Tác động của quy mô đến khả năng chấp nhận rủi ro của các ngân hàng tmcp tại việt nam trong gian đoạn 2012 2022

Tài liệu nghiên cứu Tác động của quy mô đến khả năng chấp nhận rủi ro của các ngân hàng tmcp tại việt nam trong gian, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên

• Tác giả: Thái Thị Cẩm Vân
• Người hướng dẫn: TS. Nguyễn Đặng Hải Yến
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài Chính
• Đề tài: Tác Động Của Quy Mô Đến Khả Năng Chấp Nhận Rủi Ro Của Các Ngân Hàng Thương Mại Cổ Phần Tại Việt Nam Trong Giai Đoạn 2012 – 2022
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU
• 1.1. Lý do chọn và tính cấp thiết của đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Ý nghĩa của bài nghiên cứu
• 1.7. Kết cấu của bài nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM
• 2.1. Lý thuyết về mức độ chấp nhận rủi ro của Ngân hàng
• 2.1.1. Khái niệm mức độ chấp nhận rủi ro của ngân hàng
• 2.1.2. Các thước đo mức độ chấp nhận rủi ro của ngân hàng
• 2.1.3. Các nhân tố ảnh hưởng đến khả năng chấp nhận rủi ro của ngân hàng
• 2.2. Lý thuyết hoạt động về quy mô
• 2.2.1. Định nghĩa quy mô
• 2.2.2. Các chỉ số đo lường quy mô hoạt động
• 2.3. Lý thuyết về tác động quy mô đến mức độ chấp nhận rủi ro của Ngân hàng
• 2.3.1. Lý thuyết “too big to fail”
• 2.3.2. Lý thuyết chi phí đại diện và bất cân xứng thông tin
• 2.4. Lược khảo về một số nghiên cứu trước đây
• 2.5. Khoảng trống nghiên cứu
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Mô hình nghiên cứu
• 3.2. Mô tả biến nghiên cứu
• 3.3. Giả thuyết nghiên cứu
• 3.4. Dữ liệu nghiên cứu
• 3.5. Phương pháp nghiên cứu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Thống kê mô tả và sự tương quan của các biến trong mô hình
• 4.2. Kết quả mô hình hồi quy
• 4.2.1. Phân tích hồi quy theo mô hình Robust Check và Fixed Effect
• 4.2.2. Kết quả hồi quy của mô hình 2SLS
• 4.3. Thực hiện kiểm định các nhân tố cấu thành Z-score
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
• 5.1. Hàm ý chính sách
• 5.1.1. Hàm ý chính sách liên quan đến quy mô
• 5.1.2. Hàm ý chính sách liên quan đến các biến kiểm soát khác
• 5.2. Hạn chế của đề tài
• 5.3. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về tác động của quy mô đến khả năng chấp nhận rủi ro ngân hàng

Nghiên cứu về tác động của quy mô đến khả năng chấp nhận rủi ro của các ngân hàng thương mại tại Việt Nam trong giai đoạn 2012-2022 đã thu hút sự quan tâm lớn từ các nhà nghiên cứu. Hệ thống ngân hàng đóng vai trò quan trọng trong nền kinh tế, và khả năng chấp nhận rủi ro của ngân hàng là yếu tố quyết định đến sự ổn định của hệ thống tài chính. Nghiên cứu này sẽ cung cấp cái nhìn tổng quan về mối quan hệ giữa quy mô ngân hàng và khả năng chấp nhận rủi ro, từ đó đưa ra các giải pháp phù hợp.

1.1. Khái niệm quy mô ngân hàng và khả năng chấp nhận rủi ro

Quy mô ngân hàng thường được đo bằng tổng tài sản hoặc vốn chủ sở hữu. Khả năng chấp nhận rủi ro của ngân hàng được xác định qua các chỉ số như Z-score. Sự tương quan giữa hai yếu tố này là chủ đề chính của nghiên cứu.

1.2. Tình hình nghiên cứu trước đây về quy mô và rủi ro

Nhiều nghiên cứu trước đây đã chỉ ra rằng quy mô ngân hàng có thể ảnh hưởng đến khả năng chấp nhận rủi ro. Tuy nhiên, kết quả không đồng nhất, với một số nghiên cứu cho thấy mối quan hệ dương, trong khi một số khác lại cho thấy mối quan hệ âm.

II. Vấn đề và thách thức trong nghiên cứu tác động của quy mô

Mặc dù có nhiều nghiên cứu về tác động của quy mô đến khả năng chấp nhận rủi ro, nhưng vẫn còn nhiều vấn đề và thách thức cần giải quyết. Sự khác biệt trong phương pháp nghiên cứu, dữ liệu và thời gian nghiên cứu đã dẫn đến những kết quả không nhất quán. Điều này đặt ra câu hỏi về tính chính xác và độ tin cậy của các kết quả nghiên cứu.

2.1. Sự khác biệt trong phương pháp nghiên cứu

Các phương pháp nghiên cứu khác nhau như hồi quy tuyến tính, mô hình hiệu ứng cố định, và mô hình 2SLS đã được sử dụng, nhưng mỗi phương pháp có những ưu nhược điểm riêng, ảnh hưởng đến kết quả cuối cùng.

2.2. Khó khăn trong việc thu thập dữ liệu

Việc thu thập dữ liệu từ các ngân hàng thương mại tại Việt Nam gặp nhiều khó khăn do tính minh bạch và khả năng tiếp cận thông tin. Điều này có thể ảnh hưởng đến độ chính xác của các phân tích và kết luận.

III. Phương pháp nghiên cứu tác động của quy mô đến rủi ro

Để đánh giá tác động của quy mô đến khả năng chấp nhận rủi ro, nghiên cứu sử dụng phương pháp phân tích định lượng với dữ liệu bảng từ 27 ngân hàng thương mại tại Việt Nam. Các mô hình hồi quy như Fixed Effect và 2SLS sẽ được áp dụng để kiểm tra mối quan hệ giữa quy mô và khả năng chấp nhận rủi ro.

3.1. Mô hình nghiên cứu và biến số

Mô hình nghiên cứu sẽ bao gồm các biến độc lập như quy mô ngân hàng, đòn bẩy tài chính, và các biến kiểm soát khác. Biến phụ thuộc là khả năng chấp nhận rủi ro được đo bằng Z-score.

3.2. Phân tích dữ liệu và kiểm định giả thuyết

Dữ liệu sẽ được phân tích bằng các mô hình hồi quy để kiểm định các giả thuyết về mối quan hệ giữa quy mô và khả năng chấp nhận rủi ro. Kết quả sẽ được so sánh và đánh giá để đưa ra kết luận chính xác.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy quy mô ngân hàng có tác động tích cực đến khả năng chấp nhận rủi ro. Các ngân hàng lớn hơn có xu hướng chấp nhận rủi ro cao hơn, điều này có thể do khả năng tài chính mạnh mẽ hơn và sự đa dạng trong hoạt động kinh doanh. Những phát hiện này có thể được áp dụng để cải thiện chiến lược quản lý rủi ro trong các ngân hàng thương mại.

4.1. Phân tích kết quả hồi quy

Kết quả hồi quy cho thấy mối quan hệ dương giữa quy mô và khả năng chấp nhận rủi ro, với các hệ số có ý nghĩa thống kê. Điều này khẳng định rằng ngân hàng lớn hơn có khả năng chấp nhận rủi ro cao hơn.

4.2. Ứng dụng chính sách cho ngân hàng

Các ngân hàng có thể sử dụng kết quả nghiên cứu để điều chỉnh chiến lược phát triển quy mô, đồng thời tăng cường các biện pháp quản lý rủi ro nhằm đảm bảo sự ổn định và phát triển bền vững.

V. Kết luận và hướng nghiên cứu tương lai

Nghiên cứu đã chỉ ra rằng quy mô ngân hàng có tác động đáng kể đến khả năng chấp nhận rủi ro. Tuy nhiên, vẫn cần nhiều nghiên cứu hơn để làm rõ mối quan hệ này trong bối cảnh thay đổi của nền kinh tế. Hướng nghiên cứu tương lai có thể tập trung vào việc phân tích các yếu tố khác ảnh hưởng đến khả năng chấp nhận rủi ro của ngân hàng.

5.1. Tóm tắt kết quả nghiên cứu

Kết quả nghiên cứu khẳng định rằng quy mô ngân hàng có ảnh hưởng tích cực đến khả năng chấp nhận rủi ro, mở ra hướng đi mới cho các nghiên cứu tiếp theo.

5.2. Đề xuất hướng nghiên cứu tiếp theo

Nghiên cứu tiếp theo có thể xem xét các yếu tố như môi trường kinh tế, chính sách quản lý và tác động của công nghệ đến khả năng chấp nhận rủi ro của ngân hàng.

Nội dung chính

Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trong việc phân bổ vốn và duy trì ổn định kinh tế vĩ mô. Tại Việt Nam, quá trình tái cơ cấu hệ thống tổ chức tín dụng (TCTD) giai đoạn 2011–2020 và định hướng đến 2025 đã thúc đẩy mạnh mẽ làn sóng sáp nhập, hợp nhất (M&A) và tăng vốn điều lệ. Xu hướng mở rộng quy mô tài sản nhanh chóng đặt ra câu hỏi cốt lõi cho cơ quan quản lý và các định chế tài chính: Liệu việc gia tăng quy mô hoạt động có thúc đẩy hành vi chấp nhận rủi ro (risk-taking behavior) quá mức của ngân hàng hay không?

                 QUY TRÌNH HỒI QUY ĐỊNH LƯỢNG DỮ LIỆU BẢNG (PANEL DATA)

Vấn đề nghiên cứu và mục tiêu cụ thể

Lý thuyết tài chính hiện đại tồn tại hai luồng quan điểm trái chiều:

1. Lý thuyết "Quá lớn để sụp đổ" (Too Big To Fail - TBTF) cho rằng ngân hàng quy mô lớn có xu hướng chấp nhận rủi ro cao hơn do kỳ vọng vào sự can thiệp, cứu trợ ngầm từ chính phủ khi xảy ra nguy cơ mất thanh khoản.
2. Lý thuyết đa dạng hóa danh mục lại chỉ ra rằng ngân hàng quy mô lớn có năng lực quản trị rủi ro vượt trội và khả năng phân tán rủi ro tốt hơn, từ đó duy trì mức độ an toàn cao.

Đề tài "Tác động của quy mô đến khả năng chấp nhận rủi ro của các ngân hàng thương mại cổ phần tại Việt Nam trong giai đoạn 2012 – 2022" được thực hiện nhằm giải quyết các mục tiêu:

• Mục tiêu 1: Kiểm định thực nghiệm chiều hướng và cường độ tác động của quy mô tài sản lên mức độ chấp nhận rủi ro của 27 NHTMCP Việt Nam.
• Mục tiêu 2: Bóc tách cơ chế truyền dẫn của quy mô lên từng nhân tố cấu thành chỉ số an toàn tài chính ($Z\text{-score}$): tỷ suất sinh lời trên tài sản ($\text{ROA}$), tỷ lệ vốn chủ sở hữu trên tổng tài sản ($\text{CAR}$) và độ biến động lợi nhuận ($\sigma(\text{ROA})$).
• Mục tiêu 3: Đề xuất hàm ý chính sách và giải pháp quản trị điều hành nhằm cân bằng giữa tăng trưởng quy mô và kiểm soát khẩu vị rủi ro theo chuẩn mực Basel II/III.

Phạm vi và giới hạn dữ liệu

• Không gian: 27 NHTMCP tại Việt Nam có báo cáo tài chính kiểm toán minh bạch, liên tục giai đoạn 2012–2022 (loại bỏ 4 ngân hàng gồm SCB, DongABank do diện kiểm soát đặc biệt; BaoVietBank, PVcomBank do thiếu hụt dữ liệu).
• Thời gian: Chuỗi dữ liệu bảng 11 năm (2012–2022). Riêng dữ liệu $\text{ROA}$ được thu thập từ năm 2008 để tính độ lệch chuẩn cuốn chiếu 4 năm liền trước ($\text{rolling window}$).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nhiều công trình quốc tế và trong nước đã tiếp cận vấn đề này nhưng kết quả chưa có sự đồng thuận do khác biệt về bối cảnh kinh tế và phương pháp ước lượng:

Tác giả / Nghiên cứu	Phạm vi mẫu & Thời gian	Thước đo rủi ro	Kết quả tương quan	Hạn chế chính
Boyd, De Nicolo & Al Jalat (2006)	> 5.000 quan sát tại các nước phát triển & đang phát triển	$Z\text{-score}$, Tỷ lệ vốn / Vốn tự có	Dương (+) (Quy mô tăng $\rightarrow$ Rủi ro tăng)	Chưa kiểm soát biến cố khủng hoảng mang tính chu kỳ sâu
Stiroh (2006)	400 ngân hàng tại Mỹ (1997 – 2004)	Độ lệch chuẩn lợi nhuận cổ phiếu tuần	Âm (-) (Quy mô tăng $\rightarrow$ Rủi ro giảm)	Chỉ đo lường rủi ro dựa trên thị trường vốn
Bhagat, Bolton & Lu (2015)	702 tổ chức tài chính tại Mỹ (2002 – 2012)	$Z\text{-score}$, Merton DD	Dương (+)	Bối cảnh thị trường phát triển, khó áp dụng hoàn toàn cho nền kinh tế mới nổi
Lê Ngọc Lưu Quang & Lê Hoàng Anh (2019)	28 NHTMCP Việt Nam (2009 – 2017)	$Z\text{-score}$ kế toán	Dương (+)	Chưa cập nhật giai đoạn hậu tái cơ cấu và cú sốc đại dịch COVID-19

Phân loại yêu cầu nghiên cứu (MoSCoW)

• Must-have: Xử lý hiện tượng phương sai thay đổi (Heteroskedasticity), tự tương quan (Autocorrelation) và nội sinh (Endogeneity) giữa quy mô và rủi ro.
• Should-have: Bóc tách ảnh hưởng của biến giả COVID-19 (2019–2021) và cấu trúc sở hữu của Chủ tịch Hội đồng Quản trị (HĐQT).
• Could-have: Phân rã $Z\text{-score}$ thành 3 mô hình hồi quy con để xác định nguồn gốc biến động rủi ro.
• Won't-have: Ứng dụng mô hình khoảng cách vỡ nợ Merton (Merton Distance to Default - Merton DD) do nhiều NHTM Việt Nam chưa niêm yết tập trung trên sàn HOSE/HNX.

Thiết kế hệ thống mô hình thực nghiệm

Mô hình kinh tế lượng tổng quát được kế thừa và hiệu chỉnh từ framework của Bhagat, Bolton & Lu (2015):

$$\ln(Z_{it}) = \beta_0 + \beta_1 \ln(\text{Size}{it}) + \beta_2 \text{Pre}{it} + \beta_3 \text{Axp}{it} + \beta_4 \ln(\text{Emp}{it}) + \beta_5 \text{Sor}{it} + \beta_6 \text{Loe}{it} + \beta_7 \text{Covi}{it} + \varepsilon{it}$$

Bảng định nghĩa chi tiết các biến trong mô hình

Tên biến	Ký hiệu	Loại biến	Công thức tính toán / Nguồn dữ liệu	Kỳ vọng dấu
Mức độ ổn định/rủi ro	$Z_{it}$	Phụ thuộc	$\ln\left(\frac{\text{ROA}{it} + \text{CAR}{it}}{\sigma(\text{ROA})_{it}}\right)$ (Giá trị nhỏ $\rightarrow$ Chấp nhận rủi ro cao)	-
Quy mô hoạt động	$\text{Size}_{it}$	Độc lập	Logarit tự nhiên của tổng tài sản: $\ln(\text{Total Assets}_{it})$	- ($\beta_1 < 0$)
Sở hữu của Chủ tịch	$\text{Pre}_{it}$	Kiểm soát	Tỷ lệ % cổ phần nắm giữ bởi Chủ tịch HĐQT cuối năm tài chính	+
Thâm niên hoạt động	$\text{Axp}_{it}$	Kiểm soát	Năm quan sát $t$ trừ năm thành lập ngân hàng	+
Quy mô nhân sự	$\text{Emp}_{it}$	Công cụ/Kiểm soát	Logarit tự nhiên của tổng số lượng nhân viên: $\ln(\text{Employees}_{it})$	+
Sở hữu Nhà nước	$\text{Sor}_{it}$	Biến giả	Nhận giá trị 1 nếu Nhà nước nắm giữ > 50% vốn (Big4: VCB, CTG, BID); 0 nếu còn lại	-
Tình trạng niêm yết	$\text{Loe}_{it}$	Biến giả	Nhận giá trị 1 nếu niêm yết trên HOSE/HNX; 0 nếu UpCOM/chưa niêm yết	-
Cú sốc COVID-19	$\text{Covi}_{it}$	Biến giả	Nhận giá trị 1 cho các năm 2019 – 2021; 0 cho các năm còn lại	-

Methodology

• Thu thập và tiền xử lý dữ liệu: Trích xuất từ báo cáo tài chính hợp nhất kiểm toán của 27 NHTMCP qua các cổng dữ liệu Vietstock và FiinPro/Cafef.
• Tính toán chỉ số $Z\text{-score}$: Sử dụng phương pháp rolling window 4 năm liền trước ($t-3$ đến $t$) để tính độ lệch chuẩn $\sigma(\text{ROA})$ nhằm phản ánh độ biến động cục bộ của lợi nhuận.
• Xử lý kinh tế lượng:
  1. Kiểm định lựa chọn mô hình: Pooled OLS vs FEM (kiểm định F-test), FEM vs REM (kiểm định Hausman).
  2. Kiểm định khuyết tật mô hình: Kiểm định tự tương quan Wooldridge và kiểm định phương sai sai số thay đổi Modified Wald.
  3. Hồi quy Robust Standard Errors: Hiệu chỉnh sai số chuẩn dạng cụm (Huber-White cluster robust) để loại bỏ tác động của vi phạm giả định.
  4. Hồi quy 2SLS (Instrumental Variable): Sử dụng biến trễ bậc 1 của quy mô tài sản $\ln(\text{Size}_{t-1})$ và biến quy mô nhân sự $\ln(\text{Emp})$ làm biến công cụ (IV) nhằm triệt tiêu hiện tượng nội sinh 2 chiều.

---

Implementation và kết quả

Development process & Stata Code Snippets

Toàn bộ quy trình ước lượng kinh tế lượng được thiết kế dạng script tự động hóa trên phần mềm Stata 14.0:

* ==============================================================================
* SCRIPT: PHÂN TÍCH TÁC ĐỘNG QUY MÔ ĐẾN RỦI RO NGÂN HÀNG (2012 - 2022)
* Software: Stata 14.0 | Panel Data Econometrics
* ==============================================================================

clear all
set more off

* 1. Thiết lập cấu trúc Panel Data
use "bank_risk_dataset_2012_2022.dta", clear
xtset bank_id year

* 2. Tính toán biến Z-score với độ lệch chuẩn ROA rolling window 4 năm
rangestat (sd) sd_roa = roa, interval(year -3 0) by(bank_id)
gen car = (total_equity / total_assets)
gen z_score = (roa + car) / sd_roa
gen ln_zscore = ln(z_score)
gen ln_size = ln(total_assets)
gen ln_emp = ln(employees)

* 3. Ước lượng mô hình Fixed Effect Model (FEM) với Robust Clustered Standard Errors
xtreg ln_zscore ln_size pre axp ln_emp sor loe covi, fe robust

* 4. Kiểm định chẩn đoán hiện tượng khuyết tật mô hình
quietly xtreg ln_zscore ln_size pre axp ln_emp sor loe covi, fe
xttest3          // Modified Wald test for groupwise heteroskedasticity
xtserial ln_zscore ln_size pre axp ln_emp sor loe covi // Wooldridge test for autocorrelation

* 5. Hồi quy Two-Stage Least Squares (2SLS) kiểm soát biến nội sinh quy mô
ivregress 2sls ln_zscore pre axp sor loe covi (ln_size = L.ln_size ln_emp), vce(robust)
estat endogenous // Wu-Hausman test for endogeneity
estat firststage  // Kiểm định sức mạnh biến công cụ (F-stat > 10)

* 6. Hồi quy bóc tách các thành phần cấu thành Z-score
xtreg roa ln_size pre axp ln_emp sor loe covi, fe robust
xtreg car ln_size pre axp ln_emp sor loe covi, fe robust
xtreg sd_roa ln_size pre axp ln_emp sor loe covi, fe robust

Testing và validation

Kết quả các kiểm định chẩn đoán mô hình:

• Kiểm định Hausman ($p < 0.001$): Bác bỏ giả thuyết $H_0$, xác nhận mô hình Fixed Effect (FEM) phù hợp hơn Random Effect (REM).
• Kiểm định Modified Wald ($p < 0.0001$): Phát hiện hiện tượng phương sai thay đổi giữa các thực thể ngân hàng.
• Kiểm định Wooldridge ($p = 0.0142$): Phát hiện hiện tượng tự tương quan bậc 1 trong chuỗi thời gian. $\rightarrow$ Việc sử dụng Robust Check (Huber-White) và 2SLS là bắt buộc để đảm bảo ước lượng không chệch và có độ tin cậy thống kê cao.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy thực nghiệm (Mô hình chính & 2SLS)

Biến giải thích	FEM (Robust SE) Hệ số $\beta$ (Std. Err)	Mô hình 2SLS Hệ số $\beta$ (Std. Err)	Tác động đến Khả năng chấp nhận rủi ro
$\ln(\text{Size})$	-0.342*** (0.089)	-0.415*** (0.112)	Tăng mức chấp nhận rủi ro ($\ln(Z)$ giảm)
$\text{Pre}$	0.058** (0.024)	0.062** (0.027)	Giảm rủi ro (Nâng cao giám sát)
$\text{Axp}$	0.014* (0.008)	0.012* (0.007)	Giảm rủi ro (Kinh nghiệm dày dặn)
$\ln(\text{Emp})$	0.185** (0.076)	- (Biến công cụ)	Giảm rủi ro (Phân công chuyên môn hóa)
$\text{Sor}$	-0.218** (0.095)	-0.265*** (0.091)	Tăng rủi ro (Được bảo trợ ngầm)
$\text{Loe}$	-0.104* (0.059)	-0.115* (0.062)	Tăng rủi ro (Áp lực tăng trưởng cổ phiếu)
$\text{Covi}$	-0.187*** (0.045)	-0.192*** (0.047)	Tăng rủi ro hệ thống
Hằng số ($\beta_0$)	5.842*** (1.214)	6.451*** (1.432)	-
$R^2$ / Số quan sát	$R^2 = 0.428$ / $N = 297$	Wald $\chi^2 = 148.6$ / $N = 270$	-

* $p < 0.1$, ** $p < 0.05$, *** $p < 0.01$

                             TÁC ĐỘNG CỦA QUY MÔ LÊN CÁC THÀNH PHẦN Z-SCORE
   Biến phụ thuộc      Hệ số quy mô ln(Size)      Ý nghĩa kinh tế
   CAR (Vốn/Tài sản)         -0.038***            Đòn bẩy tài chính tăng mạnh khi mở rộng quy mô
   ROA (Tỷ suất sinh lời)    -0.002 (p > 0.1)     Hiệu quả sinh lời trên tài sản không đổi đáng kể
   SD(ROA) (Độ biến động)    +0.001*              Độ biến động rủi ro lợi nhuận tăng nhẹ

Phân tích cơ chế tác động

Kết quả hồi quy các nhân tố cấu thành cho thấy hệ số của $\ln(\text{Size})$ lên $\text{CAR}$ âm có ý nghĩa thống kê ở mức 1% ($\beta = -0.038$), trong khi tác động lên $\text{ROA}$ không mang ý nghĩa thống kê rõ rệt. Điều này chứng minh: Mức độ chấp nhận rủi ro của các NHTMCP Việt Nam gia tăng khi mở rộng quy mô chủ yếu bắt nguồn từ việc gia tăng đòn bẩy tài chính (suy giảm tỷ lệ vốn tự có trên tổng tài sản), chứ không phải do biến động thất thường của tỷ suất lợi nhuận.

---

Đổi mới và đóng góp

1. Ứng dụng độ lệch chuẩn cuộn ($\text{Rolling Window SD}$): Khắc phục nhược điểm của các nghiên cứu tĩnh truyền thống (vốn lấy độ lệch chuẩn toàn mẫu), phản ánh chính xác biến động rủi ro tài sản theo từng chu kỳ kinh doanh 4 năm.
2. Kiểm soát tính nội sinh đa chiều bằng 2SLS: Xử lý triệt để hiện tượng nguyên nhân - kết quả đảo ngược giữa quy mô ngân hàng và khẩu vị rủi ro, khẳng định quan hệ nhân quả vững chắc.
3. Bằng chứng thực nghiệm cập nhật hậu khủng hoảng và COVID-19: Bổ sung khoảng trống dữ liệu giai đoạn 2012–2022 tại thị trường mới nổi Việt Nam, xác thực lý thuyết Too Big To Fail (TBTF) và lý thuyết chi phí đại diện (Jensen & Meckling, 1976).
4. So sánh tương quan: Kết quả tương đồng với các nghiên cứu của Bhagat, Bolton & Lu (2015) trên thị trường Mỹ và Lê Ngọc Lưu Quang & Lê Hoàng Anh (2019) tại Việt Nam, đồng thời phản biện lại kết luận của Stiroh (2006).

---

Ứng dụng thực tế và triển khai

1. Đối với Ngân hàng Nhà nước Việt Nam (NHNN)

• Áp dụng chính sách đệm vốn bổ sung cho các ngân hàng có tầm quan trọng hệ thống (D-SIBs): Do các ngân hàng lớn có xu hướng tăng đòn bẩy tài chính và chấp nhận rủi ro cao hơn, NHNN cần quy định tỷ lệ an toàn vốn tối thiểu ($\text{CAR}$) cao hơn mức sàn 8% của Thông tư 22/2019/TT-NHNN đối với nhóm Big4 và các NHTMCP quy mô lớn.
• Giám sát chặt chẽ hoạt động M&A và tăng trưởng nóng: Thiết lập trần tăng trưởng tín dụng dựa trên mức độ an toàn vốn thực chất thay vì chỉ dựa trên quy mô tài sản.

2. Đối với Hội đồng Quản trị và Ban Điều hành NHTMCP

• Tối ưu hóa cơ cấu đòn bẩy tài chính: Thiết lập hạn mức khẩu vị rủi ro ($\text{Risk Appetite Framework}$) gắn liền với tốc độ tăng trưởng tổng tài sản. Tránh việc mở rộng bảng cân đối kế toán bằng nguồn vốn ngắn hạn rủi ro cao.
• Chính sách thù lao và quản trị đại diện: Tăng tỷ lệ sở hữu cổ phần gắn kết lâu dài của các thành viên HĐQT và Ban điều hành ($\text{Pre}$) để gắn chặt lợi ích cá nhân với sự an toàn trường hạn của định chế, giảm thiểu rủi ro đạo đức.

---

Hạn chế và hướng phát triển

• Hạn chế mẫu nghiên cứu: Mẫu loại trừ các ngân hàng thuộc diện kiểm soát đặc biệt (SCB, Đông Á Bank) do tính khả dụng của số liệu, điều này có thể làm giảm nhẹ mức độ phản ánh rủi ro cực đoan của toàn hệ thống.
• Phương pháp đo lường: $Z\text{-score}$ phản ánh rủi ro dựa trên số liệu kế toán quá khứ, chưa tích hợp đầy đủ biến động giá cổ phiếu theo thời gian thực như mô hình Merton DD.
• Hướng phát triển: Mở rộng nghiên cứu bằng việc tích hợp các mô hình kiểm tra sức chịu đựng vĩ mô ($\text{Macro Stress Testing}$) và thuật toán học máy ($\text{Machine Learning}$) trong phân loại rủi ro tín dụng và dự báo phá sản sớm.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận phương pháp nghiên cứu định lượng dữ liệu bảng chuẩn mực, cách xử lý biến công cụ 2SLS và tính toán chỉ số tài chính chuyên sâu.
• Chuyên viên phân tích rủi ro & Lập trình viên FinTech: Ứng dụng thuật toán tính $Z\text{-score}$ cuộn và mô hình hóa dữ liệu bảng vào hệ thống cảnh báo sớm rủi ro ($\text{Early Warning System - EWS}$).
• Lãnh đạo & Nhà quản trị ngân hàng: Xây dựng chiến lược tăng trưởng quy mô an toàn, tối ưu hóa chính sách cổ phiếu thưởng và phân bổ vốn tự có.
• Nhà hoạch định chính sách: Cung cấp cơ sở khoa học để hoàn thiện khung khổ pháp lý điều tiết thị trường tài chính Việt Nam.

---

Câu hỏi thường gặp

1. Tại sao nghiên cứu sử dụng hệ số Z-score thay vì khoảng cách vỡ nợ Merton DD?

$Z\text{-score}$ tính toán trực tiếp từ dữ liệu báo cáo tài chính kiểm toán, phù hợp với thực trạng nhiều NHTMCP Việt Nam chưa niêm yết trên HOSE/HNX hoặc có thanh khoản cổ phiếu thấp, giúp dữ liệu có tính đồng nhất cao hơn Merton DD.

2. Ý nghĩa kinh tế của hệ số âm giữa quy mô tài sản và ln(Z-score là gì?

Hệ số âm ($\beta = -0.342$) biểu thị: khi quy mô ngân hàng tăng lên, chỉ số $Z\text{-score}$ suy giảm. Do $Z\text{-score}$ tỷ lệ nghịch với xác suất mất khả năng thanh toán, điều này đồng nghĩa với việc ngân hàng có quy mô càng lớn thì mức độ chấp nhận rủi ro càng cao.

3. Biến số lượng nhân viên ln(Emp) đóng vai trò gì trong mô hình 2SLS?

Biến $\ln(\text{Emp})$ và biến trễ quy mô tài sản $L.\ln(\text{Size})$ được sử dụng làm biến công cụ (Instrumental Variables) đại diện cho quy mô vật lý nhưng ngoại sinh với các cú sốc rủi ro ngắn hạn, giúp giải quyết triệt để vấn đề nội sinh.

4. Kết quả nghiên cứu có mâu thuẫn với mục tiêu mở rộng quy mô để tăng năng lực cạnh tranh không?

Không. Mở rộng quy mô vẫn mang lại lợi thế kinh tế theo quy mô ($\text{Economies of Scale}$), nhưng cần được kiểm soát bằng việc duy trì bộ đệm vốn chủ sở hữu ($\text{Equity Buffer}$) tương xứng để bù đắp cho mức rủi ro gia tăng.

5. Tại sao tỷ lệ sở hữu của Chủ tịch HĐQT lại làm tăng chỉ số Z-score (giảm rủi ro)?

Khi Chủ tịch HĐQT nắm giữ tỷ lệ cổ phần lớn, lợi ích của người quản trị gắn liền trực tiếp với giá trị dài hạn của ngân hàng. Điều này làm giảm chi phí đại diện và ngăn chặn các quyết định đầu tư mang tính mạo hiểm ngắn hạn.

---

Kết luận

Nghiên cứu đã chứng minh bằng thực nghiệm: Quy mô hoạt động có mối tương quan dương có ý nghĩa thống kê với mức độ chấp nhận rủi ro của các NHTMCP tại Việt Nam trong giai đoạn 2012–2022. Động lực chính thúc đẩy mức độ rủi ro này là sự gia tăng tỷ lệ đòn bẩy tài chính khi quy mô tài sản mở rộng. Các phát hiện này khẳng định tính đúng đắn của lý thuyết "Quá lớn để sụp đổ" trong bối cảnh ngành ngân hàng Việt Nam, đồng thời đặt ra yêu cầu cấp thiết về việc thắt chặt giám sát an toàn vốn và hoàn thiện cơ chế quản trị rủi ro toàn diện trong kỷ nguyên hội nhập tài chính quốc tế.

Trích đoạn nội dung tài liệu

chương 1, khóa luận đã đưa ra các lý do lựa chọn đề tài, mục tiêu và câu hỏi nghiên cứu, phạm vi (không gian và thời gian) của mẫu quan sát, phương pháp nghiên cứu, ý nghĩa của khóa luận đối với khoa học cũng như thực tiễn và cuối cùng là kết cấu của khóa luận. CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM 2. Lý thuyết về mức độ chấp nhận rủi ro của Ngân hàng 2.1 Khái niệm mức độ chấp nhận rủi ro của ngân hàng Mức độ chấp nhận rủi ro được hiểu là cách ứng xử hay xử lý rủi ro của một tổ chức. Hay hiểu theo cách khác thì mức độ chấp nhận rủi ro là các loại rủi ro và mức độ của từng loại rủi ro mà ngân hàng sẵn sàng chấp nhận để đạt được mục tiêu kinh doanh và phù hợp với chiến lược đề ra.

Theo Sanders và Hambrick (2007), trong một tổ chức, mức độ chấp nhận rủi ro đóng vai trò quan trọng trong việc ra quyết định và có sức ảnh hưởng rất lớn đến kết quả kinh doanh cũng như sự phát triển ổn định của tổ chức trong dài hạn. Khả năng chấp nhận rủi ro trong hoạt động của NHTM bị chi phối chủ yếu thông qua việc đánh đổi rủi ro và lợi nhuận. Để hoạt động kinh doanh đạt được hiệu quả, các ngân hàng cần phải cân bằng được giữa rủi ro và lợi nhuận, giữa khả năng quản trị và xu hướng tăng trưởng, ngoài ra một vấn đề khác được đặt ra cho các NHTM là phải phân tích được rủi ro ảnh hưởng đến hoạt động của khách hàng và khả năng xảy ra rủi ro của chính ngân hàng. Mong muốn đạt được lợi nhuận cao, đồng nghĩa với việc đồng ý cho việc gia tăng rủi ro, điều này dễ khiến các NHTM rơi vào tình trạng phát triển kém bền vững dẫn đến việc hệ thống ngân hàng bị ảnh hưởng và đứng trước nguy cơ đổ vỡ.

Thông qua việc giải quyết khi rủi ro xảy ra của ngân hàng bằng cách thay đổi cơ chế của từng hoạt động sẽ góp phần đánh giá phù hợp về thực trạng của từng ngân hàng. Các thƣớc đo mức độ chấp nhận rủi ro của ngân hàng Theo nghiên cứu của Roy (1952), ông đã cho rằng mức độ chấp nhận rủi ro của ngân hàng có thể được đo lường bằng phương pháp kế toán thông qua hệ số Z- score của mỗi ngân hàng. Z-score là hệ số đo lường khoảng cách đến tình trạng mất khả năng thanh toán, được tính bằng tỷ suất sinh lời trên tổng tài sản và tỷ lệ vốn 10 trên tài sản sau đó đem chia cho độ lệch chuẩn của tỷ suất sinh lời trên tổng tài sản. Sau này, Z-score được phát triển và sử dụng khá phổ biến trong các nghiên cứu của một số nhóm tác giả nổi tiếng như Laeven và Levine (2009); Bhagat, Bolton và Lu (2015); Köster và Pelster (2017); Wang và Sui (2019), việc sử dụng Z-score như một chỉ số đại diện cho mức độ chấp nhận rủi ro bởi nó có tương quan âm với tần suất mà khả năng thanh toán của NH bị giảm sút, nghĩa là xác suất mà tại đó giá trị nợ của tổ chức cao hơn giá trị tài sản hiện có.

Giá trị của hệ số Z-score càng cao thể hiện mức độ chấp nhận rủi ro càng thấp, hàm ý ngân hàng đang nằm trong vùng an toàn với các hoạt động được diễn ra ổn định hơn từ đây kéo theo rủi ro phải gánh chịu giảm đi đáng kể. Ngược lại, khi hệ số Z-score có giá trị thấp, điều đó thể hiện ngân hàng chấp nhận với một mức độ rủi ro cao. Mức độ chấp nhận rủi ro của ngân hàng ngoài ra còn được đo lường theo phương pháp thị trường bằng thước đo khoảng cách vỡ nợ - Merton’s Distance - to - Default (Merton DD). Merton DD được xây dựng bởi Merton (1974) kết hợp các yếu tố về rủi ro liên quan đến các yếu tố kế toán như tài chính và tài sản, về giá trị của tài sản phải được xác định dựa trên giá thị trường của nó bởi như vậy mới dự báo chính xác khả năng vỡ nợ trước sự biến động tình hình kinh tế của một DN.

Nếu khoảng cách vỡ nợ được xác định càng lớn thì khả năng vỡ nợ dự báo của DN càng thấp, mức độ chấp nhận rủi ro của DN càng thấp và ngược lại. Điểm vỡ nợ cũng là một trong những yếu tố quan trọng cần được xác định bởi đây là vị trí mà tại đó mệnh giá của nợ cao hơn thị giá của tổng tài sản. Để tìm được điểm vỡ nợ lại là một quá trình khá phức tạp, bởi nó phụ thuộc vào kinh nghiệm của người nghiên cứu cũng như kết quả của các nghiên cứu thống kê trước đây về những trường hợp vỡ nợ thường gặp. Tuy nhiên, việc vận dụng mô hình của Merton trong thực tế lại vướng rất nhiều bất cập do các yếu tố cấu thành mô hình phức tạp và các khoản nợ thường khác nhau về thời gian đáo hạn, lãi suất… bên cạnh đó, sự thị trường trong thực tế là không hoàn hảo như giả định do vậy việc phản ánh thông tin chưa được sử dụng một cách đầy đủ.

Mô hình Merton DD đã được sử dụng nhiều trong một số 11 công trình nghiên cứu của Duffie, Saita và Wang (2007); Bharath và Shumway (2008); Bhagat, Bolton và Lu (2015). Việc tổng quan về mô hình Merton DD chỉ góp phần củng cố cho hệ thống lý thuyết của bài luận, thế nhưng trong nghiên cứu này, để chọn ra một yếu tố đo lường mức độ chấp nhận rủi ro của các NHTM Việt Nam, nghiên cứu sử dụng hệ số Z-score thay vì Merton DD bời vì Z-score có những điểm phù hợp với các đặc điểm của các NHTM Việt Nam hơn so với Merton DD. Trong khi Merton DD là phương pháp dựa trên thị trường, sẽ tạo nên một số khó khăn nhất định trong việc thu thập dữ liệu và tính toán thì Z-score là phương pháp dựa trên kế toán nên có thể dễ dàng được tính toán từ các dữ liệu thu nhập trên các báo cáo tài chính của các ngân hàng, cụ thể là các chỉ tiêu tổng tài sản, tổng nợ, lợi nhuận sau thuế,… 2. Các nhân tố ảnh hƣởng đến khả năng chấp nhận rủi ro của ngân hàng Để có thể đạt được mục tiêu họa động kinh doanh hiệu quả nhất, các NHTM cần phải cân bằng được giữa lợi nhuận và rủi ro, giữa khả năng sinh lời và năng lực quản trị.

Bên cạnh đó, các NHTM cần phải phân tích được rủi ro ảnh hưởng đến hoạt động của khách hàng cũng như khả năng xảy ra rủi ro của chính NH nhằm đánh giá chính xác mức độ chấp nhận rủi ro phù hợp với mục tiêu của các NHTM. Thông qua việc phân tích các yếu tố ảnh hưởng đến khả năng chấp nhận khi xảy ra rủi ro của NH sẽ góp phần quan trọng trong việc ra quyết định và có ảnh hưởng rất lớn đến kết quả kinh doanh cũng như sự phát triển ổn định của tổ chức trong dài hạn. Dưới đây là một số nhân tố mà khóa luận ghi nhận rằng có ảnh hưởng đến khả năng chấp nhận rủi ro của các ngân hàng. Đòn bẩy tài chính Đòn bẩy tài chính là chỉ tiêu tài chính thể hiện mức độ sử dụng vốn vay từ ngân hàng hoặc các tổ chức tài chính với mục đích gia tăng tỷ suất lợi nhuận vốn chủ sở hữu.

Đòn bẩy tài chính tiềm ẩn rất nhiều rủi ro nhưng được các NH sử dụng khá nhiều. Khi tỷ lệ đòn bẩy ở mức cao sẽ dẫn đến xu hướng tăng rủi ro bởi vì nhu cầu phải mang lại lợi nhuận cao hơn với mức vốn thấp hơn cho ngân hàng. Nghiên 12 cứu của Odit, Mohun và Hemant (2008) và Ghosh (2014) đều cho rằng ngân hàng tăng tỷ lệ đòn bẩy thì rủi ro tín dụng sẽ gia tăng vì khi tỷ lệ đòn bẩy cao, các ngân hàng thường có xu hướng chấp nhận rủi ro nên cho vay dễ dàng hơn, tham gia đầu tư vốn vào những dự án có tiềm ẩn rủi ro cao hơn. Quy mô Trong một số nghiên cứu liên quan đến các yếu tố vĩ mô của nền kinh tế, quy mô hay quy mô hoạt động của DN là thuật ngữ chỉ về mức độ bao quát của toàn bộ các yếu tố liên quan đến DN, trong đó có hai yếu tố đặc trưng là vốn và lao động.

Như đã biết, ngân hàng là một định chế tài chính trung gian mang đầy đủ các đặc trưng cơ bản của doanh nghiệp, vì thế quy mô hoạt động của nó cũng sẽ được phản ánh qua các chỉ số chính như: độ lớn, các nhân tố liên quan đến kế toán và các vấn đề về dịch vụ như sự đa dạng sản phẩm dịch vụ tài chính cho các đối tượng khách hàng trong nền kinh tế. Các nghiên cứu của Anderson (1967) và Gupta (1969) nhận thấy quy mô có tác động đến khả năng chấp nhận rủi ro của DN. Khả năng chấp nhận rủi ro của các doanh nghiệp nhỏ nhìn chung là thấp hơn khá nhiều so với các doanh nghiệp lớn. Davidson và Dutia (1991) cũng đã chỉ ra rằng các doanh nghiệp lớn có xu hướng chấp nhận rủi ro thấp cao hơn so với các doanh nghiệp nhỏ.

Khả năng sinh lời Nhiều nghiên cứu đã sử dụng chỉ số ROA như một đại lượng đặc trưng cho khả năng sinh lời của ngân hàng. Theo nghiên cứu của Vives (2010); Hellmann và cộng sự (2000) đều cho rằng lợi nhuận cung cấp một nền tảng vốn để ứng phó với những biến động xảy ra bất ngờ trong khuôn khổ tài chính hoặc dự kiến về việc đưa ra quyết định đầu tư của định chế tài chính vào nền kinh tế. Do vậy, mức độ chấp nhận rủi ro của NHTM và chỉ số ROA được xác định là có mối quan hệ ngược chiều với nhau. Theo Zhu (2016) tỷ số ROA được tính bằng cách lấy thu nhập ròng chia cho tổng tài sản.

Hệ số an toàn vốn Tỷ lệ an toàn vốn là một thước đo về mức độ an toàn trong sử dụng vốn, dựa trên tỷ lệ giữa vốn tự có (vốn chủ sở hữu) và tổng tài sản có trọng số rủi ro của các ngân hàng ((Krim (1996); Hsu và cộng sự (2007) Baizas và Solek (2010); Hafez và El-Ansary (2015)). Theo Al-Sabbagh (2004), an toàn vốn được định nghĩa là thước đo độ nhạy cảm rủi ro của ngân hàng. Do đó, các cơ quan quản lý sử dụng tỷ lệ an toàn vốn làm thước đo quan trọng để đánh giá “tính an toàn và lành mạnh” của các NH và tổ chức lưu ký, vì vốn được coi là phần đệm hấp thụ các khoản lỗ.