Xác Định Nhân Tố Ảnh Hưởng Đến Nợ Xấu Tại Ngân Hàng Thương Mại Cổ Phần Kỹ Thương Việt Nam

Bài viết phân tích các nhân tố ảnh hưởng đến nợ xấu tại ngân hàng thương mại cổ phần kỹ thương Việt Nam, cung cấp cái nhìn sâu sắc về vấn đề này.

• Tác giả: Hoàng Mai Anh
• Người hướng dẫn: PGS.TS Lê Thị Tuấn Nghĩa
• Trường học: Học viện Ngân hàng
• Chuyên ngành: Ngân hàng
• Đề tài: Xác định các nhân tố ảnh hưởng đến nợ xấu tại ngân hàng thương mại cổ phần kỹ thương việt nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• MỤC LỤC
• DANH MỤC VIẾT TẮT
• DANH MỤC BẢNG
• DANH MỤC HÌNH VẼ
• LỜI MỞ ĐẦU
• 0.1. Tính cấp thiết của đề tài
• 0.2. Tổng quan nghiên cứu
• 0.2.1. Các nghiên cứu ở nước ngoài
• 0.2.2. Các nghiên cứu ở Việt Nam
• 0.3. Khoảng trống nghiên cứu
• 0.4. Mục tiêu nghiên cứu
• 0.4.1. Mục tiêu chung
• 0.4.2. Mục tiêu cụ thể
• 0.5. Câu hỏi nghiên cứu
• 0.6. Đối tượng và phạm vi nghiên cứu
• 0.7. Phương pháp nghiên cứu
• 0.7.1. Phương pháp định tính
• 0.7.2. Phương pháp định lượng
• 0.8. Kết cấu bài nghiên cứu
• 1. CHƯƠNG 1: LÝ LUẬN CHUNG VỀ NỢ XẤU VÀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU
• 1.1. Cơ sở lý luận về nợ xấu
• 1.1.1. Khái niệm nợ xấu
• 1.1.2. Phân loại nợ xấu
• 1.1.3. Nguyên nhân gây ra nợ xấu
• 1.1.3.1. Nguyên nhân khách quan
• 1.1.3.2. Nguyên nhân chủ quan
• 1.1.4. Chỉ tiêu phản ánh nợ xấu
• 1.1.5. Tác động của nợ xấu
• 1.2. Các nhân tố ảnh hưởng đến nợ xấu
• 1.2.1. Nhân tố vi mô
• 1.2.2. Nhân tố vĩ mô
• 1.3. KẾT LUẬN CHƯƠNG 1
• 2. CHƯƠNG 2: THỰC TRẠNG NỢ XẤU TẠI NGÂN HÀNG TMCP KỸ THƯƠNG VIỆT NAM
• 2.1. Giới thiệu về Ngân hàng TMCP Kỹ Thương
• 2.1.1. Sơ lược quá trình hình thành và phát triển
• 2.1.2. Cơ cấu tổ chức quản lý
• 2.2. Tình hình hoạt động kinh doanh của Ngân hàng TMCP Kỹ Thương giai đoạn 2016-2020
• 2.2.1. Về huy động vốn
• 2.2.2. Về hoạt động tín dụng
• 2.2.3. Về kết quả hoạt động kinh doanh
• 2.3. Cơ cấu nợ xấu
• 2.4. Tỷ lệ nợ xấu trên tổng dư nợ
• 2.5. Tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ
• 2.6. Tỷ lệ các khoản dự phòng rủi ro tín dụng trên nợ xấu
• 2.7. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: ĐO LƯỜNG VÀ ĐÁNH GIÁ CÁC NHÂN TỐ ẢNH HƯỞNG TỚI NỢ XẤU TẠI NGÂN HÀNG TMCP KỸ THƯƠNG VIỆT NAM
• 3.1. Dữ liệu nghiên cứu
• 3.2. Phương pháp nghiên cứu
• 3.3. Lựa chọn mô hình
• 3.4. Thống kê mô tả mô hình hồi quy
• 3.5. Kiểm định giả thuyết mô hình nghiên cứu
• 3.5.1. Phân tích tương quan
• 3.5.2. Phân tích hồi quy bội
• 3.5.2.1. Kiểm định mức độ phù hợp của mô hình
• 3.5.2.2. Kiểm định đa cộng tuyến
• 3.5.2.3. Kiểm định tự tương quan
• 3.5.2.4. Kiểm định phương sai sai số thay đổi
• 3.5.2.5. Kiểm định hệ số hồi quy
• 3.5.3. Kết quả nghiên cứu
• 3.6. KẾT LUẬN CHƯƠNG 3
• 4. CHƯƠNG 4: GIẢI PHÁP VÀ KIẾN NGHỊ VỀ QUẢN LÝ NỢ XẤU THÔNG QUA CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU TẠI NGÂN HÀNG TMCP KỸ THƯƠNG VIỆT NAM
• 4.1. Định hướng phát triển của Ngân hàng TMCP Kỹ Thương Việt Nam trong thời gian tới
• 4.2. Định hướng quản lý nợ xấu của Ngân hàng TMCP Kỹ Thương Việt Nam trong thời gian tới
• 4.3. Giải pháp hạn chế nợ xấu tại Ngân hàng TMCP Kỹ Thương Việt Nam
• 4.4. Một số kiến nghị, đề xuất
• 4.4.1. Kiến nghị với Chính phủ
• 4.4.2. Kiến nghị với NHNN
• 4.5. KẾT LUẬN CHƯƠNG 4
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nợ xấu tại Ngân hàng TMCP Kỹ Thương Việt Nam

Nợ xấu là một trong những vấn đề nghiêm trọng mà các ngân hàng thương mại phải đối mặt. Tại Ngân hàng TMCP Kỹ Thương Việt Nam, nợ xấu không chỉ ảnh hưởng đến hoạt động kinh doanh mà còn tác động đến sự ổn định của toàn bộ hệ thống tài chính. Việc xác định các nhân tố ảnh hưởng đến nợ xấu là cần thiết để có những giải pháp quản lý hiệu quả.

1.1. Khái niệm và phân loại nợ xấu

Nợ xấu được định nghĩa là các khoản vay mà khách hàng không thể trả nợ đúng hạn. Phân loại nợ xấu bao gồm nợ nhóm 1 (đủ khả năng trả nợ), nợ nhóm 2 (có khả năng trả nợ nhưng có rủi ro), và nợ nhóm 3 trở lên (không có khả năng trả nợ).

1.2. Tác động của nợ xấu đến ngân hàng

Nợ xấu ảnh hưởng trực tiếp đến lợi nhuận và khả năng thanh khoản của ngân hàng. Tỷ lệ nợ xấu cao có thể dẫn đến việc ngân hàng phải trích lập dự phòng rủi ro, từ đó làm giảm lợi nhuận và ảnh hưởng đến khả năng cho vay.

II. Các nhân tố ảnh hưởng đến nợ xấu tại ngân hàng thương mại

Nhiều nhân tố có thể tác động đến tình hình nợ xấu tại Ngân hàng TMCP Kỹ Thương Việt Nam. Các nhân tố này có thể được chia thành hai nhóm chính: nhân tố vi mô và nhân tố vĩ mô. Việc phân tích các nhân tố này giúp ngân hàng có cái nhìn tổng quan hơn về tình hình nợ xấu.

2.1. Nhân tố vi mô ảnh hưởng đến nợ xấu

Nhân tố vi mô bao gồm các yếu tố như chất lượng tín dụng, quy trình thẩm định cho vay và khả năng quản lý rủi ro của ngân hàng. Những yếu tố này quyết định đến khả năng thu hồi nợ và giảm thiểu nợ xấu.

2.2. Nhân tố vĩ mô ảnh hưởng đến nợ xấu

Nhân tố vĩ mô bao gồm tình hình kinh tế, lãi suất, và chính sách tiền tệ. Khi nền kinh tế gặp khó khăn, tỷ lệ thất nghiệp tăng cao, điều này có thể dẫn đến gia tăng nợ xấu tại ngân hàng.

III. Phương pháp nghiên cứu các nhân tố ảnh hưởng đến nợ xấu

Để xác định các nhân tố ảnh hưởng đến nợ xấu, nghiên cứu sử dụng phương pháp hồi quy bội. Phương pháp này cho phép phân tích mối quan hệ giữa các biến độc lập và biến phụ thuộc, từ đó đưa ra kết luận chính xác hơn.

3.1. Dữ liệu nghiên cứu

Dữ liệu được thu thập từ báo cáo tài chính của Ngân hàng TMCP Kỹ Thương Việt Nam trong giai đoạn 2016-2020. Các chỉ tiêu như tỷ lệ nợ xấu, tỷ lệ dự phòng rủi ro tín dụng được sử dụng để phân tích.

3.2. Phân tích hồi quy bội

Phân tích hồi quy bội giúp xác định mức độ ảnh hưởng của các nhân tố đến nợ xấu. Kết quả phân tích sẽ chỉ ra những yếu tố nào có tác động mạnh nhất đến tình hình nợ xấu tại ngân hàng.

IV. Kết quả nghiên cứu về nợ xấu tại ngân hàng

Kết quả nghiên cứu cho thấy có nhiều nhân tố ảnh hưởng đến nợ xấu tại Ngân hàng TMCP Kỹ Thương Việt Nam. Những yếu tố này không chỉ bao gồm các yếu tố nội tại của ngân hàng mà còn chịu ảnh hưởng từ môi trường kinh tế bên ngoài.

4.1. Tác động của nhân tố vi mô

Các yếu tố như quy trình thẩm định cho vay và chất lượng tín dụng có tác động lớn đến tỷ lệ nợ xấu. Ngân hàng cần cải thiện quy trình này để giảm thiểu rủi ro.

4.2. Tác động của nhân tố vĩ mô

Tình hình kinh tế vĩ mô như lãi suất và tỷ lệ thất nghiệp cũng có ảnh hưởng đáng kể đến nợ xấu. Ngân hàng cần theo dõi sát sao các yếu tố này để có biện pháp ứng phó kịp thời.

V. Giải pháp quản lý nợ xấu tại ngân hàng thương mại

Để giảm thiểu nợ xấu, Ngân hàng TMCP Kỹ Thương Việt Nam cần triển khai các giải pháp quản lý hiệu quả. Những giải pháp này không chỉ giúp cải thiện tình hình nợ xấu mà còn nâng cao hiệu quả hoạt động của ngân hàng.

5.1. Cải thiện quy trình thẩm định cho vay

Ngân hàng cần nâng cao chất lượng quy trình thẩm định cho vay để đảm bảo chỉ cấp tín dụng cho những khách hàng có khả năng trả nợ tốt.

5.2. Tăng cường quản lý rủi ro tín dụng

Việc áp dụng các công cụ quản lý rủi ro tín dụng hiện đại sẽ giúp ngân hàng phát hiện sớm các dấu hiệu của nợ xấu và có biện pháp xử lý kịp thời.

VI. Kết luận và triển vọng tương lai về nợ xấu

Nợ xấu là một vấn đề phức tạp và cần được quản lý chặt chẽ. Ngân hàng TMCP Kỹ Thương Việt Nam cần có những chiến lược dài hạn để giảm thiểu nợ xấu và đảm bảo sự phát triển bền vững.

6.1. Tương lai của nợ xấu tại ngân hàng

Dự báo rằng nợ xấu sẽ tiếp tục là một thách thức lớn trong tương lai, đặc biệt trong bối cảnh kinh tế không ổn định. Ngân hàng cần chuẩn bị các phương án ứng phó.

6.2. Đề xuất chính sách quản lý nợ xấu

Cần có các chính sách hỗ trợ từ Chính phủ và Ngân hàng Nhà nước để giúp ngân hàng quản lý nợ xấu hiệu quả hơn, từ đó ổn định hệ thống tài chính.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Hệ thống ngân hàng thương mại Việt Nam vận hành theo nguyên lý chuỗi mắt xích: khi một ngân hàng gặp khó khăn, tác động lan truyền sang toàn ngành và kéo theo hệ lụy kinh tế - xã hội. Trong bối cảnh đó, rủi ro tín dụng — được đo lường chủ yếu qua tỷ lệ nợ xấu — nổi lên như một vấn đề quản trị ưu tiên. Giai đoạn 2016–2020, tỷ lệ nợ xấu nội bảng toàn hệ thống ngân hàng Việt Nam biến động theo xu hướng giảm dần rồi tăng trở lại: từ 2,46% năm 2016 xuống 1,99% năm 2017, 1,91% năm 2018, 1,63% năm 2019, và tăng lên 1,76% năm 2020 — năm đại dịch Covid-19 làm đình trệ sản xuất kinh doanh và xói mòn nguồn trả nợ của khách hàng. Nợ xấu trở thành một trong những chỉ tiêu mà ngành ngân hàng không hoàn thành trong kế hoạch giai đoạn này.

Riêng đối với Ngân hàng TMCP Kỹ Thương Việt Nam (Techcombank), giai đoạn 2016–2020 gắn với tham vọng chiến lược trở thành "Ngân hàng dẫn dắt đời sống tài chính của người Việt Nam và là ngân hàng số 1 Việt Nam". Các nghiên cứu trước về nợ xấu tại Techcombank chưa lượng hóa mức độ tác động của từng nhân tố lên tỷ lệ nợ xấu của riêng ngân hàng này, chưa cập nhật bối cảnh chính sách Basel II và các quy định pháp lý mới nhất. Khoảng trống đó là nền tảng để tác giả Hoàng Mai Anh (Học viện Ngân hàng, khóa 2018–2022) thực hiện đề tài.

Mục tiêu nghiên cứu được xác định gồm bốn nhiệm vụ cụ thể:

1. Hệ thống hóa lý luận chung về nợ xấu và các nhân tố tác động.
2. Phân tích thực trạng nợ xấu tại Ngân hàng TMCP Kỹ Thương giai đoạn 2016–2020.
3. Đo lường mức độ ảnh hưởng của các nhân tố lên tỷ lệ nợ xấu.
4. Đề xuất kiến nghị, giải pháp nâng cao công tác quản lý và hạn chế nợ xấu tại Techcombank.

Câu hỏi nghiên cứu: Diễn biến thực tế nợ xấu của Techcombank giai đoạn 2016–2020 ra sao? Những yếu tố nào tác động và tác động như thế nào? Biện pháp nào phù hợp để giảm thiểu nợ xấu?

Đối tượng nghiên cứu: Các nhân tố tác động đến nợ xấu tại Ngân hàng TMCP Kỹ Thương Việt Nam.

Phạm vi nghiên cứu:

• Không gian: Ngân hàng TMCP Kỹ Thương Việt Nam (Techcombank).
• Thời gian: Dữ liệu theo quý từ Quý I/2016 đến Quý IV/2020 (5 năm liên tục, tổng cộng 20 quan sát theo quý).

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và văn bản pháp lý

Khóa luận xây dựng khung lý luận dựa trên các quan điểm định nghĩa và phân loại nợ xấu từ nhiều tổ chức quốc tế và trong nước:

Tổ chức	Tiêu chí nhận diện nợ xấu
Quỹ Tiền tệ Quốc tế (IMF)	Quá hạn gốc hoặc lãi ≥ 90 ngày, hoặc có dấu hiệu rõ ràng không hoàn trả được
Ủy ban Basel về Giám sát Ngân hàng (BCBS)	Người vay không có khả năng trả nợ hoặc quá hạn > 90 ngày
Nhóm chuyên gia tư vấn (AEG)	Quá hạn lãi/gốc > 90 ngày, hoặc có lý do nghi ngờ khả năng thanh toán
Chuẩn mực kế toán quốc tế (IAS 39)	Khoản nợ bị giảm giá trị (Impaired), không nhất thiết phải quá hạn 90 ngày
Việt Nam – TT số 11/2021/TT-NHNN	Nợ xấu nội bảng gồm nợ thuộc nhóm 3, 4 và 5

Hệ thống phân loại nợ theo 5 nhóm được đối chiếu từ Ngân hàng Thế giới (2015), Ngân hàng Thanh toán Quốc tế (BIS, 2017) và quy định Việt Nam (TT số 11/2021/TT-NHNN). Tỷ lệ trích lập dự phòng cụ thể tại Việt Nam theo nhóm nợ: Nhóm 1 = 0%, Nhóm 2 = 5%, Nhóm 3 = 20%, Nhóm 4 = 50%, Nhóm 5 = 100%.

Các chỉ tiêu đo lường nợ xấu được khóa luận vận dụng bao gồm: tổng nợ xấu (giá trị tuyệt đối), tỷ lệ nợ xấu trên tổng dư nợ (NPL ratio), tỷ lệ dự phòng RRTD trên tổng dư nợ, và tỷ lệ dự phòng RRTD trên tổng nợ xấu.

Các nhân tố ảnh hưởng được tổng hợp từ nhiều nghiên cứu quốc tế và trong nước, chia thành hai nhóm:

• Nhân tố vi mô (đặc trưng ngân hàng): tốc độ tăng trưởng tín dụng, quy mô ngân hàng, tỷ lệ lợi nhuận trên tổng tài sản (ROA), tỷ lệ vốn chủ sở hữu trên tổng tài sản, dự phòng RRTD, tỷ lệ nợ xấu năm trước, ứng dụng công nghệ.
• Nhân tố vĩ mô: tốc độ tăng trưởng kinh tế (GDP), tỷ lệ thất nghiệp, lãi suất thực cho vay, lạm phát/CPI.

Phương pháp nghiên cứu

Khóa luận kết hợp hai phương pháp:

Phương pháp định tính: So sánh số liệu giữa các năm từ báo cáo tài chính theo quý và báo cáo thường niên của Techcombank giai đoạn 2016–2020 nhằm đánh giá diễn biến nợ xấu và tình hình kinh doanh.

Phương pháp định lượng: Ước lượng mô hình hồi quy tuyến tính bội bằng phương pháp bình phương nhỏ nhất thông thường (Ordinary Least Squares – OLS) trên phần mềm IBM SPSS Statistics 20. Sau khi xây dựng mô hình, tác giả thực hiện các kiểm định: mức độ phù hợp tổng thể, đa cộng tuyến (VIF), tự tương quan (Durbin-Watson), phương sai sai số thay đổi, và kiểm định ý nghĩa thống kê từng hệ số hồi quy.

Nguồn dữ liệu

• Dữ liệu vi mô: Báo cáo tài chính quý (Q1–Q4) và báo cáo thường niên các năm 2016–2020 của Techcombank.
• Dữ liệu vĩ mô: IMF, World Bank (WB), Tổng cục Thống kê Việt Nam.

---

Nội dung chính theo từng chương

Chương 1: Lý luận chung về nợ xấu và các nhân tố ảnh hưởng đến nợ xấu

Chương này xây dựng nền tảng lý luận toàn diện cho toàn bộ nghiên cứu. Trước tiên, khái niệm nợ xấu được tiếp cận từ nhiều góc độ: IMF, BCBS, AEG, IAS 39 và quy định pháp lý Việt Nam (TT 11/2021/TT-NHNN). Tác giả trình bày hệ thống phân loại nợ theo 5 nhóm theo tiêu chí của Ngân hàng Thế giới, BIS và Việt Nam, đồng thời nêu các nguyên nhân gây ra nợ xấu gồm nguyên nhân khách quan (từ phía khách hàng, môi trường tự nhiên, môi trường pháp lý, chu kỳ kinh tế, môi trường chính trị – văn hóa – xã hội) và nguyên nhân chủ quan từ nội tại ngân hàng (chính sách tín dụng, quy trình tín dụng, công tác kiểm tra kiểm soát, năng lực và đạo đức cán bộ tín dụng).

Tác động của nợ xấu được phân tích trên ba cấp độ: đối với ngân hàng (giảm lợi nhuận, chiếm dụng vốn, rủi ro thanh khoản, tổn hại uy tín); đối với khách hàng (giảm tốc độ chu chuyển vốn, mất uy tín tín dụng); đối với nền kinh tế (thu hẹp cung ứng vốn, tạo áp lực lên lạm phát, nguy cơ khủng hoảng tài chính).

Phần trọng tâm của chương là Bảng 1.1 tổng hợp chiều tác động của từng nhân tố vi mô và vĩ mô đến nợ xấu, dựa trên kết quả của nhiều nghiên cứu thực nghiệm trong nước và quốc tế, làm cơ sở đặt kỳ vọng dấu cho mô hình ở Chương 3.

Chương 2: Thực trạng nợ xấu tại Ngân hàng TMCP Kỹ Thương Việt Nam

Chương này cung cấp bức tranh toàn diện về hoạt động kinh doanh và diễn biến nợ xấu tại Techcombank giai đoạn 2016–2020. Techcombank được thành lập năm 1993 với vốn điều lệ ban đầu 20 tỷ đồng; đến 2011 đã trở thành NHTM lớn thứ 2 Việt Nam với tổng tài sản 180.000 tỷ đồng và 307 chi nhánh; năm 2018 chính thức niêm yết trên sàn HOSE (mã TCB) và là ngân hàng cổ phần tư nhân đầu tiên vượt mức lợi nhuận 10.000 tỷ đồng; năm 2019 lợi nhuận trước thuế vượt 12.000 tỷ đồng.

Về huy động vốn: Tổng nguồn vốn huy động tăng liên tục. Năm 2016 đạt 210.142 triệu đồng; năm 2017 tăng 11,86%; năm 2018 tăng 8,98%; năm 2019 tăng 20,61% so với 2018. Tiền gửi khách hàng luôn chiếm tỷ trọng trên 70%. Đặc biệt, tỷ trọng tiền gửi không kỳ hạn (CASA) tăng mạnh từ 20,66% năm 2016 lên 44,33% năm 2020, phản ánh chiến lược tối ưu hóa chi phí huy động vốn thông qua các chương trình "Zero fee" và "Hoàn tiền 1% không giới hạn".

Về hoạt động tín dụng: Dư nợ cho vay năm 2016 đạt 142.615 triệu đồng; tăng 12,78% năm 2017; giảm nhẹ 0,57% năm 2018; tăng mạnh 44,31% (tương đương 70.810 triệu đồng) năm 2019 lên 230.027 triệu đồng; tiếp tục tăng 20,24% năm 2020 lên 277.615 triệu đồng. Cơ cấu dư nợ theo ngành nổi bật với hoạt động kinh doanh bất động sản tăng từ 16,96% năm 2016 lên 32,92% năm 2020, trong khi công nghiệp chế biến chế tạo giảm từ 11,78% xuống 7,11%.

Về nợ xấu: Chương trình bày chi tiết bốn nhóm chỉ tiêu thông qua các Bảng 2.7 đến Bảng 2.10, bao gồm giá trị tuyệt đối nợ xấu theo nhóm nợ 3–5, tỷ lệ nợ xấu trên tổng dư nợ, tỷ lệ dự phòng RRTD trên tổng dư nợ và tỷ lệ dự phòng RRTD trên tổng nợ xấu — cho phép đánh giá đồng thời quy mô, tỷ trọng và khả năng bù đắp rủi ro của Techcombank trong cả giai đoạn 2016–2020.

Chương 3: Đo lường và đánh giá các nhân tố ảnh hưởng tới nợ xấu tại Ngân hàng TMCP Kỹ Thương Việt Nam

Đây là chương phân tích định lượng trọng tâm. Từ dữ liệu theo quý trong giai đoạn 2016–2020, tác giả xây dựng mô hình hồi quy tuyến tính bội với biến phụ thuộc là tỷ lệ nợ xấu (NPL) và các biến độc lập được chọn lọc từ nhóm nhân tố vi mô và vĩ mô đã tổng hợp ở Chương 1.

Bảng 3.1 mô tả kỳ vọng dấu của từng biến trong mô hình dựa trên cơ sở lý thuyết. Bảng 3.2 trình bày thống kê mô tả (giá trị trung bình, độ lệch chuẩn, min, max) của tất cả các biến. Bảng 3.3 là ma trận hệ số tương quan, cung cấp bức tranh ban đầu về mối liên hệ tuyến tính giữa các cặp biến. Bảng 3.4 trình bày kết quả mô hình hồi quy OLS.

Quy trình kiểm định được thực hiện tuần tự: kiểm định mức độ phù hợp tổng thể (R², F-test); kiểm định đa cộng tuyến thông qua hệ số phóng đại phương sai (VIF); kiểm định tự tương quan (Durbin-Watson); kiểm định phương sai sai số thay đổi; và kiểm định ý nghĩa thống kê từng hệ số hồi quy. Sau quá trình này, tác giả xác định được các nhân tố có tác động thống kê có ý nghĩa đến tỷ lệ nợ xấu tại Techcombank.

Chương 4: Giải pháp và kiến nghị về quản lý nợ xấu tại Ngân hàng TMCP Kỹ Thương Việt Nam

Chương cuối chuyển hóa kết quả thực nghiệm thành hàm ý chính sách. Trên cơ sở định hướng phát triển và định hướng quản lý nợ xấu của Techcombank trong thời gian tới, tác giả đề xuất hệ thống giải pháp nội bộ cho ngân hàng nhằm hạn chế nợ xấu thông qua kiểm soát các nhân tố được xác định có ý nghĩa thống kê ở Chương 3.

Chương cũng bao gồm hai nhóm kiến nghị gửi đến cấp quản lý vĩ mô: kiến nghị với Chính phủ và kiến nghị với Ngân hàng Nhà nước Việt Nam (NHNN), tập trung vào hoàn thiện môi trường pháp lý, cơ chế xử lý nợ xấu và các quy định liên quan đến Basel II.

---

Kết quả và đóng góp

Kết quả mô tả thực trạng: Khóa luận cung cấp số liệu hệ thống về tỷ lệ nợ xấu nội bảng toàn hệ thống (giảm từ 2,46% năm 2016 xuống 1,63% năm 2019, tăng lên 1,76% năm 2020) và diễn biến nợ xấu tại Techcombank theo bốn chỉ tiêu trong giai đoạn 2016–2020. Hoạt động kinh doanh của Techcombank được phân tích toàn diện: dư nợ tăng từ 142.615 triệu đồng năm 2016 lên 277.615 triệu đồng năm 2020; tỷ trọng CASA tăng từ 20,66% lên 44,33%; lợi nhuận trước thuế năm 2019 vượt 12.000 tỷ đồng và năm 2018 lần đầu vượt mốc 10.000 tỷ đồng.

Kết quả định lượng: Thông qua mô hình OLS ước lượng trên 20 quan sát theo quý, Bảng 3.4 cho thấy các nhân tố có ý nghĩa thống kê trong giải thích biến động tỷ lệ nợ xấu tại Techcombank. Kết quả nghiên cứu được trình bày tại trang 54–57 với hệ số hồi quy và mức ý nghĩa của từng biến.

Giải pháp đề xuất: Tác giả đề xuất các giải pháp hạn chế nợ xấu tại Techcombank hướng vào kiểm soát các nhân tố được xác định qua mô hình, đồng thời nêu kiến nghị đối với Chính phủ (chính sách vĩ mô hỗ trợ doanh nghiệp, hoàn thiện hành lang pháp lý) và NHNN (cơ chế giám sát, quy định về phân loại nợ và trích lập dự phòng phù hợp với Basel II).

Đóng góp so với nghiên cứu trước: Theo đánh giá của tác giả, khóa luận lấp đầy khoảng trống về lượng hóa mức độ tác động của từng nhân tố đến nợ xấu riêng của Techcombank — tiếp cận mà các nghiên cứu trước chưa thực hiện đối với ngân hàng này. Đồng thời, cập nhật bối cảnh chính sách gắn với Basel II và TT 11/2021/TT-NHNN, giúp kết quả nghiên cứu có tính thực tiễn cao hơn các công trình trước thực hiện trên dữ liệu cũ hơn.

---

Hạn chế và hướng nghiên cứu tiếp

Văn bản không trình bày một mục hạn chế riêng biệt. Tuy nhiên, xét từ phạm vi nghiên cứu, một số giới hạn tự nhiên có thể nhận thấy: mẫu dữ liệu chỉ bao gồm 20 quan sát theo quý của một ngân hàng duy nhất (Techcombank), do đó kết quả không khái quát hóa được cho toàn hệ thống NHTM Việt Nam. Phương pháp OLS đơn giản có thể gặp vấn đề nội sinh khi tỷ lệ nợ xấu năm trước là biến giải thích — vấn đề mà các nghiên cứu trước đây khắc phục bằng GMM (Hoàng Thị Thanh Hằng và cộng sự, 2020; Nguyễn Kim Quốc Trung, 2019).

Hướng mở cho nghiên cứu tiếp theo có thể bao gồm: mở rộng mẫu sang nhiều ngân hàng hoặc kéo dài chuỗi thời gian sau năm 2020 để nắm bắt tác động hậu Covid-19; áp dụng phương pháp GMM hoặc mô hình dữ liệu bảng để khắc phục nội sinh; và bổ sung biến đặc trưng về ứng dụng công nghệ số — nhân tố được lý thuyết nhắc đến nhưng chưa đưa vào mô hình định lượng.

---

Giá trị tham khảo

Khóa luận phù hợp làm tài liệu tham khảo cho:

• Sinh viên chuyên ngành Ngân hàng, Tài chính – Ngân hàng đang thực hiện đề tài về nợ xấu, quản trị rủi ro tín dụng tại một ngân hàng thương mại cụ thể, đặc biệt là các đề tài theo hướng nghiên cứu tình huống (case study).
• Sinh viên học phần Kinh tế lượng hoặc Phương pháp nghiên cứu định lượng có thể tham khảo quy trình xây dựng mô hình OLS, lựa chọn biến và kiểm định giả thuyết thống kê được trình bày ở Chương 3.
• Người nghiên cứu về Techcombank có thể khai thác Chương 2 với hệ thống số liệu cơ cấu dư nợ theo loại khách hàng, theo ngành nghề và theo kỳ hạn giai đoạn 2016–2020 (Bảng 2.2 đến 2.10).
• Người làm đề tài so sánh giữa các ngân hàng có thể tham khảo Bảng 1.1 tổng hợp chiều tác động của các nhân tố vi mô và vĩ mô từ các nghiên cứu quốc tế và trong nước như một công cụ tổng quan tài liệu.

---

Câu hỏi thường gặp

1. Tỷ lệ nợ xấu nội bảng toàn hệ thống ngân hàng Việt Nam đạt mức thấp nhất và cao nhất vào năm nào trong giai đoạn nghiên cứu? Theo số liệu trong văn bản, tỷ lệ nợ xấu nội bảng toàn hệ thống thấp nhất vào năm 2019 (1,63%) và cao nhất vào năm 2016 (2,46%). Năm 2020 có sự tăng trở lại lên mức 1,76% do tác động của đại dịch Covid-19.

2. Techcombank sử dụng phương pháp nào để ước lượng mô hình và phần mềm nào được dùng? Khóa luận ước lượng mô hình hồi quy tuyến tính bội bằng phương pháp bình phương nhỏ nhỏ nhất thông thường (OLS — Ordinary Least Squares) trên phần mềm IBM SPSS Statistics 20. Dữ liệu theo quý (Q1/2016 đến Q4/2020) từ báo cáo tài chính của Techcombank và các nguồn vĩ mô như IMF, World Bank, Tổng cục Thống kê Việt Nam.

3. Tỷ trọng tiền gửi không kỳ hạn (CASA) của Techcombank thay đổi như thế nào trong giai đoạn 2016–2020? Tiền gửi không kỳ hạn tăng từ mức 20,66% tổng tiền gửi khách hàng năm 2016 lên 22,88% năm 2017 và đạt 44,33% năm 2020. Techcombank thực hiện chiến lược này thông qua các chương trình "Zero fee – Miễn phí dịch vụ cho doanh nghiệp" và "Hoàn tiền 1% không giới hạn" nhằm tối ưu hóa chi phí huy động vốn.

4. Các nghiên cứu trong nước nào được tác giả khảo sát và phương pháp của họ là gì? Tác giả khảo sát bốn nghiên cứu trong nước tiêu biểu: (i) Hoàng Thị Thanh Hằng và cộng sự (2020) — GMM, 25 NHTM, 2012–2018, xác định 5 biến tác động; (ii) Nguyễn Kim Quốc Trung (2019) — GMM, các NHTMCP, 2009–2017; (iii) Nguyễn Thị Như Quỳnh (2018) — so sánh OLS, FEM, REM trên 25 NHTMCP, 2006–2016; (iv) Nguyễn Thị Ánh Hoa (2021) — OLS, REM, FEM trên 22 NHTM, 2012–2020.

5. Dư nợ cho vay của Techcombank tăng bao nhiêu từ năm 2016 đến năm 2020, và năm nào có tốc độ tăng cao nhất? Dư nợ tăng từ 142.615 triệu đồng năm 2016 lên 277.615 triệu đồng năm 2020. Năm có tốc độ tăng cao nhất là 2019 với mức 44,31% (tương đương tăng thêm 70.810 triệu đồng so với năm 2018), đưa tổng dư nợ lên 230.027 triệu đồng.

---

Kết luận

Khóa luận "Xác định các nhân tố ảnh hưởng đến nợ xấu tại Ngân hàng Thương mại Cổ phần Kỹ Thương Việt Nam" của tác giả Hoàng Mai Anh (Học viện Ngân hàng, 2022) là nghiên cứu định lượng kết hợp mô tả thực trạng, áp dụng mô hình OLS trên dữ liệu quý giai đoạn 2016–2020 để lượng hóa tác động của các nhân tố vi mô và vĩ mô đến tỷ lệ nợ xấu của riêng Techcombank. Ngoài việc hệ thống hóa lý luận từ các chuẩn mực quốc tế (IMF, BCBS, BIS, IAS 39) và khung pháp lý Việt Nam (TT 11/2021/TT-NHNN), nghiên cứu còn cung cấp dữ liệu có hệ thống về hoạt động kinh doanh, cơ cấu tín dụng và diễn biến nợ xấu của Techcombank trong giai đoạn ngân hàng này thực thi chiến lược phát triển 2016–2020. Kết quả thực nghiệm được chuyển hóa thành đề xuất giải pháp nội bộ và kiến nghị chính sách gửi Chính phủ và Ngân hàng Nhà nước, phù hợp với bối cảnh triển khai Basel II tại Việt Nam.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 : LÝ LUẬN CHUNG VỀ NỢ XẤU VÀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU 1.1 Cơ sở lý luận về nợ xấu 1.1 Khái niệm nợ xấu Với mỗi tổ chức, quốc gia khác nhau thì thuật ngữ nợ xấu sẽ được định nghĩa khác nhau. Nợ xấu được sử dụng phổ biến trên thế giới với các từ như “Nonperforming loans” (NPL), “bad debt”, “doubtful debt”, được hiểu là các khoản nợ dưới chuẩn, có thể quá hạn và bị nghi ngờ về khả năng trả nợ lẫn khả năng thu hồi vốn của chủ nợ, điều này thường xảy ra khi khách hàng vay đã tuyên bố phá sản hoặc đã tẩu tán tài sản. Hiện tại không có một quy tắc hay chuẩn mực thống nhất khi thảo luận về khái niệm nợ xấu. Quan điểm nợ xấu của Qũy tiền tệ quốc tế (IMF) IMF đưa ra như sau: “Một khoản vay được coi là nợ xấu khi quá hạn thanh toản gốc hoặc lãi 90 ngày hoặc hơn, khi các khoản lãi suất đã quá hạn 90 ngày hoặc hơn đã được vốn hóa, cơ cấu lại, hoặc trì hoãn theo thỏa thuận; khi các khoản thanh toán đến hạn dưới 90 ngày nhưng có thể nhận thấy những dấu hiệu rõ ràng cho thấy người vay sẽ không thể hoàn trả nợ đầy đủ (người vay phá sản).

Sau khi khoản vay được xếp vào danh mục nợ xấu, nó hoặc bất cứ khoản vay thay thế nào cũng nên được xếp vào danh mục nợ xấu cho tới thời điểm phải xóa nợ hoặc thu hồi được lãi và gốc của khoản vay đó hoặc thu hồi được khoản vay thay thế". Quan điểm nợ xấu của Ủy ban Basel về Giám sát Ngân hàng (BCBS) BCBS không đưa ra định nghĩa cụ thể về nợ xấu. Tuy nhiên, trong các hướng dẫn về các thông lệ chung tại nhiều quốc gia về quản lý rủi ro tín dụng, BCBS xác định, việc khoản nợ bị coi là không có khả năng hoàn trả khi một trong hai hoặc cả hai điều kiện sau xảy ra: ngân hàng thấy người vay không có khả năng trả nợ đầy đủ khỉ ngân hàng chưa thực hiện hành động gì để cố gắng thu hồi, người vay đã quá hạn trả nợ quá 90 ngày. Dựa trên hướng dẫn này, nợ xấu sẽ bao gồm toàn bộ các khoản cho vay đã quá hạn 90 ngày và có dấu hiệu người đi vay không trả được nợ.

Quan điểm của nhóm chuyên gia tư vấn Advisor Expert Group (AEG) 8 AEG thống nhất định nghĩa như sau: Một khoản nợ được coi là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên 90 ngày; hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc chậm trả theo thỏa thuận; hoặc các khoản phải thanh toán đã quá hạn dưới 90 ngày nhưng có lý do chắc chắn để nghi ngờ về khả năng khoản vay sẽ được thanh toán đầy đủ”. Quan điểm nợ xấu của Chuẩn mực kế toán quốc tế (IAS) Chuẩn mực kế toán quốc tế về ngân hàng thường đề cập các khoản nợ bị giảm giá trị (Impaired) thay vì sử dụng thuật ngữ nợ xấu (nonperforming). Về cơ bản IAS39 chú trọng tới khả năng hoàn trả của khoản vay bất luận thời gian quá hạn chưa tới 90 ngày hoặc chưa quá hạn. Quan điểm nợ xấu tại Việt Nam Theo TT số 11/2021/TT-NHNN của Thống đốc NHNN ra quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của TCTD, chi nhánh ngân hàng nước ngoài ngày 30 tháng 07 năm 2021, nợ xấu được giải thích rằng “Nợ xấu (NPL) là nợ xấu nội bảng, gồm nợ thuộc các nhóm 3, 4 và 5” 1.