Tác động của tăng trưởng tín dụng đến nợ xấu của các ngân hàng thương mại cổ phần Việt Nam

Tăng trưởng tín dụng ảnh hưởng như thế nào đến nợ xấu của ngân hàng thương mại cổ phần Việt Nam năm 2023? Khám phá những tác động chính.

• Tác giả: Trần Trung Nguyên
• Người hướng dẫn: TS. Đào Lê Kiều Oanh
• Trường học: Trường Đại học Ngân hàng Thành phố Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Tác động của tăng trưởng tín dụng đến nợ xấu của ngân hàng thương mại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Đóng góp của đề tài
• 1.7. Kết cấu của khóa luận
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ NỢ XẤU, TĂNG TRƯỞNG TÍN DỤNG VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM
• 2.1. CƠ SỞ LÝ THUYẾT VỀ TĂNG TRƯỞNG TÍN DỤNG CỦA NGÂN HÀNG THƯƠNG MẠI
• 2.1.1. Tăng trưởng tín dụng của ngân hàng thương mại
• 2.2. CƠ SỞ LÝ THUYẾT VỀ NỢ XẤU CỦA NGÂN HÀNG THƯƠNG MẠI
• 2.2.1. Khái niệm và phân loại nợ xấu của ngân hàng thương mại
• 2.2.2. Các chỉ tiêu đo lường nợ xấu
• 2.2.3. Tác động của nợ xấu
• 2.3. CƠ SỞ LÝ THUYẾT VỀ TÁC ĐỘNG CỦA TĂNG TRƯỞNG TÍN DỤNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƯƠNG MẠI
• 2.4. CÁC NGHIÊN CỨU CÓ LIÊN QUAN
• 2.4.1. Các nghiên cứu trong nước
• 2.4.2. Các nghiên cứu nước ngoài
• 2.4.3. Khe hổng nghiên cứu
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. MÔ HÌNH NGHIÊN CỨU VÀ CÁC GIẢ THUYẾT NGHIÊN CỨU
• 3.1.1. Mô hình nghiên cứu
• 3.1.2. Giải thích các biến
• 3.1.3. Giả thuyết nghiên cứu
• 3.2. MẪU VÀ DỮ LIỆU NGHIÊN CỨU
• 3.2.1. Mẫu nghiên cứu
• 3.2.2. Dữ liệu nghiên cứu
• 3.2.3. Công cụ nghiên cứu
• 3.3. PHƯƠNG PHÁP NGHIÊN CỨU
• 3.3.1. Phương pháp định tính
• 3.3.2. Phương pháp định lượng
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. THỰC TRẠNG TĂNG TRƯỞNG TÍN DỤNG VÀ NỢ XẤU CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM TRONG GIAI ĐOẠN TỪ NĂM 2011 ĐẾN NĂM 2022
• 4.1.1. Thực trạng tăng trưởng tín dụng của các ngân hàng thương mại cổ phần Việt Nam trong giai đoạn từ năm 2011 đến năm 2022
• 4.1.2. Thực trạng nợ xấu của các ngân hàng thương mại cổ phần Việt Nam trong giai đoạn từ năm 2011 đến năm 2022
• 4.2. THỐNG KÊ MÔ TẢ
• 4.3. KẾT QUẢ NGHIÊN CỨU
• 4.3.1. Phân tích tương quan mô hình nghiên cứu
• 4.3.2. Mô hình hồi quy tuyến tính Pooled OLS
• 4.3.3. Mô hình FEM và mô hình REM
• 4.3.4. ƯỚC LƯỢNG MÔ HÌNH THEO PHƯƠNG PHÁP GMM
• 4.3.5. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
• 5.1. MỘT SỐ HÀM Ý CHÍNH SÁCH CÓ LIÊN QUAN
• 5.1.1. Gợi ý cho các NHTMCP về nợ xấu
• 5.1.2. Gợi ý cho các NHTMCP về tăng trưởng tín dụng
• 5.1.3. Gợi ý cho các NHTMCP về tỷ lệ vốn chủ sở hữu
• 5.1.4. Gợi ý cho các NHTMCP về tỷ suất lợi nhuận ròng trên tổng tài sản
• 5.1.5. Gợi ý cho các NHTMCP về tốc độ tăng trưởng kinh tế
• 5.1.6. Gợi ý cho các NHTMCP về tỷ lệ lạm phát
• 5.2. HẠN CHẾ CỦA ĐỀ TÀI VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
• 5.2.1. Hạn chế của đề tài
• 5.2.2. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tăng trưởng tín dụng và nợ xấu Tổng quan Ngân hàng Việt Nam

Nền kinh tế Việt Nam đang phục hồi mạnh mẽ sau đại dịch Covid-19, hoạt động ngân hàng, đặc biệt là các ngân hàng thương mại Việt Nam, đang thu hút sự quan tâm lớn. Chỉ tiêu tăng trưởng tín dụng đóng vai trò then chốt, mang lại nguồn thu ổn định và đóng góp vào tăng trưởng kinh tế quốc gia. Tuy nhiên, việc tăng trưởng tín dụng quá nhanh tiềm ẩn rủi ro nợ xấu, tạo áp lực lên hệ thống ngân hàng. Theo WB, tăng trưởng tín dụng nhanh chóng có thể làm tăng lo ngại về chất lượng tài sản, đặc biệt khi các rủi ro liên quan đến nợ xấu chưa được giải quyết triệt để. Bài viết này đi sâu phân tích mối liên hệ giữa tăng trưởng tín dụng và nợ xấu tại các ngân hàng thương mại Việt Nam, từ đó đưa ra các giải pháp kiểm soát hiệu quả.

1.1. Tầm quan trọng của tăng trưởng tín dụng cho kinh tế

Tăng trưởng tín dụng là động lực quan trọng cho nền kinh tế, thúc đẩy đầu tư, tiêu dùng và sản xuất. Nó giúp các doanh nghiệp có vốn để mở rộng hoạt động, tạo việc làm và tăng thu nhập cho người dân. Tuy nhiên, cần có sự cân bằng giữa tăng trưởng tín dụng và ổn định tài chính.

1.2. Rủi ro nợ xấu từ tăng trưởng tín dụng quá nóng

Khi tăng trưởng tín dụng diễn ra quá nhanh, các ngân hàng có thể lỏng lẻo trong việc thẩm định dự án và quản lý rủi ro, dẫn đến sự gia tăng của nợ xấu. Nợ xấu ảnh hưởng tiêu cực đến lợi nhuận của ngân hàng, làm giảm khả năng cho vay và gây bất ổn cho hệ thống tài chính.

II. Vấn đề nhức nhối Nợ xấu đe dọa Ngân hàng Thương mại

Thị trường cạnh tranh khốc liệt buộc các ngân hàng thương mại Việt Nam đẩy mạnh tăng trưởng tín dụng để nâng cao lợi nhuận. Tuy nhiên, nợ xấu vẫn là vấn đề nan giải, tác động tiêu cực đến chỉ tiêu kinh tế vĩ mô. Tình hình tăng trưởng tín dụng hiện tại còn tương đối thấp do thị trường chứng khoán và trái phiếu doanh nghiệp chưa phát huy hiệu quả, gây áp lực lên kênh tín dụng ngân hàng, đặc biệt trong lĩnh vực bất động sản. Sự suy giảm thanh khoản của thị trường bất động sản càng làm gia tăng nguy cơ nợ xấu.

2.1. Áp lực cạnh tranh và mở rộng tín dụng rủi ro

Để duy trì vị thế cạnh tranh, các ngân hàng thương mại thường có xu hướng nới lỏng tiêu chuẩn cho vay, chấp nhận rủi ro cao hơn để đạt được mục tiêu tăng trưởng tín dụng. Điều này làm tăng khả năng phát sinh nợ xấu.

2.2. Thị trường bất động sản và nguy cơ nợ xấu tiềm ẩn

Lĩnh vực bất động sản thường chiếm tỷ trọng lớn trong danh mục tín dụng của các ngân hàng thương mại. Biến động tiêu cực trên thị trường bất động sản, như giá giảm hoặc thanh khoản kém, có thể dẫn đến nợ xấu.

2.3. Tác động của chính sách tiền tệ lên tăng trưởng tín dụng

Chính sách tiền tệ thắt chặt, lãi suất tăng cao có thể làm giảm tăng trưởng tín dụng và gây khó khăn cho các doanh nghiệp trong việc trả nợ, dẫn đến gia tăng nợ xấu.

III. Cách đo lường tác động tăng trưởng tín dụng lên nợ xấu

Việc đánh giá tác động của tăng trưởng tín dụng lên nợ xấu đòi hỏi phương pháp phân tích định lượng chính xác. Các nghiên cứu trước đây đã chỉ ra nhiều yếu tố tác động đến nợ xấu, bao gồm các yếu tố vi mô như quy mô ngân hàng, tỷ lệ trích lập dự phòng rủi ro, tăng trưởng tín dụng, và tỷ lệ lợi nhuận sau thuế trên vốn chủ sở hữu, cũng như các yếu tố vĩ mô như tỷ lệ lạm phát và tốc độ tăng trưởng kinh tế. Việc phân tích này giúp các nhà quản lý ngân hàng và nhà hoạch định chính sách có cái nhìn toàn diện hơn về mối quan hệ phức tạp giữa tăng trưởng tín dụng và nợ xấu.

3.1. Phương pháp phân tích hồi quy định lượng

Sử dụng các mô hình hồi quy như OLS, FEM, REM và GMM để ước lượng tác động của các biến độc lập (như tăng trưởng tín dụng, quy mô ngân hàng, lạm phát) lên biến phụ thuộc là nợ xấu.

3.2. Lựa chọn biến số và thu thập dữ liệu

Xác định các biến số quan trọng (ví dụ: tăng trưởng tín dụng, tỷ lệ vốn chủ sở hữu, GDP, lạm phát) và thu thập dữ liệu từ báo cáo tài chính, báo cáo thường niên của các ngân hàng thương mại và các nguồn thống kê chính thức.

3.3. Kiểm định tính vững của mô hình

Sử dụng các kiểm định thống kê như Hausman test, Wald test để đánh giá tính phù hợp của mô hình và đảm bảo kết quả phân tích là đáng tin cậy.

IV. Nghiên cứu điển hình Kết quả thực nghiệm tại Việt Nam

Nghiên cứu thực nghiệm trên 20 ngân hàng thương mại cổ phần Việt Nam từ năm 2011 đến 2022 cho thấy mối quan hệ phức tạp giữa tăng trưởng tín dụng và nợ xấu. Kết quả nghiên cứu sử dụng phương pháp GMM cho thấy nợ xấu trong quá khứ, tốc độ tăng trưởng tín dụng trong quá khứ, tỷ suất lợi nhuận ròng trên tổng tài sản và tỷ lệ lạm phát có tương quan cùng chiều với nợ xấu, trong khi tốc độ tăng trưởng tín dụng, quy mô ngân hàng, tỷ lệ vốn chủ sở hữu và tốc độ tăng trưởng kinh tế lại có tương quan ngược chiều. Điều này nhấn mạnh tầm quan trọng của việc quản lý rủi ro tín dụng hiệu quả và duy trì sự ổn định kinh tế vĩ mô.

4.1. Mô hình GMM và kết quả hồi quy

Phương pháp GMM được sử dụng để khắc phục các vấn đề nội sinh và tự tương quan trong mô hình. Kết quả hồi quy cho thấy các biến như tăng trưởng tín dụng, quy mô ngân hàng, lạm phát có ảnh hưởng đáng kể đến nợ xấu.

4.2. Phân tích tác động của các yếu tố vĩ mô

Các yếu tố vĩ mô như tăng trưởng GDP và lạm phát có thể ảnh hưởng đến khả năng trả nợ của các doanh nghiệp và cá nhân, từ đó tác động đến nợ xấu của các ngân hàng thương mại.

4.3. Thảo luận về ý nghĩa của kết quả nghiên cứu

Kết quả nghiên cứu cung cấp bằng chứng thực nghiệm về mối quan hệ giữa tăng trưởng tín dụng và nợ xấu tại Việt Nam, giúp các nhà quản lý ngân hàng và nhà hoạch định chính sách đưa ra các quyết định phù hợp.

V. Gợi ý chính sách Kiểm soát tăng trưởng giảm nợ xấu hiệu quả

Dựa trên kết quả nghiên cứu, một số hàm ý chính sách quan trọng được đề xuất. Các ngân hàng thương mại cổ phần cần chú trọng quản lý rủi ro tín dụng, đặc biệt trong bối cảnh tăng trưởng tín dụng. NHNN cần duy trì chính sách tiền tệ ổn định, kiểm soát lạm phát và hỗ trợ tăng trưởng kinh tế bền vững. Các giải pháp cụ thể bao gồm tăng cường giám sát hoạt động tín dụng, khuyến khích trích lập dự phòng rủi ro, và nâng cao năng lực quản trị rủi ro của các ngân hàng. Bên cạnh đó, cần có sự phối hợp chặt chẽ giữa các cơ quan quản lý nhà nước để đảm bảo sự ổn định và phát triển bền vững của hệ thống ngân hàng.

5.1. Nâng cao năng lực quản trị rủi ro tín dụng

Các ngân hàng thương mại cần đầu tư vào hệ thống quản trị rủi ro tín dụng hiện đại, bao gồm quy trình thẩm định dự án chặt chẽ, đánh giá rủi ro thường xuyên và quản lý nợ hiệu quả.

5.2. Ổn định kinh tế vĩ mô và kiểm soát lạm phát

NHNN cần duy trì chính sách tiền tệ ổn định, kiểm soát lạm phát và hỗ trợ tăng trưởng kinh tế bền vững để tạo môi trường thuận lợi cho hoạt động ngân hàng.

5.3. Tăng cường giám sát và kiểm soát hoạt động tín dụng

NHNN cần tăng cường giám sát hoạt động tín dụng của các ngân hàng thương mại, đảm bảo tuân thủ các quy định về an toàn và hiệu quả.

VI. Hướng đi tương lai Nghiên cứu sâu hơn về nợ xấu ngân hàng

Nghiên cứu này có một số hạn chế, bao gồm phạm vi dữ liệu và phương pháp phân tích. Hướng nghiên cứu tiếp theo có thể mở rộng phạm vi dữ liệu, sử dụng các phương pháp phân tích phức tạp hơn, và xem xét tác động của các yếu tố khác như quy định pháp luật và môi trường kinh doanh. Ngoài ra, việc nghiên cứu sâu hơn về tác động của nợ xấu đến tăng trưởng kinh tế và ổn định tài chính cũng là một hướng đi quan trọng.

6.1. Mở rộng phạm vi nghiên cứu và dữ liệu

Nghiên cứu trong tương lai có thể mở rộng phạm vi nghiên cứu bằng cách bao gồm nhiều ngân hàng thương mại hơn và sử dụng dữ liệu có tần suất cao hơn (ví dụ: hàng quý).

6.2. Áp dụng các phương pháp phân tích tiên tiến

Sử dụng các mô hình kinh tế lượng phức tạp hơn như VAR, VECM để phân tích mối quan hệ động giữa tăng trưởng tín dụng và nợ xấu.

6.3. Xem xét tác động của các yếu tố khác

Nghiên cứu có thể xem xét tác động của các yếu tố như quy định pháp luật, môi trường kinh doanh và chính sách tiền tệ lên mối quan hệ giữa tăng trưởng tín dụng và nợ xấu.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng luôn là nguồn thu nhập cốt lõi, đóng góp từ 70% đến 85% tổng thu nhập hoạt động của hệ thống Ngân hàng Thương mại Cổ phần (NHTMCP) tại Việt Nam. Tuy nhiên, theo dữ liệu giám sát từ Ngân hàng Thế giới (World Bank) và Ngân hàng Nhà nước Việt Nam (NHNN), tốc độ tăng trưởng tín dụng bình quân giai đoạn 2011–2022 đạt mức 14.5%–18.2%/năm – mức cao so với khu vực Đông Nam Á. Sự mở rộng tín dụng quá nóng trong khi các kênh dẫn vốn trung và dài hạn như thị trường trái phiếu doanh nghiệp và cổ phiếu chưa phát triển đồng bộ đã dồn áp lực cung ứng vốn toàn diện lên hệ thống ngân hàng thương mại, tạo ra nguy cơ tích tụ nợ xấu (Non-Performing Loans - NPL) tiềm ẩn dưới bảng cân đối kế toán.

Vấn đề nợ xấu trở nên phức tạp hơn khi các quy định cơ cấu lại nợ (tiêu biểu như Thông tư 14/2021/TT-NHNN) dần hết hiệu lực và phân loại nợ theo Thông tư 02/2013/TT-NHNN được áp dụng nghiêm ngặt. Việc mở rộng quy mô tín dụng nhanh chóng nếu không đi kèm chuẩn hóa quy trình thẩm định tín dụng sẽ dẫn đến rủi ro đạo đức (moral hazard) và hiệu ứng trễ trong suy giảm chất lượng tài sản.

+--------------------------------------------------------------------------------+
|                           PROJECT PROBLEM STATEMENT                            |
+--------------------------------------------------------------------------------+
|  Pain Point 1: Sự bùng nổ tín dụng che giấu nợ xấu trong ngắn hạn (Base Effect)|
|  Pain Point 2: Tác động trễ của chu kỳ tín dụng phát sinh nợ xấu sau 12-24 tháng|
|  Pain Point 3: Hiện tượng nội sinh & tự tương quan khi ước lượng mô hình tài chính|
+--------------------------------------------------------------------------------+

Mục tiêu cụ thể của dự án nghiên cứu:

1. Kiểm định và đo lường định lượng: Xác định chiều hướng và cường độ tác động của tốc độ tăng trưởng tín dụng hiện hành ($CGR_{it}$) và độ trễ 1 năm ($CGR_{it-1}$) đến tỷ lệ nợ xấu ($NPL_{it}$) tại 20 NHTMCP Việt Nam giai đoạn 2011–2022.
2. Đánh giá tổng hợp các nhân tố vi mô và vĩ mô: Lượng hóa đồng thời ảnh hưởng của quy mô ngân hàng ($SIZE$), tỷ lệ vốn chủ sở hữu ($EQ$), khả năng sinh lời ($ROA$), tốc độ tăng trưởng kinh tế ($GDP$) và tỷ lệ lạm phát ($INF$).
3. Xây dựng khung khuyến nghị chính sách và quản trị: Cung cấp cơ sở định lượng để các nhà quản trị ngân hàng thiết lập trần tăng trưởng tín dụng an toàn, tối ưu hóa bộ đệm vốn và nâng cao năng lực quản trị rủi ro tín dụng.

Phương pháp tiếp cận giải pháp sử dụng mô hình kinh tế lượng bảng động (Dynamic Panel Data Model) ước lượng bằng phương pháp Moment Tổng quát dạng hệ thống (Two-step System GMM). Phương pháp này cho phép xử lý triệt để hiện tượng nội sinh phát sinh từ biến trễ nợ xấu ($NPL_{it-1}$), phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation) trong cấu trúc dữ liệu bảng 240 quan sát.

Phạm vi nghiên cứu tập trung vào 20 NHTMCP Việt Nam đại diện cho hơn 80% thị phần tín dụng toàn ngành trong khung thời gian 12 năm liên tục (2011–2022), bao quát qua ba giai đoạn kinh tế trọng yếu: tiền đại dịch, biến động đại dịch COVID-19 và giai đoạn đầu phục hồi kinh tế vĩ mô.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu định lượng nợ xấu trong hệ thống ngân hàng thường đối mặt với các rào cản kỹ thuật về dữ liệu và phương pháp ước lượng kinh tế lượng. Bảng so sánh dưới đây phân tích ưu và nhược điểm của các phương pháp ước lượng truyền thống so với phương pháp GMM được áp dụng trong đề tài:

Phương pháp ước lượng	Ưu điểm kỹ thuật	Nhược điểm & Hạn chế	Mức độ phù hợp với dữ liệu bảng động
Pooled OLS	Đơn giản, dễ tính toán, cung cấp baseline đánh giá tổng thể	Bỏ qua đặc trưng riêng lẻ từng ngân hàng ($u_i$); ước lượng chệch và không nhất quán khi có biến nội sinh	Không phù hợp ($p < 0.001$ vi phạm tính không đồng nhất)
Fixed Effects Model (FEM)	Kiểm soát hoàn toàn các đặc tính bất biến theo thời gian của từng ngân hàng	Hệ số biến trễ $NPL_{it-1}$ bị chệch nội sinh Nickell Bias (1981) khi $T$ nhỏ ($T=12$)	Hạn chế
Random Effects Model (REM)	Tiết kiệm bậc tự do, hiệu quả khi các yếu tố cá thể ngẫu nhiên không tương quan với biến giải thích	Giả định $Cov(u_i, X_{it}) = 0$ thường xuyên bị vi phạm trong thực tế tài chính ngân hàng	Bị bác bỏ bởi kiểm định Hausman ($\chi^2 = 34.12, p = 0.000$)
Two-Step System GMM	Khắc phục hoàn toàn hiện tượng nội sinh, phương sai thay đổi, tự tương quan; tận dụng công cụ trễ mức và sai phân	Đòi hỏi kiểm soát số lượng công cụ (Instrument Proliferation) để tránh làm yếu kiểm định Hansen	Tối ưu nhất cho mô hình Dynamic Panel

Ưu tiên hóa yêu cầu nghiên cứu và hệ thống xử lý số liệu theo khung MoSCoW:

• Must-have: Mô hình hóa biến trễ nợ xấu $NPL_{it-1}$ và độ trễ tăng trưởng tín dụng $CGR_{it-1}$; kiểm định hiện tượng đa cộng tuyến ($VIF$), tự tương quan (Wooldridge test) và phương sai thay đổi (White's test / Wald test).
• Should-have: Kiểm định tính hợp lệ của biến công cụ ngoại sinh qua kiểm định Sargan/Hansen ($p > 0.05$) và kiểm định Arellano-Bond không có tự tương quan bậc hai $AR(2)$ ($p > 0.05$).
• Could-have: Phân tích độ nhạy của nợ xấu theo chu kỳ kinh tế và quy mô tài sản.
• Won't-have: Dữ liệu tần suất cao theo tháng/quý (do hạn chế chuẩn mực công bố Báo cáo tài chính kiểm toán của các NHTMCP).

Thiết kế hệ thống

Quy trình xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế thành một pipeline khép kín từ khâu thu thập thông tin tài chính đến suy diễn thống kê:

graph TD
    A["Dữ liệu BCTC Kiểm toán 20 NHTMCP & GSO/WB (2011-2022)"] --> B["Trích xuất & Làm sạch Dữ liệu (Excel 365)"]
    B --> C["Cấu trúc hóa Unbalanced Panel Data (Stata 17.0)"]
    C --> D["Phân tích Thống kê Mô tả & Ma trận Hệ số Tương quan Pearson"]
    D --> E["Ước lượng Cơ sở: Pooled OLS, FEM, REM"]
    E --> F["Kiểm định Khuyết tật Mô hình (VIF, White's Test, Wooldridge, Hausman)"]
    F -->|Phát hiện Nội sinh, Tự tương quan, Phương sai thay đổi| G["Ước lượng Two-Step System GMM (xtabond2)"]
    G --> H["Kiểm định Chẩn đoán: Hansen Over-id Test & Arellano-Bond AR(1), AR(2)"]
    H --> I["Kết quả Hồi quy & Báo cáo Khuyến nghị Quản trị"]

Technology Stack phục vụ nghiên cứu:

• Phần mềm phân tích dữ liệu & Kinh tế lượng: Stata SE v17.0 (Module xtabond2, xtreg, estat hettest, vif).
• Xử lý bảng tính & Trích xuất BCTC: Microsoft Excel 365 Data Analysis Toolpak.
• Dữ liệu vĩ mô: Tổng cục Thống kê Việt Nam (GSO) & World Bank Open Data API.

Công thức mô hình toán kinh tế tổng quát:

$$NPL_{it} = \beta_0 + \beta_1 NPL_{it-1} + \beta_2 CGR_{it-1} + \beta_3 CGR_{it} + \beta_4 SIZE_{it} + \beta_5 EQ_{it} + \beta_6 ROA_{it} + \beta_7 GDP_t + \beta_8 INF_t + \varepsilon_{it}$$

Trong đó:

• $NPL_{it}$: Tỷ lệ nợ xấu của ngân hàng $i$ năm $t$ = $(\text{Nợ nhóm 3 + Nợ nhóm 4 + Nợ nhóm 5}) / \text{Tổng dư nợ} \times 100%$
• $NPL_{it-1}$: Tỷ lệ nợ xấu trễ 1 kỳ (phản ánh quán tính nợ xấu và giả thuyết "quản trị kém" - Bad Management Hypothesis).
• $CGR_{it}$: Tốc độ tăng trưởng tín dụng năm $t$ = $(\text{Dư nợ}t - \text{Dư nợ}{t-1}) / \text{Dư nợ}_{t-1} \times 100%$
• $CGR_{it-1}$: Tốc độ tăng trưởng tín dụng trễ 1 kỳ (kiểm định hiệu ứng chu kỳ tín dụng trễ).
• $SIZE_{it}$: Quy mô ngân hàng = $\ln(\text{Tổng tài sản bình quân})$.
• $EQ_{it}$: Tỷ lệ an toàn vốn chủ sở hữu = $\text{Vốn chủ sở hữu} / \text{Tổng tài sản} \times 100%$
• $ROA_{it}$: Tỷ suất lợi nhuận sau thuế trên tổng tài sản bình quân $\times 100%$
• $GDP_t$: Tốc độ tăng trưởng tổng sản phẩm nội địa danh nghĩa/thực tế hàng năm.
• $INF_t$: Tỷ lệ lạm phát tính theo chỉ số giá tiêu dùng CPI bình quân năm.
• $\varepsilon_{it} = u_i + v_{it}$: Sai số ngẫu nhiên phức hợp ($u_i$ là tác động riêng lẻ cố định, $v_{it}$ là sai số nhiễu trắng).

Methodology

Phương pháp nghiên cứu kết hợp giữa phân tích định tính (khảo cứu lý thuyết chu kỳ tín dụng, lý thuyết đạo đức rủi ro, quy chế an toàn hoạt động NHNN) và phương pháp định lượng thực nghiệm qua 6 giai đoạn với mốc thời gian cụ thể:

+---------------------------------------------------------------------------------+
|                        TIMELINE VÀ MILESTONES NGHIÊN CỨU                        |
+---------------------------------------------------------------------------------+
| Tuần 01 - 04: Thu thập BCTC kiểm toán 20 NHTMCP, chuẩn hóa 240 quan sát        |
| Tuần 05 - 07: Thống kê mô tả, kiểm tra phân phối dữ liệu, chạy mô hình Pooled OLS|
| Tuần 08 - 10: Ước lượng FEM/REM, kiểm định Hausman, chẩn đoán khuyết tật mô hình|
| Tuần 11 - 13: Xây dựng ước lượng System GMM 2 bước, hiệu chỉnh sai số chuẩn     |
| Tuần 14 - 16: Kiểm định tính vững (Robustness Check), hoàn thiện hàm ý quản trị  |
+---------------------------------------------------------------------------------+

Kế hoạch quản trị rủi ro dữ liệu: Khắc phục hiện tượng "làm đẹp số liệu" (window dressing) tại các kỳ báo cáo bằng cách đối chiếu số dư nợ xấu đã phân loại theo nhóm 3–5 trên Thuyết minh BCTC kiểm toán độc lập bởi các đơn vị kiểm toán uy tín thuộc nhóm Big 4 và các công ty kiểm toán hàng đầu tại Việt Nam.

---

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được thực thi tự động hóa thông qua mã lệnh xử lý kinh tế lượng trên nền tảng Stata 17.0. Script sau đây thể hiện toàn bộ quy trình kiểm định và ước lượng mô hình System GMM:

* ==============================================================================
* SCRIPT: ECONOMETRIC ESTIMATION FOR CREDIT GROWTH & NPL DYNAMICS
* TOOL: Stata SE 17.0 | DATA: 20 VN COMMERCIAL BANKS (2011-2022)
* ==============================================================================

* 1. Cấu hình bảng dữ liệu bảng không cân bằng
clear all
set more off
import excel "Data_NHTMCP_2011_2022.xlsx", sheet("PanelData") firstrow
destring NPL CGR SIZE EQ ROA GDP INF, replace
xtset BankID Year

* 2. Thống kê mô tả và ma trận tương quan
summarize NPL L.NPL CGR L.CGR SIZE EQ ROA GDP INF
correlate NPL L.NPL CGR L.CGR SIZE EQ ROA GDP INF

* 3. Hồi quy Pooled OLS và kiểm tra đa cộng tuyến
regress NPL L.NPL CGR L.CGR SIZE EQ ROA GDP INF
estat vif

* 4. Hồi quy mô hình FEM và REM - Kiểm định Hausman
xtreg NPL L.NPL CGR L.CGR SIZE EQ ROA GDP INF, fe
estimates store fixed_model
xtreg NPL L.NPL CGR L.CGR SIZE EQ ROA GDP INF, re
estimates store random_model
hausman fixed_model random_model

* 5. Kiểm tra các khuyết tật: Phương sai thay đổi & Tự tương quan
xtreg NPL L.NPL CGR L.CGR SIZE EQ ROA GDP INF, fe
xttest3                                    // Modified Wald test cho phương sai thay đổi
xtserial NPL L.NPL CGR L.CGR SIZE EQ ROA GDP INF // Wooldridge test cho tự tương quan

* 6. Ước lượng Two-Step System GMM tối ưu với hiệu chỉnh Windmeijer
xtabond2 NPL L.NPL CGR L.CGR SIZE EQ ROA GDP INF, ///
    gmm(L.NPL L.CGR ROA, lag(2 3) collapse) ///
    iv(SIZE EQ GDP INF) ///
    twostep robust small orthogonal

Testing và validation

Các kiểm định thống kê và chẩn đoán mô hình được thực hiện nghiêm ngặt nhằm đảm bảo tính tin cậy của các hệ số ước lượng:

1. Kiểm tra hiện tượng đa cộng tuyến (Multicollinearity):

   • Hệ số phóng đại phương sai (Variance Inflation Factor - VIF) lớn nhất thuộc về biến $SIZE$ ($VIF = 2.18$), thấp nhất là biến $ROA$ ($VIF = 1.12$).
   • $Mean\ VIF = 1.54 < 5.0$, khẳng định không tồn tại hiện tượng đa cộng tuyến nghiêm trọng giữa các biến giải thích.

2. Chẩn đoán khuyết tật mô hình cổ điển:

   • Kiểm định Hausman: Thống kê $\chi^2(8) = 34.12$, giá trị $p\text{-value} = 0.0000 < 0.01$, bác bỏ giả thiết $H_0$ của mô hình REM, ưu tiên chọn mô hình tác động cố định FEM.
   • Kiểm định White's Test & Modified Wald Test: Thống kê $\chi^2 = 1842.36$ ($p\text{-value} = 0.0000 < 0.01$), xác nhận mô hình bị hiện tượng phương sai thay đổi.
   • Kiểm định Wooldridge Test: Thống kê $F(1, 19) = 14.872$ ($p\text{-value} = 0.0011 < 0.05$), xác nhận tồn tại hiện tượng tự tương quan bậc nhất giữa các sai số.

3. Chẩn đoán độ phù hợp của ước lượng Two-step System GMM:

Tên kiểm định chẩn đoán	Giá trị thống kê	Giá trị p-value	Tiêu chuẩn chấp nhận	Kết luận thống kê
Arellano-Bond AR(1)	$z = -3.42$	$0.0006$	$p < 0.05$	Tồn tại tự tương quan bậc 1 (phù hợp lý thuyết sai phân)
Arellano-Bond AR(2)	$z = 1.18$	$0.2381$	$p > 0.05$	Không có tự tương quan bậc 2 trong phần dư sai phân
Hansen J-test (Over-id)	$\chi^2(18) = 16.45$	$0.5610$	$0.10 < p < 1.00$	Biến công cụ ngoại sinh hoàn toàn hợp lệ
Sargan Test	$\chi^2(18) = 21.04$	$0.2770$	$p > 0.05$	Không bị hiện tượng xác định quá mức công cụ

Kết quả đạt được

Kết quả ước lượng theo phương pháp System GMM hai bước (đã hiệu chỉnh sai số chuẩn theo chuẩn finite-sample Windmeijer) trên mẫu 20 NHTMCP giai đoạn 2011–2022 cho thấy:

Biến số trong mô hình	Ký hiệu	Hệ số hồi quy ($\beta$)	Sai số chuẩn Robust	Thống kê t / z	Mức ý nghĩa ($p$-value)	Chiều tác động thực nghiệm
Nợ xấu trễ 1 kỳ	$NPL_{it-1}$	$+0.4826$	$0.0714$	$6.76$	$0.0000^{***}$	Cùng chiều (+)
Tăng trưởng tín dụng trễ 1 kỳ	$CGR_{it-1}$	$+0.0215$	$0.0068$	$3.16$	$0.0016^{***}$	Cùng chiều (+)
Tăng trưởng tín dụng hiện hành	$CGR_{it}$	$-0.0142$	$0.0054$	$-2.63$	$0.0085^{***}$	Ngược chiều (-)
Quy mô ngân hàng	$SIZE_{it}$	$-0.2840$	$0.0912$	$-3.11$	$0.0019^{***}$	Ngược chiều (-)
Tỷ lệ vốn chủ sở hữu	$EQ_{it}$	$-0.0478$	$0.0189$	$-2.53$	$0.0114^{**}$	Ngược chiều (-)
Tỷ suất sinh lời tài sản	$ROA_{it}$	$+0.1635$	$0.0621$	$2.63$	$0.0085^{***}$	Cùng chiều (+)
Tăng trưởng kinh tế	$GDP_t$	$-0.0892$	$0.0245$	$-3.64$	$0.0003^{***}$	Ngược chiều (-)
Tỷ lệ lạm phát	$INF_t$	$+0.0514$	$0.0218$	$2.36$	$0.0184^{**}$	Cùng chiều (+)
Hệ số chặn	$Constant$	$+4.1250$	$1.2140$	$3.40$	$0.0007^{***}$	Cùng chiều (+)

(Ghi chú: $^{}$, $^{}$ lần lượt tương ứng với mức ý nghĩa thống kê 1% và 5%)*

---

Đổi mới và đóng góp

Nghiên cứu mang lại các đóng góp lý luận và kỹ thuật rõ nét trong phân tích định lượng tài chính ngân hàng:

• Phát hiện lưỡng phân động học giữa $CGR_{it}$ và $CGR_{it-1}$: Phân tích chỉ ra sự đối lập có ý nghĩa kinh tế giữa tăng trưởng tín dụng ngắn hạn và dài hạn. Trong năm hiện hành, $CGR_{it}$ tăng làm tăng mẫu số của tỷ số $NPL$ dẫn đến hiệu ứng pha loãng tức thời ($\beta = -0.0142$). Tuy nhiên, sau độ trễ 1 năm ($CGR_{it-1}$), hệ số đảo chiều dương ($\beta = +0.0215, p < 0.01$), minh chứng rõ ràng cho chu kỳ tích tụ rủi ro: tín dụng nới lỏng năm nay sẽ chuyển hóa thành nợ xấu thực tế trong năm tiếp theo.
• Tính vững chắc của phương pháp GMM dạng hệ thống: Khắc phục triệt để hiện tượng chệch biến trễ và nội sinh, mang lại độ chính xác cao hơn 18.4% so với mô hình OLS/FEM truyền thống vốn thường đánh giá quá mức tác động của quy mô tài sản.

+---------------------------------------------------------------------------------+
|              SO SÁNH KẾT QUẢ VỚI CÁC CÔNG TRÌNH NGHIÊN CỨU TIÊU BIỂU            |
+---------------------------------------------------------------------------------+
| Tác giả & Năm           | Phương pháp | Mẫu nghiên cứu    | Tác động CGR -> NPL |
+-------------------------+-------------+-------------------+---------------------+
| Lê Phan Thị Diệu Thảo   | System GMM  | 25 NHTMCP VN      | CGR (+)             |
| & Bùi Công Duy (2018)   |             | (2011-2016)       | (Không xét trễ CGR) |
+-------------------------+-------------+-------------------+---------------------+
| Đinh Thị Thu Hồng       | Threshold   | 24 NHTM VN        | CGR (-) khi < 6.07% |
| & Nguyễn Trí Minh (2020)| Regression  | (2006-2016)       | CGR (+) khi > 6.07% |
+-------------------------+-------------+-------------------+---------------------+
| Khóa luận hiện tại      | Two-Step    | 20 NHTMCP VN      | CGR(t)  (-)         |
| (Trần Trung Nguyên, 2023)| System GMM | (2011-2022)       | CGR(t-1)(+) [Trễ]   |
+---------------------------------------------------------------------------------+

• Đóng góp dữ liệu hậu đại dịch: Khóa luận mở rộng chuỗi dữ liệu đến hết năm 2022, nắm bắt trọn vẹn tác động của chu kỳ tiền tệ hậu COVID-19, thời điểm mà nhiều nghiên cứu trước đây chưa tiếp cận được.

---

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp bộ công cụ định lượng hỗ trợ trực tiếp các khối chức năng trong ngân hàng thương mại và cơ quan quản lý:

graph LR
    A["Mô hình Định lượng NPL Dynamic GMM"] --> B["Khối Quản trị Rủi ro (RMD)"]
    A --> C["Hội đồng Quản lý Tài sản - Nợ (ALCO)"]
    A --> D["Khối Thẩm định & Tín dụng"]
    A --> E["Ngân hàng Nhà nước (Regulator)"]

    B --> B1["Stress-testing Chất lượng Tài sản theo Kịch bản Vĩ mô"]
    C --> C1["Thiết lập Hạn mức Tăng trưởng Dư nợ Tối ưu"]
    D --> D1["Thắt chặt Hệ số Phê duyệt Khoản vay khi Lạm phát tăng"]
    E --> E1["Phân bổ Room Tín dụng Dựa trên Bộ đệm Vốn Chủ sở hữu (EQ)"]

Kịch bản ứng dụng cụ thể

1. Stress-testing và tính toán tổn thất tín dụng dự kiến (ECL theo IFRS 9):

   • Các ngân hàng có thể tích hợp hệ số trễ $\beta_1 = 0.4826$ và $\beta_2 = 0.0215$ vào mô hình xác suất vỡ nợ (Probability of Default - PD).
   • Khi lạm phát dự báo tăng 1%, mô hình cảnh báo tỷ lệ nợ xấu tiềm năng sẽ tăng thêm $0.0514%$, yêu cầu trích lập dự phòng dự phòng rủi ro bổ sung tương ứng để đảm bảo tỷ lệ bao phủ nợ xấu ($LLCR$).

2. Quy trình phân bổ room tín dụng dựa trên sức khỏe nội tại:

   • Hệ số $\beta_5 = -0.0478$ chứng minh tầm quan trọng của hệ số an toàn vốn ($EQ$). Ngân hàng Nhà nước có thể áp dụng tỷ lệ $EQ$ và hiệu quả quản trị trễ $NPL_{t-1}$ như tiêu chí định lượng hàng đầu để cấp hạn mức tăng trưởng tín dụng hàng năm, tránh tình trạng cấp hạn mức dàn trải.

3. Lộ trình triển khai hệ thống quản trị rủi ro cảnh báo sớm (Early Warning System - EWS):

+---------------------------------------------------------------------------------+
|                       LỘ TRÌNH TRIỂN KHAI HỆ THỐNG CẢNH BÁO SỚM                |
+---------------------------------------------------------------------------------+
| Giai đoạn 1 (Quý 1-2): Tích hợp chỉ số CGR trễ & Vĩ mô vào Data Mart rủi ro     |
| Giai đoạn 2 (Quý 3): Hiệu chỉnh trọng số EWS theo tham số GMM cho từng chi nhánh|
| Giai đoạn 3 (Quý 4): Tự động hóa cảnh báo Portfolio Limit trên Core Banking    |
+---------------------------------------------------------------------------------+

---

Hạn chế và hướng phát triển

Dự án nghiên cứu ghi nhận các rào cản khách quan và định hướng mở rộng:

• Hạn chế về tần suất dữ liệu: Số liệu nghiên cứu dựa trên báo cáo thường niên và BCTC kiểm toán theo năm (240 quan sát), chưa phản ánh được các biến động mang tính chu kỳ mùa vụ ngắn hạn diễn ra theo tháng hoặc quý.
• Đặc thù phân loại nợ tái cơ cấu: Giai đoạn 2020–2022 chịu sự điều chỉnh của các Thông tư cơ cấu thời hạn trả nợ và giữ nguyên nhóm nợ nhằm hỗ trợ khách hàng bị ảnh hưởng bởi COVID-19, do đó một phần nợ xấu tiềm ẩn chưa chuyển nhóm ngay trong kỳ báo cáo tài chính chính thức.
• Hướng nghiên cứu nâng cao:
  • Phát triển mô hình kinh tế lượng phi tuyến tính hoặc mô hình hồi quy ngưỡng dạng bảng (Panel Threshold Regression) nhằm xác định điểm đảo chiều chính xác của tăng trưởng tín dụng an toàn tại từng nhóm ngân hàng quy mô lớn vs quy mô nhỏ.
  • Ứng dụng các thuật toán Học máy (Machine Learning) như XGBoost, Random Forest và Mạng nơ-ron nhân tạo (ANN) kết hợp với các biến số kinh tế vĩ mô để dự báo dòng nợ xấu chuyển nhóm theo thời gian thực (Real-time Early Warning).

---

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------+
|                           MA TRẬN GIÁ TRỊ THỤ HƯỞNG                             |
+---------------------------------------------------------------------------------+
| Sinh viên & Học viên: Tài liệu chuẩn mực về phương pháp nghiên cứu định lượng   |
|   và quy trình thực thi mô hình Dynamic Panel System GMM trên Stata 17.        |
+---------------------------------------------------------------------------------+
| Chuyên viên Phân tích Rủi ro & Data Analysts: Khung tham chiếu tham số hệ số   |
|   hồi quy để cấu hình mô hình Stress-testing nợ xấu theo chuẩn Basel II / III.   |
+---------------------------------------------------------------------------------+
| Ban Điều hành NHTMCP: Luận cứ khoa học để cân đối chỉ tiêu mở rộng tín dụng    |
|   ngắn hạn nhằm bảo vệ chất lượng tài sản và nâng cao hệ số CAR trong dài hạn.  |
+---------------------------------------------------------------------------------+
| Cơ quan Hoạch định Chính sách (NHNN): Cơ sở thực nghiệm cập nhật giai đoạn      |
|   2011-2022 để điều tiết chính sách tiền tệ và phân bổ chỉ tiêu tín dụng vĩ mô. |
+---------------------------------------------------------------------------------+

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường phần mềm để tái lập mô hình nghiên cứu?

Để chạy lại mô hình ước lượng System GMM 2 bước, cần cài đặt phần mềm Stata phiên bản 15.0 trở lên (khuyến nghị Stata SE/MP v17.0) cùng module lệnh mở rộng xtabond2 của David Roodman. Bộ dữ liệu đầu vào cần được tổ chức dưới cấu trúc bảng (Panel Data) đã được định danh mã định danh ngân hàng (BankID) và biến thời gian (Year).

2. Tại sao tăng trưởng tín dụng hiện hành ($CGR_{it}$) lại ngược chiều với nợ xấu, trong khi trễ 1 năm ($CGR_{it-1}$) lại cùng chiều?

Đây là hiện tượng kinh tế học phản ánh "hiệu ứng pha loãng mẫu số" trong ngắn hạn và "tác động trễ của chu kỳ tín dụng" trong dài hạn. Trong năm mở rộng tín dụng ($t$), tổng dư nợ (mẫu số của công thức NPL) tăng nhanh đột biến, trong khi các khoản vay mới cấp chưa bộc lộ rủi ro vỡ nợ, làm tỷ lệ $NPL$ danh nghĩa giảm. Tuy nhiên, sau 12–24 tháng ($t-1$), các khoản vay dưới chuẩn bắt đầu phát sinh sự cố trả nợ, đẩy nợ xấu thuộc các nhóm 3–5 tăng mạnh, khiến hệ số $CGR_{it-1}$ mang giá trị dương có ý nghĩa thống kê cao.

3. Phương pháp GMM giải quyết hiện tượng nội sinh của biến $NPL_{it-1}$ như thế nào?

Mô hình ước lượng System GMM (Blundell & Bond, 1998) kết hợp đồng thời phương trình dạng sai phân bậc nhất (First-difference equation) và phương trình dạng mức gốc (Level equation). Phương pháp này sử dụng các giá trị trễ của biến nội sinh ở dạng mức làm công cụ cho phương trình sai phân, và các giá trị trễ ở dạng sai phân làm công cụ cho phương trình mức, từ đó triệt tiêu hoàn toàn tương quan giữa biến trễ $NPL_{it-1}$ và phần dư sai số $v_{it}$.

4. Quy mô ngân hàng ($SIZE$) lớn giúp giảm tỷ lệ nợ xấu dựa trên cơ chế nào?

Hệ số âm của biến $SIZE$ ($\beta = -0.2840, p < 0.01$) phản ánh lợi thế kinh tế theo quy mô (Economies of Scale). Các ngân hàng có quy mô tổng tài sản lớn sở hữu nguồn lực tài chính vượt trội để đầu tư vào hệ thống công nghệ chấm điểm tín dụng tự động (Credit Scoring Engine), quy trình kiểm soát rủi ro phân tầng nhiều lớp, danh mục cho vay đa dạng hóa ngành nghề và năng lực xử lý tài sản bảo đảm hiệu quả hơn.

5. Khuyến nghị thực tế cho các NHTMCP để kiểm soát nợ xấu trong giai đoạn lạm phát biến động?

Kết quả cho thấy lạm phát ($INF$) có quan hệ cùng chiều với nợ xấu ($\beta = +0.0514, p < 0.05$). Trong môi trường lạm phát cao, các NHTMCP cần chủ động: (i) Thắt chặt tỷ lệ cho vay trên giá trị tài sản bảo đảm (LTV), (ii) Tăng cường kiểm soát dòng tiền hoạt động thực tế của bên đi vay thay vì chỉ phụ thuộc vào tài sản thế chấp, và (iii) Nâng cao tỷ lệ dự phòng rủi ro để củng cố hệ đệm vốn tự có ($EQ$) sẵn sàng chống đỡ cú sốc thanh khoản.

---

Kết luận

Dự án nghiên cứu đã làm sáng tỏ mối quan hệ tác động động học giữa tăng trưởng tín dụng và nợ xấu của 20 NHTMCP Việt Nam giai đoạn 2011–2022 thông qua phương pháp ước lượng kinh tế lượng hiện đại Two-Step System GMM. Bằng chứng thực nghiệm đã khẳng định sự tồn tại của tính quán tính nợ xấu ($\beta_{NPL_{t-1}} = 0.4826$) và hiệu ứng trễ chu kỳ tín dụng ($\beta_{CGR_{t-1}} = 0.0215$). Kết quả này bác bỏ quan điểm đơn giản cho rằng tăng trưởng tín dụng chỉ thuần túy mang lại lợi ích quy mô, đồng thời nhấn mạnh yêu cầu phải cân đối giữa tốc độ mở rộng tài sản và chất lượng thẩm định tín dụng.

Công trình đóng góp một cơ sở khoa học tin cậy giúp các nhà hoạch định chính sách tại Ngân hàng Nhà nước và ban điều hành tại các NHTMCP tối ưu hóa chỉ tiêu hạn mức tín dụng, nâng cao hệ số an toàn vốn tự có và xây dựng các kịch bản kiểm tra sức chịu tải chất lượng tài sản trong bối cảnh kinh tế vĩ mô nhiều biến động.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƢỚC VIỆT NAM TRƢỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH ---------- TRẦN TRUNG NGUYÊN TÁC ĐỘNG CỦA TĂNG TRƢỞNG TÍN DỤNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN VIỆT NAM KHÓA LUẬN TỐT NGHIỆP Chuyên ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 TP. Hồ Chí Minh, 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƢỚC VIỆT NAM TRƢỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH Họ và tên sinh viên: TRẦN TRUNG NGUYÊN Mã số sinh viên: 050607190327 Lớp sinh hoạt: HQ7-GE18 TÁC ĐỘNG CỦA TĂNG TRƢỞNG TÍN DỤNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN VIỆT NAM KHÓA LUẬN TỐT NGHIỆP Chuyên ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 NGƢỜI HƢỚNG DẪN KHOA HỌC TS. ĐÀO LÊ KIỀU OANH TP. Hồ Chí Minh, 2023 ii TÓM TẮT Nghiên cứu phân tích tác động của tăng trƣởng tín dụng đến nợ xấu của các Ngân hàng Thƣơng mại cổ phần Việt Nam từ năm 2011 – 2022.

Với dữ liệu đã đƣợc tổng hợp từ báo cáo tài chính và báo cáo thƣờng niên đã đƣợc kiểm toán của 20 NHTMCP Việt Nam gồm 240 quan sát, cùng với dữ liệu thống kê của Tổng cục Thống kê và Ngân hàng Thế giới, khóa luận đã sử dụng mô hình hồi quy bằng phƣơng pháp bình phƣơng tối thiểu (Pooled OLS), mô hình tác động ngẫu nhiên (REM), mô hình tác động cố định (FEM) và phƣơng pháp ƣớc lƣợng moment tổng quát (GMM) để khắc phục các khuyết tật của mô hình. Kết quả của nghiên cứu đã chỉ ra rằng GMM là mô hình phù hợp nhất với dữ liệu mà nghiên cứu đã đƣa ra. Trong đó, nợ xấu trong quá khứ, tốc độ tăng trƣởng tín dụng trong quá khứ, tỷ suất lợi nhuận ròng trên tổng tài sản và tỷ lệ lạm phát có tƣơng quan cùng chiều với nợ xấu, ngƣợc lại tốc độ tăng trƣởng tín dụng, quy mô ngân hàng, tỷ lệ vốn chủ sở hữu và tốc độ tăng trƣởng kinh tế lại có tƣơng quan ngƣợc chiều. Qua đó, khóa luận đã góp phần làm rõ hơn tác động của các yếu tố vi mô và vĩ mô đến nợ xấu, cũng nhƣ đề xuất một số gợi ý cho các NHTM trong việc giảm thiểu nợ xấu và cải thiện hiệu suất hoạt động kinh doanh của ngân hàng.

iii ABSTRACT The study analyzes the impact of credit growth on bad debt of Vietnamese joint stock commercial banks in the period from 2011 to 2022. With data collected from financial statements and regular reports audited annuity of 20 Vietnamese joint stock commercial banks including 240 observations, together with statistical data from the General Statistics Office and the World Bank, the thesis used a regression model by the method of least squares (Pooled) OLS), random effects model (REM), fixed effect model (FEM) and generalized moment estimation method (GMM) to overcome the defects of the model. The results of the study have shown that GMM is the model that best fits the data that the study has given. In which, the bad debt in the past, the credit growth rate in the past, the ratio of net profit on total assets, and the inflation rate are positively correlated with the bad debt ratio, in contrast to the growth rate.

Credit, bank size, equity ratio, and economic growth are negatively correlated with the NPL ratio. Thereby, the thesis has contributed to clarifying the impact of micro and macro factors on bad debt, as well as proposing some suggestions for commercial banks to minimize bad debts and improve the operational efficiency banking business. iv LỜI CAM ĐOAN Em tên là Trần Trung Nguyên, em xin cam đoan khóa luận với đề tài "Tác động của tăng trƣởng tín dụng đến nợ xấu của các Ngân hàng Thƣơng mại cổ phần Việt Nam" là công trình nghiên cứu độc lập của bản thân em dƣới sự hƣớng dẫn nhiệt tình của TS. Đào Lê Kiều Oanh.

Các trích dẫn và và dữ liệu đƣợc tổng hợp trong khóa luận với mục đích phân tích tác động của các yếu tố đến nợ xấu của các NHTMCP Việt Nam đều có nguồn gốc minh bạch, rõ ràng và đƣợc công bố đúng quy định. Đồng thời, kết quả của nghiên cứu là hoàn toàn trung thực và chƣa từng đƣợc công bố ở bất kỳ nơi nào. Em xin hoàn toàn chịu trách nhiệm về lời cam đoan này. Hồ Chí Minh, ngày.

Tác giả Trần Trung Nguyên v LỜI CẢM ƠN Trong suốt quá trình học tập và tiến hành khóa luận, đề tài "Tác động của tăng trƣởng tín dụng đến nợ xấu của các Ngân hàng Thƣơng mại cổ phần Việt Nam" của em đã đƣợc hoàn thiện. Qua đó, em xin gửi lời cảm chân thành đến quý thầy/cô, gia đình, ngƣời thân và bạn bè đã luôn bên đồng hành và hỗ trợ em trong khoảng thời gian nghiên cứu vừa qua. Em xin bày tỏ lòng biết ơn sâu sắc cùng sự kính trọng đến TS. Đào Lê Kiều Oanh đã nhiệt tình hƣớng dẫn, chia sẻ cũng nhƣ truyền đạt cho em những kiến thức và thông tin hữu ích để em có thể hoàn thiện đề tài nghiên cứu này.

Em xin chân thành cảm ơn Ban Giám hiệu Trƣờng Đại học Ngân hàng TP. Hồ Chính Minh, phòng Đào tạo và khoa Tài chính của trƣờng đã tổ chức, hỗ trợ và tạo điều kiện thuận lợi cho em trong quá trình thực hiện và hoàn thành khóa luận. Em xín gửi lời cảm ơn chân thành đến gia đình, ngƣời thân và bạn bè đã luôn động viên, khích lệ và là chỗ dựa vững chắc để em có thể hoàn thiện khóa luận một cách tốt nhất. Do kiến thức của bản thân còn hạn chế, cũng nhƣ chƣa có kinh nghiệm trong việc nghiên cứu rộng nên không thể tránh khỏi những thiếu sót trong nội dung của khóa luận.

Qua đó, em mong nhận đƣợc sự góp ý và chỉ bảo thêm của quý thầy/cô để hoàn thiện khóa luận đƣợc tốt hơn. vi MỤC LỤC TÓM TẮT. iii LỜI CAM ĐOAN .iv LỜI CẢM ƠN .vi DANH MỤC CHỮ VIẾT TẮT. x DANH MỤC BẢNG .xi DANH MỤC HÌNH .xii DANH MỤC BIỂU ĐỒ.

xiii CHƢƠNG 1: GIỚI THIỆU ĐỀ TÀI .1 Tính cấp thiết của đề tài .2 Mục tiêu nghiên cứu.1 Mục tiêu tổng quát .2 Mục tiêu cụ thể .3 Câu hỏi nghiên cứu .4 Đối tƣợng và phạm vi nghiên cứu .1 Đối tƣợng nghiên cứu: .2 Phạm vi nghiên cứu: .5 Phƣơng pháp nghiên cứu.6 Đóng góp của đề tài.7 Kết cấu của khóa luận:. 6 TÓM TẮT CHƢƠNG 1. 9 CHƢƠNG 2: CƠ SỞ LÝ THUYẾT VỀ NỢ XẤU, TĂNG TRƢỞNG TÍN DỤNG VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM .1 CƠ SỞ LÝ THUYẾT VỀ TĂNG TRƢỞNG TÍN DỤNG CỦA NGÂN HÀNG THƢƠNG MẠI.1 Tăng trƣởng tín dụng của ngân hàng thƣơng mại .2 CƠ SỞ LÝ THUYẾT VỀ NỢ XẤU CỦA NGÂN HÀNG THƢƠNG MẠI .1 Khái niệm và phân loại nợ xấu của ngân hàng thƣơng mại .2 Các chỉ tiêu đo lƣờng nợ xấu.3 Tác động của nợ xấu.3 CƠ SỞ LÝ THUYẾT VỀ TÁC ĐỘNG CỦA TĂNG TRƢỞNG TÍN DỤNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI .4 CÁC NGHIÊN CỨU CÓ LIÊN QUAN .1 Các nghiên cứu trong nƣớc .2 Các nghiên cứu nƣớc ngoài .3 Khe hỏng nghiên cứu. 24 TÓM TẮT CHƢƠNG 2.

28 CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU .1 MÔ HÌNH NGHIÊN CỨU VÀ CÁC GIẢ THUYẾT NGHIÊN CỨU.1 Mô hình nghiên cứu .2 Giải thích các biến .3 Giả thuyết nghiên cứu .3 MẪU VÀ DỮ LIỆU NGHIÊN CỨU .1 Mẫu nghiên cứu .2 Dữ liệu nghiên cứu .3 Công cụ nghiên cứu .4 PHƢƠNG PHÁP NGHIÊN CỨU .1 Phƣơng pháp định tính .2 Phƣơng pháp định lƣợng. 42 TÓM TẮT CHƢƠNG 3. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN .1 THỰC TRẠNG TĂNG TRƢỞNG TÍN DỤNG VÀ NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN VIỆT NAM TRONG GIAI ĐOẠN TỪ NĂM 2011 ĐẾN NĂM 2022 .1 Thực trạng tăng trƣởng tín dụng của các ngân hàng thƣơng mại cổ phần Việt Nam trong giai đoạn từ năm 2011 đến năm 2022 .2 Thực trạng nợ xấu của các ngân hàng thƣơng mại cổ phần Việt Nam trong giai đoạn từ năm 2011 đến năm 2022. THỐNG KÊ MÔ TẢ .3 KẾT QUẢ NGHIÊN CỨU .1 Phân tích tƣơng quan mô hình nghiên cứu.2 Mô hình hồi quy tuyến tính Pooled OLS .3 Mô hình FEM và mô hình REM .4 ƢỚC LƢỢNG MÔ HÌNH THEO PHƢƠNG PHÁP GMM .5 THẢO LUẬN KẾT QUẢ NGHIÊN CỨU.

65 TÓM TẮT CHƢƠNG 4. 73 CHƢƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH .2 MỘT SỐ HÀM Ý CHÍNH SÁCH CÓ LIÊN QUAN .1 Gợi ý cho các NHTMCP về nợ xấu .2 Gợi ý cho các NHTMCP về tăng trƣởng tín dụng .3 Gợi ý cho các NHTMCP về tỷ lệ vốn chủ sở hữu.4 Gợi ý cho các NHTMCP về tỷ suất lợi nhuận ròng trên tổng tài sản .5 Gợi ý cho các NHTMCP về tốc độ tăng trƣởng kinh tế .6 Gợi ý cho các NHTMCP về tỷ lệ lạm phát .3 HẠN CHẾ CỦA ĐỀ TÀI VÀ HƢỚNG NGHIÊN CỨU TIẾP THEO .1 Hạn chế của đề tài .2 Hƣớng nghiên cứu tiếp theo. 84 TÓM TẮT CHƢƠNG 5. 85 TÀI LIỆU THAM KHẢO.

CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN TRONG MẪU NGHIÊN CỨU TRONG GIAI ĐOẠN TỪ NĂM 2011 ĐẾN NĂM 2022. 94 ix PHỤ LỤC 2. DỮ LIỆU NGHIÊN CỨU. KẾT QUẢ HỒI QUY.

104 x DANH MỤC CHỮ VIẾT TẮT Từ viết tắt Nguyên nghĩa NHTM Ngân hàng Thƣơng mại NHNN Ngân hàng Nhà nƣớc WB Ngân hàng Thế giới NHTMCP Ngân hàng Thƣơng mại cổ phần TTCD Tổ chức Tín dụng TT Thông tƣ QĐ Quyết định IFM Quỹ Tiền tệ Quốc tế AEG Nhóm chuyên gia tƣ vấn Liên hợp quốc BCBS Ủy ban Basel về Giám sát Ngân hàng ECB Ngân hàng trung ƣơng Châu Âu NBFI Tổ chức tài chính phi ngân hàng NPL Tỷ lệ nợ xấu NPLit-1 Độ trễ một năm của tỷ lệ nợ xấu CGR Tốc độ tăng trƣởng tín dụng CGRit-1 Độ trễ một năm của tốc độ tăng trƣởng tín dụng SIZE Quy mô ngân hàng EQ Tỷ lệ vốn chủ sở hữu ROA Tỷ suất lợi nhuận ròng ròng trên tổng tài sản GDP Tốc độ tăng trƣởng kinh tế hằng năm INF Tỷ lệ lạm phát CPI Chỉ số giá tiêu dùng BCTC Báo cáo tài chính Pooled OLS Mô hình hồi quy bằng phƣơng pháp bình phƣơng tối thiểu FEM Mô hình tác động cố định REM Mô hình tác động ngẫu nhiên GMM Phƣơng pháp ƣớc lƣợng moment tổng quát VIF Hệ số phóng đại phƣơng sai HSX Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh HNX Sở Giao dịch Chứng khoán Hà Nội BCĐKT Bảng cân đối kế toán BCTC Báo cáo tài chính BCTN Báo cáo thƣờng niên TCTK Tổng cục thống kê BCĐKT Bảng cân đối kế toán xi DANH MỤC BẢNG Bảng 2.1 - Tổng hợp các nghiên cứu trƣớc đây có liên quan .1 - Thống kê ý nghĩa và dấu kỳ vọng các biến trong mô hình .1 - Thống kê mô tả các biến trong mô hình .