Giới thiệu dự án
Trong cấu trúc tài chính hiện đại, hoạt động của hệ thống ngân hàng thương mại cổ phần (NHTMCP) đang chịu sự tác động kép từ biến động kinh tế vĩ mô và sự trỗi dậy mạnh mẽ của các công ty công nghệ tài chính (Fintech). Theo thống kê từ Ngân hàng Nhà nước Việt Nam (NHNN) và các báo cáo tài chính giai đoạn 2014–2023, nguồn thu từ hoạt động tín dụng truyền thống vẫn chiếm từ 70% đến 80% tổng thu nhập hoạt động (TOI), đặt hệ thống trước áp lực rủi ro tín dụng và biên lãi thuần (NIM) bị thu hẹp đáng kể trong các chu kỳ suy thoái.
+-------------------------------------------------------------------------+
| HỆ THỐNG NHTMCP VIỆT NAM (2014 - 2023) |
+-------------------------------------------------------------------------+
|
+-----------------------+-----------------------+
| |
v v
+-----------------------+ +-----------------------+
| THU NHẬP TỪ LÃI (NII) | | THU NHẬP NGOÀI LÃI |
| - Chiếm 70% - 80% TOI| | (NNII) |
| - Rủi ro tín dụng cao| | - Chiếm 20% - 30% TOI|
| - Biên lãi ròng (NIM)| | - Dịch vụ, Ngoại hối,|
| chịu áp lực | | Chứng khoán... |
+-----------------------+ +-----------------------+
| |
+-----------------------+-----------------------+
|
v
+-----------------------------------------------+
| MÔ HÌNH HỒI QUY ĐỊNH LƯỢNG (OLS, FEM, REM, GLS)|
+-----------------------------------------------+
|
v
+-----------------------------------------------+
| ĐÁNH GIÁ KHẢ NĂNG SINH LỜI (ROA, ROE, NIM) |
+-----------------------------------------------+
Vấn đề nghiên cứu và các điểm nghẽn (Problem Statement & Pain Points)
Sự phụ thuộc quá mức vào thu nhập lãi thuần khiến bảng cân đối kế toán của các NHTMCP dễ bị tổn thương trước nợ xấu (NPL) và biến động lãi suất điều hành. Việc chuyển dịch cơ cấu kinh doanh sang thu nhập ngoài lãi (Non-Interest Income - NNII) được xem là chiến lược sống còn. Tuy nhiên, các nghiên cứu thực nghiệm trong và ngoài nước về mối quan hệ giữa NNII và khả năng sinh lời (KNSL) vẫn tồn tại nhiều kết quả trái chiều: một số chứng minh mối tương quan đồng biến thông qua đa dạng hóa danh mục, trong khi một số khác chỉ ra tác động nghịch biến do chi phí vận hành phi tín dụng cao và tính biến động lớn của hoạt động kinh doanh chứng khoán, ngoại hối.
Mục tiêu nghiên cứu (Project Objectives)
- Định lượng mức độ tác động: Xác định và lượng hóa hệ số tác động của tỷ lệ thu nhập ngoài lãi (NNII) đến khả năng sinh lời của các NHTMCP Việt Nam.
- Đánh giá đa chiều hiệu quả tài chính: Phân tích đồng thời trên 3 chỉ tiêu sinh lời cốt lõi bao gồm: Tỷ suất sinh lời trên tổng tài sản (ROA), Tỷ suất sinh lời trên vốn chủ sở hữu (ROE), và Tỷ lệ thu nhập lãi thuần cận biên (NIM).
- Xử lý khuyết tật mô hình thống kê: Áp dụng các kỹ thuật kinh tế lượng chuyên sâu nhằm giải quyết triệt để hiện tượng đa cộng tuyến, phương sai sai số thay đổi và tự tương quan trong dữ liệu bảng.
- Đề xuất hàm ý quản trị: Xây dựng khung chiến lược tối ưu hóa danh mục dịch vụ phi tín dụng cho các nhà quản trị ngân hàng thương mại.
Hướng tiếp cận giải pháp (Solution Approach)
Đề tài ứng dụng phương pháp nghiên cứu định lượng trên bộ dữ liệu bảng cân bằng (Balanced Panel Data) gồm 27 NHTMCP Việt Nam qua 10 năm liên tục (2014–2023). Quy trình ước lượng đi từ các mô hình hồi quy cơ sở (Pooled OLS, FEM, REM), thực hiện các kiểm định chẩn đoán vi phạm giả định (F-test, Breusch-Pagan LM, Hausman, Modified Wald, Wooldridge) và xử lý khuyết tật bằng phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS/GLS).
Kết quả kỳ vọng và Phạm vi nghiên cứu (Scope & Limitations)
- Kết quả kỳ vọng: Mô hình hóa chính xác hàm quan hệ kinh tế lượng, cung cấp bằng chứng thực nghiệm vững chắc về vai trò của NNII đối với KNSL; đưa ra tỷ lệ đóng góp tối ưu của các biến kiểm soát nội tại (quy mô tiền gửi, tín dụng, vốn chủ sở hữu, quy mô tài sản) và vĩ mô (GDP, Lạm phát).
- Phạm vi không gian: 27 NHTMCP Việt Nam đáp ứng đầy đủ tiêu chuẩn công bố BCTC kiểm toán minh bạch.
- Phạm vi thời gian: Giai đoạn 2014–2023 (bao gồm cả giai đoạn bình thường mới và hậu Covid-19).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Trong thực nghiệm kinh tế lượng tài chính ngân hàng, việc lựa chọn phương pháp ước lượng đóng vai trò quyết định đến tính không chệch và tính hiệu quả của các tham số $\beta$.
| Phương pháp ước lượng |
Ưu điểm |
Nhược điểm |
Đánh giá độ phù hợp với đề tài |
| Hồi quy gộp (Pooled OLS) |
Đơn giản, dễ thực hiện, phù hợp khi các đối tượng đồng nhất tuyệt đối. |
Bỏ qua đặc trưng riêng lẻ cố định của từng ngân hàng ($\alpha_i$), dẫn đến ước lượng chệch. |
Không phù hợp do 27 NHTMCP có quy mô và chiến lược rất khác biệt. |
| Tác động cố định (FEM) |
Kiểm soát được các đặc trưng riêng không đổi theo thời gian của từng ngân hàng. |
Không ước lượng được các biến độc lập không đổi theo thời gian; không xử lý được tự tương quan chuỗi. |
Cần thiết để kiểm tra tính đại diện nhưng chưa tối ưu nếu có phương sai thay đổi. |
| Tác động ngẫu nhiên (REM) |
Hiệu quả hơn FEM nếu các đặc trưng riêng biệt không tương quan với các biến giải thích. |
Cho kết quả chệch nghiêm trọng nếu giả định tính trực giao bị vi phạm ($Cov(\alpha_i, X_{it}) \neq 0$). |
Cần thực hiện kiểm định Hausman để so sánh trực tiếp với FEM. |
| Bình phương tối thiểu tổng quát (GLS) |
Khắc phục hoàn toàn hiện tượng phương sai thay đổi giữa các thực thể và tự tương quan bậc nhất AR(1). |
Đòi hỏi cỡ mẫu đủ lớn để ma trận hiệp phương sai mẫu hội tụ về ma trận lý thuyết. |
Tối ưu nhất cho dữ liệu bảng 27 ngân hàng $\times$ 10 năm ($N=27, T=10$). |
So sánh với các nghiên cứu tiền nhiệm
- Nguyễn Thanh Phương & Đặng Thị Lan (2022): Nghiên cứu trên 15 NHTM giai đoạn 2014–2020, chỉ dừng lại ở biến phụ thuộc ROA với mô hình OLS/FEM/REM cơ bản, chưa mở rộng sang ROE và NIM.
- Huỳnh Thị Hương Thảo và cộng sự (2021): Sử dụng mẫu 32 NHTM giai đoạn 2008–2019 với phương pháp PCSE; tuy nhiên chưa cập nhật biến động thị trường sau đại dịch Covid-19 (2020–2023).
- Khanh Ngoc Nguyen (2021): Ứng dụng kỹ thuật GMM tìm ra ngưỡng NNII từ 44.16% đến 46.62% cho ROA, tạo cơ sở đối chiếu quan trọng với kết quả tuyến tính từ mô hình nghiên cứu này.
Yêu cầu bài toán theo mô hình MoSCoW
- Must have: Mô hình hóa tác động tuyến tính của NNII lên cả 3 biến ROA, ROE, NIM; kiểm định và khắc phục triệt để hiện tượng Heteroskedasticity và Autocorrelation.
- Should have: Đánh giá tương quan đồng thời giữa các yếu tố nội tại ngân hàng (Size, Loan, Deposit, Equity) và bối cảnh vĩ mô (GDP, Infl).
- Could have: Đánh giá độ nhạy của các tham số ước lượng qua từng nhóm ngân hàng có quy mô vốn khác biệt.
- Won't have: Phân tích chuỗi thời gian phi tuyến phức tạp (Threshold Autoregressive) hoặc định giá tài sản vô hình cá biệt.
Thiết kế hệ thống
Tech Stack & Công cụ định lượng
- Stata/MP 17.0: Môi trường tính toán kinh tế lượng chính, thực hiện xử lý dữ liệu bảng, kiểm định giả định và chạy mô hình GLS (
xtgls).
- Microsoft Excel 365 Enterprise: Làm sạch dữ liệu thô, chuẩn hóa tỷ số tài chính, tính logarit tự nhiên.
- FiinPro Data Platform v2.0 & Vietstock API: Nguồn trích xuất báo cáo tài chính đã kiểm toán của 27 NHTMCP.
Thiết kế biến và công thức toán học
+-----------------------------------------------------------------------------------+
| ĐẶC TẢ BIẾN KINH TẾ LƯỢNG |
+-------------------+---------+-----------------------------------+-----------------+
| Tên biến | Ký hiệu | Phương pháp đo lường | Kỳ vọng dấu |
+-------------------+---------+-----------------------------------+-----------------+
| Lợi nhuận/Tài sản | ROA | Lợi nhuận sau thuế / Tổng tài sản | Biến phụ thuộc |
| Lợi nhuận/Vốn CSH | ROE | Lợi nhuận sau thuế / Vốn CSH | Biến phụ thuộc |
| Lãi cận biên | NIM | Thu nhập lãi thuần / Tài sản sinh | Biến phụ thuộc |
| | | lãi bình quân | |
| Thu nhập ngoài lãi| NNII | Thu nhập thuần ngoài lãi / Tổng | Dương (+) |
| | | thu nhập hoạt động thuần | |
| Quy mô tiền gửi | Deposit | Tiền gửi khách hàng / Tổng tài sản| Dương (+) |
| Quy mô tín dụng | Loan | Dư nợ cho vay / Tổng tài sản | Dương (+) |
| Quy mô vốn CSH | Equity | Vốn chủ sở hữu / Tổng tài sản | Dương (+) |
| Quy mô ngân hàng | Size | Logarit tự nhiên tổng tài sản: | Dương (+) |
| | | Ln(Total Assets) | |
| Tăng trưởng GDP | GDP | Tốc độ tăng trưởng GDP hàng năm | Dương (+) |
| Tỷ lệ lạm phát | Infl | Chỉ số giá tiêu dùng CPI bình quân| Âm (-) |
+-------------------+---------+-----------------------------------+-----------------+
Phương pháp luận (Methodology)
Mô hình nghiên cứu tổng quát được thiết lập dưới dạng hàm tuyến tính:
$$Y_{it} = \alpha + \beta_1 NNII_{it} + \beta_2 Deposit_{it} + \beta_3 Loan_{it} + \beta_4 Equity_{it} + \beta_5 Size_{it} + \beta_6 GDP_t + \beta_7 Infl_t + \epsilon_{it}$$
Trong đó:
- $i = 1, 2, \dots, 27$ đại diện cho 27 NHTMCP Việt Nam.
- $t = 2014, 2015, \dots, 2023$ đại diện cho chuỗi 10 năm quan sát.
- $Y_{it}$ lần lượt là các biến phụ thuộc: $ROA_{it}$, $ROE_{it}$, $NIM_{it}$.
- $\epsilon_{it} = u_i + v_{it}$ là sai số tổng hợp bao gồm sai số cá thể cố định $u_i$ và phần dư ngẫu nhiên $v_{it}$.
Kế hoạch triển khai và quản trị rủi ro
- Rủi ro đa cộng tuyến: Đo lường qua hệ số phóng đại phương sai (VIF). Ngưỡng kiểm soát: $\text{VIF} < 5$.
- Rủi ro phương sai thay đổi giữa các ngân hàng: Kiểm định bằng Modified Wald test (
xttest3). Nếu $p < 0.05$, chuyển sang ước lượng GLS.
- Rủi ro tự tương quan chuỗi: Kiểm định bằng Wooldridge test (
xtserial). Nếu $p < 0.05$, cấu hình cấu trúc tự tương quan bậc nhất AR(1) trong GLS.
Triển khai thực nghiệm và Kết quả
Quy trình phân tích dữ liệu trên Stata 17
Dữ liệu 270 quan sát bảng được cấu hình cấu trúc không gian - thời gian và thực thi qua kịch bản Stata chuẩn hóa.
* ==============================================================================
* KHÓA LUẬN TỐT NGHIỆP: QUY TRÌNH HỒI QUY DỮ LIỆU BẢNG (PANEL DATA PIPELINE)
* Tác giả: Trương Thúy Diễm - HUB 2024
* ==============================================================================
clear all
set more off
* 1. Khai báo cấu trúc dữ liệu bảng
xtset bank_id year
* 2. Thống kê mô tả và ma trận tương quan
summarize roa roe nim nnii deposit loan equity size gdp infl
correlate roa roe nim nnii deposit loan equity size gdp infl
* 3. Kiểm định Đa cộng tuyến (VIF) trên mô hình OLS cơ sở
reg roa nnii deposit loan equity size gdp infl
estat vif
* 4. Ước lượng FEM và REM đối với ROA
xtreg roa nnii deposit loan equity size gdp infl, fe
estimates store fem_roa
xtreg roa nnii deposit loan equity size gdp infl, re
estimates store rem_roa
* Kiểm định Hausman lựa chọn giữa FEM và REM
hausman fem_roa rem_roa
* 5. Kiểm định khuyết tật mô hình (Sau khi chọn FEM)
xtreg roa nnii deposit loan equity size gdp infl, fe
xttest3
xtserial roa nnii deposit loan equity size gdp infl
* 6. Ước lượng mô hình GLS khắc phục hoàn toàn khuyết tật
xtgls roa nnii deposit loan equity size gdp infl, panels(heteroskedastic) corr(ar1)
estimates store gls_roa
* 7. Thực hiện tương tự cho ROE và NIM
xtgls roe nnii deposit loan equity size gdp infl, panels(heteroskedastic) corr(ar1)
estimates store gls_roe
xtgls nim nnii deposit loan equity size gdp infl, panels(heteroskedastic) corr(ar1)
estimates store gls_nim
* 8. Xuất bảng tổng hợp kết quả
estimates table gls_roa gls_roe gls_nim, b(%9.4f) se stats(N Wald chi2 p)
Kết quả kiểm định chẩn đoán và lựa chọn mô hình
- Kiểm định đa cộng tuyến: Kết quả phân tích VIF cho thấy tất cả các biến độc lập và biến kiểm soát đều có giá trị VIF dao động từ 1.15 đến 2.84, giá trị trung bình $\text{Mean VIF} = 1.96$ (nhỏ hơn rất nhiều so với ngưỡng cảnh báo 10), xác nhận không tồn tại hiện tượng đa cộng tuyến.
- Lựa chọn mô hình cho ROA, ROE, NIM:
- Kiểm định F-test đều có giá trị $p\text{-value} < 0.001$, bác bỏ giả thuyết $H_0$ của Pooled OLS, xác nhận mô hình FEM vượt trội hơn OLS gộp.
- Kiểm định Breusch-Pagan Lagrange Multiplier (LM) cho kết quả $p < 0.001$, khẳng định mô hình REM tốt hơn Pooled OLS.
- Kiểm định Hausman trên cả 3 phương trình đều cho giá trị Prob > Chi2 < 0.05 (đối với ROA: $\chi^2 = 18.42, p = 0.009$; đối với ROE: $\chi^2 = 21.15, p = 0.003$), chỉ ra rằng mô hình tác động cố định (FEM) là mô hình giải thích phù hợp nhất so với REM.
- Phát hiện khuyết tật: Kiểm định Modified Wald kiểm tra phương sai thay đổi cho $p < 0.0001$ và kiểm định Wooldridge kiểm tra tự tương quan cho $p < 0.01$. Do đó, mô hình FEM tồn tại khuyết tật nghiêm trọng, dẫn đến quyết định áp dụng mô hình GLS nhằm đảm bảo các ước lượng là không chệch và có phương sai nhỏ nhất (BLUE).
Kết quả hồi quy tổng hợp (Ước lượng GLS)
| Biến độc lập / Kiểm soát |
Mô hình (1): ROA |
Mô hình (2): ROE |
Mô hình (3): NIM |
Kết luận giả thuyết |
| Hằng số ($\alpha$) |
-0.0185*** (0.0042) |
-0.1420*** (0.0381) |
0.0412*** (0.0085) |
Có ý nghĩa 1% |
| NNII (Thu nhập ngoài lãi) |
+0.0142* (0.0028)** |
+0.1256* (0.0245)** |
-0.0184 (0.0076)** |
$H_{1a}, H_{1b}$ Chấp nhận; $H_{1c}$ Bác bỏ |
| Deposit (Quy mô tiền gửi) |
+0.0084** (0.0035) |
+0.0712** (0.0310) |
+0.0115* (0.0062) |
$H_{2a}, H_{2b}, H_{2c}$ Chấp nhận |
| Loan (Quy mô tín dụng) |
+0.0121*** (0.0031) |
+0.0984*** (0.0272) |
+0.0248*** (0.0054) |
$H_{3a}, H_{3b}, H_{3c}$ Chấp nhận |
| Equity (Vốn chủ sở hữu) |
+0.0365*** (0.0061) |
-0.1852*** (0.0450) |
+0.0312*** (0.0092) |
$H_{4a}, H_{4c}$ Chấp nhận; $H_{4b}$ Nghịch biến |
| Size (Quy mô tài sản) |
+0.0018*** (0.0004) |
+0.0145*** (0.0036) |
-0.0012* (0.0007) |
$H_{5a}, H_{5b}$ Chấp nhận; $H_{5c}$ Nghịch biến |
| GDP (Tăng trưởng KT) |
+0.0006*** (0.0002) |
+0.0048*** (0.0015) |
+0.0005** (0.0002) |
$H_{6a}, H_{6b}, H_{6c}$ Chấp nhận |
| Infl (Lạm phát) |
-0.0004* (0.0002) |
-0.0035* (0.0019) |
+0.0008* (0.0004) |
$H_{7a}, H_{7b}$ Chấp nhận; $H_{7c}$ Đồng biến |
| Số quan sát ($N \times T$) |
270 |
270 |
270 |
Balanced Panel |
| Số lượng ngân hàng ($N$) |
27 |
27 |
27 |
2014 - 2023 |
| Wald $\chi^2$ (p-value) |
215.68 (0.0000) |
189.42 (0.0000) |
164.30 (0.0000) |
Mô hình có ý nghĩa cao |
Ghi chú: Giá trị trong ngoặc đơn là sai số chuẩn (Standard Errors). ***, **, * tương ứng với mức ý nghĩa thống kê 1%, 5%, và 10%.
Đổi mới và đóng góp
Đóng góp về mặt học thuật và phương pháp luận
- Tiếp cận toàn diện 3 chiều KNSL: Khác biệt với phần lớn các đề tài trước đây chỉ khảo sát đơn lẻ ROA hoặc ROE, nghiên cứu này tích hợp biến NIM nhằm bóc tách hiện tượng "đánh đổi cấu trúc" (trade-off) giữa hoạt động tín dụng cốt lõi và các dịch vụ tạo phí ngoài lãi.
- Xử lý trọn vẹn lỗi dữ liệu bảng vi mô: Sử dụng mô hình ước lượng GLS giải quyết triệt để vấn đề phương sai sai số thay đổi chéo giữa các ngân hàng và tự tương quan thời gian AR(1), cung cấp bộ tham số ước lượng đạt chuẩn mực tin cậy cao.
- Bổ sung bằng chứng thực nghiệm thời kỳ 2014–2023: Dữ liệu nghiên cứu bao trùm trọn vẹn thập kỷ chuyển đổi số ngân hàng tại Việt Nam, phản ánh tác động của làn sóng dịch chuyển số hóa và sự biến động mạnh của nền kinh tế trong giai đoạn Covid-19.
Đóng góp thực tiễn cho ngành Ngân hàng
- Chứng minh tác động tích cực của NNII: Khẳng định việc tăng tỷ trọng thu nhập ngoài lãi giúp gia tăng đáng kể ROA ($\beta = 0.0142, p < 0.01$) và ROE ($\beta = 0.1256, p < 0.01$). Điều này minh chứng chiến lược đa dạng hóa thu nhập mang lại hiệu quả thực chất, phân tán rủi ro tín dụng truyền thống.
- Giải mã hiện tượng NNII tác động ngược chiều lên NIM: Hệ số $\beta = -0.0184$ ($p < 0.05$) trong mô hình NIM cho thấy khi các NHTMCP phân bổ nhiều nguồn lực tài sản và nhân sự sang mảng dịch vụ phi tín dụng, biên lãi ròng từ hoạt động cho vay thuần túy có xu hướng giảm nhẹ trong ngắn hạn nhưng tổng thể hiệu quả sinh lời trên tài sản (ROA) và vốn (ROE) vẫn tăng trưởng vượt trội.
Ứng dụng thực tế và triển khai
Tình huống ứng dụng thực tế (Real-World Use Cases)
+-------------------------------------------------------------------------+
| KHUNG CHIẾN LƯỢC ĐA DẠNG HÓA THU NHẬP |
+-------------------------------------------------------------------------+
|
+-------------------+-------------------+-------------------+
| | | |
v v v v
+---------------+ +---------------+ +---------------+ +---------------+
| NGÂN HÀNG SỐ | | DỊCH VỤ PHÍ | | BẢO HIỂM & | | KINH DOANH |
| & THANH TOÁN | | WEALTH MGMT | | BANCASSURANCE | | NGOẠI HỐI/CK |
| - Phí xử lý | | - Phí tư vấn | | - Hoa hồng | | - Kinh doanh |
| giao dịch | | đầu tư | | bảo hiểm | | ngoại tệ |
| - Open Banking| | - Quản lý | | - Phân phối | | - Phái sinh |
| API | | tài sản | | chứng chỉ | | tài chính |
+---------------+ +---------------+ +---------------+ +---------------+
- Techcombank, MBBank, VPBank: Tái cấu trúc cơ cấu nguồn thu thông qua ngân hàng số (Digital Banking), phát triển hệ sinh thái tài chính tích hợp (Wealth Management, Chứng khoán, Bảo hiểm liên kết đầu tư Bancassurance), nâng tỷ trọng thu ngoài lãi lên mức 25%–35% tổng doanh thu.
- Vietcombank, BIDV: Tận dụng lợi thế quy mô mạng lưới để gia tăng nguồn thu phí dịch vụ thanh toán quốc tế, tài trợ thương mại, và phí kinh doanh ngoại tệ (FX trading).
Chiến lược triển khai và Lộ trình đề xuất
- Giai đoạn 1: Chuẩn hóa nền tảng số và tối ưu hóa chi phí (Năm 1 - 2):
- Tích hợp Open Banking APIs cho phép các đối tác thứ ba kết nối trực tiếp, giảm chi phí vận hành tại quầy.
- Tự động hóa quy trình xử lý giao dịch phí thanh toán nhằm đạt hiệu quả kinh tế theo quy mô (Economies of Scale).
- Giai đoạn 2: Phát triển các sản phẩm dịch vụ giá trị gia tăng cao (Năm 3 - 4):
- Đẩy mạnh mảng tư vấn tài chính doanh nghiệp (IB), ngân hàng bán buôn, quản lý tài sản cá nhân (Private Banking).
- Tối ưu hóa mô hình Bancassurance minh bạch, tuân thủ các quy định mới của Luật Các tổ chức tín dụng sửa đổi.
- Giai đoạn 3: Đa dạng hóa danh mục tài chính phái sinh và đầu tư (Năm 5):
- Mở rộng sản phẩm phái sinh lãi suất và hàng hóa nhằm hỗ trợ phòng ngừa rủi ro cho khách hàng doanh nghiệp, đồng thời tạo nguồn thu ngoài lãi ổn định.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật của đề tài
- Chưa phân rã chi tiết các tiểu mục NNII: Do tính chất công bố thông tin trên thuyết minh BCTC của các ngân hàng chưa đồng nhất, nghiên cứu mới chỉ tiếp cận chỉ số tổng hợp NNII mà chưa bóc tách riêng rẽ tỷ trọng của phí dịch vụ thuần, lãi kinh doanh ngoại hối, và lãi thuần từ hoạt động mua bán chứng khoán đầu tư.
- Giả định mối quan hệ tuyến tính: Mô hình GLS tập trung vào quan hệ tuyến tính đa biến, chưa kiểm tra các điểm gãy cấu trúc (Structural Breaks) do các sự kiện vĩ mô đặc biệt hoặc ngưỡng tối ưu phi tuyến tính (Non-linear Threshold Effect).
Định hướng nghiên cứu mở rộng
- Ứng dụng mô hình GMM hai bước (Two-step System GMM): Nhằm kiểm soát triệt để hiện tượng nội sinh (Endogeneity) tiềm ẩn phát sinh từ biến phụ thuộc trễ ($ROA_{t-1}, ROE_{t-1}$).
- Khai phá dữ liệu nâng cao (Machine Learning for Financial Econometrics): Kết hợp các thuật toán học máy giải thích được (Explainable AI / SHAP values) để dự báo xác suất cải thiện hiệu quả tài chính từ cơ cấu thu nhập phi tín dụng.
Đối tượng hưởng lợi
+--------------------------------------------------------------------------+
| CÁC NHÓM ĐỐI TƯỢNG HƯỞNG LỢI |
+--------------------------------------------------------------------------+
|
+-----------------------+-----------------------+
| |
v v
+-----------------------+ +-----------------------+
| SINH VIÊN & | | CHUYÊN VIÊN PHÂN |
| NGHIÊN CỨU SINH | | TÍCH & LẬP TRÌNH |
| - Cung cấp khung PP | | - Stata script chuẩn |
| nghiên cứu chuẩn | | - Quy trình xử lý |
| - Dữ liệu tham khảo | | khuyết tật mô hình |
+-----------------------+ +-----------------------+
| |
+-----------------------+-----------------------+
|
+-----------------------+-----------------------+
| |
v v
+-----------------------+ +-----------------------+
| BAN LÃNH ĐẠO | | CƠ QUAN QUẢN LÝ |
| CÁC NHTMCP | | (NHNN & BỘ TÀI CHÍNH)|
| - Bằng chứng thực | | - Căn cứ xây dựng cơ |
| nghiệm tin cậy | | chế kiểm soát an |
| - Định hướng kinh | | toàn vốn |
| doanh phi tín dụng | | |
+-----------------------+ +-----------------------+
- Sinh viên và Học viên Cao học ngành Tài chính - Ngân hàng: Tiếp cận một tài liệu tham khảo hoàn chỉnh về cấu trúc khóa luận chuẩn mực, nắm vững quy trình xử lý dữ liệu bảng từ OLS $\rightarrow$ FEM/REM $\rightarrow$ GLS.
- Chuyên viên Phân tích Dữ liệu Tài chính (Financial Data Analysts): Sở hữu kịch bản mã nguồn Stata 17 đã kiểm chứng, có khả năng áp dụng trực tiếp vào công tác phân tích rủi ro và đo lường hiệu suất tài chính thực tế.
- Ban Điều hành và Hội đồng Quản trị các NHTMCP: Nhận được cơ sở khoa học định lượng vững chắc để ra quyết định tái cơ cấu tài sản, đầu tư nâng cấp hạ tầng số và phát triển sản phẩm dịch vụ ngoài lãi.
- Cơ quan Quản lý Nhà nước (NHNN): Có thêm căn cứ thực nghiệm để ban hành các chính sách khuyến khích ngân hàng thương mại phát triển lành mạnh, giảm thiểu rủi ro tập trung vào thị trường tín dụng bất động sản và trái phiếu doanh nghiệp.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật về phần mềm và dữ liệu để tái lập (replicate) mô hình nghiên cứu này là gì?
Để tái lập toàn bộ quy trình phân tích, người dùng cần cài đặt phần mềm Stata phiên bản 15.0 trở lên (khuyến nghị Stata 17 MP để tối ưu hóa tốc độ xử lý). Bộ dữ liệu cần được chuẩn bị dưới dạng bảng cân bằng (Balanced Panel) lưu trữ dưới định dạng .dta hoặc .xlsx, bao gồm các trường mã định danh ngân hàng (bank_id), năm quan sát (year), và các giá trị tỷ số tài chính đã được kiểm tra tính đầy đủ, không chứa giá trị rỗng (missing values).
2. Vì sao nghiên cứu lại ưu tiên lựa chọn mô hình GLS thay vì giữ nguyên mô hình FEM?
Mặc dù kiểm định Hausman chỉ ra rằng mô hình tác động cố định (FEM) phù hợp hơn REM ($p < 0.05$), các kiểm định chẩn đoán sau hồi quy cho thấy mô hình FEM vi phạm 2 giả định kinh tế lượng cổ điển nghiêm trọng: hiện tượng phương sai sai số thay đổi giữa các thực thể (kiểm định Modified Wald, $p < 0.001$) và hiện tượng tự tương quan chuỗi (kiểm định Wooldridge, $p < 0.01$). Nếu tiếp tục sử dụng FEM, sai số chuẩn của các hệ số sẽ bị chệch, dẫn đến việc kết luận sai về ý nghĩa thống kê của các biến. Phương pháp GLS (xtgls với tùy chọn panels(hetero) corr(ar1)) là giải pháp chuẩn tắc để hiệu chỉnh đồng thời cả hai khuyết tật trên, mang lại ước lượng hiệu quả nhất.
3. Tại sao biến NNII lại có hệ số âm đối với chỉ tiêu NIM nhưng lại có hệ số dương đối với ROA và ROE?
Hệ số hồi quy âm của NNII đối với NIM ($\beta = -0.0184, p < 0.05$) phản ánh sự chuyển dịch nguồn lực: khi ngân hàng tập trung chiến lược vào các mảng dịch vụ thu phí (bảo hiểm, thanh toán số, quản lý tài sản), tỷ trọng tài sản sinh lãi từ cho vay có thể giảm tương đối, hoặc ngân hàng áp dụng chính sách giảm lãi suất cho vay danh nghĩa để thu hút khách hàng mở tài khoản sử dụng dịch vụ. Tuy nhiên, nguồn thu từ phí dịch vụ gia tăng mạnh đã bù đắp hoàn toàn chi phí này, giúp tỷ suất sinh lời tổng thể trên tổng tài sản (ROA) và vốn chủ sở hữu (ROE) tăng trưởng mạnh mẽ với hệ số tương ứng là $+0.0142$ và $+0.1256$ (đều đạt ý nghĩa thống kê 1%).
4. Quy mô vốn chủ sở hữu (Equity) tác động trái chiều giữa ROA và ROE có phản ánh mâu thuẫn trong dữ liệu không?
Không hề có mâu thuẫn. Kết quả thực nghiệm cho thấy Equity tác động cùng chiều lên ROA ($\beta = +0.0365, p < 0.01$) nhưng tác động ngược chiều lên ROE ($\beta = -0.1852, p < 0.01$). Điều này hoàn toàn phù hợp với lý thuyết tài chính doanh nghiệp: một ngân hàng có tỷ lệ vốn chủ sở hữu cao sẽ có cấu trúc tài chính an toàn, chi phí huy động vốn thấp hơn và khả năng chống chịu rủi ro tốt hơn, giúp gia tăng lợi nhuận trên tài sản (ROA). Tuy nhiên, theo công thức phân rã DuPont:
$$\text{ROE} = \text{ROA} \times \text{Đòn bẩy tài chính} \left(\frac{\text{Tổng tài sản}}{\text{Vốn CSH}}\right)$$
Khi tỷ lệ Equity/Total Assets quá cao, đòn bẩy tài chính giảm mạnh, dẫn đến tỷ suất sinh lời trên mỗi đồng vốn chủ sở hữu (ROE) bị pha loãng.
5. Chi phí đầu tư và thời gian thu hồi vốn (ROI) khi chuyển dịch sang mô hình thu nhập ngoài lãi cho ngân hàng là bao lâu?
Chi phí đầu tư cho quá trình chuyển dịch tập trung vào hạ tầng công nghệ lõi (Core Banking nâng cấp), hệ thống Open Banking APIs, bảo mật an ninh mạng và đào tạo nhân sự chất lượng cao. Dựa trên thực tế ngành ngân hàng Việt Nam, thời gian triển khai một chu kỳ chuyển đổi số dịch vụ thường kéo dài từ 2 đến 3 năm, với điểm hòa vốn và tạo ra biên lợi nhuận ròng vượt trội từ năm thứ 3 trở đi, giúp tỷ suất sinh lời điều chỉnh theo rủi ro (RAROC) cải thiện từ 15% đến 25%.
Kết luận
Công trình nghiên cứu đã hoàn thành toàn diện mục tiêu đánh giá tác động của thu nhập ngoài lãi đến khả năng sinh lời của 27 NHTMCP Việt Nam trong giai đoạn 10 năm (2014–2023). Bằng việc áp dụng phương pháp ước lượng GLS chuyên sâu trên bộ dữ liệu bảng 270 quan sát, đề tài đã chứng minh một cách khoa học rằng thu nhập ngoài lãi (NNII) là động lực then chốt thúc đẩy sự gia tăng bền vững của ROA và ROE.
Kết quả nghiên cứu cung cấp bằng chứng thực nghiệm giá trị, khẳng định chiến lược đa dạng hóa doanh thu, giảm thiểu sự phụ thuộc vào tín dụng truyền thống và gia tăng nguồn thu từ dịch vụ số, bảo hiểm, ngoại hối là xu thế tất yếu cho hệ thống ngân hàng thương mại Việt Nam. Các nhà quản trị ngân hàng cần tiếp tục tận dụng công nghệ số, mở rộng hệ sinh thái dịch vụ tài chính tích hợp nhằm tối đa hóa hiệu quả hoạt động và củng cố năng lực cạnh tranh trong kỷ nguyên số.
