Giới thiệu dự án

Rủi ro thanh khoản (Liquidity Risk) là một trong những rủi ro trọng yếu và có tính lan truyền hệ thống nhanh nhất trong ngành tài chính – ngân hàng. Các cuộc khủng hoảng tài chính toàn cầu (như giai đoạn 2007–2008) và những biến động kinh tế vĩ mô do đại dịch COVID-19 đã chứng minh rằng một ngân hàng có thể có khả năng sinh lời cao nhưng vẫn đối diện nguy cơ phá sản nếu mất khả năng thanh toán tức thời. Tại Việt Nam, Ngân hàng Nhà nước (NHNN) đã liên tục thắt chặt các giới hạn an toàn thông qua Thông tư số 22/2019/TT-NHNN (quy định tỷ lệ cho vay so với tổng tiền gửi - LDR tối đa ở mức 85%) và thúc đẩy áp dụng chuẩn mực quản trị rủi ro Basel III. Theo thống kê thị trường giai đoạn 2012–2021, hơn 60% ngân hàng thương mại cổ phần (NHTMCP) từng duy trì tỷ lệ LDR tiệm cận hoặc vượt ngưỡng 85%, đặt ra bài toán đánh đổi liên tục giữa tối ưu hóa thanh khoản và gia tăng tỷ suất sinh lời.

Vấn đề cốt lõi (Problem Statement) của các NHTMCP Việt Nam là sự xung đột giữa hai mục tiêu: mở rộng quy mô tín dụng để tối đa hóa thu nhập lãi thuần và duy trì dự trữ thanh khoản để bảo đảm an toàn chi trả. Việc duy trì quá nhiều tài sản có tính thanh khoản cao (tiền mặt, tiền gửi tại NHNN) sẽ làm phát sinh chi phí cơ hội, kéo giảm tỷ suất lợi nhuận trên tổng tài sản (ROA) và tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE). Ngược lại, việc tận dụng tối đa nguồn vốn huy động ngắn hạn để cho vay trung - dài hạn sẽ tạo ra khe hở tài trợ (Funding Gap) lớn, đẩy rủi ro thanh khoản lên cao, dẫn đến nguy cơ phụ thuộc vào thị trường liên ngân hàng với chi phí vốn đắt đỏ.

Mục tiêu nghiên cứu của đồ án bao gồm:

  1. Xác định và đo lường mức độ tác động của rủi ro thanh khoản (được đại diện bằng chỉ số khe hở tài trợ - FGAP) đến tỷ suất lợi nhuận (ROA, ROE) của 25 NHTMCP tại Việt Nam.
  2. Đánh giá vai trò điều tiết của các yếu tố nội tại ngân hàng (quy mô tài sản - SIZE, trạng thái tiền mặt - CASH, tỷ lệ tiền gửi - DEP, tỷ lệ nợ xấu - NPL) và các biến số kinh tế vĩ mô (tăng trưởng kinh tế - GDP, tỷ lệ lạm phát - INF).
  3. Đề xuất hệ thống giải pháp định lượng giúp các nhà quản trị ngân hàng kiểm soát khe hở thanh khoản, cân bằng giữa mục tiêu an toàn vốn và tối ưu hóa lợi nhuận.

Phương pháp tiếp cận giải pháp sử dụng mô hình kinh tế lượng dữ liệu bảng (Panel Data) bao gồm: Mô hình hồi quy OLS gộp (Pooled OLS), Mô hình tác động cố định (Fixed Effects Model - FEM), Mô hình tác động ngẫu nhiên (Random Effects Model - REM) và xử lý triệt để các khuyết tật mô hình (phương sai sai số thay đổi, tự tương quan) bằng Phương pháp bình phương tối thiểu tổng quát (Generalized Least Squares - GLS).

Kết quả kỳ vọng định lượng bao gồm hệ số ước lượng tin cậy ở mức ý nghĩa $p < 0.05$, chỉ rõ chiều hướng tác động của FGAP đến ROA và ROE, cung cấp bộ chỉ số kiểm soát thanh khoản thực nghiệm cho hệ thống ngân hàng thương mại.

Phạm vi nghiên cứu tập trung vào bộ dữ liệu thứ cấp được kiểm toán của 25 NHTMCP niêm yết trên sàn HOSE và HNX trong chuỗi thời gian 10 năm liên tục từ 2012 đến 2021 (tổng cộng 250 quan sát). Giới hạn nghiên cứu không bao gồm các ngân hàng thương mại 100% vốn Nhà nước chưa cổ phần hóa hoàn toàn hoặc các tổ chức tín dụng phi ngân hàng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong quản trị ngân hàng hiện đại, việc đánh giá rủi ro thanh khoản và hiệu quả sinh lời được tiếp cận qua nhiều phương pháp khác nhau với những ưu và nhược điểm riêng:

Phương pháp đo lường Cơ chế vận hành Ưu điểm Nhược điểm
Tỷ số thanh khoản tĩnh (Static Ratios: L1, L2, L3, L4) Tính toán tỷ lệ tài sản thanh khoản/tổng tài sản hoặc dư nợ/tiền gửi từ bảng cân đối kế toán. Đơn giản, dễ trích xuất dữ liệu, tính toán nhanh chóng. Phản ánh trạng thái tĩnh tại một thời điểm, không đo lường được dòng tiền tương lai và rủi ro kỳ hạn.
Khung quản trị Basel III (LCR & NSFR) Đo lường tỷ lệ đảm bảo thanh khoản ngắn hạn (LCR) và tỷ lệ nguồn vốn ổn định ròng (NSFR). Toàn diện, phản ánh khả năng chống chịu trước các kịch bản sốc thanh khoản. Đòi hỏi hạ tầng dữ liệu phức tạp, chi phí tuân thủ cao, chưa áp dụng đồng bộ tại mọi NHTMCP Việt Nam.
Chỉ số khe hở tài trợ (Funding Gap - FGAP) Đo lường mức chênh lệch giữa dư nợ cho vay thuần và tiền gửi khách hàng trên tổng tài sản. Phản ánh cấu trúc tài trợ thực tế, nhận diện sớm nhu cầu thanh khoản phát sinh từ chênh lệch kỳ hạn. Cần dữ liệu kế toán chi tiết và chuẩn hóa qua các kỳ báo cáo tài chính.

Ưu tiên yêu cầu nghiên cứu và thiết kế mô hình theo phương pháp MoSCoW:

  • Must have (Bắt buộc có): Dữ liệu bảng 10 năm (2012–2021) của 25 NHTMCP; các biến phụ thuộc ROA, ROE; biến độc lập FGAP; các kiểm định F-test, Hausman, Breusch-Pagan, Modified Wald, Wooldridge và mô hình GLS khắc phục khuyết tật.
  • Should have (Nên có): Bộ biến kiểm soát kết hợp giữa nội tại ngân hàng (SIZE, CASH, DEP, NPL) và vĩ mô (GDP, INF); ma trận hệ số tương quan; kiểm tra hệ số phóng đại phương sai (VIF).
  • Could have (Có thể có): Đánh giá tác động theo từng phân nhóm quy mô ngân hàng hoặc phân tích tác động cục bộ của đại dịch COVID-19.
  • Won't have (Không thực hiện): Phân tích chi tiết rủi ro phi tài chính hoặc khảo sát định tính người gửi tiền.

Thiết kế hệ thống

Mô hình nghiên cứu kinh tế lượng được cấu trúc theo luồng xử lý dữ liệu chuẩn hóa:

[Báo cáo tài chính 25 NHTMCP (2012-2021)] + [Số liệu Vĩ mô GSO/WB]
            [Làm sạch & Chuẩn hóa Dữ liệu]
             [Phân tích Thống kê Mô tả]
               [Ma trận Tương quan & VIF]
          [Ước lượng Pooled OLS, FEM, REM]
[Kiểm định F-test & Hausman]      [Kiểm định Breusch-Pagan]
             [Chọn Mô hình Phù hợp (FEM)]
       [Kiểm định Khuyết tật Mô hình]
       - Phương sai thay đổi (Modified Wald)
       - Tự tương quan (Wooldridge test)
      [Ước lượng Hồi quy Hiệu chỉnh GLS (FGLS)]
       [Kết luận Thực nghiệm & Khuyến nghị ALM]

Technology Stack phục vụ nghiên cứu và xử lý số liệu:

  • Phần mềm xử lý kinh tế lượng: STATA Version 16.0 / 17.0 (chuyên dụng xử lý Panel Data với các lệnh xtreg, xttest3, xtserial, xtgls).
  • Phần mềm xử lý dữ liệu thô: Microsoft Excel 365 (thu thập, tiền xử lý và trích xuất chỉ số tài chính).
  • Nguồn dữ liệu: Dữ liệu tài chính chuẩn hóa từ VietstockFinance, Ngân hàng Thế giới (World Bank) và Tổng cục Thống kê Việt Nam (GSO).

Công thức toán học của các biến trong mô hình:

  1. Biến phụ thuộc:

    • Tỷ suất sinh lời trên tổng tài sản: $$\text{ROA}{it} = \frac{\text{Lợi nhuận sau thuế}{it}}{\text{Tổng tài sản bình quân}_{it}}$$
    • Tỷ suất sinh lời trên vốn chủ sở hữu: $$\text{ROE}{it} = \frac{\text{Lợi nhuận sau thuế}{it}}{\text{Vốn chủ sở hữu bình quân}_{it}}$$

  2. Biến độc lập chính (Rủi ro thanh khoản):

    • Khe hở tài trợ (Funding Gap): $$\text{FGAP}{it} = \frac{\text{Cho vay khách hàng}{it} - \text{Tiền gửi của khách hàng}{it}}{\text{Tổng tài sản}{it}}$$

  3. Biến kiểm soát nội tại và vĩ mô:

    • Quy mô ngân hàng: $\text{SIZE}{it} = \ln(\text{Tổng tài sản}{it})$
    • Trạng thái tiền mặt: $\text{CASH}{it} = \frac{\text{Tiền mặt} + \text{Tiền gửi tại NHNN} + \text{Tiền gửi tại TCTD khác}{it}}{\text{Tổng tài sản}_{it}}$
    • Tỷ lệ tiền gửi khách hàng: $\text{DEP}{it} = \frac{\text{Tiền gửi của khách hàng}{it}}{\text{Tổng tài sản}_{it}}$
    • Tỷ lệ nợ xấu: $\text{NPL}{it} = \frac{\text{Nợ nhóm 3, 4, 5}{it}}{\text{Tổng dư nợ cho vay}_{it}}$
    • Tăng trưởng kinh tế: $\text{GDP}t = \frac{\text{GDP}t - \text{GDP}{t-1}}{\text{GDP}{t-1}} \times 100%$
    • Tỷ lệ lạm phát: $\text{INF}_t = \text{Chỉ số CPI hàng năm}$

Phương trình hồi quy tổng quát: $$\text{ROA}{it} = \beta_0 + \beta_1 \text{FGAP}{it} + \beta_2 \text{SIZE}{it} + \beta_3 \text{CASH}{it} + \beta_4 \text{DEP}{it} + \beta_5 \text{NPL}{it} + \beta_6 \text{GDP}t + \beta_7 \text{INF}t + \epsilon{it} \quad (1)$$ $$\text{ROE}{it} = \beta_0 + \beta_1 \text{FGAP}{it} + \beta_2 \text{SIZE}{it} + \beta_3 \text{CASH}{it} + \beta_4 \text{DEP}{it} + \beta_5 \text{NPL}_{it} + \beta_6 \text{GDP}_t + \beta_7 \text{INF}t + \epsilon{it} \quad (2)$$

Methodology

Phương pháp nghiên cứu tuân thủ quy trình kinh tế lượng thực nghiệm gồm 6 giai đoạn:

  1. Xây dựng khung lý thuyết: Tổng hợp lý thuyết đánh đổi rủi ro - lợi nhuận (Risk-Return Tradeoff), lý thuyết ưu tiên thanh khoản của Keynes và khung Basel.
  2. Thiết lập mẫu nghiên cứu: Lựa chọn 25 NHTMCP đáp ứng tính liên tục và minh bạch thông tin tài chính giai đoạn 2012–2021.
  3. Phân tích mô tả & Ma trận tương quan: Rà soát phân phối chuẩn, giá trị biên cực đại/cực tiểu, phát hiện sớm nguy cơ đa cộng tuyến ($r > 0.8$).
  4. Ước lượng hồi quy đa mô hình: Thực hiện song song Pooled OLS, FEM và REM trên STATA.
  5. Kiểm định giả định hồi quy & Lựa chọn mô hình:
    • Kiểm định F-test lựa chọn giữa Pooled OLS và FEM.
    • Kiểm định Hausman lựa chọn giữa FEM và REM.
    • Kiểm định Breusch & Pagan Lagrange Multiplier lựa chọn giữa Pooled OLS và REM.
    • Kiểm định phương sai sai số thay đổi (Modified Wald test) và tự tương quan (Wooldridge test).
  6. Khắc phục khuyết tật mô hình: Ứng dụng hồi quy Generalized Least Squares (GLS/FGLS) để loại bỏ hoàn toàn hiện tượng phương sai thay đổi và tự tương quan, bảo đảm ước lượng thu được là ước lượng tuyến tính không chệch hiệu quả nhất (BLUE).

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được thực thi tự động hóa thông qua hệ thống mã lệnh kinh tế lượng trên phần mềm STATA 16/17:

* 1. Khai bao cau truc du lieu bang (Panel Data)
xtset BankID Year

* 2. Thong ke mo ta va Ma tran tuong quan
summarize ROA ROE FGAP SIZE CASH DEP NPL GDP INF
pwcorr ROA ROE FGAP SIZE CASH DEP NPL GDP INF, sig star(0.05)

* 3. Kiem tra da cong tuyen (VIF) qua hoi quy OLS
regress ROA FGAP SIZE CASH DEP NPL GDP INF
vif

* 4. Uoc luong mo hinh Tac dong Co dinh (FEM) va Ngau nhien (REM)
xtreg ROA FGAP SIZE CASH DEP NPL GDP INF, fe
estimates store fe_model_roa

xtreg ROA FGAP SIZE CASH DEP NPL GDP INF, re
estimates store re_model_roa

* 5. Kiem dinh Hausman lua chon giua FEM va REM
hausman fe_model_roa re_model_roa

* 6. Kiem dinh khuyet tat mo hinh tren FEM
* Kiem dinh phuong sai sai so thay doi (Modified Wald test)
xttest3

* Kiem dinh tu tuong quan bac 1 (Wooldridge test)
xtserial ROA FGAP SIZE CASH DEP NPL GDP INF

* 7. Uoc luong hoi quy GLS khac phuc toan dien khuyet tat
xtgls ROA FGAP SIZE CASH DEP NPL GDP INF, panels(hetero) corr(ar1)
xtgls ROE FGAP SIZE CASH DEP NPL GDP INF, panels(hetero) corr(ar1)

Testing và validation

Kết quả thực thi các kiểm định thống kê chẩn đoán mô hình:

Hạng mục kiểm định Tên kiểm định thống kê Giá trị thống kê / p-value Kết luận thống kê
Đa cộng tuyến Variance Inflation Factor (VIF) $\text{Mean VIF} = 1.62 < 5.0$ (Tất cả biến $< 2.8$) Không có hiện tượng đa cộng tuyến nghiêm trọng.
So sánh OLS vs FEM F-test ($F$-statistic) $p\text{-value} = 0.0000 < 0.05$ Bác bỏ $H_0$; Mô hình FEM vượt trội hơn Pooled OLS.
So sánh FEM vs REM Hausman Test ($\chi^2$) $p\text{-value} = 0.0012 < 0.05$ Bác bỏ $H_0$; Mô hình FEM phù hợp hơn REM.
Phương sai sai số Modified Wald Test $\chi^2 = 1428.56; p = 0.0000 < 0.05$ Tồn tại hiện tượng phương sai sai số thay đổi.
Tự tương quan Wooldridge Test ($F$-statistic) $F = 18.421; p = 0.0002 < 0.05$ Tồn tại hiện tượng tự tương quan bậc 1 trong phần dư.

Do mô hình FEM vi phạm đồng thời hai giả định về phương sai đồng nhất và không tự tương quan, phương pháp bình phương tối thiểu tổng quát (GLS) với cấu trúc panels(hetero) corr(ar1) được kích hoạt để đưa ra kết quả ước lượng chính xác.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy GLS phản ánh tác động của rủi ro thanh khoản và các biến kiểm soát đến tỷ suất sinh lời của 25 NHTMCP Việt Nam:

Biến độc lập / Kiểm soát Mô hình (1): Biến phụ thuộc ROA Mô hình (2): Biến phụ thuộc ROE Kỳ vọng lý thuyết Kết quả thực nghiệm
Hệ số ($\beta$) p-value Hệ số ($\beta$) p-value
Hệ số chặn (Constant) -0.0182 0.041** -0.1624 0.028**
FGAP (Khe hở tài trợ) +0.0074 0.003*** +0.0815 0.001*** (+) Chấp nhận $H_1$
SIZE (Quy mô) +0.0019 0.000*** +0.0214 0.000*** (+) Chấp nhận $H_2$
CASH (Trạng thái tiền mặt) +0.0041 0.182 +0.0398 0.145 (+) Không có ý nghĩa
DEP (Tỷ lệ tiền gửi) -0.0089 0.012** -0.0942 0.008*** (+) Trái kỳ vọng ban đầu
NPL (Tỷ lệ nợ xấu) -0.0652 0.000*** -0.6841 0.000*** (-) Phù hợp lý thuyết
GDP (Tăng trưởng GDP) +0.0006 0.045** +0.0068 0.039** (+) Phù hợp lý thuyết
INF (Lạm phát) -0.0004 0.215 -0.0039 0.281 (+/-) Không có ý nghĩa
Số lượng quan sát ($N$) 250 250
Prob > $\chi^2$ 0.0000 0.0000

Ghi chú: *** $p < 0.01$, ** $p < 0.05$, * $p < 0.1$.

Phân tích kết quả kinh tế lượng:

  1. Rủi ro thanh khoản (FGAP): Tác động cùng chiều có ý nghĩa thống kê cao ($p < 0.01$) lên cả ROA ($\beta = 0.0074$) và ROE ($\beta = 0.0815$). Khi khe hở tài trợ tăng thêm 1 đơn vị (tức tỷ lệ cho vay vượt tiền gửi tăng lên), ROA tăng trung bình 0.74% và ROE tăng 8.15%. Điều này chứng minh rằng tại Việt Nam giai đoạn 2012–2021, các NHTMCP chấp nhận mở rộng tín dụng so với nguồn vốn huy động để thu được biên lãi thuần cao hơn, phù hợp với giả thuyết bù trừ rủi ro - lợi nhuận (Risk-Return Tradeoff).
  2. Quy mô ngân hàng (SIZE): Tác động cùng chiều mạnh mẽ ($\beta_{\text{ROA}} = 0.0019$, $\beta_{\text{ROE}} = 0.0214$ với $p = 0.000$). Ngân hàng có quy mô tổng tài sản lớn đạt được lợi thế kinh tế nhờ quy mô (Economies of Scale), đa dạng hóa danh mục tài sản và tối ưu chi phí hoạt động.
  3. Tỷ lệ tiền gửi (DEP): Tác động ngược chiều đến khả năng sinh lời ($\beta_{\text{ROA}} = -0.0089, p = 0.012$). Trong bối cảnh cạnh tranh huy động vốn gay gắt tại Việt Nam, việc gia tăng tỷ trọng tiền gửi khách hàng với mặt bằng lãi suất tiền gửi cao làm tăng chi phí lãi, khiến biên lợi nhuận bị thu hẹp nếu ngân hàng không tối ưu được tỷ lệ CASA (tiền gửi không kỳ hạn).
  4. Tỷ lệ nợ xấu (NPL): Tác động tiêu cực mạnh nhất đến hiệu quả sinh lời ($\beta_{\text{ROA}} = -0.0652, \beta_{\text{ROE}} = -0.6841$ với $p = 0.000$). Nợ xấu gia tăng trực tiếp làm giảm thu nhập lãi và buộc ngân hàng phải tăng trích lập dự phòng rủi ro tín dụng.
  5. Yếu tố vĩ mô (GDP): Tăng trưởng GDP thúc đẩy cầu tín dụng chất lượng cao và năng lực trả nợ của khách hàng, đóng góp tích cực vào tăng trưởng ROA và ROE ($p < 0.05$).

Đổi mới và đóng góp

Nghiên cứu mang lại những cải tiến học thuật và thực tiễn rõ rệt so với các công trình nghiên cứu trước đây:

Tiêu chí so sánh Nghiên cứu của Samuel Siaw (2013) & Maaka (2013) Nghiên cứu của Nguyễn Thanh Phong (2020) & Trần Thị Thanh Nga (2018) Đồ án hiện tại (Phạm Khánh Vy, 2023)
Phạm vi & Mẫu nghiên cứu Thị trường ngân hàng nước ngoài (Ghana, Kenya); cỡ mẫu 16–33 ngân hàng trong 5–10 năm. 25 NHTMCP Việt Nam (2009–2019) hoặc 16 ngân hàng Đông Nam Á (2004–2015). 25 NHTMCP Việt Nam bao phủ trọn vẹn chu kỳ 10 năm (2012–2021), bao gồm cả giai đoạn tái cơ cấu nợ và đại dịch COVID-19.
Xử lý khuyết tật kinh tế lượng Sử dụng OLS gộp hoặc 2SLS, chưa kiểm tra toàn diện hiện tượng tự tương quan theo nhóm. Sử dụng mô hình FEM/REM kết hợp GMM cơ bản. Kiểm định đa tầng có hệ thống (F-test, Hausman, Modified Wald, Wooldridge) và hiệu chỉnh triệt để bằng Generalized Least Squares (GLS).
Đo lường biến rủi ro thanh khoản Sử dụng tỷ số thanh khoản tĩnh truyền thống hoặc khoảng cách dòng tiền ngắn hạn. Sử dụng biến FGAP đơn lẻ, chưa phân tách tương quan với chi phí huy động (DEP). Khảo sát đồng thời chỉ số FGAP, CASH, DEP và NPL, làm rõ cơ chế tác động ngược chiều của tỷ lệ huy động vốn lên khả năng sinh lời.

Những đóng góp chính của đề tài:

  • Về mặt phương pháp luận: Ứng dụng thành công mô hình FGLS giúp loại bỏ 100% độ lệch chuẩn bị bóp méo do phương sai sai số thay đổi và tự tương quan trong dữ liệu bảng ngân hàng, bảo đảm độ tin cậy vượt trội của các tham số hồi quy.
  • Về mặt thực tiễn ngành: Cung cấp bằng chứng thực nghiệm khẳng định rủi ro thanh khoản (FGAP) có tác động thúc đẩy tỷ suất lợi nhuận trong ngắn hạn, nhưng lại đi kèm sự đánh đổi nghiêm trọng nếu tỷ lệ nợ xấu (NPL) tăng cao. Khám phá về tác động ngược chiều của tỷ lệ tiền gửi (DEP) là hồi chuông cảnh báo cho các ngân hàng phụ thuộc vào huy động vốn lãi suất cao thay vì xây dựng nguồn vốn chi phí thấp (CASA).

Ứng dụng thực tế và triển khai

Hệ thống kết quả thực nghiệm của nghiên cứu được chuyển hóa thành quy trình triển khai quản trị tài sản Nợ - Có (Asset-Liability Management - ALM) tại các NHTMCP:

[Hạ tầng Dữ liệu Core Banking]
[Module 1: Giám sát Khe hở Tài trợ Real-time (FGAP Tracking)]
- Tính toán FGAP = (Loans - Deposits) / Total Assets
- Cảnh báo tự động khi FGAP tiệm cận ngưỡng kiểm soát nội bộ
[Module 2: Tối ưu hóa Cơ cấu Nguồn vốn & CASA (DEP Optimization)]
- Phân tích chi phí vốn bình quân (COF)
- Điều chuyển chiến lược từ tiền gửi kỳ hạn sang gia tăng CASA
[Module 3: Stress-testing Thanh khoản & Tác động Sinh lời]
- Mô phỏng kịch bản rút tiền hàng loạt (Bank Run)
- Dự báo biến động ROA/ROE theo các mức độ căng thẳng thanh khoản

Lộ trình triển khai ứng dụng cho NHTMCP:

  1. Giai đoạn 1 (Tháng 1 - Tháng 3): Chuẩn hóa cơ sở dữ liệu ALM
    • Tích hợp dữ liệu từ hệ thống Core Banking và phân loại kỳ hạn thực tế của dòng tiền theo tiêu chuẩn Thông tư 22/2019/TT-NHNN.
  2. Giai đoạn 2 (Tháng 4 - Tháng 6): Thiết lập hệ thống ngưỡng cảnh báo FGAP
    • Cài đặt khung kiểm soát khe hở tài trợ cho từng khối kinh doanh; thiết lập hạn mức tín dụng phụ thuộc vào tốc độ tăng trưởng nguồn vốn ổn định.
  3. Giai đoạn 3 (Tháng 7 - Tháng 9): Chiến lược tái cấu trúc chi phí huy động vốn
    • Đẩy mạnh số hóa dịch vụ thanh toán để nâng tỷ lệ CASA lên mức mục tiêu $\ge 25%$, giảm thiểu áp lực tăng chi phí lãi do chỉ số DEP gây ra.
  4. Giai đoạn 4 (Tháng 10 - Tháng 12): Tích hợp kiểm tra sức chịu đựng (Stress-testing)
    • Vận hành định kỳ các kịch bản sốc thanh khoản vĩ mô (lãi suất tăng vọt, thanh khoản thị trường liên ngân hàng đóng băng) để bảo toàn vốn chủ sở hữu.

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis):

  • Chi phí triển khai: Chi phí đầu tư phần mềm ALM và chuẩn hóa dữ liệu ước tính từ 1.5 - 3 tỷ VND cho một ngân hàng quy mô trung bình.
  • Lợi ích định lượng: Giảm thiểu 15–20% chi phí huy động vốn khẩn cấp trên thị trường liên ngân hàng trong các thời điểm căng thẳng thanh khoản; tối ưu hóa biên lãi thuần (NIM) tăng thêm 0.15–0.30%, tương đương gia tăng lợi nhuận sau thuế từ 50 - 150 tỷ VND/năm tùy quy mô ngân hàng. Thời gian hoàn vốn đầu tư (ROI) đạt dưới 12 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Độ trễ dữ liệu báo cáo: Dữ liệu nghiên cứu dựa trên báo cáo tài chính kiểm toán kết thúc tại năm 2021, chưa phản ánh đầy đủ tác động của các biến động lãi suất toàn cầu và khủng hoảng niềm tin thanh khoản trên thị trường trái phiếu doanh nghiệp tại Việt Nam giai đoạn 2022–2023.
  • Tính năng động của mô hình: Các mô hình Pooled OLS, FEM, REM và GLS chưa kiểm soát được hiện tượng nội sinh (Endogeneity) tiềm ẩn phát sinh từ tính tự tương quan của chính biến phụ thuộc theo thời gian ($\text{ROA}_{t-1}$).

Hướng nghiên cứu tiếp theo

  • Mở rộng phương pháp ước lượng GMM (System GMM): Ứng dụng mô hình độ trễ dữ liệu bảng động để xử lý triệt để tính nội sinh và đo lường độ trễ quán tính của lợi nhuận ngân hàng.
  • Bổ sung các chỉ số thanh khoản Basel III: Đưa các chỉ số LCR (Liquidity Coverage Ratio) và NSFR (Net Stable Funding Ratio) vào mô hình thực nghiệm khi toàn bộ hệ thống NHTMCP hoàn tất lộ trình áp dụng Basel III.
  • Phân tích tác động phi tuyến (Non-linear Relationship): Khảo sát ngưỡng tối ưu của khe hở tài trợ (Threshold Regression) để xác định chính xác điểm gãy mà tại đó việc mở rộng FGAP chuyển từ thúc đẩy sinh lời sang phá hủy giá trị ngân hàng.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học ngành Tài chính - Ngân hàng: Tiếp cận tài liệu tham khảo hoàn chỉnh về quy trình phân tích kinh tế lượng thực nghiệm trên STATA, phương pháp xử lý dữ liệu bảng (Panel Data) và kỹ thuật kiểm định mô hình tài chính.
  • Chuyên viên quản trị rủi ro & ALM tại các NHTMCP: Sở hữu công cụ định lượng và bằng chứng thực nghiệm để thiết lập hạn mức khe hở tài trợ, cân đối kỳ hạn giữa huy động và cho vay nhằm bảo vệ biên lãi thuần.
  • Ban điều hành ngân hàng & Nhà đầu tư: Hiểu rõ mối tương quan giữa chiến lược mở rộng tín dụng, cấu trúc nguồn vốn (CASA/tiền gửi kỳ hạn) và rủi ro thanh khoản để ra quyết định phân bổ tài sản tối ưu.
  • Cơ quan quản lý (Ngân hàng Nhà nước Việt Nam): Bổ sung luận cứ khoa học để hoàn thiện các quy định về an toàn thanh khoản, điều hành linh hoạt tỷ lệ LDR và hạn mức tăng trưởng tín dụng (room tín dụng) phù hợp với thực tiễn thị trường.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu tối thiểu để chạy mô hình thực nghiệm này là gì?

Cần cài đặt phần mềm STATA (phiên bản 14.0 trở lên) hoặc ngôn ngữ R/Python với các gói thư viện kinh tế lượng (plm trong R, linearmodels trong Python). Dữ liệu đầu vào yêu cầu tối thiểu là dữ liệu bảng cân đối gồm các biến tài chính được thu thập liên tục trong ít nhất 5–7 năm của các ngân hàng thương mại.

2. Tại sao nghiên cứu lại chọn khe hở tài trợ (FGAP) thay vì các tỷ số thanh khoản tĩnh truyền thống?

Các tỷ số thanh khoản tĩnh (như tiền mặt/tổng tài sản) chỉ phản ánh tình trạng tại một thời điểm khóa sổ kế toán. Trong khi đó, FGAP phản ánh mức độ mất cân đối giữa hoạt động cấp tín dụng và nguồn vốn huy động cốt lõi, đóng vai trò là biến số cảnh báo sớm nhu cầu thanh khoản phát sinh trong tương lai.

3. Tại sao tỷ lệ tiền gửi (DEP) lại có hệ số tác động âm (-) đến lợi nhuận trong kết quả hồi quy?

Tại thị trường Việt Nam giai đoạn 2012–2021, cuộc đua lãi suất huy động giữa các NHTMCP quy mô vừa và nhỏ khiến chi phí trả lãi tiền gửi tăng cao. Nếu ngân hàng gia tăng tỷ lệ tiền gửi nhưng không đẩy mạnh được nguồn tiền gửi không kỳ hạn (CASA) chi phí thấp hoặc không thể giải ngân vào các tài sản có lợi suất cao hơn tương ứng, biên lợi nhuận (NIM) và tỷ suất ROA/ROE sẽ bị suy giảm.

4. Mô hình GLS giải quyết những khuyết tật cụ thể nào của mô hình hồi quy OLS và FEM?

GLS (Generalized Least Squares) sử dụng ma trận trọng số phương sai để hiệu chỉnh đồng thời hiện tượng phương sai sai số thay đổi giữa các ngân hàng (Groupwise Heteroskedasticity) và hiện tượng tự tương quan bậc nhất giữa các năm (First-order Autocorrelation), giúp hệ số hồi quy đạt độ tin cậy chuẩn xác (BLUE).

5. Kết quả nghiên cứu có thể áp dụng cho các định chế tài chính phi ngân hàng không?

Mô hình có thể mở rộng cho các công ty tài chính hoặc tổ chức tài chính vi mô sau khi điều chỉnh công thức đo lường biến FGAP và DEP để phù hợp với cơ chế huy động vốn đặc thù không nhận tiền gửi thanh toán của các tổ chức này.

Kết luận

Đồ án khóa luận tốt nghiệp của tác giả Phạm Khánh Vy đã giải quyết thành công bài toán định lượng về tác động của rủi ro thanh khoản đến tỷ suất lợi nhuận tại 25 NHTMCP Việt Nam trong giai đoạn 10 năm (2012–2021). Bằng việc ứng dụng quy trình kiểm định kinh tế lượng đa tầng và mô hình hiệu chỉnh GLS, nghiên cứu cung cấp bằng chứng thực nghiệm vững chắc chứng minh rằng: khe hở tài trợ (FGAP) và quy mô ngân hàng (SIZE) có tác động tích cực đến ROA và ROE, trong khi tỷ lệ nợ xấu (NPL) và tỷ lệ tiền gửi khách hàng chi phí cao (DEP) là các nhân tố bào mòn nghiêm trọng hiệu quả sinh lời.

Kết quả nghiên cứu mang lại giá trị thực tiễn cao cho công tác quản trị tài sản Nợ - Có tại các ngân hàng thương mại, đồng thời đặt nền móng cho việc ứng dụng các kỹ thuật kinh tế lượng chuyên sâu vào giám sát an toàn vĩ mô hệ thống tài chính Việt Nam. Để nâng cao năng lực cạnh tranh và phát triển bền vững, các NHTMCP cần chủ động kiểm soát khe hở tài trợ trong giới hạn an toàn, tập trung nâng cao chất lượng tín dụng để triệt tiêu nợ xấu và đẩy mạnh số hóa nhằm gia tăng tỷ trọng tiền gửi chi phí thấp CASA trong cấu trúc vốn.