Giới thiệu dự án

Trong bối cảnh hội nhập kinh tế toàn cầu và việc Việt Nam ký kết hàng loạt hiệp định thương mại tự do thế hệ mới (CPTPP, EVFTA, AFTA), hệ thống ngân hàng thương mại (NHTM) nội địa đang chịu áp lực cạnh tranh gay gắt từ các định chế tài chính quốc tế. Tại các thị trường phát triển như Mỹ và Châu Âu, thu nhập ngoài lãi (Non-Interest Income - NII) chiếm từ 40% đến hơn 50% tổng thu nhập hoạt động. Ngược lại, tại Việt Nam, nguồn thu của các NHTM giai đoạn 2009–2018 vẫn phụ thuộc nặng nề vào tín dụng truyền thống (chiếm trên 75–80% cơ cấu doanh thu), khiến biên lãi ròng (NIM) dễ bị tổn thương trước biến động vĩ mô và rủi ro nợ xấu gia tăng.

+-------------------------------------------------------------------------+
|                  VẤN ĐỀ CỐT LÕI CỦA NHTM VIỆT NAM                      |
+-------------------------------------------------------------------------+
| [Phụ thuộc >75% Tín dụng] -> [Rủi ro NPL & NIM giảm] -> [Lợi nhuận giảm]|
|                                   |                                     |
|                                   v                                     |
| [Giải pháp]: Đa dạng hóa nguồn thu sang Hoạt động ngoài lãi (NTR)        |
+-------------------------------------------------------------------------+

Vấn đề đặt ra là mô hình tăng trưởng dựa hoàn toàn vào tín dụng khiến các ngân hàng đối mặt với rủi ro nợ khó đòi khi tỷ lệ nợ xấu (Non-Performing Loans - NPL) vượt ngưỡng 3–5%, gây suy giảm trực tiếp tỷ suất sinh lời trên tổng tài sản (ROA) và vốn chủ sở hữu (ROE).

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý thuyết về hoạt động kinh doanh phi truyền thống (Non-traditional activities) và hiệu quả tài chính của NHTM.
  2. Xây dựng mô hình định lượng tính toán chỉ số đa dạng hóa thu nhập (NTR - Non-traditional Trading Rate) dựa trên chỉ số tập trung Herfindahl-Hirschman (HHI).
  3. Thu thập và chuẩn hóa bộ dữ liệu bảng (Panel Data) gồm 30 NHTM Việt Nam trong giai đoạn 10 năm (2009–2018) với 300 quan sát.
  4. Ước lượng và so sánh 4 mô hình kinh tế lượng: Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM) và Feasible Generalized Least Squares (FGLS).
  5. Đưa ra các khuyến nghị chiến lược và giải pháp chính sách nhằm tối ưu hóa cơ cấu thu nhập và kiểm soát rủi ro hoạt động ngân hàng.

Phương pháp tiếp cận sử dụng mô hình hồi quy dữ liệu bảng đa biến giúp cô lập tác động thuần túy của hoạt động phi lãi đối với khả năng sinh lời, kiểm soát đồng thời các yếu tố vi mô đặc thù của ngân hàng và các cú sốc kinh tế vĩ mô.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hiệu quả hoạt động ngân hàng thường áp dụng nhiều phương pháp khác nhau với các ưu - nhược điểm riêng biệt:

Phương pháp Ưu điểm Nhược điểm Ứng dụng thực tế
Phân tích CAMELS Toàn diện về an toàn vốn, thanh khoản, quản trị Mang tính định tính, phụ thuộc đánh giá chủ quan Thanh tra, giám sát ngân hàng
Data Envelopment Analysis (DEA) Đánh giá hiệu quả kỹ thuật phi tham số đa đầu vào/ra Nhạy cảm với sai số dữ liệu, không kiểm định giả thuyết Tối ưu hóa hiệu quả quy mô chi nhánh
Pooled OLS Đơn giản, dễ ước lượng tham số Bỏ qua đặc trưng riêng của từng ngân hàng, dễ vi phạm giả định OLS Phân tích sơ bộ mẫu dữ liệu gộp
Mô hình Dữ liệu bảng (FEM/REM/FGLS) Kiểm soát dị biệt cá thể, thời gian và khắc phục tự tương quan/phương sai thay đổi Yêu cầu kiểm định chẩn đoán phức tạp Đánh giá tác động chính sách và hiệu quả tài chính

Yêu cầu nghiên cứu theo mô hình MoSCoW

  • Must have: Xây dựng biến phụ thuộc ROA; đo lường biến NTR qua hệ số HHI; kiểm định đa cộng tuyến (VIF), kiểm định Hausman và kiểm định phương sai sai số thay đổi.
  • Should have: Kiểm định tự tương quan chuỗi bằng Wooldridge test; khắc phục toàn diện khuyết tật mô hình bằng ước lượng FGLS.
  • Could have: Đánh giá bổ sung tác động lên ROE và biên độ biến động lợi nhuận rủi ro (Risk-adjusted return).
  • Won't have: Mô hình hóa chuỗi thời gian đơn lẻ ARIMA do không tận dụng được cấu trúc dữ liệu không gian 30 NHTM.

Thiết kế hệ thống và mô hình dữ liệu

Quy trình xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế theo cấu trúc module:

Ngăn xếp công nghệ và công cụ

  • Môi trường tính toán: Stata MP 15.0 / 16.0 chuyên dụng cho hồi quy dữ liệu bảng.
  • Xử lý số liệu: Microsoft Excel 2019, Python 3.8 (pandas, numpy, statsmodels).
  • Nguồn dữ liệu: BCTC kiểm toán, Báo cáo thường niên 30 NHTM, Cơ sở dữ liệu Ngân hàng Nhà nước, Tổng cục Thống kê (GSO) và World Bank Open Data.

Bảng định nghĩa biến nghiên cứu

$$\text{ROA}{i,t} = \beta_1 + \beta_2\text{NTR}{i,t} + \beta_3\text{SIZE}{i,t} + \beta_4\text{LOAN}{i,t} + \beta_5\text{NPL}{i,t} + \beta_6\text{EQUITY}{i,t} + \beta_7\text{DTL}{i,t} + \beta_8\text{GDP}{i,t} + \beta_9\text{INF}{i,t} + \varepsilon{i,t}$$

Ký hiệu Tên biến Công thức xác định Kỳ vọng dấu
ROA Tỷ suất sinh lời trên tài sản $\frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản bình quân}}$ Biến phụ thuộc
NTR Tỷ lệ kinh doanh ngoài lãi $1 - \left[ \left(\frac{\text{NON}}{\text{NETOP}}\right)^2 + \left(\frac{\text{NET}}{\text{NETOP}}\right)^2 \right]$ $(+)$
SIZE Quy mô tài sản $\ln(\text{Tổng tài sản})$ $(+)$
LOAN Tỷ lệ dư nợ cho vay $\frac{\text{Tổng dư nợ cho vay}}{\text{Tổng tài sản}}$ $(+)$
NPL Tỷ lệ nợ xấu $\frac{\text{Nợ xấu (Nhóm 3-5)}}{\text{Tổng dư nợ}}$ $(-)$
EQUITY Độ phù hợp vốn $\frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}}$ $(+)$
DTL Cấu trúc tài trợ $\frac{\text{Tiền gửi khách hàng}}{\text{Tổng nợ phải trả}}$ $(+)$
GDP Tăng trưởng kinh tế Tốc độ tăng trưởng GDP thực tế hàng năm (%) $(+)$
INF Tỷ lệ lạm phát Chỉ số giá tiêu dùng CPI bình quân (%) $(-)$

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình kiểm định kinh tế lượng 5 giai đoạn:

  1. Kiểm định F-test: Lựa chọn giữa Pooled OLS và FEM (Kiểm định giả thuyết $H_0$: Các hiệu ứng cố định cá thể bằng 0).
  2. Kiểm định Hausman: Lựa chọn giữa FEM và REM (Kiểm định giả thuyết $H_0$: Sai số đặc thù cá thể không tương quan với các biến giải thích).
  3. Kiểm định Phương sai sai số thay đổi (Modified Wald / Breusch-Pagan Test): Kiểm tra tính đồng nhất của phương sai sai số.
  4. Kiểm định Tự tương quan (Wooldridge Test): Kiểm tra tương quan giữa các phần dư theo thời gian $AR(1)$.
  5. Ước lượng FGLS: Sử dụng ma trận trọng số phương sai để loại bỏ hoàn toàn hiện tượng phương sai thay đổi và tự tương quan, đảm bảo ước lượng BLUE (Best Linear Unbiased Estimator).

Implementation và kết quả

Quy trình phát triển và thuật toán ước lượng

Chỉ số đa dạng hóa thu nhập NTR được tính toán dựa trên độ đo Herfindahl-Hirschman Index (HHI) biến đổi:

$$\text{NTR}{i,t} = 1 - \left[ \left(\frac{\text{NON}{i,t}}{\text{NETOP}{i,t}}\right)^2 + \left(\frac{\text{NET}{i,t}}{\text{NETOP}_{i,t}}\right)^2 \right]$$

Trong đó:

  • $\text{NET}$: Thu nhập thuần từ lãi (Net Interest Income).
  • $\text{NON}$: Thu nhập thuần ngoài lãi (Net Non-Interest Income).
  • $\text{NETOP} = \text{NET} + \text{NON}$: Tổng thu nhập hoạt động thuần.
  • $\text{NTR} \in [0, 0.5]$: Giá trị 0 tương ứng với đơn nhất một nguồn thu nhập; giá trị 0.5 phản ánh sự đa dạng hóa tuyệt đối ($\text{NET} = \text{NON}$).
* Stata Script for Econometric Model Estimation & Diagnostics
clear all
set more off

* 1. Declare Panel Data Structure
xtset bank_id year

* 2. Estimate Pooled OLS, FEM, REM
reg roa ntr size loan npl equity dtl gdp inf
estimates store POOLED_OLS

xtreg roa ntr size loan npl equity dtl gdp inf, fe
estimates store FEM

xtreg roa ntr size loan npl equity dtl gdp inf, re
estimates store REM

* 3. Model Selection Tests
* F-Test for FEM vs OLS
testparm i.bank_id

* Hausman Specification Test
hausman FEM REM

* 4. Diagnostic Tests for REM
xttest0 /* Breusch-Pagan LM Test */
xttest3 /* Modified Wald test for heteroskedasticity (under FE) */
xtserial roa ntr size loan npl equity dtl gdp inf /* Wooldridge test */

* 5. Resolve Model Defects via FGLS (Panel-corrected heteroskedasticity & AR1)
xtgls roa ntr size loan npl equity dtl gdp inf, panels(hetero) corr(ar1)
estimates store FGLS_FINAL

Kiểm định và đánh giá mô hình

Kết quả các kiểm định chẩn đoán kỹ thuật:

  • Kiểm định F-test (Pooled OLS vs FEM): Giá trị $p\text{-value} < 0.05$, bác bỏ $H_0$, cho thấy mô hình FEM vượt trội hơn Pooled OLS.
  • Kiểm định Hausman (FEM vs REM): Giá trị $p\text{-value} > 0.05$, chưa đủ cơ sở bác bỏ $H_0$, xác định mô hình REM thích hợp hơn FEM.
  • Kiểm định khuyết tật: Mô hình REM xuất hiện hiện tượng phương sai sai số thay đổi ($p < 0.05$ trong kiểm định Breusch-Pagan) và tự tương quan tiềm tàng, làm chệch sai số chuẩn của các hệ số hồi quy.
  • Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} < 5$ (trung bình $\approx 1.8$), loại trừ nguy cơ đa cộng tuyến nghiêm trọng giữa các biến độc lập.

Kết quả ước lượng thực nghiệm

Bảng tổng hợp kết quả ước lượng từ 4 mô hình:

Biến Pooled OLS FEM REM FGLS (Mô hình chuẩn xác nhất)
NTR 0.0128* 0.0142** 0.0135** 0.0118*** (Tác động dương mạnh)
SIZE 0.0011** 0.0024*** 0.0016*** 0.0019*** (Tác động dương)
LOAN 0.0035 0.0012 0.0021 0.0008 (Không có ý nghĩa thống kê)
NPL -0.0542*** -0.0489*** -0.0511*** -0.0463*** (Tác động âm mạnh)
EQUITY 0.0387*** 0.0412*** 0.0395*** 0.0341*** (Tác động dương)
DTL 0.0018 -0.0005 0.0004 0.0002 (Không có ý nghĩa thống kê)
GDP -0.0015* -0.0021** -0.0018* -0.0014** (Tác động âm)
INF 0.0195* 0.0241** 0.0215** 0.0222*** (Tác động dương)
Khuyết tật Vi phạm OLS Giảm bậc tự do Phương sai thay đổi Đã khắc phục hoàn toàn

Ghi chú: ***, **, * tương ứng với mức ý nghĩa thống kê 1%, 5% và 10%.

Phương trình hồi quy FGLS cuối cùng:

$$\text{ROA} = \beta_1 + 0.0118\cdot\text{NTR} + 0.0019\cdot\text{SIZE} - 0.0463\cdot\text{NPL} + 0.0341\cdot\text{EQUITY} - 0.0014\cdot\text{GDP} + 0.0222\cdot\text{INF}$$


Đổi mới và đóng góp

  1. Bằng chứng thực nghiệm định lượng chuẩn xác: Chứng minh hoạt động kinh doanh ngoài lãi ($\text{NTR}$) có tác động tích cực đến khả năng sinh lời ($\text{ROA}$) của NHTM Việt Nam với hệ số hồi quy dương có ý nghĩa thống kê $1%$ ($p < 0.01$). Khi mức độ đa dạng hóa tăng thêm 0.1 đơn vị, ROA bình quân tăng thêm 0.118%.
  2. Khắc phục toàn diện khuyết tật kinh tế lượng: So với các nghiên cứu trước đây chỉ dừng lại ở FEM hoặc REM thông thường, đề tài áp dụng mô hình FGLS giúp xử lý triệt để hiện tượng phương sai thay đổi giữa 30 ngân hàng và hiện tượng tự tương quan chuỗi thời gian 10 năm.
  3. So sánh với các nghiên cứu tiền nhiệm:
Nghiên cứu Mẫu & Thời gian Phương pháp Kết quả NTR Biến LOAN & NPL
Hồ Thị Hồng Minh & Nguyễn Thị Cành (2015) 22 NHTM (2007–2013) SGMM NTR (+) thuận chiều LOAN (-) ngược chiều, NPL (-)
Lê Long Hậu & Phạm Xuân Quỳnh (2016) 26 NHTM (2006–2014) FEM/REM HHIA (+) thuận chiều LOAN (+) thuận chiều, EQUITY (+)
Đề tài hiện tại (Nguyễn Ngọc Xuân Minh, 2020) 30 NHTM (2009–2018) FGLS NTR (+) thuận chiều (p < 0.01) LOAN (no effect), NPL (-) rất mạnh

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong quản trị ngân hàng

+-------------------------------------------------------------------------------+
|                     LỘ TRÌNH CHUYỂN DỊCH CƠ CẤU DOANH THU                     |
+-------------------------------------------------------------------------------+
| Giai đoạn 1 (0-6 tháng) : Tối ưu hóa hạ tầng Core Banking, API & Phí dịch vụ  |
| Giai đoạn 2 (6-18 tháng): Đẩy mạnh Bancassurance, FX Trading & Wealth Mgmt    |
| Giai đoạn 3 (18-36 tháng): Ra mắt hệ sinh thái số Banking-as-a-Service (BaaS) |
| Giai đoạn 4 (>36 tháng) : Đưa tỷ trọng thu ngoài lãi (NII) vượt ngưỡng 35-40%|
+-------------------------------------------------------------------------------+
  1. Phát triển sản phẩm dịch vụ phi tín dụng (Fee-based services): Tận dụng hạ tầng ngân hàng số để mở rộng dịch vụ thanh toán quốc tế, thanh toán điện tử, bảo lãnh, tư vấn đầu tư và phân phối bảo hiểm (Bancassurance).
  2. Quản trị rủi ro nợ xấu chủ động: Do hệ số tác động của $\text{NPL}$ lên $\text{ROA}$ là rất lớn ($-0.0463$), việc kiểm soát và phân loại nợ chặt chẽ theo Thông tư 02/2013/TT-NHNN giúp giảm chi phí trích lập dự phòng rủi ro, bảo toàn lợi nhuận ròng.
  3. Tăng cường năng lực vốn tự có ($\text{EQUITY}$): Tỷ lệ vốn chủ sở hữu trên tổng tài sản có hệ số tác động dương ($+0.0341$). Ngân hàng có tỷ lệ an toàn vốn cao (đáp ứng chuẩn Basel II/III) có lợi thế cạnh tranh về chi phí huy động vốn trên thị trường liên ngân hàng.

Hạn chế và hướng phát triển

  • Hạn chế dữ liệu: Mẫu nghiên cứu kết thúc ở năm 2018, chưa phản ánh đầy đủ tác động của làn sóng chuyển đổi số mạnh mẽ và các biến động tài chính sau đại dịch COVID-19.
  • Phân rã cấu phần ngoài lãi: Chỉ số NTR tổng hợp phản ánh toàn bộ thu nhập ngoài lãi nhưng chưa phân tách chi tiết thành các nhánh con: lãi thuần từ dịch vụ, kinh doanh ngoại hối, mua bán chứng khoán kinh doanh và đầu tư.
  • Hướng nghiên cứu tiếp theo: Ứng dụng mô hình GMM hệ thống (System GMM) hai bước để kiểm soát triệt để hiện tượng nội sinh (Endogeneity) giữa biến phụ thuộc trễ $\text{ROA}_{t-1}$ và biến quy mô $\text{SIZE}$; mở rộng chuỗi dữ liệu đến giai đoạn 2020–2025.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học Tài chính - Ngân hàng: Cung cấp khung phương pháp luận định lượng hoàn chỉnh từ khâu thu thập BCTC, tính toán chỉ số HHI đến quy trình kiểm định kinh tế lượng trên Stata.
  • Chuyên viên phân tích dữ liệu & Data Scientist FinTech: Tham khảo thuật toán xử lý dữ liệu bảng và mô hình định lượng cấu trúc sinh lời ngân hàng.
  • Ban lãnh đạo NHTM & Nhà hoạch định chính sách: Cung cấp bằng chứng thực nghiệm vững chắc để xây dựng lộ trình chuyển dịch cơ cấu thu nhập, giảm dần tỷ trọng tín dụng truyền thống nhằm tăng cường khả năng chống chịu rủi ro hệ thống.
  • Nhà nghiên cứu kinh tế lượng ứng dụng: Mô hình tham chiếu về cách xử lý hiện tượng phương sai thay đổi và tự tương quan chuỗi bằng phương pháp FGLS.

Câu hỏi thường gặp

1. Tại sao chỉ số NTR chỉ nhận giá trị trong khoảng từ 0 đến 0.5?

Chỉ số $\text{NTR} = 1 - [(\text{NON}/\text{NETOP})^2 + (\text{NET}/\text{NETOP})^2]$. Khi ngân hàng chỉ có 1 nguồn thu nhập duy nhất (hoặc 100% từ lãi, hoặc 100% ngoài lãi), tổng bình phương tỷ trọng bằng 1, do đó $\text{NTR} = 1 - 1 = 0$. Khi thu nhập chia đều 50% cho lãi và 50% cho ngoài lãi (đa dạng hóa tối đa), tổng bình phương là $0.5^2 + 0.5^2 = 0.5$, khi đó $\text{NTR} = 1 - 0.5 = 0.5$.

2. Vì sao mô hình FGLS được chọn là mô hình tối ưu thay vì Pooled OLS hay FEM/REM?

Pooled OLS bỏ qua đặc trưng riêng của từng ngân hàng. REM được lựa chọn thông qua kiểm định Hausman ($p > 0.05$), tuy nhiên khi kiểm định sâu, REM vi phạm giả định về phương sai sai số không đổi (Heteroskedasticity). Phương pháp FGLS sử dụng ma trận hiệp phương sai tổng quát khả thi để hiệu chỉnh sai số chuẩn, mang lại các ước lượng không chệch và hiệu quả nhất.

3. Tỷ lệ nợ xấu NPL ảnh hưởng đến hiệu quả hoạt động ngân hàng như thế nào?

Theo kết quả hồi quy FGLS, biến $\text{NPL}$ có hệ số hồi quy âm $-0.0463$ với mức ý nghĩa 1%. Điều này chứng minh nợ xấu làm gia tăng chi phí trích lập dự phòng rủi ro tín dụng và làm giảm dòng tiền thu lãi, từ đó làm suy giảm trực tiếp tỷ suất $\text{ROA}$.

4. Quy mô ngân hàng (SIZE) có tác động tích cực đến khả năng sinh lời hay không?

Có. Biến $\text{SIZE}$ mang hệ số hồi quy dương $+0.0019$ có ý nghĩa thống kê $1%$. Điều này cho thấy các ngân hàng có tổng tài sản lớn sở hữu lợi thế kinh tế nhờ quy mô (Economies of Scale), mạng lưới chi nhánh rộng lớn và uy tín thương hiệu giúp mở rộng doanh thu dịch vụ phi tín dụng hiệu quả hơn.

5. Tại sao biến tăng trưởng GDP lại có hệ số mang dấu âm trong mô hình FGLS?

Hệ số của biến $\text{GDP}$ mang dấu âm ($-0.0014$, $p < 0.05$). Trong giai đoạn nền kinh tế tăng trưởng nóng, các ngân hàng thường có xu hướng nới lỏng điều kiện tín dụng và gia tăng chi phí hoạt động để cạnh tranh giành thị phần, dẫn đến chi phí vận hành tăng cao tạm thời làm giảm nhẹ biên lợi nhuận ròng trên tổng tài sản.


Kết luận

Đồ án đã chứng minh một cách khoa học và thực nghiệm rằng việc mở rộng hoạt động kinh doanh ngoài lãi đóng vai trò động lực thúc đẩy tỷ suất sinh lời trên tổng tài sản (ROA) của các ngân hàng thương mại Việt Nam. Việc phối hợp hài hòa giữa tín dụng truyền thống và phát triển dịch vụ tài chính hiện đại, kết hợp với quản trị rủi ro nợ xấu nghiêm ngặt và củng cố bộ đệm vốn chủ sở hữu, là chiến lược sống còn giúp các NHTM Việt Nam nâng cao năng lực cạnh tranh và phát triển bền vững trong kỷ nguyên số hóa tài chính toàn cầu.