm rủi ro hệ thống và xây dựng Khung khổ Chính sách An toàn Vĩ mô Quốc gia.
  • Giá trị quốc tế: Bổ sung bằng chứng thực nghiệm quý giá về hiệu lực của chính sách an toàn vĩ mô tại các nền kinh tế thị trường mới nổi thuộc khu vực Đông Nam Á vào kho tàng nghiên cứu của IMF và BIS.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Giới học thuật: Tiếp cận phương pháp luận kinh tế lượng tài chính chuẩn tắc kết hợp DCC-GARCH và SRISK, đồng thời khai phá các khoảng trống nghiên cứu sâu hơn về mạng lưới tài chính.
  • Hội đồng Quản trị & Ban Điều hành NHTM: Nắm bắt được mức độ đóng góp rủi ro của ngân hàng mình vào tổn thất chung của hệ thống, từ đó xây dựng kế hoạch tăng vốn tự có và tái cấu trúc danh mục tài sản sinh lời an toàn.
  • Các Nhà hoạch định chính sách (NHNN, Bộ Tài chính, NFSC): Sở hữu bằng chứng thực nghiệm cụ thể về hiệu lực của từng công cụ điều hành, giúp tối ưu hóa thời điểm kích hoạt và liều lượng can thiệp chính sách.
  • Nhà đầu tư tổ chức & Chuyên viên phân tích tài chính: Sử dụng chỉ số SRISK như một công cụ độc lập, khách quan để định giá rủi ro phá sản tiềm ẩn và mức độ lành mạnh của cổ phiếu ngân hàng trong chiến lược đầu tư dài hạn.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết An toàn vĩ mô của Crockett (2000) và Borio (2003) trong bối cảnh đặc thù của thị trường tài chính mới nổi có mức độ tích tụ sở hữu chéo và phụ thuộc sâu vào tín dụng. Luận án chứng minh rằng công cụ kiểm soát tín dụng trực tiếp (trần tín dụng, kiểm soát cho vay lĩnh vực rủi ro) phát huy hiệu lực giảm thiểu thiếu hụt vốn hệ thống (hệ số $\beta = -0.145, p < 0.01$) nhanh và mạnh hơn công cụ dựa trên giá cả hoặc yêu cầu vốn tự có thông thường.

2. Đổi mới phương pháp luận của luận án vượt trội ra sao so với các nghiên cứu trước đây?

So với nghiên cứu của Nguyễn Huy Toàn và cộng sự (2019) (chỉ dùng CoVaR/MES đơn giản không có biến trạng thái) và Vũ Thị Thúy Vân (2019) (áp dụng CoVaR cho doanh nghiệp phi tài chính), luận án đã: (1) Chuẩn hóa quy trình mô hình hóa tương quan động phi tuyến DCC-GARCH trên chuỗi dữ liệu hàng ngày; (2) Tích hợp dữ liệu thị trường biến động cao tần với dữ liệu sổ sách kế toán để tính toán giá trị thiếu hụt vốn thực tế ($SRISK$ tính bằng tiền đồng thay vì chỉ số tỷ lệ vô danh); (3) Xây dựng mô hình hồi quy bảng đa biến có kiểm soát đầy đủ hiệu ứng cố định và biến vĩ mô trễ.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và bằng chứng dữ liệu hỗ trợ là gì?

Phát hiện bất ngờ nhất là sự phân kỳ sâu sắc giữa tỷ lệ nợ xấu báo cáo kế toán và chỉ số rủi ro hệ thống SRISK giai đoạn 2011–2015. Trong khi tỷ lệ nợ xấu toàn hệ thống được ghi nhận giảm nhờ bán nợ cho VAMC, chỉ số SRISK lại vọt lên mức đỉnh điểm (chiếm hơn 12% tổng tài sản của các NHTM niêm yết). Dữ liệu này chứng minh thị trường chứng khoán không bị đánh lừa bởi việc dịch chuyển nợ xấu ngoại bảng mà định giá chính xác áp lực suy kiệt vốn thực tế của các ngân hàng.

4. Luận án có cung cấp quy trình nhân rộng và kiểm tra tính vững (Replication Protocol) không?

Có. Luận án trình bày chi tiết toàn bộ thuật toán ước lượng mô hình DCC-GARCH, công thức toán học tính LRMES và SRISK, danh mục tham số giả định ($k = 8%$, độ sụt giảm thị trường $40%$), cùng quy trình mã hóa biến chính sách. Các kiểm định độ vững (robustness checks) được thực hiện nghiêm ngặt bằng cách thay đổi ngưỡng vốn an toàn $k$ từ $8%$ sang $10%$, thay thế mô hình FEM bằng Pooled OLS/REM, và kiểm định tương quan chuỗi với các độ trễ khác nhau, đều cho ra kết quả nhất quán về chiều hướng và mức ý nghĩa thống kê của các biến chính sách.

5. Chương trình nghị sự nghiên cứu 10 năm tới được phác thảo như thế nào?

Chương trình nghiên cứu dài hạn tập trung vào: (1) Phát triển mô hình kiểm tra sức chịu đựng rủi ro hệ thống vĩ mô tích hợp mạng lưới liên ngân hàng đa tầng; (2) Lượng hóa rủi ro lan truyền từ thị trường trái phiếu doanh nghiệp và thị trường bất động sản sang hệ thống ngân hàng; (3) Thiết lập thuật toán trí tuệ nhân tạo (Machine Learning/AI) kết hợp dữ liệu lớn lớn nhằm dự báo sớm xác suất sụp đổ hệ thống tài chính theo thời gian thực (real-time early warning system).

Kết luận

  1. Hệ thống hóa toàn diện cơ sở lý luận: Làm rõ bản chất rủi ro hệ thống trên cả hai chiều không gian (thời gian và liên kết chéo), phân biệt dứt khoát giữa systemic risk và systematic risk, đồng thời xác lập vị trí trung tâm của chính sách an toàn vĩ mô trong cấu trúc ổn định tài chính quốc gia.
  2. Lượng hóa thành công rủi ro hệ thống tại Việt Nam: Lần đầu tiên tính toán hoàn chỉnh chuỗi dữ liệu rủi ro hệ thống SRISK của 13 NHTM niêm yết trong suốt 43 quý liên tục (2009–2019), chỉ ra sự đóng góp vượt trội của nhóm NHTM gốc quốc doanh quy mô lớn đối với mức độ tổn thương toàn hệ thống.
  3. Bằng chứng thực nghiệm đanh thép về hiệu lực chính sách: Khẳng định chính sách an toàn vĩ mô tại Việt Nam đã phát huy hiệu lực rõ rệt trong việc làm giảm mức thiếu hụt vốn hệ thống ($\beta = -0.082, p < 0.05$), trong đó nhóm công cụ tín dụng ($Credit_MPI$) và thanh khoản ($Liquidity_MPI$) giữ vai trò trụ cột.
  4. Chứng minh tính quán tính và độ trễ rủi ro: Phát hiện mức độ rủi ro hệ thống kỳ trước có tác động lan tỏa mạnh mẽ lên kỳ sau ($\beta = +0.684, p < 0.01$), đòi hỏi cơ chế can thiệp chính sách phải mang tính đón đầu chu kỳ tài chính.
  5. Đề xuất giải pháp và lộ trình thực thi chuẩn hóa: Cung cấp khung kiến nghị toàn diện từ việc hoàn thiện khung khổ pháp lý, thành lập Hội đồng Ổn định Tài chính Quốc gia độc lập, đến việc ban hành bộ công cụ an toàn vĩ mô chuẩn tắc tiệm cận chuẩn mực quốc tế Basel III tại Việt Nam.