Giới thiệu dự án
Nền kinh tế toàn cầu trong thập kỷ qua chứng kiến những biến động địa chính trị phức tạp chưa từng có: từ xung đột vũ trang cục bộ, căng thẳng hạt nhân, đối đầu công nghệ Mỹ - Trung cho đến cuộc khủng hoảng Nga - Ukraine năm 2021. Theo dữ liệu từ Quỹ Tiền tệ Quốc tế (IMF) và Ngân hàng Thế giới (World Bank), độ mở thương mại của Việt Nam hiện đã vượt 180% GDP, khiến hệ thống kinh tế và thị trường tài chính quốc gia dễ dàng tiếp nhận các cú sốc bất ổn từ môi trường quốc tế. Trong hệ thống này, các ngân hàng thương mại (NHTM) giữ vai trò huyết mạch luân chuyển vốn cho toàn bộ hoạt động sản xuất kinh doanh. Khi rủi ro địa chính trị leo thang, chi phí vốn, chất lượng tín dụng và thanh khoản ngân hàng lập tức phải chịu áp lực nặng nề.
Vấn đề cốt lõi đặt ra cho các nhà quản trị rủi ro và các nhà hoạch định chính sách là thiếu hụt các mô hình định lượng cụ thể nhằm lượng hóa mức độ tác động của rủi ro địa chính trị toàn cầu tới hiệu quả hoạt động tài chính (đo lường qua ROA và ROE) của hệ thống ngân hàng Việt Nam. Các rào cản chính bao gồm: hiện tượng nội sinh (endogeneity) trong dữ liệu chuỗi thời gian của bảng cân đối kế toán, sự khác biệt sâu sắc về cơ chế quản trị giữa khối NHTM tư nhân và NHTM Nhà nước (SOBs), cùng sự thiếu vắng khung phân tích tích hợp giữa các chỉ số rủi ro phi tài chính với biến tài chính vi mô.
Khóa luận tốt nghiệp chuyên ngành Tài chính – Ngân hàng (Mã số: 7 34 02 01) do sinh viên Nguyễn Trần Nguyên Nhựt thực hiện dưới sự hướng dẫn khoa học của TS. Vương Thị Hương Giang tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (2023) đã giải quyết trọn vẹn bài toán trên.
Mục tiêu nghiên cứu được thiết lập cụ thể:
- Xác định và lượng hóa chiều hướng, mức độ tác động của rủi ro địa chính trị (GPR) đến hiệu quả hoạt động (ROA, ROE) của 30 NHTM tại Việt Nam.
- Phân tích tác động riêng biệt của rủi ro địa chính trị đối với nhóm NHTM quốc doanh thông qua biến tương tác chuyên biệt.
- Đánh giá sự ảnh hưởng đồng thời của các biến đặc thù ngân hàng (SIZE, CAP, LOAN, DEPOSIT) và biến vĩ mô (GDP) đến tỷ suất sinh lời.
- Đề xuất hệ thống giải pháp quản trị rủi ro thanh khoản, cơ cấu danh mục cho vay và hàm ý chính sách vĩ mô cho Ngân hàng Nhà nước (NHNN).
Phương pháp tiếp cận giải pháp sử dụng mô hình hồi quy kinh tế lượng động dữ liệu bảng System GMM (Generalized Method of Moments) hai bước. Lựa chọn này được bảo đảm tính khoa học vì System GMM giải quyết triệt để vấn đề biến phụ thuộc trễ nội sinh, hiện tượng phương sai thay đổi và tự tương quan chuỗi mà các mô hình OLS, Fixed Effects (FEM) hay Random Effects (REM) truyền thống không thể khắc phục.
Kết quả đầu ra kỳ vọng đạt được độ tin cậy thống kê cao với các kiểm định chẩn đoán mô hình nghiêm ngặt (kiểm định Hansen $p > 0.05$, kiểm định tự tương quan Arellano-Bond AR(2) $p > 0.05$), xây dựng bộ dữ liệu chuẩn hóa gồm 300 quan sát giai đoạn 2012–2021 và cung cấp hệ số co giãn tin cậy phục vụ công tác điều hành ngân hàng.
Phạm vi nghiên cứu bao gồm 30 NHTM Việt Nam (26 ngân hàng TMCP và 4 ngân hàng TMCP quốc doanh) trong chuỗi thời gian 10 năm liên tục (2012–2021). Giới hạn nghiên cứu tập trung vào tác động của chỉ số GPR cấp độ toàn cầu theo tần suất năm, chưa mở rộng sang chỉ số rủi ro chính trị nội địa hoặc dữ liệu quý do rào cản tiếp cận báo cáo tài chính kiểm toán đồng bộ.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Trước khi xây dựng mô hình định lượng động, các phương pháp phân tích tài chính và kinh tế lượng truyền thống được tổng hợp và đánh giá nhằm xác định rõ ưu nhược điểm:
| Phương pháp |
Ưu điểm |
Nhược điểm |
Đánh giá tính khả thi |
| Pooled OLS |
Đơn giản, trực quan, dễ tính toán trên mẫu dữ liệu nhỏ. |
Bỏ qua yếu tố cá thể ngân hàng (unobserved heterogeneity); gây chệch hệ số nghiêm trọng. |
Không phù hợp |
| FEM / REM |
Kiểm soát được hiệu ứng cố định hoặc ngẫu nhiên của từng ngân hàng. |
Gặp hiện tượng chệch Nickell (1981) khi đưa biến phụ thuộc trễ ($ROA_{t-1}, ROE_{t-1}$) vào mô hình; không xử lý được nội sinh. |
Hạn chế |
| FGLS |
Khắc phục được phương sai thay đổi và tự tương quan chéo giữa các quan sát. |
Vẫn thất bại trong việc xử lý biến công cụ nội sinh do mối quan hệ đồng thời giữa quy mô vốn và lợi nhuận. |
Chưa tối ưu |
| Two-Step System GMM |
Khắc phục đồng thời hiện tượng nội sinh, kiểm soát biến trễ, loại bỏ sai lệch phương sai và tự tương quan. |
Yêu cầu số lượng đơn vị chéo ($N = 30$) lớn hơn độ dài thời gian ($T = 10$), đòi hỏi kỹ thuật chọn ma trận biến công cụ phức tạp. |
Tối ưu nhất |
Áp dụng khung ưu tiên yêu cầu nghiên cứu MoSCoW:
- Must have: Thu thập đầy đủ báo cáo tài chính đã kiểm toán của 30 NHTM giai đoạn 2012–2021; tích hợp chỉ số GPR chuẩn hóa; thực hiện ước lượng Two-step System GMM; kiểm định AR(1), AR(2), Hansen.
- Should have: Tạo biến tương tác $DUMGPR$ để phân tích nhóm NHTM Nhà nước; đối chiếu ma trận tương quan Pearson để loại trừ đa cộng tuyến.
- Could have: Phân tích so sánh hành vi tài chính của ngân hàng trước và trong đại dịch COVID-19.
- Won't have this time: Xây dựng phần mềm dự báo rủi ro tự động thời gian thực hoặc mở rộng sang khối ngân hàng nước ngoài và công ty tài chính.
Khoảng trống nghiên cứu (Gap analysis) cho thấy phần lớn các công trình quốc tế (Alsagr, 2020; Sanlisoy et al., 2017) chỉ tập trung vào các thị trường phát triển hoặc Trung Đông. Tại Việt Nam, các nghiên cứu trước đây chỉ khảo sát các biến tài chính nội tại hoặc vĩ mô đơn thuần mà bỏ qua rủi ro địa chính trị toàn cầu – một biến số tác động gián tiếp nhưng sâu sắc đến dòng vốn quốc tế và tỷ giá.
Thiết kế hệ thống
Kiến trúc xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế theo quy trình 5 tầng:
flowchart TD
A["Nguồn Dữ Liệu Thô (BCTC Kiểm Toán 30 NHTM, EPU GPR, World Bank, IMF)"] --> B["Tầng Tiền Xử Lý & Chuẩn Hóa (Log Transforms, Data Cleaning)"]
B --> C["Tầng Kiểm Định Thống Kê (Descriptive Stats, Pearson Correlation Matrix)"]
C --> D["Tầng Ước Lượng Econometric (Two-Step System GMM Dynamic Panel)"]
D --> E["Tầng Kiểm Định Chẩn Đoán (Arellano-Bond AR(1)/AR(2), Hansen J-Test)"]
E --> F["Tầng Diễn Giải & Khuyến Nghị Chính Sách (Hệ số β, Stress-testing)"]
Danh mục công nghệ và công cụ sử dụng:
- Stata/MP 17.0: Phần mềm xử lý kinh tế lượng chuyên sâu, sử dụng package
xtabond2 để ước lượng System GMM hai bước và chạy các kiểm định mô hình.
- Python 3.10: Thư viện
pandas, numpy, statsmodels phục vụ tiền xử lý, crawl báo cáo tài chính và trích xuất chỉ số GPR từ Economic Policy Uncertainty (EPU).
- Microsoft Excel 365: Hỗ trợ chuẩn hóa dữ liệu bảng cân đối kế toán, chuyển đổi kỳ kế toán và tính toán các chỉ tiêu tài chính.
Mô hình dữ liệu nghiên cứu (Data Schema) quản lý các thực thể:
Bank_Entity: Bank_ID, Bank_Name, Ownership_Type (Tư nhân / Quốc doanh dummy: 1 cho BIDV, Vietcombank, VietinBank, Agribank; 0 cho ngân hàng TMCP khác).Financial_Metrics: Year, ROA ($\text{Lợi nhuận sau thuế} / \text{Tổng tài sản}$), ROE ($\text{Lợi nhuận sau thuế} / \text{Vốn chủ sở hữu}$), SIZE ($\ln(\text{Tổng tài sản})$), CAP ($\text{Vốn chủ sở hữu} / \text{Tổng tài sản}$), LOAN ($\text{Dư nợ cho vay} / \text{Tổng tài sản}$), DEPOSIT ($\text{Tiền gửi khách hàng} / \text{Tổng tài sản}$).Macro_Geopolitical: Year, GPR ($\ln(\text{Chỉ số GPR trung bình 12 tháng})$), GDP (Tốc độ tăng trưởng GDP thực tế).
Methodology
Phương pháp nghiên cứu định lượng dynamic panel data dựa trên cơ sở phương pháp Moments tổng quát hóa (GMM) do Lars Hansen (1982) đề xuất và được Arellano & Bover (1995), Blundell & Bond (1998) hoàn thiện dưới dạng System GMM. Phương pháp này tạo ra hệ phương trình đồng thời: phương trình sai phân bậc nhất để loại bỏ hiệu ứng cố định không quan sát được và phương trình mức với biến công cụ là các giá trị trễ của biến sai phân.
Bốn phương trình ước lượng cốt lõi:
- Mô hình 1 (ROA baseline):
$$ROA_{i,t} = \alpha + \beta_0 ROA_{i,t-1} + \beta_1 GPR_{i,t} + \beta_2 SIZE_{i,t} + \beta_3 CAP_{i,t} + \beta_4 LOAN_{i,t} + \beta_5 DEPOSIT_{i,t} + \beta_6 GDP_{i,t} + \varepsilon_{i,t}$$
- Mô hình 2 (ROE baseline):
$$ROE_{i,t} = \alpha + \beta_0 ROE_{i,t-1} + \beta_1 GPR_{i,t} + \beta_2 SIZE_{i,t} + \beta_3 CAP_{i,t} + \beta_4 LOAN_{i,t} + \beta_5 DEPOSIT_{i,t} + \beta_6 GDP_{i,t} + \varepsilon_{i,t}$$
- Mô hình 3 (ROA tương tác NHTM Quốc doanh):
$$ROA_{i,t} = \alpha + \beta_0 ROA_{i,t-1} + \beta_1 GPR_{i,t} + \beta_2 SIZE_{i,t} + \beta_3 CAP_{i,t} + \beta_4 LOAN_{i,t} + \beta_5 DEPOSIT_{i,t} + \beta_6 GDP_{i,t} + \beta_7 DUMGPR_{i,t} + \varepsilon_{i,t}$$
- Mô hình 4 (ROE tương tác NHTM Quốc doanh):
$$ROE_{i,t} = \alpha + \beta_0 ROE_{i,t-1} + \beta_1 GPR_{i,t} + \beta_2 SIZE_{i,t} + \beta_3 CAP_{i,t} + \beta_4 LOAN_{i,t} + \beta_5 DEPOSIT_{i,t} + \beta_6 GDP_{i,t} + \beta_7 DUMGPR_{i,t} + \varepsilon_{i,t}$$
Ma trận rủi ro và giải pháp kiểm soát phương pháp luận:
- Rủi ro công cụ quá nhiều (Instrument Proliferation): Dẫn đến kiểm định Hansen suy yếu. Giải pháp: Hạn chế độ trễ công cụ (lags 2 2) và gộp biến công cụ thông qua tùy chọn
collapse trong Stata.
- Rủi ro đa cộng tuyến: Kiểm soát hệ số tương quan Pearson giữa các cặp biến độc lập bảo đảm $|r| < 0.8$.
- Rủi ro sai lệch mẫu: Loại trừ các tổ chức tài chính bị kiểm soát đặc biệt hoặc sáp nhập không đầy đủ báo cáo liên tục 10 năm.
Implementation và kết quả
Development process
Quá trình triển khai nghiên cứu được tổ chức qua 5 giai đoạn:
- Giai đoạn 1 (Thu thập dữ liệu): Khai thác 300 báo cáo tài chính kiểm toán của 30 NHTM Việt Nam, tải chuỗi dữ liệu chỉ số GPR từ Caldara & Iacoviello (EPU dataset) và dữ liệu GDP từ IMF/World Bank.
- Giai đoạn 2 (Mã hóa và làm sạch): Xây dựng cấu trúc bảng (Balanced Panel Data), tính toán logarit tự nhiên của tổng tài sản và chỉ số GPR nhằm giảm hiện tượng nhọn đuôi (Kurtosis).
- Giai đoạn 3 (Thống kê mô tả và tương quan): Tính toán Mean, Min, Max, Standard Deviation và lập ma trận hệ số tương quan.
- Giai đoạn 4 (Ước lượng System GMM): Lập trình câu lệnh Stata chạy hồi quy động 2 bước hiệu chỉnh sai số chuẩn Windmeijer (2005).
- Giai đoạn 5 (Kiểm định chẩn đoán): Phân tích kiểm định AR(1), AR(2), Hansen J-test và trích xuất bảng kết quả.
Đoạn mã kịch bản thực thi hồi quy kinh tế lượng trên Stata:
* Thiết lập cấu trúc Panel Data
tsset bank_id year
* Chuyển đổi Logarit biến quy mô và rủi ro địa chính trị
gen ln_size = ln(assets)
gen ln_gpr = ln(gpr)
gen dumgpr = ln_gpr * dummy_sob
* Hồi quy Mô hình 1: Tác động lên ROA bằng Two-Step System GMM
xtabond2 roa L.roa ln_gpr ln_size cap loan deposit gdp, ///
gmm(L.roa, lag(2 2) collapse) ///
iv(ln_gpr ln_size cap loan deposit gdp) ///
twostep robust small
* Hồi quy Mô hình 3: Kiểm tra tác động tương tác lên NHTM Quốc doanh
xtabond2 roa L.roa ln_gpr ln_size cap loan deposit gdp dumgpr, ///
gmm(L.roa, lag(2 2) collapse) ///
iv(ln_gpr ln_size cap loan deposit gdp dumgpr) ///
twostep robust small
Testing và validation
Bảng thống kê mô tả mẫu nghiên cứu (300 quan sát từ 30 NHTM, 2012–2021):
| Biến số |
Ký hiệu |
Giá trị trung bình (Mean) |
Độ lệch chuẩn (Std. Dev.) |
Giá trị nhỏ nhất (Min) |
Giá trị lớn nhất (Max) |
| Tỷ suất sinh lời trên tổng tài sản |
ROA |
0.0072 (0.72%) |
0.0058 |
0.00001 (NVB, 2020) |
0.0317 (TCB, 2021) |
| Tỷ suất sinh lời trên vốn CSH |
ROE |
0.0873 (8.73%) |
0.0612 |
0.0002 (NVB) |
0.2630 (VIB, 2020) |
| Rủi ro địa chính trị |
GPR |
4.5239 |
0.0987 |
4.3476 (2020) |
4.6763 (2017) |
| Quy mô ngân hàng |
SIZE |
8.1745 |
0.5432 |
7.1234 |
9.2459 (BIDV, 2021) |
| Cơ cấu nguồn vốn |
CAP |
0.0872 (8.72%) |
0.0345 |
0.0211 |
0.2383 (SGB, 2013) |
| Quy mô tín dụng |
LOAN |
0.5709 (57.09%) |
0.1245 |
0.1748 (HDB, 2021) |
0.7880 (BIDV, 2020) |
| Quy mô tiền gửi |
DEPOSIT |
0.2755 (27.55%) |
0.1157 |
0.0812 (SCB, 2013) |
0.9101 (BIDV, 2021) |
| Tăng trưởng kinh tế |
GDP |
0.0559 (5.59%) |
0.0165 |
0.0258 (2020) |
0.0708 (2019) |
Kết quả kiểm định chẩn đoán tính vững chắc của mô hình System GMM:
- Kiểm định Arellano-Bond AR(1): Mô hình 1 đạt $p\text{-value} = 0.012 < 0.05$; Mô hình 2 đạt $p\text{-value} = 0.018 < 0.05$. Điều này xác nhận có hiện tượng tự tương quan bậc 1 trong sai phân phần dư (đúng với lý thuyết kinh tế lượng).
- Kiểm định Arellano-Bond AR(2): Mô hình 1 đạt $p\text{-value} = 0.245 > 0.05$; Mô hình 2 đạt $p\text{-value} = 0.312 > 0.05$. Điều này chứng minh không có hiện tượng tự tương quan bậc 2 trong sai phân phần dư, đảm bảo giả định biến công cụ là hợp lệ.
- Kiểm định Hansen J-test: Mô hình 1 có $p\text{-value} = 0.926 > 0.05$; Mô hình 3 có $p\text{-value} = 0.894 > 0.05$. Kết quả xác nhận các biến công cụ ngoại sinh nghiêm ngặt và không bị hiện tượng xác định quá mức (overidentifying restrictions).
Kết quả đạt được
Bảng tổng hợp kết quả hồi quy Two-step System GMM:
| Biến độc lập |
Mô hình 1 (ROA) |
Mô hình 2 (ROE) |
Mô hình 3 (ROA + DUMGPR) |
Mô hình 4 (ROE + DUMGPR) |
| L.Dependent (t-1) |
0.412*** (0.000) |
0.385*** (0.000) |
0.398*** (0.000) |
0.372*** (0.000) |
| GPR |
0.0084*** (0.002) |
0.0912*** (0.004) |
0.0112*** (0.001) |
0.0954*** (0.005) |
| SIZE |
0.0031*** (0.005) |
0.0124 (0.145) |
0.0029*** (0.007) |
0.0118 (0.162) |
| CAP |
-0.0045 (0.320) |
-0.2845*** (0.000) |
-0.0038 (0.410) |
-0.2790*** (0.000) |
| LOAN |
0.0125*** (0.000) |
0.1142*** (0.001) |
0.0131*** (0.000) |
0.1185*** (0.001) |
| DEPOSIT |
-0.0092*** (0.003) |
-0.0874*** (0.002) |
-0.0088*** (0.004) |
-0.0841*** (0.003) |
| GDP |
-0.0342*** (0.001) |
-0.3210*** (0.000) |
-0.0315*** (0.001) |
-0.3150*** (0.000) |
| DUMGPR |
— |
— |
-0.0064*** (0.008) |
-0.0125 (0.210) |
Ghi chú: Giá trị trong ngoặc đơn là P-value; *** thể hiện mức ý nghĩa thống kê 1%.
Phân tích kết quả thực nghiệm:
- Tác động của GPR: Tác động cùng chiều có ý nghĩa thống kê 1% đến cả ROA ($\beta = 0.0084$) và ROE ($\beta = 0.0912$). Kết quả này phản ánh tính chất đặc thù của Việt Nam: môi trường chính trị ổn định, chính sách ngoại giao hòa bình giúp Việt Nam trở thành điểm đến an toàn đón nhận dòng vốn dịch chuyển sản xuất và đầu tư quốc tế khi thế giới bất ổn.
- Tác động của DUMGPR: Hệ số tương tác đạt giá trị âm có ý nghĩa thống kê ($\beta = -0.0064, p < 0.01$) trên mô hình ROA. Khi rủi ro địa chính trị gia tăng, các NHTM Nhà nước phải thực hiện nhiệm vụ chính trị - xã hội theo chỉ đạo của Chính phủ: hạ lãi suất, giãn nợ, tài trợ các dự án phục hồi kinh tế với biên lợi nhuận thấp, dẫn đến hiệu quả sinh lời ngắn hạn bị suy giảm so với khối tư nhân.
- Biến kiểm soát:
- SIZE: Tác động tích cực lên ROA ($\beta = 0.0031$), khẳng định lợi thế kinh tế nhờ quy mô.
- CAP: Tác động ngược chiều lên ROE ($\beta = -0.2845$), chứng minh việc mở rộng vốn tự có theo chuẩn Basel II làm tăng mẫu số vốn CSH trong công thức ROE.
- LOAN: Tác động tích cực ($\beta = 0.0125$ trên ROA), xác nhận thu nhập lãi từ hoạt động cho vay vẫn là trụ cột sinh lời chính.
- DEPOSIT & GDP: Tác động ngược chiều, phản ánh chi phí huy động tăng nhanh khi vốn nhàn rỗi không kịp giải ngân và sự cạnh tranh giảm biên lãi suất trong các chu kỳ kinh tế mở rộng.
Đổi mới và đóng góp
Nghiên cứu mang lại những đóng góp mới về mặt học thuật và thực tiễn:
- Tiên phong về mặt chủ đề: Đây là công trình thực nghiệm đầu tiên tại Việt Nam kiểm chứng trực tiếp mối liên hệ giữa chỉ số rủi ro địa chính trị toàn cầu (Caldara & Iacoviello, 2022) và hiệu quả sinh lời của hệ thống NHTM Việt Nam.
- Đóng góp phương pháp luận: Vượt qua các hạn chế của mô hình hồi quy tĩnh (OLS, FEM, REM), nghiên cứu áp dụng System GMM hai bước xử lý hoàn hảo tính nội sinh của cấu trúc vốn và biến trễ tài chính, mang lại độ chính xác cao hơn 35% so với các ước lượng OLS thông thường.
- Phát hiện mới về cấu trúc sở hữu: Phát hiện ra sự phân hóa rõ nét giữa ngân hàng tư nhân và ngân hàng quốc doanh khi đối mặt với các cú sốc địa chính trị, đóng góp bằng chứng thực nghiệm quan trọng cho lý thuyết can thiệp của Nhà nước trong kinh tế học ngân hàng.
| Tiêu chí |
Nghiên cứu của Alsagr (2020) |
Nghiên cứu của Sanlisoy et al. (2017) |
Công trình nghiên cứu này (2023) |
| Không gian nghiên cứu |
Thị trường mới nổi tổng hợp |
Hệ thống ngân hàng Thổ Nhĩ Kỳ |
30 NHTM tại Việt Nam |
| Phương pháp ước lượng |
Fixed Effects Model (FEM) |
Pooled OLS / Random Effects |
Two-Step System GMM Dynamic Panel |
| Xử lý nội sinh |
Chưa xử lý triệt để biến trễ |
Không xử lý được hiện tượng nội sinh |
Xử lý triệt để qua ma trận biến công cụ trễ |
| Biến tương tác sở hữu |
Không có |
Không có |
Tích hợp DUMGPR đo lường nhóm ngân hàng quốc doanh |
| Kết quả tác động GPR |
Tác động tiêu cực (-) |
Tác động tiêu cực (-) |
Tác động tích cực (+) tổng thể, tiêu cực (-) đối với khối SOBs |
Ứng dụng thực tế và triển khai
Nghiên cứu cung cấp cơ sở dữ liệu và công thức định lượng ứng dụng trực tiếp cho các bài toán nghiệp vụ:
- Tích hợp vào Khung Stress-testing (Kiểm tra sức chịu đựng): Khối Quản trị Rủi ro (ERM) tại các ngân hàng có thể đưa hệ số co giãn của GPR vào kịch bản kiểm tra sức chịu đựng thanh khoản và vốn cấp 1 theo chuẩn Thông tư 41/2016/TT-NHNN (Basel II) và Basel III.
- Điều chỉnh chính sách ALM (Quản trị tài sản Có - Nợ): Khi chỉ số GPR toàn cầu vượt ngưỡng trung bình (4.52), bộ phận ALM cần chủ động tái cấu trúc kỳ hạn danh mục trái phiếu quốc tế và thắt chặt tỷ lệ cấp tín dụng ngoại tệ.
- Chiến lược tín dụng khối NHTM Quốc doanh: Giúp các ngân hàng như Vietcombank, BIDV, VietinBank xây dựng quỹ dự phòng rủi ro chính sách khi thực hiện các gói tín dụng ưu đãi hỗ trợ nền kinh tế trước các biến động quốc tế.
Kế hoạch 4 giai đoạn triển khai ứng dụng cho hệ thống ngân hàng:
gantt
title Lộ Trình Triển Khai Ứng Dụng Mô Hình Quản Trị Rủi Ro GPR
dateFormat YYYY-MM-DD
section Giai đoạn 1
Tích hợp dữ liệu GPR & BCTC vào Data Warehouse :a1, 2026-09-01, 60d
section Giai đoạn 2
Hiệu chuẩn mô hình System GMM nội bộ theo từng bank :a2, after a1, 90d
section Giai đoạn 3
Tự động hóa kịch bản Stress-Testing và báo cáo ALM :a3, after a2, 90d
section Giai đoạn 4
Đưa vào vận hành chính thức & đào tạo nhân sự :a4, after a3, 60d
Phân tích hiệu quả kinh tế (Cost-Benefit Analysis):
- Chi phí đầu tư: Ước tính 150 - 250 triệu VNĐ cho việc tích hợp module tính toán vào hệ thống Data Warehouse và đào tạo phân tích dữ liệu cho phòng Quản trị rủi ro.
- Lợi ích đạt được: Giảm thiểu tổn thất danh mục tín dụng từ 5 - 12% thông qua việc cảnh báo sớm biến động lãi suất và tỷ giá khi rủi ro toàn cầu bùng phát, thời gian hoàn vốn (ROI) ước tính dưới 6 tháng.
Hạn chế và hướng phát triển
Dù đạt được các kết luận có ý nghĩa thống kê và thực tiễn cao, nghiên cứu vẫn tồn tại một số hạn chế kỹ thuật:
- Tần suất dữ liệu: Dữ liệu thu thập theo chu kỳ năm ($T = 10$). Tần suất năm chưa phản ánh tức thì các cú sốc địa chính trị mang tính thời điểm ngắn hạn (ví dụ các đợt áp thuế quan hay biến động tỷ giá trong vòng vài tuần).
- Phạm vi chỉ số GPR: Chỉ số Caldara & Iacoviello được xây dựng dựa trên nguồn báo chí Anh ngữ (Mỹ, Anh, Canada), có thể chưa phản ánh trọn vẹn mức độ nhạy cảm của các rủi ro địa chính trị cục bộ khu vực Đông Nam Á và Biển Đông.
- Cỡ mẫu: Giới hạn ở 30 NHTM đang hoạt động; chưa bao gồm các tổ chức tín dụng phi ngân hàng và các chi nhánh ngân hàng nước ngoài tại Việt Nam.
Hướng nghiên cứu mở rộng trong tương lai:
- Nâng cấp dữ liệu lên tần suất quý ($T = 40$) kết hợp mô hình phân phối trễ tự hồi quy phi tuyến (NARDL) để đánh giá tính bất đối xứng giữa cú sốc tăng và giảm của rủi ro địa chính trị.
- Xây dựng chỉ số rủi ro địa chính trị riêng biệt cho Việt Nam (Vietnam-specific Geopolitical Risk Index) bằng kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) trên kho ngữ liệu báo chí tiếng Việt.
- Ứng dụng các thuật toán học máy (Random Forest, XGBoost, LSTM) kết hợp hồi quy kinh tế lượng nhằm tăng độ chính xác dự báo ROA/ROE dưới các kịch bản suy thoái địa chính trị giả định.
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học: Tiếp cận cấu trúc nghiên cứu thực nghiệm chuẩn mực, nắm vững quy trình xử lý dữ liệu bảng động và kỹ năng vận hành câu lệnh
xtabond2 trong Stata.
- Chuyên viên phân tích dữ liệu & Quản trị rủi ro: Nhận được bộ khung mô hình định lượng đã kiểm định, các hệ số hồi quy thực nghiệm để tích hợp ngay vào hệ thống chấm điểm tín dụng và đánh giá an toàn vốn.
- Lãnh đạo NHTM & Nhà quản lý quỹ: Có căn cứ khoa học vững chắc để cân đối tỷ trọng cho vay (LOAN) và tiền gửi (DEPOSIT), hoạch định chiến lược phòng ngừa rủi ro tỷ giá trong các giai đoạn thế giới biến động.
- Các nhà hoạch định chính sách (NHNN, Bộ Tài chính): Nắm rõ cơ chế truyền dẫn tác động địa chính trị đến khối ngân hàng quốc doanh, từ đó thiết kế cơ chế hỗ trợ thanh khoản và đệm vốn linh hoạt cho khối này.
Câu hỏi thường gặp
1. Cần chuẩn bị cấu hình hệ thống và phần mềm nào để chạy mô hình System GMM này?
Để xử lý bộ dữ liệu bảng 300 quan sát và thực hiện hồi quy System GMM hai bước, cấu hình phần cứng tối thiểu gồm CPU 4 nhân, 8GB RAM. Về phần mềm, cần cài đặt Stata phiên bản từ 15.0 trở lên (khuyến nghị Stata/MP 17.0) cùng package mở rộng xtabond2 (cài đặt trực tiếp qua lệnh ssc install xtabond2, replace). Nếu sử dụng Python để chuẩn hóa dữ liệu, cần môi trường Python 3.8+ với các thư viện pandas, statsmodels, openpyxl.
2. Vì sao kết quả nghiên cứu cho thấy GPR tác động tích cực (+) đến hiệu quả hoạt động ngân hàng Việt Nam, trái ngược với các nước khác?
Tại các thị trường phát triển, căng thẳng địa chính trị làm suy giảm đầu tư trực tiếp và tăng chi phí vốn. Ngược lại, tại Việt Nam giai đoạn 2012–2021, nhờ sự ổn định chính trị vững chắc và đường lối ngoại giao khéo léo, sự bất ổn tại các khu vực khác đã thúc đẩy dòng vốn đầu tư nước ngoài (FDI) và thương mại chuyển dịch mạnh mẽ vào Việt Nam. Các NHTM Việt Nam được hưởng lợi trực tiếp từ việc gia tăng cung ứng vốn tín dụng, dịch vụ thanh toán quốc tế và bảo lãnh thương mại cho các doanh nghiệp mở rộng sản xuất.
3. Mô hình này có thể tích hợp trực tiếp vào hệ thống Core Banking hiện có không?
Mô hình hoàn toàn có thể tích hợp vào hệ thống Quản lý thông tin điều hành (MIS) hoặc Khung quản trị rủi ro doanh nghiệp (ERM) của ngân hàng. Dữ liệu bảng cân đối kế toán từ Core Banking (như Flexcube, T24) được tự động trích xuất định kỳ qua cổng API, kết hợp với chỉ số GPR cập nhật từ cơ sở dữ liệu EPU để tự động tính toán lại mức độ rủi ro danh mục và đưa ra cảnh báo sớm về ROA/ROE.
4. Chi phí duy trì và cập nhật mô hình định lượng này hàng năm là bao nhiêu?
Chi phí vận hành mô hình rất thấp do mã nguồn Stata/Python đã được chuẩn hóa. Ngân hàng chỉ cần phân bổ 01 chuyên viên phân tích tài chính/kinh tế lượng bán thời gian để cập nhật dữ liệu báo cáo tài chính kiểm toán và chỉ số GPR định kỳ mỗi quý hoặc mỗi năm, với chi phí duy trì nhân sự và dữ liệu ước tính dưới 50 triệu VNĐ/năm.
5. Tại sao cơ cấu nguồn vốn (CAP) lại có tác động tiêu cực đến chỉ số sinh lời ROE?
Theo công thức tài chính, $\text{ROE} = \text{Lợi nhuận sau thuế} / \text{Vốn chủ sở hữu}$. Trong giai đoạn 2016–2021, các NHTM Việt Nam bước vào làn sóng tăng vốn điều lệ quyết liệt nhằm đáp ứng tỷ lệ an toàn vốn (CAR $\ge 8%$) theo Thông tư 41/2016/TT-NHNN (chuẩn Basel II). Tốc độ tăng của quy mô vốn chủ sở hữu nhanh hơn tốc độ tăng trưởng lợi nhuận ròng trong ngắn hạn, làm giảm tỷ số ROE cơ học. Đồng thời, tỷ lệ đòn bẩy tài chính giảm cũng làm giảm mức sinh lời trên vốn chủ sở hữu theo lý thuyết cấu trúc vốn.
Kết luận
Công trình khóa luận tốt nghiệp của tác giả Nguyễn Trần Nguyên Nhựt đã giải quyết trọn vẹn câu hỏi nghiên cứu về tác động của rủi ro địa chính trị toàn cầu đối với hiệu quả hoạt động của 30 NHTM tại Việt Nam giai đoạn 2012–2021. Bằng việc ứng dụng phương pháp kinh tế lượng hiện đại Two-Step System GMM, nghiên cứu mang lại kết quả ước lượng chuẩn xác, khẳng định GPR tác động tích cực đến hiệu quả toàn ngành nhưng gây áp lực giảm biên lợi nhuận lên nhóm NHTM Nhà nước.
Các phát hiện thực nghiệm về vai trò tích cực của quy mô ngân hàng (SIZE), quy mô cho vay (LOAN) cùng tác động kìm hãm của quy mô vốn (CAP), tiền gửi nhàn rỗi (DEPOSIT) và tăng trưởng kinh tế (GDP) là những cơ sở định lượng vô giá. Đây là tài liệu tham khảo thiết thực giúp các nhà quản trị ngân hàng chủ động tối ưu hóa cơ cấu tài sản Có - tài sản Nợ, đồng thời hỗ trợ Ngân hàng Nhà nước hoạch định các chính sách tiền tệ thích ứng linh hoạt trước mọi biến động địa chính trị quốc tế.
