Giới thiệu dự án

Trong cấu trúc hệ thống tài chính của các quốc gia đang phát triển như Việt Nam, hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch, đóng vai trò trung gian tài chính dẫn vốn chủ đạo cho toàn bộ nền kinh tế. Theo thống kê của ngành ngân hàng, thu nhập từ hoạt động tín dụng và lãi thuần thường chiếm tỷ trọng áp đảo, dao động từ 70% đến 85% trong tổng cơ cấu thu nhập của các NHTM Việt Nam. Do đó, chỉ số biên lãi ròng (Net Interest Margin - NIM) đóng vai trò là thước đo trung tâm phản ánh hiệu quả kinh doanh cốt lõi, năng lực quản trị rủi ro lãi suất và sức khỏe tài chính dài hạn của từng tổ chức tín dụng.

Sau cuộc khủng hoảng tài chính toàn cầu 2008 cùng với các chu kỳ tái cơ cấu ngân hàng và biến động kinh tế vĩ mô phức tạp (giai đoạn 2009 – 2021), các NHTM Việt Nam đối mặt với bài toán tối ưu hóa biên lãi ròng trong bối cảnh áp lực cạnh tranh gay gắt từ quá trình hội nhập quốc tế (CPTPP, AEC, WTO) và sự thắt chặt tiêu chuẩn an toàn vốn (Basel II, Thông tư 41/2016/TT-NHNN).

Vấn đề nghiên cứu thực tế (Problem Statement)

Các nhà quản trị ngân hàng thường gặp khó khăn trong việc cân bằng giữa mục tiêu tối đa hóa lợi nhuận (nâng cao NIM) và việc kiểm soát rủi ro hệ thống. Nếu ngân hàng đẩy mạnh NIM thông qua việc tăng lãi suất cho vay danh nghĩa sẽ dẫn đến nguy cơ gia tăng nợ xấu (NPL), giảm khả năng tiếp cận vốn của phân khúc doanh nghiệp vừa và nhỏ (SMEs). Ngược lại, nếu hạ lãi suất để cạnh tranh thị phần mà không tối ưu được chi phí huy động vốn (COF) và chi phí vận hành (OPEX), NIM sẽ bị bào mòn nghiêm trọng. Các nghiên cứu trước đây tại Việt Nam thường sử dụng chuỗi dữ liệu ngắn (5–7 năm) hoặc phương pháp hồi quy cổ điển chưa xử lý triệt để hiện tượng phương sai sai số thay đổi và tự tương quan, dẫn đến các ước lượng bị chệch.

Mục tiêu nghiên cứu cụ thể

  1. Mục tiêu 1: Nhận diện và lượng hóa mức độ tác động của 7 nhân tố nội sinh (OC, CAP, CR, QM, LDR, SIZE, LIQ) và 2 nhân tố kinh tế vĩ mô (GDPR, INF) đến biên lãi ròng của các NHTM Việt Nam.
  2. Mục tiêu 2: Xây dựng khung kiểm định kinh tế lượng hoàn chỉnh trên dữ liệu bảng không cân xứng (Unbalanced Panel Data), so sánh tính hiệu quả giữa các mô hình Pooled OLS, FEM, REM và Feasible Generalized Least Squares (FGLS).
  3. Mục tiêu 3: Đề xuất hệ thống giải pháp định lượng và chiến lược quản trị tài sản Có – tài sản Nợ (ALM) nhằm nâng cao NIM và năng lực cạnh tranh cho hệ thống NHTM Việt Nam.

Phương pháp tiếp cận và kết quả kỳ vọng

Nghiên cứu ứng dụng lý thuyết đại diện (Agency Theory), mô hình giao dịch đại lý kinh điển của Ho & Saunders (1981) kết hợp các mô hình mở rộng của Maudos & Fernandez (2004). Kỳ vọng giải quyết triệt để các khuyết tật mô hình thống kê thường gặp trên dữ liệu tài chính vĩ mô, cung cấp bộ hệ số hồi quy chuẩn xác với mức ý nghĩa thống kê $p < 0.01$, $p < 0.05$ và $p < 0.10$.

Phạm vi và giới hạn nghiên cứu

  • Không gian: 27 NHTM cổ phần tại Việt Nam (chiếm hơn 70% thị phần tổng tài sản và dư nợ toàn hệ thống).
  • Thời gian: 13 năm liên tục từ 31/12/2009 đến 31/12/2021 với 324 quan sát thực nghiệm.
  • Giới hạn: Nghiên cứu không bao gồm các ngân hàng thương mại 100% vốn nước ngoài và chi nhánh ngân hàng nước ngoài do hạn chế tiếp cận dữ liệu báo cáo tài chính kiểm toán đồng nhất.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng quan các mô hình thực nghiệm đã triển khai tại thị trường quốc tế và Việt Nam nhằm xác định khoảng trống nghiên cứu (Research Gaps):

Mô hình / Tác giả Phương pháp Mẫu nghiên cứu Ưu điểm Hạn chế / Khuyết tật
Nguyen & Do (2014) Pooled OLS NHTM VN (2006–2012) Tiếp cận sớm mô hình Ho-Saunders Chưa kiểm soát hiệu ứng cố định cá thể
Khanh & Tra (2015) OLS đa biến 175 quan sát (2008–2012) Phân tích giai đoạn suy thoái Dễ vi phạm giả định phương sai đồng nhất
An & Loan (2016) FEM / REM 26 NHTM (2008–2014) Đã kiểm tra hiệu ứng ngẫu nhiên Mẫu quan sát nhỏ ($N=182$), chưa xử lý FGLS
Suu et al. (2020) Static Panel 308 quan sát (2008–2018) Mẫu dữ liệu mở rộng Không phát hiện được tác động của biến vĩ mô
Đề tài đề xuất FGLS Panel 27 NHTM (2009–2021, N=324) Xử lý toàn diện tự tương quan & phương sai thay đổi Yêu cầu quy trình kiểm định chẩn đoán nghiêm ngặt

Phân loại yêu cầu hệ thống chỉ tiêu tài chính (MoSCoW Prioritization)

  • Must-have (Bắt buộc): Dữ liệu chuẩn hóa Báo cáo tài chính đã kiểm toán: Thu nhập lãi thuần, Tổng tài sản sinh lãi (Earning Assets), Chi phí hoạt động, Vốn chủ sở hữu, Dư nợ cho vay, Dự phòng rủi ro tín dụng.
  • Should-have (Khuyến nghị cao): Các biến số kinh tế vĩ mô chuẩn hóa từ World Bank: Tăng trưởng GDP thực tế (GDPR), Chỉ số giá tiêu dùng bình quân (INF).
  • Could-have (Mở rộng): Chỉ số phân hóa quy mô ngân hàng thông qua Logarit tự nhiên tổng tài sản ($\ln(\text{Total Assets})$).
  • Won't-have (Không xét đến): Các biến định tính phi tài chính như trình độ học vấn HĐQT, cấu trúc nhân sự chi nhánh.

Thiết kế hệ thống mô hình kinh tế lượng

Phương trình hồi quy tổng quát dạng dữ liệu bảng tĩnh:

$$\text{NIM}{it} = \beta_0 + \beta_1 \text{OC}{it} + \beta_2 \text{CAP}{it} + \beta_3 \text{CR}{it} + \beta_4 \text{QM}{it} + \beta_5 \text{LDR}{it} + \beta_6 \text{SIZE}{it} + \beta_7 \text{LIQ}{it} + \beta_8 \text{GDPR}_t + \beta_9 \text{INF}t + u{it}$$

Trong đó:

  • $i = 1, \dots, 27$: Đại diện cho 27 NHTM Việt Nam.
  • $t = 1, \dots, 13$: Đại diện cho chuỗi thời gian từ năm 2009 đến năm 2021.
  • $u_{it} = \mu_i + \lambda_t + \epsilon_{it}$: Cấu trúc sai số tổng hợp (gồm hiệu ứng cá thể không quan sát được $\mu_i$ và phần dư ngẫu nhiên $\epsilon_{it}$).

Ngăn xếp công nghệ và môi trường thực thi (Technology Stack)

  • Hệ thống phân tích thống kê: Stata/MP v17.0 (Core Econometrics Engine), Python v3.10 (Pandas v2.1, Statsmodels v0.14) cho tiền xử lý và trích xuất dữ liệu.
  • Tiêu chuẩn dữ liệu: Báo cáo tài chính kiểm toán theo Chuẩn mực Kế toán Việt Nam (VAS) và IFRS framework. Dữ liệu vĩ mô đồng bộ từ World Bank Open Data API.
  • Tính toàn vẹn và bảo mật dữ liệu: Quy trình xử lý ngoại lai (Outliers Treatment) sử dụng kỹ thuật Winsorization tại mức phân vị 1% và 99%, loại bỏ các điểm dị biệt làm méo mó phương sai.

Phương pháp luận (Methodology)

Quy trình nghiên cứu định lượng 6 bước chuẩn mực:

  1. Thu thập và làm sạch dữ liệu: Hợp nhất 324 báo cáo tài chính hàng năm, tính toán các chỉ số tài chính vi mô.
  2. Thống kê mô tả & Phân tích ma trận tương quan: Kiểm tra độ lệch (Skewness), độ nhọn (Kurtosis) và hệ số tương quan Pearson giữa các biến giải thích.
  3. Kiểm tra đa cộng tuyến (Multicollinearity Test): Sử dụng hệ số phóng đại phương sai (Variance Inflation Factor - VIF).
  4. Ước lượng các mô hình cơ sở: Thực hiện hồi quy Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM).
  5. Kiểm định lựa chọn mô hình và chẩn đoán khuyết tật:
    • F-test: So sánh tính phù hợp giữa Pooled OLS và FEM ($H_0$: Các hệ số chặn cá thể bằng nhau).
    • Breusch-Pagan Lagrange Multiplier (LM) Test: So sánh Pooled OLS và REM ($H_0$: Phương sai sai số cá thể $\sigma_u^2 = 0$).
    • Hausman Test: Lựa chọn giữa FEM và REM ($H_0$: Không có tương quan giữa hiệu ứng riêng $\mu_i$ và các biến giải thích $X_{it}$).
    • Modified Wald Test: Kiểm định hiện tượng phương sai sai số thay đổi theo nhóm (Groupwise Heteroskedasticity) trong mô hình FEM.
    • Wooldridge Test: Kiểm định hiện tượng tự tương quan chuỗi bậc nhất (First-order Autocorrelation AR(1)) trong dữ liệu bảng.
  6. Ước lượng vững bằng mô hình FGLS: Khắc phục triệt để phương sai thay đổi và tự tương quan, đưa ra kết quả ước lượng tham số vững cuối cùng.

Implementation và kết quả

Quy trình phân tích dữ liệu và kịch bản thực thi

Toàn bộ quy trình ước lượng và kiểm định kinh tế lượng được tự động hóa thông qua kịch bản mã nguồn Stata dưới đây:

*-------------------------------------------------------------------------------
* STATA DO-FILE: QUANTITATIVE ECONOMETRIC ANALYSIS FOR BANK NIM (2009-2021)
* Author: Le Quan Truong (HUB) - Script Version: 1.0.4
*-------------------------------------------------------------------------------

clear all
set more off

* 1. Thiết lập cấu trúc dữ liệu bảng (Panel Setting)
import excel using "Dataset_NHTM_VN_2009_2021.xlsx", sheet("Data") firstrow
destring id year nim oc cap cr qm ldr size liq gdpr inf, replace
xtset id year

* 2. Thống kê mô tả và Kiểm tra đa cộng tuyến (VIF Test)
summarize nim oc cap cr qm ldr size liq gdpr inf
regress nim oc cap cr qm ldr size liq gdpr inf
vif

* 3. Ước lượng các mô hình cơ sở
* Pooled OLS
regress nim oc cap cr qm ldr size liq gdpr inf, vce(cluster id)
estimates store model_ols

* Fixed Effects Model (FEM)
xtreg nim oc cap cr qm ldr size liq gdpr inf, fe
estimates store model_fem

* Random Effects Model (REM)
xtreg nim oc cap cr qm ldr size liq gdpr inf, re
estimates store model_rem

* 4. Kiểm định lựa chọn mô hình
* Breusch and Pagan Lagrangian Multiplier Test for Random Effects
xttest0

* Hausman Specification Test (FEM vs REM)
hausman model_fem model_rem, sigmamore

* 5. Kiểm định chẩn đoán khuyết tật mô hình (Diagnostic Tests)
* Kiểm tra phương sai sai số thay đổi (Modified Wald Test for Groupwise Heteroskedasticity)
xtreg nim oc cap cr qm ldr size liq gdpr inf, fe
xttest3

* Kiểm tra tự tương quan chuỗi bậc 1 (Wooldridge Test for Autocorrelation)
xtserial nim oc cap cr qm ldr size liq gdpr inf

* 6. Ước lượng FGLS khắc phục phương sai thay đổi và tự tương quan
xtgls nim oc cap cr qm ldr size liq gdpr inf, panels(hetero) corr(ar1)
estimates store model_fgls
estimates table model_ols model_fem model_rem model_fgls, b(%9.4f) se stats(N r2)

Kết quả kiểm định chẩn đoán mô hình (Diagnostic Tests)

Hệ thống các kiểm định thống kê được thực hiện tuần tự để xác định dạng mô hình tối ưu:

Tên kiểm định Giả thuyết vô hiệu ($H_0$) Thống kê kiểm định / p-value Kết luận thống kê
Kiểm định VIF Không có đa cộng tuyến nghiêm trọng Mean $\text{VIF} = 1.68$ (Tất cả $\text{VIF} < 2.5$) Chấp nhận $H_0$: Không có đa cộng tuyến
F-test (FEM vs OLS) Tất cả hệ số chặn $\mu_i = 0$ $F(26, 288) = 14.82, p = 0.0000$ Bác bỏ $H_0$: Mô hình FEM vượt trội OLS
Breusch-Pagan LM Phương sai hiệu ứng riêng $\sigma_u^2 = 0$ $\bar{\chi}^2(1) = 215.46, p = 0.0000$ Bác bỏ $H_0$: Mô hình REM vượt trội OLS
Hausman Test Tác động riêng không tương quan ($Cov(X,\mu)=0$) $\chi^2(9) = 31.45, p = 0.0002$ Bác bỏ $H_0$: Chọn mô hình FEM thay vì REM
Modified Wald Test Phương sai sai số đồng nhất ($\sigma_i^2 = \sigma^2$) $\chi^2(27) = 1428.52, p = 0.0000$ Bác bỏ $H_0$: Tồn tại phương sai sai số thay đổi
Wooldridge Test Không có tự tương quan bậc 1 AR(1) $F(1, 26) = 18.732, p = 0.0002$ Bác bỏ $H_0$: Tồn tại hiện tượng tự tương quan

Kết quả chẩn đoán: Mô hình FEM mặc dù được lựa chọn qua kiểm định Hausman nhưng lại vi phạm nghiêm trọng hai giả định: phương sai sai số thay đổi giữa các ngân hàng ($p = 0.0000$) và tự tương quan chuỗi bậc 1 ($p = 0.0002$). Do đó, phương pháp ước lượng bình phương tối thiểu tổng quát khả thi (FGLS) được chứng minh là lựa chọn tối ưu, đảm bảo các ước lượng không chệch, hiệu quả và có ý nghĩa kinh tế lượng cao nhất.

Kết quả hồi quy tổng hợp từ mô hình FGLS

Bảng kết quả thực nghiệm ước lượng các hệ số tác động đến biên lãi ròng (NIM):

Biến số Ký hiệu Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Err.) Giá trị z-value Mức ý nghĩa ($p$-value) Chiều tác động
Hệ số chặn Constant -0.0142 0.0061 -2.33 0.0198** -
Chi phí hoạt động OC +0.4812 0.0645 7.46 0.0000*** Dương (+)
Vốn chủ sở hữu CAP +0.0754 0.0182 4.14 0.0000*** Dương (+)
Rủi ro tín dụng CR +0.0211 0.0248 0.85 0.3950 (n.s) Không có ý nghĩa
Hiệu quả quản lý QM -0.0185 0.0041 -4.51 0.0000*** Âm (-)
Tỷ lệ cấp tín dụng LDR +0.0124 0.0039 3.18 0.0015*** Dương (+)
Quy mô ngân hàng SIZE +0.0018 0.0005 3.60 0.0003*** Dương (+)
Rủi ro thanh khoản LIQ -0.0089 0.0112 -0.79 0.4295 (n.s) Không có ý nghĩa
Tăng trưởng GDP GDPR -0.0421 0.0156 -2.70 0.0069*** Âm (-)
Lạm phát CPI INF +0.0287 0.0078 3.68 0.0002*** Dương (+)

(Ghi chú: *** $p < 0.01$, ** $p < 0.05$, * $p < 0.10$, n.s: Không có ý nghĩa thống kê).

Đổi mới và đóng góp

Những đóng góp mới về mặt học thuật và thực nghiệm

  1. Dữ liệu nghiên cứu dài hạn và toàn diện nhất (2009–2021): Khắc phục nhược điểm của các nghiên cứu ngắn hạn trước đây, đề tài bao quát trọn vẹn 13 năm biến động của ngành ngân hàng Việt Nam, từ giai đoạn xử lý nợ xấu hậu khủng hoảng 2008, giai đoạn đẩy mạnh tái cơ cấu các tổ chức tín dụng (2011–2015), đến giai đoạn áp chuẩn Basel II và biến động đại dịch COVID-19 (2020–2021).
  2. Quy trình xử lý khuyết tật kinh tế lượng chuẩn mực: Ứng dụng thành công mô hình FGLS với tùy chọn panels(hetero) corr(ar1) giúp khắc phục hoàn toàn hai khuyết tật đồng thời là phương sai sai số thay đổi và tự tương quan, loại bỏ các kết luận sai lệch mà mô hình OLS hoặc FEM cổ điển thường mắc phải.
  3. Làm rõ tác động hai chiều của các biến số vĩ mô: Nghiên cứu chứng minh tăng trưởng kinh tế (GDPR) có tác động âm (-0.0421, $p < 0.01$) đến NIM tại thị trường Việt Nam. Khi nền kinh tế tăng trưởng tốt, cạnh tranh giữa các NHTM gia tăng làm giảm lãi suất cho vay biên; đồng thời người đi vay có nhiều kênh dẫn vốn thay thế (trái phiếu doanh nghiệp, thị trường chứng khoán), buộc ngân hàng phải thu hẹp chênh lệch lãi suất.
  4. Phát hiện về chuyển dịch chi phí: Hệ số hồi quy của chi phí hoạt động (OC) dương mạnh (+0.4812, $p < 0.01$), minh chứng cho hành vi của các NHTM Việt Nam trong việc chuyển giao gánh nặng chi phí vận hành sang khách hàng thông qua mức chênh lệch lãi suất huy động - cho vay cao hơn.

Ứng dụng thực tế và triển khai

Chiến lược ứng dụng cho quản trị ngân hàng thương mại

  1. Quản trị cơ cấu vốn và an toàn vốn (CAP): Tăng tỷ lệ vốn chủ sở hữu giúp ngân hàng giảm thiểu rủi ro phá sản, nâng cao định mức tín nhiệm và tiếp cận nguồn vốn giá rẻ từ thị trường liên ngân hàng hoặc phát hành trái phiếu quốc tế, từ đó mở rộng biên lãi ròng một cách an toàn (+7.54% NIM cho mỗi đơn vị vốn tự có tăng thêm).
  2. Cắt giảm chỉ số chi phí trên thu nhập (QM): Chỉ số QM (đại diện cho sự kém hiệu quả trong quản lý) tác động tiêu cực đến NIM (-0.0185). Các ngân hàng cần đẩy mạnh chuyển đổi số, tối ưu hóa quy trình vận hành chi nhánh nhằm kéo giảm Cost-to-Income Ratio (CIR) xuống dưới ngưỡng 35%–40%.
  3. Quản lý linh hoạt tỷ lệ cho vay trên tiền gửi (LDR): Tận dụng tối đa nguồn vốn huy động để cấp tín dụng nhằm tạo tài sản sinh lời (hệ số tác động dương +0.0124), song phải đảm bảo duy trì trần LDR theo quy định của Ngân hàng Nhà nước (thông thường tối đa 85%) để phòng ngừa rủi ro đứt gãy thanh khoản.
  4. Chiến lược định giá lãi suất linh hoạt theo chu kỳ lạm phát (INF): Khi lạm phát tăng (+0.0287), ngân hàng cần chủ động áp dụng cơ chế lãi suất cho vay thả nổi với biên độ điều chỉnh linh hoạt, bảo vệ NIM trước các cú sốc tăng chi phí huy động vốn đầu vào.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Đặc điểm mẫu dữ liệu: Nghiên cứu giới hạn ở 27 NHTM cổ phần trong nước; chưa đưa vào phân tích các ngân hàng liên doanh và ngân hàng ngoại (như HSBC, Standard Chartered, Shinhan Bank) để có bức tranh so sánh đối chuẩn toàn diện.
  • Mô hình kinh tế lượng tĩnh: Mô hình FGLS tĩnh chưa phản ánh được tính trễ động (Dynamic persistence) của biên lãi ròng qua các năm.

Định hướng mở rộng nghiên cứu

  • Ứng dụng mô hình GMM sai phân / GMM hệ thống (System GMM): Xử lý triệt để hiện tượng nội sinh tiềm ẩn (Endogeneity) giữa biên lãi ròng và các biến cấu trúc tài sản.
  • Bổ sung các nhân tố số hóa và sản phẩm phi truyền thống: Đưa các biến số về mức độ đầu tư công nghệ số (Digital Banking Capex) và tỷ trọng thu nhập ngoài lãi (Non-Interest Income) vào mô hình phân tích giai đoạn 2022–2026.

Đối tượng hưởng lợi

  • Sinh viên & Nghiên cứu sinh: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp luận nghiên cứu tài chính thực nghiệm, mã lệnh Stata đầy đủ và bộ chỉ số kiểm định dữ liệu bảng.
  • Chuyên viên Quản trị rủi ro & ALM: Ứng dụng trực tiếp hệ số hồi quy vào việc xây dựng mô hình định giá điều chuyển vốn nội bộ (Funds Transfer Pricing - FTP) và quản trị rủi ro lãi suất trên sổ ngân hàng (IRRBB).
  • Ban điều hành các NHTM: Có căn cứ khoa học để đưa ra quyết định tái cơ cấu danh mục tài sản Có, chiến lược phát triển tiền gửi không kỳ hạn (CASA) và chính sách quản lý chi phí vận hành.
  • Ngân hàng Nhà nước Việt Nam (NHNN): Bổ sung bằng chứng định lượng phục vụ công tác hoạch định chính sách tiền tệ, trần lãi suất và các quy định an toàn vĩ mô trong từng chu kỳ kinh tế.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại lựa chọn mô hình FGLS thay vì mô hình FEM hay REM?

Mặc dù kiểm định Hausman chỉ ra mô hình Fixed Effects (FEM) phù hợp hơn Random Effects (REM) với $p = 0.0002$, nhưng các kiểm định chẩn đoán sau hồi quy cho thấy mô hình FEM vi phạm đồng thời hai giả định quan trọng: kiểm định Modified Wald xác nhận có hiện tượng phương sai sai số thay đổi ($p = 0.0000$) và kiểm định Wooldridge xác nhận có tự tương quan chuỗi bậc nhất ($p = 0.0002$). Mô hình FGLS (Feasible Generalized Least Squares) là phương pháp tối ưu giúp xử lý đồng thời hai khuyết tật này, đảm bảo các ước lượng thu được là ước lượng tuyến tính không chệch tốt nhất (BLUE).

2. Ý nghĩa kinh tế của mối quan hệ nghịch chiều giữa tăng trưởng GDP và biên lãi ròng là gì?

Hệ số hồi quy của biến GDPR là âm (-0.0421) với mức ý nghĩa 1%. Điều này phản ánh đặc thù thị trường tín dụng Việt Nam: trong các giai đoạn kinh tế tăng trưởng nóng, các ngân hàng gia tăng cạnh tranh gay gắt để mở rộng thị phần cho vay, dẫn đến việc chủ động hạ biên lãi suất cho vay. Đồng thời, khách hàng doanh nghiệp có nhiều lựa chọn tiếp cận vốn phi ngân hàng (phát hành cổ phiếu, trái phiếu), buộc ngân hàng phải thu hẹp biên độ lãi suất để giữ chân khách hàng chất lượng cao.

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

Để tái lập kết quả, người dùng cần chuẩn bị bảng dữ liệu Excel dạng bảng dài (Long format) gồm 324 dòng tương ứng với 27 ngân hàng qua 13 năm (2009–2021), cài đặt phần mềm Stata (từ bản 14.0 trở lên), cài đặt các gói lệnh bổ trợ xttest3 và xtserial, sau đó thực thi tuần tự các câu lệnh trong tập tin Stata Do-file đã được cung cấp chi tiết tại mục Implementation.

4. Tại sao biến rủi ro tín dụng (CR) và rủi ro thanh khoản (LIQ) lại không có ý nghĩa thống kê trong mô hình FGLS?

Trong mô hình FGLS cuối cùng, biến CR ($p = 0.3950$) và LIQ ($p = 0.4295$) không đạt mức ý nghĩa thống kê tiêu chuẩn ($p > 0.10$). Điều này cho thấy tại các NHTM Việt Nam trong giai đoạn 2009–2021, chính sách trích lập dự phòng rủi ro và tỷ lệ nắm giữ tiền mặt/vàng bạc không tác động trực tiếp ngay lập tức lên biên lãi ròng danh nghĩa, mà tác động này có thể đã được hấp thụ hoặc phản ánh gián tiếp thông qua chi phí hoạt động và quy mô vốn chủ sở hữu.

5. Khuyến nghị quan trọng nhất đối với các NHTM nhỏ để cải thiện chỉ số NIM là gì?

Các NHTM có quy mô nhỏ cần tập trung vào hai đòn bẩy chính: (1) Cải thiện hệ số an toàn vốn (CAP) thông qua tăng vốn tự có để giảm chi phí huy động rủi ro; (2) Tái cấu trúc quy trình công nghệ nhằm giảm mạnh tỷ số chi phí trên thu nhập (QM), tránh việc tăng NIM thụ động bằng cách đẩy lãi suất cho vay lên quá cao vì điều này sẽ dẫn đến nguy cơ lựa chọn bất lợi và nợ xấu gia tăng trong dài hạn.

Kết luận

Công trình nghiên cứu đã giải quyết trọn vẹn và khoa học bài toán xác định các nhân tố ảnh hưởng đến biên lãi ròng (NIM) của 27 ngân hàng thương mại Việt Nam giai đoạn 2009 – 2021. Bằng việc áp dụng quy trình kiểm định kinh tế lượng dữ liệu bảng nghiêm ngặt và lựa chọn mô hình hồi quy FGLS làm mô hình chuẩn tắc, nghiên cứu đã lượng hóa thành công tác động tích cực của chi phí hoạt động, vốn chủ sở hữu, tỷ lệ cấp tín dụng, quy mô ngân hàng và lạm phát; đồng thời chỉ ra tác động tiêu cực của sự kém hiệu quả trong quản lý và tốc độ tăng trưởng kinh tế lên NIM.

Kết quả này không chỉ đóng góp giá trị học thuật quan trọng cho hệ thống nghiên cứu kinh tế lượng tài chính tại Việt Nam mà còn là cẩm nang thực tiễn giúp các nhà quản trị ngân hàng hoạch định chiến lược kinh doanh an toàn, bền vững, cân bằng giữa mục tiêu sinh lời và quản trị rủi ro hệ thống.