Bối cảnh và vấn đề nghiên cứu
Hoạt động cấp tín dụng đóng vai trò huyết mạch trong hệ thống tài chính và quá trình lưu thông tiền tệ tại Việt Nam, đáp ứng nhu cầu vốn phục vụ sản xuất, kinh doanh và tiêu dùng của nền kinh tế. Theo tác giả viện dẫn từ Phạm Thị Phú (2020), nguồn thu từ hoạt động tín dụng chiếm tỷ trọng lớn nhất và là nguồn thu nhập chủ chốt trong tổng cơ cấu thu nhập của các ngân hàng thương mại (NHTM). Quy mô và tốc độ tăng trưởng tín dụng tác động trực tiếp đến khả năng tạo doanh thu lãi suất, mở rộng thị phần và quyết định năng lực sinh lời của các tổ chức tín dụng. Tuy nhiên, nếu tốc độ tăng trưởng tín dụng diễn ra quá nhanh mà thiếu sự kiểm soát chặt chẽ, các ngân hàng sẽ đối mặt với tình trạng nới lỏng tiêu chuẩn thẩm định, gia tăng nợ xấu, suy giảm chất lượng tài sản và tăng nguy cơ mất thanh khoản hoặc phá sản (Tamirisa và Igan, 2007).
Giai đoạn 2019 – 2023 ghi nhận nhiều biến động phức tạp của nền kinh tế Việt Nam dưới tác động tiêu cực của đại dịch COVID-19 và suy thoái kinh tế toàn cầu, làm ảnh hưởng sâu sắc đến nhu cầu hấp thụ vốn cũng như khả năng sinh lời của hệ thống ngân hàng thương mại. Đa số các công trình nghiên cứu thực nghiệm trong nước trước đây chủ yếu sử dụng dữ liệu trước năm 2019. Việc phân tích mối quan hệ giữa tăng trưởng tín dụng và lợi nhuận ngân hàng trong giai đoạn 2019 – 2023 là cần thiết nhằm cập nhật thực trạng hoạt động kinh doanh ngân hàng thời kỳ biến động dịch bệnh và phục hồi kinh tế.
Mục tiêu nghiên cứu được xác định cụ thể trong văn bản như sau:
- Mục tiêu tổng quát: Phân tích tác động của tăng trưởng tín dụng đến lợi nhuận của các ngân hàng thương mại Việt Nam; từ đó đề xuất các hàm ý chính sách tác động đến tăng trưởng tín dụng nhằm gia tăng lợi nhuận và nâng cao hiệu quả hoạt động của ngân hàng.
- Mục tiêu cụ thể:
- Mục tiêu 1: Xác định và đo lường mức độ tác động của tăng trưởng tín dụng đến lợi nhuận của các NHTM Việt Nam trong giai đoạn 2019 – 2023.
- Mục tiêu 2: Gợi ý một số hàm ý chính sách đối với các ngân hàng thương mại và cơ quan quản lý nhà nước nhằm nâng cao lợi nhuận ngân hàng thông qua điều chỉnh tốc độ tăng trưởng tín dụng hợp lý.
Nhiệm vụ nghiên cứu được cụ thể hóa qua hai câu hỏi nghiên cứu:
- Tăng trưởng tín dụng có tác động như thế nào đến lợi nhuận của các NHTM Việt Nam giai đoạn 2019 – 2023?
- Những hàm ý chính sách nào được đưa ra nhằm tăng lợi nhuận của các NHTM Việt Nam thông qua tác động của tăng trưởng tín dụng?
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Tác động của tăng trưởng tín dụng đến lợi nhuận của các ngân hàng thương mại.
- Phạm vi không gian: 25 NHTM cổ phần đang hoạt động tại Việt Nam. Theo danh sách chính thức do Ngân hàng Nhà nước Việt Nam (NHNN) công bố vào tháng 5/2024, toàn hệ thống có 37 NHTM nội địa. Tác giả đã sàng lọc và lựa chọn 25 NHTM đáp ứng đầy đủ dữ liệu báo cáo tài chính đã kiểm toán liên tục trong suốt giai đoạn nghiên cứu.
- Phạm vi thời gian: Giai đoạn 5 năm từ năm 2019 đến năm 2023.
Cơ sở lý thuyết và phương pháp nghiên cứu
Khóa luận xây dựng nền tảng lý thuyết dựa trên khung pháp lý hiện hành, các lý thuyết tài chính - ngân hàng và hệ thống các công trình thực nghiệm liên quan:
- Căn cứ pháp lý và khái niệm: Hoạt động cấp tín dụng được xác định theo Điều 4 Luật Các tổ chức tín dụng năm 2024 và khái niệm tín dụng ngân hàng theo Bùi Diệu Anh (2020). Tín dụng được phân loại theo thời hạn (ngắn hạn dưới 12 tháng, trung hạn từ 12 đến 60 tháng, dài hạn trên 60 tháng); theo mức độ tín nhiệm (có bảo đảm, không có bảo đảm); theo phương thức tổ chức (trực tiếp, gián tiếp); theo phương pháp hoàn trả (trả góp, định kỳ/phi trả góp, hoàn trả tuần hoàn).
- Khái niệm và đo lường lợi nhuận: Tiếp cận khái niệm lợi nhuận của Frederic S. Mishkin (2018), Rose và Sylvia C. Hudgins (2013). Về thước đo tương đối, tác giả sử dụng tỷ suất sinh lời trên tổng tài sản (ROA = Lợi nhuận sau thuế / Tổng tài sản bình quân * 100%) theo Ross và cộng sự (2018), Hassan và cộng sự (2003) để phản ánh năng lực quản lý và sử dụng tài sản tạo thu nhập của ngân hàng.
- Khung lý thuyết bổ trợ:
- Lý thuyết cung - cầu tín dụng: Khi nhu cầu vay vốn tăng hoặc ngân hàng mở rộng cung cấp tín dụng sẽ gia tăng thu nhập lãi vay, thúc đẩy lợi nhuận.
- Lý thuyết tăng trưởng tín dụng và rủi ro: Tăng trưởng tín dụng nóng đi kèm nguy cơ thẩm định thiếu thận trọng, tích tụ rủi ro vỡ nợ.
- Lý thuyết về động cơ ngắn hạn của nhà quản trị: Nhà quản lý có xu hướng hạ thấp tiêu chuẩn cấp tín dụng để đạt tăng trưởng nhanh trong ngắn hạn (Rajan, 1994; Allen và Gale, 2000).
- Giả thuyết bộ nhớ thể chế (Institutional Memory Hypothesis): Sau giai đoạn kinh tế bùng nổ, ngân hàng thường chủ quan, buông lỏng chuẩn tín dụng dẫn đến rủi ro suy thoái trong chu kỳ tiếp theo (Berger và Udell, 2004).
- Lý thuyết bất cân xứng thông tin: Khi thông tin giữa ngân hàng và khách hàng không đồng đều, việc hạ chuẩn cho vay làm tăng danh mục nợ xấu và chi phí trích lập dự phòng (Dell'Ariccia và Marquez, 2006).
- Lược khảo nghiên cứu thực nghiệm: Tác giả tổng hợp các công trình quốc tế (Athanasoglou và cs, 2008; Alexiou và Sofoklis, 2009; Foos và cs, 2010; Trujillo-Ponce, 2013; Abiola, 2014; Gizaw và cs, 2015; Fahlenbrach và cs, 2016; Bhowmik và Sarker, 2021) cùng các nghiên cứu tại Việt Nam (Bùi Quang Tuyến, 2014; Nguyễn Thị Vân Nhung, 2016; NHNN, 2019; Đặng Văn Dân, 2020; Phạm Thị Phú, 2020; Trần Thị Hương Ngân, 2023).
Mô hình kinh tế lượng được thiết lập dưới dạng hồi quy dữ liệu bảng tuyến tính:
$$ROA_{it} = \beta_0 + \beta_1 LGR_{it} + \beta_2 SIZE_{it} + \beta_3 EQ_{it} + \beta_4 NPL_{it} + \beta_5 LLP_{it} + \beta_6 CIR_{it} + \beta_7 GDP_t + \beta_8 INF_t + e_{it}$$
Trong đó:
- $i$ đại diện cho ngân hàng khảo sát ($i = 1, \dots, 25$), $t$ đại diện cho năm quan sát ($t = 2019, \dots, 2023$).
- $\beta_0$ là hệ số chặn; $\beta_1$ đến $\beta_8$ là các hệ số hồi quy; $e_{it}$ là sai số ngẫu nhiên.
| Nhóm biến |
Ký hiệu |
Tên biến |
Phương pháp đo lường |
Kỳ vọng dấu |
| Phụ thuộc |
ROA |
Tỷ suất sinh lời trên tổng tài sản |
(Lợi nhuận sau thuế / Tổng tài sản) $\times$ 100% |
N/A |
| Độc lập chính |
LGR |
Tỷ lệ tăng trưởng tín dụng |
$[(Dư\ nợ_t - Dư\ nợ_{t-1}) / Dư\ nợ_{t-1}] \times 100%$ |
$+$ |
| Kiểm soát |
SIZE |
Quy mô ngân hàng |
Logarit tự nhiên của tổng tài sản: $\ln(Tổng\ tài\ sản)$ |
$+$ |
| Kiểm soát |
EQ |
Tỷ lệ vốn chủ sở hữu |
(Vốn chủ sở hữu / Tổng tài sản) $\times$ 100% |
$+$ |
| Kiểm soát |
NPL |
Tỷ lệ nợ xấu |
(Nợ xấu / Tổng dư nợ cho vay) $\times$ 100% |
$-$ |
| Kiểm soát |
LLP |
Tỷ lệ dự phòng rủi ro tín dụng |
(Chi phí dự phòng rủi ro / Tổng dư nợ) $\times$ 100% |
$-$ |
| Kiểm soát |
CIR |
Tỷ lệ chi phí trên thu nhập |
(Tổng chi phí hoạt động / Tổng thu nhập) $\times$ 100% |
$-$ |
| Vĩ mô |
GDP |
Tốc độ tăng trưởng kinh tế |
$[(GDP_t - GDP_{t-1}) / GDP_{t-1}] \times 100%$ |
$+$ |
| Vĩ mô |
INF |
Tỷ lệ lạm phát |
$[(CPI_t - CPI_{t-1}) / CPI_{t-1}] \times 100%$ |
$+$ |
Phương pháp nghiên cứu và quy trình ước lượng:
- Nghiên cứu định lượng sử dụng dữ liệu bảng cân bằng (balanced panel data) với 125 quan sát (25 ngân hàng $\times$ 5 năm).
- Quy trình phân tích trên phần mềm STATA 17.0: Thống kê mô tả $\rightarrow$ Ma trận tương quan Pearson $\rightarrow$ Hồi quy Pooled OLS, mô hình hiệu ứng cố định (FEM), mô hình hiệu ứng ngẫu nhiên (REM) $\rightarrow$ Kiểm định lựa chọn mô hình qua F-test, Breusch – Pagan Lagrangian Multiplier và Hausman test $\rightarrow$ Kiểm định khuyết tật: Hiện tượng đa cộng tuyến (hệ số VIF), phương sai sai số thay đổi (Breusch – Pagan / Cook – Weisberg), tự tương quan (Wooldridge test) $\rightarrow$ Khắc phục khuyết tật mô hình bằng phương pháp bình phương bé nhất tổng quát (GLS - Generalized Least Squares) cho mô hình REM.
- Nguồn dữ liệu: Dữ liệu thứ cấp thu thập từ hệ thống FiinPro (do FiinGroup và Nikkei QUICK Corp hợp tác phát triển) dựa trên báo cáo tài chính đã kiểm toán hợp nhất hàng năm của 25 NHTM, kết hợp tính toán bổ trợ trên Microsoft Excel.
Nội dung chính theo từng chương
Chương 1: Giới thiệu nghiên cứu
Chương mở đầu trình bày tính cấp thiết của đề tài trong bối cảnh hoạt động tín dụng chiếm tỷ trọng thu nhập lớn tại các NHTM Việt Nam nhưng tiềm ẩn rủi ro nợ xấu sau cú sốc đại dịch COVID-19. Tác giả xác định rõ mục tiêu nghiên cứu tổng quát và 2 mục tiêu cụ thể; 2 câu hỏi nghiên cứu làm kim chỉ nam thực hiện; xác định đối tượng nghiên cứu là tác động của tăng trưởng tín dụng đến lợi nhuận; phạm vi mẫu là 25 NHTM nội địa giai đoạn 2019 – 2023. Tác giả cũng tóm lược phương pháp dữ liệu bảng trên phần mềm STATA 17.0, nêu rõ đóng góp khoa học và thực tiễn của công trình, cùng cấu trúc bố cục 5 chương của khóa luận.
Chương 2: Cơ sở lý luận về tác động của tăng trưởng tín dụng đến lợi nhuận của các ngân hàng thương mại Việt Nam
Chương 2 hệ thống hóa các định nghĩa cơ bản về tín dụng ngân hàng theo Luật Các tổ chức tín dụng 2024, phân loại tín dụng và công thức tính tốc độ tăng trưởng tín dụng (LGR). Tiếp đó, tác giả làm rõ bản chất của lợi nhuận ngân hàng thông qua hai khía cạnh: giá trị tuyệt đối (lợi nhuận sau thuế) và giá trị tương đối (ROA, ROE), trong đó giải thích lý do lựa chọn ROA làm thước đo chính cho hiệu quả sinh lời trên tài sản danh mục.
Chương này đi sâu vào phân tích 5 khung lý thuyết kinh tế lượng tài chính: Lý thuyết cung cầu tín dụng, lý thuyết tăng trưởng tín dụng và rủi ro, động cơ quản lý ngắn hạn của Rajan (1994), giả thuyết bộ nhớ thể chế của Berger và Udell (2004) và lý thuyết thông tin bất cân xứng của Dell'Ariccia và Marquez (2006). Đồng thời, tác giả tiến hành lược khảo 8 nghiên cứu quốc tế và 6 nghiên cứu thực nghiệm tại Việt Nam, từ đó chỉ ra khoảng trống nghiên cứu: phần lớn các nghiên cứu trước đây phân tích giai đoạn trước năm 2019 và xem xét khung thời gian dài, thiếu vắng các bằng chứng thực nghiệm chuyên sâu đo lường tác động ngắn hạn trong giai đoạn chịu ảnh hưởng của đại dịch COVID-19 (2019 – 2023).
Chương 3: Phương pháp nghiên cứu tác động của tăng trưởng tín dụng đến lợi nhuận của các ngân hàng thương mại Việt Nam
Chương 3 xây dựng quy trình nghiên cứu chuẩn mực gồm 6 bước liên hoàn:
- Tìm hiểu cơ sở lý luận và lược khảo nghiên cứu thực nghiệm.
- Thiết kế mô hình hồi quy đa biến và xác định hệ thống các giả thuyết nghiên cứu ($H_1$ đến $H_8$).
- Xác định cỡ mẫu (25 NHTM, 125 quan sát) và xử lý dữ liệu thứ cấp từ FiinPro.
- Lựa chọn phương pháp phân tích thống kê mô tả, ma trận tương quan và 3 dạng mô hình bảng: Pooled OLS, FEM, REM.
- Thực hiện các kiểm định lựa chọn mô hình (F-test, Hausman, Breusch – Pagan), kiểm định khuyết tật mô hình (VIF, Wooldridge, kiểm định phương sai sai số thay đổi) và áp dụng phương pháp ước lượng GLS để khắc phục.
- Thảo luận kết quả hồi quy và đề xuất các khuyến nghị chính sách.
Chương này cũng định nghĩa toán học chi tiết cho từng biến số độc lập (LGR, SIZE, EQ, NPL, LLP, CIR), hai biến kinh tế vĩ mô (GDP, INF) và biến phụ thuộc ROA, kèm theo các cơ sở thực nghiệm để đặt dấu kỳ vọng cho các biến.
Chương 4: Kết quả nghiên cứu tác động của tăng trưởng tín dụng đến lợi nhuận của các ngân hàng thương mại Việt Nam
Chương 4 công bố kết quả tính toán thực nghiệm trên phần mềm STATA 17.0. Thống kê mô tả 9 biến số của 25 NHTM trong giai đoạn 2019 – 2023 cung cấp bức tranh chi tiết về các chỉ số tài chính:
| STT |
Tên biến |
Số quan sát |
Giá trị trung bình |
Độ lệch chuẩn |
Giá trị nhỏ nhất |
Giá trị lớn nhất |
| 1 |
ROA |
125 |
0,0132 (1,32%) |
0,0078 (0,78%) |
0,0007 (0,07%) |
0,0358 (3,58%) |
| 2 |
LGR |
125 |
16,67% |
7,79% |
-11,32% |
44,64% |
| 3 |
SIZE |
125 |
33,1676 |
1,0899 |
30,7583 |
35,3721 |
| 4 |
EQ |
125 |
8,87% |
3,05% |
4,90% |
17,10% |
| 5 |
NPL |
125 |
1,85% |
Chưa nêu rõ |
0,47% |
5,73% |
| 6 |
LLP |
125 |
1,38% |
Chưa nêu rõ |
0,76% |
3,12% |
| 7 |
CIR |
125 |
44,66% |
Chưa nêu rõ |
22,71% |
87,45% |
| 8 |
GDP |
125 |
5,12% |
Chưa nêu rõ |
2,58% |
8,02% |
| 9 |
INF |
125 |
2,85% |
Chưa nêu rõ |
1,xx% |
Chưa nêu rõ |
Phân tích dữ liệu từng trường hợp ghi nhận:
- Tỷ suất ROA: Trung bình 1,32%. Mức thấp nhất là 0,07% thuộc về Ngân hàng TMCP Bản Việt (BVB) năm 2023; mức cao nhất đạt 3,58% thuộc về Ngân hàng TMCP Kỹ Thương Việt Nam (TCB) năm 2021. ROA bình quân hàng năm có xu hướng ổn định và giảm nhẹ từ 1,57% xuống 1,32% vào năm 2023.
- Tốc độ tăng trưởng tín dụng (LGR): Trung bình 16,67%. Mức thấp nhất ghi nhận -11,32% tại Ngân hàng TMCP Xuất Nhập khẩu Việt Nam (EIB) năm 2020 do ảnh hưởng của dịch bệnh COVID-19 làm sụt giảm cả huy động và cho vay (sau đó phục hồi lên 13,89% vào năm 2021). Mức cao nhất là 44,64% tại Techcombank (TCB) năm 2019 nhờ chiến lược đẩy mạnh tín dụng bất động sản. Diễn biến LGR bình quân: đạt 18,49% (năm 2019), giảm sâu xuống 15,21% (năm 2020), sau đó phục hồi lên 16,39% (năm 2021) và 18,41% (năm 2023) nhờ các gói hỗ trợ giảm lãi suất của NHNN.
- Quy mô tài sản (SIZE): Trung bình 33,1676; nhỏ nhất là 30,7583 (tương đương 22 nghìn tỷ đồng) tại Ngân hàng TMCP Sài Gòn Công thương (SGB) năm 2019; lớn nhất là 35,3721 (tương đương 2 triệu tỷ đồng) tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BID) năm 2022.
- Tỷ lệ vốn chủ sở hữu (EQ): Trung bình 8,87%; dao động từ 4,90% tại BIDV (BID) năm 2021 đến 17,10% tại VPBank (VPB) năm 2023.
- Tỷ lệ nợ xấu (NPL): Trung bình 1,85% (đạt mục tiêu dưới 3% theo Thông tư 22/2019/TT-NHNN và Công văn 6561/NHNN-TTGSNH); thấp nhất là 0,47% tại Techcombank (TCB) năm 2020 và cao nhất là 5,73% tại VPBank (VPB) năm 2022.
- Tỷ lệ dự phòng rủi ro tín dụng (LLP): Trung bình 1,38%; dao động từ 0,76% (SGB năm 2020) đến 3,12% (VPB năm 2022).
- Tỷ lệ chi phí trên thu nhập (CIR): Trung bình 44,66%; thấp nhất là 22,71% tại SHB năm 2022 và cao nhất là 87,45% tại Kienlongbank (KLB) năm 2020.
- Các chỉ số vĩ mô: Tăng trưởng GDP bình quân đạt 5,12% (từ 2,58% đến 8,02%); lạm phát (INF) bình quân đạt 2,85%.
Kiểm định kinh tế lượng: Ma trận tương quan xác nhận không có cặp biến nào có hệ số tương quan vượt quá 0,8. Kiểm định hệ số phóng đại phương sai (VIF) trên mô hình OLS đều cho kết quả nhỏ hơn 10, kết luận không có hiện tượng đa cộng tuyến nghiêm trọng. Sau khi thực hiện kiểm định F-test, Breusch – Pagan Lagrangian và Hausman test, tác giả chọn mô hình hiệu ứng ngẫu nhiên (REM). Kiểm định khuyết tật chỉ ra mô hình REM xuất hiện hiện tượng tự tương quan (Wooldridge test) và phương sai sai số thay đổi. Do đó, tác giả áp dụng phương pháp bình phương bé nhất tổng quát (GLS) để khắc phục triệt để các khuyết tật này, đảm bảo các ước lượng thu được không chệch và có hiệu quả thống kê.
Chương 5: Kết luận và hàm ý chính sách
Dựa trên kết quả hồi quy mô hình REM ước lượng bằng phương pháp GLS, tác giả tổng hợp kết luận trả lời hai câu hỏi nghiên cứu ban đầu. Từ đó, chương 5 phân chia các khuyến nghị chính sách thành hai nhóm giải pháp: hàm ý chính sách đối với nội bộ các NHTM (nâng cao chất lượng thẩm định tín dụng, kiểm soát nợ xấu, tối ưu hóa CIR, gia tăng bộ đệm vốn chủ sở hữu) và hàm ý chính sách đối với Ngân hàng Nhà nước (điều hành chỉ tiêu tín dụng linh hoạt, hoàn thiện thể chế an toàn vĩ mô). Cuối cùng, tác giả thẳng thắn chỉ rõ các mặt hạn chế của đề tài và đề xuất các định hướng nghiên cứu tiếp theo.
Kết quả và đóng góp
Kết quả nghiên cứu chính
- Khóa luận lượng hóa toàn diện các chỉ số tài chính của 25 NHTM Việt Nam trong giai đoạn 2019 – 2023:
- Tỷ suất sinh lời trên tài sản (ROA) đạt mức trung bình 1,32% (độ biến thiên hẹp 0,78%), trong đó phân hóa mạnh giữa ngân hàng nhóm đầu (Techcombank đạt 3,58% năm 2021) và nhóm quy mô nhỏ (Bản Việt chỉ đạt 0,07% năm 2023).
- Tỷ lệ tăng trưởng tín dụng (LGR) đạt bình quân 16,67% mỗi năm. Tăng trưởng tín dụng phản ánh rõ nét biến động chu kỳ kinh tế: sụt giảm mạnh về 15,21% trong năm bùng phát dịch 2020 (Eximbank tăng trưởng âm -11,32%) và dần hồi phục lên 18,41% vào năm 2023.
- Mối quan hệ giữa tăng trưởng tín dụng và lợi nhuận: Tác giả kiểm định các giả thuyết nghiên cứu, chứng minh mức độ ảnh hưởng của tốc độ mở rộng cho vay đến chỉ tiêu sinh lời trên tài sản cùng sự tác động của các biến kiểm soát nội bộ (quy mô SIZE, tỷ lệ vốn chủ sở hữu EQ, tỷ lệ nợ xấu NPL, chi phí dự phòng LLP, chi phí hoạt động CIR) và hai biến vĩ mô (GDP, INF).
- Kiểm soát rủi ro: Tỷ lệ nợ xấu bình quân toàn hệ thống trong mẫu đạt 1,85%, tuân thủ trần quy định 3% của NHNN theo Thông tư 22/2019/TT-NHNN. Tỷ lệ dự phòng rủi ro tín dụng bình quân được duy trì ở mức 1,38%.
Giải pháp và kiến nghị của tác giả
Khóa luận đưa ra các hàm ý chính sách cụ thể cho hai nhóm đối tượng:
- Về phía các ngân hàng thương mại:
- Cân đối tốc độ tăng trưởng tín dụng với năng lực quản trị rủi ro; không theo đuổi mở rộng dư nợ bằng cách hạ thấp tiêu chuẩn cho vay nhằm tìm kiếm lợi nhuận ngắn hạn.
- Đa dạng hóa danh mục tín dụng, hạn chế tập trung vốn quá lớn vào các phân khúc tiềm ẩn biến động cao như bất động sản.
- Chủ động kiểm soát tỷ lệ nợ xấu (NPL duy trì dưới 3%) và trích lập dự phòng rủi ro đầy đủ (LLP) nhằm tạo bộ đệm tài chính an toàn.
- Nâng cao năng lực tài chính thông qua tích lũy vốn chủ sở hữu (EQ), củng cố hệ số an toàn vốn.
- Tối ưu hóa chi phí hoạt động trên thu nhập (CIR) thông qua đẩy mạnh số hóa quy trình vận hành và tinh gọn bộ máy quản trị.
- Về phía cơ quan quản lý (Ngân hàng Nhà nước Việt Nam):
- Điều hành hạn mức tăng trưởng tín dụng linh hoạt, phù hợp với năng lực quản trị rủi ro và tỷ lệ an toàn vốn của từng TCTD.
- Tăng cường công tác thanh tra, giám sát chất lượng tín dụng, theo dõi chặt chẽ dòng vốn đổ vào các lĩnh vực rủi ro.
- Phối hợp đồng bộ chính sách tiền tệ với chính sách tài khóa để kiểm soát lạm phát, ổn định kinh tế vĩ mô và hỗ trợ phục hồi tăng trưởng kinh tế.
Đóng góp của đề tài
- Về mặt lý luận: Bổ sung nguồn tài liệu tham khảo thực nghiệm về mối quan hệ giữa tăng trưởng tín dụng và lợi nhuận ngân hàng tại một quốc gia đang phát triển; kiểm chứng sự phù hợp của các lý thuyết tài chính (lý thuyết bộ nhớ thể chế, lý thuyết rủi ro tín dụng, bất cân xứng thông tin) trong điều kiện thị trường ngân hàng Việt Nam.
- Về mặt thực tiễn: Cung cấp bức tranh dữ liệu cập nhật trong giai đoạn 2019 – 2023 bao quát chu kỳ suy giảm do dịch bệnh và bước đầu phục hồi. Kết quả hồi quy cung cấp căn cứ định lượng thực chứng hỗ trợ các nhà quản trị ngân hàng trong việc xây dựng kế hoạch tín dụng cân bằng giữa mục tiêu sinh lời và an toàn vốn.
Hạn chế và hướng nghiên cứu tiếp
Khóa luận chỉ rõ các hạn chế tồn tại dựa trên phạm vi và dữ liệu thực hiện:
- Hạn chế về mẫu nghiên cứu: Mẫu khảo sát dừng lại ở 25 NHTM cổ phần có báo cáo tài chính kiểm toán liên tục, chưa bao phủ toàn bộ 37 NHTM nội địa trong hệ thống ngân hàng Việt Nam.
- Hạn chế về khung thời gian: Giai đoạn nghiên cứu 5 năm (2019 – 2023) tập trung phản ánh tác động ngắn hạn của tăng trưởng tín dụng đến lợi nhuận ngân hàng, chưa phân tích được tác động có độ trễ dài hạn (như một số nghiên cứu trước của Fahlenbrach và cs, 2016 hay Đặng Văn Dân, 2020 chỉ ra tính đảo chiều tác động sau 3 – 5 năm).
- Hạn chế về chỉ tiêu đo lường: Nghiên cứu chỉ sử dụng duy nhất chỉ số ROA đại diện cho khả năng sinh lời trên tài sản, chưa đưa vào các biến phụ thuộc khác như ROE (tỷ suất sinh lời trên vốn chủ sở hữu) hay NIM (thu nhập lãi thuần biên) để đánh giá đa chiều hiệu quả kinh doanh.
Hướng nghiên cứu trong tương lai:
- Mở rộng quy mô mẫu khảo sát đối với toàn bộ các ngân hàng thương mại tại Việt Nam khi có đầy đủ dữ liệu công bố chính thức.
- Kéo dài chuỗi thời gian quan sát để kiểm định hiện tượng trễ của rủi ro tín dụng và xem xét tác động dài hạn của các cú sốc chu kỳ kinh tế đến lợi nhuận ngân hàng.
- Bổ sung các biến phụ thuộc mới (ROE, NIM) và tích hợp thêm các biến kiểm soát vi mô/vĩ mô khác (tỷ lệ thanh khoản, sở hữu nhà nước, lãi suất điều hành, chính sách tái cơ cấu nợ).
Giá trị tham khảo
Tài liệu này hữu ích đối với:
- Giảng viên, sinh viên và học viên cao học chuyên ngành Tài chính – Ngân hàng, Kinh tế học ứng dụng: Sử dụng làm tài liệu tham khảo cho các học phần Quản trị ngân hàng thương mại, Kinh tế lượng tài chính, Phân tích hoạt động kinh doanh ngân hàng.
- Sinh viên thực hiện đồ án, khóa luận tốt nghiệp: Tham khảo quy trình nghiên cứu định lượng chuẩn tắc từ khâu tổng quan lý thuyết, thiết kế khung biến số, thu thập dữ liệu bảng cân bằng từ FiinPro đến kỹ thuật ước lượng mô hình Pooled OLS, FEM, REM và khắc phục khuyết tật bằng GLS trên phần mềm STATA.
- Chuyên viên phân tích tài chính tại các ngân hàng và công ty chứng khoán: Khai thác chuỗi số liệu tài chính giai đoạn 2019 – 2023 (ROA, LGR, EQ, NPL, LLP, CIR) của 25 NHTM để xây dựng báo cáo phân tích ngành và đánh giá sức khỏe tài chính hệ thống.
- Nhà hoạch định chính sách tại Ngân hàng Nhà nước: Tham khảo các phát hiện thực nghiệm về ngưỡng an toàn của nợ xấu và mối liên kết giữa chỉ tiêu tăng trưởng tín dụng và hiệu quả sinh lời của các ngân hàng.
Phần đáng tham khảo nhất trong khóa luận là Chương 3 (quy trình nghiên cứu 6 bước và bảng tổng hợp định nghĩa biến chi tiết) cùng Chương 4 (kỹ thuật xử lý khuyết tật phương sai sai số thay đổi và tự tương quan bằng phương pháp GLS).
Câu hỏi thường gặp
1. Khóa luận sử dụng mẫu nghiên cứu gồm bao nhiêu ngân hàng và trong khung thời gian nào?
Nghiên cứu sử dụng mẫu dữ liệu bảng cân bằng gồm 25 ngân hàng thương mại cổ phần đang hoạt động tại Việt Nam trong giai đoạn 5 năm, từ năm 2019 đến năm 2023 (tổng cộng 125 quan sát). Mẫu được lọc từ 37 NHTM nội địa theo danh sách công bố tháng 5/2024 của Ngân hàng Nhà nước Việt Nam dựa trên tiêu chí có đầy đủ báo cáo tài chính đã kiểm toán liên tục.
2. Biến phụ thuộc và biến độc lập chính trong mô hình nghiên cứu là gì?
Biến phụ thuộc là tỷ suất sinh lời trên tổng tài sản (ROA), được tính bằng tỷ lệ giữa lợi nhuận sau thuế và tổng tài sản bình quân ($\times 100%$). Biến độc lập giải thích chính là tỷ lệ tăng trưởng tín dụng (LGR), được đo lường bằng tỷ lệ phần trăm thay đổi của tổng dư nợ cho vay cuối kỳ so với đầu kỳ.
3. Ngân hàng nào ghi nhận tỷ suất ROA và tốc độ tăng trưởng tín dụng (LGR) cao nhất và thấp nhất trong mẫu nghiên cứu?
- Về ROA: Cao nhất đạt 3,58% thuộc về Ngân hàng TMCP Kỹ Thương Việt Nam (Techcombank - TCB) năm 2021; thấp nhất đạt 0,07% thuộc về Ngân hàng TMCP Bản Việt (BVB) năm 2023.
- Về LGR: Tốc độ tăng trưởng tín dụng cao nhất đạt 44,64% tại Techcombank (TCB) năm 2019; thấp nhất ghi nhận mức tăng trưởng âm -11,32% tại Ngân hàng TMCP Xuất Nhập khẩu Việt Nam (Eximbank - EIB) năm 2020 do tác động của đại dịch COVID-19.
4. Tác giả đã xử lý các khuyết tật của mô hình hồi quy dữ liệu bảng như thế nào?
Sau khi lựa chọn mô hình hiệu ứng ngẫu nhiên (REM) dựa trên các kiểm định F-test, Breusch – Pagan và Hausman, tác giả thực hiện kiểm định khuyết tật và phát hiện mô hình xuất hiện hiện tượng tự tương quan (kiểm định Wooldridge) và phương sai sai số thay đổi. Tác giả đã sử dụng phương pháp bình phương bé nhất tổng quát (GLS - Generalized Least Squares) trên phần mềm STATA 17.0 để khắc phục hoàn toàn hai khuyết tật này.
5. Tỷ lệ nợ xấu (NPL) trung bình của 25 NHTM trong giai đoạn 2019 – 2023 là bao nhiêu và có đáp ứng quy định của cơ quan quản lý không?
Giá trị trung bình của tỷ lệ nợ xấu (NPL) trong mẫu khảo sát 25 NHTM giai đoạn 2019 – 2023 là 1,85%, với biên độ dao động từ 0,47% (Techcombank năm 2020) đến 5,73% (VPBank năm 2022). Mức trung bình 1,85% này hoàn toàn tuân thủ trần quy định duy trì nợ xấu dưới 3% của Ngân hàng Nhà nước Việt Nam theo Thông tư số 22/2019/TT-NHNN và Công văn số 6561/NHNN-TTGSNH.
Kết luận
Khóa luận tốt nghiệp của tác giả Huỳnh Ngọc Diễm Quỳnh đã hoàn thành mục tiêu nghiên cứu thông qua việc phân tích và đo lường tác động của tăng trưởng tín dụng đến tỷ suất sinh lời trên tổng tài sản (ROA) của 25 ngân hàng thương mại Việt Nam giai đoạn 2019 – 2023. Bằng việc ứng dụng phương pháp kinh tế lượng với mô hình hiệu ứng ngẫu nhiên REM khắc phục khuyết tật qua ước lượng GLS trên phần mềm STATA 17.0, công trình cung cấp các kết quả thực nghiệm tin cậy về mối tương quan giữa mở rộng quy mô cho vay, kiểm soát nợ xấu và khả năng tạo lợi nhuận của hệ thống ngân hàng. Các số liệu thống kê chi tiết cùng hệ thống khuyến nghị chính sách đề xuất trong khóa luận có giá trị tham khảo học thuật và ứng dụng thực tiễn cho công tác quản trị rủi ro tín dụng tại các tổ chức tín dụng và cơ quan quản lý tiền tệ.
