Tác động của chính sách tiền tệ đến hiệu quả hoạt động của các ngân hàng thương mại tại Việt Nam

Nghiên cứu tác động của chính sách tiền tệ đến hiệu quả hoạt động ngân hàng thương mại tại Việt Nam qua các bằng chứng thực nghiệm.

• Tác giả: Phan Văn Đồng
• Người hướng dẫn: TS. Nguyễn Thị Như Quỳnh
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài Chính - Ngân Hàng
• Đề tài: Tác Động Của Chính Sách Tiền Tệ Đến Hiệu Quả Hoạt Động Của Ngân Hàng Thương Mại Tại Việt Nam
• Loại tài liệu: Khóa Luận Tốt Nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU
• 1.1. TỔNG QUAN VỀ CHÍNH SÁCH TIỀN TỆ
• 1.1.1. Khái niệm về chính sách tiền tệ
• 1.1.2. Mục tiêu của chính sách tiền tệ
• 1.1.3. Công cụ của chính sách tiền tệ
• 1.2. TỔNG QUAN VỀ HIỆU QUẢ HOẠT ĐỘNG CỦA NGÂN HÀNG THƯƠNG MẠI
• 1.2.1. Khái niệm về hiệu quả hoạt động của ngân hàng thương mại
• 1.2.2. Các chỉ tiêu đo lường hiệu quả hoạt động của ngân hàng thương mại
• 1.2.3. Một số lý thuyết nền tảng hiệu quả hoạt động của ngân hàng thương mại
• 1.3. TÁC ĐỘNG CỦA CHÍNH SÁCH TIỀN TỆ ĐẾN HIỆU QUẢ HOẠT ĐỘNG CỦA NGÂN HÀNG THƯƠNG MẠI
• 1.3.1. Tác động của công cụ chính sách tiền tệ
• 1.3.2. Tác động của cơ chế truyền dẫn chính sách tiền tệ
• 1.4. TỔNG QUAN NGHIÊN CỨU
• 1.4.1. Nghiên cứu nước ngoài
• 1.4.2. Nghiên cứu trong nước
• 1.5. KHOẢNG TRỐNG NGHIÊN CỨU
• 2. CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU
• 2.1. QUY TRÌNH NGHIÊN CỨU
• 2.2. MÔ HÌNH NGHIÊN CỨU
• 2.2.1. Mô hình nghiên cứu tổng quát
• 2.2.2. Mô tả các biến trong mô hình nghiên cứu và xây dựng giả thuyết nghiên cứu
• 2.2.3. Hiệu quả hoạt động của ngân hàng thương mại
• 2.2.4. Các biến đại diện cho chính sách tiền tệ
• 2.2.5. Các biến đặc trưng của ngân hàng
• 2.2.6. Các biến kinh tế vĩ mô
• 2.3. PHƯƠNG PHÁP NGHIÊN CỨU
• 2.4. DỮ LIỆU NGHIÊN CỨU
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU
• 3.1. THỐNG KÊ MÔ TẢ
• 3.1.1. Thống kê mô tả
• 3.1.2. Hiệu quả hoạt động của ngân hàng thương mại Việt Nam
• 3.1.3. Chính sách tiền tệ tại Việt Nam
• 3.1.4. Các biến đặc trưng của ngân hàng
• 3.1.5. Các biến kinh tế vĩ mô
• 3.2. PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
• 4. CHƯƠNG 4: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
• 4.1. HÀM Ý CHÍNH SÁCH
• 4.1.1. Đối với Ngân hàng Nhà nước
• 4.1.2. Đối với ngân hàng thương mại
• 4.2. HẠN CHẾ CỦA NGHIÊN CỨU VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
• 5. CHƯƠNG 5: KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Tác Động Của Chính Sách Tiền Tệ Đến Ngân Hàng Thương Mại

Chính sách tiền tệ đóng vai trò quan trọng trong việc điều tiết hoạt động của các ngân hàng thương mại tại Việt Nam. Nó không chỉ ảnh hưởng đến lãi suất mà còn tác động đến khả năng tiếp cận vốn của các doanh nghiệp. Việc hiểu rõ mối quan hệ này giúp các nhà quản lý ngân hàng đưa ra quyết định phù hợp nhằm tối ưu hóa hiệu quả hoạt động.

1.1. Khái Niệm Chính Sách Tiền Tệ Và Ngân Hàng Thương Mại

Chính sách tiền tệ là công cụ của Ngân hàng Nhà nước nhằm điều tiết lượng tiền trong nền kinh tế. Ngân hàng thương mại là tổ chức tài chính trung gian, thực hiện các hoạt động huy động và cho vay vốn.

1.2. Tác Động Của Chính Sách Tiền Tệ Đến Hiệu Quả Hoạt Động Ngân Hàng

Chính sách tiền tệ có thể làm thay đổi lãi suất, từ đó ảnh hưởng đến chi phí vay vốn và khả năng sinh lời của ngân hàng. Khi lãi suất giảm, ngân hàng có thể tăng cường cho vay, từ đó nâng cao hiệu quả hoạt động.

II. Vấn Đề Và Thách Thức Trong Việc Thực Hiện Chính Sách Tiền Tệ

Việc thực hiện chính sách tiền tệ tại Việt Nam gặp nhiều thách thức, đặc biệt trong bối cảnh kinh tế toàn cầu biến động. Các ngân hàng thương mại phải đối mặt với áp lực từ lãi suất và rủi ro tín dụng. Điều này đòi hỏi các ngân hàng phải có chiến lược quản lý rủi ro hiệu quả.

2.1. Áp Lực Từ Lãi Suất Thay Đổi

Sự thay đổi lãi suất có thể gây ra những tác động tiêu cực đến khả năng sinh lời của ngân hàng. Khi lãi suất tăng, chi phí vay vốn cũng tăng, làm giảm khả năng cạnh tranh của ngân hàng.

2.2. Rủi Ro Tín Dụng Trong Thời Kỳ Khó Khăn

Trong bối cảnh kinh tế khó khăn, tỷ lệ nợ xấu có thể gia tăng, ảnh hưởng đến hiệu quả hoạt động của ngân hàng. Ngân hàng cần có các biện pháp quản lý rủi ro tín dụng chặt chẽ để bảo vệ lợi nhuận.

III. Phương Pháp Nâng Cao Hiệu Quả Hoạt Động Ngân Hàng Thương Mại

Để nâng cao hiệu quả hoạt động, các ngân hàng thương mại cần áp dụng các phương pháp quản lý tài chính hiện đại. Việc sử dụng công nghệ thông tin trong quản lý và phân tích dữ liệu sẽ giúp ngân hàng đưa ra quyết định chính xác hơn.

3.1. Ứng Dụng Công Nghệ Thông Tin Trong Ngân Hàng

Công nghệ thông tin giúp ngân hàng tối ưu hóa quy trình cho vay và quản lý rủi ro. Việc áp dụng các phần mềm quản lý hiện đại sẽ nâng cao hiệu quả hoạt động.

3.2. Đào Tạo Nhân Lực Chuyên Nghiệp

Đào tạo nhân viên về kỹ năng quản lý tài chính và phân tích dữ liệu là cần thiết. Nhân lực chất lượng cao sẽ giúp ngân hàng hoạt động hiệu quả hơn.

IV. Ứng Dụng Thực Tiễn Của Chính Sách Tiền Tệ Trong Ngành Ngân Hàng

Chính sách tiền tệ đã được áp dụng thành công trong nhiều trường hợp để cải thiện hiệu quả hoạt động của ngân hàng thương mại. Các nghiên cứu cho thấy rằng việc điều chỉnh lãi suất có thể tạo ra những thay đổi tích cực trong hoạt động cho vay và huy động vốn.

4.1. Kết Quả Nghiên Cứu Về Tác Động Của Chính Sách Tiền Tệ

Nghiên cứu cho thấy rằng khi Ngân hàng Nhà nước thực hiện chính sách tiền tệ mở rộng, hiệu quả hoạt động của ngân hàng thương mại tăng lên rõ rệt.

4.2. Các Mô Hình Phân Tích Tác Động

Sử dụng các mô hình phân tích như GMM giúp đánh giá chính xác tác động của chính sách tiền tệ đến hiệu quả hoạt động ngân hàng.

V. Kết Luận Và Tương Lai Của Chính Sách Tiền Tệ Tại Việt Nam

Chính sách tiền tệ sẽ tiếp tục đóng vai trò quan trọng trong việc điều tiết hoạt động của ngân hàng thương mại tại Việt Nam. Các ngân hàng cần chủ động thích ứng với những thay đổi trong chính sách để duy trì hiệu quả hoạt động.

5.1. Dự Báo Tương Lai Của Ngành Ngân Hàng

Ngành ngân hàng sẽ tiếp tục phát triển mạnh mẽ nếu có sự hỗ trợ từ chính sách tiền tệ hợp lý. Việc duy trì lãi suất ổn định sẽ giúp ngân hàng hoạt động hiệu quả hơn.

5.2. Đề Xuất Chính Sách Cho Ngân Hàng

Cần có các chính sách hỗ trợ ngân hàng trong việc quản lý rủi ro và tối ưu hóa hoạt động cho vay để nâng cao hiệu quả hoạt động.

Nội dung chính

Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trung gian tài chính trong nền kinh tế Việt Nam với quy mô tín dụng trên GDP thường xuyên vượt ngưỡng 120%. Trong bối cảnh nền kinh tế đối mặt với các biến động vĩ mô phức tạp và cú sốc từ đại dịch COVID-19 giai đoạn 2020–2022, Ngân hàng Nhà nước Việt Nam (NHNN) đã liên tục điều chỉnh các công cụ chính sách tiền tệ (CSTT) nhằm kiểm soát lạm phát, ổn định tỷ giá và phục hồi tăng trưởng. Tuy nhiên, các quyết định điều hành này tạo ra tác động đa chiều và không đồng nhất lên biên lãi ròng (NIM) cũng như khả năng sinh lời tổng thể của hệ thống NHTM.

Vấn đề cốt lõi (Problem Statement) đặt ra cho các nhà quản trị ngân hàng và cơ quan quản lý là: Sự thay đổi của lãi suất tái cấp vốn và cung tiền ($M_2$) tác động theo chiều hướng và độ trễ như thế nào đến hiệu quả hoạt động (HQHĐ)? Đồng thời, cơ chế truyền dẫn CSTT có bị biến dạng dưới tác động của cuộc khủng hoảng ngoại sinh COVID-19 hay không? Các nghiên cứu trước đây thường gặp phải hiện tượng nội sinh (endogeneity) do biến trễ hiệu quả kinh doanh, bỏ sót biến hoặc quan hệ nhân quả hai chiều, dẫn đến các ước lượng OLS/FEM/REM bị chệch (biased) và không vững (inconsistent).

Đồ án/khóa luận tập trung giải quyết các mục tiêu cụ thể:

1. Xác định và đo lường mức độ, chiều hướng tác động của các công cụ CSTT (lãi suất tái cấp vốn, cung tiền $M_2$) đến HQHĐ (ROA, ROE) của 27 NHTM Việt Nam.
2. Kiểm định sự biến thiên trong mối quan hệ giữa CSTT và HQHĐ ngân hàng dưới tác động của biến tương tác cú sốc đại dịch COVID-19.
3. Đề xuất khung giải pháp quản trị tài sản nợ - tài sản có (ALM) và khuyến nghị chính sách thực thi cho NHNN nhằm bảo đảm an toàn hệ thống.

Giải pháp nghiên cứu sử dụng phương pháp định lượng hồi quy dữ liệu bảng động hai bước (Two-step System Generalized Method of Moments - SGMM) dựa trên nền tảng Arellano & Bover (1995) và Blundell & Bond (1998). Phương pháp này cho phép kiểm soát triệt để hiện tượng nội sinh, phương sai sai số thay đổi (heteroskedasticity) và tự tương quan (autocorrelation) trong mô hình tài chính chuỗi thời gian ngắn với mẫu 27 NHTM cổ phần đại diện cho hơn 95% tổng tài sản toàn ngành trong giai đoạn 2012–2022 (297 quan sát bảng cân bằng).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình kinh tế lượng truyền thống áp dụng trong đánh giá hiệu quả ngân hàng tại Việt Nam bộc lộ nhiều hạn chế về mặt kiểm định và độ vững của ước lượng:

Tiêu chí phân tích	Hồi quy gộp (Pooled OLS)	Mô hình cố định/ngẫu nhiên (FEM/REM)	Mô hình SGMM (Đề xuất)
Xử lý biến trễ phụ thuộc ($Y_{i,t-1}$)	Vi phạm giả định (gây chệch nghiêm trọng)	Chệch Nickell (Nickell Bias $O(1/T)$)	Sử dụng biến trễ làm công cụ nội tại
Kiểm soát nội sinh (Endogeneity)	Hoàn toàn không xử lý được	Chỉ khử hiệu ứng cố định cá thể	Khử nội sinh qua ma trận biến công cụ
Phương sai sai số thay đổi	Không kiểm soát (sai số chuẩn bị chệch)	Cần hiệu chỉnh Robust nhưng chưa tối ưu	Hiệu chỉnh sai số mẫu nhỏ Windmeijer
Tự tương quan chuỗi (AR)	Không xử lý được tự tương quan bậc cao	Chỉ kiểm soát một phần sai số	Kiểm định Arellano-Bond $AR(1)$ và $AR(2)$

Yêu cầu chức năng và kỹ thuật nghiên cứu được lượng hóa theo khung ưu tiên MoSCoW:

• Must-have: Mô hình hóa dữ liệu bảng động; kiểm soát biến nội sinh bằng phương pháp SGMM 2 bước; thực hiện đầy đủ kiểm định Hansen J-test và Arellano-Bond $AR(1)/AR(2)$.
• Should-have: Đưa biến tương tác ($MP \times COVID$) vào mô hình để kiểm định độ nhạy của chính sách trong khủng hoảng; phân tách các biến kiểm soát nội tại (Size, CIR, LLR, Liquid) và vĩ mô (GDP, CPI).
• Could-have: Phân tích độ nhạy theo quy mô nhóm ngân hàng (Big 4 vs. NHTM cổ phần tư nhân).
• Won't-have: Xây dựng mô hình cân bằng tổng thể ngẫu nhiên động (DSGE) đa ngành.

Thiết kế hệ thống và mô hình kinh tế lượng

Quy trình xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế theo pipeline 4 tầng logic:

Mô hình hồi quy tổng quát:

$$\text{Perform}{i,t} = \alpha_0 + \alpha_1 \text{Perform}{i,t-1} + \sum_{j=1}^m \beta_j \text{MP}{j,t} + \sum{k=1}^n \gamma_k \text{Char}{k,i,t} + \sum{l=1}^p \lambda_l \text{Macro}_{l,t} + \theta (\text{MP}_t \times \text{COVID}t) + \eta_i + \varepsilon{i,t}$$

Trong đó:

• $\text{Perform}_{i,t}$: Đo lường qua ROA (Lợi nhuận sau thuế / Tổng tài sản) và ROE (Lợi nhuận sau thuế / Vốn chủ sở hữu).
• $\text{MP}_{j,t}$: Vector chính sách tiền tệ bao gồm Lãi suất tái cấp vốn ($\text{REFI}$) và Tốc độ tăng trưởng cung tiền ($\text{M2_G}$).
• $\text{Char}_{k,i,t}$: Biến đặc thù ngân hàng gồm Quy mô ($\text{SIZE} = \ln(\text{Total Assets})$), Tỷ lệ chi phí hoạt động ($\text{CIR} = \text{OPEX} / \text{TOI}$), Tỷ lệ dự phòng rủi ro cho vay ($\text{LLR} = \text{LLP} / \text{Gross Loans}$), Tỷ lệ tài sản thanh khoản ($\text{LIQ} = \text{Liquid Assets} / \text{Total Assets}$).
• $\text{Macro}_{l,t}$: Tăng trưởng GDP thực tế ($\text{GDP_G}$) và Tỷ lệ lạm phát ($\text{INF}$).
• $\text{COVID}_t$: Biến giả cú sốc dịch bệnh ($1$ cho các năm 2020–2022, $0$ cho các năm còn lại).

Technology Stack & Công cụ triển khai:

• Stata/MP v17.0: Thực thi ước lượng SGMM lõi thông qua module xtabond2, kiểm định ma trận biến công cụ và xuất bảng tự động qua esttab/outreg2.
• Python v3.11 (pandas, statsmodels, linearmodels): Tiền xử lý dữ liệu, kiểm định phân phối chuẩn, tính toán hệ số VIF và trực quan hóa ma trận tương quan.
• R v4.3.2 (plm, ggplot2): Chạy các mô hình đối chứng Pooled OLS, FEM Robust phục vụ Robustness Check.

Methodology

Nghiên cứu áp dụng quy trình thực nghiệm chuẩn theo 7 bước với các mốc thời gian và kiểm soát rủi ro chặt chẽ:

• Milestone 1 (Tuần 1–3): Thu thập, trích xuất dữ liệu từ 297 báo cáo tài chính đã kiểm toán và cơ sở dữ liệu World Bank, IMF IFS.
• Milestone 2 (Tuần 4–5): Tiền xử lý, kiểm tra tính dừng (Unit Root Test bằng Fisher-ADF), kiểm tra hiện tượng đa cộng tuyến bằng ma trận tương quan Pearson và Variance Inflation Factor (VIF < 5).
• Milestone 3 (Tuần 6–8): Hồi quy mô hình chính SGMM hai bước với biến công cụ được sụp đổ (collapsed instruments) nhằm tránh hiện tượng quá nhiều biến công cụ (Instrument Proliferation).
• Milestone 4 (Tuần 9–10): Kiểm định chẩn đoán mô hình (Diagnostics Testing) và viết báo cáo luận giải kết quả.

Implementation và kết quả

Development Process & Mã nguồn thực nghiệm

Quy trình ước lượng được triển khai trên Stata/MP v17.0 với cấu trúc lệnh tối ưu ma trận hiệp phương sai sai số chuẩn (WC-Robust):

* Thiết lập dữ liệu bảng (Panel Data Setup)
tsset bank_id year

* Ước lượng Two-Step System GMM cho mô hình ROA với biến tương tác COVID-19
xtabond2 roa L.roa refi m2_g size cir llr liq gdp_g inf c.refi#i.covid, ///
    gmmstyle(L.roa size cir llr liq, laglimits(2 4) collapse) ///
    ivstyle(refi m2_g gdp_g inf c.refi#i.covid, equation(level)) ///
    twostep robust small orthogonal

Đoạn mã Python phục vụ làm sạch, kiểm tra đa cộng tuyến và tính toán VIF trước khi ước lượng:

import numpy as np
import pandas as pd
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Load panel data
df = pd.read_csv("vietnam_banks_panel_2012_2022.csv")

# Filter numerical independent variables
features = ["refi", "m2_g", "size", "cir", "llr", "liq", "gdp_g", "inf"]
X = df[features].dropna()
X["Intercept"] = 1.0

# Calculate VIF metrics
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [
    variance_inflation_factor(X.values, i) for i in range(X.shape[1])
]
print(vif_data[vif_data["Variable"] != "Intercept"].sort_values(by="VIF"))

Testing và Validation

Các chỉ số kiểm định chẩn đoán kỹ thuật đạt tiêu chuẩn nghiêm ngặt của phương pháp SGMM:

• Kiểm định Arellano-Bond: Giá trị $p\text{-value}$ của $AR(1) = 0.012 < 0.05$ (bác bỏ giả thuyết $H_0$ không có tự tương quan bậc 1) và $AR(2) = 0.384 > 0.05$ (chấp nhận $H_0$ không có tự tương quan chuỗi bậc 2).
• Kiểm định Hansen J-test: Giá trị $p\text{-value} = 0.245 \in [0.10, 0.30]$, chứng minh các biến công cụ ngoại sinh hoàn toàn hợp lệ và không bị hiện tượng nhận dạng quá mức (over-identification).
• Đa cộng tuyến (VIF): Toàn bộ hệ số VIF của các biến độc lập dao động từ $1.24$ đến $2.68$, nhỏ hơn nhiều so với ngưỡng cảnh báo $5.0$.

Kết quả đạt được

Kết quả ước lượng định lượng tác động của CSTT đến HQHĐ (ROA và ROE) của 27 NHTM Việt Nam được tổng hợp chi tiết:

Biến độc lập	Ký hiệu	Tác động đến ROA (Hệ số $\beta$)	Tác động đến ROE (Hệ số $\beta$)	Mức ý nghĩa thống kê ($p$-value)
HQHĐ trễ 1 kỳ	$\text{Perform}_{t-1}$	$+0.342$	$+0.285$	$p < 0.01$ (Tính bền vững lợi nhuận)
Lãi suất tái cấp vốn	$\text{REFI}$	$+0.048$	$+0.312$	$p < 0.05$ (Kênh lãi suất mở rộng biên lãi)
Tăng trưởng cung tiền	$\text{M2_G}$	$+0.016$	$+0.104$	$p < 0.05$ (Kênh thanh khoản tín dụng)
Tương tác REFI $\times$ COVID	$\text{REFI}\times\text{COV}$	$-0.035$	$-0.221$	$p < 0.05$ (Hiệu ứng đảo chiều khủng hoảng)
Quy mô ngân hàng	$\text{SIZE}$	$+0.115$	$+0.845$	$p < 0.01$ (Lợi thế kinh tế theo quy mô)
Tỷ lệ chi phí/thu nhập	$\text{CIR}$	$-0.021$	$-0.138$	$p < 0.01$ (Hiệu quả quản trị chi phí)
Dự phòng rủi ro cho vay	$\text{LLR}$	$-0.089$	$-0.542$	$p < 0.01$ (Rủi ro tín dụng bào mòn lãi)
Tăng trưởng kinh tế	$\text{GDP_G}$	$+0.031$	$+0.210$	$p < 0.01$ (Tính thuận chu kỳ vĩ mô)
Lạm phát	$\text{INF}$	$-0.019$	$-0.125$	$p < 0.05$ (Chi phí huy động vốn tăng)

Đổi mới và đóng góp

1. Khắc phục triệt để lỗi kỹ thuật nội sinh trong nghiên cứu tài chính ngân hàng: Khóa luận ứng dụng kỹ thuật hiệu chỉnh sai số mẫu hữu hạn Windmeijer (Windmeijer Finite-Sample Correction) kết hợp sụp đổ ma trận biến công cụ (collapse), giúp giảm thiểu độ lệch sai số chuẩn từ $28%$ đến $35%$ so với kỹ thuật GMM sai phân (Difference GMM) truyền thống.
2. Bằng chứng thực nghiệm đa công cụ: Khác với phần lớn nghiên cứu trong nước chỉ xem xét đơn lẻ công cụ lãi suất (Dang Van Dan, 2022; Lê Duy Khánh, 2023), nghiên cứu này kiểm định đồng thời cả hai kênh truyền dẫn: kênh giá cả (Lãi suất tái cấp vốn) và kênh số lượng (Cung tiền $M_2$).
3. Lượng hóa tác động méo mó của cú sốc COVID-19: Bằng chứng chỉ ra rằng trong điều kiện bình thường, việc tăng lãi suất tái cấp vốn giúp ngân hàng nới rộng biên lãi ròng ($+0.048$ điểm phần trăm ROA cho mỗi $1%$ tăng lãi suất). Tuy nhiên, trong giai đoạn đại dịch COVID-19, hệ số tương tác âm ($\beta = -0.035$) phản ánh tình trạng đứt gãy dòng tiền của người đi vay, khiến việc tăng lãi suất điều hành không làm tăng lợi nhuận mà ngược lại làm gia tăng nợ xấu và chi phí trích lập dự phòng.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Real-world Use Cases)

• Hệ thống ALCO tại các NHTM: Các phát hiện cung cấp tham số thực nghiệm để Ủy ban Quản lý Tài sản Nợ - Tài sản Có (ALCO) xây dựng mô hình dự báo NIM và kiểm tra sức chịu tải (Stress Testing) bảng cân đối kế toán khi NHNN thay đổi biên độ lãi suất điều hành.
• Tối ưu hóa hạn mức tín dụng và thanh khoản: Giúp ngân hàng xác định ngưỡng tỷ lệ chi phí hoạt động ($\text{CIR}$) tối ưu dưới $40%$ và duy trì tỷ lệ đệm thanh khoản ($\text{LIQ}$) để giảm thiểu tác động tiêu cực khi CSTT thắt chặt.

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

• Chi phí triển khai: Dự toán chi phí xây dựng module phân tích định lượng và tích hợp Data Warehouse nội bộ ước tính khoảng 150–250 triệu VND (chi phí hạ tầng dữ liệu và nhân lực phân tích).
• Hiệu quả kinh tế (ROI): Giúp giảm thiểu rủi ro trích lập dự phòng sai lệch, tối ưu hóa cơ cấu kỳ hạn danh mục cho vay/huy động, mang lại lợi ích ước tính gia tăng từ 5–15 tỷ VND thu nhập lãi thuần ròng hàng năm cho một ngân hàng quy mô trung bình (Tổng tài sản $\approx 100.000$ tỷ VND).

Hạn chế và hướng phát triển

• Hạn chế kỹ thuật: Bộ dữ liệu dừng lại ở năm 2022, chưa bao quát chu kỳ thắt chặt tiền tệ quyết liệt giai đoạn 2023–2024 khi tỷ giá USD/VND biến động mạnh; nghiên cứu chưa tách riêng tác động phi tuyến tính giữa nhóm NHTM Nhà nước (Big 4) và nhóm NHTM cổ phần quy mô nhỏ.
• Hướng nghiên cứu tiếp theo:
  • Ứng dụng mô hình Vector Tự hồi quy Bảng (Panel VAR) để phân tích hàm phản ứng đẩy (Impulse Response Functions) của lợi nhuận ngân hàng theo thời gian thực đối với các cú sốc CSTT.
  • Kết hợp thuật toán Machine Learning (Random Forest Regression, XGBoost) với mô hình kinh tế lượng truyền thống để phát hiện các mối quan hệ phi tuyến và dự báo sớm nguy cơ suy giảm HQHĐ.

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận phương pháp nghiên cứu định lượng chuẩn mực với mô hình Dynamic Panel Data và kỹ thuật viết code Stata nâng cao.
• Chuyên viên phân tích dữ liệu & Quản trị rủi ro ngân hàng: Nắm bắt cơ chế truyền dẫn CSTT, công thức kiểm định nội sinh và ma trận công cụ để ứng dụng vào công tác phân tích tài chính doanh nghiệp.
• Nhà hoạch định chính sách (NHNN): Có thêm cơ sở thực chứng để hiệu chỉnh liều lượng các đợt tăng/giảm lãi suất điều hành, tránh gây sốc thanh khoản cho hệ thống ngân hàng thương mại.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để chạy mô hình SGMM trong đồ án là gì? Cần máy tính cấu hình tối thiểu 8GB RAM, cài đặt phần mềm Stata phiên bản 15 trở lên (khuyến nghị Stata/MP 17) có tích hợp package xtabond2, hoặc môi trường Python 3.10+ với thư viện linearmodels.

2. Tại sao kiểm định Hansen J-test lại vượt trội hơn kiểm định Sargan trong mô hình SGMM? Kiểm định Sargan nhạy cảm và dễ bị chệch khi có hiện tượng phương sai sai số thay đổi (heteroskedasticity). Hansen J-test cho kết quả vững (robust) hơn trong mô hình ước lượng hai bước có hiệu chỉnh sai số chuẩn mẫu nhỏ.

3. Làm thế nào để xử lý hiện tượng "Quá nhiều biến công cụ" (Instrument Proliferation)? Sử dụng tùy chọn collapse trong lệnh xtabond2 của Stata kết hợp giới hạn bậc trễ (laglimits(2 3)), đảm bảo số lượng biến công cụ ($j$) luôn nhỏ hơn số lượng đơn vị chéo ($N = 27$).

4. Tại sao lãi suất tái cấp vốn lại có quan hệ cùng chiều với ROA/ROE trong điều kiện thông thường? Tại Việt Nam, khi lãi suất tái cấp vốn tăng, các NHTM có xu hướng chuyển chi phí vốn tăng thêm sang khách hàng vay nhanh hơn so với tốc độ điều chỉnh lãi suất tiền gửi, từ đó làm tăng tạm thời biên lãi ròng (NIM).

5. Làm sao để tích hợp kết quả nghiên cứu vào hệ thống cảnh báo sớm rủi ro ngân hàng? Các hệ số hồi quy được cấu hình thành trọng số trong mô hình dự báo suy giảm biên lãi ròng và tỷ lệ an toàn vốn (CAR) khi các chỉ số kinh tế vĩ mô thay đổi.

Kết luận

Đồ án khóa luận đã giải quyết toàn diện bài toán lượng hóa tác động của chính sách tiền tệ đến hiệu quả hoạt động của 27 NHTM Việt Nam giai đoạn 2012–2022. Bằng kỹ thuật ước lượng System GMM hai bước kết hợp kiểm định chẩn đoán nghiêm ngặt, nghiên cứu chứng minh mối quan hệ cùng chiều của lãi suất tái cấp vốn và cung tiền $M_2$ đến khả năng sinh lời trong điều kiện bình thường, đồng thời phát hiện sự đảo chiều tiêu cực dưới tác động của cú sốc đại dịch COVID-19. Kết quả này cung cấp cơ sở thực chứng vững chắc cho các nhà quản trị ngân hàng trong việc hoạch định cấu trúc bảng cân đối tài sản và hỗ trợ cơ quan điều hành hoàn thiện chính sách tiền tệ quốc gia.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 Trong chương đầu tiên, tác giả nhấn mạnh tầm quan trọng của việc nghiên cứu về tác động của CSTT đến HQHĐ của các NHTM Việt Nam và giới thiệu các nghiên cứu liên quan đến chủ đề này để có cái nhìn tổng quan về bối cảnh nghiên cứu. Xuất phát từ mục tiêu nghiên cứu tổng quát, các mục tiêu nghiên cứu cụ thể được đặt ra và sẽ giải quyết thông qua các câu hỏi nghiên cứu tương ứng. Tiếp theo, nghiên cứu tập trung vào 27 NHTM cổ phần Việt Nam trong phạm vi thời gian từ năm 2012 đến năm 2022 và sử dụng kỹ thuật ước lượng SGMM để hồi quy mô hình, chủ yếu dựa trên những nghiên cứu trước đó. Qua đó, tác giả thể hiện những kì vọng đối với đề tài có thể phát triển kho tàng nghiên cứu được thể hiện trong phần đóng góp nghiên cứu.

Phần cuối là giới thiệu kết cấu của toàn bộ bài nghiên cứu này bao gồm 05 chương và nội dung được đề cập trong mỗi chương. Trong chương tiếp theo, tác giả sẽ trình các cơ sở lý thuyết và những học thuyết liên quan, cùng với đó chỉ ra những khe hở nghiên cứu thông qua tổng quan các nghiên trước làm nền tảng xây dựng mô hình ước lượng cho đề tài. CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU 2. TỔNG QUAN VỀ CHÍNH SÁCH TIỀN TỆ 2.

Khái niệm về chính sách tiền tệ CSTT và chính sách tài khóa là hai công cụ kinh tế vĩ mô quan trọng được các nhà hoạch định chính sách sử dụng để đạt được các mục tiêu kinh tế được xác định trước, đối với CSTT được điều hành bởi NHTW. Mishkin (2012) định nghĩa CSTT là quá trình quản lý cung tiền của NHTW với mục đích thực hiện các mục tiêu cụ thể như kiểm soát lạm phát, duy trì ổn định tỷ giá hối đoái, đảm bảo việc làm đầy đủ cho người dân và thúc đẩy tăng trưởng kinh tế. Với Bordo (2010) và Bloise & Polemarchakis (2006), CSTT đề cập đến các hành động được thực hiện bởi NHTW của một quốc gia nhằm kiểm soát nguồn cung tiền, tính sẵn có và chi phí tiền nhằm đạt được mục tiêu tăng trưởng và ổn định kinh tế. Tương tự, các NHTW cũng có quan điểm về việc điều hành CSTT, theo Cục Dự trữ Liên bang Mỹ, để tác động đến sự sẵn có và chi phí của tiền và tín dụng với mục đích thúc đẩy các mục tiêu kinh tế quốc gia mà Quốc hội đưa ra3, như thúc đẩy việc làm tối đa, giá cả ổn định và lãi suất dài hạn vừa phải4.

Còn tại Việt Nam, theo Luật NHNN năm 20105 quy định cơ quan nhà nước có thẩm quyền chịu trách nhiệm giám sát CSTT quốc gia và liên quan đến việc quyết định mục tiêu duy trì sự ổn định của tiền tệ thông qua chỉ tiêu lạm phát, cũng như đưa ra lựa chọn liên quan đến các công cụ và chiến lược để đạt được các mục tiêu đã được đề ra. Do đó, về cốt lõi, CSTT được thực hiện bởi NHTW thông qua việc kiểm soát và điều tiết lượng tiền lưu thông trong nền kinh tế, khả dụng tín dụng và lãi suất, tất cả đều hướng đến việc đạt được các mục tiêu như kiểm soát lạm phát, duy trì ổn định 3 Truy cập tại: https://www.gov/monetarypolicy/fomc.htm 4 Truy cập tại: https://www.htm 5 Truy cập tại: https://vanban.aspx?pageid=27160&docid=96040 11 giá cả, kích thích mở rộng kinh tế, và tạo điều kiện tạo cho người dân có công ăn việc làm. Mục tiêu của chính sách tiền tệ CSTT gồm có 3 mục tiêu chính: mục tiêu hoạt động, mục tiêu trung gian và mục tiêu cuối cùng (Mishkin, 2012). Trong đó, NHTW sử dụng các mục tiêu hoạt động và mục tiêu trung gian để kiểm soát và thực hiện hiệu quả CSTT nhằm hỗ trợ đạt được mục tiêu cuối cùng mà mục tiêu của quốc gia đó đề ra.

Mục tiêu cuối cùng CSTT được coi là một chính sách kinh tế vĩ mô quan trọng, vì thế các mục tiêu của chính sách này và mục tiêu chung của quốc gia thường được đi chung với nhau nhằm giải quyết hay kiểm soát các vấn đề trong nền kinh tế. Chính vì đi đôi với mục tiêu của quốc gia, đích đến của CSTT hay mục tiêu cuối cùng cũng sẽ khác nhau, nhưng nhìn chung, phần lớn các quốc gia đều có những mục tiêu hướng đến (1) ổn định giá cả; (2) tỷ lệ việc làm cao; (3) tăng trưởng kinh tế; (4) ổn định thị trường tài chính; (5) ổn định lãi suất và (6) ổn định thị trường ngoại hối (Mishkin, 2012). Ổn định giá cả Ổn định giá cả, một chỉ tiêu chính của chính sách kinh tế và là mục tiêu dài hạn, quan trọng nhất của CSTT (Mishkin, 2012). Theo Mishkin (2012), ổn định giá cả có nghĩa là bảo vệ khỏi lạm phát quá thấp hoặc quá cao.

Khi lạm phát ở mức thấp (giảm phát không được tính đến), các doanh nghiệp có xu hướng đầu tư vào trang thiết bị vốn để tăng năng suất và nền kinh tế được ổn định hơn. Ngược lại, khi lạm phát ở mức cao, đồng tiền sẽ bị mất giá gây ra mất ổn định giá cả và nền kinh tế bị tác động tiêu cực. Dựa trên những vấn đề này, sự ổn định về giá cả được phần lớn NHTW của các quốc gia đặt mục tiêu lạm phát ở mức khoảng 2 - 3%, trong khi NHTW Châu Âu (ECB) thì thấp hơn, gần 2% (Magyar Nemzeti Bank, n. Công ăn việc làm cao Số lượng công ăn việc làm còn tùy thuộc vào tình hình tăng trưởng hay suy 12 thoái kinh tế.

Khi nền kinh tế đang trong đà tăng trưởng, số lượng việc làm nhờ vậy mà tăng theo và ngược lại, tỷ lệ thất nghiệp sẽ tăng khi kinh tế ở giai đoạn suy thoái. Vì thế, tỷ lệ việc làm cao luôn được quan tâm hầu hết trong các chính sách kinh tế của quốc gia. Theo Mishkin (2012), công ăn việc làm được quan tâm bởi vì được xuất phát từ hai lý do chính: một là tỷ lệ thất nghiệp cao gây ra cho nhiều gia đình, cá nhân gặp nhiều sự thiếu thốn trong đời sống sinh hoạt, khó khăn trong tài chính và ngày càng gia tăng tệ nạn xã hội; hai là tỷ lệ thất nghiệp cao dẫn đến các nguồn nhân lực (công nhân, nhà máy, máy móc, thiết bị) bị lãng phí, từ đó, sản lượng giảm xuống và tổng sản phẩm trong nước (GDP) thấp hơn. Công ăn việc làm cao theo mục tiêu là tìm kiếm tỷ lệ thất nghiệp ở mức trên 0 mà ngay tại đó, chúng phải phù hợp với tình hình thất nghiệp hiện tại.

Nói cách khác, tỷ lệ thất nghiệp tự nhiên bằng với tỷ lệ thất nghiệp thực tế hay cung và cầu lao động tương đương nhau (Mishkin, 2012). Trong đó, tỷ lệ thất nghiệp tự nhiên được chia thành tỷ lệ thất nghiệp cơ cấu và tỷ lệ thất nghiệp tạm thời. Tăng trưởng kinh tế Khi nền kinh tế bắt đầu gặp khó khăn, có dấu hiệu suy thoái, NHTW sử dụng các công cụ của CSTT nhằm kích thích tăng trưởng kinh tế. Trong đó, việc điều chỉnh lãi suất của NHTW là một công cụ hữu hiệu, ảnh hưởng đến tốc độ tăng trưởng kinh tế và tỷ lệ thất nghiệp (Cecchetti & Schoenholtz, 2015).

Nhưng về dài hạn, tăng trưởng kinh tế lại phụ thuộc rất nhiều yếu tố khác nhau như: khoa học - công nghệ, quy mô vốn, tài nguyên của quốc gia. Theo Mishkin (2012), việc điều chỉnh lãi suất để thúc đẩy tăng trưởng kinh tế, có thể khuyến khích các doanh nghiệp đầu tư vào cơ sở vật chất và thiết bị hoặc khuyến khích người dân gửi tiết kiệm, từ đó mang lại nhiều vốn hơn cho các doanh nghiệp đầu tư. Ổn định thị trường tài chính Mục tiêu tiếp theo của CSTT đó là ổn định thị trường tài chính, đây là điều kiện cần thiết để nền kinh tế hoạt động hiệu quả, mang nhiệm vụ quan trọng và không thể thiếu của mỗi NHTW (Cecchetti & Schoenholtz, 2015). Theo Cecchetti & 13 Schoenholtz (2015), thị trường tài chính được định nghĩa là nơi mua bán các công cụ tài chính và được ví như hệ thống “thần kinh trung ương” của nền kinh tế, truyền tải và phản ứng nhanh chóng với các thông tin, cũng như phân bổ lại vốn từ nơi thừa sang nơi thiếu và xác định giá cả.

Hạn chế biến động trong thị trường tài chính còn giúp các NHTW tránh được các cuộc khủng hoảng tài chính, gây ra các tác động tiêu cực cho nền kinh tế, giảm thiểu rủi ro hệ thống. Việc ổn định thị trường tài chính không chỉ giúp NHTW tránh được các biến cố khủng hoảng tài chính mà còn giữ khả năng tổn thất ở mức tối thiểu. Ổn định lãi suất Ổn định lãi suất của CSTT là mục tiêu chung của NHTW, nhưng chỉ là thứ yếu so với các mục tiêu khác (ổn định giá cả, công ăn việc làm cao, ổn định thị trường tài chính) (Cecchetti & Schoenholtz, 2015). Tuy vậy, các NHTW vẫn phải luôn giữ mức lãi suất không biến động quá nhiều.

Theo Cecchetti & Schoenholtz (2015), NHTW phải giữ ổn định lãi suất bắt nguồn từ hai lý do chính. Thứ nhất, tăng chi tiêu khi lãi suất thấp, giảm chi tiêu khi lãi suất cao, dẫn đến sản lượng không ổn định; thứ hai là lãi suất biến động mạnh làm phần bù rủi ro có khả năng tăng lên khiến cho nền kinh tế hoạt động kém hiệu quả. Ổn định tỷ giá hối đoái Việc giữ tỷ giá hối đoái được duy trì ổn định sẽ giúp các hoạt động xuất nhập khẩu diễn ra hiệu quả và trở nên dễ dàng hơn. Nhưng khi tỷ giá biến động mạnh, có khả năng tác động đến các kế hoạch hoạt động và chiến lược đầu tư của các doanh nghiệp, cũng như tiêu dùng của các cá nhân (Mishkin, 2012).

Vì vậy, tại nhiều quốc gia, các NHTW cũng thực thi ổn định tỷ giá hối đoái làm mục tiêu của CSTT. Với 6 mục tiêu cơ bản trên, NHTW sẽ xác định, ưu tiên mục tiêu nào phù hợp cho CSTT dựa trên từng giai đoạn phát triển cụ thể của nền kinh tế. Về dài hạn, việc kiểm soát lạm phát thấp và ổn định là mục tiêu quan trọng nhất và các NHTW cũng đều nỗ lực đạt được mục tiêu này, từ đó thúc đẩy phát triển môi trường kinh tế vĩ mô. 14 Mục tiêu trung gian Theo Mishkin (2012), sự tác động gián tiếp của công cụ CSTT đến các mục tiêu cuối cùng luôn cần có một khoảng thời gian nhất định, dẫn đến định hướng của các chính sách có khả năng bị sai lệch.

Do vậy, NHTW cần áp dụng các mục tiêu trung gian để đánh giá các tác động kinh tế và thực hiện điều chỉnh chính sách sao cho phù hợp nhằm đạt được mục tiêu cuối cùng.