Giới thiệu dự án

Trong cấu trúc hệ thống tài chính Việt Nam, hệ thống Ngân hàng Thương mại Cổ phần (NHTMCP) đóng vai trò huyết mạch cung ứng vốn cho toàn bộ nền kinh tế. Hoạt động tín dụng truyền thống vẫn chiếm tỷ trọng chi phối từ 70% đến 85% tổng thu nhập của các ngân hàng. Trong bối cảnh nền kinh tế chịu nhiều biến động chu kỳ và tác động từ đại dịch COVID-19 (tăng trưởng GDP năm 2020 đạt 2,91% và năm 2021 đạt 2,58%), việc kiểm soát biên độ sinh lời từ hoạt động huy động và cho vay trở thành yêu cầu sống còn. Tỷ lệ thu nhập lãi cận biên (Net Interest Margin - NIM) là chỉ số cốt lõi phản ánh đồng thời hiệu quả quản trị tài sản có sinh lời, chi phí vốn và khả năng tối ưu hóa chính sách định giá lãi suất của ngân hàng thương mại.

NIM = (Thu nhập lãi thuần) / (Tổng tài sản sinh lời bình quân)
    = (Tổng thu nhập từ lãi - Tổng chi phí trả lãi) / (Tài sản sinh lời bình quân)

Vấn đề đặt ra là sự biến động phức tạp của môi trường vĩ mô (lạm phát, tốc độ tăng trưởng GDP) kết hợp với các áp lực nội tại (chất lượng tín dụng, quy mô vốn chủ sở hữu, cấu trúc tiền gửi, chi phí vận hành và rủi ro thanh khoản) khiến biên độ NIM của các NHTMCP phân hóa mạnh. Một số ngân hàng duy trì được NIM cao nhờ lợi thế chi phí vốn rẻ (CASA), trong khi nhiều ngân hàng đối mặt với tình trạng thu hẹp biên lãi do áp lực nợ xấu tăng cao và cạnh tranh lãi suất gay gắt.

Mục tiêu nghiên cứu của dự án được xác định cụ thể:

  1. Hệ thống hóa cơ sở lý luận kinh tế lượng và khung phân tích thực nghiệm về tỷ lệ thu nhập lãi cận biên và các nhân tố quyết định trong hệ thống ngân hàng.
  2. Xây dựng tập dữ liệu bảng cân bằng (Balanced Panel Data) gồm 26 NHTMCP Việt Nam trong giai đoạn 13 năm liên tục (2009 – 2021) với tổng cộng 338 quan sát.
  3. Ứng dụng các kỹ thuật kinh tế lượng nâng cao (Pooled OLS, Fixed Effects Model - FEM, Random Effects Model - REM và Feasible Generalized Least Squares - FGLS/GLS) để lượng hóa chính xác chiều hướng và mức độ tác động của 9 nhân tố vi mô và vĩ mô đến NIM.
  4. Kiểm định và xử lý triệt để các khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan chuỗi).
  5. Đề xuất hệ thống giải pháp định lượng thực tiễn giúp các NHTMCP Việt Nam quản trị thanh khoản, kiểm soát chi phí hoạt động và mở rộng biên lãi an toàn.

Phạm vi nghiên cứu tập trung vào 26 NHTMCP nội địa tại Việt Nam có đầy đủ báo cáo tài chính kiểm toán giai đoạn 2009 – 2021; loại trừ các ngân hàng liên doanh, ngân hàng 100% vốn nước ngoài và các ngân hàng bị kiểm soát đặc biệt thiếu tính liên tục về dữ liệu.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh ưu điểm và nhược điểm của các phương pháp định lượng truyền thống so với phương pháp kinh tế lượng dữ liệu bảng nâng cao trong phân tích tài chính ngân hàng:

Phương pháp phân tích Mô tả kỹ thuật Ưu điểm Hạn chế / Rủi ro
Phân tích chỉ số tài chính đơn lẻ (Financial Ratio Analysis) So sánh tĩnh DuPont, CAMELS từng năm Đơn giản, trực quan, dễ tính toán trên Excel Bỏ qua tương tác chéo giữa các biến; không kiểm soát được yếu tố thời gian và độ trễ
Hồi quy gộp OLS (Pooled OLS) Hồi quy tuyến tính gộp toàn bộ 338 quan sát Dễ ước lượng hệ số tổng quát toàn ngành Vi phạm giả định $Cov(X_{it}, u_{it}) = 0$; gây chệch hệ số do bỏ sót đặc trưng riêng của từng ngân hàng
Mô hình tác động cố định / ngẫu nhiên (FEM/REM) Kiểm soát hiệu ứng đặc thù từng ngân hàng $C_i$ Bóc tách được biến động bất biến theo thời gian của từng NHTM Vẫn bị sai lệch tiêu chuẩn nếu tồn tại hiện tượng phương sai thay đổi và tự tương quan
Bình phương tối thiểu tổng quát khả thi (FGLS - Đề xuất) Ma trận hiệp phương sai sai số tổng quát $\Omega$ Khắc phục hoàn toàn phương sai thay đổi đa cụm và tự tương quan bậc nhất $AR(1)$ Đòi hỏi dữ liệu bảng cân bằng với số lượng quan sát $N \times T$ đủ lớn

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

  • Must-have: Tập dữ liệu chuẩn hóa 26 ngân hàng $\times$ 13 năm (338 quan sát); các kiểm định lựa chọn mô hình (F-test, Breusch-Pagan LM test, Hausman test); kiểm định khuyết tật mô hình (Wooldridge test cho tự tương quan, Modified Wald test cho phương sai thay đổi).
  • Should-have: Mô hình hồi quy FGLS/GLS điều chỉnh sai số chuẩn vững; phân tích ma trận hệ số tương quan Pearson; kiểm định hệ số phóng đại phương sai (VIF).
  • Could-have: Đồ thị hóa xu hướng biến thiên chuỗi thời gian của NIM, CAP, OC, LIQ giai đoạn 2009 – 2021.
  • Won't-have (Giai đoạn này): Xử lý nội sinh động bậc cao bằng GMM hai bước (Arellano-Bond) dành cho mô hình trễ bậc 2.

Thiết kế hệ thống

Mô hình kinh tế lượng tổng quát được thiết kế dưới dạng hàm đa biến:

$$NIM_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 CAP_{it} + \beta_3 OC_{it} + \beta_4 LIQ_{it} + \beta_5 DEP_{it} + \beta_6 NPL_{it} + \beta_7 NI_{it} + \beta_8 GDP_{it} + \beta_9 INF_{it} + \varepsilon_{it}$$

Trong đó, cấu trúc dữ liệu và các biến nghiên cứu được thiết kế như sau:

[Báo cáo tài chính kiểm toán 26 NHTM (Vietstock)]  +  [Dữ liệu vĩ mô (World Bank Open Data)]

Công thức toán học chi tiết của các biến trong mô hình:

- Biến phụ thuộc:
  + NIM_it = (Thu_Nhap_Lai - Chi_Phi_Lai) / Tai_San_Sinh_Loi_Binh_Quan

- Biến độc lập vi mô (Bank-specific variables):
  + SIZE_it = ln(Tong_Tai_San)
  + CAP_it  = Tong_Von_Chu_So_Huu / Tong_Tai_San
  + OC_it   = Chi_Phi_Hoat_Dong / Tong_Tai_San
  + LIQ_it  = Tai_San_Thanh_Khoan / Tong_Tai_San
  + DEP_it  = Tien_Gui_Khach_Hang / Tong_Tai_San
  + NPL_it  = Tong_No_Xau (Nhom 3,4,5) / Tong_Du_No_Cho_Vay
  + NI_it   = Thu_Nhap_Ngoai_Lai / Tong_Tai_San

- Biến độc lập vĩ mô (Macroeconomic variables):
  + GDP_it  = Toc_Do_Tang_Truong_GDP_Thuc_Te_Hang_Nam
  + INF_it  = Toc_Do_Tang_Chi_So_Gia_Tieu_Dung_CPI_Hang_Nam

Methodology

Phương pháp nghiên cứu tuân thủ quy trình kinh tế lượng nghiêm ngặt:

  1. Thu thập và làm sạch dữ liệu: Trích xuất dữ liệu tài chính từ Vietstock Finance Database và dữ liệu vĩ mô từ World Bank Open Data giai đoạn 2009 – 2021.
  2. Thống kê mô tả & Ma trận tương quan: Đánh giá giá trị trung bình (Mean), độ lệch chuẩn (Std. Dev), giá trị nhỏ nhất (Min), lớn nhất (Max) và hệ số tương quan đơn giữa các biến độc lập để phát hiện sớm đa cộng tuyến ($r > 0,8$).
  3. Ước lượng đa mô hình:
    • Pooled OLS: $y_{it} = \alpha + \beta X_{it} + u_{it}$
    • FEM (Fixed Effects): $y_{it} = \alpha_i + \beta X_{it} + u_{it}$ (khử hiệu ứng cố định bằng biến đổi Within Transformation)
    • REM (Random Effects): $y_{it} = \alpha + \beta X_{it} + (\mu_i + u_{it})$ (ước lượng Generalized Least Squares)
  4. Kiểm định lựa chọn mô hình:
    • F-test ($H_0$: Pooled OLS phù hợp vs $H_1$: FEM phù hợp).
    • Breusch-Pagan Lagrange Multiplier Test ($H_0$: Pooled OLS phù hợp vs $H_1$: REM phù hợp).
    • Hausman Test ($H_0$: REM phù hợp vs $H_1$: FEM phù hợp).
  5. Kiểm định và xử lý khuyết tật mô hình:
    • Kiểm định đa cộng tuyến: Variance Inflation Factor (VIF < 10).
    • Kiểm định phương sai thay đổi: Modified Wald Test cho FEM hoặc White test.
    • Kiểm định tự tương quan: Wooldridge Test cho dữ liệu bảng ($H_0$: không có tự tương quan bậc 1).
    • Xử lý khuyết tật: Áp dụng phương pháp ước lượng bình phương tối thiểu tổng quát (GLS/FGLS) với cấu trúc ma trận phương sai sai số dị sai và tự tương quan dạng pan-panel.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được lập trình và thực thi tự động hóa hoàn toàn thông qua Stata Do-File Script trên phần mềm Stata 14.0 MP:

*-------------------------------------------------------------------------------
* STATA SCRIPT: PHAN TICH HOI QUY PANEL DATA VE TY LE NIM (2009 - 2021)
* TAC GIA: LE VO THUY NGA - GVHD: TS. PHAN THI LINH
*-------------------------------------------------------------------------------

clear all
set more off

* 1. Nhap du lieu va thiet lap cau truc Panel Data
import excel using "Dataset_NHTM_2009_2021.xlsx", sheet("Data") firstrow clear
destring Bank_ID Year NIM SIZE CAP OC LIQ DEP NPL NI GDP INF, replace
xtset Bank_ID Year

* 2. Thong ke mo ta va ma tran tuong quan
summarize NIM SIZE CAP OC LIQ DEP NPL NI GDP INF
pwcorr NIM SIZE CAP OC LIQ DEP NPL NI GDP INF, sig star(0.05)

* 3. Kiem dinh da cong tuyen (VIF) qua hoi quy OLS
regress NIM SIZE CAP OC LIQ DEP NPL NI GDP INF
vif

* 4. Uoc luong mo hinh Pooled OLS, FEM va REM
regress NIM SIZE CAP OC LIQ DEP NPL NI GDP INF
estimates store POOLED_OLS

xtreg NIM SIZE CAP OC LIQ DEP NPL NI GDP INF, fe
estimates store FIXED_EFFECTS

xtreg NIM SIZE CAP OC LIQ DEP NPL NI GDP INF, re
estimates store RANDOM_EFFECTS

* 5. Kiem dinh lua chon mo hinh
* Kiem dinh Breusch-Pagan LM giua Pooled OLS va REM
xttest0

* Kiem dinh Hausman giua FEM va REM
hausman FIXED_EFFECTS RANDOM_EFFECTS

* 6. Kiem dinh khuyet tat mo hinh (tren mo hinh duoc chon la FEM)
* Kiem dinh phuong sai thay doi (Modified Wald test for groupwise heteroskedasticity)
xtreg NIM SIZE CAP OC LIQ DEP NPL NI GDP INF, fe
xttest3

* Kiem dinh tu tuong quan bac 1 (Wooldridge test for autocorrelation in panel data)
xtserial NIM SIZE CAP OC LIQ DEP NPL NI GDP INF

* 7. Uoc luong mo hinh GLS / FGLS khac phuc triet de khuyet tat
xtgls NIM SIZE CAP OC LIQ DEP NPL NI GDP INF, panels(hetero) corr(ar1)
estimates store GLS_FINAL

* Xuat ket qua so sanh tong hop
estimates table POOLED_OLS FIXED_EFFECTS RANDOM_EFFECTS GLS_FINAL, b(%9.4f) se stats(N r2 F)

Testing và validation

Kết quả thống kê mô tả 338 quan sát từ 26 NHTMCP Việt Nam (2009 – 2021):

Biến số Ký hiệu Giá trị trung bình (Mean) Độ lệch chuẩn (Std. Dev.) Giá trị nhỏ nhất (Min) Giá trị lớn nhất (Max)
Tỷ lệ thu nhập lãi cận biên NIM 3,20% 1,18% -0,70% 11,45%
Quy mô ngân hàng SIZE 8,011 0,524 6,522 9,350
Quy mô vốn chủ sở hữu CAP 9,60% 4,28% 3,12% 24,80%
Chi phí hoạt động OC 1,53% 0,75% 0,50% 4,20%
Tính thanh khoản LIQ 18,60% 8,45% 1,20% 61,03%
Tỷ lệ tiền gửi DEP 68,40% 12,30% 28,50% 89,20%
Tỷ lệ nợ xấu NPL 2,15% 1,42% 0,25% 8,90%
Thu nhập ngoài lãi NI 0,85% 0,48% -0,15% 3,20%
Tăng trưởng GDP GDP 5,95% 1,82% 2,58% 7,08%
Tỷ lệ lạm phát INF 5,22% 4,15% 0,63% 18,58%

Kết quả các kiểm định chẩn đoán kinh tế lượng:

  1. Kiểm định đa cộng tuyến (VIF): Giá trị VIF của tất cả các biến độc lập đều nhỏ hơn 3.0 (giá trị trung bình VIF = 1.68), chứng minh mô hình không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.
  2. Kiểm định Breusch-Pagan LM: $\text{Prob} > \text{chibar2} = 0,0000 < 0,05 \rightarrow$ Mô hình REM vượt trội hoàn toàn so với Pooled OLS.
  3. Kiểm định Hausman: Giá trị $\chi^2 = 38,42$ với $\text{Prob} > \chi^2 = 0,0000 < 0,05 \rightarrow$ Bác bỏ $H_0$, lựa chọn mô hình Fixed Effects Model (FEM).
  4. Kiểm định Modified Wald (Phương sai thay đổi): $\chi^2(26) = 1428,56$ với $p\text{-value} = 0,0000 < 0,05 \rightarrow$ Mô hình FEM bị khuyết tật phương sai sai số thay đổi giữa các ngân hàng.
  5. Kiểm định Wooldridge (Tự tương quan): $F(1, 25) = 18,742$ với $\text{Prob} > F = 0,0002 < 0,05 \rightarrow$ Mô hình tồn tại hiện tượng tự tương quan bậc 1 $AR(1)$.

Kết quả đạt được

Để khắc phục đồng thời hiện tượng phương sai thay đổi và tự tương quan bậc nhất, mô hình Feasible Generalized Least Squares (FGLS/GLS) với cấu trúc panels(hetero) corr(ar1) được chọn làm mô hình kết luận cuối cùng:

Biến giải thích Ký hiệu Hệ số hồi quy GLS ($\beta$) Sai số chuẩn (Std. Err.) Giá trị thống kê z Mức ý nghĩa ($p$-value) Chiều tác động thực tế Kỳ vọng ban đầu
Quy mô ngân hàng SIZE -0,0042 0,0011 -3,82 0,0001*** Ngược chiều (-) Ngược chiều (-)
Vốn chủ sở hữu CAP +0,0584 0,0125 4,67 0,0000*** Cùng chiều (+) Cùng chiều (+)
Chi phí hoạt động OC +0,4215 0,0618 6,82 0,0000*** Cùng chiều (+) Cùng chiều (+)
Tính thanh khoản LIQ -0,0168 0,0054 -3,11 0,0019*** Ngược chiều (-) Ngược chiều (-)
Tỷ lệ tiền gửi DEP -0,0085 0,0032 -2,66 0,0078*** Ngược chiều (-) Ngược chiều (-)
Tỷ lệ nợ xấu NPL -0,0742 0,0215 -3,45 0,0006*** Ngược chiều (-) Ngược chiều (-)
Thu nhập ngoài lãi NI -0,1850 0,0520 -3,56 0,0004*** Ngược chiều (-) Ngược chiều (-)
Tăng trưởng GDP GDP -0,0124 0,0061 -2,03 0,0424** Ngược chiều (-) Ngược chiều (-)
Lạm phát CPI INF +0,0218 0,0048 4,54 0,0000*** Cùng chiều (+) Cùng chiều (+)
Hệ số chặn _cons +0,0412 0,0095 4,34 0,0000*** - -

(Ghi chú: *** $p < 0,01$, ** $p < 0,05$. Số quan sát $N = 338$, Số cụm ngân hàng $n = 26$, Chi-square toàn mô hình $\chi^2(9) = 384,62$, $p = 0,0000$.)

Thảo luận chi tiết ý nghĩa kinh tế lượng:

  • SIZE ($\beta = -0,0042, p < 0,01$): Quy mô tài sản tăng 1 đơn vị logarit làm giảm NIM 0,42%. Các ngân hàng lớn có xu hướng đa dạng hóa tài sản an toàn với lợi suất thấp hơn và chịu chi phí quản lý bộ máy lớn.
  • CAP ($\beta = +0,0584, p < 0,01$): Vốn chủ sở hữu trên tổng tài sản tăng 1% giúp NIM tăng 0,0584%. Tỷ lệ an toàn vốn cao giúp ngân hàng giảm chi phí huy động vốn rủi ro và nâng cao năng lực định giá cho vay.
  • OC ($\beta = +0,4215, p < 0,01$): Chi phí hoạt động tăng 1% làm NIM tăng 0,4215%. Ngân hàng có xu hướng chuyển chi phí vận hành vào lãi suất cho vay khách hàng để bù đắp chi phí kinh doanh.
  • LIQ ($\beta = -0,0168, p < 0,01$): Dự trữ thanh khoản cao làm giảm biên lãi do tài sản thanh khoản (tiền mặt, tiền gửi NHNN) có lãi suất sinh lời cận biên rất thấp.
  • NPL ($\beta = -0,0742, p < 0,01$): Nợ xấu tăng 1% làm giảm NIM 0,0742% do ngân hàng phải thoái thu lãi dự thu và tăng chi phí trích lập dự phòng rủi ro tín dụng.
  • INF ($\beta = +0,0218, p < 0,01$): Lạm phát tăng kích hoạt việc điều chỉnh tăng lãi suất cho vay danh nghĩa nhanh hơn tốc độ điều chỉnh chi phí lãi huy động.

Đổi mới và đóng góp

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

  1. Khung mẫu dữ liệu hoàn chỉnh giai đoạn dài 13 năm (2009 – 2021): Khắc phục hạn chế của các nghiên cứu trước đây vốn chỉ tập trung trong giai đoạn ngắn 4-8 năm (ví dụ: Cao Hồng Phúc 2016 giai đoạn 2008-2015; Đặng Thị Xuân Hồng 2017 giai đoạn 2008-2016). Nghiên cứu bao hàm toàn bộ chu kỳ tái cơ cấu ngân hàng sau khủng hoảng nợ xấu 2011-2015 và giai đoạn ứng phó đại dịch COVID-19 (2020-2021).
  2. Quy trình xử lý khuyết tật kinh tế lượng vững chắc: So sánh đối chiếu trực tiếp giữa 4 mô hình (Pooled OLS, FEM, REM, FGLS). Việc chứng minh sự tồn tại của phương sai thay đổi liên cụm và tự tương quan bậc 1 bằng kiểm định Modified Wald và Wooldridge test đã ngăn chặn hoàn toàn hiện tượng suy diễn sai lầm thống kê thường gặp ở mô hình OLS đơn giản.
  3. Phát hiện thực nghiệm về mối quan hệ bù trừ giữa Thu nhập ngoài lãi và NIM: Chứng minh hệ số âm có ý nghĩa thống kê cao của biến NI ($\beta = -0,1850$), khẳng định xu hướng chuyển dịch cơ cấu thu nhập sang phi tín dụng (Bancassurance, thanh toán số, phí dịch vụ tài sản) là động lực chiến lược giúp giảm áp lực phụ thuộc vào biên lãi thuần.
  4. So sánh tương quan học thuật với các công trình tiêu biểu:
Tiêu chí so sánh Hassan Hamadi & Ali Awdeh (2012) Bektas (2014) Nguyen Duy Suu et al. (2020) Khóa luận này (Lê Võ Thuý Nga, 2022)
Không gian nghiên cứu Hệ thống NHTM Lebanon 24 NHTM Thổ Nhĩ Kỳ NHTM Việt Nam (308 quan sát) 26 NHTMCP Việt Nam (338 quan sát)
Khung thời gian 1996 – 2009 (14 năm) 2003 – 2009 (7 năm) 2008 – 2018 (11 năm) 2009 – 2021 (13 năm)
Phương pháp chính Panel OLS / Fixed Effects Panel Regression (OLS) FEM / REM / GLS Balanced Panel FGLS Robust AR(1)
Tác động của Vốn (CAP) Ngược chiều (-) Cùng chiều (+) Không đáng kể Cùng chiều (+) ($\beta = +0,0584$)
Tác động của Nợ xấu (NPL) Ngược chiều (-) Không phân tích Ngược chiều (-) Ngược chiều (-) ($\beta = -0,0742$)
Xử lý khuyết tật đa cụm Cơ bản Hạn chế GLS cơ bản FGLS khắc phục Hetero + AR(1)

Ứng dụng thực tế và triển khai

Dựa trên các hệ số kinh tế lượng thu được từ mô hình GLS, các NHTMCP Việt Nam có thể triển khai hệ thống 5 giải pháp quản trị chiến lược:

  1. Quản trị an toàn vốn và quy mô vốn chủ sở hữu (CAP): Tận dụng tác động tích cực của CAP ($\beta = +0,0584$) bằng cách giữ lại lợi nhuận sau thuế tái bổ sung vốn tự có, phát hành cổ phiếu thưởng và trái phiếu chuyển đổi cấp 2 để đáp ứng chuẩn mực Basel II và hướng tới Basel III.
  2. Cơ cấu lại nguồn vốn huy động và đẩy mạnh tỷ lệ CASA: Giảm bớt tỷ trọng huy động tiền gửi kỳ hạn dài lãi suất cao (DEP: $\beta = -0,0085$), thay vào đó tập trung phát triển ngân hàng số và hệ sinh thái thanh toán không tiền mặt để gia tăng tiền gửi không kỳ hạn (CASA) với chi phí chỉ 0,2% – 0,8%/năm.
  3. Nâng cao chất lượng thẩm định và thu hồi nợ xấu (NPL): Do nợ xấu tác động tiêu cực mạnh nhất đến NIM ($\beta = -0,0742$), ngân hàng cần thiết lập hệ thống chấm điểm tín dụng nội bộ ứng dụng Machine Learning, xử lý nhanh các khoản nợ nhóm 2 và trích lập dự phòng đầy đủ để khơi thông dòng tiền tái cho vay.
  4. Tinh gọn bộ máy và chuyển đổi số giảm chi phí vận hành (OC): Dù OC mang hệ số dương do chuyển chi phí sang lãi suất, nhưng trong bối cảnh cạnh tranh minh bạch lãi suất ngày nay, ngân hàng nào tối ưu được tỷ lệ Cost-to-Income (CIR) qua tự động hóa RPA và Core Banking hiện đại sẽ tạo dư địa hạ lãi suất cho vay cạnh tranh mà vẫn duy trì NIM vượt trội.

Hạn chế và hướng phát triển

Nghiên cứu thẳng thắn nhìn nhận một số hạn chế học thuật:

  • Giới hạn biến số nội sinh: Mô hình FGLS tĩnh chưa kiểm soát được tính trễ của biến phụ thuộc ($NIM_{it-1}$) và hiện tượng nội sinh tiềm tàng giữa tỷ lệ nợ xấu (NPL) với tỷ lệ cho vay.
  • Phạm vi dữ liệu: Chưa bao quát được các ngân hàng thương mại có vốn nhà nước chiếm chi phối ở mức độ phân tách chuyên biệt (Big 4) so với khối ngân hàng tư nhân siêu nhỏ.
  • Biến số thị trường: Chưa đưa vào các biến số đo lường mức độ tập trung thị trường (chỉ số Herfindahl-Hirschman Index - HHI) và chỉ số sức mạnh thị trường (Lerner Index) do hạn chế nguồn dữ liệu giao dịch liên ngân hàng.

Hướng nghiên cứu mở rộng tiếp theo:

  1. Ứng dụng mô hình hồi quy động GMM hai bước sai phân hệ thống (Two-step System GMM - Arellano-Bover/Blundell-Bond) để ước lượng mô hình có biến trễ $NIM_{t-1}$.
  2. Phân tích tác động phi tuyến tính (Threshold Regression) của quy mô ngân hàng SIZE và tỷ lệ vốn CAP lên biên thu nhập lãi thuần.
  3. Mở rộng khung dữ liệu sau đại dịch đến giai đoạn 2022 – 2025 gắn với chu kỳ thắt chặt tiền tệ toàn cầu của Fed và Ngân hàng Nhà nước Việt Nam.

Đối tượng hưởng lợi

  • Sinh viên và Học viên Cao học ngành Tài chính - Ngân hàng / Kinh tế lượng: Cung cấp tài liệu mẫu mực về quy trình phân tích dữ liệu bảng (Panel Data), bộ cú pháp lệnh Stata 14.0 hoàn chỉnh và kỹ thuật kiểm định chẩn đoán khuyết tật mô hình.
  • Chuyên viên Phân tích Dữ liệu và Kỹ sư Tài chính (Quant Analysts): Nắm vững phương pháp luận xây dựng chỉ số tài chính vi mô, làm sạch dữ liệu chuỗi thời gian - không gian chéo và mô hình hóa rủi ro biên lãi suất.
  • Nhà quản trị Ngân hàng Thương mại (BOD & ALCO Committee): Sử dụng các hệ số co giãn lượng hóa từ nghiên cứu để hoạch định chính sách cân đối tài sản Nợ - tài sản Có (ALM), định giá chuyển vốn nội bộ (FTP) và thiết lập chỉ tiêu tỷ lệ CASA mục tiêu.
  • Cơ quan Quản lý Nhà nước (Ngân hàng Nhà nước Việt Nam): Tham khảo bằng chứng thực nghiệm về phản ứng của hệ thống ngân hàng trước biến động lạm phát và tăng trưởng GDP để điều hành linh hoạt trần lãi suất huy động và room tăng trưởng tín dụng.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn phương pháp FGLS thay vì giữ nguyên mô hình FEM sau kiểm định Hausman?

Mặc dù kiểm định Hausman xác nhận mô hình FEM phù hợp hơn REM ($\text{Prob} < 0,05$), nhưng các kiểm định chẩn đoán sau hồi quy cho thấy mô hình FEM vi phạm 2 giả định kinh tế lượng căn bản: kiểm định Modified Wald xác nhận có hiện tượng phương sai thay đổi giữa 26 ngân hàng ($\chi^2 = 1428,56, p = 0,0000$) và kiểm định Wooldridge xác nhận có tự tương quan chuỗi bậc 1 ($F = 18,742, p = 0,0002$). Mô hình FGLS (Feasible Generalized Least Squares) là phương pháp tối ưu giúp hiệu chỉnh ma trận hiệp phương sai sai số, đảm bảo hệ số ước lượng đạt tính chất BLUE (Best Linear Unbiased Estimator).

2. Ý nghĩa của mối quan hệ ngược chiều giữa quy mô ngân hàng (SIZE) và NIM là gì?

Hệ số hồi quy âm có ý nghĩa thống kê của SIZE ($\beta = -0,0042, p < 0,01$) phản ánh rằng khi tổng tài sản tăng lên, các ngân hàng quy mô lớn thường mở rộng sang các phân khúc khách hàng doanh nghiệp lớn (Corporate) và đầu tư chứng khoán chính phủ an toàn với biên lãi suất thấp hơn so với phân khúc bán lẻ rủi ro cao. Đồng thời, các ngân hàng lớn chịu chi phí quản lý phức tạp và áp lực duy trì lượng dự trữ thanh khoản khổng lồ.

3. Làm thế nào để tái lập (reproduce) toàn bộ kết quả nghiên cứu này?

Để tái lập kết quả, người dùng cần:

  • Môi trường phần mềm: Stata 14.0 MP hoặc cao hơn (hoặc thư viện plm / nlme trong R).
  • Tập dữ liệu: Bảng cân đối kế toán và Báo cáo kết quả kinh doanh kiểm toán của 26 NHTMCP Việt Nam (2009 – 2021) được trích xuất từ Vietstock Finance, kết hợp với bộ chỉ số GDP/CPI từ World Bank WDI.
  • Thực thi toàn bộ tệp lệnh .do được cung cấp chi tiết trong phần Development process.

4. Tại sao tỷ lệ nợ xấu (NPL) lại kéo giảm tỷ lệ NIM mạnh mẽ?

Nợ xấu (NPL với $\beta = -0,0742$) tác động tiêu cực đến NIM qua hai cơ chế tài chính: (1) Theo quy định kế toán ngân hàng, các khoản nợ từ nhóm 2 đến nhóm 5 bị ngừng dự thu lãi, làm giảm trực tiếp mẫu số thu nhập lãi thuần; (2) Ngân hàng phải trích lập dự phòng rủi ro tín dụng và gánh chịu chi phí xử lý tài sản bảo đảm kéo dài, làm giảm tổng tài sản sinh lời hiệu dụng.

5. Khuyến nghị trọng tâm nhất cho các ngân hàng vừa và nhỏ tại Việt Nam là gì?

Đối với các ngân hàng quy mô vốn nhỏ, chiến lược quan trọng nhất là tập trung nâng cao hệ số an toàn vốn (CAP) thông qua tích lũy lợi nhuận và mở rộng phân khúc bán lẻ/SME có tỷ suất sinh lời cao, kết hợp số hóa giao dịch để hút dòng vốn rẻ CASA, tránh cuộc đua tăng lãi suất huy động tiền gửi truyền thống (DEP) làm bào mòn biên lãi thuần.

Kết luận

Công trình nghiên cứu tốt nghiệp của tác giả Lê Võ Thuý Nga (dưới sự hướng dẫn khoa học của TS. Phan Thị Linh - Trường Đại học Ngân hàng TP. Hồ Chí Minh) đã giải quyết trọn vẹn và chuẩn xác bài toán lượng hóa các yếu tố tác động đến tỷ lệ thu nhập lãi cận biên (NIM) của 26 NHTMCP Việt Nam trong giai đoạn 2009 – 2021.

Thông qua quy trình phân tích kinh tế lượng dữ liệu bảng đa biến chuẩn mực, vượt qua các kiểm định khuyết tật mô hình nghiêm ngặt bằng phương pháp ước lượng FGLS vững, đề tài đã chỉ ra bằng chứng thực nghiệm vững chắc: Vốn chủ sở hữu (CAP), Chi phí hoạt động (OC) và Lạm phát (INF) có tác động cùng chiều; trong khi Quy mô tài sản (SIZE), Thanh khoản (LIQ), Tỷ lệ tiền gửi (DEP), Nợ xấu (NPL), Thu nhập ngoài lãi (NI) và Tăng trưởng kinh tế (GDP) có tác động ngược chiều đến NIM.

Kết quả này không chỉ đóng góp tài liệu học thuật giá trị cho chuyên ngành Tài chính - Ngân hàng mà còn cung cấp cơ sở định lượng trực tiếp để ban lãnh đạo các ngân hàng thương mại và cơ quan quản lý hoạch định chính sách quản trị bảng cân đối kế toán an toàn, bền vững và hiệu quả.