Giới thiệu dự án

Thị trường chứng khoán Việt Nam đã trải qua hơn 25 năm hình thành và phát triển, trở thành kênh dẫn vốn trung và dài hạn quan trọng bậc nhất của nền kinh tế. Trong cấu trúc vốn hóa toàn thị trường, nhóm cổ phiếu ngành Ngân hàng Thương mại Cổ phần (NHTMCP) luôn chiếm tỷ trọng chi phối (thường xuyên đóng góp trên 30% tổng giá trị vốn hóa tại sàn HOSE), giữ vai trò "cổ phiếu vua" dẫn dắt xu hướng chỉ số VN-Index. Tuy nhiên, tính thanh khoản cao và quy mô vốn hóa lớn cũng đồng nghĩa với việc nhóm cổ phiếu này chịu độ nhạy cảm cực lớn trước các cú sốc kinh tế vĩ mô và biến động nội tại ngành.

Vấn đề cốt lõi đặt ra là sự bất định của thị trường tài chính khiến việc định giá và dự báo lợi nhuận cổ phiếu gặp nhiều rủi ro. Các nhà đầu tư cá nhân lẫn tổ chức thường thiếu mô hình định lượng chuẩn xác để đánh giá mức độ co giãn của thu nhập doanh nghiệp trước các biến số điều hành tiền tệ. Đề tài "Ảnh hưởng của biến động lãi suất và biến động tỷ giá hối đoái đến thu nhập trên mỗi cổ phiếu của các ngân hàng niêm yết tại Việt Nam" do tác giả Đặng Nguyễn Kim Ngân thực hiện dưới sự hướng dẫn khoa học của TS. Lưu Thu Quang (Trường Đại học Ngân hàng TP. Hồ Chí Minh) đã giải quyết trực diện bài toán này.

                  ┌────────────────────────────────────────┐
                  │      CÁC YẾU TỐ VĨ MÔ & NỘI TẠI        │
                  └──────────────────┬─────────────────────┘
                                     │
         ┌───────────────────────────┼───────────────────────────┐
         ▼                           ▼                           ▼
┌──────────────────┐       ┌──────────────────┐       ┌──────────────────┐
│ Lãi suất (IR)    │       │ Tỷ giá (FX)      │       │ Lạm phát (INT)   │
│ TPCP kỳ hạn 2 năm│       │ Tỷ giá USD/VND   │       │ Chỉ số CPI (GSO) │
└────────┬─────────┘       └────────┬─────────┘       └────────┬─────────┘
         │                          │                          │
         └───────────────────┐      │      ┌───────────────────┘
                             ▼      ▼      ▼
                  ┌─────────────────────────────────────┐
                  │    MÔ HÌNH HỒI QUY DỮ LIỆU BẢNG     │
                  │     (POOLED OLS / FEM / REM)        │
                  └──────────────────┬──────────────────┘
                                     │
         ┌───────────────────────────┴───────────────────────────┐
         ▼                                                       ▼
┌─────────────────────────────────┐             ┌─────────────────────────────────┐
│ Thu nhập trên mỗi cổ phiếu (EPS)│             │ Chỉ số chứng khoán TP.HCM (VNI) │
└─────────────────────────────────┘             └─────────────────────────────────┘

Mục tiêu nghiên cứu được cụ thể hóa thành 4 trọng tâm:

  1. Hệ thống hóa cơ sở lý luận về mối quan hệ giữa biến động lãi suất (IR), tỷ giá hối đoái (FX), lạm phát (INT), tỷ suất sinh lời trên vốn chủ sở hữu (ROE) với tỷ suất thu nhập trên mỗi cổ phiếu (EPS) và chỉ số VN-Index (VNI).
  2. Phân tích thực trạng biến động tài chính vĩ mô và hiệu quả kinh doanh của nhóm NHTMCP niêm yết giai đoạn 2015–2020.
  3. Ứng dụng kỹ thuật kinh tế lượng trên dữ liệu bảng (Panel Data) để đo lường định lượng mức độ tác động của từng biến số thông qua phần mềm Stata 14.
  4. Đưa ra hàm ý chính sách và khuyến nghị thực tiễn giúp nhà đầu tư tối ưu hóa danh mục và hỗ trợ ngân hàng thương mại quản trị rủi ro thanh khoản.

Phạm vi nghiên cứu tập trung vào 9 NHTMCP niêm yết có quy mô lớn và tính đại diện cao trên sàn giao dịch chứng khoán Việt Nam: VCB, BID, CTG, ACB, MBB, EIB, SHB, STB, NVB với 54 quan sát cân bằng qua chuỗi thời gian 6 năm (2015–2020). Giới hạn nghiên cứu nằm ở việc sử dụng dữ liệu thứ cấp thường niên, chưa bao gồm các dữ liệu tần suất cao theo ngày/tháng và các biến số phi tài chính.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước đây, phần lớn các phân tích tại thị trường Việt Nam chủ yếu dựa trên phân tích kỹ thuật thuần túy hoặc mô hình chuỗi thời gian đơn biến (Time-series OLS), dẫn đến việc bỏ qua các đặc tính riêng biệt không đổi theo thời gian của từng ngân hàng.

Phương pháp tiếp cận Ưu điểm Nhược điểm Đánh giá mức độ phù hợp
Hồi quy OLS chuỗi thời gian cổ điển Đơn giản, dễ tính toán, yêu cầu dữ liệu cơ bản. Bỏ qua sự không đồng nhất giữa các đơn vị chéo (individual heterogeneity), dễ xảy ra sai lệch biến bị bỏ sót. Kém phù hợp với dữ liệu ngành ngân hàng đa đơn vị.
Mô hình VECM / ARDL đa biến Đo lường tốt mối quan hệ đồng liên kết và tác động ngắn/dài hạn trên chuỗi thời gian. Đòi hỏi chuỗi thời gian dài (T lớn), không tận dụng được không gian chéo của nhiều đơn vị kinh doanh cùng lúc. Phù hợp phân tích toàn thị trường vĩ mô, không tối ưu cho dữ liệu vi mô ngân hàng.
Hồi quy dữ liệu bảng (Pooled OLS, FEM, REM) Kết hợp không gian và thời gian, kiểm soát biến nội sinh không quan sát được, tăng bậc tự do ($df$) và độ chính xác ước lượng. Phức tạp trong khâu kiểm định lựa chọn mô hình và xử lý khuyết tật phương sai sai số thay đổi / tự tương quan. Tối ưu nhất cho mẫu 9 NHTMCP trong giai đoạn 6 năm.

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW:

  • Must-have: Đo lường tác động của biến lãi suất trái phiếu chính phủ ($IR$) và tỷ giá $USD/VND$ ($FX$) đến $EPS$; thực hiện kiểm định đa cộng tuyến (VIF).
  • Should-have: Bổ sung biến kiểm soát vi mô $ROE$ và biến vĩ mô $INT$ (Lạm phát); so sánh giữa hai biến phụ thuộc $EPS$ và $VNINDEX$.
  • Could-have: Thực hiện kiểm định lựa chọn mô hình chuyên sâu ($F\text{-test}$, $Hausman\text{ test}$, $Breusch\text{-Pagan}$).
  • Won't-have: Ước lượng các mô hình phi tuyến tính phức tạp hoặc tích hợp học máy dự báo chuỗi thời gian trong phạm vi khóa luận cử nhân.

Thiết kế hệ thống

Mô hình nghiên cứu kinh tế lượng được thiết kế chuẩn hóa với hai hàm hồi quy đa biến:

$$\text{VNI}_{i,t} = \beta_0 + \beta_1 \text{FX}_t + \beta_2 \text{IR}t + \beta_3 \text{ROE}{i,t} + \beta_4 \text{INT}t + \varepsilon{i,t} \quad (1)$$

$$\text{EPS}_{i,t} = \beta_0 + \beta_1 \text{FX}_t + \beta_2 \text{IR}t + \beta_3 \text{ROE}{i,t} + \beta_4 \text{INT}t + \varepsilon{i,t} \quad (2)$$

Trong đó:

  • $\text{EPS}_{i,t}$: Thu nhập trên mỗi cổ phiếu của ngân hàng $i$ năm $t$ (Đơn vị: nghìn VNĐ/cổ phiếu). Công thức: $(\text{Lợi nhuận sau thuế} - \text{Cổ tức ưu đãi}) / \text{Lượng cổ phiếu bình quân lưu hành}$.
  • $\text{VNI}_{i,t}$: Chỉ số chứng khoán TP.HCM tại thời điểm kết thúc kỳ tài chính.
  • $\text{FX}_t$: Tỷ giá hối đoái bình quân USD/VND trong năm $t$.
  • $\text{IR}_t$: Biến động lãi suất trái phiếu chính phủ kỳ hạn 2 năm năm $t$ (%).
  • $\text{ROE}_{i,t}$: Lợi nhuận sau thuế trên vốn chủ sở hữu của ngân hàng $i$ năm $t$ (%).
  • $\text{INT}_t$: Tỷ lệ lạm phát bình quân năm $t$ trích xuất từ Tổng cục Thống kê (%).
  • $\varepsilon_{i,t}$: Sai số ngẫu nhiên của mô hình.
graph TD
    A[Nguồn Dữ Liệu Thứ Cấp 2015-2020] --> B[Tiền Xử Lý Dữ Liệu & Làm Sạch]
    B --> C[Bảng Dữ Liệu Bảng Cân Bằng N=9, T=6, Obs=54]
    C --> D[Thống Kê Mô Tả & Ma Trận Tương Quan]
    D --> E[Kiểm Định Đa Cộng Tuyến VIF]
    E --> F[Chạy Mô Hình Pooled OLS]
    E --> G[Chạy Mô Hình Tác Động Cố Định FEM]
    E --> H[Chạy Mô Hình Tác Động Ngẫu Nhiên REM]
    F & G --> I[Kiểm Định F-Test]
    G & H --> J[Kiểm Định Hausman Test]
    I & J --> K[Lựa Chọn Mô Hình Tối Ưu Nhất]
    K --> L[Kết Luận Thực Nghiệm & Hàm Ý Chính Sách]

Technology Stack phục vụ nghiên cứu:

  • Core Engine: Stata 14.0 (StataCorp LLC) - Chuyên dụng cho phân tích kinh tế lượng và hồi quy Panel Data.
  • Data Preparation: Microsoft Excel 2019 - Chuẩn hóa và làm sạch cấu trúc dữ liệu bảng cân bằng (Balanced Panel).
  • Data Source Engine: Dữ liệu tài chính từ Cophieu68.vn, Báo cáo tài chính kiểm toán 9 NHTMCP, Tổng cục Thống kê (GSO) và MSN Money.

Methodology

Phương pháp nghiên cứu áp dụng quy trình định lượng chuẩn mực trong phân tích tài chính ứng dụng:

  1. Thu thập và thẩm định: Thu thập chéo dữ liệu tài chính từ 9 NHTMCP (STB, ACB, SHB, VCB, CTG, NVB, EIB, MBB, BID) trong giai đoạn tái cơ cấu 2015–2020.
  2. Kiểm tra tính tương thích: Đảm bảo toàn bộ 54 quan sát không có ô trống dữ liệu (Missing Values).
  3. Phân tích tương quan & Đa cộng tuyến: Sử dụng hệ số phóng đại phương sai (Variance Inflation Factor - VIF) với ngưỡng chấp nhận $\text{VIF} < 10$.
  4. Quy trình lựa chọn mô hình:
    • Sử dụng $F\text{-test}$ để kiểm định giả thuyết $H_0$ (Pooled OLS phù hợp) so với $H_1$ (FEM phù hợp). Nếu $P\text{-value} < 0.05$, bác bỏ Pooled OLS, ưu tiên FEM.
    • Sử dụng kiểm định Hausman (1978) để kiểm định sự tương quan giữa các hiệu ứng riêng biệt và các biến giải thích ($H_0$: REM tối ưu; $H_1$: FEM tối ưu).
  5. Kiểm soát rủi ro học thuật: Thực hiện kiểm tra tính dừng sơ bộ và đối chiếu chéo các hệ số hồi quy giữa 3 phương pháp để tránh hiện tượng hồi quy giả mạo (Spurious Regression).

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được thực hiện thông qua tập lệnh Stata (.do file) chuẩn hóa. Quy trình xử lý dữ liệu và cấu trúc mã nguồn được thiết lập như sau:

* Thiết lập cấu trúc dữ liệu bảng
clear all
set more off
import excel "bank_panel_data_2015_2020.xlsx", sheet("Data") firstrow
destring id year eps vni fx ir roe int, replace
xtset id year

* 1. Thống kê mô tả dữ liệu
summarize vni eps fx ir roe int
xtsum eps fx ir roe int

* 2. Kiểm tra hiện tượng đa cộng tuyến qua hồi quy OLS
regress eps fx ir roe int
vif

* 3. Hồi quy Pooled OLS, FEM và REM cho mô hình EPS
regress eps fx ir roe int
estimates store pooled_ols

xtreg eps fx ir roe int, fe
estimates store fem

xtreg eps fx ir roe int, re
estimates store rem

* 4. Các kiểm định lựa chọn mô hình
* Kiểm định F-test (được báo cáo trực tiếp ở chân bảng kết quả xtreg, fe)
* Kiểm định Hausman
hausman fem rem

Testing và validation

Kết quả kiểm định hiện tượng đa cộng tuyến cho thấy mô hình hoàn toàn không vi phạm giả định hồi quy tuyến tính cổ điển:

Biến số Variance Inflation Factor (VIF) 1/VIF (Tolerance) Trạng thái đa cộng tuyến
FX (Tỷ giá USD/VND) 2.81 0.3558 Không vi phạm ($\text{VIF} < 10$)
IR (Lãi suất TPCP) 2.14 0.4672 Không vi phạm ($\text{VIF} < 10$)
INT (Lạm phát) 1.87 0.5347 Không vi phạm ($\text{VIF} < 10$)
ROE (Lợi nhuận/Vốn CSH) 1.54 0.6493 Không vi phạm ($\text{VIF} < 10$)
Mean VIF 2.09 0.4784 Mô hình đạt độ tin cậy cao ($\text{Mean VIF} < 3$)

Kết quả các kiểm định lựa chọn mô hình:

  • Kiểm định $F\text{-test}$: Giá trị $Prob > F = 0.0000 < 0.05$, bác bỏ mô hình Pooled OLS, khẳng định mô hình Tác động cố định (FEM) khắc phục tốt hơn sự không đồng nhất giữa các ngân hàng.
  • Kiểm định Hausman: Cho giá trị $P\text{-value} < 0.05$, chỉ ra rằng có sự tương quan giữa phần dư đặc trưng đơn vị với các biến giải thích, qua đó xác nhận mô hình FEM là mô hình giải thích kết quả vững nhất.

Kết quả đạt được

Phân tích số liệu thống kê mô tả 54 quan sát (2015–2020) chỉ ra các chỉ số tài chính chủ chốt:

  • Chỉ số VNI: Giá trị trung bình đạt 864.04 điểm; thấp nhất năm 2015 là 579.03 điểm và cao nhất năm 2020 đạt 1,103.85 điểm (tăng 90.64% sau 6 năm).
  • Thu nhập trên mỗi cổ phiếu (EPS): Giá trị trung bình ngành đạt 1.71 nghìn VNĐ/cổ phiếu. Ngân hàng TMCP Ngoại thương Việt Nam (VCB) đạt đỉnh cao nhất năm 2019 với EPS xấp xỉ 4.5 nghìn VNĐ/cổ phiếu; ngân hàng TMCP Quốc Dân (NVB) thấp nhất năm 2020 với mức dưới 0.1 nghìn VNĐ/cổ phiếu. EPS trung bình toàn ngành có xu hướng giảm nhẹ từ 1.80 nghìn VNĐ (2015) xuống 1.58 nghìn VNĐ (2020) do các ngân hàng liên tục tăng vốn điều lệ và phát hành cổ phiếu thưởng.
  • Lãi suất trái phiếu chính phủ 2 năm (IR): Giảm mạnh từ đỉnh 5.05% (năm 2015) xuống mức đáy 0.47% (năm 2020), phản ánh chính sách nới lỏng tiền tệ hỗ trợ thanh khoản của Ngân hàng Nhà nước (NHNN).
  • Tỷ giá hối đoái USD/VND (FX): Tăng trưởng ổn định từ 22,480 VNĐ (2015) lên 23,190 VNĐ (2018) và duy trì quanh mức 23,170 VNĐ (2020) nhờ cơ chế tỷ giá trung tâm linh hoạt biên độ $\pm 3%$.
  • Lợi nhuận trên vốn chủ sở hữu (ROE): Đạt trung bình 10.37%, cao nhất thuộc về ACB (đạt đỉnh trên 24%) và thấp nhất tại NAB/NVB (giai đoạn tái cấu trúc).
Biến độc lập Tác động kỳ vọng Hệ số hồi quy thực nghiệm (Mô hình EPS) Mức ý nghĩa thống kê ($P\text{-value}$) Kết luận thực nghiệm
Lãi suất (IR) Nghịch chiều ($-$) Âm ($-$) $p < 0.05$ Chấp nhận Giả thuyết 2: Lãi suất tăng làm giảm EPS ngân hàng.
Tỷ giá (FX) Nghịch chiều ($-$) Không có ý nghĩa $p > 0.10$ Bác bỏ Giả thuyết 1: Chưa đủ bằng chứng thực nghiệm về tác động trực tiếp của FX lên EPS.
Lợi nhuận/VCSH (ROE) Cùng chiều ($+$) Dương ($+$) $p < 0.01$ Chấp nhận Giả thuyết 3: ROE tăng trưởng thúc đẩy mạnh mẽ EPS.
Lạm phát (INT) Nghịch chiều ($-$) Âm ($-$) $p < 0.05$ Chấp nhận Giả thuyết 4: Lạm phát gia tăng gây áp lực tiêu cực lên EPS.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và đổi mới phương pháp rõ rệt trong mảng tài chính thực nghiệm:

  • Tiếp cận trực tiếp biến số cốt lõi EPS: Thay vì chỉ tập trung vào biến động giá cổ phiếu trên sàn (vốn chịu ảnh hưởng nặng nề bởi tâm lý đầu cơ ngắn hạn), đề tài đã chọn EPS làm biến phụ thuộc trung tâm. EPS phản ánh thực chất năng lực sinh lời nội tại trên mỗi đơn vị sở hữu của cổ đông, mang lại thước đo giá trị căn bản.
  • Khắc phục nhược điểm phương pháp đơn biến: So sánh với các nghiên cứu trước đây tại Việt Nam (như nghiên cứu chuỗi thời gian của Nguyễn Quyết, 2020 hay mô hình ARDL của Lê Hoàng Phong & Đặng Thị Bạch Vân, 2015), công trình này sử dụng cấu trúc dữ liệu bảng cân bằng (Balanced Panel Data) kết hợp kiểm định Hausman. Cách tiếp cận này loại bỏ các yếu tố bất biến theo thời gian của từng ngân hàng (như văn hóa doanh nghiệp, uy tín thương hiệu lâu năm), giúp ước lượng không bị chệch.
  • Làm rõ tính trung lập của tỷ giá hối đoái: Nghiên cứu chứng minh rằng trong giai đoạn 2015–2020, tỷ giá USD/VND không tác động trực tiếp tiêu cực đến EPS của các NHTMCP niêm yết. Điều này chứng minh hiệu quả vượt bậc của cơ chế điều hành "Tỷ giá trung tâm" theo Quyết định số 2730/QĐ-NHNN ngày 31/12/2015, giúp các ngân hàng thương mại triệt tiêu đáng kể rủi ro trạng thái ngoại hối thông qua các công cụ phái sinh (Forwards, Swaps).

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở dữ liệu và căn cứ khoa học trực tiếp cho ba nhóm đối tượng chính trong nền kinh tế:

graph LR
    subgraph "NHÀ ĐẦU TƯ CÁ NHÂN & QUỸ ĐẦU TƯ"
        A1[Tín hiệu Lãi suất & Lạm phát tăng] --> A2[Giảm tỷ trọng nhóm cổ phiếu Ngân hàng]
        A3[Lọc cổ phiếu theo ROE > 15%] --> A4[Tối ưu hóa lợi nhuận danh mục]
    end
    subgraph "BAN ĐIỀU HÀNH NHTMCP"
        B1[Chính sách Tiền tệ thắt chặt] --> B2[Tái cấu trúc kỳ hạn bảng cân đối ALM]
        B3[Rủi ro Tỷ giá biến động] --> B4[Mở rộng sản phẩm Phái sinh FX Hedging]
    end
    subgraph "CƠ QUAN ĐIỀU HÀNH (NHNN)"
        C1[Mục tiêu kiểm soát Lạm phát < 4%] --> C2[Giữ ổn định EPS & An toàn hệ thống]
        C3[Điều hành Tỷ giá trung tâm] --> C4[Hỗ trợ thanh khoản liên ngân hàng]
    end

  1. Chiến lược phân bổ tài sản cho nhà đầu tư (Asset Allocation):

    • Tín hiệu lãi suất: Khi lãi suất TPCP và lãi suất điều hành có xu hướng tăng, nhà đầu tư nên chủ động hạ tỷ trọng nhóm cổ phiếu ngân hàng trong danh mục do chi phí huy động vốn tăng nhanh hơn khả năng điều chỉnh lãi suất cho vay, làm co hẹp biên lãi thuần (NIM) và kéo tụt EPS.
    • Lựa chọn mã cổ phiếu dựa trên ROE: Ưu tiên các ngân hàng duy trì ROE vượt trội và ổn định (như VCB, ACB, MBB) vì ROE là biến số đồng biến mạnh nhất với EPS ($p < 0.01$).

  2. Quản trị bảng cân đối tài sản nợ - có (ALM) tại các NHTMCP:

    • Xây dựng hệ thống cảnh báo sớm rủi ro lãi suất trên sổ ngân hàng (IRRBB).
    • Tối ưu hóa tỷ lệ tiền gửi không kỳ hạn (CASA) nhằm ghìm cương chi phí vốn khi lãi suất thị trường biến động.
    • Duy trì các giới hạn an toàn hoạt động theo Thông tư 36/2014/TT-NHNN và chuẩn mực Basel II.

  3. Điều hành chính sách tiền tệ vĩ mô:

    • Ngân hàng Nhà nước cần duy trì tính ổn định của môi trường lạm phát (dưới ngưỡng mục tiêu 4%) để bảo toàn năng lực sinh lời của hệ thống tổ chức tín dụng.

Hạn chế và hướng phát triển

Dù đạt được các kết luận định lượng rõ ràng, đề tài vẫn ghi nhận một số hạn chế khách quan:

  • Quy mô mẫu nghiên cứu: Mẫu khảo sát dừng lại ở 9 NHTMCP đại diện trong tổng số hơn 30 ngân hàng thương mại tại Việt Nam. Do đó, kết quả chưa bao quát trọn vẹn nhóm các ngân hàng thương mại cổ phần quy mô nhỏ chưa niêm yết hoặc đang trong diện kiểm soát đặc biệt.
  • Tần suất dữ liệu: Dữ liệu nghiên cứu sử dụng tần suất theo năm ($T=6$), làm giảm bậc tự do so với các tập dữ liệu tần suất quý hoặc tháng.
  • Biến số ngoại sinh phi truyền thống: Mô hình chưa tích hợp biến giả (Dummy variable) đo lường các cú sốc bất đối xứng như đại dịch Covid-19 trong năm 2020 hoặc các chỉ số chất lượng tài sản như tỷ lệ nợ xấu (NPL), tỷ lệ bao phủ nợ xấu (LLR).

Hướng mở rộng đề xuất cho các nghiên cứu tiếp theo:

  1. Mở rộng mẫu nghiên cứu lên toàn bộ các ngân hàng đang giao dịch trên cả 3 sàn HOSE, HNX và UPCoM.
  2. Ứng dụng mô hình GMM (Generalized Method of Moments) hoặc System GMM để kiểm soát triệt để hiện tượng nội sinh động (Dynamic Endogeneity) thường thấy trong chuỗi dữ liệu tài chính ngân hàng.
  3. Bổ sung các chỉ báo về quá trình chuyển đổi số ngân hàng số và các tiêu chuẩn ESG vào mô hình giải thích lợi nhuận cổ phiếu.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp xây dựng mô hình kinh tế lượng dữ liệu bảng (Panel Data) trên phần mềm Stata 14, từ khâu làm sạch dữ liệu đến diễn giải kiểm định $F\text{-test}$ và Hausman.
  • Nhà phân tích tài chính & Quản lý quỹ (Quant/Equity Analysts): Nhận được các hệ số ước lượng thực nghiệm về độ nhạy cảm của chỉ số EPS ngành ngân hàng trước biến động lãi suất và lạm phát, hỗ trợ xây dựng mô hình định giá DCF và P/E chuẩn xác hơn.
  • Ban lãnh đạo NHTMCP: Cung cấp bằng chứng thực nghiệm về tầm quan trọng của chỉ số ROE và kiểm soát rủi ro lãi suất trong việc tối đa hóa giá trị cổ đông.
  • Các nhà nghiên cứu kinh tế vĩ mô: Bổ sung cơ sở dữ liệu thực nghiệm về thị trường tài chính Việt Nam giai đoạn 2015–2020 phục vụ các phân tích so sánh liên quốc gia trong khối ASEAN.

Câu hỏi thường gặp

1. Cần chuẩn bị cấu hình hệ thống và công cụ kỹ thuật nào để tái lập mô hình nghiên cứu này?

Để tái lập nghiên cứu, bạn cần máy tính cài đặt phần mềm Stata phiên bản 14.0 trở lên (hoặc các thư viện Python chuyên dụng như linearmodels, statsmodels và pandas). Cấu hình phần cứng tối thiểu: CPU Dual-Core 2.0 GHz, RAM 4GB và bộ nhớ trống 1GB. Dữ liệu đầu vào cần được tổ chức dưới dạng tệp Excel .xlsx theo cấu trúc bảng dài (Long Format) với 2 cột định danh cố định: id (mã định danh ngân hàng từ 1 đến 9) và year (từ 2015 đến 2020).

2. Giới hạn quy mô mẫu (54 quan sát) có ảnh hưởng đến độ tin cậy của mô hình không?

Mặc dù 54 quan sát ($N=9, T=6$) là cỡ mẫu nhỏ trong dữ liệu vi mô, nhưng đối với hồi quy dữ liệu bảng cân bằng ngành ngân hàng, cỡ mẫu này hoàn toàn thỏa mãn các điều kiện tiệm cận của mô hình tác động cố định (FEM). Hệ số Mean VIF đạt 2.09 (< 3) chứng minh mô hình không bị đa cộng tuyến, đảm bảo tính vững và không chệch của các hệ số ước lượng $\beta$.

3. Tại sao tỷ giá USD/VND trong mô hình lại không cho thấy tác động rõ rệt đến EPS của các ngân hàng?

Thực tế giai đoạn 2015–2020, NHNN áp dụng cơ chế tỷ giá trung tâm linh hoạt hàng ngày kèm biên độ $\pm 3%$, đồng thời các NHTMCP Việt Nam đã chủ động phòng ngừa rủi ro tỷ giá thông qua việc cân bằng trạng thái ngoại hối ròng cuối ngày (luôn duy trì dưới giới hạn quy định của NHNN) và sử dụng hợp đồng kỳ hạn (Forwards). Do đó, sự biến động tỷ giá nhẹ không trực tiếp bào mòn lợi nhuận thuần trên mỗi cổ phiếu.

4. Quy trình bảo trì và cập nhật dữ liệu định kỳ cho mô hình định lượng này như thế nào?

Mô hình cần được cập nhật thường niên ngay sau kỳ công bố báo cáo tài chính kiểm toán (thường vào cuối Quý 1 năm sau). Khi nạp thêm dữ liệu năm mới ($t+1$), người thực hiện cần kiểm tra lại hiện tượng tự tương quan (Autocorrelation) và phương sai thay đổi (Heteroskedasticity) bằng lệnh xttest3 hoặc xtserial trong Stata để quyết định xem có cần sử dụng sai số chuẩn mạnh (Robust Standard Errors / Cluster SE) hay không.

5. Chi phí triển khai và thời gian hoàn vốn (ROI) khi ứng dụng mô hình này vào thực tế đầu tư là bao nhiêu?

Chi phí triển khai mô hình gần như bằng không nếu sử dụng mã nguồn mở Python/R hoặc chỉ tốn chi phí bản quyền phần mềm phân tích Stata. Lợi ích thu lại (ROI) thể hiện ngay trong chu kỳ đầu tư: giúp các nhà quản lý quỹ và nhà đầu tư cá nhân tránh được các đợt sụt giảm tài sản từ 15–30% trong các chu kỳ thắt chặt tiền tệ thông qua việc nhận diện sớm tín hiệu lãi suất tăng để hạ tỷ trọng nhóm cổ phiếu ngân hàng kịp thời.

Kết luận

Khóa luận tốt nghiệp của tác giả Đặng Nguyễn Kim Ngân đã hệ thống hóa và chứng minh bằng phương pháp định lượng mối quan hệ giữa các nhân tố vĩ mô, vi mô với chỉ số thu nhập trên mỗi cổ phiếu (EPS) của 9 NHTMCP niêm yết tại Việt Nam giai đoạn 2015–2020. Nghiên cứu khẳng định: biến động lãi suất trái phiếu chính phủ ($IR$) và tỷ lệ lạm phát ($INT$) có tác động nghịch chiều có ý nghĩa thống kê đến EPS; lợi nhuận trên vốn chủ sở hữu ($ROE$) có tác động cùng chiều mạnh mẽ; trong khi biến động tỷ giá USD/VND ($FX$) không tạo ra sự biến thiên đáng kể lên thu nhập cổ phiếu nhờ chính sách điều hành tỷ giá trung tâm hiệu quả.

Công trình không chỉ mang giá trị học thuật chuẩn mực về mặt phương pháp luận kinh tế lượng dữ liệu bảng mà còn cung cấp khung tham chiếu thực tiễn giá trị cao cho các quyết định phân bổ vốn đầu tư và chiến lược quản trị rủi ro thanh khoản ngân hàng thương mại. Để tối ưu hóa hiệu quả đầu tư và nghiên cứu, bạn đọc có thể áp dụng trực tiếp quy trình kiểm định kinh tế lượng này vào các tập dữ liệu tài chính mở rộng cho toàn ngành ngân hàng trong các giai đoạn kinh tế tiếp theo.