Giới thiệu dự án
Trong hệ thống tài chính hiện đại, ngân hàng thương mại (NHTM) giữ vai trò là huyết mạch luân chuyển vốn của nền kinh tế thông qua hai chức năng cốt lõi: chuyển đổi rủi ro (risk transformation) và tạo thanh khoản (liquidity creation). Tại Việt Nam giai đoạn 2012–2022, thị trường tài chính chứng kiến bước chuyển mình mạnh mẽ với lộ trình áp dụng chuẩn mực an toàn vốn quốc tế từ Basel II đến Basel III, đồng thời phải đối mặt với các cú sốc vĩ mô tiêu biểu như đại dịch Covid-19 và biến động chu kỳ kinh tế.
+-----------------------------------------------------------------------------------+
| NGÂN HÀNG THƯƠNG MẠI |
| |
| [Huy động Nợ ngắn hạn, tính thanh khoản cao] ---> [Tài trợ Tài sản dài hạn, |
| kém thanh khoản] |
| |
| ===> HOẠT ĐỘNG TẠO THANH KHOẢN (LIQUIDITY CREATION) |
+-----------------------------------------------------------------------------------+
| Lợi ích kinh tế: | | Rủi ro tiềm ẩn: |
| - Thúc đẩy đầu tư | | - Mất cân đối kỳ hạn |
| - Tối ưu hóa vốn | | - Gia tăng chi phí |
| - Phân bổ nguồn lực | | - Đánh đổi lợi nhuận |
Mặc dù tạo thanh khoản là chức năng sống còn, hoạt động này luôn tiềm ẩn sự đánh đổi khốc liệt giữa an toàn thanh khoản và hiệu quả sinh lời. Việc tài trợ cho các tài sản kém thanh khoản dài hạn bằng các khoản nợ ngắn hạn có tính thanh khoản cao làm gia tăng rủi ro mất cân đối kỳ hạn (maturity mismatch), gia tăng chi phí vốn và đe dọa trực tiếp đến tỷ suất sinh lời của ngân hàng.
Mục tiêu nghiên cứu
- Đo lường toàn diện mức độ tạo thanh khoản của 28 NHTM Việt Nam giai đoạn 2012–2022 theo phương pháp phân loại chuẩn mực Cat Fat do Berger & Bouwman (2009) khởi xướng.
- Lượng hóa mức độ và chiều hướng tác động của tạo thanh khoản tổng thể ($LC$) cùng các cấu phần nội bảng, ngoại bảng ($LCA, LCC, LCOBS$) đến khả năng sinh lời ($ROE, ROA$).
- Đánh giá vai trò điều tiết của quy mô sở hữu nhà nước (Nhóm Big 4) và cú sốc ngoại sinh đại dịch Covid-19 lên mối quan hệ giữa tạo thanh khoản và hiệu quả hoạt động.
- Đề xuất các hàm ý quản trị thanh khoản và an toàn vốn, cân bằng cấu trúc bảng cân đối kế toán nhằm tối ưu hóa lợi nhuận.
Phương pháp tiếp cận và phạm vi
- Cách tiếp cận: Nghiên cứu sử dụng kinh tế lượng thực nghiệm với dữ liệu bảng (panel data), kết hợp các mô hình hồi quy đa biến: Hồi quy gộp (Pooled OLS), Mô hình tác động cố định (FEM - Fixed Effects Model), Mô hình tác động ngẫu nhiên (REM - Random Effects Model) và khắc phục các khuyết tật phương sai thay đổi, tự tương quan bằng phương pháp Bình phương tối thiểu tổng quát khả thi (FGLS - Feasible Generalized Least Squares).
- Phạm vi dữ liệu: Mẫu nghiên cứu bao gồm 308 quan sát từ 28 NHTM cổ phần niêm yết trên HOSE, HNX và UPCOM trong chuỗi thời gian 11 năm (2012–2022).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Các phương pháp đo lường thanh khoản truyền thống thường chỉ tập trung vào các tỷ số thanh khoản đơn lẻ (như tỷ lệ LDR - Cho vay trên Huy động, tỷ lệ tài sản thanh khoản trên tổng tài sản) mà chưa phản ánh được bản chất của việc chuyển đổi kỳ hạn và rủi ro trên toàn bộ cấu trúc bảng cân đối kế toán cũng như các cam kết ngoại bảng.
| Tiêu chí đo lường |
Khoảng cách chuyển đổi thanh khoản (LTG) |
Phương pháp Cat Nonfat / Mat Nonfat |
Phương pháp Cat Fat (Berger & Bouwman, 2009) |
| Phân loại tài sản/nợ |
Dựa trên kỳ hạn đáo hạn thuần túy |
Theo danh mục hoặc kỳ hạn, loại bỏ ngoại bảng |
Phân loại chi tiết theo danh mục tài sản, nợ và nghiệp vụ ngoại bảng |
| Khoản mục ngoại bảng |
Không bao gồm |
Không bao gồm |
Bao gồm cam kết bảo lãnh, L/C, phái sinh |
| Gán trọng số rủi ro |
Tuyến tính đơn giản |
Trọng số $\pm 0.5$ hoặc $0$ (chỉ nội bảng) |
Trọng số $\pm 0.5$ và $0$ đa tầng cho toàn bộ hoạt động |
| Độ bao quát cấu trúc |
Trung bình, dễ sai lệch kỳ hạn |
Khá tốt, thiếu mảng phi truyền thống |
Toàn diện nhất, chuẩn hóa trên Tổng tài sản ($LC$) |
Phân tích yêu cầu nghiên cứu theo mô hình MoSCoW:
- Must have: Xây dựng chỉ số tạo thanh khoản Cat Fat ($LC, LCA, LCC, LCOBS$); kiểm định đa cộng tuyến ($VIF$), phương sai thay đổi (Modified Wald test) và tự tương quan (Wooldridge test).
- Should have: Mô hình FGLS hiệu chỉnh sai số chuẩn; phân tích tương tác điều tiết với biến giả Big 4 (
DUMBIG4) và biến khủng hoảng (COVID19).
- Could have: Đánh giá độ trễ tác động của chính sách tiền tệ và tăng trưởng GDP thực tế.
- Won't have: Mô hình hóa các ngân hàng liên doanh, chi nhánh ngân hàng nước ngoài do tính chất số liệu không đồng nhất.
Thiết kế hệ thống mô hình thực nghiệm
Hệ thống mô hình hồi quy đa biến được thiết kế để phân rã tác động từ tổng thể đến chi tiết:
[Mô hình 1: Tác động tổng thể của LC]
ROA / ROE = f(LC, CAP, DEP, LOANS, COST, LLP, GDP, INF)
[Mô hình 2: Tác động điều tiết của Quy mô (Big 4)]
ROA / ROE = f(LC, LC*DUMBIG4, CAP, COST, LLP, GDP, INF)
[Mô hình 3: Tác động điều tiết của Cú sốc Covid-19]
ROA / ROE = f(LC, LC*COVID19, CAP, DEP, LOANS, COST, LLP, GDP, INF)
[Mô hình 4: Phân rã cấu phần Tạo thanh khoản]
ROA / ROE = f(LCA, LCC, LCOBS, CAP, DEP, LOANS, COST, LLP, GDP, INF)
Đặc tả biến số và cơ chế tác động:
- Biến phụ thuộc: $ROE$ (Lợi nhuận sau thuế / Vốn chủ sở hữu), $ROA$ (Lợi nhuận sau thuế / Tổng tài sản).
- Biến độc lập cốt lõi:
- $LC$: Chỉ số tạo thanh khoản Cat Fat chuẩn hóa theo Tổng tài sản.
- $LCA$: Tạo thanh khoản từ phía Tài sản nội bảng.
- $LCC$: Tạo thanh khoản từ phía Nợ phải trả và Vốn chủ sở hữu.
- $LCOBS$: Tạo thanh khoản từ các cam kết ngoại bảng.
- Biến kiểm soát vi mô & vĩ mô:
- $CAP$: Vốn chủ sở hữu / Tổng tài sản (Đo lường an toàn vốn).
- $DEP$: Tiền gửi khách hàng / Tổng tài sản.
- $LOANS$: Tổng dư nợ cho vay / Tổng tài sản.
- $COST$: Tỷ lệ Chi phí hoạt động trên Tổng thu nhập ($CIR$).
- $LLP$: Dự phòng rủi ro tín dụng / Tổng dư nợ.
- $GDP$: Tốc độ tăng trưởng GDP thực tế hàng năm.
- $INF$: Tỷ lệ lạm phát bình quân hàng năm.
Methodology
Quy trình nghiên cứu áp dụng phương pháp định lượng thực nghiệm chuẩn tắc:
+---------------------+ +---------------------+ +---------------------+
| Thu thập BCTC | | Xử lý dữ liệu | | Hồi quy tĩnh |
| 28 NHTM (2012-2022)| ===> | Gán trọng số | ===> | Pooled OLS |
| Nguồn: finance.vn | | Tính LC, LCA, LCC | | FEM vs. REM |
+---------------------+ +---------------------+ +---------------------+
+---------------------+ +---------------------+ +---------------------+
| Kết luận & | | Ước lượng FGLS | | Kiểm định khuyết tật|
| Hàm ý chính sách | <=== | Khắc phục sai số | <=== | Hausman, Wald, |
| quản trị thanh khoản| | phương sai & AR(1) | | Wooldridge, VIF |
+---------------------+ +---------------------+ +---------------------+
Implementation và kết quả
Development process
Quá trình tính toán chỉ số tạo thanh khoản Cat Fat dựa trên ma trận phân loại thanh khoản theo 3 cấp độ với trọng số $\omega \in {-0.5, 0, +0.5}$:
$$\text{Liquidity Creation} = \frac{1}{2} \sum \text{Illiquid Assets} - \frac{1}{2} \sum \text{Liquid Assets} + \frac{1}{2} \sum \text{Liquid Liabilities} - \frac{1}{2} \sum (\text{Illiquid Liabilities} + \text{Equity}) + \frac{1}{2} \sum \text{Illiquid OBS} - \frac{1}{2} \sum \text{Liquid OBS}$$
*-------------------------------------------------------------------------------
* STATA SCRIPT: ECO_BANK_LIQUIDITY_ESTIMATION.DO
* Description: Panel data estimation & FGLS correction for Bank Liquidity Creation
* Author: Pham Nguyen Lien Son (HUB)
*-------------------------------------------------------------------------------
* 1. Khai báo cấu trúc dữ liệu bảng (Panel Data Setup)
iis bank_id
tis year
* 2. Kiểm định tương quan & đa cộng tuyến (Multicollinearity Test)
regress ROE LC CAP DEP LOANS COST LLP GDP INF
vif
* 3. Hồi quy Pooled OLS, FEM và REM cho Mô hình 1
regress ROE LC CAP DEP LOANS COST LLP GDP INF
estimates store pooled_ols
xtreg ROE LC CAP DEP LOANS COST LLP GDP INF, fe
estimates store fe_model
xtreg ROE LC CAP DEP LOANS COST LLP GDP INF, re
estimates store re_model
* 4. Kiểm định lựa chọn mô hình (Hausman Test)
hausman fe_model re_model
* 5. Kiểm định khuyết tật mô hình (Diagnostic Tests)
* 5.1. Kiểm định phương sai sai số thay đổi (Modified Wald Test for Heteroskedasticity)
xttest3
* 5.2. Kiểm định tự tương quan (Wooldridge Test for Serial Correlation)
xtserial ROE LC CAP DEP LOANS COST LLP GDP INF
* 6. Khắc phục khuyết tật bằng FGLS (Cross-sectional time-series FGLS regression)
xtgls ROE LC CAP DEP LOANS COST LLP GDP INF, panels(hetero) corr(ar1)
xtgls ROA LC CAP DEP LOANS COST LLP GDP INF, panels(hetero) corr(ar1)
* 7. Hồi quy phân rã cấu phần và biến tương tác
xtgls ROE LC c.LC#i.DUMBIG4 CAP COST LLP GDP INF, panels(hetero) corr(ar1)
xtgls ROE LC c.LC#i.COVID19 CAP DEP LOANS COST LLP GDP INF, panels(hetero) corr(ar1)
xtgls ROE LCA LCC LCOBS CAP DEP LOANS COST LLP GDP INF, panels(hetero) corr(ar1)
Testing và validation
Kết quả các kiểm định chẩn đoán kỹ thuật cho thấy:
- Kiểm định Hausman ($p < 0.05$): Bác bỏ giả thuyết $H_0$, mô hình Tác động cố định (FEM) ưu thế hơn Mô hình tác động ngẫu nhiên (REM).
- Kiểm định Modified Wald ($p < 0.001$): Xuất hiện hiện tượng phương sai sai số thay đổi giữa các thực thể ngân hàng (heteroskedasticity).
- Kiểm định Wooldridge ($p < 0.01$): Tồn tại hiện tượng tự tương quan bậc nhất $AR(1)$ trong chuỗi thời gian.
- Hệ số phóng đại phương sai ($VIF$): Hầu hết các biến có $VIF < 5$, ngoại trừ sự liên kết giữa $DEP$ và $LOANS$ trong Mô hình 2 được khắc phục bằng cách loại bỏ biến thành phần tương quan cao để triệt tiêu đa cộng tuyến.
- Mô hình tối ưu: Phương pháp ước lượng FGLS được lựa chọn làm chuẩn mực cuối cùng để cho ra các ước lượng không chệch, nhất quán và có hiệu quả thống kê cao nhất.
Kết quả đạt được
| Biến số |
Mô hình 1 (FGLS - Tổng thể) |
Mô hình 2 (FGLS - Big 4) |
Mô hình 3 (FGLS - Covid-19) |
Mô hình 4 (FGLS - Cấu phần) |
| LC |
-0.0342*** (Tác động âm) |
-0.0215** |
-0.0418*** |
— |
| LC × DUMBIG4 |
— |
-0.0489*** (Âm rõ nét hơn) |
— |
— |
| LC × COVID19 |
— |
— |
+0.0274*** (Đảo chiều dương) |
— |
| LCA (Tài sản) |
— |
— |
— |
+0.0512*** (Tác động dương) |
| LCC (Nợ & Vốn) |
— |
— |
— |
-0.0628*** (Tác động âm) |
| LCOBS (Ngoại bảng) |
— |
— |
— |
+0.0041 (Không có ý nghĩa) |
| CAP |
-0.1845*** |
-0.1520*** |
-0.1790*** |
-0.1632*** |
| DEP |
-0.0412** |
(Đã loại bỏ do VIF) |
-0.0398** |
-0.0405** |
| LOANS |
+0.0683*** |
(Đã loại bỏ do VIF) |
+0.0651*** |
+0.0712*** |
| COST ($CIR$) |
-0.2104*** |
-0.1985*** |
-0.2081*** |
-0.2140*** |
| LLP |
-0.0892*** |
-0.0754*** |
-0.0871*** |
-0.0865*** |
| GDP |
+0.0125** |
+0.0110** |
+0.0095* |
+0.0118** |
| INF |
-0.0084* |
-0.0072* |
-0.0069* |
-0.0080* |
* $p < 0.10$, ** $p < 0.05$, *** $p < 0.01$
Đổi mới và đóng góp
- Đổi mới trong phân rã chi tiết cấu phần tạo thanh khoản ($LCA, LCC, LCOBS$):
Thay vì chỉ xem xét thanh khoản như một khối đồng nhất, nghiên cứu chỉ rõ nguồn gốc nghịch lý lợi nhuận: Tạo thanh khoản bên phía tài sản ($LCA$) thúc đẩy sinh lời nhờ biên lãi ròng từ các khoản cho vay dài hạn, trong khi tạo thanh khoản bên phía nợ ($LCC$) bào mòn lợi nhuận do áp lực chi phí lãi huy động tiền gửi ngắn hạn.
- Khám phá tác động ngược chiều trong giai đoạn đại dịch Covid-19:
Trong điều kiện bình thường, tạo thanh khoản làm giảm lợi nhuận. Tuy nhiên, tương tác
LC*COVID19 mang dấu dương ($+0.0274, p < 0.01$) chứng minh rằng trong khủng hoảng, việc ngân hàng chủ động mở rộng thanh khoản và duy trì cấp vốn tín dụng đóng vai trò là "phao cứu sinh" hấp thụ dòng tiền nhàn rỗi, từ đó gia tăng quy mô lợi nhuận tuyệt đối.
- So sánh chuyên sâu với các công trình quốc tế và trong nước:
- So với Berger & Bouwman (2009 - Hoa Kỳ): Đồng thuận về phương pháp luận tính toán Cat Fat nhưng chỉ ra sự khác biệt về cấu trúc thị trường: tại Việt Nam, nhóm ngân hàng lớn/quốc doanh chịu tác động tiêu cực mạnh hơn từ $LC$ do gánh vác trách nhiệm điều tiết vĩ mô.
- So với Duan & Niu (2020 - Hoa Kỳ): Có sự tương đồng khi khẳng định các cấu phần tài sản và nguồn vốn tác động bất đối xứng đến lợi nhuận, song tỷ trọng ngoại bảng ($LCOBS$) tại Việt Nam chưa phát huy tác động thống kê rõ rệt do thị trường phái sinh tài chính còn non trẻ.
- So với Nguyễn Thị Thu Hiền (2023 - Việt Nam): Bổ sung thêm bằng chứng định lượng FGLS mạnh mẽ trên chuỗi thời gian hoàn chỉnh 2012–2022, giải quyết triệt để khuyết tật tự tương quan và phương sai thay đổi.
Ứng dụng thực tế và triển khai
+-----------------------------------------------------------------------------+
| KHUNG QUẢN TRỊ THANH KHOẢN VÀ SINH LỜI CHO NHTM |
+-----------------------------------------------------------------------------+
| Phía Tài sản | | Phía Nguồn vốn | | Mảng Ngoại bảng|
| (LCA Tối ưu) | | (LCC Tinh gọn) | | (LCOBS Mở rộng)|
| - Tăng tỷ trọng | | - Giảm phụ thuộc| | - Phát triển |
| cho vay bán lẻ| | tiền gửi giá | L/C, bảo lãnh |
| và SME hiệu | | cao kỳ hạn | thương mại |
| quả | | ngắn | - Khai thác phí |
| - Kiểm soát nợ | | - Tăng CASA để | dịch vụ phái |
| xấu ($LLP$) | | hạ chi phí vốn| sinh lãi suất |
Chiến lược ứng dụng tại các NHTM
- Tối ưu hóa bảng cân đối kế toán: Tập trung gia tăng cấu phần $LCA$ thông qua tái cơ cấu danh mục cho vay chất lượng cao, đồng thời kiểm soát cấu phần $LCC$ bằng chiến lược tăng trưởng tỷ lệ tiền gửi không kỳ hạn ($CASA$) nhằm giảm chi phí huy động vốn.
- Triển khai chuẩn mực Basel III: Áp dụng bộ chỉ số Tỷ lệ bao phủ thanh khoản ($LCR$) và Tỷ lệ nguồn vốn ổn định ròng ($NSFR$) kết hợp với chỉ số Cat Fat để giám sát mức độ chịu đựng căng thẳng thanh khoản (liquidity stress testing).
- Lộ trình triển khai 4 giai đoạn:
- Giai đoạn 1 (Quý 1–Quý 2): Thiết lập hệ thống dữ liệu tự động phân loại tài sản, nợ theo ma trận trọng số Cat Fat.
- Giai đoạn 2 (Quý 3): Tích hợp chỉ số $LC$ vào hệ thống Quản lý Tài sản - Nợ (ALM - Asset Liability Management).
- Giai đoạn 3 (Quý 4): Xây dựng kịch bản điều hành thanh khoản phản chu kỳ (counter-cyclical liquidity planning).
- Giai đoạn 4 (Dài hạn): Mở rộng danh mục sản phẩm ngoại bảng tạo phí ($LCOBS$) để đa dạng hóa nguồn thu phi lãi.
Hạn chế và hướng phát triển
Hạn chế nghiên cứu
- Dữ liệu nghiên cứu tập trung vào 28 NHTM cổ phần, chưa bao quát toàn bộ hệ thống ngân hàng liên doanh và các công ty tài chính phi ngân hàng.
- Số liệu về các sản phẩm phái sinh phức tạp trên thị trường ngoại bảng còn hạn chế do tính minh bạch thông tin thuyết minh BCTC của một số ngân hàng chưa đồng nhất.
- Mô hình tĩnh FGLS tuy xử lý tốt khuyết tật chuỗi nhưng chưa nắm bắt được tính trễ động (dynamic persistence) của lợi nhuận ngân hàng theo thời gian.
Hướng phát triển tương lai
- Ứng dụng phương pháp Hồi quy tổng quát mô-men dạng hệ thống (System GMM) để kiểm soát triệt để hiện tượng nội sinh tiềm ẩn ($endogeneity$).
- Ứng dụng thuật ngữ máy học (Machine Learning) và chuỗi thời gian phi tuyến tính để dự báo ngưỡng thanh khoản tối ưu (Liquidity Threshold) giúp cực đại hóa ROE.
Đối tượng hưởng lợi
- Sinh viên & Học viên Cao học: Nắm vững phương pháp luận tính toán chỉ số Cat Fat của Berger & Bouwman (2009), quy trình xử lý dữ liệu bảng và kỹ thuật lập trình kinh tế lượng trên phần mềm STATA.
- Chuyên viên Quản trị rủi ro & ALM tại NHTM: Có công cụ định lượng chính xác mức độ đánh đổi giữa việc tạo thanh khoản và hiệu quả sinh lời, hỗ trợ xây dựng chính sách lãi suất và định giá điều chuyển vốn nội bộ (FTP).
- Ban Điều hành & Nhà hoạch định chính sách (NHNN): Bằng chứng thực nghiệm giá trị để điều hành tỷ lệ dự trữ bắt buộc, hạn mức tăng trưởng tín dụng (credit room) và chính sách tái cấp vốn linh hoạt theo chu kỳ kinh tế.
- Nhà đầu tư chứng khoán ngành Ngân hàng: Thấu hiểu mối liên hệ giữa cơ cấu thanh khoản và chất lượng lợi nhuận bền vững để đưa ra quyết định định giá cổ phiếu ngân hàng chính xác hơn.
Câu hỏi thường gặp
1. Tại sao tạo thanh khoản tổng thể (LC) lại có tác động tiêu cực đến lợi nhuận (ROE/ROA) của các NHTM Việt Nam?
Việc tạo thanh khoản bản chất là ngân hàng nắm giữ tài sản kém thanh khoản (cho vay dài hạn) và phát hành nợ có tính thanh khoản cao (tiền gửi ngắn hạn). Hoạt động này làm phát sinh chi phí phòng ngừa rủi ro thanh khoản, gia tăng chi phí huy động vốn để bù đắp thanh khoản thiếu hụt và yêu cầu trích lập dự phòng rủi ro tín dụng cao hơn, từ đó làm suy giảm tỷ suất sinh lời thuần.
2. Sự khác biệt giữa tác động tạo thanh khoản ở nhóm NHTM Nhà nước (Big 4) và NHTM Cổ phần tư nhân là gì?
Nhóm Big 4 chịu tác động tiêu cực từ việc tạo thanh khoản mạnh hơn đáng kể so với các NHTM cổ phần tư nhân ($\beta = -0.0489, p < 0.01$). Nguyên nhân do các ngân hàng quốc doanh phải gánh vác nhiệm vụ chính trị - xã hội, cung ứng tín dụng dài hạn cho các dự án hạ tầng trọng điểm quốc gia với biên lãi mỏng trong khi chi phí bộ máy vận hành lớn.
3. Tại sao trong đại dịch Covid-19, tạo thanh khoản lại hỗ trợ gia tăng lợi nhuận?
Trong bối cảnh đại dịch, dòng tiền xã hội có xu hướng tìm kiếm nơi trú ẩn an toàn tại hệ thống ngân hàng. Các ngân hàng có năng lực tạo thanh khoản tốt đã tận dụng được nguồn vốn rẻ dồi dào, giải ngân vào các gói tín dụng phục hồi kinh tế được NHNN hỗ trợ tái cấp vốn, giúp tối ưu hóa quy mô tài sản sinh lời và đảo chiều tác động sang hướng tích cực.
4. Các ngân hàng cần làm gì để hạn chế tác động tiêu cực của cấu phần LCC (phía Nợ)?
NHTM cần tập trung chiến lược chuyển đổi số, tối ưu trải nghiệm khách hàng để thu hút tiền gửi không kỳ hạn ($CASA$), giảm tỷ trọng tiền gửi có kỳ hạn lãi suất cao, đa dạng hóa nguồn tài trợ dài hạn thông qua phát hành trái phiếu thứ cấp nhằm kéo giãn kỳ hạn nợ.
5. Yêu cầu kỹ thuật để triển khai mô hình FGLS trong nghiên cứu dữ liệu bảng là gì?
Cần thực hiện đầy đủ chuỗi kiểm định chẩn đoán: Kiểm định F-test và Hausman để chọn giữa OLS/FEM/REM; kiểm định Modified Wald để phát hiện phương sai sai số thay đổi; kiểm định Wooldridge để phát hiện tự tương quan. Khi cả hai hiện tượng cùng xuất hiện, lệnh xtgls, panels(hetero) corr(ar1) trong STATA là công cụ chuẩn mực để hiệu chỉnh ma trận hiệp phương sai.
Kết luận
Nghiên cứu của tác giả Phạm Nguyễn Liên Sơn (2023) đã cung cấp một bức tranh định lượng toàn diện về tác động của tạo thanh khoản đến hiệu quả hoạt động của 28 NHTM Việt Nam trong giai đoạn 2012–2022. Bằng việc ứng dụng phương pháp Cat Fat chuẩn mực kết hợp mô hình FGLS vững, đề tài đã chứng minh thành công mối quan hệ nghịch chiều giữa tạo thanh khoản và khả năng sinh lời, làm sáng tỏ tính bất đối xứng giữa cấu phần tài sản ($LCA$) và cấu phần nguồn vốn ($LCC$), đồng thời ghi nhận vai trò đệm đỡ đặc biệt của thanh khoản trong khủng hoảng Covid-19.
Kết quả nghiên cứu là nền tảng thực tiễn quan trọng giúp các nhà quản trị ngân hàng cân bằng bài toán đánh đổi giữa an toàn thanh khoản và tối đa hóa giá trị cổ đông, hướng tới mục tiêu phát triển bền vững theo các chuẩn mực quốc tế Basel III.
