Khóa luận tốt nghiệp tài chính ngân hàng the impact of geopolitical risk on the performance of commercial banks in emerging countries

Luận văn tốt nghiệp kinh tế nghiên cứu tốt nghiệp tài chính ngân hàng the impact of geopolitical risk on the performance of commercial, điều tra thực trạng, phân tích số liệu, đề

• Tác giả: Thai Thi Quynh Nga
• Người hướng dẫn: MSc Cu Nguyen Ha Trang
• Trường học: Vietnam National University - University of Economics and Business
• Chuyên ngành: Finance and Banking
• Đề tài: Tác Động Của Rủi Ro Địa Chính Trị Đến Hiệu Suất Của Ngân Hàng Thương Mại Tại Các Nước Đang Phát Triển
• Loại tài liệu: Graduation Thesis
• Năm xuất bản: 2023
• Địa điểm: Ha Noi

Mục lục chi tiết

• ACKNOWLEDGEMENT
• 1. CHAPTER 1: The urgency Of the topic
• 1.1. Research objective
• 1.2. Research objects and scope
• 1.3. Overview of data and research methodology
• 1.4. Contribution of research
• 1.5. Structure of the study
• 2. CHAPTER II: Geopolitical risk
• 3. CHAPTER III: Bank performance
• 4. CHAPTER IV: RESULTS AND DISCUSSION
• CATEGORIES OF ACRONYMS
• TABLES CATALOGUE

Tóm tắt

I. Tổng Quan Về Tác Động Của Rủi Ro Địa Chính Trị Đến Ngân Hàng Thương Mại

Rủi ro địa chính trị đã trở thành một yếu tố quan trọng ảnh hưởng đến hiệu suất của ngân hàng thương mại, đặc biệt tại các nước đang phát triển. Những biến động chính trị, xung đột quân sự và bất ổn xã hội có thể làm gia tăng rủi ro cho các ngân hàng, dẫn đến sự thay đổi trong cách thức hoạt động và quản lý rủi ro. Nghiên cứu này sẽ phân tích các tác động của rủi ro địa chính trị đến hiệu suất ngân hàng, từ đó đưa ra những khuyến nghị cho các ngân hàng thương mại trong việc ứng phó với những thách thức này.

1.1. Rủi Ro Địa Chính Trị Là Gì Và Tại Sao Quan Trọng

Rủi ro địa chính trị đề cập đến những bất ổn chính trị có thể ảnh hưởng đến hoạt động kinh tế. Nó bao gồm các yếu tố như xung đột quân sự, thay đổi chính sách và bất ổn xã hội. Những yếu tố này có thể làm giảm lòng tin của nhà đầu tư và ảnh hưởng đến quyết định cho vay của ngân hàng.

1.2. Tình Hình Ngân Hàng Thương Mại Tại Các Nước Đang Phát Triển

Ngân hàng thương mại tại các nước đang phát triển thường phải đối mặt với nhiều thách thức từ rủi ro địa chính trị. Những ngân hàng này cần phải có chiến lược quản lý rủi ro hiệu quả để bảo vệ tài sản và duy trì hiệu suất trong bối cảnh bất ổn.

II. Vấn Đề Và Thách Thức Do Rủi Ro Địa Chính Trị Gây Ra

Rủi ro địa chính trị không chỉ ảnh hưởng đến ngân hàng mà còn tác động đến toàn bộ nền kinh tế. Sự bất ổn chính trị có thể dẫn đến sự gia tăng lãi suất, giảm nhu cầu tín dụng và làm giảm khả năng sinh lời của ngân hàng. Các ngân hàng cần nhận diện và đánh giá các thách thức này để có biện pháp ứng phó kịp thời.

2.1. Tác Động Đến Chi Phí Vay Vốn

Khi rủi ro địa chính trị gia tăng, ngân hàng thường phải tăng lãi suất để bù đắp cho rủi ro cao hơn. Điều này có thể làm giảm khả năng tiếp cận vốn của các doanh nghiệp và cá nhân, từ đó ảnh hưởng đến tăng trưởng kinh tế.

2.2. Giảm Nhu Cầu Tín Dụng

Sự bất ổn chính trị có thể làm giảm nhu cầu tín dụng từ các doanh nghiệp và cá nhân. Khi người tiêu dùng và doanh nghiệp cảm thấy không chắc chắn về tương lai, họ có xu hướng trì hoãn các quyết định đầu tư và tiêu dùng.

III. Phương Pháp Quản Lý Rủi Ro Địa Chính Trị Trong Ngân Hàng

Để ứng phó với rủi ro địa chính trị, các ngân hàng thương mại cần áp dụng các phương pháp quản lý rủi ro hiệu quả. Điều này bao gồm việc xây dựng các mô hình dự đoán rủi ro, đa dạng hóa danh mục đầu tư và tăng cường khả năng dự báo.

3.1. Xây Dựng Mô Hình Dự Đoán Rủi Ro

Các ngân hàng cần phát triển các mô hình dự đoán rủi ro địa chính trị để có thể đánh giá và ứng phó kịp thời với các biến động. Việc sử dụng dữ liệu lịch sử và phân tích xu hướng có thể giúp ngân hàng đưa ra quyết định chính xác hơn.

3.2. Đa Dạng Hóa Danh Mục Đầu Tư

Đa dạng hóa danh mục đầu tư là một chiến lược quan trọng giúp ngân hàng giảm thiểu rủi ro. Bằng cách đầu tư vào nhiều lĩnh vực khác nhau, ngân hàng có thể giảm thiểu tác động của rủi ro địa chính trị đến hiệu suất tổng thể.

IV. Ứng Dụng Thực Tiễn Và Kết Quả Nghiên Cứu

Nghiên cứu đã chỉ ra rằng rủi ro địa chính trị có tác động tiêu cực đến hiệu suất của ngân hàng thương mại tại các nước đang phát triển. Các ngân hàng cần phải có các biện pháp cụ thể để giảm thiểu tác động này và cải thiện hiệu suất hoạt động.

4.1. Kết Quả Nghiên Cứu Từ Các Quốc Gia Đang Phát Triển

Nghiên cứu cho thấy rằng các ngân hàng tại các quốc gia như Việt Nam, Ấn Độ và Brazil đã phải đối mặt với những thách thức lớn từ rủi ro địa chính trị. Các ngân hàng này cần cải thiện khả năng quản lý rủi ro để duy trì hiệu suất.

4.2. Các Khuyến Nghị Đối Với Ngân Hàng

Các ngân hàng nên xem xét việc áp dụng các công nghệ mới và cải thiện quy trình quản lý rủi ro để tăng cường khả năng ứng phó với rủi ro địa chính trị. Điều này không chỉ giúp bảo vệ tài sản mà còn nâng cao hiệu suất hoạt động.

V. Kết Luận Và Tương Lai Của Ngân Hàng Trong Bối Cảnh Rủi Ro Địa Chính Trị

Rủi ro địa chính trị sẽ tiếp tục là một yếu tố quan trọng ảnh hưởng đến ngân hàng thương mại trong tương lai. Các ngân hàng cần phải chủ động trong việc quản lý rủi ro và phát triển các chiến lược bền vững để ứng phó với những thách thức này.

5.1. Tương Lai Của Ngân Hàng Trong Bối Cảnh Địa Chính Trị

Trong bối cảnh rủi ro địa chính trị gia tăng, các ngân hàng cần phải phát triển các chiến lược dài hạn để đảm bảo sự ổn định và phát triển bền vững. Điều này bao gồm việc đầu tư vào công nghệ và cải thiện quy trình quản lý rủi ro.

5.2. Khuyến Nghị Đối Với Chính Sách Ngân Hàng

Chính phủ và các cơ quan quản lý cần hỗ trợ các ngân hàng trong việc phát triển các chính sách quản lý rủi ro hiệu quả. Điều này sẽ giúp tăng cường khả năng cạnh tranh và bảo vệ nền kinh tế trước những biến động từ rủi ro địa chính trị.

Nội dung chính

Giới thiệu dự án

Trong bối cảnh toàn cầu hóa và biến động địa chính trị phức tạp từ thập niên 1990 đến nay, các yếu tố thể chế và chính trị ngày càng đóng vai trò then chốt trong việc giải thích khoảng cách phát triển giữa các quốc gia. Những cú sốc địa chính trị – từ các cuộc xung đột vũ trang, bất ổn ngoại giao, đến sự kiện Brexit làm suy giảm 0.6% GDP của Vương quốc Anh hay vụ đánh bom London năm 2005 khiến chỉ số FTSE 100 sụt giảm 200 điểm chỉ sau hai giờ – đã chứng minh rằng rủi ro địa chính trị (Geopolitical Risk - GPR) là một thành tố trong "bộ ba bất định" (Uncertainty Trinity) ảnh hưởng sâu rộng đến hệ thống tài chính toàn cầu.

Đối với các nền kinh tế mới nổi (Emerging Markets - EMs), mức độ tổn thương trước các cú sốc bên ngoài còn nghiêm trọng hơn do đặc thù hạ tầng tài chính chưa hoàn thiện, tính thanh khoản phụ thuộc nhiều vào dòng vốn ngoại ("hot money") và tâm lý bầy đàn của nhà đầu tư. Hệ thống ngân hàng thương mại – với vai trò là huyết mạch trung gian tài chính và lưu thông tiền tệ – chịu tác động trực tiếp từ cả phía cung và phía cầu khi rủi ro địa chính trị gia tăng. Bất ổn chính trị làm trầm trọng thêm tình trạng bất đối xứng thông tin (Information Asymmetry), làm suy giảm niềm tin của người gửi tiền, giảm nhu cầu vay vốn của doanh nghiệp và gia tăng chi phí vốn của hệ thống ngân hàng.

+-------------------------------------------------------------------------+
|                  KHUNG TỔNG QUAN DỰ ÁN NGHIÊN CỨU                       |
+-------------------------------------------------------------------------+
| • Cơ quan chủ quản: Trường Đại học Kinh tế - ĐHQGHN (VNU-UEB)          |
| • Khoa: Tài chính - Ngân hàng (QH 2019E TCNH CLC2)                      |
| • Tác giả: Thái Thị Quỳnh Nga (Mã SV: 19050703)                         |
| • Giảng viên hướng dẫn: ThS. Cù Nguyễn Hà Trang                         |
| • Dữ liệu: 3,432 quan sát từ 356 ngân hàng tại 18 nền kinh tế mới nổi   |
| • Khung thời gian: 2010 - 2021 (12 năm tài chính)                       |
| • Công cụ & Kỹ thuật: Stata 16, Pooled OLS, FEM, REM, Robust SE         |
+-------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

1. Định lượng hóa tác động của rủi ro địa chính trị: Đo lường chính xác mức độ ảnh hưởng của chỉ số rủi ro địa chính trị cấp quốc gia (GPRC) đến tỷ suất sinh lời trên tổng tài sản (Return on Assets - ROA) của các ngân hàng thương mại niêm yết tại các thị trường mới nổi.
2. Kiểm định tác động của các nhân tố nội tại ngân hàng: Đánh giá vai trò điều tiết của quy mô ngân hàng (Bank Size), tỷ lệ vốn chủ sở hữu trên tổng tài sản (Equity to Total Assets - ETA), tỷ lệ chi phí hoạt động (Operating Cost Ratio - OCA) và tỷ lệ dư nợ cho vay trên tổng tài sản (Loan to Assets - LTA).
3. Kiểm soát các biến số kinh tế vĩ mô: Tách biệt và đo lường tác động của tốc độ tăng trưởng kinh tế (Gross Domestic Product - GDP) và tỷ lệ lạm phát (Inflation - INF) lên hiệu quả hoạt động ngân hàng.
4. Xây dựng hàm ý quản trị và chính sách: Đề xuất khung chiến lược quản trị rủi ro toàn diện cho các ngân hàng thương mại và kiến nghị chính sách điều hành vĩ mô cho Ngân hàng Trung ương.

Phương pháp tiếp cận và phạm vi nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng hồi quy dữ liệu bảng không cân bằng (Unbalanced Panel Data) trên mẫu dữ liệu gồm 356 ngân hàng thương mại niêm yết tại 18 quốc gia mới nổi (theo phân loại của Quỹ Tiền tệ Quốc tế - IMF năm 2021) trong giai đoạn 2010–2021. Dữ liệu tài chính vi mô được trích xuất từ cơ sở dữ liệu quốc tế Refinitiv Eikon/Datastream, chỉ số rủi ro địa chính trị lấy từ bộ dữ liệu của Caldara & Iacoviello (2022), và các biến vĩ mô từ World Development Indicators (WDI) của Ngân hàng Thế giới.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu thực nghiệm trước đây về hiệu quả hoạt động của ngân hàng chủ yếu tập trung vào các yếu tố nội tại (CAMEL framework) và các biến số vĩ mô truyền thống (lạm phát, lãi suất, tăng trưởng GDP). Một số nghiên cứu gần đây bắt đầu tiếp cận rủi ro bất định nhưng chủ yếu khai thác bất định chính sách kinh tế (Economic Policy Uncertainty - EPU) hoặc biến động thị trường chứng khoán (VIX). Mối liên hệ định lượng giữa rủi ro địa chính trị đo lường bằng xử lý ngôn ngữ tự nhiên (NLP) từ văn bản báo chí quốc tế với hiệu quả tài chính vi mô của ngân hàng tại nhóm thị trường mới nổi vẫn là một khoảng trống nghiên cứu (Research Gap) lớn.

Phương pháp nghiên cứu	Ưu điểm	Nhược điểm	Đánh giá mức độ phù hợp
Pooled OLS (Bình phương bé nhất gộp)	Đơn giản, dễ tính toán, cung cấp cái nhìn tổng quan ban đầu	Bỏ qua tính dị biệt (heterogeneity) giữa các ngân hàng và quốc gia; dễ bị chệch hệ số	Không phù hợp cho dữ liệu bảng dài
Random Effects Model (REM - Mô hình Tác động Ngẫu nhiên)	Tiết kiệm bậc tự do, cho phép ước lượng các biến không đổi theo thời gian	Giả định sai số không tương quan với các biến giải thích ($Cov(\alpha_i, X_{it}) = 0$), thường bị vi phạm trong thực tế tài chính	Phù hợp khi được kiểm định Breusch-Pagan xác nhận, nhưng cần so sánh với FEM
Fixed Effects Model (FEM - Mô hình Tác động Cố định)	Kiểm soát hoàn toàn các đặc tính bất biến theo thời gian của từng ngân hàng/quốc gia; loại trừ thiên lệch nội sinh do biến bị bỏ sót	Không ước lượng được tác động của các biến cố định tuyệt đối theo thời gian	Lựa chọn tối ưu (Được kiểm định Hausman xác nhận ở mức $p < 0.05$)
Dynamic Panel (GMM)	Xử lý triệt để tính nội sinh động và độ trễ của biến phụ thuộc	Đòi hỏi cấu trúc mẫu lớn và phức tạp, nhạy cảm với việc chọn biến công cụ	Hướng mở rộng cho các nghiên cứu tiếp theo

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

• Must have (Bắt buộc phải có): Bộ dữ liệu bảng chuẩn hóa từ 18 thị trường mới nổi; Chỉ số GPRC chuẩn hóa logarithm tự nhiên; Các bài kiểm định khuyết tật mô hình (F-test, Breusch-Pagan Lagrangian Multiplier, Hausman test); Hiệu chỉnh sai số chuẩn vững (Robust Standard Errors).
• Should have (Nên có): Phân tích ma trận tương quan để kiểm tra hiện tượng đa cộng tuyến (Multicollinearity Threshold < 0.8); So sánh đối chuẩn kết quả giữa 3 phương pháp OLS, FEM và REM.
• Could have (Có thể có): Phân tích tương tác giữa rủi ro địa chính trị và quy mô vốn tự có của ngân hàng; Đánh giá tác động trễ (lagged effects).
• Won't have (Chưa thực hiện đợt này): Mô hình hóa phi tuyến tính bậc cao hoặc phân tích hồi quy phân vị (Quantile Regression).

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế thành một đường ống xử lý dữ liệu chặt chẽ qua 5 giai đoạn:

Ngăn xếp công nghệ và thông số kỹ thuật (Technology Stack)

• Công cụ phân tích kinh tế lượng: Stata/MP phiên bản 16.0 (Hỗ trợ xử lý dữ liệu bảng đa chiều tốc độ cao).
• Nguồn cơ sở dữ liệu:
  • Refinitiv Workspace / Datastream API: Trích xuất báo cáo tài chính kiểm toán của 356 ngân hàng niêm yết (2010–2021).
  • Caldara & Iacoviello Geopolitical Risk Database: Chỉ số rủi ro địa chính trị quốc gia dựa trên thuật toán khai phá văn bản tự động từ 3 tờ báo quốc tế lớn (The New York Times, Chicago Tribune, The Washington Post).
  • World Bank WDI Database: Tốc độ tăng trưởng GDP thực tế và chỉ số giá tiêu dùng CPI (lạm phát).
• Đặc tả mô hình toán kinh tế:

$$\text{Performance}{i,j,t} = \alpha + \beta_1 \text{GPRC}{j,t} + \beta_2 \text{ETA}{i,j,t} + \beta_3 \text{Size}{i,j,t} + \beta_4 \text{OCA}{i,j,t} + \beta_5 \text{LTA}{i,j,t} + \beta_6 \text{GDP}{j,t} + \beta_7 \text{INF}{j,t} + \varepsilon_{i,j,t}$$

Trong đó:

• $i$: Định danh ngân hàng ($i = 1, \dots, 356$).
• $j$: Quốc gia thị trường mới nổi ($j = 1, \dots, 18$ bao gồm: Argentina, Brazil, Chile, Trung Quốc, Colombia, Ai Cập, Hungary, Ấn Độ, Indonesia, Mexico, Malaysia, Philippines, Ba Lan, Nga, Ả Rập Xê Út, Nam Phi, Thái Lan, Thổ Nhĩ Kỳ).
• $t$: Năm quan sát ($t = 2010, \dots, 2021$).
• $\text{Performance}_{i,j,t}$: Đo lường bằng $\text{ROA} = \frac{\text{Lợi nhuận ròng}}{\text{Tổng tài sản}}$.
• $\text{GPRC}_{j,t}$: Logarithm tự nhiên của trung bình 12 tháng chỉ số rủi ro địa chính trị quốc gia $\ln(\text{GPR Index})$.
• $\text{ETA}_{i,j,t}$: Tỷ lệ Vốn chủ sở hữu / Tổng tài sản ($\frac{\text{Total Equity}}{\text{Total Assets}}$).
• $\text{Size}_{i,j,t}$: Quy mô ngân hàng, đo bằng $\ln(\text{Tổng tài sản})$.
• $\text{OCA}_{i,j,t}$: Tỷ lệ chi phí hoạt động / Tổng tài sản ($\frac{\text{Operating Expenses}}{\text{Total Assets}}$).
• $\text{LTA}_{i,j,t}$: Tỷ lệ dư nợ cho vay / Tổng tài sản ($\frac{\text{Total Loans}}{\text{Total Assets}}$).
• $\text{GDP}_{j,t}$: Tốc độ tăng trưởng tổng sản phẩm quốc nội hàng năm (%).
• $\text{INF}_{j,t}$: Tỷ lệ lạm phát hàng năm tính theo CPI (%).
• $\varepsilon_{i,j,t}$: Sai số ngẫu nhiên của mô hình.

Methodology

Quy trình nghiên cứu tuân thủ nghiêm ngặt chuẩn mực thực nghiệm kinh tế tài chính:

1. Lập giả thuyết nghiên cứu ($H_0$): Rủi ro địa chính trị có tác động tiêu cực làm suy giảm hiệu quả hoạt động ($\text{ROA}$) của các ngân hàng thương mại tại các nền kinh tế mới nổi ($\beta_1 < 0$).
2. Kiểm tra ma trận tương quan và hiện tượng đa cộng tuyến: Đảm bảo hệ số tương quan cặp giữa các biến độc lập không vượt quá ngưỡng cảnh báo 0.8 (theo chuẩn Gujarati, 2004).
3. Thực hiện ước lượng 3 mô hình cơ sở: Chạy hồi quy Pooled OLS, Fixed Effects (FEM), và Random Effects (REM).
4. Kiểm định lựa chọn mô hình tối ưu:
   • F-test: So sánh Pooled OLS vs FEM (Kiểm định giả thuyết các hệ số chặn riêng bằng nhau).
   • Breusch-Pagan Lagrangian Multiplier Test: So sánh Pooled OLS vs REM (Kiểm định phương sai của sai số riêng biệt bằng 0).
   • Hausman Specification Test: So sánh FEM vs REM (Kiểm định sự tương quan giữa các biến giải thích và phần sai số riêng).
5. Hiệu chỉnh sai số chuẩn: Sử dụng tùy chọn robust và cluster(bank_id) trong Stata để kiểm soát hiện tượng phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation).

---

Implementation và kết quả

Development process

Quá trình tiền xử lý dữ liệu, kiểm định và ước lượng mô hình được tự động hóa hoàn toàn thông qua kịch bản lệnh Stata Do-File:

* ==============================================================================
* DO-FILE: QUANTITATIVE ANALYSIS OF GEOPOLITICAL RISK ON BANK PERFORMANCE
* Author: Thai Thi Quynh Nga | University of Economics and Business - VNU
* Software: Stata 16.0 MP
* ==============================================================================

clear all
set more off

* 1. Nhập và khai báo cấu trúc dữ liệu bảng
use "emerging_banks_gpr_2010_2021.dta", clear
xtset bank_id year

* 2. Tiền xử lý biến và lấy logarithm tự nhiên
gen ln_gprc = ln(gprc_raw)
gen ln_size = ln(total_assets)
gen eta     = total_equity / total_assets
gen oca     = operating_expense / total_assets
gen lta     = total_loans / total_assets

* 3. Thống kê mô tả và Ma trận tương quan
summarize roa ln_gprc ln_size eta oca lta gdp inf
pwcorr roa ln_gprc ln_size eta oca lta gdp inf, sig star(0.05)

* 4. Hồi quy Pooled OLS
reg roa ln_gprc ln_size eta oca lta gdp inf, robust
estimates store OLS_model

* 5. Hồi quy Mô hình Tác động Cố định (FEM)
xtreg roa ln_gprc ln_size eta oca lta gdp inf, fe
estimates store FEM_model

* 6. Hồi quy Mô hình Tác động Ngẫu nhiên (REM)
xtreg roa ln_gprc ln_size eta oca lta gdp inf, re
estimates store REM_model

* 7. Các kiểm định lựa chọn mô hình
* (a) Kiểm định F cho mô hình FEM (so với OLS)
* Kết quả hiển thị trực tiếp ở dòng cuối cùng của lệnh xtreg, fe

* (b) Kiểm định Breusch-Pagan Lagrange Multiplier (REM vs OLS)
xttest0

* (c) Kiểm định Hausman (FEM vs REM)
hausman FEM_model REM_model, sigmamore

* 8. Ước lượng mô hình tối ưu cuối cùng với sai số chuẩn vững
xtreg roa ln_gprc ln_size eta oca lta gdp inf, fe vce(robust)

Testing và validation

Kết quả từ bộ 3 kiểm định kinh tế lượng tiêu chuẩn chứng minh tính vững chắc và tính đúng đắn của việc lựa chọn mô hình:

+-------------------------------------------------------------------------------+
|                      KẾT QUẢ CÁC KIỂM ĐỊNH LỰA CHỌN MÔ HÌNH                   |
+-----------------------------------+--------------------+----------+-----------+
| Tên Kiểm Định                     | Giá Trị Thống Kê   | p-value  | Kết Luận  |
+-----------------------------------+--------------------+----------+-----------+
| 1. F-Test (FEM vs Pooled OLS)     | F(7, 3116) = 2.17e5| 0.0000   | Chọn FEM  |
| 2. Breusch - Pagan Lagrangian LM  | chibar2(01) = 4889 | 0.0000   | Chọn REM  |
| 3. Hausman Specification Test     | chi2(7) = 529.00   | 0.0000   | Chọn FEM  |
+-----------------------------------+--------------------+----------+-----------+

1. Kiểm định F của mô hình FEM: Giá trị thống kê $F(7, 3116) = 217,510.00$ với mức ý nghĩa $\text{Prob} > F = 0.0000 < 0.01$. Giả thiết $H_0$ (tất cả các hiệu ứng cố định bằng 0) bị bác bỏ hoàn toàn $\rightarrow$ Mô hình FEM vượt trội so với Pooled OLS.
2. Kiểm định Breusch-Pagan Lagrangian: Giá trị thống kê $\bar{\chi}^2(01) = 4,889.00$ với $\text{Prob} > \bar{\chi}^2 = 0.0000 < 0.01$. Bác bỏ giả thiết $H_0$ (phương sai sai số riêng bằng 0) $\rightarrow$ Mô hình REM vượt trội so với Pooled OLS.
3. Kiểm định Hausman: Giá trị thống kê $\chi^2(7) = 529.00$ với $\text{Prob} > \chi^2 = 0.0000 < 0.05$. Kết quả khẳng định sai số đặc thù $\varepsilon_{i,j}$ có tương quan có ý nghĩa thống kê với các biến giải thích $\rightarrow$ Bác bỏ $H_0$, xác nhận Mô hình Tác động Cố định (FEM) là mô hình chuẩn xác, phù hợp và hiệu quả nhất.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy và ý nghĩa kinh tế lượng từ 3,432 quan sát của 356 ngân hàng tại 18 quốc gia mới nổi (2010–2021):

Biến giải thích	Ký hiệu	Pooled OLS	REM	FEM (Mô hình tối ưu)	Ý nghĩa thống kê & Chiều tác động
Hệ số chặn (Constant)	$\alpha$	-0.124***	-0.118***	-0.095***	Có ý nghĩa ở mức 1%
Rủi ro địa chính trị	$\text{GPRC}$	-0.004***	-0.005***	-0.006***	Tác động âm ở mức 1% ($p < 0.01$)
Quy mô ngân hàng	$\text{Size}$	0.008***	0.007***	0.005***	Tác động dương ở mức 1% ($p < 0.01$)
Tỷ lệ vốn CSH / Tổng TS	$\text{ETA}$	0.892***	0.945***	1.004***	Tác động dương mạnh nhất ở mức 1%
Tỷ lệ chi phí hoạt động	$\text{OCA}$	-0.012	0.021*	0.038**	Tác động dương ở mức 5% ($p < 0.05$)
Tỷ lệ dư nợ cho vay / TS	$\text{LTA}$	0.015***	0.018***	0.022***	Tác động dương ở mức 1% ($p < 0.01$)
Tốc độ tăng trưởng GDP	$\text{GDP}$	0.002***	0.003***	0.003***	Tác động dương ở mức 1% ($p < 0.01$)
Tỷ lệ lạm phát	$\text{INF}$	0.001***	0.002***	0.002***	Tác động dương ở mức 1% ($p < 0.01$)
Số lượng quan sát ($N$)	-	3,432	3,432	3,432	Đầy đủ quan sát
Số lượng ngân hàng	-	356	356	356	18 nền kinh tế mới nổi

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

Phân tích chi tiết các phát hiện định lượng:

1. Rủi ro địa chính trị ($\text{GPRC}$): Hệ số hồi quy $\beta_1 = -0.006$ với ý nghĩa thống kê $p < 0.01$. Khi chỉ số rủi ro địa chính trị tăng lên 1 đơn vị logarithm, tỷ suất $\text{ROA}$ của ngân hàng giảm trung bình 0.6 điểm phần trăm. Điều này chấp nhận hoàn toàn giả thuyết $H_0$, chứng minh rằng căng thẳng địa chính trị trực tiếp bào mòn lợi nhuận ngân hàng thông qua việc làm suy giảm nhu cầu tín dụng, gia tăng nợ xấu tiềm ẩn và tăng chi phí dự phòng.
2. Quy mô ngân hàng ($\text{Size}$): Tác động cùng chiều ($\beta_3 = 0.005, p < 0.01$). Các ngân hàng quy mô lớn tận dụng được lợi thế kinh tế theo quy mô (Economies of Scale), đa dạng hóa danh mục tài sản và dễ dàng tiếp cận nguồn vốn giá rẻ từ các tập đoàn lớn.
3. Đệm vốn tự có ($\text{ETA}$): Tác động tích cực mạnh mẽ nhất đến hiệu quả hoạt động ($\beta_2 = 1.004, p < 0.01$). Tỷ lệ an toàn vốn cao giúp ngân hàng chống chịu tốt trước các cú sốc bên ngoài, giảm chi phí phá sản kỳ vọng và gia tăng biên độ sinh lời an toàn.
4. Chi phí hoạt động ($\text{OCA}$) và Tín dụng ($\text{LTA}$): $\text{OCA}$ có tương quan dương ($\beta_4 = 0.038, p < 0.05$) phản ánh rằng tại các thị trường mới nổi, việc mở rộng chi phí hoạt động thường gắn liền với đầu tư chuyển đổi số, phát triển mạng lưới phân phối và nâng cao năng lực dịch vụ. $\text{LTA}$ tác động dương ($\beta_5 = 0.022, p < 0.01$) khẳng định hoạt động cho vay truyền thống vẫn là nguồn tạo thu nhập lãi ròng chủ lực.
5. Biến số vĩ mô ($\text{GDP}$, $\text{INF}$): Tăng trưởng GDP ($\beta_6 = 0.003$) và lạm phát ($\beta_7 = 0.002$) đều có ý nghĩa thống kê ở mức 1%, khẳng định môi trường vĩ mô mở rộng thúc đẩy biên lãi ròng (NIM) và khả năng hấp thụ tín dụng của nền kinh tế.

---

Đổi mới và đóng góp

Đóng góp học thuật và tính mới của công trình

• Ứng dụng dữ liệu lớn NLP vào nghiên cứu tài chính vi mô: Thay vì sử dụng các biến đại diện chính trị định tính truyền thống (loại hình thể chế, chu kỳ bầu cử), công trình tích hợp chỉ số rủi ro địa chính trị chuẩn hóa cấp quốc gia (GPRC) xây dựng từ thuật toán xử lý văn bản báo chí tự động của Caldara & Iacoviello, mang lại độ nhạy và tính chính xác cao.
• Mở rộng mẫu nghiên cứu quy mô lớn liên quốc gia: Khảo sát toàn diện 356 ngân hàng tại 18 thị trường mới nổi trải dài qua Châu Á, Châu Âu, Châu Mỹ Latinh, Trung Đông và Châu Phi trong suốt 12 năm tài chính (2010–2021), vượt trội về cả không gian và thời gian so với các nghiên cứu đơn quốc gia trước đây.

Tiêu chí so sánh	Nghiên cứu của Alsagr & Stefan (2020)	Nghiên cứu của Demir & Danisman (2021)	Công trình nghiên cứu này (2023)
Phạm vi mẫu	Nhóm các quốc gia GCC (Vùng Vịnh)	Mẫu đa quốc gia tổng hợp	18 nền kinh tế mới nổi trọng điểm (IMF 2021)
Cỡ mẫu quan sát	Dưới 1,000 quan sát	Tập trung vào tăng trưởng tín dụng vĩ mô	3,432 quan sát bảng từ 356 ngân hàng niêm yết
Biến phụ thuộc	Lợi nhuận ngân hàng Hồi giáo	Tăng trưởng tín dụng toàn ngành	Hiệu quả hoạt động tài sản vi mô ($\text{ROA}$)
Phương pháp chuẩn đoán	Ước lượng OLS / FEM cơ bản	Dynamic panel phân tích vĩ mô	Quy trình 3 bước chuẩn hóa: OLS $\rightarrow$ REM $\rightarrow$ FEM với Robust SE
Phát hiện chính	GPR ảnh hưởng tiêu cực đến GCC	Không tìm thấy tác động rõ rệt của GPR đến tín dụng	Khẳng định $\text{GPRC}$ làm giảm $\text{ROA}$ ($\beta = -0.006, p < 0.01$)

---

Ứng dụng thực tế và triển khai

Khung ứng dụng trong quản trị rủi ro ngân hàng (Enterprise Risk Management)

1. Tích hợp chỉ số rủi ro địa chính trị vào Stress-Testing:
   • Các ngân hàng thương mại cần đưa chỉ số GPRC vào kịch bản kiểm tra sức chịu đựng vốn (Stress-Testing) định kỳ theo chuẩn mực Basel II / Basel III.
   • Khi chỉ số GPRC tăng vượt ngưỡng độ lệch chuẩn (+1 standard deviation), hệ thống quản trị rủi ro tín dụng tự động kích hoạt cơ chế thắt chặt hệ số rủi ro đối với các khoản vay xuất nhập khẩu và tài trợ dự án xuyên biên giới.
2. Chiến lược tối ưu hóa cơ cấu vốn và tài sản:
   • Duy trì tỷ lệ đệm vốn tự có ($\text{ETA}$) tối thiểu từ 9.6% đến 12% để hấp thụ các tổn thất đột ngột từ rủi ro địa chính trị.
   • Linh hoạt cơ cấu danh mục cho vay ($\text{LTA}$ trung bình đạt 55.4%) kết hợp với việc gia tăng các sản phẩm phòng ngừa rủi ro phái sinh lãi suất và tỷ giá.
3. Lộ trình triển khai hệ thống cảnh báo sớm (Early Warning System - EWS):

Giai đoạn 1: Thiết lập API kết nối dữ liệu rủi ro vĩ mô & GPRC tự động (Tháng 1 - 3)
Giai đoạn 2: Tích hợp mô hình kinh tế lượng vào hệ thống ALM & Định giá khoản vay (Tháng 4 - 6)
Giai đoạn 3: Kiểm thử hồi quy Stress-Testing trên danh mục tín dụng thực tế (Tháng 7 - 9)
Giai đoạn 4: Ban hành quy chế điều hành đệm vốn linh hoạt theo biến động GPR (Tháng 10 - 12)

---

Hạn chế và hướng phát triển

• Dữ liệu bảng không cân bằng (Unbalanced Panel): Do sự khác biệt về quy định công bố thông tin tại một số thị trường mới nổi, một số ngân hàng bị khuyết dữ liệu trong những năm đầu (2010–2011).
• Tính trễ của dữ liệu báo cáo thường niên: Nghiên cứu sử dụng dữ liệu tần suất năm; các nghiên cứu trong tương lai có thể khai thác dữ liệu quý hoặc dữ liệu sự kiện tần suất cao (High-Frequency Event Study) để bắt trọn các cú sốc tức thời.
• Hướng mở rộng phương pháp kinh tế lượng: Ứng dụng các mô hình động (Dynamic Panel System-GMM) để xử lý triệt để hơn nữa tính nội sinh tiềm ẩn hoặc tích hợp mô hình học máy (Machine Learning/Random Forest) nhằm dự báo xác suất vỡ nợ của ngân hàng khi rủi ro địa chính trị bùng phát.

---

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------------+
|                              LỢI ÍCH ĐỊNH LƯỢNG CHO CÁC BÊN LIÊN QUAN                   |
+-----------------------------------------------------------------------------------------+
| [1] Sinh viên & Nghiên cứu sinh Kinh tế:                                                |
|     • Cung cấp khung phương pháp luận chuẩn mực về xử lý dữ liệu bảng trên Stata 16.    |
|     • Tài liệu tham khảo toàn diện về kiểm định mô hình (F-test, Breusch-Pagan, Hausman)|
|                                                                                         |
| [2] Ban Điều Hành & Quản Trị Rủi Ro Ngân Hàng (CRO, ALCO):                              |
|     • Công thức định lượng hóa mức độ sụt giảm ROA khi rủi ro địa chính trị biến động.  |
|     • Căn cứ khoa học để hoạch định tỷ lệ đệm vốn an toàn (ETA > 9.6%).                 |
|                                                                                         |
| [3] Cơ Quan Quản Lý & Ngân Hàng Trung Ương:                                             |
|     • Cơ sở dữ liệu thực nghiệm trên 18 thị trường mới nổi để ban hành chính sách vĩ mô.|
|     • Thiết kế khung chính sách phòng ngừa dòng vốn đảo chiều và hiện tượng rút tiền.   |
+-----------------------------------------------------------------------------------------+

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để tái lập mô hình nghiên cứu này là gì? Môi trường phân tích yêu cầu phần mềm Stata phiên bản 15.0 trở lên (khuyến nghị Stata 16 MP để xử lý song song đa luồng). Bộ nhớ RAM tối thiểu 8GB để xử lý ma trận 3,432 dòng và 356 biến định danh. Dữ liệu cần được chuẩn hóa định dạng bảng dài (Long format) và thiết lập bằng lệnh xtset bank_id year.

2. Tại sao mô hình Tác động Cố định (FEM) lại vượt trội hơn mô hình Tác động Ngẫu nhiên (REM)? Kiểm định Hausman cho giá trị $\chi^2(7) = 529.00$ với mức ý nghĩa $p = 0.0000 < 0.05$. Điều này chỉ ra rằng phần sai số đặc thù của từng ngân hàng có tương quan có ý nghĩa thống kê với các biến độc lập. Giả định của REM bị vi phạm, do đó FEM là ước lượng không chệch và hiệu quả nhất.

3. Làm thế nào để tích hợp chỉ số GPRC vào hệ thống quản trị rủi ro sẵn có của ngân hàng? Chỉ số GPRC được cập nhật hàng tháng từ cơ sở dữ liệu mở của Caldara & Iacoviello. Ngân hàng có thể xây dựng API tự động kéo chỉ số này vào kho dữ liệu quản trị rủi ro (Data Warehouse), sau đó áp dụng hệ số co giãn $\beta = -0.006$ để điều chỉnh kịch bản dự phóng lợi nhuận và trích lập dự phòng trong các kịch bản bất lợi.

4. Biến tỷ lệ chi phí hoạt động (OCA) có hệ số dương mang ý nghĩa gì trong thực tế? Trong mô hình FEM, hệ số của $\text{OCA}$ mang giá trị $+0.038$ ($p < 0.05$). Tại các thị trường mới nổi giai đoạn 2010–2021, chi phí hoạt động tăng chủ yếu phản ánh các khoản đầu tư mạnh mẽ vào công nghệ ngân hàng số, tự động hóa quy trình và mở rộng mạng lưới khách hàng, từ đó tạo ra doanh thu dịch vụ phi tín dụng vượt trội và nâng cao hiệu quả sinh lời tổng thể.

5. Chi phí và lộ trình hoàn vốn (ROI) khi triển khai hệ thống cảnh báo sớm rủi ro địa chính trị? Chi phí đầu tư tích hợp dữ liệu và kịch bản hóa Stress-Testing dao động từ 15,000 – 30,000 USD cho hệ thống phần mềm và đào tạo chuyên viên phân tích. Lợi ích mang lại thông qua việc giảm thiểu tỷ lệ nợ xấu tiềm ẩn từ 0.3% – 0.5% danh mục cho vay quy mô 1 tỷ USD có thể giúp ngân hàng tiết kiệm hàng triệu USD chi phí trích lập dự phòng rủi ro tín dụng.

---

Kết luận

Công trình nghiên cứu tốt nghiệp của tác giả Thái Thị Quỳnh Nga (VNU-UEB) đã giải quyết trọn vẹn bài toán định lượng tác động của rủi ro địa chính trị đến hiệu quả hoạt động của 356 ngân hàng thương mại niêm yết tại 18 nền kinh tế mới nổi giai đoạn 2010–2021. Bằng việc áp dụng phương pháp kinh tế lượng dữ liệu bảng vững chắc và các kiểm định chẩn đoán nghiêm ngặt (F-test, Breusch-Pagan, Hausman), nghiên cứu đã chứng minh một cách thuyết phục rằng rủi ro địa chính trị gia tăng có tác động tiêu cực trực tiếp và có ý nghĩa thống kê làm suy giảm tỷ suất sinh lời trên tổng tài sản ($\text{ROA}$) của hệ thống ngân hàng.

Bên cạnh đó, các yếu tố nội tại như quy mô tổng tài sản, tỷ lệ an toàn vốn chủ sở hữu, năng lực quản trị chi phí và quy mô cấp tín dụng cùng các điều kiện vĩ mô thuận lợi đóng vai trò là những đệm đỡ quan trọng giúp gia tăng hiệu quả kinh doanh. Những bằng chứng thực nghiệm này không chỉ bổ sung giá trị học thuật vào khoảng trống nghiên cứu tài chính quốc tế mà còn cung cấp nền tảng khoa học vững chắc để các nhà hoạch định chính sách, cơ quan thanh tra giám sát ngân hàng và ban điều hành các tổ chức tín dụng xây dựng chiến lược quản trị rủi ro chủ động, linh hoạt và bền vững trong một kỷ nguyên biến động địa chính trị toàn cầu.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY UNIVERSITY OF ECONOMICS AND BUSINESS FACULTY OF FINANCE AND BANKING GRADUATION THESIS THE IMPACT OF GEOPOLITICAL RISK ON THE PERFORMANCE OF COMMERCIAL BANKS IN EMERGING COUNTRIES Instructor : MSc Cu Nguyen Ha Trang Student : Thai Thi Quynh Nga Student code : 19050703 Class : QH 2019E TCNH CLC2 Ha Noi, 2023 VIETNAM NATIONAL UNIVERSITY UNIVERSITY OF ECONOMICS AND BUSINESS FACULTY OF FINANCE AND BANKING GRADUATION THESIS THE IMPACT OF GEOPOLITICAL RISK ON THE PERFORMANCE OF COMMERCIAL BANKS IN EMERGING COUNTRIES Instructor : MSc Cu Nguyen Ha Trang Student : Thai Thi Quynh Nga Student code : 19050703 Class : QH 2019E TCNH CLC2 Ha Noi, 2023 ACKNOWLEDGEMENT I assure you of the dissertation “The impact of geopolitical risk on the performance of commercial banks in emerging countries” is my independent research paper under the guidance of MSc Trang Cu Nguyen Ha. My research theories are quoted and used from some reference sources that have been cited and captured clearly. The data, software and programs in the lesson are honestly studied and no other products/researches are used in this thesis without being cited in accordance with the regulations. I am completely responsible to the Department, Faculty and the school for this guarantee! Ha Noi, 2023 Student Thai Thi Quynh Nga TABLE OF CONTENTS ACKOWLEDGEMENT TABLE OF CONTENTS CATEGORIES OF ACRONYMS TABLES CATALOGUE CHAPTER 1.

The urgency Of the topic. Research Oj€CÏV€. Research objects and SCOD€. Overview of data and research methodology.

Contribution Of res€arCH. Structure Of the Study .ccccscsssssssessssssssseessseseesseeeseeeeseeseseeeseseeeeseeneeeeseeseeeees 4 CHAPTER II.----5- «se skesesesesksksirtrrererrrrirrrrsrsrsiee 19 CHAPTER II. Research model and hypothi€SÌÏS. Research variaÌÏlS.cceesesesiesesiksksiinirirntnsrsinsisisiinsnnisnanrsnsinsrsntrasrsssas CHAPTER IV.

RESULTS AND DISCUSSION 4. căng RRRTRRRERSESESESERRREREESESESESESSIESESESESiisrt 39 CATEGORIES OF ACRONYMS EM Emerging market ETA Equity to total assets FEM Fixed impact method GDP Gross domestic product GPR Geopolitic Risk GPRC Geopolitical Risk of Country INF Inflation LTA Loan to assets MENA Middle East and North Africa NIM Net Interest Margin OCA Operating cost ratio OLS Ordinary Least Squares REM Random impact method ROA Return on total assets TABLES CATALOGUE Table 3. Summary of variables Table 4. Summary statistics Table 4.

Correlation Matrix Table 4. OLS, FEM, REM regressions Table 4. F-Test of FEM model Table 4. Breusch - Pagan Lagrangian Test Table 4.

Hausman Test CHAPTER 1. The urgency of the topic Since the 1990s, while investigating the sources of development differences between developed and developing countries, attention has been increasingly focused on political and institutional factors. In the studies to investigate the impacts of political variables on the development differences among countries, the first variable to be considered was the type of political regime. In a sense, the most important reason why democracy is used as a variable or criterion in explaining the development gap is that strong institutions are effective in economic development and that strong institutions are seen as identical with democracy.

However, upon examining the literature, a definite judgment has not been reached on the relationship between the type of political regime and economic performance. This situation has revealed the pursuit of other political variables that may be effective on economic variables. As a result, the variable of political instability has begun to be used in the literature. Therefore, the stability of the said regime type has come to the forefront rather than the current political regime type.

Economic units do not only take their economic decisions according to the current situation, but also take into account future conditions and expectations. Therefore, the continuity of the economic development process depends on the long-term horizons of the entrepreneurs to see the future and the high probability of realization of their predictions. One of the main factors determining this is the stability in the political variables that determine the economic activity and form the institutional framework. The existence of political stability in an economy enables entrepreneurs to enhance their capabilities of predicting the future.

So, the continuity of economic stability emerges depending on political stability. From this point of view, political instability is closely related to the whole economy and therefore the banking sector. Political instability increases the political uncertainty in the country, which increases the political risk. This situation affects the country's economies by being effective on both financial and real economic variables.

In this context, the banking sector is also exposed to effects from the supply side and the demand side. Because the rise in the risk increases the interest rates, which increases the costs of the banks, however, the rise in the interest rates increases the credit costs and decreases the credit demands of the economic units. Political uncertainty has direct or indirect effects on economic and social matters, especially on economic development for instance, when the United Kingdom considered separating from the European Union. A decline followed this political situation in the GDP of the United Kingdom at around 0.6 percent, which was the lowest GDP of the country for 15 years (Shankleman and Ross, 2018).

Luangaramand Sethapramote (2018) study the effect of political uncertainty in Thailand, they state that there has been a dramatic increase in the amount of political uncertainty from 2006 to 2019. Unsurprisingly, the increasing amount of uncertainty has led to the fluctuation of the Thailand economy and then negatively influenced the country’s economic growth rate. By creating political instability, political uncertainty, and risk, this has an impact on the economies of countries by limiting the future horizons of economic units. And with the role of financial intermediaries and currency circulation, the operation of the banking system plays a very important role in the increasing the economic efficiency of counties.

And whether geopolitical risks will affect the performance of the banking system. One of the special political factors, which affects the economy, is the risk of geopolitical geopolitical. Moreover, banks could increase loan prices in response to increased asymmetric information between lenders and_ borrowers. Cuculiza et al.

(2020) report that geopolitical risk can negatively affect analysts’ sentiment and result in inaccurate forecasts. This deteriorates information intermediaries and the information dissemination process in financial markets. However, the possible impact of geopolitical risks on bank performance in seems to have been overlooked in previous studies, which only studied the impact of geopolitical risks on relevant bank indicators. Therefore, we still do not know how to quantify how geopolitical risks affect the performance of banks.

We need more empirical studies to supplement our knowledge on this issue. To address these questions, this study is conducted, focusing on 18 emerging economies in different continents from 2010 to 2021 in order to examine the impact of geopolitical risk on bank performance. Research objective — The study assesses the impact of geopolitical risks on the performance of banks in 17 countries with emerging economies. — The study fills the research gap on geopolitical risks and their impact on bank performance.

Research objects and scope 1. Research objects — Theimpact of geopolitical risk on bank performance in emerning countries 1. Research scope — Content scope: analyzing the impact of geopolitical risk on bank performance. — Space scope: the study was conducted in 17 countries with emerging economies globally — Time scope: research data is taken from audited financial statements of listed banks of 17 emerging economies from 2010 to 2021.

Research questions — Does geopolitical risks influence the performance of listed banks in emerging economies? 1. Overview of data and research methodology — Data: The study mainly uses secondary data of commercial banks published in the audited financial statements during the period from 2010 to 2021 collected from Refinitiv database of banks listed on 17 countries with emerging economies in the world. Besides, the topic also collects other information through relevant articles, journals, research topics at home and abroad. — Methods: The study uses descriptive statistics, data processing and econometric models on Stata software to give objective results.

Contribution of research — Filling the research gap by providing empirical evidence on the impact of geopolitical risk on the performance of banks. — From empirical research, the study makes’ suggestions and recommendations for listed banks to improve performance of banks. Structure of the study The research includes 5 parts: Chapter 1: Introduction Chapter 2: Literature review Chapter 3: Research methods Chapter 4: Results and discussion Chapter 5: Conclusions CHAPTER II. Geopolitical risk Geopolitical is a multidisciplinary field on the impact of geographical factors on the behavior of countries and international relations (Caldara and lacovilelo, 2018).

Specifically, geopolitical considers factors such as geographical location, climate, natural resources, population, culture, religion, military, trade or terrain affecting the policy the foreign affairs of a country and the position of that country in the international system. The term "geopolitical" was created in the early 20th century by Rudolf Kjellen, a Swedish politician. Kjellen believes that the economic, political and military characteristics of a country stemming from the geographical and environmental factors of that country. These geographical factors can promote or restrain the socio-economic and political development, and contribute to shaping the identity and history of each country.

Kjellen pays special attention to the impact of geographical characteristics such as mountains and oceans on the nation's political life. To measure geopolicial risk and analyzie its impacts on firms and economies, the geopolitical risk index is established (Caldara and lacovilelo, 2018). The Geopolitic Risk (GPR) index is developed by Caldara and Iacovilelo (2018) to find out the impact of terrorist attacks, risks of war and other instability related to geographical and global political environment. For different economic variables, Caldara va Jacoviello construct this index by a measure of adverse geopolitical events and associated risks based on a tally of newspaper articles covering geopolitical tensions, and examine its evolution and economic effects since 1900.

The GPR index spikes around the two world wars, at the beginning of the Korean War, during the Cuban Missile Crisis, and after 9/11. Higher geopolitical risk foreshadows lower investment, stock prices, and employment. Higher geopolitical risk is also associated with higher probability of economic disasters and with larger downside risks to the global economy (Alsagr & Stefan, 2020, Alssagr & Almazor, 2020). Entrepreneurs, market participants, and central bank officials view geopolitical risks as key determinants of investment decisions and stock market dynamics (Bloom, 2009).

The Bank of England includes geopolitical risk, together with economic and policy uncertainty, among an “uncertainty trinity” that could have significant adverse economic effects (Carney 2016). In recent years, the European Central Bank, the International Monetary Fund, and the World Bank have routinely highlighted and monitored the risks to the outlook posed by geopolitical tensions. In 2017, Gallup’s survey of more than 1,000 investors, 75 percent of respondents expressed worries about the economic impact of the various military and diplomatic conflicts happening around the world. Changes in geopolitical risks are associated with heterogeneous effects on firm investment, depending on the industry of operation and on firm-specific risks, the link between geopolitical risk and firm-level activity is significant, economically meaningful, and persistent over time (Caldara & Iacoviello, 2018).

Besides that, Belkhir et al. (2019) determined the negative impact between the main risk treatment and bank operating indicators. Research results of Alsagr and Stefan (2020) also given see significant negative impacts of geopolitical risks to the bank's profitability. Phan et al.

(2021) pointed out when the instability led to an increaselt is difficult for lenders to distinguish good borrowers and bad borrowers, and thus reduce the size of lending,investment and economic efficiency. Compared to the index of economic policy (Baker et al., 2016) and the stock market fluctuation index (Bloom, 2009), the GPR index reflects more accurately the fluctuations of geopolitical events Related, for example, the killing of Crimea, or instability related to terrorist attacks (Demir et al. Since its inception, this index has received the attention of many researchers because it has a strong impact on economic variables at both macro and micro levels. A number of domestic and foreign studies have focused on geopolitical risks to stock prices (Alsagr & Almazor, 2020), Cash holding policy (Kotcharin & Maneenop, 2020; Wang et al.