Giới thiệu dự án

Hệ thống Ngân hàng Thương mại (NHTM) giữ vai trò là "huyết mạch" của nền kinh tế Việt Nam, thực hiện chức năng trung gian tài chính và trung gian thanh toán thiết yếu. Trong hơn một thập kỷ qua (2011–2020), ngành ngân hàng Việt Nam đối mặt với sự cạnh tranh gay gắt từ các ngân hàng 100% vốn nước ngoài, công ty Fintech, cùng với áp lực biên lãi thuần (NIM) bị thu hẹp và yêu cầu trích lập dự phòng rủi ro tín dụng theo chuẩn mực Basel II. Thực trạng này đặt ra yêu cầu cấp bách phải tái cấu trúc nguồn thu, chuyển dịch từ tín dụng truyền thống sang đa dạng hóa dịch vụ phi tín dụng (bancassurance, thanh toán số, dịch vụ ngoại hối, đầu tư chứng khoán và quản lý tài sản).

Nghiên cứu tập trung giải quyết vấn đề: Mức độ tác động thực nghiệm của đa dạng hóa thu nhập đến hiệu quả tài chính của các NHTM Việt Nam như thế nào trong điều kiện tồn tại hiện tượng phương sai sai số thay đổi và tự tương quan chuỗi?

Mục tiêu cụ thể của đề tài bao gồm:

  1. Hệ thống hóa cơ sở lý luận về danh mục đầu tư Markowitz và cấu trúc thu nhập ngân hàng.
  2. Xây dựng chỉ số đo lường đa dạng hóa thu nhập chuẩn hóa ($DIV$) dựa trên mô hình điều chỉnh Herfindahl-Hirschman Index ($HHI$).
  3. Thu thập, làm sạch và xử lý dữ liệu bảng (Panel Data) gồm 29 NHTM Việt Nam giai đoạn 2011–2020 (290 quan sát).
  4. Thực hiện kiểm định kinh tế lượng (F-test, Hausman test, Wooldridge test, Modified Wald test) và áp dụng phương pháp Khả thi Bình phương Tối thiểu Tổng quát (Feasible Generalized Least Squares - FGLS) để khắc phục triệt để khuyết tật mô hình.
  5. Đề xuất hệ thống giải pháp chiến lược lượng hóa nhằm tối ưu hóa danh mục thu nhập cho hệ thống NHTM.

Nghiên cứu áp dụng cho 29 NHTM cổ phần tại Việt Nam (chiếm hơn 85% thị phần tài sản toàn hệ thống), loại trừ các ngân hàng bị kiểm soát đặc biệt hoặc thiếu hụt dữ liệu kiểm toán liên tục.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước đây, phần lớn các nghiên cứu trong nước chỉ dừng lại ở việc áp dụng mô hình Pooled OLS hoặc mô hình tác động cố định/ngẫu nhiên (FEM/REM) tiêu chuẩn mà bỏ qua hiện tượng tự tương quan và phương sai thay đổi giữa các thực thể ngân hàng.

Phương pháp nghiên cứu Ưu điểm Nhược điểm Đánh giá độ tin cậy
Pooled OLS Đơn giản, dễ ước lượng tham số. Bỏ qua đặc trưng riêng lẻ từng ngân hàng; ước lượng chệch khi có heterogeneity. Thấp ($R^2$ ảo, p-value bị bóp méo).
Fixed/Random Effects (FEM/REM) Kiểm soát được tính không đồng nhất giữa các ngân hàng. Vi phạm giả định Gauss-Markov khi có Heteroskedasticity và Serial Correlation. Trung bình (Standard Errors không vững).
Feasible GLS (FGLS) Khắc phục đồng thời phương sai sai số thay đổi và tương quan chuỗi bậc 1. Đòi hỏi ma trận hiệp phương sai mẫu tiệm cận vững với cỡ mẫu $T \ge 10, N \ge 20$. Cao nhất (Tối ưu cho dữ liệu bảng tài chính).

Yêu cầu phân tích theo khung MoSCoW:

  • Must-have: Chỉ số phân bổ thu nhập $DIV$ theo Chiorazzo et al. (2008); các biến phụ thuộc $ROA$, $ROE$; biến kiểm soát nội vi ($NPL$, $SIZE$, $GROWTH$, $LOAN$, $EQUITY$) và vĩ mô ($GDP$, $INF$).
  • Should-have: Kiểm định đa cộng tuyến qua hệ số phóng đại phương sai (Variance Inflation Factor - VIF < 5.0).
  • Could-have: Đánh giá tác động trễ $t-1$ của nợ xấu đến tỷ suất sinh lời.
  • Won't-have: Mô hình phi tuyến tính Machine Learning bậc cao (do hạn chế cỡ mẫu $N=29, T=10$).

Thiết kế hệ thống và mô hình định lượng

Technology Stack sử dụng trong nghiên cứu:

  • Phần mềm phân tích kinh tế lượng: Stata phiên bản 14.2 MP (x64).
  • Bộ công cụ xử lý dữ liệu: Microsoft Excel 2019 / VBA script trích xuất dữ liệu Báo cáo tài chính.
  • Cơ sở dữ liệu nguồn: Báo cáo tài chính hợp nhất đã kiểm toán độc lập (PwC, KPMG, EY, Deloitte), Niên giám Ngân hàng Nhà nước, Tổng cục Thống kê (GSO), FiinPro Platform.

Cấu trúc ma trận dữ liệu nghiên cứu (Data Schema):

Panel Identifier: bank_id (1 to 29)
Time Identifier : year (2011 to 2020)
Variables:

Phương pháp luận (Methodology)

Nghiên cứu tuân thủ quy trình 7 bước chuẩn mực của nghiên cứu định lượng tài chính ngân hàng:

$$\begin{aligned} \text{Quy trình} = { &\text{Xác định vấn đề} \rightarrow \text{Lược khảo lý thuyết} \rightarrow \text{Mô hình hóa} \ &\rightarrow \text{Thu thập Panel Data} \rightarrow \text{Ước lượng & Kiểm định} \rightarrow \text{Hiệu chỉnh FGLS} \rightarrow \text{Hàm ý chính sách} } \end{aligned}$$

Mô hình thực nghiệm kinh tế lượng tổng quát:

$$\text{ROA}{i,t} = \alpha_0 + \beta_1 \text{DIV}{i,t} + \beta_2 \text{NPL}{i,t} + \beta_3 \text{SIZE}{i,t} + \beta_4 \text{GROWTH}{i,t} + \beta_5 \text{LOAN}{i,t} + \beta_6 \text{EQUITY}{i,t} + \beta_7 \text{INF}{i,t} + \beta_8 \text{GDP}{i,t} + \varepsilon{i,t}$$

$$\text{ROE}{i,t} = \gamma_0 + \gamma_1 \text{DIV}{i,t} + \gamma_2 \text{NPL}{i,t} + \gamma_3 \text{SIZE}{i,t} + \gamma_4 \text{GROWTH}{i,t} + \gamma_5 \text{LOAN}{i,t} + \gamma_6 \text{EQUITY}{i,t} + \gamma_7 \text{INF}{i,t} + \gamma_8 \text{GDP}{i,t} + u{i,t}$$

Trong đó:

  • $i$: Ngân hàng thứ $i$ ($i = 1, \dots, 29$).
  • $t$: Năm quan sát ($t = 2011, \dots, 2020$).
  • $\varepsilon_{i,t}, u_{i,t}$: Sai số hỗn hợp ngẫu nhiên.

Implementation và kết quả

Development process và Thuật toán cốt lõi

Chỉ số đa dạng hóa thu nhập ($DIV$) được định nghĩa dựa trên biến thể chuẩn hóa của chỉ số HHI (Chiorazzo et al., 2008):

$$\text{DIV} = 1 - \left[ \left( \frac{\text{NET}}{\text{NETOP}} \right)^2 + \left( \frac{\text{NON}}{\text{NETOP}} \right)^2 \right]$$

Trong đó:

  • $\text{NET}$: Thu nhập lãi thuần (Net Interest Income).
  • $\text{NON}$: Thu nhập ngoài lãi thuần (Non-Interest Income, gồm thu từ dịch vụ, kinh doanh ngoại hối, mua bán chứng khoán đầu tư, và thu nhập khác).
  • $\text{NETOP} = \text{NET} + \text{NON}$: Tổng thu nhập hoạt động thuần.
  • Giá trị $DIV$ dao động trong khoảng $[0, 0.5]$. $DIV = 0$ khi ngân hàng chỉ có duy nhất 1 nguồn thu; $DIV = 0.5$ khi tỷ trọng thu nhập lãi thuần và thu nhập ngoài lãi đạt trạng thái cân bằng tuyệt đối 50:50.

Đoạn mã phân tích kinh tế lượng tự động trên Stata 14.2:

*-------------------------------------------------------------------------------
* STATA DO-FILE: ANALYZING INCOME DIVERSIFICATION IMPACT ON BANK PROFITABILITY
* Author: Le Thi Thuy Vy (2021) - University of Banking HCMC
*-------------------------------------------------------------------------------
clear all
set more off

* 1. Nhập và định dạng Panel Data
use "bank_diversification_2011_2020.dta", clear
xtset bank_id year

* 2. Tính toán chỉ số Diversification Index (DIV)
gen netop = net + non
gen div = 1 - ((net/netop)^2 + (non/netop)^2)
label var div "Income Diversification Index (Chiorazzo)"

* 3. Ước lượng Pooled OLS, FEM và REM cho ROA
regress roa div npl size growth loan equity inf gdp
estimates store pooled_ols

xtreg roa div npl size growth loan equity inf gdp, fe
estimates store fem

xtreg roa div npl size growth loan equity inf gdp, re
estimates store rem

* 4. Kiểm định lựa chọn mô hình
* F-test kiểm tra FEM vs Pooled OLS (tích hợp trong xtreg, fe)
* Hausman test kiểm tra FEM vs REM
hausman fem rem

* 5. Kiểm định khuyết tật mô hình
* Kiểm định đa cộng tuyến
quietly regress roa div npl size growth loan equity inf gdp
vif

* Kiểm định phương sai thay đổi (Modified Wald Test cho FEM)
xtreg roa div npl size growth loan equity inf gdp, fe
xttest3

* Kiểm định tự tương quan (Wooldridge Test)
xtserial roa div npl size growth loan equity inf gdp

* 6. Ước lượng FGLS khắc phục triệt để phương sai thay đổi & tự tương quan
xtgls roa div npl size growth loan equity inf gdp, panels(hetero) corr(ar1)
estimates store fgls_roa

xtgls roe div npl size growth loan equity inf gdp, panels(hetero) corr(ar1)
estimates store fgls_roe

* Xuất bảng so sánh kết quả
estimates table pooled_ols fem rem fgls_roa fgls_roe, b(%9.4f) se stats(N r2 chi2)

Testing và Validation

Quá trình kiểm định giả thiết kinh tế lượng nghiêm ngặt được thực hiện qua các bước:

  1. Kiểm định đa cộng tuyến: Hệ số VIF của toàn bộ các biến trong mô hình đều nằm trong khoảng $1.15 \le \text{VIF} \le 2.84$ (trung bình 1.62), chứng minh mô hình không vi phạm đa cộng tuyến nghiêm trọng.
  2. Kiểm định lựa chọn mô hình:
    • $F$-test: Thống kê $F$ có giá trị $p < 0.0001 \implies$ Mô hình FEM vượt trội so với Pooled OLS.
    • Hausman test: Giá trị $\chi^2 = 18.42$ ($p = 0.0183 < 0.05$) đối với mô hình ROA $\implies$ Bác bỏ $H_0$, lựa chọn mô hình Tác động cố định (FEM).
  3. Kiểm định khuyết tật:
    • Modified Wald test cho phương sai sai số: $\chi^2(29) = 1428.56$ ($p = 0.0000 < 0.01$) $\implies$ Hiện tượng phương sai thay đổi nghiêm trọng giữa các ngân hàng.
    • Wooldridge test cho tự tương quan: $F(1, 28) = 10.452$ ($p = 0.0031 < 0.01$) $\implies$ Tồn tại hiện tượng tự tương quan chuỗi.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy ước lượng bằng phương pháp FGLS (Mẫu 29 NHTM Việt Nam, giai đoạn 2011–2020):

Biến giải thích Biến phụ thuộc: ROA (Hệ số $\beta$) Giá trị p-value (ROA) Biến phụ thuộc: ROE (Hệ số $\gamma$) Giá trị p-value (ROE) Ý nghĩa thống kê & Tác động
Hệ số chặn (Constant) -0.0182 0.0210 -0.1945 0.0041 $p < 0.05$
DIV (Đa dạng hóa) +0.0146 0.0002 +0.1382 0.0000 Tác động dương mạnh mẽ ($p < 0.01$)
NPL (Tỷ lệ nợ xấu) -0.0894 0.0000 -0.8412 0.0000 Tác động âm mạnh ($p < 0.01$)
SIZE (Quy mô tài sản) +0.0018 0.0034 +0.0165 0.0082 Tác động dương có ý nghĩa ($p < 0.01$)
GROWTH (Tăng trưởng TS) +0.0084 0.0125 +0.0712 0.0240 Tác động dương có ý nghĩa ($p < 0.05$)
LOAN (Tỷ lệ cho vay/TS) -0.0062 0.0410 -0.0583 0.0385 Tác động âm có ý nghĩa ($p < 0.05$)
EQUITY (VCSH/Tổng TS) +0.0415 0.0000 +0.3210 0.0000 Tác động dương mạnh ($p < 0.01$)
GDP (Tăng trưởng GDP) +0.0321 0.0085 +0.2840 0.0045 Tác động thuận chiều ($p < 0.01$)
INF (Lạm phát CPI) -0.0112 0.0312 -0.0984 0.0420 Tác động ngược chiều ($p < 0.05$)
Số lượng quan sát ($N \times T$) 290 - 290 - Cân bằng hoàn toàn (Balanced Panel)
Wald $\chi^2$ (Hồi quy FGLS) 348.72 0.0000 412.18 0.0000 Mô hình có độ tin cậy $99.9%$

Đánh giá kết quả:

  • Biến $DIV$ đạt mức ý nghĩa thống kê $1%$ ($p = 0.0002$ với ROA và $p = 0.0000$ với ROE). Khi hệ số đa dạng hóa $DIV$ tăng thêm 0.1 đơn vị, tỷ suất $ROA$ tăng trung bình $0.146%$ và $ROE$ tăng trung bình $1.382%$, trong điều kiện các yếu tố khác không đổi.
  • Biến tỷ lệ nợ xấu ($NPL$) có hệ số âm rất lớn ($\beta = -0.0894$), khẳng định rủi ro tín dụng là yếu tố bào mòn lợi nhuận lớn nhất của hệ thống NHTM.

Đổi mới và đóng góp

  1. Đổi mới về kỹ thuật ước lượng thực nghiệm: Khác với các nghiên cứu trước đây tại Việt Nam thường chỉ áp dụng OLS hoặc FEM thông thường dẫn đến sai số chuẩn bị chệch (biased standard errors), đề tài đã áp dụng thuật toán ước lượng FGLS với cấu trúc tự tương quan $AR(1)$ và ma trận hiệp phương sai sai số không đồng nhất giữa 29 ngân hàng.

  2. So sánh với các công trình thực nghiệm tiêu biểu:

    • So với DeYoung & Roland (2001) và Stiroh (2004) (thị trường Mỹ kết luận đa dạng hóa làm tăng độ biến động và giảm hiệu quả do chi phí cố định dịch vụ cao): Nghiên cứu chứng minh tại thị trường mới nổi như Việt Nam, đa dạng hóa mang lại lợi ích biên dương rõ nét nhờ dung lượng thị trường bán lẻ và dịch vụ số còn rất lớn.
    • So với Nguyễn Thị Cành & ctg (2015) (giai đoạn 2007–2013, chịu ảnh hưởng của khủng hoảng nợ xấu tái cơ cấu): Đề tài mở rộng giai đoạn nghiên cứu đến năm 2020, phản ánh giai đoạn bùng nổ chuyển đổi số, ngân hàng số và bán chéo sản phẩm bảo hiểm (Bancassurance).

  3. Lượng hóa mức cải thiện hiệu quả:

    • Tối ưu hóa chỉ số $DIV$ từ mức trung bình toàn ngành hiện tại ($0.28$) lên mức cận tối ưu ($0.40$) tương đương với tiềm năng gia tăng $ROA$ toàn ngành thêm $+17.52%$ và $ROE$ thêm $+16.58%$.

Ứng dụng thực tế và triển khai

Chiến lược ứng dụng thực tế theo 3 trụ cột

  1. Trụ cột Bancassurance và Quản lý gia sản (Wealth Management):
    • Thiết lập hợp tác độc quyền dài hạn (15–20 năm) giữa NHTM và các tập đoàn bảo hiểm nhân thọ/phi nhân thọ toàn cầu.
    • Ứng dụng hệ thống CRM chấm điểm hành vi để tự động gợi ý gói bảo vệ/đầu tư phù hợp khi khách hàng phát sinh khoản vay mua nhà hoặc ô tô.
  2. Trụ cột Ngân hàng số và Dịch vụ Thanh toán (Payment & Digital Banking):
    • Mở rộng hệ sinh thái Open Banking qua cổng API kết nối các sàn thương mại điện tử, hóa đơn điện nước, dịch vụ công quốc gia, chuyển đổi cơ chế "thu phí giao dịch đơn lẻ" sang "thu phí dịch vụ giá trị gia tăng" và duy trì số dư CASA chi phí vốn thấp ($0.1 - 0.2%$).
  3. Trụ cột Dịch vụ Ngoại hối và Phái sinh (Forex & Derivatives):
    • Cung cấp các công cụ hoán đổi lãi suất (IRS), hợp đồng kỳ hạn tỷ giá (Forward), quyền chọn tiền tệ (FX Options) cho các doanh nghiệp xuất nhập khẩu nhằm tăng thu phí dịch vụ phi tín dụng mà không làm gia tăng tài sản chịu trọng số rủi ro (RWA).

Kế hoạch và Lộ trình triển khai (Implementation Roadmap)

Giai đoạn 1: Chuẩn hóa dữ liệu & Tích hợp nền tảng (Tháng 1 - Tháng 6)

Giai đoạn 2: Tối ưu hóa danh mục phi tín dụng (Tháng 7 - Tháng 18)

Giai đoạn 3: Giám sát rủi ro & Mở rộng quy mô (Tháng 19 - Tháng 36)

Hạn chế và hướng phát triển

  1. Hạn chế kỹ thuật hiện tại:
    • Vấn đề nội sinh (Endogeneity): Khả năng phát sinh mối quan hệ tương quan đồng thời giữa lợi nhuận ngân hàng và quyết định đa dạng hóa chưa được xử lý bằng mô hình Bảng động (System GMM) do hạn chế về chuỗi thời gian ($T=10$).
    • Độ sâu phân rã biến: Biến thu nhập ngoài lãi thuần ($NON$) mới được xét ở dạng tổng hợp, chưa tách biệt chi tiết thành từng cấu phần riêng lẻ (phí dịch vụ thuần, kinh doanh ngoại tệ thuần, lãi thuần từ chứng khoán).
  2. Hướng phát triển tiếp theo:
    • Áp dụng phương pháp Ước lượng Moment Tổng quát dạng hệ thống (System Generalized Method of Moments - Two-step GMM) của Arellano-Bover/Blundell-Bond để kiểm soát hoàn toàn tính nội sinh của các biến trễ tài chính.
    • Mở rộng tập dữ liệu sang giai đoạn 2021–2025 nhằm đánh giá sự thay đổi cấu trúc thu nhập dưới tác động của đại dịch COVID-19 và làn sóng chuyển đổi số toàn diện.

Đối tượng hưởng lợi

  • Sinh viên, Học viên Cao học Tài chính - Ngân hàng: Tiếp cận khung nghiên cứu định lượng chuẩn mực, phương pháp viết báo cáo học thuật, cách thức vận hành mô hình kinh tế lượng từ lý thuyết đến thực hành Stata.
  • Chuyên viên Phân tích Định lượng (Quantitative / Financial Analysts): Sử dụng trực tiếp quy trình kiểm định kinh tế lượng (Hausman, Wooldridge, Modified Wald) và mã nguồn xử lý Panel Data bị lỗi phương sai thay đổi.
  • Ban Điều hành NHTM & Cơ quan Quản lý (NHNN): Cung cấp cơ sở thực chứng vững chắc để xây dựng kế hoạch kinh doanh trung và dài hạn, giảm bớt sự phụ thuộc vào trần tăng trưởng tín dụng (credit quota), bảo đảm an toàn hệ thống theo Basel II/III.

Câu hỏi thường gặp

1. Yêu cầu hệ thống và môi trường phần mềm để tái lập kết quả nghiên cứu là gì?

Hệ thống cần cài đặt phần mềm Stata phiên bản 14.0 trở lên (khuyến nghị Stata 14.2 MP hoặc 15.0/16.0), cấu hình tối thiểu RAM 4GB, hệ điều hành Windows 10/11 hoặc Linux/macOS. Tập dữ liệu phải được chuẩn hóa dưới dạng bảng dài (Long-format Panel Data) và khai báo cấu trúc không gian - thời gian bằng lệnh xtset bank_id year.

2. Vì sao phương pháp FGLS lại vượt trội hơn FEM/REM trong nghiên cứu này?

Đối với dữ liệu bảng vi mô của hệ thống ngân hàng thương mại, các ngân hàng có sự chênh lệch rất lớn về quy mô tài sản (ví dụ Big 4 so với các NHTM nhỏ), dẫn đến hiện tượng phương sai của sai số thay đổi giữa các thực thể (Groupwise Heteroskedasticity). Đồng thời, các chỉ số tài chính của cùng một ngân hàng qua các năm có tính phụ thuộc chuỗi (Serial Correlation AR1). FGLS biến đổi ma trận hiệp phương sai sai số $\hat{\Omega}$, cho ra các ước lượng tham số không chệch và có phương sai nhỏ nhất (Best Linear Unbiased Estimator - BLUE).

3. Chỉ số DIV có giới hạn giá trị từ bao nhiêu đến bao nhiêu?

Theo công thức hiệu chỉnh của Chiorazzo et al. (2008), chỉ số $DIV$ nhận giá trị trong đoạn $[0, 0.5]$. Cụ thể:

  • $DIV = 0$: Ngân hàng chỉ hoạt động trong một lĩnh vực duy nhất (100% thu nhập lãi hoặc 100% thu nhập ngoài lãi).
  • $DIV = 0.5$: Đa dạng hóa tối ưu, thu nhập lãi thuần và thu nhập ngoài lãi chiếm tỷ trọng ngang nhau (50% - 50%).

4. Chi phí triển khai đa dạng hóa thu nhập đối với ngân hàng thương mại là bao nhiêu?

Chi phí ban đầu tập trung vào:

  • Đầu tư hệ thống Core Banking và nền tảng Open API: khoảng 1.5 - 5 triệu USD (tùy quy mô ngân hàng).
  • Chi phí tuyển dụng, đào tạo nhân sự mảng tư vấn tài chính cao cấp và chuyên gia phái sinh: chiếm 8 - 12% tổng chi phí hoạt động (OPEX) hàng năm.
  • Thời gian hòa vốn (Payback Period) trung bình của các dự án số hóa và hợp tác Bancassurance dao động từ 18 - 30 tháng.

5. Làm thế nào để kiểm soát rủi ro hoạt động khi mở rộng nguồn thu ngoài lãi?

Ngân hàng cần tích hợp hệ thống kiểm soát rủi ro vận hành (Operational Risk Framework) theo chuẩn Basel III, ứng dụng giải pháp phòng chống gian lận tự động (Anti-Fraud Machine Learning) trong thanh toán số, và áp dụng quy trình kiểm duyệt hợp đồng tư vấn bảo hiểm nghiêm ngặt để bảo vệ uy tín thương hiệu.

Kết luận

Khóa luận tốt nghiệp đã giải quyết trọn vẹn câu hỏi nghiên cứu về mối quan hệ giữa đa dạng hóa thu nhập và lợi nhuận của 29 NHTM Việt Nam giai đoạn 2011–2020. Thông qua phương pháp ước lượng chuẩn mực FGLS, nghiên cứu chứng minh thực nghiệm rằng đa dạng hóa nguồn thu đóng vai trò là động lực thúc đẩy tỷ suất sinh lời trên tài sản (ROA) và vốn chủ sở hữu (ROE), đồng thời hỗ trợ ngân hàng phân tán rủi ro tín dụng truyền thống.

Kết quả này khẳng định chiến lược chuyển dịch cơ cấu thu nhập sang dịch vụ phi lãi không chỉ là xu thế tất yếu trong bối cảnh Cách mạng Công nghiệp 4.0 mà còn là giải pháp cốt lõi bảo đảm sự phát triển an toàn, hiệu quả và bền vững của toàn bộ hệ thống ngân hàng thương mại Việt Nam.