Giới thiệu dự án

Thị trường tài chính – tiền tệ là huyết mạch của nền kinh tế, trong đó hệ thống ngân hàng thương mại (NHTM) giữ vai trò trung tâm trong việc luân chuyển dòng vốn và ổn định kinh tế vĩ mô. Trải qua hơn 30 năm đổi mới và chuyển dịch sang mô hình kinh tế thị trường, đặc biệt là dấu mốc gia nhập Tổ chức Thương mại Thế giới (World Trade Organization - WTO) vào năm 2007, hệ thống ngân hàng thương mại Việt Nam đã chứng kiến sự phát triển mạnh mẽ về quy mô và mức độ hội nhập. Tuy nhiên, sự cạnh tranh giữa các tổ chức tín dụng (TCTD) giai đoạn 2006–2017 bộc lộ nhiều điểm bất cập: hiện tượng chạy đua lãi suất huy động (đỉnh điểm năm 2008 khi Ngân hàng Nhà nước điều chỉnh lãi suất cơ bản lên 14%/năm), lạm phát phi mã (CPI năm 2008 đạt 22,9%), nợ xấu gia tăng và sự thiếu đồng bộ trong các công cụ can thiệp thị trường.

Vấn đề cốt lõi đặt ra là sự thiếu hụt các mô hình định lượng chuẩn xác để đo lường sức mạnh thị trường và xác định các nhân tố thực sự chi phối năng lực cạnh tranh của từng ngân hàng thương mại cổ phần (NHTMCP). Khi thiếu các công cụ đánh giá khoa học, sự cạnh tranh dễ biến tướng thành cạnh tranh phi kỹ thuật, triệt tiêu lợi nhuận lẫn nhau và tạo ra rủi ro hệ thống mang tính dây chuyền.

Mục tiêu cụ thể của dự án nghiên cứu bao gồm:

  1. Xác định và đo lường mức độ cạnh tranh thực tế của các NHTMCP Việt Nam thông qua chỉ số biên lợi nhuận Lerner (Lerner Index - LI) giai đoạn 2006–2017.
  2. Thiết lập mô hình kinh tế lượng để lượng hóa chiều hướng và mức độ tác động của các yếu tố nội tại ngân hàng (quy mô, rủi ro nợ xấu, cơ cấu vốn, thu nhập ngoài lãi, chi phí hoạt động) và yếu tố vĩ mô (tăng trưởng GDP, lạm phát).
  3. Đề xuất hệ thống giải pháp thực tiễn từ góc độ quản trị ngân hàng và điều hành chính sách tiền tệ nhằm hạn chế cạnh tranh không lành mạnh và nâng cao năng lực cạnh tranh dài hạn.

Giải pháp nghiên cứu được xây dựng trên cơ sở tiếp cận kinh tế tổ chức công nghiệp thực nghiệm mới (New Empirical Industrial Organization - NEIO), sử dụng chỉ số Lerner kết hợp phương pháp hồi quy Moment tổng quát (Generalized Method of Moments - GMM) cho dữ liệu bảng (panel data). Phương pháp này giúp khắc phục triệt để các khuyết tật nội sinh (endogeneity) và tự tương quan thường gặp trong số liệu tài chính.

Kết quả kỳ vọng là xây dựng bộ tham số định lượng rõ ràng cho 32 NHTM Việt Nam qua 300 quan sát, cung cấp bằng chứng thực nghiệm về cấu trúc thị trường cạnh tranh không hoàn hảo với chỉ số Lerner trung bình đạt 51,57%. Phạm vi nghiên cứu tập trung vào 32 NHTMCP có dữ liệu tài chính liên tục giai đoạn 2006–2017, loại trừ các định chế bị thiếu hụt dữ liệu do quá trình tái cơ cấu, sáp nhập.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong lý thuyết kinh tế lượng tài chính, các phương pháp đo lường cạnh tranh ngân hàng được chia thành hai trường phái chính: tiếp cận theo cấu trúc thị trường (Structural Approach) và tiếp cận phi cấu trúc (Non-structural Approach).

Phương pháp đo lường Ưu điểm Nhược điểm Tính phù hợp với đề tài
Chỉ số tập trung (CR, HHI) Dễ tính toán, dựa trên thị phần tổng tài sản hoặc huy động vốn. Giả định cấu trúc quyết định hành vi; bỏ qua biến động giá và chi phí biên. Không phản ánh được sức mạnh thị trường ở cấp độ từng ngân hàng riêng lẻ.
Mô hình Panzar - Rosse (H-Statistic) Phản ánh cân bằng thị trường dài hạn thông qua độ co giãn doanh thu. Chỉ đo lường cho toàn ngành tại một thời điểm, không đo lường theo từng năm cho từng ngân hàng. Thiếu linh hoạt trong việc theo dõi biến động cạnh tranh theo chu kỳ kinh tế.
Chỉ số Lerner (Lerner Index) Đo lường mức độ định giá vượt chi phí biên; tính toán riêng biệt cho từng ngân hàng theo từng năm. Đòi hỏi dữ liệu chi tiết về chi phí hoạt động và doanh thu để ước lượng chi phí biên ($MC$). Tối ưu nhất; cho phép hồi quy dữ liệu bảng động xác định các nhân tố ảnh hưởng.

Dựa trên ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW):

  • Must have (Bắt buộc): Đo lường chỉ số Lerner từng năm; kiểm soát hiện tượng đa cộng tuyến bằng chỉ số phóng đại phương sai (Variance Inflation Factor - VIF); kiểm soát tính nội sinh bằng biến công cụ GMM.
  • Should have (Nên có): Phân tích ma trận tương quan Pearson giữa các biến; đánh giá tác động của cuộc khủng hoảng tài chính 2008 lên tốc độ tăng trưởng tín dụng.
  • Could have (Có thể mở rộng): Phân tổ so sánh nhóm NHTM quốc doanh và nhóm NHTMCP tư nhân.
  • Won't have (Không thực hiện): Không áp dụng cho các định chế tài chính phi ngân hàng và chi nhánh ngân hàng nước ngoài tại Việt Nam.

Thiết kế hệ thống

Mô hình nghiên cứu định lượng được cấu trúc hóa theo đường ống xử lý dữ liệu (Data Pipeline) từ khâu tiền xử lý dữ liệu tài chính đến ước lượng hồi quy:

[Báo cáo tài chính 32 NHTM & World Bank (2006-2017)]
[Trích xuất & Làm sạch dữ liệu (Data Preprocessing)]
[Tính toán biến phụ thuộc: LERNER it = (Doanh thu - Chi phí) / Doanh thu]
[Chuẩn hóa biến độc lập: Logarithm (SIZE, RISK, ETA, OI, NI) & Vĩ mô (GDP, INF)]
[Kiểm định chẩn đoán (Diagnostic Tests): Ma trận tương quan, Kiểm định VIF]
[Hồi quy Dynamic Panel Data: Generalized Method of Moments (GMM)]
[Kiểm định vững (Robustness Checks): Hansen J-Test, AR(1) & AR(2)]

Hệ thống biến số được thiết kế chi tiết:

  • Biến phụ thuộc: $LERNER_{it}$ (Chỉ số cạnh tranh của ngân hàng $i$ tại năm $t$).
  • Nhóm biến đặc trưng ngân hàng (Bank-specific characteristics):
    • $SIZE_{it} = \ln(\text{Tổng tài sản})$: Đại diện cho quy mô tài sản.
    • $RISK_{it} = \frac{\text{Nợ xấu}}{\text{Tổng dư nợ cho vay}}$: Tỷ lệ nợ xấu (Nhóm 3, 4, 5 theo Thông tư 15/2010/TT-NHNN).
    • $ETA_{it} = \frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}}$: Tỷ lệ an toàn vốn tự có.
    • $OI_{it} = \frac{\text{Thu nhập ngoài lãi}}{\text{Tổng tài sản}}$: Tỷ lệ đa dạng hóa doanh thu.
    • $NI_{it} = \frac{\text{Chi phí hoạt động}}{\text{Tổng doanh thu}}$: Tỷ lệ chi phí hoạt động.
  • Nhóm biến kinh tế vĩ mô (Macroeconomic variables):
    • $GDP_t$: Tốc độ tăng trưởng Tổng sản phẩm quốc nội hàng năm (%).
    • $INF_t$: Tỷ lệ lạm phát hàng năm tính theo chỉ số giá tiêu dùng CPI (%).

Methodology

Phương pháp nghiên cứu tuân thủ quy trình thực nghiệm kinh tế lượng chuẩn mực:

  • Phương pháp ước lượng: Hồi quy Moment tổng quát (GMM) theo lý thuyết của Lars Peter Hansen (1982) và phát triển bởi Blundell & Bond (1998). Phương pháp này sử dụng các giá trị trễ của biến độc lập làm biến công cụ (Instrumental Variables), triệt tiêu mối tương quan giữa biến giải thích và sai số ngẫu nhiên ($E[Z'{it} \Delta \varepsilon{it}] = 0$), giải quyết triệt để khuyết tật phương sai sai số thay đổi và tự tương quan (Heteroskedasticity and Autocorrelation - HAC).
  • Môi trường tính toán: Nền tảng phân tích thống kê STATA phiên bản 14.0/15.0.
  • Kế hoạch kiểm soát rủi ro: Kiểm tra hiện tượng đa cộng tuyến bằng chỉ số VIF (ngưỡng chấp nhận $\text{VIF} < 10$ theo Gujarati, 2004); kiểm tra tính overidentified của mô hình thông qua kiểm định Hansen J-test.

Implementation và kết quả

Development process

Phương trình hồi quy kinh tế lượng được triển khai trên STATA theo dạng logarit tuyến tính:

$$\ln(LI_{it}) = \beta_0 + \beta_1 \ln(RISK_{it}) + \beta_2 \ln(Y_{it}) + \beta_3 \ln(ETA_{it}) + \beta_4 \ln(OI_{it}) + \beta_5 \ln(NI_{it}) + \beta_6 GDP_t + \beta_7 INF_t + \varepsilon_{it}$$

Thuật toán và cú pháp xử lý dữ liệu mẫu trên STATA:

* Thiết lập cấu trúc dữ liệu bảng (Panel Data)
tsset bank_id year

* Tính toán chỉ số Lerner và các biến số
gen LERNER = (total_revenue - total_cost) / total_revenue
gen ln_SIZE = ln(total_assets)
gen ln_RISK = ln(bad_debt / total_loans)
gen ln_ETA = ln(equity / total_assets)
gen ln_OI = ln(non_interest_income / total_assets)
gen ln_NI = ln(operating_cost / total_revenue)

* Kiểm định đa cộng tuyến VIF sau hồi quy tuyến tính OLS
reg LERNER ln_SIZE ln_RISK ln_ETA ln_OI ln_NI GDP INF
vif

* Thực hiện ước lượng GMM hệ thống (System-GMM) hai bước
xtabond2 LERNER L.LERNER ln_SIZE ln_RISK ln_ETA ln_OI ln_NI GDP INF, ///
    gmm(L.LERNER ln_SIZE ln_RISK ln_ETA ln_OI, lag(2 4)) ///
    iv(ln_NI GDP INF) robust twostep small

Testing và validation

Tập dữ liệu bảng bao gồm 300 quan sát từ 32 NHTMCP Việt Nam trong suốt giai đoạn 2006–2017.

Bảng thống kê mô tả các biến số:

Tên biến Ký hiệu Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất
Chỉ số Lerner $LERNER$ 0,5157 0,1594 0,0729 0,9791
Quy mô tài sản $SIZE$ 17,9515 1,4760 13,5820 20,9070
Tỷ lệ nợ xấu $RISK$ 0,0188 (1,88%) 0,0156 0,0001 0,1140 (11,4%)
Tỷ lệ vốn CSH/Tổng TS $ETA$ 0,1125 (11,25%) 0,1187 0,0039 1,8373
Thu nhập ngoài lãi/Tổng TS $OI$ 0,0033 (0,33%) 0,0064 0,000003 0,0677 (6,77%)
Chi phí HĐ/Tổng DT $NI$ 0,4843 (48,43%) 0,1594 0,0209 0,9271 (92,71%)
Tăng trưởng kinh tế $GDP$ 6,1822 (%) 0,6211 5,2474 (%) 7,1295 (%)
Tỷ lệ lạm phát $INF$ 8,7347 (%) 6,9330 -0,1908 (%) 22,6733 (%)

Kiểm định hiện tượng đa cộng tuyến (VIF Test):

Biến số VIF 1/VIF (Tolerance) Kết luận
$GDP$ 1,18 0,8452 Không có đa cộng tuyến
$NI$ 1,15 0,8668 Không có đa cộng tuyến
$INF$ 1,12 0,8951 Không có đa cộng tuyến
$RISK$ 1,08 0,9259 Không có đa cộng tuyến
$ETA$ 1,06 0,9432 Không có đa cộng tuyến
$OI$ 1,03 0,9672 Không có đa cộng tuyến
Giá trị VIF trung bình 1,10 Mô hình hoàn toàn ổn định ($\text{VIF} \ll 10$)

Kết quả đạt được

Bảng kết quả hồi quy mô hình GMM:

Biến giải thích Hệ số hồi quy ($\beta$) Thống kê $t$ / $z$ Giá trị $p$ ($p$-value) Mức ý nghĩa thống kê
$SIZE$ $3,64 \times 10^{-17}$ 1,79 $p < 0,10$ Có ý nghĩa ở mức 10% (*)
$RISK$ $-2,53 \times 10^{-15}$ -2,24 $p = 0,026$ Có ý nghĩa ở mức 5% (**)
$ETA$ $-3,90 \times 10^{-17}$ -0,20 $p > 0,10$ Không có ý nghĩa thống kê
$OI$ $-2,39 \times 10^{-15}$ -0,61 $p > 0,10$ Không có ý nghĩa thống kê
$NI$ $-1,0000$ $-8,97 \times 10^{15}$ $p < 0,01$ Có ý nghĩa ở mức 1% (***)
$GDP$ $-4,51 \times 10^{-17}$ -2,67 $p < 0,05$ Có ý nghĩa ở mức 5% (**)
$INF$ $1,02 \times 10^{-18}$ 1,10 $p > 0,10$ Không có ý nghĩa thống kê

Ghi chú: (), (), () biểu thị ý nghĩa thống kê tương ứng ở các mức 1%, 5% và 10%.

Phân tích chi tiết kết quả thực nghiệm:

  1. Quy mô ngân hàng ($SIZE$): Tác động cùng chiều đến chỉ số Lerner ($\beta > 0$, $p < 0,10$). Ngân hàng có quy mô tài sản lớn như NHTMCP Đầu tư và Phát triển Việt Nam (BIDV - tổng tài sản 1.201 nghìn tỷ VNĐ năm 2017) sở hữu chỉ số Lerner đạt 60,26%, vượt trội so với các ngân hàng quy mô nhỏ như NHTMCP Bản Việt ($SIZE = 13,57$, Lerner = 33,08%). Điều này khẳng định lợi thế kinh tế theo quy mô (Economies of Scale) giúp gia tăng sức mạnh thị trường.
  2. Rủi ro nợ xấu ($RISK$): Tác động nghịch chiều lên chỉ số Lerner ở mức ý nghĩa 5% ($\beta = -2,53 \times 10^{-15}$, $t = -2,24$). Khi tỷ lệ nợ xấu tăng cao (điển hình như NHTMCP Sài Gòn có nợ xấu lên đến 11,4%), chi phí trích lập dự phòng rủi ro tín dụng tăng vọt, làm suy giảm biên lợi nhuận và hạ thấp chỉ số cạnh tranh xuống 44,82%.
  3. Chi phí hoạt động ($NI$): Có mối quan hệ nghịch biến chặt chẽ nhất ($\beta = -1,000$, $p < 0,01$). Ngân hàng kiểm soát chi phí kém (như NHTMCP Quốc Dân có $NI$ cao nhất) ghi nhận chỉ số Lerner thấp nhất hệ thống (7,28%), trong khi Ngân hàng TMCP Á Châu (ACB) tối ưu hóa chi phí tốt nhất đạt chỉ số Lerner lên tới 97,91%.
  4. Tăng trưởng kinh tế ($GDP$): Có mối quan hệ nghịch biến với sức mạnh thị trường ở mức ý nghĩa 5% ($\beta = -4,51 \times 10^{-17}$, $t = -2,67$), phù hợp với nghiên cứu của Delis (2012): khi nền kinh tế tăng trưởng nóng, các rào cản gia nhập thị trường giảm bớt, nhiều đối thủ cạnh tranh tham gia làm giảm biên định giá của các ngân hàng đương nhiệm.

Đổi mới và đóng góp

  1. Đổi mới phương pháp luận định lượng: Thay vì sử dụng các chỉ tiêu cấu trúc tĩnh truyền thống như tỷ lệ tập trung CR3, CR5 hoặc HHI (vốn chỉ phản ánh thị phần mà không đo được phản ứng giá), đề tài đã ứng dụng thành công chỉ số Lerner phi cấu trúc. Đây là phương pháp đo lường biên độ định giá trên chi phí biên cho từng ngân hàng trong từng năm cụ thể.
  2. Xử lý triệt để hiện tượng nội sinh bằng GMM: So với các nghiên cứu trước đây tại Việt Nam chủ yếu dùng OLS hoặc Fixed Effects (FE) / Random Effects (RE) dễ dẫn đến hệ số ước lượng chệch khi có biến trễ tài chính, việc áp dụng System-GMM (Blundell & Bond, 1998) đảm bảo các ước lượng thu được là vững (consistent) và không chệch (unbiased).
  3. Bằng chứng thực nghiệm đặc thù cho thị trường Việt Nam: Nghiên cứu đã chứng minh thị trường ngân hàng Việt Nam giai đoạn 2006–2017 mang đặc tính cạnh tranh không hoàn hảo (chỉ số Lerner trung bình 51,57%). Giai đoạn cạnh tranh khốc liệt nhất diễn ra trong giai đoạn 2008–2013 dưới sức ép mở cửa WTO và tái cơ cấu nợ xấu, trước khi có dấu hiệu hạ nhiệt trong giai đoạn 2014–2017.

Ứng dụng thực tế và triển khai

Chiến lược cho các Ngân hàng Thương mại Cổ phần

               [MÔ HÌNH NÂNG CAO NĂNG LỰC CẠNH TRANH NHTM]
[Tăng vốn điều lệ]        [Kiểm soát rủi ro nợ xấu]    [Tối ưu hóa chi phí & CN]
- Mở rộng quy mô TS       - Tái cơ cấu danh mục        - Đầu tư Core Banking
- Nâng cao CAR            - Giảm tỷ trọng nợ nhóm 3-5  - Tự động hóa quy trình
- Đạt chuẩn Basel II      - Trích lập dự phòng chuẩn   - Giảm tỷ lệ NI xuống <40%
  • Tăng vốn điều lệ và quy mô tài sản: Các NHTM cần chủ động nâng cao năng lực tài chính thông qua phát hành cổ phiếu, giữ lại lợi nhuận hoặc tìm kiếm cổ đông chiến lược nước ngoài. Việc tăng quy mô giúp ngân hàng khai thác lợi thế quy mô, đầu tư hạ tầng số và nâng cao hệ số an toàn vốn (Capital Adequacy Ratio - CAR).
  • Kiểm soát chất lượng tín dụng và xử lý nợ xấu: Vì biến $RISK$ tác động tiêu cực trực tiếp đến chỉ số Lerner, các ngân hàng phải chuyển đổi từ mô hình tăng trưởng tín dụng nóng sang tăng trưởng an toàn; kiểm soát chặt chẽ các khoản vay trung và dài hạn, đẩy mạnh hoạt động của Công ty Quản lý tài sản (VAMC) để làm sạch bảng cân đối kế toán.
  • Tối ưu hóa tỷ lệ chi phí hoạt động ($NI$): Cắt giảm các chi phí vận hành thủ công thông qua việc số hóa quy trình nghiệp vụ (Core Banking, Digital Banking), đưa tỷ lệ $NI$ về mức tối ưu nhằm gia tăng sức mạnh định giá trên thị trường.

Khuyến nghị chính sách cho Ngân hàng Nhà nước Việt Nam (NHNN)

  • Điều hành chính sách lãi suất linh hoạt: Tránh các cú sốc lãi suất điều hành đột ngột gây ra hiện tượng chạy đua lãi suất huy động giữa các NHTMCP nhỏ, tạo ra sự bất ổn định cho hệ thống.
  • Đẩy mạnh hạ tầng công nghệ và thanh toán liên ngân hàng: Phát triển hành lang pháp lý cho các phương tiện thanh toán không dùng tiền mặt, hệ thống thanh toán bù trừ tự động (ACH), hỗ trợ các NHTM chia sẻ hạ tầng công nghệ nhằm giảm chi phí giao dịch toàn ngành.

Lộ trình triển khai khuyến nghị

Giai đoạn Mục tiêu trọng tâm Chỉ số đo lường hiệu quả (KPIs)
Giai đoạn 1 (Năm 1 - 2) Tái cấu trúc danh mục nợ, xử lý nợ xấu tồn đọng. Giảm tỷ lệ nợ xấu ($RISK$) xuống dưới 2,0%; kiểm soát hệ số $NI < 45%$.
Giai đoạn 2 (Năm 3 - 4) Nâng vốn điều lệ, đáp ứng chuẩn an toàn vốn Basel II. Hệ số CAR $\ge 8%$; tăng trưởng quy mô tài sản đạt $12 - 15%/\text{năm}$.
Giai đoạn 3 (Năm 5 trở đi) Số hóa toàn diện hệ thống ngân hàng, đa dạng hóa thu ngoài lãi. Nâng tỷ lệ thu nhập ngoài lãi ($OI$) lên mức $> 1,5%$ tổng tài sản.

Hạn chế và hướng phát triển

  • Hạn chế về mẫu dữ liệu: Nghiên cứu chỉ khảo sát 32 NHTMCP có dữ liệu tương đối đầy đủ, phải loại bỏ một số ngân hàng yếu kém bị mua lại bắt buộc hoặc sáp nhập, dẫn đến bảng số liệu có thể chưa bao phủ $100%$ các định chế tài chính vi mô.
  • Phương pháp ước lượng chi phí biên ($MC$): Đề tài sử dụng tỷ lệ tổng chi phí trên tổng doanh thu làm đại diện cho chi phí biên theo thông lệ của Hawtrey & Liang (2008), chưa xây dựng hàm chi phí biên xuyên logarit (Translog Cost Function) do giới hạn dữ liệu đầu vào về giá các yếu tố sản xuất (giá vốn, giá lao động, giá tài sản cố định).
  • Hướng phát triển: Nghiên cứu tương lai có thể áp dụng mô hình biên ngẫu nhiên (Stochastic Frontier Analysis - SFA) để ước lượng hàm chi phí Translog, đồng thời mở rộng khung thời gian nghiên cứu sau năm 2018 nhằm đánh giá tác động của Thông tư 41/2016/TT-NHNN (chuẩn mực Basel II) và làn sóng chuyển đổi số (Fintech/Open Banking).

Đối tượng hưởng lợi

  • Sinh viên và học viên cao học ngành Tài chính – Ngân hàng: Nắm bắt được phương pháp luận nghiên cứu định lượng hiện đại, cách thức thu thập và làm sạch dữ liệu bảng từ báo cáo kiểm toán, quy trình thực hiện hồi quy GMM trên phần mềm STATA.
  • Chuyên viên phân tích tài chính và quản trị rủi ro tại NHTM: Ứng dụng mô hình chỉ số Lerner để định vị chính xác sức mạnh thị trường của ngân hàng mình so với đối thủ cạnh tranh, từ đó hoạch định chiến lược định giá sản phẩm và quản trị chi phí $NI$.
  • Cơ quan quản lý Nhà nước (Ngân hàng Nhà nước, Ủy ban Giám sát Tài chính Quốc gia): Có thêm căn cứ khoa học định lượng để giám sát mức độ tập trung thị trường, kiểm soát rủi ro hệ thống và xây dựng các can thiệp chính sách tiền tệ phù hợp.
  • Các nhà nghiên cứu kinh tế lượng ứng dụng: Tham khảo khung mô hình phân tích phi cấu trúc và các kỹ thuật xử lý khuyết tật dữ liệu bảng động.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn chỉ số Lerner thay vì chỉ số HHI để đo lường cạnh tranh?
Chỉ số Herfindahl-Hirschman (HHI) là thước đo cấu trúc chỉ phản ánh mức độ tập trung thị phần tài sản/tiền gửi của toàn ngành, không phản ánh được mức độ độc quyền hay khả năng định giá vượt chi phí biên của từng ngân hàng cụ thể. Chỉ số Lerner cho phép tính toán riêng biệt cho từng ngân hàng trong từng năm, phản ánh chính xác sức mạnh thị trường thực tế.

2. Phương pháp hồi quy Moment tổng quát (GMM) giải quyết vấn đề gì trong dữ liệu ngân hàng?
Dữ liệu tài chính ngân hàng thường xuất hiện hiện tượng nội sinh (ví dụ: quy mô tài sản và năng lực cạnh tranh có thể tác động qua lại lẫn nhau) và tự tương quan. GMM sử dụng các biến trễ làm biến công cụ nội sinh, loại bỏ hiện tượng tương quan giữa biến giải thích và sai số ngẫu nhiên, cho ra kết quả ước lượng vững và hiệu quả.

3. Tại sao tỷ lệ nợ xấu ($RISK$) lại có tác động tiêu cực đến sức mạnh cạnh tranh của ngân hàng?
Kết quả thực nghiệm cho thấy hệ số $\beta = -2,53 \times 10^{-15}$ ($p = 0,026$). Khi nợ xấu gia tăng, ngân hàng buộc phải tăng chi phí trích lập dự phòng và giảm khả năng thu hồi lãi vay, làm xói mòn biên lợi nhuận ròng, từ đó làm giảm trực tiếp chỉ số Lerner.

4. Dữ liệu bảng trong nghiên cứu có gặp hiện tượng đa cộng tuyến không?
Không. Kiểm định hệ số nhân tử phóng đại phương sai (VIF) cho kết quả trung bình là 1,10 (giá trị cao nhất là biến GDP với $\text{VIF} = 1,18$), thấp hơn rất nhiều so với ngưỡng cảnh báo 10, chứng minh mô hình hoàn toàn không có hiện tượng đa cộng tuyến nghiêm trọng.

5. Ngân hàng nào có sức mạnh thị trường cao nhất và thấp nhất trong giai đoạn nghiên cứu?
Theo kết quả thống kê mô tả 300 quan sát giai đoạn 2006–2017, Ngân hàng TMCP Á Châu (ACB) đạt chỉ số Lerner cao nhất ở mức 97,91% nhờ tối ưu hóa chi phí hoạt động tốt, trong khi Ngân hàng TMCP Quốc Dân (NCB) ghi nhận chỉ số thấp nhất là 7,28%.


Kết luận

Đồ án khóa luận tốt nghiệp của tác giả Nguyễn Thị Diệu Huyền đã hoàn thành xuất sắc mục tiêu nghiên cứu thực nghiệm về các yếu tố chi phối năng lực cạnh tranh của hệ thống NHTMCP Việt Nam giai đoạn 2006–2017. Thông qua việc kết hợp chỉ số Lerner phi cấu trúc và phương pháp ước lượng GMM trên dữ liệu bảng 32 ngân hàng, nghiên cứu đã chứng minh thị trường ngân hàng Việt Nam mang cấu trúc cạnh tranh không hoàn hảo với chỉ số Lerner trung bình đạt 51,57%. Kết quả định lượng chỉ ra rằng quy mô tài sản ($SIZE$) có tác động tích cực đến sức mạnh thị trường, trong khi rủi ro nợ xấu ($RISK$), tỷ lệ chi phí hoạt động ($NI$) và tăng trưởng kinh tế ($GDP$) có tác động tiêu cực đến chỉ số cạnh tranh. Những phát hiện thực nghiệm này cung cấp cơ sở khoa học vững chắc cho các nhà quản trị ngân hàng trong việc tăng vốn điều lệ, kiểm soát nợ xấu và tối ưu hóa chi phí, đồng thời hỗ trợ Ngân hàng Nhà nước trong việc điều hành chính sách tiền tệ ổn định và bền vững.