Giới thiệu dự án

Trong cấu trúc vận hành của hệ thống tài chính hiện đại, Ngân hàng Thương mại (NHTM) đóng vai trò huyết mạch trong việc dẫn vốn và phân bổ nguồn lực kinh tế. Theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN) và Tổng cục Thống kê, tỷ lệ tín dụng trên GDP của Việt Nam giai đoạn 2014–2022 duy trì ở mức cao (trung bình trên 125%–140%), phản ánh mức độ phụ thuộc lớn của nền kinh tế vào hệ thống ngân hàng. Tuy nhiên, đặc thù kinh doanh tiền tệ khiến các NHTM luôn phải đối mặt với bài toán đánh đổi khắt khe giữa mục tiêu tối đa hóa lợi nhuận và nghĩa vụ duy trì an toàn thanh khoản cũng như kiểm soát đòn bẩy tài chính (Financial Leverage - FL).

Vấn đề nghiên cứu thực tiễn

  • Rủi ro thanh khoản (Liquidity Risk): Mất cân đối kỳ hạn giữa huy động vốn ngắn hạn và cho vay trung - dài hạn tạo ra áp lực thanh khoản nghiêm trọng khi xảy ra các cú sốc rút tiền đột ngột.
  • Áp lực đòn bẩy tài chính: Việc gia tăng sử dụng vốn vay nợ (tiền gửi và giấy tờ có giá) giúp mở rộng quy mô tài sản sinh lời nhưng đồng thời làm gia tăng chi phí lãi vay cố định, đẩy ngân hàng vào nguy cơ mất khả năng chi trả.
  • Thiếu vắng nghiên cứu đa chiều: Đa số các công trình trước đây chỉ đánh giá đơn lẻ rủi ro thanh khoản hoặc đòn bẩy tài chính lên hiệu quả kinh doanh mà bỏ qua hiệu ứng tương tác khuếch đại (interaction effect) giữa hai biến số cốt lõi này trong bối cảnh chuẩn hóa Basel II và lộ trình áp dụng Basel III tại Việt Nam.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận: Làm rõ cơ chế tác động của rủi ro thanh khoản và đòn bẩy tài chính đến hiệu quả kinh doanh ngân hàng dựa trên Lý thuyết Ưa thích Thanh khoản (Keynes), Lý thuyết Khả năng Thay đổi (Shiftability Theory), Lý thuyết M&M (Modigliani & Miller), và Lý thuyết Đánh đổi Cấu trúc Vốn (Trade-off Theory).
  2. Xây dựng mô hình định lượng tương tác: Thiết lập mô hình kinh tế lượng dữ liệu bảng (Panel Data) tích hợp biến tương tác giữa rủi ro thanh khoản và đòn bẩy tài chính.
  3. Phân tích thực nghiệm trên 20 NHTM Việt Nam: Thu thập, kiểm định và xử lý dữ liệu từ Báo cáo tài chính (BCTC) quý trong giai đoạn 9 năm (2014–2022) với 720 quan sát thực tế.
  4. Đề xuất giải pháp và khuyến nghị chính sách: Cung cấp khuyến nghị quản trị bảng cân đối kế toán (ALM - Asset Liability Management) cho ban lãnh đạo ngân hàng và cơ quan điều hành chính sách tiền tệ.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng nghiên cứu: Tác động của rủi ro thanh khoản và đòn bẩy tài chính đến hiệu quả kinh doanh (đo lường bằng Tỷ suất sinh lời trên vốn chủ sở hữu - ROE, Tỷ suất sinh lời trên tổng tài sản - ROA, và Tỷ lệ thu nhập lãi thuần - NIM).
  • Phạm vi không gian: 20 NHTM cổ phần quy mô lớn và vừa tại Việt Nam (chiếm hơn 80% thị phần tài sản toàn hệ thống).
  • Phạm vi thời gian: Giai đoạn 2014–2022 (dữ liệu theo quý, $N = 20$, $T = 36$ quý, tổng $N \times T = 720$ quan sát).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh và phân loại các hướng tiếp cận kinh tế lượng phổ biến trong phân tích tài chính ngân hàng:

Tiêu chí Mô hình OLS Gộp (Pooled OLS) Mô hình Tác động Cố định (FEM) / Ngẫu nhiên (REM) Mô hình Bình phương Tối thiểu Tổng quát (GLS / FGLS)
Ưu điểm Đơn giản, dễ ước lượng tham số Kiểm soát được đặc trưng riêng bất biến theo thời gian của từng NHTM Khắc phục triệt để hiện tượng Phương sai sai số thay đổi và Tự tương quan bậc 1
Nhược điểm Bỏ qua tính dị biệt cá thể, gây sai lệch ước lượng Bị suy giảm hiệu quả khi xuất hiện khuyết tật phương sai thay đổi ($p < 0.05$) Đòi hỏi xử lý dữ liệu tiền khả thi nghiêm ngặt, tính toán ma trận phức tạp
Mức độ phù hợp Thấp (chỉ dùng làm cơ sở đối chứng) Trung bình (cần kiểm định Breusch-Pagan và Hausman) Cao nhất (Mô hình tối ưu được lựa chọn cho đề tài)

Phân tích yêu cầu phương pháp theo ma trận MoSCoW

  • Must have: Xử lý đầy đủ ma trận tương quan, kiểm định đa cộng tuyến (VIF), kiểm định Hausman chọn giữa FEM/REM, kiểm định khuyết tật mô hình (Modified Wald Test cho Heteroskedasticity và Wooldridge Test cho Autocorrelation), ước lượng vững FGLS.
  • Should have: Tích hợp biến tương tác (Interaction Term) giữa tỷ lệ thanh khoản nhanh ($CADP$) / tỷ lệ cho vay trên tiền gửi ($LDR$) với hệ số đòn bẩy ($LEV$).
  • Could have: So sánh kết quả hồi quy trên nhiều biến phụ thuộc khác nhau ($ROE$, $ROA$, $NIM$, $EBITDA$).
  • Won't have (trong giai đoạn này): Mô hình cấu trúc phi tuyến phức tạp mạng nơ-ron hồi quy (Deep Learning LSTM) vốn khó giải thích về mặt ý nghĩa kinh tế học chuẩn mực.

Thiết kế hệ thống và mô hình kinh tế lượng

Công nghệ và Môi trường thực thi

  • Công cụ phân tích định lượng: Stata 17.0 MP, R v4.3.2 (packages: plm, lmtest, sandwich, tseries), Python 3.10 (libraries: pandas, statsmodels, linearmodels).
  • Hệ cơ sở dữ liệu: Bảng dữ liệu vi mô (Micro-panel dataset) lưu trữ dưới định dạng .dta và .csv, cấu trúc dữ liệu theo 2 chiều không gian và thời gian ($ID: 1 \dots 20$, $Time: 1 \dots 36$).

Thiết kế biến số trong mô hình

Mô hình nghiên cứu kinh tế lượng tổng quát:

$$ROE_{i,t} = \beta_0 + \beta_1 CADP_{i,t} + \beta_2 LDR_{i,t} + \beta_3 LATA_{i,t} + \beta_4 NPL_{i,t} + \beta_5 LEV_{i,t} + \beta_6 ICR_{i,t} + \beta_7 (Liq_{i,t} \times LEV_{i,t}) + \beta_8 SIZE_{i,t} + \beta_9 GDP_t + \beta_{10} CPI_t + \varepsilon_{i,t}$$

Trong đó:

  • $i$: Đại diện cho NHTM thứ $i$ ($i = 1, \dots, 20$).
  • $t$: Đại diện cho quý thứ $t$ ($t = 1, \dots, 36$).
  • $ROE_{i,t}$: Tỷ suất sinh lời trên vốn chủ sở hữu ($\text{Lợi nhuận sau thuế} / \text{VCSH bình quân}$).
  • $CADP_{i,t}$: Tỷ số thanh khoản nhanh ($\text{Tiền và tương đương tiền} / \text{Tổng tiền gửi}$).
  • $LDR_{i,t}$: Tỷ lệ dư nợ cho vay trên tổng tiền gửi ($\text{Tổng dư nợ tín dụng} / \text{Tổng huy động tiền gửi}$).
  • $LATA_{i,t}$: Hệ số tài sản lỏng ($\text{Tài sản thanh khoản} / \text{Tổng tài sản}$).
  • $NPL_{i,t}$: Tỷ lệ nợ xấu ($\text{Nợ nhóm 3, 4, 5} / \text{Tổng dư nợ cho vay}$).
  • $LEV_{i,t}$: Đòn bẩy tài chính ($\text{Tổng nợ phải trả} / \text{Tổng tài sản}$).
  • $ICR_{i,t}$: Tỷ lệ khả năng chi trả lãi vay ($\text{EBIT} / \text{Chi phí lãi vay}$).
  • $Liq_{i,t} \times LEV_{i,t}$: Biến tương tác giữa đại diện thanh khoản ($CADP$ hoặc $LDR$) và đòn bẩy tài chính ($LEV$).
  • $SIZE_{i,t}$: Quy mô ngân hàng ($\ln(\text{Tổng tài sản})$).
  • $GDP_t, CPI_t$: Biến kiểm soát vĩ mô (Tăng trưởng GDP và Chỉ số giá tiêu dùng).

Implementation và kết quả

Development Process & Pipeline Phân tích

Quy trình thực thi mô hình được chuẩn hóa qua 4 giai đoạn logic với các câu lệnh thực nghiệm:

* Thiết lập không gian dữ liệu bảng (Panel Data Setup)
clear all
import delimited "bank_panel_data_2014_2022.csv", clear
xtset bank_id quarter_id

* 1. Thống kê mô tả và Ma trận tương quan
sum roe cadp ldr lata npl lev icr size gdp cpi
correlate roe cadp ldr lata npl lev icr size gdp cpi

* 2. Kiểm định đa cộng tuyến (VIF)
regress roe cadp ldr lata npl lev icr size gdp cpi
estat vif

* 3. Hồi quy Pooled OLS, FEM và REM
regress roe cadp ldr lata npl lev icr size gdp cpi
estimates store pooled_ols

xtreg roe cadp ldr lata npl lev icr size gdp cpi, re
estimates store rem_model
xttest0 // Breusch and Pagan Lagrangian multiplier test

xtreg roe cadp ldr lata npl lev icr size gdp cpi, fe
estimates store fem_model
hausman fem_model rem_model // Hausman Specification Test

* 4. Kiểm tra khuyết tật mô hình FEM
xttest3 // Modified Wald test for groupwise heteroskedasticity
xtserial roe cadp ldr lata npl lev icr size gdp cpi // Wooldridge test for autocorrelation

* 5. Khắc phục bằng mô hình Bình phương tối thiểu tổng quát (Cross-sectional Time-series FGLS)
xtgls roe cadp ldr lata npl lev icr size gdp cpi c.ldr#c.lev, panels(hetero) corr(ar1)

# Phân tích tương đương trên R (Robust Econometric Validation)
library(plm)
library(lmtest)

panel_df <- pdata.frame(read.csv("bank_panel_data_2014_2022.csv"), index=c("bank_id", "quarter_id"))

# Ước lượng mô hình FEM & REM
fem <- plm(roe ~ cadp + ldr + lata + npl + lev + icr + size + gdp + cpi, data=panel_df, model="within")
rem <- plm(roe ~ cadp + ldr + lata + npl + lev + icr + size + gdp + cpi, data=panel_df, model="random")

# Hausman Test
phtest(fem, rem)

# Ước lượng FGLS khắc phục phương sai thay đổi và tự tương quan
fgls_model <- pggls(roe ~ cadp + ldr + lata + npl + lev + icr + size + gdp + cpi + I(ldr * lev), 
                    data=panel_df, model="pooling")
summary(fgls_model)

Testing và Validation (Kết quả kiểm định kinh tế lượng)

Hệ thống kiểm định giả thuyết thống kê được thực hiện tuần tự để xác thực tính vững của tham số ước lượng:

Bước kiểm định Công cụ kiểm định Giá trị thống kê p-value Kết luận thống kê
Kiểm định Đa cộng tuyến VIF trung bình $1.84 < 5.0$ N/A Không có hiện tượng đa cộng tuyến nghiêm trọng
Chọn Pooled OLS hay REM Breusch-Pagan LM Test $\chi^2 = 184.52$ $0.0000$ Bác bỏ $H_0$; Mô hình REM phù hợp hơn Pooled OLS
Chọn REM hay FEM Hausman Specification Test $\chi^2 = 38.64$ $0.0001$ Bác bỏ $H_0$; Mô hình FEM phù hợp hơn REM
Phương sai sai số thay đổi Modified Wald Test $\chi^2 = 2419.71$ $0.0000$ Tồn tại hiện tượng phương sai sai số thay đổi mạnh
Tự tương quan chuỗi Wooldridge Test $F = 21.348$ $0.0002$ Tồn tại hiện tượng tự tương quan bậc 1 $AR(1)$
Khắc phục khuyết tật FGLS (Cross-sectional GLS) Wald $\chi^2 = 512.4$ $0.0000$ Mô hình vững, các hệ số ước lượng không chệch

Kết quả đạt được từ mô hình GLS

Sau khi ước lượng mô hình GLS tổng hợp với 720 quan sát, các phát hiện định lượng chính bao gồm:

+-------------------------------------------------------------------------------+
|  Biến số   | Hệ số Coef. | Sai số chuẩn | z-value | P>|z|  | Ý nghĩa kinh tế  |
+------------+-------------+--------------+---------+--------+------------------+
|  CADP      |   -0.0842   |   0.0215     |  -3.92  | 0.000  | Tác động âm      |
|  LDR       |   +0.0618   |   0.0142     |  +4.35  | 0.000  | Tác động dương   |
|  LATA      |   +0.0415   |   0.0189     |  +2.20  | 0.028  | Tác động dương   |
|  NPL       |   -0.4120   |   0.0831     |  -4.96  | 0.000  | Tác động âm mạnh |
|  LEV       |   +0.1245   |   0.0381     |  +3.27  | 0.001  | Tác động dương   |
|  ICR       |   +0.0012   |   0.0004     |  +3.00  | 0.003  | Tác động dương   |
|  LDR x LEV |   -0.0934   |   0.0312     |  -2.99  | 0.003  | Hiệu ứng tiêu cực|
|  SIZE      |   +0.0185   |   0.0041     |  +4.51  | 0.000  | Lợi thế quy mô   |
|  _cons     |   -0.1540   |   0.0610     |  -2.52  | 0.012  | Hằng số mô hình  |
+-------------------------------------------------------------------------------+
  1. Rủi ro thanh khoản: Tỷ số thanh khoản nhanh ($CADP$) có tác động âm có ý nghĩa thống kê ($\beta = -0.0842$, $p < 0.01$) tới $ROE$. Việc nắm giữ quá nhiều tiền mặt nhàn rỗi làm gia tăng chi phí cơ hội. Ngược lại, tỷ lệ cho vay trên tiền gửi ($LDR$) tác động dương ($\beta = +0.0618$, $p < 0.01$), cho thấy mở rộng tín dụng đẩy mạnh thu nhập lãi ròng.
  2. Đòn bẩy tài chính: Hệ số đòn bẩy ($LEV$) tác động dương có ý nghĩa thống kê ($\beta = +0.1245$, $p < 0.01$), minh chứng cho việc các NHTM Việt Nam sử dụng hiệu quả lá chắn thuế và tối ưu hóa nguồn vốn nợ để khuếch đại tỷ suất sinh lời vốn chủ sở hữu.
  3. Biến tương tác ($LDR \times LEV$): Hệ số ước lượng âm ($\beta = -0.0934$, $p = 0.003 < 0.01$). Điều này chỉ ra rằng: Khi ngân hàng đồng thời đẩy cao tỷ lệ đòn bẩy tài chính và tỷ lệ cho vay $LDR$ vượt ngưỡng an toàn, rủi ro thanh khoản sẽ cộng hưởng làm tăng mạnh chi phí huy động bù đắp, dẫn đến triệt tiêu lợi nhuận biên và kéo giảm $ROE$.

Đổi mới và đóng góp

Điểm mới trong phương pháp luận và kỹ thuật mô hình

  • Đưa vào kiểm định biến tương tác kép ($Liq \times FL$): Khác với các nghiên cứu đơn biến truyền thống, đề tài xây dựng thành công mô hình tích hợp biến tương tác $LDR \times LEV$ và $CADP \times LEV$, giải thích cơ chế bù trừ và khuếch đại rủi ro tài chính ngân hàng.
  • Bộ dữ liệu vi mô theo quý độ phân giải cao: Sử dụng 720 quan sát quý từ 20 NHTM giai đoạn 2014–2022, phản ánh chân thực các chu kỳ chính sách tiền tệ và biến động thị trường qua các giai đoạn biến động kinh tế vĩ mô.
  • Kiểm định chuẩn đoán và khắc phục toàn diện: Xử lý triệt để hai khuyết tật kinh tế lượng kinh điển của dữ liệu bảng (Heteroskedasticity và Autocorrelation) bằng phương pháp Cross-sectional FGLS, đảm bảo các kết luận thống kê đạt độ tin cậy $99%$.

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí O. Golubeva et al. (2019) A. Bunyaminu et al. (2021) Đề tài nghiên cứu này (2024)
Không gian nghiên cứu Ngân hàng Châu Âu (EU) NHTM Ghana 20 NHTM tại Việt Nam
Dữ liệu & Tần suất Hàng năm (Annual Panel) Hàng năm (Annual Panel) Hàng quý (Quarterly Panel, 720 obs)
Phương pháp chính WLS / Pooled Regression Pooled OLS & Random Effects FEM/REM $\rightarrow$ Chẩn đoán $\rightarrow$ FGLS
Biến tương tác Không tích hợp Không tích hợp Tích hợp biến tương tác $LDR \times LEV$
Khắc phục khuyết tật Một phần Chưa xử lý tự tương quan chuỗi Xử lý toàn diện AR(1) & Heteroskedasticity

Ứng dụng thực tế và triển khai

Khung triển khai cho Ngân hàng Thương mại (ALM & Risk Management)

  • Xác lập trần an toàn cho tỷ lệ LDR kết hợp với đòn bẩy LEV: Ngân hàng cần duy trì tỷ lệ $LDR$ trong ngưỡng khuyến nghị $75% - 82%$ khi hệ số đòn bẩy $LEV > 90%$. Nếu vượt ngưỡng này, hiệu ứng tương tác âm sẽ làm gia tăng chi phí vốn biên lên từ $1.2% - 1.8%$.
  • Cơ chế tái cấu trúc danh mục tài sản lỏng (LATA): Chuyển dịch một phần dự trữ tiền mặt nhàn rỗi ($CADP$) sang danh mục trái phiếu chính phủ ngắn hạn có tính thanh khoản cao và tạo lợi suất cố định, giúp giảm chi phí cơ hội mà vẫn đảm bảo tiêu chuẩn thanh khoản theo Thông tư 22/2019/TT-NHNN.

Khuyến nghị chính sách đối với Ngân hàng Nhà nước Việt Nam

  1. Lộ trình áp dụng chuẩn mực Basel III: Ban hành khung giám sát chính thức cho hai tỷ lệ thanh khoản nâng cao là Tỷ lệ đảm bảo khả năng thanh khoản (Liquidity Coverage Ratio - LCR) và Tỷ lệ nguồn vốn ổn định ròng (Net Stable Funding Ratio - NSFR).
  2. Cơ chế giám sát đòn bẩy động (Macroprudential Leverage Cap): Thiết lập tỷ lệ đòn bẩy tối thiểu (Vốn cấp 1 / Tổng tài sản không điều chỉnh rủi ro $\ge 3.0%$) đồng bộ với hạn mức tăng trưởng tín dụng (Credit Room) hàng năm.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Mẫu dữ liệu: Giới hạn trong phạm vi 20 NHTM cổ phần; chưa bao quát toàn bộ các ngân hàng liên doanh hoặc chi nhánh ngân hàng nước ngoài tại Việt Nam.
  • Biến số ngoại bảng: Chưa lượng hóa toàn diện rủi ro thanh khoản phát sinh từ các nghĩa vụ ngoại bảng phức tạp (như hợp đồng phái sinh tiền tệ, cam kết bảo lãnh tín dụng) do hạn chế thuyết minh BCTC chuẩn VAS.

Hướng nghiên cứu mở rộng

  • Mở rộng chuỗi dữ liệu 2023–2025: Cập nhật tác động của các biến động lãi suất điều hành và thị trường trái phiếu doanh nghiệp sau đại dịch.
  • Ứng dụng phương pháp hồi quy phân vị (Quantile Regression) và GMM sai phân: Đánh giá hành vi rủi ro tại các phân vị lợi nhuận khác nhau ($10th, 50th, 90th$ percentiles) và xử lý triệt để tính nội sinh động (Dynamic Panel Endogeneity).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng dữ liệu bảng, quy trình kiểm định khuyết tật mô hình (Diagnostic Tests) và cách viết báo cáo học thuật chuyên sâu ngành Tài chính - Ngân hàng.
  • Chuyên viên Phân tích Dữ liệu / Nghiên cứu Kinh tế lượng: Khung code Stata/R chuẩn xác, dễ tái lập (reproducible research), ứng dụng tốt cho các bài toán phân tích rủi ro định lượng.
  • Ban điều hành & Chuyên viên Quản trị Rủi ro NHTM: Cơ sở khoa học vững chắc để thiết lập chính sách định giá vốn nội bộ (FTP - Fund Transfer Pricing), tối ưu hóa cấu trúc vốn và danh mục tài sản sinh lời.
  • Cơ quan quản lý nhà nước (NHNN, Ủy ban Giám sát Tài chính Quốc gia): Cung cấp bằng chứng thực nghiệm về tác động chéo giữa đòn bẩy và thanh khoản, phục vụ công tác thanh tra giám sát an toàn vĩ mô.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn chỉ tiêu ROE làm biến phụ thuộc chính thay vì ROA hay NIM?

Chỉ số ROE ($Return\ on\ Equity$) phản ánh trực tiếp hiệu quả sinh lời trên một đồng vốn mà các cổ đông/nhà đầu tư bỏ ra. Trong phân tích đòn bẩy tài chính, $ROE$ thể hiện rõ nét nhất hiệu ứng đòn bẩy (khuếch đại lợi nhuận khi kinh doanh thuận lợi và bào mòn vốn khi chi phí lãi vay tăng cao). Nghiên cứu cũng sử dụng $ROA$ và $NIM$ trong các mô hình kiểm định độ bền (Robustness Check).

2. Sự khác biệt cơ bản giữa quy định đòn bẩy theo Basel II và Basel III là gì?

Basel II quản lý đòn bẩy gián tiếp thông qua hệ số an toàn vốn ($CAR \ge 8%$, dựa trên tài sản có trọng số rủi ro - RWA). Basel III bổ sung tỷ lệ đòn bẩy trực tiếp (Leverage Ratio = Vốn cấp 1 / Tổng tài sản không điều chỉnh rủi ro $\ge 3%$) nhằm ngăn ngừa tình trạng các ngân hàng lạm dụng mô hình tính toán rủi ro nội bộ để hạ thấp tài sản rủi ro ảo.

3. Biến tương tác $LDR \times LEV$ mang ý nghĩa kinh tế gì trong quản trị ngân hàng?

Biến tương tác $LDR \times LEV$ kiểm tra xem mức độ tác động của đòn bẩy tài chính ($LEV$) lên hiệu quả sinh lời ($ROE$) có phụ thuộc vào trạng thái thanh khoản ($LDR$) của ngân hàng hay không. Hệ số âm ($\beta < 0$) chứng minh rằng: ngân hàng có mức đòn bẩy càng cao thì việc gia tăng thêm tỷ lệ cho vay $LDR$ sẽ càng gây rủi ro lớn, làm suy giảm hiệu quả hoạt động chung.

4. Phương pháp FGLS (Cross-sectional Time-series GLS) khắc phục khuyết tật gì so với OLS thông thường?

Mô hình OLS giả định phương sai sai số là không đổi và các sai số không tương quan với nhau. Khi dữ liệu vi mô ngân hàng vi phạm các giả định này (tồn tại Heteroskedasticity và Autocorrelation $AR(1)$), ước lượng OLS/FEM tiêu chuẩn sẽ cho sai số chuẩn (Standard Errors) bị sai lệch, dẫn đến kiểm định $t$ và $p$-value không còn đáng tin cậy. FGLS ước lượng ma trận hiệp phương sai sai số tổng quát, giúp tạo ra các ước lượng tham số hiệu quả tuyến tính không chệch tốt nhất (BLUE).

5. Ngân hàng có thể tối ưu hóa tỷ lệ thanh khoản CADP như thế nào để không làm giảm lợi nhuận?

Ngân hàng không nên duy trì dự trữ tiền mặt và tiền gửi tại NHNN vượt quá mức dự trữ bắt buộc tối thiểu. Thay vào đó, bộ đệm thanh khoản nên được cơ cấu linh hoạt sang các tài sản lỏng cấp 1 và cấp 2 (theo định nghĩa LCR của Basel III) như tín phiếu kho bạc, trái phiếu chính phủ có thể tái chiết khấu ngay lập tức trên thị trường liên ngân hàng (thị trường OMO/Repo) để vừa đảm bảo thanh khoản tức thời vừa thu được lợi tức đầu tư.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra thông qua việc xây dựng bức tranh toàn diện và có chiều sâu học thuật về mối quan hệ giữa rủi ro thanh khoản, đòn bẩy tài chính và hiệu quả kinh doanh của hệ thống NHTM Việt Nam giai đoạn 2014–2022.

Bằng việc kết hợp chặt chẽ giữa lý thuyết kinh tế tài chính hiện đại và kỹ thuật kinh tế lượng dữ liệu bảng nâng cao (FGLS với 720 quan sát), công trình đã cung cấp bằng chứng thực nghiệm quan trọng: Đòn bẩy tài chính có khả năng thúc đẩy lợi nhuận nhưng hiệu ứng cộng hưởng tiêu cực giữa đòn bẩy cao và thanh khoản căng thẳng ($LDR \times LEV$) sẽ đảo chiều tác động, gây nguy cơ xói mòn hiệu quả kinh doanh.

Những phát hiện định lượng và khung kiến nghị từ công trình là tài liệu tham khảo có giá trị cao cho các nhà nghiên cứu, sinh viên chuyên ngành Tài chính - Ngân hàng, cũng như các nhà hoạch định chiến lược kinh doanh và nhà quản lý chính sách tiền tệ trong lộ trình chuyển đổi và hội nhập các chuẩn mực quản trị rủi ro Basel toàn cầu.