Bối cảnh và vấn đề nghiên cứu

Trong cấu trúc của nền kinh tế thị trường và hệ thống tài chính quốc gia, hệ thống ngân hàng thương mại (NHTM) giữ vai trò trung gian huyết mạch trong việc dẫn vốn phục vụ tái sản xuất xã hội. Mặc dù các NHTM tại Việt Nam đang từng bước đa dạng hóa danh mục sản phẩm – dịch vụ tài chính cho khách hàng cá nhân và doanh nghiệp, hoạt động tín dụng truyền thống vẫn chiếm tỷ trọng chi phối trong cơ cấu tổng doanh thu hoạt động hàng năm. Đi liền với quy mô cấp tín dụng lớn là rủi ro tín dụng tiềm ẩn, trong đó nợ xấu (Non-Performing Loans – NPL) là chỉ tiêu phản ánh trực tiếp chất lượng danh mục tín dụng và độ an toàn hoạt động của từng ngân hàng cũng như toàn hệ thống.

Sự gia tăng của nợ xấu kéo theo nhiều hệ lụy tiêu cực: làm suy giảm lợi nhuận kinh doanh, gia tăng rủi ro thanh khoản, rủi ro lãi suất, làm xói mòn uy tín của tổ chức tín dụng và nghiêm trọng hơn là nguy cơ mất khả năng chi trả dẫn đến phá sản. Ở cấp độ vĩ mô, nợ xấu làm ách tắc dòng vốn lưu thông trong nền kinh tế, suy giảm hiệu quả đầu tư toàn xã hội, gia tăng tỷ lệ thất nghiệp và kìm hãm đà tăng trưởng kinh tế.

Tại Việt Nam, vấn đề xử lý nợ xấu trở thành trọng tâm điều hành của Ngân hàng Nhà nước và Chính phủ, đặc biệt sau giai đoạn tái cơ cấu hệ thống các tổ chức tín dụng. Theo số liệu trích dẫn trong nghiên cứu, tính đến cuối năm 2018, Công ty Quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC) đã mua lại khoảng 340.000 tỷ đồng nợ xấu từ các ngân hàng thông qua công cụ trái phiếu đặc biệt; tuy nhiên tính đến đầu tháng 4/2019, VAMC mới chỉ xử lý được khoảng 190.000 tỷ đồng (tương đương hơn 56% tổng lượng nợ xấu đã mua). Áp lực nợ xấu tập trung cục bộ tại một số đơn vị như Sacombank (với 40.233 tỷ đồng nợ xấu) hay SCB (hơn 26.000 tỷ đồng). Xuất phát từ thực trạng đó, khóa luận tập trung nghiên cứu sự tác động kết hợp của các yếu tố vi mô (nội tại ngân hàng) và vĩ mô (môi trường kinh tế) đến tỷ lệ nợ xấu của các NHTM Việt Nam.

Mục tiêu nghiên cứu:

  • Mục tiêu tổng quát: Nghiên cứu, đánh giá các yếu tố vi mô và vĩ mô tác động đến tỷ lệ nợ xấu của các NHTM tại Việt Nam trong giai đoạn 2010 – 2018.
  • Mục tiêu cụ thể:
    1. Xác định các yếu tố vi mô và vĩ mô phổ biến tác động đến tỷ lệ nợ xấu tại các NHTM Việt Nam.
    2. Phân tích và đánh giá mức độ tác động của các yếu tố vi mô và vĩ mô đến tỷ lệ nợ xấu của các NHTM Việt Nam.
    3. Đề xuất hệ thống giải pháp và khuyến nghị nhằm hạn chế tối đa tỷ lệ nợ xấu cho các NHTM Việt Nam.

Câu hỏi nghiên cứu:

  1. Các yếu tố vi mô và vĩ mô nào thường tác động đến tỷ lệ nợ xấu của các NHTM Việt Nam?
  2. Mức độ tác động của các yếu tố đến tỷ lệ nợ xấu của các NHTM Việt Nam là bao nhiêu (lớn hay nhỏ)?
  3. Những giải pháp nào cần thực hiện nhằm hạn chế tỷ lệ nợ xấu đối với các NHTM tại Việt Nam?

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Tỷ lệ nợ xấu và các yếu tố vi mô, vĩ mô tác động đến tỷ lệ nợ xấu của các NHTM tại Việt Nam (không bao gồm các chi nhánh ngân hàng nước ngoài).
  • Phạm vi không gian: 26 ngân hàng thương mại cổ phần (NHTMCP) hoạt động trên phạm vi lãnh thổ Việt Nam.
  • Phạm vi thời gian: Chuỗi dữ liệu thứ cấp thu thập trong giai đoạn 9 năm, từ năm 2010 đến năm 2018.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý luận dựa trên bản chất của quan hệ tín dụng ngân hàng, lý thuyết dòng tiền tài chính, kênh truyền dẫn tín dụng ngân hàng và các lý thuyết kinh tế vĩ mô về chu kỳ kinh tế, lạm phát và thị trường lao động. Về mặt pháp lý và chuẩn mực kế toán, tác giả đối chiếu khái niệm nợ xấu theo chuẩn mực quốc tế (Hiệp ước Basel II của Ủy ban Basel, chỉ số lành mạnh tài chính FSI của IMF, chuẩn mực kế toán quốc tế IAS 39, nguyên tắc kế toán GAAP của Mỹ) với hệ thống văn bản pháp luật hiện hành tại Việt Nam bao gồm: Quyết định số 22/2014/VBHN-NHNN, Thông tư số 02/2013/TT-NHNN và Thông tư số 14/2014/TT-NHNN.

Theo chuẩn mực tại Việt Nam, các khoản nợ của tổ chức tín dụng được phân loại thành 5 nhóm:

  • Nhóm 1: Nợ đủ tiêu chuẩn.
  • Nhóm 2: Nợ cần chú ý.
  • Nhóm 3: Nợ dưới tiêu chuẩn (quá hạn từ 91 đến 180 ngày).
  • Nhóm 4: Nợ nghi ngờ (quá hạn từ 181 đến 360 ngày).
  • Nhóm 5: Nợ có khả năng mất vốn (quá hạn trên 360 ngày).

Nợ xấu trong nghiên cứu được xác định là tổng dư nợ thuộc các nhóm 3, 4 và 5 theo quy định kế toán Việt Nam (VAS).

Khóa luận kế thừa có chọn lọc các mô hình định lượng từ các công trình nghiên cứu thực nghiệm trong nước (Nguyễn Thị Hồng Vinh, 2015; Lê Phan Thị Diệu Thảo và Bùi Công Duy, 2018; Phạm Dương Phương Thảo và Nguyễn Linh Đan, 2018) và quốc tế (Ekanayake & Azeez, 2015 tại Sri Lanka; Louzis, Vouldis & Metaxas, 2011 tại Hy Lạp; Messai & Jouini, 2013 tại Ý, Hy Lạp, Tây Ban Nha; Dimitrios, Helen & Mike, 2016 tại Châu Âu; Saba, Kouser & Azeem, 2012 tại Mỹ; Warue, 2013 tại Kenya; Khemraj & Pasha, 2009 tại Guyana).

Phương trình mô hình nghiên cứu đề xuất:

$$NPL_{i,t} = \alpha + \beta_1 ROA_{i,t} + \beta_2 LA_{i,t} + \beta_3 OPE_{i,t} + \beta_4 SIZE_{i,t} + \beta_5 \Delta GDP_t + \beta_6 INF_t + \beta_7 UNE_t + \beta_8 ROE_{i,t} + \beta_9 LLP_{i,t} + \varepsilon_{i,t}$$

Ký hiệu biến Tên biến và định nghĩa Cách thức đo lường Kỳ vọng dấu Nguồn tài liệu tham khảo
$NPL_{i,t}$ Tỷ lệ nợ xấu (Biến phụ thuộc) $\frac{\text{Dư nợ nhóm 3, 4, 5}}{\text{Tổng dư nợ cho vay}}$ N/A Phạm Dương Phương Thảo & ctg (2018); Ekanayake & Azeez (2015)
$ROA_{i,t}$ Lợi nhuận trên tổng tài sản $\frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản}}$ $(-)$ Dimitrios & ctg (2016); Ekanayake & Azeez (2015)
$ROE_{i,t}$ Lợi nhuận trên vốn chủ sở hữu $\frac{\text{Lợi nhuận sau thuế}}{\text{Tổng vốn chủ sở hữu}}$ $(-)$ Louzis & ctg (2011); Phạm Dương Phương Thảo & ctg (2018)
$LA_{i,t}$ Tỷ lệ cho vay trên tổng tài sản $\frac{\text{Dư nợ cho vay khách hàng}}{\text{Tổng tài sản}}$ $(+)$ Ekanayake & Azeez (2015); Dimitrios & ctg (2016)
$LLP_{i,t}$ Tỷ lệ trích lập dự phòng rủi ro $\frac{\text{Dự phòng rủi ro cho vay}}{\text{Tổng dư nợ cho vay}}$ $(+)$ Ekanayake & Azeez (2015); Phạm Dương Phương Thảo & ctg (2018)
$OPE_{i,t}$ Tỷ lệ chi phí hoạt động $\frac{\text{Chi phí hoạt động}}{\text{Tổng thu nhập hoạt động}}$ $(+/-)$ Louzis & ctg (2011); Phạm Dương Phương Thảo & ctg (2018)
$SIZE_{i,t}$ Quy mô ngân hàng $\ln(\text{Tổng tài sản})$ $(-)$ Ekanayake & Azeez (2015); Louzis & ctg (2011)
$\Delta GDP_t$ Tốc độ tăng trưởng kinh tế vĩ mô $\frac{GDP_t - GDP_{t-1}}{GDP_{t-1}}$ $(-)$ Louzis & ctg (2011); Ekanayake & Azeez (2015)
$INF_t$ Tỷ lệ lạm phát hàng năm $\frac{CPI_t - CPI_{t-1}}{CPI_{t-1}}$ $(+)$ Phạm Dương Phương Thảo & ctg (2018); Louzis & ctg (2011)
$UNE_t$ Tỷ lệ thất nghiệp của quốc gia Tỷ lệ thất nghiệp hàng năm $(+)$ Louzis & ctg (2011); Dimitrios & ctg (2016)

Phương pháp ước lượng và xử lý dữ liệu:

  1. Thống kê mô tả và phân tích ma trận hệ số tương quan giữa các biến nhằm nhận diện mối quan hệ tuyến tính sơ bộ.
  2. Hồi quy dữ liệu bảng (Panel Data) qua ba mô hình cơ bản: Mô hình hồi quy gộp (Pooled OLS), Mô hình tác động cố định (Fixed Effects Model - FEM) và Mô hình tác động ngẫu nhiên (Random Effects Model - REM).
  3. Thực hiện các kiểm định lựa chọn mô hình và kiểm định khuyết tật:
    • Kiểm định F (F-test) để lựa chọn giữa Pooled OLS và FEM.
    • Kiểm định Breusch-Pagan Lagrange Multiplier (LM test) để lựa chọn giữa Pooled OLS và REM.
    • Kiểm định Hausman để lựa chọn giữa FEM và REM.
    • Kiểm định hệ số phóng đại phương sai (VIF) nhằm kiểm tra hiện tượng đa cộng tuyến.
    • Kiểm định hiện tượng phương sai sai số thay đổi (Heteroskedasticity), tự tương quan (Autocorrelation) và kiểm định nội sinh (Endogeneity).
  4. Sử dụng phương pháp bình phương nhỏ nhất tổng quát (GLS / Feasible GLS) để khắc phục triệt để các khuyết tật phương sai sai số thay đổi và tự tương quan trong dữ liệu bảng; đề cập phương pháp ước lượng mô-men tổng quát (GMM). Công cụ phần mềm hỗ trợ xử lý số liệu là EViews 8.2.

Nguồn dữ liệu:

  • Dữ liệu vi mô được trích xuất từ báo cáo tài chính đã kiểm toán, báo cáo thường niên giai đoạn 2010 – 2018 của 26 NHTMCP Việt Nam (gồm: ACB, ABB, BIDV, CTG, EIB, VCA/Bản Việt, HDBank, Kienlongbank, MBB, MSB, Nam A Bank, NCBank, OCB, PGBank, SCB, SeABank, Saigonbank, SHB, Sacombank, Techcombank, Vietcombank, VIB, VietABank,...).
  • Dữ liệu vĩ mô được thu thập từ Tổng cục Thống kê Việt Nam (GSO), Ngân hàng Thế giới (World Bank - WB), Quỹ Tiền tệ Quốc tế (IMF), Ngân hàng Nhà nước Việt Nam (NHNN) và cổng thông tin tài chính Vietstock.

Nội dung chính theo từng chương

Chương 1: Tổng quan nghiên cứu

Chương mở đầu trình bày tính cấp thiết của đề tài nghiên cứu nợ xấu trong bối cảnh các NHTM Việt Nam đối mặt với áp lực xử lý nợ tồn đọng sau giai đoạn tăng trưởng nóng. Tác giả xác định rõ mục tiêu tổng quát, 3 mục tiêu cụ thể và 3 câu hỏi nghiên cứu tương ứng; xác lập đối tượng nghiên cứu là 26 NHTMCP Việt Nam trong giai đoạn 2010 – 2018. Chương 1 cũng hệ thống hóa bố cục 5 chương của khóa luận, đồng thời nêu bật ý nghĩa khoa học trong việc bổ sung thực nghiệm kinh tế lượng và ý nghĩa thực tiễn đối với công tác quản trị rủi ro tín dụng tại các ngân hàng thương mại.

Chương 2: Cơ sở lý thuyết về nợ xấu và các nghiên cứu liên quan

Chương 2 phân tích chuyên sâu về lý luận tín dụng ngân hàng, quy trình cấp tín dụng và bản chất rủi ro tín dụng. Tác giả tiến hành so sánh đối chiếu định nghĩa nợ xấu theo chuẩn mực kế toán Việt Nam (Quyết định 22/2014/VBHN-NHNN, Thông tư 02/2013/TT-NHNN) với các thông lệ quốc tế (Basel II, FSI, IAS 39, US GAAP). Khóa luận tổng hợp bảng so sánh hệ thống phân loại nợ của nhiều quốc gia trên thế giới (Argentina, Úc, Brazil, Trung Quốc, Đức, Ấn Độ, Indonesia, Nhật Bản, Hàn Quốc, Mexico, Nga, Liên minh Châu Âu, Mỹ).

Phần tổng quan nghiên cứu phân loại thành hai nhánh:

  • Các nghiên cứu trong nước: Đánh giá kết quả của Nguyễn Thị Hồng Vinh (2015), Lê Phan Thị Diệu Thảo & Bùi Công Duy (2018), Phạm Dương Phương Thảo & Nguyễn Linh Đan (2018).
  • Các nghiên cứu nước ngoài: Phân tích các mô hình của Louzis & ctg (2011), Ekanayake & Azeez (2015), Messai & Jouini (2013), Makri & ctg (2012), Warue (2013). Trên cơ sở đó, tác giả xây dựng bảng tổng hợp chiều hướng tác động kỳ vọng của các biến độc lập đến tỷ lệ nợ xấu.

Chương 3: Phương pháp nghiên cứu

Chương 3 thiết lập mô hình kinh tế lượng gồm 9 biến độc lập (6 biến vi mô: ROA, ROE, LA, LLP, OPE, SIZE; 3 biến vĩ mô: $\Delta GDP$, INF, UNE) và 1 biến phụ thuộc ($NPL$). Tác giả định nghĩa chi tiết công thức tính toán, đơn vị đo lường, cơ sở lý thuyết và dấu kỳ vọng cho từng biến số. Chương này mô tả chi tiết quy trình ước lượng dữ liệu bảng bao gồm: hồi quy Pooled OLS, FEM, REM, các kiểm định lựa chọn mô hình (F-test, Breusch-Pagan LM, Hausman test), kiểm định đa cộng tuyến (VIF), kiểm định tự tương quan, hiện tượng nội sinh và kỹ thuật hồi quy bình phương nhỏ nhất tổng quát khả thi (FGLS/GLS). Bảng danh sách 26 NHTMCP nghiên cứu cùng các sự kiện sáp nhập, hợp nhất tiêu biểu trong giai đoạn 2010 – 2018 (như BIDV sáp nhập MHB năm 2015, Sacombank sáp nhập Southern Bank năm 2015, Maritime Bank sáp nhập MDB năm 2015, hợp nhất SCB – Đệ Nhất – Việt Nam Tín Nghĩa năm 2012) cũng được thống kê đầy đủ.

Chương 4: Kết quả nghiên cứu

Chương 4 tập trung vào phân tích định lượng dữ liệu thu thập được từ 26 NHTMCP giai đoạn 2010 – 2018:

  • Phân tích thống kê mô tả diễn biến tỷ lệ nợ xấu của toàn hệ thống tổ chức tín dụng và từng NHTM; khảo sát các đồ thị tương quan giữa nợ xấu với hiệu quả sinh lời, dư nợ cho vay, chi phí hoạt động, trích lập dự phòng, quy mô ngân hàng và các chỉ số kinh tế vĩ mô ($\Delta GDP$, INF, UNE).
  • Ước lượng các mô hình hồi quy Pooled OLS, FEM và REM; thực hiện các kiểm định thống kê chuyên sâu.
  • Sau khi kiểm định khuyết tật mô hình (phát hiện hiện tượng phương sai sai số thay đổi và tự tương quan), tác giả thực hiện ước lượng mô hình GLS để hiệu chỉnh sai số. Kết quả ước lượng GLS chỉ ra:
    • Tỷ lệ trích lập dự phòng rủi ro ($LLP$) có tác động cùng chiều (+) có ý nghĩa thống kê đến tỷ lệ nợ xấu ($NPL$).
    • Tỷ lệ cho vay khách hàng trên tổng tài sản ($LA$) có tác động cùng chiều (+) có ý nghĩa thống kê đến tỷ lệ nợ xấu.
    • Quy mô tổng tài sản của ngân hàng ($SIZE$) có tác động ngược chiều (-) đến tỷ lệ nợ xấu.
    • Tốc độ tăng trưởng kinh tế vĩ mô ($\Delta GDP$) có tác động ngược chiều (-) đến tỷ lệ nợ xấu.
  • Đối chiếu và thảo luận kết quả hồi quy GLS với các nghiên cứu thực nghiệm tiền nhiệm trong và ngoài nước để làm sáng tỏ cơ chế tác động.

Chương 5: Kết luận và khuyến nghị

Chương cuối cùng tổng kết các phát hiện định lượng chính từ Chương 4, đối chiếu mức độ hoàn thành so với mục tiêu nghiên cứu ban đầu. Tác giả đề xuất hệ thống khuyến nghị và hàm ý chính sách dành cho:

  • Ngân hàng Nhà nước và các cơ quan hoạch định chính sách vĩ mô nhằm ổn định hệ thống tài chính.
  • Ban điều hành và cán bộ quản trị rủi ro tín dụng tại các NHTMCP trong việc kiểm soát các chỉ tiêu nội tại (tỷ lệ cấp tín dụng, quy mô tài sản, chi phí trích lập dự phòng). Chương này cũng chỉ rõ các hạn chế còn tồn tại của đề tài và định hướng các nghiên cứu tiếp theo trong tương lai.

Kết quả và đóng góp

1. Kết quả nghiên cứu chính

Từ kết quả ước lượng mô hình hồi quy dữ liệu bảng bằng phương pháp bình phương nhỏ nhất tổng quát (GLS), nghiên cứu đã xác định cụ thể các mối quan hệ tác động sau:

  • Tỷ lệ trích lập dự phòng rủi ro tín dụng ($LLP$): Tác động cùng chiều (+) đến tỷ lệ nợ xấu ($NPL$). Khi tỷ lệ trích lập dự phòng tăng lên, tỷ lệ nợ xấu ghi nhận xu hướng tăng tương ứng. Kết quả này phù hợp với thực tế quản trị khi dự phòng rủi ro là chỉ tiêu phản ánh trực tiếp quy mô các khoản nợ có vấn đề gia tăng trong kỳ, đồng thời phản ánh hiện tượng các NHTM gia tăng trích lập dự phòng nhằm bù đắp tổn thất tín dụng hoặc điều tiết lợi nhuận.
  • Tỷ lệ cho vay trên tổng tài sản ($LA$): Tác động cùng chiều (+) đến tỷ lệ nợ xấu. Việc mở rộng danh mục cho vay khách hàng so với tổng tài sản làm gia tăng mức độ rủi ro tín dụng, đẩy tỷ lệ nợ xấu lên cao nếu không đi kèm quy trình thẩm định chặt chẽ.
  • Quy mô ngân hàng ($SIZE$): Tác động ngược chiều (-) đến tỷ lệ nợ xấu. Các NHTM có quy mô tổng tài sản lớn sở hữu năng lực quản trị rủi ro tốt hơn, khả năng đa dạng hóa danh mục cho vay cao hơn và quy trình kiểm soát tín dụng hiện đại hơn, từ đó duy trì tỷ lệ nợ xấu thấp hơn các ngân hàng quy mô nhỏ.
  • Tốc độ tăng trưởng kinh tế ($\Delta GDP$): Tác động ngược chiều (-) đến tỷ lệ nợ xấu. Khi nền kinh tế tăng trưởng thuận lợi, doanh thu và thu nhập của khách hàng vay vốn (doanh nghiệp và cá nhân) được cải thiện, nâng cao khả năng thanh toán gốc và lãi đúng hạn, làm giảm nợ xấu trong toàn hệ thống ngân hàng.

2. Khuyến nghị và giải pháp đề xuất

  • Đối với Ngân hàng Nhà nước và các cơ quan quản lý:
    • Tăng cường công tác thanh tra, giám sát an toàn vi mô và vĩ mô đối với hoạt động cấp tín dụng của các NHTMCP.
    • Hoàn thiện khung khổ pháp lý về phân loại nợ và trích lập dự phòng rủi ro, bảo đảm phản ánh thực chất chất lượng tài sản của hệ thống.
    • Điều hành chính sách tiền tệ chủ động, linh hoạt nhằm duy trì ổn định kinh tế vĩ mô, hỗ trợ tăng trưởng GDP bền vững.
  • Đối với các Ngân hàng Thương mại Cổ phần:
    • Kiểm soát chặt chẽ tỷ lệ cho vay trên tổng tài sản ($LA$), tránh tăng trưởng tín dụng nóng vượt quá năng lực quản lý rủi ro.
    • Nâng cao chất lượng thẩm định tín dụng ban đầu và giám sát sau giải ngân; tối ưu hóa công tác trích lập dự phòng ($LLP$) minh bạch, đúng quy định.
    • Tận dụng lợi thế quy mô ($SIZE$) thông qua củng cố năng lực tài chính, đầu tư công nghệ thông tin và áp dụng các chuẩn mực quản trị rủi ro hiện đại theo Hiệp ước Basel II.

3. Đóng góp của khóa luận

  • Về mặt học thuật/lý thuyết: Bổ sung bằng chứng thực nghiệm định lượng về mối quan hệ giữa các biến số nội tại ngân hàng, biến số vĩ mô và nợ xấu trong bối cảnh thị trường mới nổi tại Việt Nam giai đoạn 2010 – 2018.
  • Về mặt thực tiễn: Cung cấp cơ sở khoa học giúp các nhà hoạch định chính sách và nhà quản trị ngân hàng nhận diện đúng các nhân tố trọng yếu chi phối nợ xấu, hỗ trợ xây dựng chiến lược kiểm soát rủi ro tín dụng hiệu quả.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu:

  • Thời gian thực hiện khóa luận có hạn (trong vòng 3 tháng) nên phạm vi khảo sát chỉ giới hạn ở 26 NHTMCP, chưa bao quát toàn bộ các chi nhánh ngân hàng nước ngoài, ngân hàng liên doanh và tổ chức tín dụng phi ngân hàng tại Việt Nam.
  • Dữ liệu nghiên cứu dừng lại ở năm 2018, chưa phản ánh các biến động mới của hệ thống ngân hàng trong giai đoạn tiếp theo.
  • Mô hình nghiên cứu chưa đưa vào một số biến số vĩ mô khác có thể có tác động như lãi suất cho vay thực tế, tỷ giá hối đoái, nợ công, hoặc các biến vi mô về cơ cấu sở hữu chi tiết.

Hướng nghiên cứu tiếp theo:

  • Mở rộng phạm vi mẫu nghiên cứu bao gồm toàn bộ hệ thống các tổ chức tín dụng tại Việt Nam và kéo dài chuỗi thời gian dữ liệu đến các năm gần nhất.
  • Bổ sung thêm các biến giải thích mới về môi trường kinh tế, biến động thị trường tài chính và đặc tính quản trị ngân hàng.
  • Áp dụng các phương pháp ước lượng kinh tế lượng dữ liệu bảng động như phương pháp Mô-men tổng quát (Difference GMM, System GMM) để xử lý triệt để hiện tượng nội sinh và độ trễ của nợ xấu.

Giá trị tham khảo

  • Đối tượng thụ hưởng: Tài liệu là nguồn tham khảo hữu ích cho sinh viên, học viên chuyên ngành Tài chính – Ngân hàng, Kinh tế học, Quản trị rủi ro; giảng viên giảng dạy học phần Quản trị Ngân hàng thương mại, Kinh tế lượng ứng dụng; cũng như các chuyên viên phân tích tài chính, cán bộ quản lý tín dụng tại các tổ chức tín dụng.
  • Nội dung giá trị:
    • Phần tổng quan cơ sở lý thuyết và bảng so sánh hệ thống phân loại nợ giữa Việt Nam với các chuẩn mực quốc tế (Basel II, IAS 39, FSI, US GAAP) và 13 quốc gia trên thế giới tại Chương 2.
    • Quy trình xây dựng mô hình kinh tế lượng dữ liệu bảng, phương pháp lựa chọn giữa Pooled OLS, FEM, REM và kỹ thuật xử lý khuyết tật bằng mô hình GLS tại Chương 3 và Chương 4.
    • Hệ thống dữ liệu tổng hợp 26 NHTMCP Việt Nam cùng các thương vụ sáp nhập, hợp nhất ngân hàng tiêu biểu giai đoạn 2010 – 2018.

Câu hỏi thường gặp

1. Nghiên cứu sử dụng mẫu dữ liệu gồm bao nhiêu ngân hàng và trong giai đoạn nào?

Khóa luận sử dụng tập dữ liệu bảng thứ cấp thu thập từ báo cáo tài chính đã kiểm toán của 26 ngân hàng thương mại cổ phần tại Việt Nam trong khoảng thời gian 9 năm, từ năm 2010 đến năm 2018.

2. Nợ xấu trong khóa luận được định nghĩa và phân loại theo căn cứ pháp lý nào tại Việt Nam?

Nợ xấu trong nghiên cứu được định nghĩa theo Quyết định số 22/2014/VBHN-NHNN và Thông tư số 02/2013/TT-NHNN của Ngân hàng Nhà nước Việt Nam, bao gồm các khoản nợ thuộc Nhóm 3 (Nợ dưới tiêu chuẩn), Nhóm 4 (Nợ nghi ngờ) và Nhóm 5 (Nợ có khả năng mất vốn) có thời gian quá hạn thanh toán gốc/lãi từ 91 ngày trở lên.

3. Những yếu tố nào tác động có ý nghĩa thống kê đến tỷ lệ nợ xấu theo kết quả ước lượng mô hình GLS?

Kết quả hồi quy GLS chỉ ra 4 yếu tố tác động có ý nghĩa thống kê:

  • Tác động cùng chiều (+): Tỷ lệ trích lập dự phòng rủi ro tín dụng ($LLP$) và Tỷ lệ các khoản cho vay khách hàng trên tổng tài sản ($LA$).
  • Tác động ngược chiều (-): Quy mô tổng tài sản của ngân hàng ($SIZE$) và Tốc độ tăng trưởng kinh tế ($\Delta GDP$).

4. Quy mô ngân hàng ($SIZE$) ảnh hưởng như thế nào đến tỷ lệ nợ xấu trong nghiên cứu này?

Biến quy mô ngân hàng ($SIZE$, đo bằng logarit tự nhiên của tổng tài sản) có mối tương quan ngược chiều (-) với tỷ lệ nợ xấu. Điều này phản ánh các ngân hàng có quy mô tài sản lớn hơn thường có năng lực quản trị rủi ro tốt hơn, quy trình kiểm soát nội bộ chặt chẽ và danh mục cho vay đa dạng hơn, giúp kiềm chế tỷ lệ nợ xấu hiệu quả hơn so với ngân hàng quy mô nhỏ.

5. Tác giả đã sử dụng những mô hình và kỹ thuật kinh tế lượng nào để xử lý dữ liệu bảng?

Nghiên cứu áp dụng các mô hình hồi quy dữ liệu bảng bao gồm Pooled OLS, FEM (Mô hình tác động cố định) và REM (Mô hình tác động ngẫu nhiên). Sau khi thực hiện các kiểm định lựa chọn mô hình (F-test, Breusch-Pagan LM, Hausman) và phát hiện các khuyết tật (phương sai sai số thay đổi, tự tương quan), tác giả sử dụng mô hình hồi quy bình phương nhỏ nhất tổng quát (GLS/FGLS) trên phần mềm EViews 8.2 để thu được kết quả ước lượng vững và hiệu quả.

Kết luận

Khóa luận tốt nghiệp của tác giả Dương Bình Minh là công trình nghiên cứu thực nghiệm có hệ thống về các nhân tố vi mô và vĩ mô tác động đến tỷ lệ nợ xấu của 26 NHTMCP Việt Nam giai đoạn 2010 – 2018. Bằng việc áp dụng phương pháp hồi quy dữ liệu bảng và mô hình bình phương nhỏ nhất tổng quát (GLS), nghiên cứu đã chứng minh thực nghiệm vai trò làm tăng nợ xấu của tỷ lệ trích lập dự phòng ($LLP$) và tỷ lệ cho vay ($LA$), đồng thời chỉ ra tác động kiềm chế nợ xấu của quy mô ngân hàng ($SIZE$) và tăng trưởng kinh tế ($\Delta GDP$). Các kết quả định lượng đạt được cung cấp luận cứ khoa học tin cậy phục vụ công tác hoạch định chính sách tiền tệ của cơ quan quản lý và nâng cao hiệu quả quản trị rủi ro tín dụng tại các ngân hàng thương mại.