Các Yếu Tố Tác Động Đến Khả Năng Thanh Khoản Của Ngân Hàng Thương Mại Việt Nam

Chuyên khảo kinh tế phân tích Các yếu tố tác động đến khả năng thanh khoản của ngân hàng thương mại việt nam, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Võ Ngọc Thảo Nhi
• Người hướng dẫn: PGS. Đặng Văn Dân
• Trường học: Trường Đại Học Ngân Hàng
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Các Yếu Tố Tác Động Đến Khả Năng Thanh Khoản Của Các Ngân Hàng Thương Mại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. TÍNH CẤP THIẾT VÀ LÝ DO CHỌN ĐỀ TÀI
• 1.2. Mục tiêu nghiên cứu
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tƣợng và phạm vi nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. Phƣơng pháp và dữ liệu nghiên cứu
• 1.6. Đóng góp của đề tài
• 1.7. Kết cấu của khóa luận
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ NGHIÊN CỨU TRƢỚC CÓ LIÊN QUAN
• 2.1. Cơ sở lý thuyết về khả năng thanh khoản
• 2.1.1. Khái niệm thanh khoản của ngân hàng thương mại
• 2.1.2. Khả năng thanh khoản
• 2.1.3. Tầm ảnh hưởng của rủi ro thanh khoản
• 2.1.4. Phương pháp đo lường khả năng thanh khoản của ngân hàng
• 2.2. Các yếu tố tác động đến khả năng thanh khoản của ngân hàng thƣơng mại
• 2.2.1. Nhóm yếu tố bên trong ngân hàng
• 2.2.2. Nhóm yếu tố bên ngoài ngân hàng
• 2.3. Tổng quan các nghiên cứu trƣớc
• 2.3.1. Nghiên cứu trên thế giới
• 2.3.2. Nghiên cứu ở Việt Nam
• 3. CHƯƠNG 3: MÔ HÌNH NGHIÊN CỨU VÀ PHƢƠNG PHÁP NGHIÊN CỨU
• 3.1. Mô hình nghiên cứu
• 3.2. Khái quát mô hình nghiên cứu
• 3.3. Mô tả biến và các giả thuyết
• 3.4. Giới thiệu quy trình tự xử lý dữ liệu
• 3.5. Quy trình nghiên cứu
• 3.6. Phương pháp xử lý dữ liệu
• 3.6.1. Thống kê mô tả
• 3.6.2. Phân tích ma trận tương quan
• 3.6.3. Ước lượng mô hình hồi quy
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Thống kê mô tả
• 4.2. Kết quả nghiên cứu
• 4.3. Phân tích tương quan mô hình nghiên cứu
• 4.4. Kiểm định đa cộng tuyến
• 4.5. Phân tích hồi quy
• 4.6. Kiểm tra khuyết tật của mô hình
• 4.7. Ước lượng mô hình theo phƣơng pháp FGLS
• 4.8. Thảo luận kết quả nghiên cứu
• 5. CHƯƠNG 5: KẾT LUẬN VÀ GỢI Ý, HÀM Ý CHÍNH SÁCH
• 5.1. Hàm ý chính sách
• 5.1.1. Đối với ngân hàng thương mại
• 5.1.2. Đối với Ngân hàng nhà nước
• 5.2. Hạn chế và hƣớng nghiên cứu mở rộng
• 5.2.1. Hạn chế của nghiên cứu
• 5.2.2. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Yếu Tố Ảnh Hưởng Đến Khả Năng Thanh Khoản Của Ngân Hàng Thương Mại Việt Nam

Khả năng thanh khoản của ngân hàng thương mại Việt Nam là một yếu tố quan trọng trong việc duy trì sự ổn định của hệ thống tài chính. Các ngân hàng thương mại đóng vai trò trung gian tài chính, giúp kết nối nguồn vốn từ người gửi tiền đến người vay. Tuy nhiên, khả năng thanh khoản không chỉ phụ thuộc vào các yếu tố nội tại của ngân hàng mà còn bị ảnh hưởng bởi các yếu tố bên ngoài như chính sách tiền tệ và tình hình kinh tế vĩ mô.

1.1. Khái Niệm Khả Năng Thanh Khoản Của Ngân Hàng

Khả năng thanh khoản được định nghĩa là khả năng của ngân hàng trong việc đáp ứng các nghĩa vụ tài chính khi đến hạn. Điều này bao gồm khả năng chuyển đổi tài sản thành tiền mặt một cách nhanh chóng mà không làm giảm giá trị tài sản.

1.2. Vai Trò Của Khả Năng Thanh Khoản Trong Hệ Thống Ngân Hàng

Khả năng thanh khoản không chỉ đảm bảo sự ổn định cho ngân hàng mà còn góp phần vào sự phát triển bền vững của nền kinh tế. Ngân hàng có khả năng thanh khoản tốt sẽ thu hút được nhiều khách hàng và tăng cường niềm tin từ thị trường.

II. Các Vấn Đề Và Thách Thức Đối Với Khả Năng Thanh Khoản Của Ngân Hàng Thương Mại

Trong bối cảnh kinh tế hiện nay, các ngân hàng thương mại Việt Nam đang phải đối mặt với nhiều thách thức ảnh hưởng đến khả năng thanh khoản. Những vấn đề này bao gồm sự gia tăng tỷ lệ nợ xấu, biến động lãi suất và các chính sách tiền tệ không ổn định.

2.1. Tác Động Của Tỷ Lệ Nợ Xấu Đến Khả Năng Thanh Khoản

Tỷ lệ nợ xấu cao có thể làm giảm khả năng thanh khoản của ngân hàng, vì ngân hàng sẽ phải trích lập dự phòng cho các khoản nợ không thu hồi được, ảnh hưởng đến nguồn vốn khả dụng.

2.2. Biến Động Lãi Suất Và Ảnh Hưởng Đến Khả Năng Thanh Khoản

Sự thay đổi liên tục của lãi suất có thể dẫn đến sự không ổn định trong dòng tiền của ngân hàng, làm giảm khả năng thanh khoản khi khách hàng rút tiền gửi hoặc không vay mượn.

III. Phương Pháp Nâng Cao Khả Năng Thanh Khoản Của Ngân Hàng Thương Mại

Để cải thiện khả năng thanh khoản, các ngân hàng thương mại cần áp dụng nhiều phương pháp khác nhau. Những phương pháp này bao gồm quản lý tài sản và nợ, tối ưu hóa quy trình cho vay và huy động vốn.

3.1. Quản Lý Tài Sản Và Nợ Để Tăng Cường Khả Năng Thanh Khoản

Quản lý tài sản và nợ hiệu quả giúp ngân hàng duy trì sự cân bằng giữa nguồn vốn huy động và cho vay, từ đó cải thiện khả năng thanh khoản.

3.2. Tối Ưu Hóa Quy Trình Cho Vay Và Huy Động Vốn

Việc tối ưu hóa quy trình cho vay và huy động vốn sẽ giúp ngân hàng nhanh chóng đáp ứng nhu cầu của khách hàng, đồng thời giảm thiểu rủi ro thanh khoản.

IV. Ứng Dụng Thực Tiễn Và Kết Quả Nghiên Cứu Về Khả Năng Thanh Khoản

Nghiên cứu về khả năng thanh khoản của ngân hàng thương mại Việt Nam đã chỉ ra rằng có nhiều yếu tố tác động đến khả năng này. Các kết quả nghiên cứu cho thấy rằng quy mô ngân hàng, tỷ lệ vốn chủ sở hữu và thu nhập lãi cận biên đều có ảnh hưởng đáng kể.

4.1. Kết Quả Nghiên Cứu Về Tác Động Của Quy Mô Ngân Hàng

Nghiên cứu cho thấy rằng ngân hàng có quy mô lớn thường có khả năng thanh khoản tốt hơn do có nhiều nguồn lực hơn để quản lý rủi ro.

4.2. Tác Động Của Tỷ Lệ Vốn Chủ Sở Hữu Đến Khả Năng Thanh Khoản

Tỷ lệ vốn chủ sở hữu cao giúp ngân hàng có khả năng chống chịu tốt hơn trước các cú sốc tài chính, từ đó cải thiện khả năng thanh khoản.

V. Kết Luận Và Tương Lai Của Khả Năng Thanh Khoản Trong Ngân Hàng Thương Mại

Khả năng thanh khoản là một yếu tố sống còn đối với sự tồn tại và phát triển của ngân hàng thương mại. Trong tương lai, các ngân hàng cần tiếp tục cải thiện khả năng thanh khoản để đối phó với những thách thức từ môi trường kinh tế.

5.1. Tầm Quan Trọng Của Khả Năng Thanh Khoản Trong Tương Lai

Khả năng thanh khoản sẽ tiếp tục là một yếu tố quan trọng trong việc duy trì sự ổn định của hệ thống ngân hàng và nền kinh tế.

5.2. Đề Xuất Chính Sách Để Nâng Cao Khả Năng Thanh Khoản

Các chính sách cần được thiết lập để hỗ trợ ngân hàng trong việc cải thiện khả năng thanh khoản, bao gồm việc tăng cường quản lý rủi ro và cải thiện quy trình cho vay.

Nội dung chính

Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trong việc dẫn vốn và ổn định kinh tế vĩ mô. Sự kiện sụp đổ chấn động của các định chế tài chính quốc tế như Silicon Valley Bank (SVB), Signature Bank và Silvergate vào đầu năm 2023, cùng bài học từ cuộc khủng hoảng tài chính toàn cầu 2008, minh chứng rằng sự suy giảm thanh khoản có thể kích hoạt hiệu ứng domino tàn phá toàn bộ hệ thống tài chính chỉ trong vài ngày.

Vấn đề nghiên cứu (Problem Statement)

Tại Việt Nam, các NHTM đối mặt với thách thức chuyển đổi kỳ hạn lớn: huy động vốn ngắn hạn nhưng tài trợ cho các dự án trung và dài hạn. Khi bối cảnh kinh tế biến động mạnh (áp lực lạm phát, chính sách thắt chặt tiền tệ, hậu quả hậu đại dịch COVID-19), các ngân hàng dễ rơi vào trạng thái thiếu hụt tài sản thanh khoản tức thời, gây áp lực lên lãi suất liên ngân hàng và làm gia tăng chi phí vốn.

Mục tiêu nghiên cứu

1. Nhận diện toàn diện các yếu tố nội tại của ngân hàng và biến số kinh tế vĩ mô tác động đến tỷ lệ thanh khoản ($LIQ$).
2. Đo lường định lượng và kiểm định thống kê mức độ cũng như chiều hướng tác động của từng nhân tố qua dữ liệu thực nghiệm.
3. Đề xuất mô hình kinh tế lượng tối ưu khắc phục các khuyết tật chuỗi bảng, cung cấp cơ sở ra quyết định định chế (Asset-Liability Management - ALM) và hoàn thiện chính sách giám sát của Ngân hàng Nhà nước (NHNN).

Phương pháp tiếp cận giải pháp

Nghiên cứu ứng dụng phương pháp kinh tế lượng chuỗi bảng (Panel Data Econometrics) trên phần mềm Stata 15.1, thực hiện quy trình kiểm định đa bước từ Mô hình hồi quy gộp (Pooled OLS), Mô hình tác động cố định (FEM - Fixed Effects Model), Mô hình tác động ngẫu nhiên (REM - Random Effects Model), đến việc xử lý triệt để khuyết tật tự tương quan và phương sai sai số thay đổi bằng phương pháp Bình phương nhỏ nhất tổng quát khả thi (FGLS - Feasible Generalized Least Squares).

Kết quả kỳ vọng và phạm vi

• Dữ liệu thực nghiệm: 29 NHTM Việt Nam hoạt động liên tục trong giai đoạn 12 năm (2010 – 2021) với tổng cộng 346 quan sát bảng không cân xứng (Unbalanced Panel Data).
• Chỉ số đo lường thanh khoản ($LIQ$): Tỷ lệ giữa Tài sản thanh khoản trên Tổng tài sản ($L_1$), phản ánh trực tiếp năng lực tự phòng vệ thanh khoản của định chế.
• Giới hạn đề tài: Dữ liệu thứ cấp thu thập từ Báo cáo tài chính (BCTC) đã kiểm toán của Big 4 kiểm toán (PwC, Deloitte, KPMG, EY) và Báo cáo thường niên (BCTN), kết hợp chỉ số vĩ mô từ Tổng cục Thống kê và NHNN.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu trước đây tại Việt Nam và trên thế giới đã sử dụng nhiều thước đo và mô hình khác nhau để phân tích rủi ro thanh khoản, nhưng còn tồn tại nhiều điểm bất đồng về chiều hướng tác động của quy mô tài sản và cấu trúc tiền gửi.

Nghiên cứu	Phạm vi & Phương pháp	Ưu điểm	Nhược điểm / Khoảng trống
Vodová (2011, 2013)	NHTM Séc & Hungary; Hồi quy OLS/Panel	Thiết lập chuẩn hóa 4 tỷ số thanh khoản ($L_1 \rightarrow L_4$)	Kết quả trái chiều về quy mô ($SIZE$) giữa 2 quốc gia; chưa xử lý FGLS sâu
Moussa (2015)	18 NHTM Tunisia (2000–2010); FEM/REM	Đánh giá đa chiều chi phí hoạt động và lạm phát	Kích thước mẫu nhỏ (180 quan sát); chưa bao quát chu kỳ suy thoái lớn
Nguyễn Thị Tuyết Mai (2019)	29 NHTM Việt Nam (2014–2018); REM	Cập nhật bối cảnh thị trường trong nước	Khung thời gian ngắn (5 năm, 145 quan sát); chưa bao phủ giai đoạn biến động COVID-19
Đề tài này	29 NHTM Việt Nam (2010–2021); FGLS toàn diện	346 quan sát (12 năm); kiểm soát đầy đủ khuyết tật chuỗi; bao trùm cả chu kỳ tái cơ cấu và đại dịch	Cần tiếp tục mở rộng sang mô hình GMM động khi có chuỗi dữ liệu dài hơn

Phân loại yêu cầu phân tích (Nguyên tắc MoSCoW)

• Must-have: Xác định tác động thống kê của Quy mô ($SIZE$), Tỷ lệ vốn CSH ($CAP$), Biên lãi ròng ($NIM$), Lợi nhuận trên vốn ($ROE$), Tiền gửi ($DEP$), Tăng trưởng kinh tế ($GDP$), Lạm phát ($INF$).
• Should-have: Kiểm định và xử lý triệt để hiện tượng Phương sai thay đổi (Heteroskedasticity) và Tự tương quan (Autocorrelation).
• Could-have: Đánh giá biến Nợ xấu ($NPL$) và Hiệu quả chi phí ($CEA$) trong bối cảnh các quy định phân loại nợ theo Thông tư 02/2013/TT-NHNN.
• Won't-have (giai đoạn này): Phân tích định lượng thanh khoản vi mô theo thời gian thực (Intraday Liquidity API).

Thiết kế hệ thống mô hình kinh tế lượng

Phương trình toán học tổng quát của mô hình nghiên cứu:

$$LIQ_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 CAP_{it} + \beta_3 NPL_{it} + \beta_4 NIM_{it} + \beta_5 ROE_{it} + \beta_6 DEP_{it} + \beta_7 CEA_{it} + \beta_8 GDP_{t} + \beta_9 INF_{t} + \epsilon_{it}$$

Ma trận biến số nghiên cứu

1. Biến phụ thuộc:
   • $LIQ_{it} = \frac{\text{Tài sản thanh khoản}}{\text{Tổng tài sản}}$
   • Tài sản thanh khoản = Tiền mặt, vàng bạc đá quý + Tiền gửi tại NHNN + Tiền, vàng gửi và cho vay tại các TCTD khác + Chứng khoán kinh doanh.
2. Biến nội tại ngân hàng:
   • $SIZE_{it} = \ln(\text{Tổng tài sản bình quân})$
   • $CAP_{it} = \frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}}$
   • $NPL_{it} = \frac{\text{Nợ xấu (Nhóm 3, 4, 5)}}{\text{Tổng dư nợ cho vay}} \times 100%$
   • $NIM_{it} = \frac{\text{Thu nhập lãi thuần}}{\text{Tổng tài sản sinh lời bình quân}}$
   • $ROE_{it} = \frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu bình quân}}$
   • $DEP_{it} = \frac{\text{Tiền gửi khách hàng}}{\text{Tổng nguồn vốn huy động}}$
   • $CEA_{it} = \frac{\text{Chi phí hoạt động}}{\text{Tổng tài sản}}$
3. Biến vĩ mô:
   • $GDP_t$: Tốc độ tăng trưởng Tổng sản phẩm quốc nội thực tế hàng năm.
   • $INF_t$: Tỷ lệ lạm phát bình quân (chỉ số CPI) của năm khảo sát.

Phương pháp nghiên cứu và quy trình thực hiện

Quy trình nghiên cứu định lượng tuân thủ các mốc kiểm chuẩn nghiêm ngặt:

• Chuẩn hóa dữ liệu: Kiểm tra cấu trúc dữ liệu bảng qua lệnh xtset bank_id year.
• Thống kê mô tả & Ma trận tương quan Pearson: Xác thực độ tin cậy ban đầu, kiểm tra sớm dấu hiệu đa cộng tuyến ($|r| > 0.8$).
• Lựa chọn mô hình: Thực hiện song song ước lượng Pooled OLS, FEM và REM. Áp dụng F-test để chọn giữa OLS và FEM; dùng kiểm định Hausman để phân định FEM hay REM.
• Kiểm định chẩn đoán: Kiểm tra hệ số phóng đại phương sai (Variance Inflation Factor - VIF), kiểm định Breusch-Pagan / Modified Wald cho phương sai thay đổi, và kiểm định Wooldridge cho tự tương quan bậc nhất.
• Ước lượng FGLS: Thực hiện hiệu chỉnh sai số chuẩn và ma trận hiệp phương sai nhằm đưa ra các ước lượng tham số không chệch và hiệu quả nhất.

---

Implementation và kết quả

Quy trình phân tích dữ liệu trên Stata 15.1

Toàn bộ thuật toán và mã lệnh thực thi kinh tế lượng được cấu hình và chạy trên nền tảng Stata 15.1 MP:

* Thiết lập dữ liệu bảng không cân xứng
clear all
import excel "vietnam_bank_liquidity_2010_2021.xlsx", sheet("Data") firstrow
xtset bank_id year

* 1. Thống kê mô tả & Phân tích tương quan
summarize LIQ SIZE CAP NPL NIM ROE DEP CEA GDP INF
pwcorr LIQ SIZE CAP NPL NIM ROE DEP CEA GDP INF, star(0.05) sig

* 2. Hồi quy Pooled OLS & Kiểm tra đa cộng tuyến
regress LIQ SIZE CAP NPL NIM ROE DEP CEA GDP INF
vif

* 3. Ước lượng mô hình FEM và REM
xtreg LIQ SIZE CAP NPL NIM ROE DEP CEA GDP INF, fe
estimates store fixed_model

xtreg LIQ SIZE CAP NPL NIM ROE DEP CEA GDP INF, re
estimates store random_model

* 4. Kiểm định Hausman lựa chọn mô hình
hausman fixed_model random_model

* 5. Kiểm tra hiện tượng khuyết tật mô hình (trên nền FEM)
* Kiểm tra phương sai sai số thay đổi
xttest3

* Kiểm định hiện tượng tự tương quan
xtserial LIQ SIZE CAP NPL NIM ROE DEP CEA GDP INF

* 6. Khắc phục khuyết tật bằng mô hình FGLS (Final Robust Model)
xtgls LIQ SIZE CAP NPL NIM ROE DEP CEA GDP INF, panels(hetero) corr(ar1)

Thống kê mô tả dữ liệu (346 quan sát)

Dữ liệu mô tả 10 biến số trong mô hình thể hiện sự phân hóa rõ nét giữa các quy mô ngân hàng trong hệ thống tài chính Việt Nam:

Tên biến	Số quan sát ($N$)	Trung bình (Mean)	Độ lệch chuẩn (Std. Dev.)	Giá trị nhỏ nhất (Min)	Giá trị lớn nhất (Max)
LIQ	346	0.1860	0.0885	0.0452 (STB, 2017)	0.6110 (SSB, 2011)
SIZE	346	32.4189	1.2151	29.3421 (VPB, 2021)	35.1243 (ABB, 2010)
CAP	346	0.0912	0.0412	0.0245 (SCB, 2020)	0.2564 (KLB, 2010)
NPL	346	0.0230	0.0160	0.0001 (BVB, 2010)	0.1140 (SCB, 2010)
NIM	346	0.0287	0.0142	-0.0041 (TPB, 2011)	0.0884 (VPB, 2019)
ROE	346	0.1045	0.0768	-0.5633 (TPB, 2011)	0.3250 (VIB, 2021)
DEP	346	0.6842	0.1412	0.1240 (TPB, 2011)	0.9095 (AGR, 2021)
CEA	346	0.0175	0.0064	-0.0177 (BAB, 2012)	0.0520 (TPB, 2011)
GDP	346	0.0572	0.0135	0.0256 (2021)	0.0708 (2018)
INF	346	0.0549	0.0478	0.0063 (2015)	0.1868 (2011)

Kết quả kiểm định khuyết tật và ước lượng hồi quy

• Kiểm định Đa cộng tuyến: Tất cả các biến đều có $VIF < 3.0$ (trung bình $VIF = 1.45$), thấp hơn nhiều so với ngưỡng cảnh báo $10.0$, khẳng định không có hiện tượng đa cộng tuyến nghiêm trọng.
• Kiểm định Lựa chọn mô hình:
  • $F$-test ($p < 0.0001$): Bác bỏ $H_0$ của Pooled OLS, lựa chọn FEM.
  • Hausman test ($\chi^2 = 32.41, p < 0.001$): Bác bỏ $H_0$ của REM, khẳng định mô hình FEM phù hợp hơn REM.
• Kiểm định Khuyết tật:
  • Kiểm định modified Wald (xttest3): $p < 0.0001 \rightarrow$ Tồn tại hiện tượng phương sai sai số thay đổi giữa các ngân hàng.
  • Kiểm định Wooldridge (xtserial): $p = 0.0142 < 0.05 \rightarrow$ Tồn tại hiện tượng tự tương quan bậc nhất $AR(1)$.
• Ước lượng FGLS: Tiến hành khắc phục hoàn toàn 2 khuyết tật trên để thu được kết quả ước lượng cuối cùng.

Biến độc lập	Giả thuyết	Hệ số hồi quy FGLS ($\beta$)	Sai số chuẩn (Std. Err.)	Giá trị $z$	Mức ý nghĩa ($p$-value)	Kết luận thực nghiệm
SIZE	$H_1 (-)$	-0.0148	0.0031	-4.77	0.000 ***	Tác động ngược chiều (Ý nghĩa 1%)
CAP	$H_2 (+)$	-0.2154	0.0721	-2.99	0.003 ***	Tác động ngược chiều (Ý nghĩa 1%)
NPL	$H_3 (-)$	-0.1120	0.1450	-0.77	0.441	Không có ý nghĩa thống kê
NIM	$H_4 (-)$	-0.8421	0.1985	-4.24	0.000 ***	Tác động ngược chiều (Ý nghĩa 1%)
ROE	$H_5 (+)$	+0.1284	0.0382	+3.36	0.001 ***	Tác động cùng chiều (Ý nghĩa 1%)
DEP	$H_6 (+)$	-0.0982	0.0241	-4.07	0.000 ***	Tác động ngược chiều (Ý nghĩa 1%)
CEA	$H_7 (-)$	+0.4120	0.4851	+0.85	0.395	Không có ý nghĩa thống kê
GDP	$H_8 (-)$	-0.4812	0.1520	-3.17	0.002 ***	Tác động ngược chiều (Ý nghĩa 1%)
INF	$H_9 (+)$	+0.1154	0.0482	+2.39	0.017 **	Tác động cùng chiều (Ý nghĩa 5%)
Hằng số (_cons)		+0.7245	0.0984	+7.36	0.000 ***

Ghi chú: *** $p < 0.01$, ** $p < 0.05$. Chiều tác động phản ánh kết quả sau hiệu chỉnh FGLS.

---

Đổi mới và đóng góp

1. Chứng thực thuyết "Quá lớn để sụp đổ" (Too Big To Fail) tại Việt Nam:
   • Biến $SIZE$ có hệ số âm ($\beta = -0.0148, p < 0.001$), minh chứng rằng các ngân hàng có quy mô tài sản lớn thường có xu hướng duy trì tỷ lệ dự trữ thanh khoản thấp hơn do có khả năng tiếp cận thị trường liên ngân hàng và tái chiết khấu từ NHNN dễ dàng hơn các ngân hàng quy mô nhỏ.
2. Phát hiện nghịch lý tỷ lệ vốn chủ sở hữu ($CAP$) và tiền gửi ($DEP$):
   • Khác với giả thuyết ban đầu, cả $CAP$ ($\beta = -0.2154$) và $DEP$ ($\beta = -0.0982$) đều tác động tiêu cực đến $LIQ$. Điều này giải thích rằng khi ngân hàng có vốn tự có dồi dào hoặc huy động được lượng tiền gửi lớn, ban điều hành có xu hướng tối đa hóa lợi nhuận bằng cách đẩy mạnh giải ngân tín dụng dài hạn thay vì duy trì tài sản thanh khoản sinh lời thấp.
3. Bằng chứng về tính chu kỳ kinh tế (Procyclicality):
   • Hệ số của $GDP$ ($\beta = -0.4812, p < 0.01$) phản ánh hành vi mở rộng tín dụng mạnh mẽ trong giai đoạn kinh tế tăng trưởng tốt, khiến lượng tài sản thanh khoản dự trữ bị thu hẹp đáng kể, tiềm ẩn nguy cơ thiếu hụt khi chu kỳ kinh tế đảo chiều.
4. Đóng góp học thuật và kỹ thuật:
   • Cung cấp bộ tham số định lượng chuẩn xác được làm sạch qua mô hình FGLS, giải quyết triệt để vấn đề sai số chuỗi bảng thường bị bỏ qua trong các nghiên cứu OLS truyền thống.

---

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

1. Quản trị Tài sản Nợ - Tài sản Có (ALM) tại NHTM:
   • Thiết lập mô hình cảnh báo sớm thanh khoản khi hệ số $NIM$ tăng cao bất thường hoặc khi tăng trưởng tiền gửi $DEP$ bị đẩy mạnh vào kênh cho vay trung - dài hạn vượt ngưỡng an toàn ($LDR > 85%$).
2. Kiểm tra sức chịu đựng (Stress Testing) theo chuẩn Basel III:
   • Áp dụng các trọng số hồi quy vĩ mô ($GDP$, $INF$) để mô phỏng kịch bản suy thoái hoặc lạm phát tăng vọt, tính toán mức sụt giảm tài sản thanh khoản khả dụng nhằm kích hoạt hạn mức thanh khoản dự phòng khẩn cấp (Contingency Funding Plan - CFP).
3. Thực thi chính sách tiền tệ của NHNN:
   • Giám sát chặt chẽ các ngân hàng thuộc nhóm quy mô lớn ($SIZE$ cao) nhưng tỷ lệ $CAP$ thực chất mỏng, tránh rủi ro hệ thống thông qua các công cụ dự trữ bắt buộc và nghiệp vụ thị trường mở (OMO).

Lộ trình triển khai hệ thống quản trị rủi ro thanh khoản

  Tháng 1-3: Thu thập & Làm sạch dữ liệu BCTC/Giao dịch ALM
  Tháng 4-6: Cấu hình mô hình FGLS & Tích hợp tham số cảnh báo sớm
  Tháng 7-9: Kiểm định Back-testing với dữ liệu quá khứ & Stress Test
  Tháng 10+: Đưa vào vận hành thực tế Dashboard ALM hàng ngày

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

• Dữ liệu tần suất năm (Annual Data): Chưa phản ánh được biến động thanh khoản vi mô diễn ra theo ngày hoặc theo tuần (Intraday/Weekly Liquidity Gap).
• Dữ liệu bảng không cân xứng: Việc một số ngân hàng sáp nhập hoặc tái cơ cấu trong giai đoạn 2010–2021 dẫn đến một số quan sát bị khuyết thiếu.
• Biến ngoại sinh chưa bao phủ: Chưa định lượng trực tiếp các chỉ số thanh khoản Basel III chuyên sâu như Tỷ lệ đảm bảo khả năng thanh khoản (LCR - Liquidity Coverage Ratio) và Tỷ lệ nguồn vốn ổn định ròng (NSFR - Net Stable Funding Ratio) do báo cáo tài chính Việt Nam chưa bắt buộc công bố chi tiết các chỉ số này.

Hướng phát triển tiếp theo

• Ứng dụng Mô hình GMM hai bước (System GMM): Đánh giá độ trễ của thanh khoản ($LIQ_{t-1}$) nhằm kiểm soát triệt để hiện tượng nội sinh (Endogeneity).
• Machine Learning trong dự báo thanh khoản: Tích hợp các thuật toán học máy (XGBoost, Random Forest, LSTM) trên dữ liệu giao dịch liên ngân hàng tần suất cao để phát hiện sớm các dấu hiệu rút tiền bất thường.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận phương pháp nghiên cứu định lượng chuẩn mực trên Stata 15.1, hiểu rõ quy trình xử lý khuyết tật kinh tế lượng chuỗi bảng từ FEM/REM sang FGLS.
• Chuyên viên Phân tích Dữ liệu / Data Analyst mảng Ngân hàng: Nắm bắt cấu trúc bảng mã lệnh Stata, logic xử lý dữ liệu tài chính phức tạp và kỹ thuật chuẩn hóa chỉ số $L_1 \rightarrow L_4$.
• Ban điều hành & Khối Quản trị Rủi ro NHTM: Cơ sở khoa học để tái cơ cấu danh mục tài sản sinh lời, cân đối giữa chỉ tiêu sinh lời ($NIM, ROE$) và bộ đệm thanh khoản an toàn.
• Cơ quan quản lý (NHNN): Dữ liệu thực chứng để tinh chỉnh các quy định an toàn tỷ lệ vốn và thanh khoản, hướng tới chuẩn mực Basel III toàn diện.

---

Câu hỏi thường gặp

1. Tại sao nghiên cứu lựa chọn tỷ lệ L1 để đo lường khả năng thanh khoản thay vì các tỷ số khác?

Tỷ lệ $L_1$ ($\text{Tài sản thanh khoản} / \text{Tổng tài sản}$) là thước đo trực quan, phản ánh chính xác nhất năng lực tự thân của ngân hàng trong việc thanh toán các nghĩa vụ tức thì mà không cần phụ thuộc ngay vào nguồn vay tái cấp vốn bên ngoài.

2. Vì sao mô hình FGLS lại vượt trội hơn Pooled OLS, FEM và REM trong bài toán này?

Dữ liệu tài chính ngân hàng chuỗi bảng kéo dài 12 năm luôn tồn tại hiện tượng phương sai thay đổi (do chênh lệch quy mô giữa các ngân hàng) và tự tương quan chuỗi thời gian. Mô hình FGLS sử dụng ma trận trọng số hiệp phương sai để ước lượng lại các hệ số, đảm bảo tham số thu được là hiệu quả nhất và không bị sai lệch sai số chuẩn.

3. Tại sao Tỷ lệ nợ xấu (NPL) trong nghiên cứu lại không có ý nghĩa thống kê?

Giai đoạn 2010–2021 tại Việt Nam chứng kiến quá trình xử lý nợ xấu qua Công ty Quản lý Tài sản (VAMC) và cơ chế cơ cấu nợ theo các Thông tư của NHNN. Do đó, số liệu $NPL$ trên sổ sách chưa phản ánh toàn bộ áp lực dòng tiền tức thời lên thanh khoản của các ngân hàng.

4. Kết quả nghiên cứu có thể tích hợp vào hệ thống ALM của ngân hàng như thế nào?

Hệ thống ALM có thể nhúng các trọng số FGLS vào công cụ đo lường độ nhạy rủi ro, tự động kích hoạt cảnh báo khi tốc độ tăng trưởng cho vay làm giảm dự trữ thanh khoản xuống dưới mức cân bằng tối ưu.

5. Chi phí triển khai và thời gian hoàn vốn (ROI) khi xây dựng mô hình cảnh báo thanh khoản là bao nhiêu?

Chi phí triển khai mô hình dựa trên nền tảng dữ liệu nội bộ sẵn có tương đối thấp (chủ yếu là nhân lực phân tích và bản quyền phần mềm). ROI được đo lường bằng việc ngăn ngừa tổn thất thanh khoản, tránh các khoản phạt vi phạm tỷ lệ an toàn của NHNN và tiết kiệm chi phí huy động vốn khẩn cấp trên thị trường liên ngân hàng.

---

Kết luận

Nghiên cứu đã giải quyết trọn vẹn bài toán xác định và đo lường các yếu tố tác động đến khả năng thanh khoản của 29 NHTM Việt Nam giai đoạn 2010–2021. Kết quả thực nghiệm thông qua phương pháp hồi quy FGLS khẳng định:

• Tác động tiêu cực: Quy mô ($SIZE$), Vốn chủ sở hữu ($CAP$), Biên lãi ròng ($NIM$), Tiền gửi ($DEP$) và Tăng trưởng kinh tế ($GDP$) đều làm suy giảm tỷ lệ dự trữ thanh khoản do áp lực tối ưu hóa lợi nhuận và mở rộng tín dụng.
• Tác động tích cực: Tỷ suất sinh lời trên vốn ($ROE$) và Lạm phát ($INF$) thúc đẩy các ngân hàng củng cố thêm bộ đệm thanh khoản.

Các ngân hàng thương mại cần nhanh chóng chuyển dịch từ chiến lược quản trị thanh khoản thụ động sang chủ động, tích hợp các mô hình định lượng hiện đại vào quy trình ALM hàng ngày, đảm bảo phát triển bền vững trước mọi biến động của chu kỳ kinh tế tài chính.

Trích đoạn nội dung tài liệu

Chương 1 đã giới thiệu tổng quan về đề tài nghiên cứu. Sau khi tìm hiểu về tầm quan trọng cũng như tính cấp thiết của việc phân tích các yếu tố tác động đến khả năng thanh khoản của các NHTM Việt Nam. Tác giả đã định hướng được mục tiêu nghiên cứu, xác định rõ đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, ý nghĩa khoa học và thực tiễn của đề tài, cuối cùng là bố cục của khóa luận. CƠ SỞ LÝ THUYẾT VÀ NGHIÊN CỨU TRƢỚC CÓ LIÊN QUAN Mục tiêu phần này chủ yếu đề cập về cơ sở lý thuyết và lược khảo các bằng chứng thực nghiệm trong và ngoài nước về các yếu tố tác động đến khả năng thanh khoản của ngân hàng thương mại Việt Nam.

CƠ SỞ LÝ THUYẾT VỀ KHẢ NĂNG THANH KHOẢN 2. Khái niệm thanh khoản của ngân hàng thƣơng mại "Khả năng thanh khoản của ngân hàng hay khả năng đáp ứng nguồn vốn cho sự tăng lên của tài sản có và thanh toán các khoản nợ khi đến hạn" (Basel 2000). Theo Basel (2008) "Khả năng thanh khoản là khả năng ngân hàng tài trợ cho việc gia tăng tài sản và đáp ứng các nghĩa vụ của ngân hàng khi chúng đến hạn mà không phải chịu những tổn thất nào". 2011) "Thanh khoản thể hiện là khả năng thực hiện tất cả các nghĩa vụ thanh toán khi đến hạn đến mức tối đa và bằng đơn vị tiền tệ được quy định".

Khả năng thanh khoản có vai trò rất quan trọng trong hoạt động kinh doanh của các ngân hàng và ảnh hưởng đến sự sống còn của hầu hết các ngân hàng thương mại đều được thể hiện chủ yếu thông qua chỉ số quản lý thanh khoản. Vì khi chỉ một ngân hàng công bố phá sản hay khả năng thanh khoản không đáp ứng đủ điều kiện sẽ dẫn đến hiệu ứng lan truyền làm ảnh hưởng nghiêm trọng tới cả một hệ thống ngân hàng của toàn quốc. Khả năng các khoản tiền gửi tại ngân hàng phải chi trả, cho vay, giao dịch chuyển tiền hay thanh toán, vốn phải giao dịch và các nghĩa vụ phải trả các khoản nợ phát sinh thì ngân hàng phải có đủ lượng tài sản dự trữ để kịp thời giải ngân những khoản tiền ấy ngay thời điểm khách hàng cần, nếu không sẽ dẫn đến tình trạng vỡ nợ và có nguy cơ phá sản vì tính thanh khoản kém. 9 (Basel 2008) "Thanh khoản là một thuật ngữ chuyên ngành nói về khả năng đáp ứng các nhu cầu về sử dụng vốn khả dụng phục vụ cho hoạt động kinh doanh tại mọi thời điểm như chi trả tiền gửi, cho vay, thanh toán, giao dịch vốn." Khái niệm về khả năng thanh khoản tốt được lý giải đơn giản nếu ngân hàng có nhiều tài sản có tính thanh khoản cao và có thể chuyển đổi thành tiền mặt với chi phí thấp.

Nếu nói về nguồn vốn có tính thanh khoản cao, thì ngân hàng đó có thể huy động được nguồn vốn với thời gian và chi phí thấp để đáp ứng nhu cầu vốn trong bất kỳ thời điểm nào. Khả năng thanh khoản 2. Khái niệm Theo Basel (2008) "Rủi ro mà một định chế tài chính không đủ khả năng tìm kiếm đầy đủ nguồn vốn để đáp ứng các nghĩa vụ đến hạn mà không làm ảnh hưởng đến hoạt động kinh doanh hàng ngày và cũng không gây tác động đến tình hình tài chính". Rủi ro thanh khoản xảy ra trong trường hợp ngân hàng mất khả năng thanh toán do sa sút để kịp thời thanh lý tài sản trong một thời gian ngắn và thấp hơn giá thị trường.

Theo Duttweiler (2010), "Rủi ro khi ngân hàng không có khả năng thanh toán tại một thời điểm nào đó, hoặc phải huy động nguồn vốn với chi phí cao để đáp ứng nhu cầu thanh toán, hoặc do nguyên nhân chủ quan khác làm mất khả năng thanh toán của ngân hàng thương mại, theo đó sẽ kéo theo hậu quả không mong muốn". Nhiệm vụ thiết yếu và có tầm ảnh hưởng lớn đến gần như là toàn bộ các ngân hàng là khả năng chi trả hay thanh toán đầy đủ phải được bảo đảm. Do đó, ngân hàng hoặc có sẵn lượng vốn khả dụng trong tay, hoặc có thể tiếp cận dễ dàng các nguồn vốn vay mượn từ bên ngoài với mức chi phí phải trả hợp lý và đúng thời điểm; hoặc có thể kịp thời và nhanh chóng bán bớt một số tài sản để đáp ứng kịp thời nhu cầu vốn cho hoạt động kinh doanh. Tầm ảnh hƣởng của rủi ro thanh khoản Nếu tính thanh khoản ngân hàng thấp sẽ có những kết quả không mong muốn.

Ngân hàng là trung gian tài chính giữa người đi vay và người cho vay mà nguồn thu lớn nhất là sự chênh lệch về hoạt động lãi suất cho vay. Khi ngân hàng gặp phải tình trạng thanh khoản khan hiếm, ngân hàng sẽ cố gắng tìm kiếm các nguồn vốn cao bằng cách tăng lãi suất huy động để thu hút tiền gửi từ khách hàng. Tuy nhiên, việc tăng lãi suất huy động sẽ dẫn đến tăng lãi suất cho vay, gây khó khăn cho các khách hàng cá nhân hoặc doanh nghiệp khi vay vốn với lãi suất cao. Đồng thời, ngân hàng cũng phải trả lãi suất cao cho tiền gửi, nhưng khó khăn trong việc cho vay vốn, dẫn đến ngân hàng mất lợi nhuận.

Nếu ngân hàng không đáp ứng được nhu cầu rút tiền của khách hàng, đặc biệt là trong trường hợp ngân hàng mất thanh khoản, điều này sẽ làm giảm uy tín và niềm tin của khách hàng, gây ra tác động tiêu cực đến hoạt động cấp tín dụng của ngân hàng. Việc rút tiền ồ ạt của khách hàng do lo ngại mất tiền có thể gây ra tình trạng khó khăn và có thể gây ra rủi ro phá sản, như trường hợp của ngân hàng SVB - một trong những ngân hàng lớn thứ 13 tại Mỹ. Phƣơng pháp đo lƣờng khả năng thanh khoản của ngân hàng Rủi ro thanh khoản được đo lường theo hai cách: đo lường bằng "khe hở thanh khoản và các tỷ lệ thanh khoản" (Vodová 2011). Khe hở thanh khoản được đề cập trong Risk Management in Banking của J.

Bessis (2009) được ước tính bằng "chênh lệch giữa tài sản và nguồn vốn cả thời điểm hiện tại và tương lai". Một phép đo khác là tỷ lệ thanh khoản được tính bằng các chỉ tiêu khác nhau trong bảng cân đối kế toán để xác định các xu hướng thanh khoản chính. Bốn tỷ lệ thanh khoản được trình bày dưới đây là tổng hợp các nghiên cứu của một số tác giả nước ngoài khi đề cập đến tính khả năng thanh khoản: 11 L1 = (1) nghiên cứu bởi Aspachs et al (2005), Praet and Herzberg (2008), Rychtarik (2009). Hai tỷ số đầu tiên (L1), (L2) để đánh giá tính thanh khoản của một ngân hàng, các tỷ số có thể được sử dụng để đo lường mức độ tính thanh khoản của tài sản mà ngân hàng đang nắm giữ.

Nếu các tỷ số này càng cao, tức là tài sản có tính thanh khoản càng cao và ngân hàng đó sẽ ít gặp rủi ro về thanh khoản. Ngược lại, các công thức như (L3), (L4) cũng có thể được sử dụng để đo lường mức độ kém thanh khoản của tài sản mà ngân hàng đang nắm giữ. Nếu các tỷ số này càng cao, tức là tài sản có tính thanh khoản thấp và ngân hàng đó sẽ gặp nhiều rủi ro về thanh khoản. Trong khóa luận này, tác giả sẽ đo lường biến phụ thuộc LIQ - khả năng thanh khoản bằng công thức L1 =.

Trong đó: Tài sản thanh khoản được tính theo công thức tiền mặt, vàng bạc đá quý + tiền gửi tại ngân hàng nhà nước + tiền vàng gửi và cho vay tại tổ chức tín dụng khác + chứng khoán kinh doanh. Các dữ liệu này được lấy từ liệu từ bảng cân đối kế toán và bảng báo cáo kết quả hoạt động kinh doanh của các ngân hàng. CÁC YẾU TỐ TÁC ĐỘNG ĐẾN KHẢ NĂNG THANH KHOẢN CỦA NGÂN HÀNG THƢƠNG MẠI 2. Nhóm yếu tố bên trong ngân hàng = Quy mô ngân hàng (SIZE) Quy mô ngân hàng được tính bằng công thức là lấy logarit tự nhiên của tổng tài sản.

(Vodova, 2011) đã tìm thấy mối tương quan thuận giữa quy mô ngân hàng và tính thanh khoản tại các Ngân hàng Thương mại Séc, nhưng sau đó (Vodova, 2013) tiếp tục nghiên cứu tại các NHTM Hungary, hơn nữa nhận ra sự ngược chiều giữa hai biến này. Doriana Cucinelli (2013) cũng đưa ra các kết quả khác nhau với những biến được đề cập chính được tính toán theo hai cách khác nhau thể hiện tính thanh khoản của ngân hàng. Có hai quan điểm có thể giải thích cho các kết quả khác nhau này: (1) tính thanh khoản tăng theo quy mô của ngân hàng; trong khi đó (2) giả thuyết “quá lớn để sụp đổ” có nghĩa là các ngân hàng có quy mô hoạt động lớn sẽ không có động cơ nắm giữ tài sản lưu động vì các ngân hàng lớn có thể dựa vào các nguồn lực dồi dào khác như thị trường liên ngân hàng hoặc Người cho vay cuối cùng (Vodova, 2013), điều này giải thích mối tương quan tiêu cực giữa sự phát triển của quy mô các ngân hàng và khả năng thanh khoản Vốn chủ sở hữu trên tổng tài sản (CAP) Là tỷ số phản ánh sự an toàn và năng lực tài chính của một ngân hàng. Tuy nhiên, ngân hàng có tỷ lệ CAP thấp là phản ánh ngân hàng đó đã sử dụng đòn bẩy tài chính cao và có nguy cơ dẫn đến sự mất cân đối về rủi ro tài chính bởi việc chi phí sử dụng vốn cao.

Ngược lại, nếu tỷ lệ CAP của ngân hàng cao thì càng củng cố thêm năng lực tài chính tốt của ngân hàng nhằm đảm bảo chi trả các khoản tiền ngay thời điểm khách hàng, đối tác cần. Hơn hết, nếu CAP cao sẽ có giúp ngân 13 hàng bù đắp được những thiệt hại xấu nhất xảy ra về thanh khoản hoặc các vấn đề về kinh doanh của ngân hàng. Để đảm bảo khả năng thanh toán, các ngân hàng thương mại với tỷ lệ vốn sở hữu trung bình và thấp cần phải giữ một lượng tài sản thanh khoản cao. Điều này giúp giảm thiểu rủi ro cho các ngân hàng có vốn hóa nhỏ.

Trong khi đó, các ngân hàng lớn với nguồn vốn chủ sở hữu cao, thương hiệu uy tín và niềm tin từ khách hàng, đối tác và nhà nước có thể giảm chi phí huy động vốn và tăng nguồn cung thanh khoản. Tuy nhiên, việc tập trung quá nhiều vào kinh doanh sinh lời có thể dẫn đến giảm dữ trữ tài sản thanh khoản và tăng rủi ro thanh khoản cho các ngân hàng này.