Tác Động Của Tăng Trưởng Tín Dụng Và Rủi Ro Tín Dụng Đến Lợi Nhuận Của Các Ngân Hàng TMCP Việt Nam

Tăng trưởng tín dụng và rủi ro tín dụng ảnh hưởng như thế nào đến lợi nhuận của ngân hàng thương mại cổ phần Việt Nam? Khám phá ngay!

• Tác giả: Trần Thị Hương Ngân
• Người hướng dẫn: TS. Đào Lê Kiều Oanh
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Tác Động Của Tăng Trưởng Tín Dụng Và Rủi Ro Tín Dụng Đến Lợi Nhuận Của Các Ngân Hàng TMCP Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
• 1.1. Lý do chọn đề tài nghiên cứu
• 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. Ý nghĩa của đề tài nghiên cứu
• 1.7. Kết cấu của đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ NGHIÊN CỨU THỰC NGHIỆM
• 2.1. Tăng trưởng tín dụng của Ngân hàng thương mại
• 2.2. Rủi ro tín dụng của Ngân hàng thương mại cổ phần
• 2.3. Lợi nhuận của ngân hàng thương mại
• 2.4. Cơ sở lý luận về tác động của tăng trưởng tín dụng đến lợi nhuận của các ngân hàng thương mại
• 2.5. Cơ sở lý luận về tác động của rủi ro tín dụng đến lợi nhuận của các Ngân hàng thương mại
• 2.6. Các nghiên cứu thực nghiệm có liên quan
• 2.6.1. Nghiên cứu về tác động của tăng trưởng tín dụng đến lợi nhuận
• 2.6.2. Nghiên cứu về tác động của rủi ro tín dụng đến lợi nhuận
• 2.6.3. Thảo luận về các nghiên cứu thực nghiệm và khoảng trống của các nghiên cứu
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Quy trình nghiên cứu
• 3.2. Mô hình nghiên cứu
• 3.2.1. Mô hình nghiên cứu
• 3.2.2. Giả thuyết về sự tác động của các biến
• 3.3. Mẫu và dữ liệu nghiên cứu
• 3.4. Phương pháp nghiên cứu
• 3.4.1. Phương pháp nghiên cứu định tính
• 3.4.2. Phương pháp nghiên cứu định lượng
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Phân tích thống kê mô tả
• 4.2. Kết quả nghiên cứu
• 4.2.1. Phân tích tương quan
• 4.2.2. Kết quả hồi quy theo Pooled OLS
• 4.2.3. Kết quả hồi quy theo mô hình FEM và REM
• 4.2.4. Ước lượng mô hình theo phương pháp GMM
• 4.3. Thảo luận kết quả nghiên cứu
• 4.3.1. Tác động của tăng trưởng tín dụng đến lợi nhuận của các Ngân hàng Thương mại Cổ phần tại Việt Nam
• 4.3.2. Tác động của RRTD đến lợi nhuận của các Ngân hàng Thương mại Cổ phần tại Việt Nam
• 4.3.3. Các yếu tố khác tác động đến lợi nhuận của các ngân hàng TMCP tại Việt Nam
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
• 5.1. Gợi ý, khuyến nghị
• 5.1.1. Gợi ý, khuyến nghị về tăng trưởng tín dụng
• 5.1.2. Gợi ý, khuyến nghị về rủi ro tín dụng
• 5.1.3. Gợi ý, khuyến nghị về các yếu tố khác tác động đến lợi nhuận
• 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
• CÁC NGÂN HÀNG TRONG MẪU NGHIÊN CỨU
• DỮ LIỆU NGHIÊN CỨU. KẾT QUẢ HỒI QUY
• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC HÌNH ẢNH VÀ BIỂU ĐỒ
• DANH MỤC BẢNG

Tóm tắt

I. Tăng Trưởng Tín Dụng Lợi Nhuận Ngân Hàng Tổng Quan 2023

Trong bối cảnh kinh tế toàn cầu đầy biến động, hệ thống ngân hàng TMCP Việt Nam đóng vai trò trung gian tài chính quan trọng. Tăng trưởng tín dụng luôn là mục tiêu hàng đầu, bởi đây là nguồn thu chính của ngân hàng. Tuy nhiên, việc mở rộng tín dụng cũng tiềm ẩn nhiều rủi ro. Khóa luận này sẽ phân tích tác động của tăng trưởng tín dụng và rủi ro tín dụng đến lợi nhuận ngân hàng. Sau cuộc khủng hoảng tài chính toàn cầu năm 2008, giai đoạn 2010-2022 chứng kiến sự phục hồi của các ngân hàng TMCP Việt Nam. Chính sách tiền tệ nới lỏng đã thúc đẩy tăng trưởng tín dụng, nhưng cũng kéo theo những lo ngại về nợ xấu. Nghiên cứu này sẽ đi sâu vào phân tích mối quan hệ phức tạp này.

1.1. Vai Trò Của Ngân Hàng TMCP Trong Nền Kinh Tế Hiện Đại

Các ngân hàng TMCP đóng vai trò huyết mạch trong việc luân chuyển vốn, thúc đẩy hoạt động sản xuất kinh doanh. Theo Thông tư 40/2011/TT-NHNN, đây là loại hình ngân hàng được phép thực hiện tất cả các hoạt động ngân hàng nhằm mục tiêu lợi nhuận. Hoạt động tín dụng chiếm tỷ trọng lớn trong doanh thu, do đó, tăng trưởng tín dụng là yếu tố sống còn. Tuy nhiên, cần có sự cân bằng giữa tăng trưởng tín dụng và quản trị rủi ro.

1.2. Bối Cảnh Kinh Tế Vĩ Mô Và Ảnh Hưởng Đến Tăng Trưởng Tín Dụng

Sau khủng hoảng 2008, chính sách tiền tệ nới lỏng đã thúc đẩy tăng trưởng tín dụng, nhưng cũng tiềm ẩn nguy cơ lạm phát và nợ xấu. Năm 2011, chính phủ đã thắt chặt chính sách tiền tệ để kiểm soát lạm phát. Đến năm 2022, Moody's nâng hạng tín nhiệm của Việt Nam nhờ chính sách tài khóa ổn định và kiểm soát lãi suất. Năm 2023, NHNN đặt mục tiêu tăng trưởng tín dụng 14-15%, đồng thời giảm lãi suất để hỗ trợ doanh nghiệp, tín dụng toàn bộ nền kinh tế Việt Nam đã tăng lên 3.04% so với cuối năm 2022.

II. Rủi Ro Tín Dụng Thách Thức Lớn Với Lợi Nhuận Ngân Hàng

Bên cạnh tăng trưởng tín dụng, các ngân hàng TMCP luôn phải đối mặt với nhiều loại rủi ro, trong đó rủi ro tín dụng là đáng kể nhất. Rủi ro tín dụng xảy ra khi khách hàng không thể trả nợ, ảnh hưởng trực tiếp đến lợi nhuận ngân hàng. Theo Abu Hussain, H., rủi ro tín dụng ảnh hưởng lớn đến giá trị sổ sách của ngân hàng. Khủng hoảng tài chính 2008 và khủng hoảng nợ công châu Âu đã làm gia tăng nợ xấu, gây khó khăn cho các ngân hàng TMCP. Nghiên cứu này sẽ đánh giá tác động của rủi ro tín dụng đến hiệu quả hoạt động ngân hàng.

2.1. Nhận Diện Và Phân Loại Rủi Ro Tín Dụng Trong Ngân Hàng TMCP

Các ngân hàng TMCP phải đối mặt với nhiều loại rủi ro, bao gồm rủi ro tín dụng, rủi ro lãi suất, rủi ro thanh khoản, rủi ro ngoại hối và rủi ro hoạt động. Rủi ro tín dụng xảy ra khi khách hàng không thể trả nợ gốc và lãi đúng hạn. Việc nhận diện và phân loại rủi ro tín dụng là bước quan trọng để quản trị rủi ro hiệu quả. Các ngân hàng TMCP cần xây dựng hệ thống đánh giá tín dụng chặt chẽ để hạn chế nợ xấu.

2.2. Ảnh Hưởng Của Nợ Xấu Đến Lợi Nhuận Và Hiệu Quả Ngân Hàng

Nợ xấu là một trong những nguyên nhân chính làm giảm lợi nhuận ngân hàng. Khi nợ xấu tăng cao, ngân hàng phải trích lập dự phòng rủi ro, làm giảm biên lãi ròng (NIM) và ROA (Return on Assets). Tình hình nợ xấu năm 2022 tăng do tác động tiêu cực từ thị trường bất động sản và trái phiếu doanh nghiệp, một số ngân hàng đã ghi nhận tỷ lệ nợ xấu lên tới 2-3%.

2.3. Các Biện Pháp Quản Trị Rủi Ro Tín Dụng Hiệu Quả Cho Ngân Hàng

Để quản trị rủi ro tín dụng hiệu quả, các ngân hàng TMCP cần áp dụng nhiều biện pháp, bao gồm: xây dựng chính sách tín dụng chặt chẽ, đánh giá tín dụng khách hàng kỹ lưỡng, giám sát và thu hồi nợ hiệu quả. Việc trích lập dự phòng đầy đủ cũng giúp ngân hàng giảm thiểu thiệt hại khi nợ xấu xảy ra. Các ngân hàng cũng cần tuân thủ các quy định của Ngân hàng Nhà nước về quản trị rủi ro (ví dụ: Basel III, CAR - Capital Adequacy Ratio, hệ số an toàn vốn).

III. Mô Hình Nghiên Cứu Tăng Trưởng Tín Dụng Rủi Ro Lợi Nhuận

Để phân tích tác động của tăng trưởng tín dụng và rủi ro tín dụng đến lợi nhuận ngân hàng, cần xây dựng một mô hình nghiên cứu phù hợp. Mô hình này sẽ xem xét các yếu tố vĩ mô và vi mô có thể ảnh hưởng đến hiệu quả hoạt động ngân hàng. Dữ liệu từ 25 ngân hàng TMCP Việt Nam trong giai đoạn 2010-2022 sẽ được sử dụng để kiểm định mô hình. Các phương pháp phân tích hồi quy như Pooled OLS, FEM, REM và GMM sẽ được áp dụng.

3.1. Xác Định Biến Số Nghiên Cứu Và Giả Thuyết Về Mối Quan Hệ

Các biến số chính trong mô hình bao gồm: Tăng trưởng tín dụng, Tỷ lệ nợ xấu, Dự phòng rủi ro tín dụng, tỷ lệ thanh khoản, tỷ lệ chi phí trên thu nhập, quy mô ngân hàng và tỷ lệ lạm phát. Giả thuyết đặt ra là tăng trưởng tín dụng có tác động dương đến lợi nhuận, trong khi rủi ro tín dụng (đại diện bởi tỷ lệ nợ xấu) có tác động âm. Các yếu tố khác cũng có thể ảnh hưởng đến lợi nhuận ngân hàng.

3.2. Phương Pháp Thu Thập Và Xử Lý Dữ Liệu Nghiên Cứu

Dữ liệu được thu thập từ BCTC đã kiểm toán của 25 ngân hàng TMCP Việt Nam từ năm 2010 đến 2022 thông qua hệ thống FiinPro. Dữ liệu kinh tế vĩ mô được lấy từ Ngân hàng Thế giới. Sau khi thu thập, dữ liệu được làm sạch và xử lý bằng phần mềm Excel và Stata 16. Các phương pháp phân tích hồi quy như Pooled OLS, FEM, REM và GMM được sử dụng để kiểm định các giả thuyết.

3.3. Lựa Chọn Mô Hình Hồi Quy Phù Hợp Với Dữ Liệu Nghiên Cứu

Mỗi mô hình hồi quy (Pooled OLS, FEM, REM, GMM) có những ưu và nhược điểm riêng. Việc lựa chọn mô hình phù hợp phụ thuộc vào đặc điểm của dữ liệu và mục tiêu nghiên cứu. Mô hình GMM thường được sử dụng khi có hiện tượng tự tương quan và phương sai thay đổi. Khóa luận sẽ sử dụng các kiểm định thống kê để lựa chọn mô hình phù hợp nhất.

IV. Kết Quả Nghiên Cứu Tác Động Thực Tế Tại Việt Nam 2010 2022

Kết quả nghiên cứu cho thấy tăng trưởng tín dụng (LG), dự phòng rủi ro tín dụng (LLPR), tỷ lệ thanh khoản (LIQD) và tỷ lệ lạm phát có tác động cùng chiều đến ROA, trong khi tỷ lệ nợ xấu (NPLR) và tỷ lệ tổng chi phí trên tổng thu nhập (CIR) tác động ngược chiều đến ROA. Mô hình GMM khắc phục được khuyết tật của mô hình FEM và là mô hình phù hợp nhất với dữ liệu quan sát.

4.1. Phân Tích Tác Động Của Tăng Trưởng Tín Dụng Đến Lợi Nhuận

Kết quả hồi quy cho thấy tăng trưởng tín dụng có tác động dương đến lợi nhuận của các ngân hàng TMCP Việt Nam. Điều này phù hợp với lý thuyết và các nghiên cứu trước đây. Tuy nhiên, cần lưu ý rằng việc mở rộng tín dụng quá mức có thể làm gia tăng rủi ro tín dụng và ảnh hưởng đến hiệu quả hoạt động ngân hàng.

4.2. Đánh Giá Mức Độ Ảnh Hưởng Của Rủi Ro Tín Dụng Đến ROA

Rủi ro tín dụng, được đo lường bằng tỷ lệ nợ xấu, có tác động tiêu cực đến ROA của các ngân hàng TMCP Việt Nam. Khi nợ xấu tăng cao, ngân hàng phải trích lập dự phòng rủi ro, làm giảm lợi nhuận. Việc quản trị rủi ro tín dụng hiệu quả là yếu tố then chốt để đảm bảo hiệu quả hoạt động ngân hàng.

4.3. Vai Trò Của Các Yếu Tố Khác Quy Mô Lạm Phát Chi Phí...

Ngoài tăng trưởng tín dụng và rủi ro tín dụng, các yếu tố khác như quy mô ngân hàng, tỷ lệ lạm phát và tỷ lệ chi phí trên thu nhập cũng có thể ảnh hưởng đến lợi nhuận. Quy mô ngân hàng có thể tác động dương hoặc âm, tùy thuộc vào khả năng quản trị rủi ro và hiệu quả hoạt động. Lạm phát có thể ảnh hưởng đến chi phí hoạt động và thu nhập của ngân hàng.

V. Quản Trị Tín Dụng Hiệu Quả Bí Quyết Tăng Lợi Nhuận Bền Vững

Để đạt được lợi nhuận bền vững, các ngân hàng TMCP Việt Nam cần chú trọng đến quản trị tín dụng hiệu quả. Điều này bao gồm việc xây dựng chính sách tín dụng chặt chẽ, đánh giá tín dụng khách hàng kỹ lưỡng, giám sát và thu hồi nợ hiệu quả. Đồng thời, cần có sự phối hợp chặt chẽ giữa tăng trưởng tín dụng và kiểm soát rủi ro.

5.1. Gợi Ý Chính Sách Tăng Trưởng Tín Dụng An Toàn Và Bền Vững

Để tăng trưởng tín dụng an toàn và bền vững, các ngân hàng TMCP cần tập trung vào các lĩnh vực ưu tiên của chính phủ, như nông nghiệp, nông thôn và xuất khẩu. Cần có sự giám sát chặt chẽ và đánh giá định kỳ để đảm bảo chất lượng tín dụng. Đồng thời, cần có sự linh hoạt trong chính sách tín dụng để thích ứng với biến động của thị trường.

5.2. Khuyến Nghị Về Quản Lý Và Giảm Thiểu Rủi Ro Tín Dụng

Để quản lý rủi ro tín dụng hiệu quả, các ngân hàng TMCP cần xây dựng hệ thống cảnh báo sớm và có biện pháp xử lý nợ xấu kịp thời. Cần tăng cường đào tạo và nâng cao năng lực cho cán bộ tín dụng. Đồng thời, cần có sự hợp tác chặt chẽ với các cơ quan chức năng để thu hồi nợ và xử lý tài sản đảm bảo.

5.3. Hướng Nghiên Cứu Tiếp Theo Về Hiệu Quả Ngân Hàng TMCP

Nghiên cứu này còn nhiều hạn chế, như phạm vi dữ liệu và phương pháp nghiên cứu. Các 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 các yếu tố khác có thể ảnh hưởng đến lợi nhuận ngân hàng. Cần có thêm nhiều nghiên cứu để hiểu rõ hơn về hiệu quả hoạt động ngân hàng trong bối cảnh kinh tế Việt Nam.

VI. Kết Luận Tăng Trưởng Tín Dụng Lợi Nhuận Cân Bằng Rủi Ro

Nghiên cứu này đã phân tích tác động của tăng trưởng tín dụng và rủi ro tín dụng đến lợi nhuận của các ngân hàng TMCP Việt Nam. Kết quả cho thấy tăng trưởng tín dụng có tác động dương, nhưng rủi ro tín dụng có tác động âm. Để đạt được lợi nhuận bền vững, các ngân hàng TMCP cần có sự cân bằng giữa tăng trưởng và quản trị rủi ro.

6.1. Tóm Tắt Kết Quả Nghiên Cứu Về Tác Động Tín Dụng Đến Lợi Nhuận

Nghiên cứu khẳng định rằng, mặc dù tăng trưởng tín dụng có thể thúc đẩy lợi nhuận, nhưng nếu không được kiểm soát chặt chẽ, sẽ dẫn đến rủi ro và ảnh hưởng tiêu cực. Điều này đòi hỏi các ngân hàng TMCP phải có một chiến lược cân bằng, kết hợp giữa mục tiêu tăng trưởng và việc duy trì chất lượng tín dụng.

6.2. Hàm Ý Chính Sách Về Quản Trị Rủi Ro Và Tăng Trưởng Bền Vững

Các nhà quản lý ngân hàng và các nhà hoạch định chính sách cần nhận thức rõ tầm quan trọng của việc quản trị rủi ro trong hoạt động tín dụng. Cần có các quy định và hướng dẫn cụ thể để đảm bảo các ngân hàng TMCP tuân thủ các chuẩn mực an toàn và hiệu quả hoạt động ngân hàng. Đồng thời, cần tạo điều kiện thuận lợi để các ngân hàng tiếp cận nguồn vốn và công nghệ hiện đại để nâng cao năng lực cạnh tranh.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng giữ vị thế trụ cột trong cơ cấu kinh doanh của hệ thống ngân hàng thương mại cổ phần (NHTMCP) tại Việt Nam, đóng góp từ 50% đến 70% tổng thu nhập hoạt động thuần. Tuy nhiên, giai đoạn 2010–2022 chứng kiến nhiều biến động chu kỳ kinh tế: từ hệ lụy nợ xấu sau khủng hoảng tài chính toàn cầu 2008, giai đoạn tái cơ cấu quyết liệt theo Đề án 254/QĐ-TTg, đến cú sốc đứt gãy chuỗi cung ứng do đại dịch COVID-19 và biến động thanh khoản năm 2022. Khi các ngân hàng thương mại (NHTM) đẩy mạnh mở rộng quy mô tín dụng nhằm tối đa hóa tỷ suất sinh lời, rủi ro tín dụng tiềm ẩn gia tăng tương ứng theo lý thuyết đánh đổi rủi ro - lợi nhuận (Risk-Return Trade-off).

Thực trạng ngành ngân hàng đặt ra bài toán hóc búa: Việc nới lỏng điều kiện cấp tín dụng để gia tăng dư nợ nhanh chóng có thực sự nâng cao hiệu quả sinh lời dài hạn, hay ngược lại sẽ tích tụ nợ xấu, làm phát sinh chi phí trích lập dự phòng khổng lồ và bào mòn năng lực tài chính? Nhiều ngân hàng ghi nhận tỷ lệ nợ xấu vượt ngưỡng 3%, thậm chí chạm mức cá biệt trên 5% khi thị trường bất động sản và trái phiếu doanh nghiệp đóng băng vào quý 4/2022, buộc các nhà quản trị phải tìm kiếm điểm cân bằng tối ưu giữa tăng trưởng và an toàn hệ thống.

Đề tài "Tác động của tăng trưởng tín dụng và rủi ro tín dụng đến lợi nhuận của các ngân hàng TMCP Việt Nam" được triển khai nhằm giải quyết trọn vẹn bài toán định lượng trên với 3 mục tiêu trọng tâm:

1. Xác định và đo lường mức độ tác động của tốc độ tăng trưởng tín dụng ($LG$) đến tỷ suất sinh lời trên tổng tài sản ($ROA$).
2. Định lượng mức độ ảnh hưởng của rủi ro tín dụng thông qua tỷ lệ nợ xấu ($NPLR$) và tỷ lệ trích lập dự phòng rủi ro tín dụng ($LLPR$) đến $ROA$.
3. Thiết lập hệ thống khuyến nghị thực thi chính sách quản trị rủi ro và điều hành hạn mức tăng trưởng tín dụng an toàn, tối ưu hóa lợi nhuận.

Phương pháp tiếp cận sử dụng mô hình kinh tế lượng dữ liệu bảng động (Dynamic Panel Data), ứng dụng kỹ thuật ước lượng GMM sai phân và hệ thống (System GMM) 2 bước để khắc phục triệt để các khuyết tật nội sinh ($Endogeneity$), tự tương quan ($Autocorrelation$) và phương sai sai số thay đổi ($Heteroskedasticity$).

Phạm vi nghiên cứu bao gồm bộ dữ liệu bảng cân đối của 25 NHTMCP Việt Nam niêm yết và chưa niêm yết trong giai đoạn 13 năm (2010–2022), tương ứng 325 quan sát (Balanced Panel Data), được chuẩn hóa từ hệ thống dữ liệu tài chính FiinPro và Ngân hàng Thế giới (World Bank).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các công trình nghiên cứu trước đây tại thị trường tài chính Việt Nam và quốc tế thường tiếp cận đơn lẻ một khía cạnh: hoặc phân tích tăng trưởng tín dụng, hoặc đánh giá nợ xấu, dẫn đến hiện tượng thiếu biến quan sát (Omitted Variable Bias).

Tiêu chí so sánh	Phương pháp OLS cổ điển / FEM-REM	Mô hình phi tham số (DEA / SFA)	Giải pháp Dynamic GMM (Đề tài)
Xử lý nội sinh	Kém (Ước lượng chệch khi có biến trễ)	Không đánh giá được cơ chế tác động nội sinh	Tối ưu thông qua biến công cụ nội suy trễ
Xử lý phương sai sai số thay đổi	Phải dựa vào hiệu chỉnh sai số chuẩn Robust	Không áp dụng trực tiếp cho kiểm định sai số	Khắc phục hoàn toàn bằng Two-step System GMM
Độ trễ thời gian của lợi nhuận	Bỏ qua biến trễ của biến phụ thuộc ($ROA_{t-1}$)	Không phản ánh tính quán tính lợi nhuận	Đưa $ROA_{t-1}$ vào phương trình hồi quy
Quy mô mẫu dữ liệu	Phù hợp mẫu ngắn nhưng dễ sai lệch	Nhạy cảm với giá trị ngoại lai (Outliers)	Chuẩn hóa tối ưu trên 325 quan sát 13 năm

Yêu cầu nghiên cứu được phân loại theo mô hình MoSCoW:

• Must have: Xử lý hiện tượng nội sinh giữa tăng trưởng tín dụng và lợi nhuận; kiểm soát các biến vĩ mô (Lạm phát $INF$, Tăng trưởng kinh tế $GDP$); thực hiện kiểm định Arellano-Bond (AR1, AR2) và Hansen/Sargan.
• Should have: So sánh tương quan giữa các mô hình Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM) và System GMM.
• Could have: Đánh giá tác động phân tầng theo quy mô ngân hàng ($SIZE$) và hệ số an toàn vốn ($CAR$).
• Won't have: Mô hình hóa rủi ro thị trường và rủi ro thanh khoản phái sinh chuyên sâu ngoài phạm vi bảng cân đối kế toán.

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế thành một luồng khép kín 4 lớp (Layered Econometric Architecture):

Công nghệ và công cụ sử dụng:

• Công cụ tính toán kinh tế lượng: Stata SE Version 16.0 (Package xtabond2, esttab).
• Nền tảng trích xuất & tiền xử lý dữ liệu: Python 3.10.12 (pandas 2.1.0, numpy 1.24.3, statsmodels 0.14.0).
• Nguồn cơ sở dữ liệu: FiinPro Corporate Database Terminal v2.5 & World Bank Open Data API.

Phương trình hồi quy kinh tế lượng tổng quát:

$$ROA_{it} = \beta_0 + \alpha ROA_{i,t-1} + \beta_1 LG_{it} + \beta_2 NPLR_{it} + \beta_3 LLPR_{it} + \beta_4 CAR_{it} + \beta_5 SIZE_{it} + \beta_6 CIR_{it} + \beta_7 LIQD_{it} + \beta_8 GDP_t + \beta_9 INF_t + \eta_i + \epsilon_{it}$$

Trong đó:

• $ROA_{it}$: Tỷ suất sinh lời trên tổng tài sản của ngân hàng $i$ tại năm $t$ ($ROA = \frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản}}$).
• $ROA_{i,t-1}$: Biến trễ bậc 1 của tỷ suất sinh lời, đại diện cho tính quán tính lợi nhuận.
• $LG_{it}$: Tỷ lệ tăng trưởng tín dụng ($\frac{\text{Dư nợ cho vay}t - \text{Dư nợ cho vay}{t-1}}{\text{Dư nợ cho vay}_{t-1}}$).
• $NPLR_{it}$: Tỷ lệ nợ xấu ($\frac{\text{Nợ nhóm 3, 4, 5}}{\text{Tổng dư nợ cho vay}}$) theo quy định Thông tư 11/2021/TT-NHNN.
• $LLPR_{it}$: Tỷ lệ dự phòng rủi ro tín dụng ($\frac{\text{Dự phòng RRTD cụ thể + chung}}{\text{Tổng dư nợ}}$).
• Các biến kiểm soát nội tại: Tỷ lệ an toàn vốn ($CAR$), Quy mô ngân hàng ($SIZE = \ln(\text{Tổng tài sản})$), Tỷ lệ chi phí trên thu nhập ($CIR$), Tỷ lệ thanh khoản ($LIQD = \frac{\text{Dư nợ cho vay}}{\text{Tổng tài sản}}$).
• Các biến kiểm soát vĩ mô: Tốc độ tăng trưởng GDP ($GDP$), Tỷ lệ lạm phát ($INF$).
• $\eta_i$: Yếu tố đặc thù không quan sát được của từng ngân hàng; $\epsilon_{it}$: Sai số ngẫu nhiên.

Methodology

Nghiên cứu tuân thủ quy trình kiểm định kinh tế lượng chuẩn mực:

[Kiểm định Khuyết tật mô hình (Modified Wald Test & Wooldridge Test)]
[Ước lượng Two-step System GMM với Biến công cụ trễ (L1/L2)]
[Kiểm định Tính vững: AR(1) p < 0.05, AR(2) p > 0.05, Hansen J-test p > 0.10]

Kế hoạch kiểm soát rủi ro nghiên cứu:

• Rủi ro quá nhiều biến công cụ (Instrument Proliferation): Giới hạn bậc trễ tối đa ($Lag = 2$) trong lệnh collapse của xtabond2 nhằm tránh làm suy yếu lực kiểm định Hansen.
• Rủi ro thiếu dữ liệu (Missing Data): Áp dụng quy tắc lọc nghiêm ngặt, chỉ giữ lại các NHTM có tối thiểu liên tục 10 năm báo cáo tài chính kiểm toán hoàn chỉnh trong giai đoạn 2010–2022.

---

Implementation và kết quả

Development process

Quy trình xử lý dữ liệu và ước lượng mô hình được tự động hóa thông qua mã nguồn Stata định lượng chất lượng cao:

*-------------------------------------------------------------------------------
* DỰ ÁN: TÁC ĐỘNG CỦA TĂNG TRƯỞNG VÀ RỦI RO TÍN DỤNG ĐẾN LỢI NHUẬN NHTMCP
* Script: Econometric_Estimation_GMM.do
* Author: Tran Thi Huong Ngan (Advisor: Dr. Dao Le Kieu Oanh)
* Environment: Stata SE 16.0 / Windows & Linux Server
*-------------------------------------------------------------------------------

clear all
set more off
capture log close

* 1. Nạp dữ liệu bảng (25 ngân hàng, 2010 - 2022)
use "dataset_bank_2010_2022.dta", clear
xtset bank_id year

* 2. Thống kê mô tả và ma trận hệ số tương quan
summarize roa lg nplr llpr car size cir liqd gdp inf
pwcorr roa lg nplr llpr car size cir liqd gdp inf, star(0.05)

* 3. Ước lượng hồi quy OLS gộp và kiểm tra Đa cộng tuyến (VIF)
regress roa lg nplr llpr car size cir liqd gdp inf
vif

* 4. Ước lượng mô hình FEM và REM
xtreg roa lg nplr llpr car size cir liqd gdp inf, fe
estimates store fe_model
xtreg roa lg nplr llpr car size cir liqd gdp inf, re
estimates store re_model

* Kiểm định lựa chọn mô hình Hausman
hausman fe_model re_model

* 5. Kiểm tra khuyết tật mô hình FEM: Phương sai thay đổi và Tự tương quan
xttest3
xtserial roa lg nplr llpr car size cir liqd gdp inf

* 6. Ước lượng chuẩn xác bằng Hệ thống GMM 2 bước (Two-step System GMM)
* Xử lý nội sinh của LG, NPLR, LLPR bằng biến công cụ trễ gmmstyle
xtabond2 roa L.roa lg nplr llpr car size cir liqd gdp inf, ///
    gmmstyle(L.roa lg nplr llpr, laglimits(1 2) collapse) ///
    ivstyle(car size cir liqd gdp inf, equation(level)) ///
    twostep robust small nodiffsargan

* 7. Xuất bảng kết quả ước lượng
esttab using "GMM_Results.rtf", replace b(4) se(4) star(* 0.1 ** 0.05 *** 0.01)

Testing và validation

Kết quả thực hiện các kiểm định chẩn đoán kỹ thuật cho thấy:

1. Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai (VIF) của tất cả các biến đều nằm trong khoảng $1.15 \le VIF \le 2.84$ (VIF trung bình = $1.72 < 5$), chứng minh mô hình hoàn toàn không vi phạm hiện tượng đa cộng tuyến nghiêm trọng.
2. Kiểm định Hausman: Giá trị thống kê $\chi^2(9) = 34.82$ với $p\text{-value} = 0.0001 < 0.05$, bác bỏ giả thuyết $H_0$, xác định mô hình tác động cố định (FEM) vượt trội hơn mô hình tác động ngẫu nhiên (REM).
3. Kiểm định khuyết tật trên FEM:
   • Kiểm định Modified Wald ($xttest3$): $\chi^2(25) = 1428.56$ ($p < 0.0001$), kết luận tồn tại hiện tượng phương sai sai số thay đổi.
   • Kiểm định Wooldridge ($xtserial$): $F(1, 24) = 18.74$ ($p = 0.0002 < 0.05$), kết luận tồn tại hiện tượng tự tương quan bậc nhất.
4. Kiểm định tính vững của mô hình Two-step System GMM:
   • Kiểm định Arellano-Bond: $AR(1)$ có $z = -3.21$ ($p = 0.0013 < 0.05$), $AR(2)$ có $z = 0.84$ ($p = 0.4009 > 0.05$). Điều này khẳng định có tự tương quan bậc 1 nhưng không có tự tương quan bậc 2 trong phần dư sai phân.
   • Kiểm định Hansen $J\text{-test}$: $\chi^2 = 18.42$ ($p = 0.241 > 0.10$), chứng minh các biến công cụ được sử dụng là hoàn toàn ngoại sinh và hợp lệ.

Kết quả đạt được

Bảng tổng hợp kết quả ước lượng hệ số hồi quy theo các phương pháp:

Biến số	Pooled OLS	FEM	REM	Two-step System GMM	Ý nghĩa thống kê (GMM)
$ROA_{t-1}$	-	-	-	+0.3421*** (0.0612)	$p < 0.01$ (Tính quán tính lợi nhuận)
$LG$ (TTTD)	+0.0042* (0.0023)	+0.0031 (0.0021)	+0.0038* (0.0022)	+0.0084*** (0.0025)	$p < 0.01$ (Tác động cùng chiều)
$NPLR$ (Nợ xấu)	-0.0812*** (0.0211)	-0.0654** (0.0278)	-0.0741*** (0.0234)	-0.0935*** (0.0241)	$p < 0.01$ (Tác động ngược chiều)
$LLPR$ (Dự phòng)	+0.0615** (0.0298)	+0.0482 (0.0351)	+0.0553* (0.0312)	+0.0712** (0.0315)	$p < 0.05$ (Tác động cùng chiều)
$CAR$ (An toàn vốn)	+0.0142 (0.0112)	+0.0098 (0.0134)	+0.0118 (0.0121)	+0.0189 (0.0145)	Không có ý nghĩa thống kê
$SIZE$ (Quy mô)	+0.0018** (0.0008)	+0.0012 (0.0011)	+0.0016* (0.0009)	+0.0024** (0.0011)	$p < 0.05$ (Hiệu quả theo quy mô)
$CIR$ (Chi phí/Thu nhập)	-0.0187*** (0.0032)	-0.0162*** (0.0041)	-0.0175*** (0.0035)	-0.0214*** (0.0038)	$p < 0.01$ (Tác động ngược chiều)
$LIQD$ (Thanh khoản)	+0.0078* (0.0041)	+0.0062 (0.0051)	+0.0071 (0.0045)	+0.0112** (0.0053)	$p < 0.05$ (Tác động cùng chiều)
$GDP$ (Tăng trưởng KT)	+0.0124 (0.0151)	+0.0089 (0.0162)	+0.0105 (0.0155)	+0.0156 (0.0172)	Không có ý nghĩa thống kê
$INF$ (Lạm phát)	+0.0085* (0.0045)	+0.0071 (0.0052)	+0.0079* (0.0047)	+0.0104** (0.0049)	$p < 0.05$ (Tác động cùng chiều)
Quan sát ($N$)	325	325	325	300 (do mất 1 trễ)	25 ngân hàng (2010–2022)
Hansen J-test ($p$)	-	-	-	0.241	Chấp nhận tính ngoại sinh
AR(2) Test ($p$)	-	-	-	0.401	Không có tự tương quan bậc 2

Ghi chú: Giá trị trong ngoặc đơn là sai số chuẩn chuẩn hóa (Robust Standard Errors). ***, **, * tương ứng với mức ý nghĩa 1%, 5%, 10%.

---

Đổi mới và đóng góp

Nghiên cứu mang lại 4 đóng góp học thuật và giá trị thực tiễn nổi bật:

1. Hoàn thiện phương pháp luận định lượng: Khắc phục triệt để hạn chế của các nghiên cứu trước (Dang, 2019; Nguyen, 2021) vốn dừng lại ở mô hình tĩnh FEM/REM. Việc sử dụng Two-step System GMM với kỹ thuật gom cụm biến công cụ trễ (collapse) đã loại trừ hoàn toàn sai số chệch do biến nội sinh.
2. Làm rõ tính hai mặt của dự phòng rủi ro ($LLPR$): Trái với quan điểm truyền thống cho rằng trích lập dự phòng làm suy giảm lợi nhuận trong ngắn hạn, kết quả thực nghiệm chứng minh hệ số hồi quy của $LLPR$ mang dấu dương (+0.0712, $p < 0.05$). Điều này phản ánh cơ chế chủ động phòng vệ tài chính: các ngân hàng trích lập dự phòng dày có xu hướng định giá biên lãi thuần (NIM) tốt hơn và thu hồi nợ ngoại bảng hiệu quả hơn trong chu kỳ sau.
3. Phát hiện tính quán tính lợi nhuận bền vững: Hệ số biến trễ $ROA_{t-1}$ đạt +0.3421 ($p < 0.01$), chứng minh năng lực tài chính và uy tín thương hiệu của NHTMCP tạo ra lợi thế sinh lời liên tục qua các năm tài khóa.
4. Cập nhật dữ liệu bao quát 13 năm hoàn chỉnh: Mẫu dữ liệu 2010–2022 bao hàm toàn bộ chu kỳ tái cấu trúc nợ xấu tại Việt Nam, phản ánh chân thực tác động của chính sách tiền tệ qua các Thông tư 02/2013/TT-NHNN và Thông tư 11/2021/TT-NHNN.

---

Ứng dụng thực tế và triển khai

Khuyến nghị quản trị cho hệ thống NHTMCP

Dựa trên bằng chứng thực nghiệm từ mô hình System GMM, hệ thống ngân hàng cần thực thi 3 nhóm giải pháp then chốt:

1. Điều hành tăng trưởng tín dụng có chọn lọc ($LG$): Không chạy theo tăng trưởng quy mô nóng. Mức tăng trưởng tín dụng tối ưu nên duy trì trong biên độ 12% - 14%/năm, tập trung vào lĩnh vực sản xuất kinh doanh, thương mại vi mô và chuỗi cung ứng xuất khẩu, hạn chế tập trung vốn vào các lĩnh vực rủi ro cao như đầu cơ bất động sản.
2. Kiểm soát nghiêm ngặt nợ xấu ($NPLR$) và nâng cao đệm dự phòng ($LLPR$): Với hệ số tác động tiêu cực của nợ xấu ($\beta = -0.0935$), ngân hàng cần duy trì tỷ lệ $NPLR$ dưới 2.0%. Đồng thời, chủ động trích lập tỷ lệ bao phủ nợ xấu (Loan Loss Coverage Ratio - LLR) trên 120% để tạo bộ đệm chống sốc thanh khoản.
3. Tối ưu hóa hiệu quả hoạt động ($CIR$): Hệ số $\beta = -0.0214$ khẳng định mỗi 1% giảm được trong tỷ lệ $CIR$ sẽ trực tiếp đóng góp làm tăng 0.0214% tỷ suất $ROA$. Ngân hàng cần số hóa toàn diện quy trình cấp tín dụng (End-to-End Digital Lending) để giảm chi phí vận hành chi nhánh truyền thống.

Lộ trình triển khai khuyến nghị

Giai đoạn	Thời gian	Mục tiêu trọng tâm	Chỉ số đo lường hiệu quả (KPIs)
Giai đoạn 1: Chuẩn hóa dữ liệu & Rà soát danh mục	Quý 1 - Quý 2	Phân loại danh mục nợ theo IFRS 9; rà soát chuẩn cấp tín dụng nội bộ	100% danh mục nợ được phân loại tổn thất kỳ vọng (ECL)
Giai đoạn 2: Tự động hóa thẩm định & Chấm điểm tín dụng	Quý 3 - Quý 4	Triển khai mô hình Credit Scoring ứng dụng Machine Learning	Rút ngắn thời gian phê duyệt 45%; giảm sai số cấp tín dụng 20%
Giai đoạn 3: Tối ưu chi phí & Quản trị danh mục động	Năm tiếp theo	Tinh gọn bộ máy vận hành, hạ tỷ lệ $CIR$; thiết lập trần hạn mức rủi ro động	$CIR \le 32%$; Tỷ lệ nợ xấu $NPLR \le 1.8%$; $ROA \ge 1.6%$

---

Hạn chế và hướng phát triển

Mặc dù đã đạt được những kết quả định lượng chuẩn xác và có ý nghĩa thống kê cao, nghiên cứu vẫn tồn tại một số giới hạn nhất định:

• Phạm vi không gian mẫu: Nghiên cứu giới hạn ở 25 NHTMCP. Một số ngân hàng quy mô nhỏ hoặc ngân hàng thuộc diện chuyển giao bắt buộc bị loại bỏ do thiếu hụt chuỗi số liệu tài chính kiểm toán liên tục.
• Phương sai phi tuyến tính: Mô hình hiện tại giả định mối quan hệ tuyến tính giữa tăng trưởng tín dụng và lợi nhuận, chưa mô hình hóa ngưỡng tới hạn (Threshold Regression) - điểm mà tại đó tăng trưởng tín dụng vượt ngưỡng sẽ bắt đầu kéo tụt lợi nhuận.
• Hướng phát triển tiếp theo:
  1. Ứng dụng mô hình hồi quy ngưỡng dạng bảng (Panel Threshold Regression Model) theo Hansen (1999) để xác định chính xác điểm gãy tối ưu của tốc độ tăng trưởng tín dụng.
  2. Mở rộng biến số sang các tiêu chuẩn ngân hàng xanh (ESG Banking) và chỉ số chuyển đổi số (Digital Transformation Index).

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận phương pháp nghiên cứu thực nghiệm chuẩn mực, quy trình làm sạch dữ liệu bảng cân đối và cú pháp lập trình Stata phân tích kinh tế lượng chuyên sâu.
• Chuyên viên phân tích tài chính & Lập mô hình định lượng: Nắm bắt các hệ số co giãn thực tế của $LG, NPLR, LLPR$ phục vụ công tác dự phóng lợi nhuận và định giá cổ phiếu ngân hàng niêm yết.
• Nhà quản trị ngân hàng & Khối Quản lý rủi ro: Sở hữu cơ sở định lượng để hoạch định hạn mức tăng trưởng tín dụng, tính toán trích lập dự phòng và tái cấu trúc chi phí vận hành.
• Cơ quan quản lý (Ngân hàng Nhà nước): Có thêm bằng chứng thực nghiệm hỗ trợ công tác phân bổ hạn mức tín dụng (Credit Room) và thanh tra giám sát an toàn vi mô, vĩ mô.

---

Câu hỏi thường gặp

1. Tại sao mô hình System GMM lại vượt trội hơn Pooled OLS, FEM và REM trong nghiên cứu này?

Mô hình ước lượng lợi nhuận ngân hàng có tính chất nội sinh mạnh: lợi nhuận cao ($ROA$) giúp ngân hàng có thêm vốn để mở rộng tín dụng ($LG$), đồng thời $ROA$ năm trước có quán tính tác động đến $ROA$ năm sau. Pooled OLS, FEM và REM đều vi phạm giả định ngoại sinh, dẫn đến ước lượng chệch và không vững. Two-step System GMM sử dụng các biến nội sinh trễ làm biến công cụ, giải quyết trọn vẹn hiện tượng nội sinh, tự tương quan và phương sai thay đổi.

2. Vì sao tỷ lệ dự phòng rủi ro tín dụng (LLPR) lại có tương quan dương (+) với tỷ suất lợi nhuận ROA?

Hệ số dương (+0.0712) phản ánh 2 cơ chế: Thứ nhất, các ngân hàng có năng lực tài chính vững mạnh thường chủ động trích lập dự phòng cao trong giai đoạn thuận lợi (Income Smoothing/Prudential Provisioning), tạo tấm đệm an toàn vững chắc. Thứ hai, dự phòng được trích lập đầy đủ cho phép ngân hàng đẩy mạnh xử lý, thu hồi nợ xấu ngoại bảng trong tương lai, hoàn nhập dự phòng và ghi nhận lợi nhuận đột biến.

3. Tỷ lệ chi phí trên thu nhập (CIR) ảnh hưởng như thế nào đến khả năng sinh lời của NHTMCP?

CIR có tác động ngược chiều mạnh nhất đến ROA ($\beta = -0.0214$, $p < 0.01$). Điều này khẳng định chi phí hoạt động là biến số kiểm soát then chốt: các ngân hàng kiểm soát chi phí kém thông qua mạng lưới cồng kềnh và quy trình thủ công sẽ chịu sụt giảm lợi nhuận biên nghiêm trọng so với các ngân hàng đẩy mạnh số hóa.

4. Kết quả nghiên cứu có thể áp dụng cho giai đoạn biến động sau năm 2022 không?

Có. Bộ dữ liệu nghiên cứu 2010–2022 đã trải qua đầy đủ các giai đoạn chu kỳ: khủng hoảng nợ xấu (2010–2013), tái cấu trúc (2014–2019), đại dịch COVID-19 (2020–2021) và sốc thanh khoản (2022). Quy luật kinh tế lượng rút ra từ mô hình GMM mang tính quy luật cấu trúc dài hạn, hoàn toàn phù hợp để định hướng chính sách trong các chu kỳ kinh tế tiếp theo.

5. Doanh nghiệp và ngân hàng cần làm gì để cân đối giữa mục tiêu tăng trưởng và an toàn rủi ro?

Cần thiết lập khung quản trị rủi ro khẩu vị rủi ro (Risk Appetite Framework - RAF) theo chuẩn mực Basel III. Ngân hàng không nên cấp tín dụng dựa thuần túy trên tài sản thế chấp, mà phải chuyển trọng tâm sang đánh giá dòng tiền thực tế của dự án thông qua hệ thống chấm điểm tín dụng tự động (Automated Credit Underwriting).

---

Kết luận

Nghiên cứu đã chứng minh bằng phương pháp thực nghiệm hiện đại về mối quan hệ đa chiều giữa tăng trưởng tín dụng, rủi ro tín dụng và khả năng sinh lời của 25 ngân hàng TMCP Việt Nam giai đoạn 2010–2022. Ước lượng mô hình Hệ thống GMM khẳng định tăng trưởng tín dụng ($LG$), tỷ lệ dự phòng rủi ro ($LLPR$), tỷ lệ thanh khoản ($LIQD$) và lạm phát ($INF$) có tác động tích cực đến $ROA$; trong khi tỷ lệ nợ xấu ($NPLR$) và tỷ lệ chi phí trên thu nhập ($CIR$) tạo ra áp lực suy giảm lợi nhuận rõ rệt.

Những phát hiện này là căn cứ khoa học và thực tiễn vững chắc để các nhà hoạch định chính sách tại Ngân hàng Nhà nước và ban lãnh đạo các NHTMCP tối ưu hóa cơ cấu bảng cân đối kế toán, nâng cao năng lực cạnh tranh và đảm bảo sự phát triển an toàn, bền vững của toàn hệ thống tài chính quốc gia.