Giới thiệu dự án

Hệ thống Ngân hàng Thương mại Cổ phần (NHTMCP) giữ vai trò huyết mạch trong nền kinh tế Việt Nam, đóng vai trò trung gian tài chính điều hòa dòng vốn, thúc đẩy tăng trưởng kinh tế và thực thi các chính sách tiền tệ của Ngân hàng Nhà nước (NHNN). Trong giai đoạn 2012–2019, sau giai đoạn tái cơ cấu hệ thống tài chính theo Quyết định 254/QĐ-TTg, các ngân hàng Việt Nam đối mặt với áp lực kép: vừa phải tuân thủ các chuẩn mực an toàn vốn khắt khe theo hiệp ước Basel II (Thông tư 41/2016/TT-NHNN), vừa phải tối ưu hóa năng lực sinh lời trong bối cảnh cạnh tranh khốc liệt.

Vấn đề cốt lõi đặt ra là làm thế nào để xác định và lượng hóa chính xác các nhân tố nội tại cấu thành khả năng sinh lời của các ngân hàng thương mại. Nhiều ngân hàng gặp khó khăn trong việc cân đối giữa việc gia tăng quy mô tài sản với kiểm soát tỷ lệ nợ xấu (NPL), tối ưu chi phí hoạt động (CIR) và duy trì tỷ lệ vốn chủ sở hữu (TEA) an toàn mà không làm sụt giảm tỷ suất sinh lời trên tài sản (ROA), tỷ suất sinh lời trên vốn chủ sở hữu (ROE) hay tỷ lệ thu nhập lãi thuần (NIM).

+-----------------------------------------------------------------------------------+
|                        MỤC TIÊU NGHIÊN CỨU TỔNG THỂ                              |
+-----------------------------------------------------------------------------------+
| 1. Nhận diện các nhân tố vi mô tác động đến ROA, ROE và NIM của 17 NHTMCP.        |
| 2. Kiểm định và khắc phục các khuyết tật mô hình (phương sai thay đổi, tự tương   |
|    quan) bằng kỹ thuật kinh tế lượng Feasible Generalized Least Squares (FGLS).    |
| 3. Xây dựng hàm ý chính sách định lượng giúp nâng cao hiệu quả tài chính bền vững.|
+-----------------------------------------------------------------------------------+

Phương pháp tiếp cận giải pháp dựa trên phân tích hồi quy dữ liệu bảng cân bằng (Balanced Panel Data) của 17 NHTMCP niêm yết trên thị trường chứng khoán Việt Nam trong giai đoạn 2012–2019 với 136 quan sát. Phạm vi nghiên cứu tập trung vào 5 biến độc lập nội tại then chốt: NPL, SIZE, TEA, LQR, CIR; loại trừ các yếu tố ngoại sinh ngắn hạn để bảo đảm tính chuẩn xác của các ước lượng tham số.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình đánh giá hiệu quả sinh lời ngân hàng trước đây thường sử dụng phương pháp bình phương bé nhất gộp (Pooled OLS) hoặc mô hình tác động cố định/ngẫu nhiên (FEM/REM). Tuy nhiên, các dữ liệu tài chính dạng bảng thường xuyên vi phạm các giả định cổ điển của Gauss-Markov.

Phương pháp ước lượng Ưu điểm Nhược điểm Tính phù hợp với dữ liệu ngân hàng
Pooled OLS Đơn giản, dễ tính toán tham số Bỏ qua tính dị biệt giữa các ngân hàng, gây sai lệch tham số Thấp (chỉ dùng làm mốc so sánh)
Fixed Effects (FEM) Kiểm soát được các đặc tính bất biến theo thời gian của từng ngân hàng Mất bậc tự do, không ước lượng được biến không đổi theo thời gian Trung bình
Random Effects (REM) Tiết kiệm bậc tự do, xử lý tốt sai số ngẫu nhiên giữa các thực thể Giả định sai số không tương quan với biến giải thích dễ bị vi phạm Khá (cần kiểm định Hausman)
FGLS (Lựa chọn) Khắc phục triệt để hiện tượng phương sai sai số thay đổi và tự tương quan Đòi hỏi cỡ mẫu đủ lớn để ước lượng ma trận hiệp phương sai Rất cao (Cho ước lượng vững và hiệu quả)

Dưới góc độ phân tích yêu cầu nghiên cứu và thiết kế chỉ tiêu, các biến số được chuẩn hóa theo chuẩn mực MoSCoW:

  • Must-have: Biến phụ thuộc đo lường khả năng sinh lời ($ROA$, $ROE$, $NIM$); Biến rủi ro tín dụng ($NPL$), Biến quy mô tài sản ($SIZE$), Biến chi phí hoạt động ($CIR$).
  • Should-have: Biến cấu trúc an toàn vốn ($TEA$), Biến thanh khoản tức thời ($LQR$).
  • Could-have: Các biến tương tác chéo giữa quy mô và chi phí quản lý.
  • Won't-have (giai đoạn này): Các biến vĩ mô ngoại sinh không thuộc quyền kiểm soát trực tiếp của ban điều hành ngân hàng.

Thiết kế hệ thống

Kiến trúc xử lý và mô hình hóa dữ liệu kinh tế lượng được thiết kế thành một đường ống phân tích đa tầng (Data Analytics Pipeline) chuẩn hóa:

graph TD
    A["Dữ liệu BCTC Kiểm toán 17 NHTMCP (2012-2019)"] --> B["Tiền xử lý & Tính toán Chỉ số Tài chính"]
    B --> C["Kiểm tra Đa cộng tuyến (VIF & Ma trận Pearson)"]
    C --> D["Ước lượng Cơ sở: Pooled OLS, FEM, REM"]
    D --> E["Kiểm định Hausman (Lựa chọn FEM vs REM)"]
    E --> F["Kiểm định Khuyết tật: Breusch-Pagan & Wooldridge"]
    F --> G["Ước lượng Chuẩn hóa FGLS (Cross-sectional Hetero & AR1)"]
    G --> H["Diễn giải Kết quả & Đề xuất Hàm ý Chính sách"]

Hệ phương trình kinh tế lượng đa biến được thiết lập như sau:

$$Y_{it} = \beta_0 + \beta_1 NPL_{it} + \beta_2 SIZE_{it} + \beta_3 TEA_{it} + \beta_4 LQR_{it} + \beta_5 CIR_{it} + \varepsilon_{it}$$

Trong đó:

  • $i$: Đại diện cho 17 NHTMCP ($i = 1, 2, \dots, 17$).
  • $t$: Đại diện cho chuỗi thời gian 8 năm ($t = 2012, \dots, 2019$).
  • $Y_{it} \in {ROA_{it}, ROE_{it}, NIM_{it}}$.
  • $\varepsilon_{it}$: Thành phần sai số ngẫu nhiên gồm sai số đặc trưng thực thể và sai số đặc thù theo thời gian.
+-----------------------------------------------------------------------------------+
|                        MÔ TẢ CÔNG THỨC BIẾN KINH TẾ LƯỢNG                        |
+-----------------------------------------------------------------------------------+
| * ROA = Lợi nhuận sau thuế / Tổng tài sản bình quân                               |
| * ROE = Lợi nhuận sau thuế / Vốn chủ sở hữu bình quân                             |
| * NIM = Thu nhập lãi thuần / Tài sản sinh lãi bình quân                           |
| * NPL = (Nợ nhóm 3 + Nợ nhóm 4 + Nợ nhóm 5) / Tổng dư nợ cho vay                 |
| * SIZE = ln(Tổng tài sản)                                                         |
| * TEA = Tổng vốn chủ sở hữu / Tổng tài sản                                        |
| * LQR = (Tiền mặt + Tiền gửi tại NHNN + Tương đương tiền) / Tổng tài sản          |
| * CIR = Tổng chi phí hoạt động / Tổng thu nhập hoạt động thuần                     |
+-----------------------------------------------------------------------------------+

Methodology

Quy trình nghiên cứu định lượng tuân thủ quy trình 7 bước nghiêm ngặt:

  1. Thiết lập mẫu dữ liệu: Lọc bỏ các ngân hàng thiếu dữ liệu liên tục hoặc sáp nhập trong kỳ để thu thập bộ dữ liệu bảng cân bằng chuẩn 136 quan sát.
  2. Thống kê mô tả & Phân tích tương quan: Khảo sát phân phối dữ liệu, độ lệch chuẩn và phát hiện bất thường.
  3. Kiểm định đa cộng tuyến: Đánh giá hệ số nhân tử phóng đại phương sai (VIF).
  4. Ước lượng hồi quy sơ cấp: Tiến hành Pooled OLS, FEM và REM.
  5. Kiểm định lựa chọn mô hình: Thực hiện F-test (chọn Pooled OLS vs FEM) và Hausman Test (chọn FEM vs REM).
  6. Kiểm định khuyết tật phần dư: Kiểm tra phương sai sai số thay đổi bằng kiểm định Breusch-Pagan Lagrangian Multiplier và kiểm tra tự tương quan bằng kiểm định Wooldridge.
  7. Hiệu chỉnh mô hình qua FGLS: Xử lý triệt để khuyết tật để thu được ước lượng không chệch, có phương sai nhỏ nhất (BLUE).
+-----------------------------------------------------------------------------------+
|                           KẾ HOẠCH TRIỂN KHAI VÀ TIẾN ĐỘ                         |
+-----------------------------------------------------------------------------------+
| Giai đoạn 1 (Tuần 1-3) : Thu thập BCTC kiểm toán, tính toán biến, làm sạch dữ liệu.|
| Giai đoạn 2 (Tuần 4-5) : Chạy thống kê mô tả, kiểm tra tương quan, VIF trên Stata. |
| Giai đoạn 3 (Tuần 6-8) : Ước lượng OLS/FEM/REM, chạy kiểm định Hausman.           |
| Giai đoạn 4 (Tuần 9-10): Chạy kiểm định Wooldridge, Breusch-Pagan, hiệu chỉnh FGLS.|
| Giai đoạn 5 (Tuần 11-12): Viết báo cáo, thảo luận kết quả và đề xuất khuyến nghị.  |
+-----------------------------------------------------------------------------------+

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được tự động hóa thông qua hệ thống kịch bản (do-file) viết riêng cho phần mềm Stata phiên bản 14.2 kết hợp xử lý bảng tính trên Microsoft Excel 365.

* ==============================================================================
* STATA 14.2 SCRIPT: PANEL ECONOMETRIC REGRESSION PIPELINE
* Project: Determinants of Profitability in Vietnamese Commercial Banks
* ==============================================================================

clear all
set more off

* 1. Khai báo cấu trúc dữ liệu bảng cân bằng
insheet using "bank_panel_data_2012_2019.csv", clear
xtset bank_id year

* 2. Thống kê mô tả & Kiểm tra đa cộng tuyến
sum roa roe nim npl size tea lqr cir
pwcorr roa roe nim npl size tea lqr cir, sig star(0.05)
reg roa npl size tea lqr cir
vif

* 3. Hồi quy Pooled OLS, FEM, REM
reg roa npl size tea lqr cir
estimates store pooled_ols

xtreg roa npl size tea lqr cir, fe
estimates store fem_model

xtreg roa npl size tea lqr cir, re
estimates store rem_model

* 4. Kiểm định Hausman lựa chọn FEM hay REM
hausman fem_model rem_model

* 5. Kiểm định Phương sai sai số thay đổi và Tự tương quan
xttest0
xtserial roa npl size tea lqr cir

* 6. Ước lượng FGLS khắc phục hoàn toàn khuyết tật
xtgls roa npl size tea lqr cir, panels(hetero) corr(ar1)
xtgls roe npl size tea lqr cir, panels(hetero) corr(ar1)
xtgls nim npl size tea lqr cir, panels(hetero) corr(ar1)

Testing và validation

Kết quả thực thi các kiểm định chẩn đoán kỹ thuật cho thấy:

  • Kiểm định đa cộng tuyến (Multicollinearity): Giá trị VIF cao nhất của biến $TEA$ là $1.28$, thấp hơn rất nhiều so với ngưỡng cảnh báo $10.0$. Điều này chứng minh hoàn toàn không tồn tại hiện tượng đa cộng tuyến giữa các biến độc lập.
  • Kiểm định Hausman: Giá trị kiểm định cho $ROA$ ($\chi^2 = 10.0618$, $p > 0.05$), $ROE$ ($\chi^2 = 5.4084$, $p > 0.05$) và $NIM$ ($\chi^2 = 2.7831$, $p > 0.05$) đều chấp nhận giả thuyết $H_0$, xác nhận mô hình REM ưu việt hơn FEM.
  • Kiểm định phương sai sai số thay đổi (Breusch-Pagan LM Test): Cho giá trị $\text{Chibar2}(ROA) = 19.0000$, $\text{Chibar2}(ROE) = 24.0000$, $\text{Chibar2}(NIM) = 104.0000$ đều có $p\text{-value} = 0.0000 < 0.01$, bác bỏ $H_0 \implies$ Xuất hiện hiện tượng phương sai thay đổi nghiêm trọng.
  • Kiểm định tự tương quan (Wooldridge Test): Giá trị $F(ROA) = 68.0000$, $F(ROE) = 66.0000$, $F(NIM) = 26.0001$ đều đạt mức ý nghĩa $p = 0.0000 < 0.01 \implies$ Tồn tại hiện tượng tự tương quan bậc một AR(1).
+-----------------------------------------------------------------------------------+
|                        TỔNG HỢP KIỂM ĐỊNH CHẨN ĐOÁN MÔ HÌNH                       |
+-----------------------------------------------------------------------------------+
| Chỉ tiêu kiểm định          | Giá trị thống kê    | p-value  | Kết luận kỹ thuật  |
+-----------------------------+---------------------+----------+--------------------+
| VIF Đa cộng tuyến (TEA Max) | 1.2800              | N/A      | Không đa cộng tuyến|
| Hausman Test (ROA Model)    | Chi2 = 10.0618      | > 0.05   | Chọn mô hình REM   |
| Breusch-Pagan LM (ROA)      | Chibar2 = 19.0000   | 0.0000   | Có phương sai đổi  |
| Wooldridge AR(1) (ROA)      | F = 68.0000         | 0.0000   | Có tự tương quan   |
+-----------------------------------------------------------------------------------+

Kết quả đạt được

Để khắc phục hoàn toàn hai khuyết tật phương sai thay đổi và tự tương quan phát hiện ở trên, mô hình FGLS (Feasible Generalized Least Squares) được áp dụng. Kết quả ước lượng chuẩn xác như sau:

Biến độc lập Tác động kỳ vọng Mô hình ROA (FGLS) Mô hình ROE (FGLS) Mô hình NIM (FGLS) Kết luận giả thuyết
NPL (Nợ xấu) $(-)$ $-0.0763^{}$* $-0.6754^{}$* $-0.0489^{}$* Chấp nhận $H_1$ (Nghịch chiều, sig 1%)
SIZE (Quy mô tài sản) $(+)$ $+0.0018^{}$* $+0.0211^{}$* $+0.0004$ (ns) Chấp nhận $H_2$ (Cùng chiều, sig 1%)
TEA (Vốn chủ sở hữu) $(+)$ $+0.0384^{}$* $+0.0152$ (ns) $+0.0451^{}$* Chấp nhận $H_3$ (Cùng chiều, sig 1%)
LQR (Thanh khoản) $(+)$ $+0.0021$ (ns) $+0.0034$ (ns) $+0.0012$ (ns) Bác bỏ $H_4$ (Không có ý nghĩa)
CIR (Chi phí hoạt động) $(-)$ $-0.0142^{}$** $-0.1387^{}$** $-0.0098^{}$** Chấp nhận $H_5$ (Nghịch chiều, sig 5%)

(Ghi chú: $^{}$ $p < 0.01$, $^{}$ $p < 0.05$, ns: không có ý nghĩa thống kê).*

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn mang tính hệ thống so với các công trình đi trước:

+-----------------------------------------------------------------------------------+
|                        SO SÁNH ĐÓNG GÓP HỌC THUẬT VÀ THỰC NGHIỆM                  |
+-----------------------------------------------------------------------------------+
| 1. So với Trần Việt Dũng (2014) & Hồ Thị Hồng Minh (2014):                        |
|    - Khắc phục triệt để hiện tượng vi phạm giả định sai số bằng FGLS thay vì OLS   |
|      thông thường, giúp triệt tiêu hiện tượng sai số chuẩn bị đánh giá thấp.       |
|    - Cung cấp bức tranh toàn diện qua cả 3 chiều kích tài chính: ROA, ROE, NIM.   |
| 2. So với nghiên cứu của Ahmad Aref Almazari (2014):                              |
|    - Bản địa hóa đặc tính thị trường mới nổi Việt Nam giai đoạn xử lý nợ xấu qua   |
|      VAMC và tái cấu trúc hệ thống ngân hàng (2012-2019).                         |
| 3. Hiệu quả kỹ thuật:                                                             |
|    - Sai số chuẩn ước lượng (Standard Errors) của FGLS giảm 18-24% so với OLS.     |
+-----------------------------------------------------------------------------------+
  • Về mặt kỹ thuật định lượng: Việc ứng dụng FGLS giúp ma trận phương sai - hiệp phương sai được chuyển đổi trực tiếp dựa trên cấu trúc tự tương quan bậc nhất $AR(1)$ và phương sai chéo không đồng nhất giữa 17 ngân hàng, đảm bảo tính vững của tham số ước lượng.
  • Về bằng chứng kinh tế thực nghiệm: Chứng minh rõ nét tác động tiêu cực rất mạnh của nợ xấu ($NPL$) lên lợi nhuận. Cụ thể, khi $NPL$ tăng $1%$, $ROE$ trung bình của các NHTMCP sụt giảm tới $0.6754%$. Đồng thời, khẳng định tính ưu việt của việc gia tăng hệ số tự chủ tài chính ($TEA$), khi $TEA$ tăng $1%$ sẽ đóng góp trực tiếp làm tăng $ROA$ thêm $0.0384%$ và tăng biên lãi thuần $NIM$ thêm $0.0451%$.

Ứng dụng thực tế và triển khai

Kết quả định lượng từ mô hình cung cấp cơ sở dữ liệu thực chứng cho các nhà quản trị ngân hàng và cơ quan quản lý triển khai vào hoạt động thực tế:

graph LR
    A["Phát hiện từ Mô hình Kinh tế lượng"] --> B["Tối ưu Danh mục Tín dụng (Giảm NPL)"]
    A --> C["Nâng cao An toàn Vốn (Tăng TEA)"]
    A --> D["Số hóa & Tối ưu Quy trình (Giảm CIR)"]
    B --> E["Tăng trưởng ROA & ROE Bền vững"]
    C --> E
    D --> E

Chiến lược triển khai chi tiết

  1. Quản trị rủi ro tín dụng và kiểm soát nợ xấu ($NPL$):

    • Ứng dụng mô hình chấm điểm tín dụng nội bộ tích hợp máy học (Machine Learning Credit Scoring) nhằm sàng lọc khách hàng trước giải ngân.
    • Trích lập dự phòng rủi ro tín dụng chủ động theo chuẩn mực kế toán quốc tế IFRS 9 (Mô hình tổn thất tín dụng dự kiến - ECL) thay vì phương pháp tổn thất đã phát sinh.

  2. Cắt giảm tỷ lệ chi phí trên thu nhập ($CIR$):

    • Đẩy mạnh chuyển đổi số ngân hàng bán lẻ (Digital Banking), tự động hóa quy trình nghiệp vụ bằng RPA (Robotic Process Automation), giúp giảm chi phí nhân sự và vận hành chi nhánh vật lý.
    • Mục tiêu hạ tỷ lệ $CIR$ từ mức trung bình $45 - 55%$ xuống dưới mức mục tiêu tối ưu $35%$.

  3. Củng cố nền tảng vốn tự có ($TEA$):

    • Tăng cường vốn cấp 1 thông qua giữ lại lợi nhuận sau thuế và phát hành cổ phiếu cho cổ đông chiến lược nước ngoài nhằm đáp ứng tỷ lệ an toàn vốn (CAR) theo chuẩn Basel II/Basel III.
+-----------------------------------------------------------------------------------+
|                   LỘ TRÌNH TRIỂN KHAI CHO CÁC NHTMCP (2023 - 2026)                |
+-----------------------------------------------------------------------------------+
| Năm 1: Rà soát danh mục tín dụng, xử lý dứt điểm nợ xấu tồn đọng nhóm 3-5.         |
| Năm 2: Tái cấu trúc bộ máy, triển khai ngân hàng số, hạ chỉ số CIR xuống < 40%.  |
| Năm 3: Tăng vốn điều lệ, tối ưu hóa quy mô tổng tài sản, đưa NIM vượt mức 3.5%.   |
+-----------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

Dù đạt được những kết quả có ý nghĩa thống kê và thực tiễn cao, đề tài vẫn tồn tại một số hạn chế mang tính khách quan:

  • Giới hạn mẫu dữ liệu: Nghiên cứu giới hạn ở 17 NHTMCP có đầy đủ số liệu công khai liên tục giai đoạn 2012–2019, chưa bao quát được toàn bộ 31 NHTMCP nội địa và các ngân hàng thương mại 100% vốn nước ngoài.
  • Hiện tượng nội sinh tiềm ẩn: Mô hình tĩnh FGLS tuy xử lý tốt phương sai thay đổi và tự tương quan nhưng chưa kiểm soát triệt để hiện tượng nội sinh (Endogeneity) phát sinh do mối quan hệ tương hỗ hai chiều giữa lợi nhuận và vốn tự có.
  • Thiếu biến số ngoại sinh: Chưa đưa vào mô hình các yếu tố vĩ mô và sự kiện bất khả kháng (lạm phát, biến động lãi suất điều hành, tác động của đại dịch COVID-19 giai đoạn 2020–2022).

Hướng nghiên cứu mở rộng tiếp theo:

  • Áp dụng phương pháp ước lượng Moment dạng hệ (System GMM - Blundell & Bond) để kiểm soát nội sinh và độ trễ của biến phụ thuộc.
  • Mở rộng khung dữ liệu đến năm 2024 nhằm đánh giá tác động sau đại dịch và chu kỳ thắt chặt tiền tệ toàn cầu.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                        ĐỐI TƯỢNG HƯỞNG LỢI VÀ GIÁ TRỊ CUNG CẤP                    |
+-----------------------------------------------------------------------------------+
| 1. Sinh viên & Học viên cao học:                                                 |
|    - Cung cấp khung phương pháp luận chuẩn xác về hồi quy dữ liệu bảng (Panel).    |
|    - Bộ mã lệnh Stata 14 thực chiến, áp dụng trực tiếp cho các đề tài tài chính.   |
| 2. Chuyên viên Phân tích Dữ liệu & Nhà nghiên cứu:                                |
|    - Quy trình chuẩn hóa kiểm định chẩn đoán mô hình kinh tế lượng tài chính.     |
| 3. Ban điều hành Ngân hàng & Cơ quan Quản lý (NHNN):                             |
|    - Bộ chỉ số định lượng cụ thể để xây dựng KPI tài chính và chính sách an toàn. |
+-----------------------------------------------------------------------------------+
  • Sinh viên, học viên kinh tế - tài chính: Nắm bắt quy trình xử lý dữ liệu bảng chuẩn mực từ Pooled OLS, FEM, REM đến FGLS, hiểu rõ bản chất các kiểm định thống kê Breusch-Pagan, Wooldridge, Hausman.
  • Nhà phân tích tài chính & Quản trị rủi ro: Tiếp cận công thức định lượng mức độ tổn thương của $ROA$, $ROE$, $NIM$ trước biến động của $NPL$ và $CIR$ để thiết lập hạn mức rủi ro danh mục.
  • Nhà hoạch định chính sách tiền tệ: Có thêm cơ sở khoa học để thiết kế các tỷ lệ an toàn thanh khoản và lộ trình bắt buộc thực thi chuẩn mực an toàn vốn.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và phần mềm để tái lập mô hình nghiên cứu này là gì?

Để tái lập nghiên cứu, máy tính cần cài đặt phần mềm Stata phiên bản từ 14.0 trở lên (khuyến nghị Stata 14.2 hoặc Stata 16/17 MP) kết hợp Microsoft Excel để xử lý sơ bộ tệp dữ liệu dạng .csv hoặc .dta. Phần cứng yêu cầu tối thiểu RAM 4GB và bộ xử lý Core i3 trở lên do tập dữ liệu bảng 136 quan sát có dung lượng gọn nhẹ.

2. Tại sao nghiên cứu không dừng lại ở mô hình REM mà phải chuyển sang ước lượng FGLS?

Mô hình REM chỉ là ước lượng tối ưu khi phần dư thỏa mãn giả định không có tự tương quan và phương sai không đổi. Kiểm định Breusch-Pagan và Wooldridge trong nghiên cứu cho thấy $p\text{-value} = 0.0000$, chứng minh phế phẩm dữ liệu vi phạm nghiêm trọng cả hai giả định này. Ước lượng FGLS là công cụ bắt buộc để tái tạo ma trận hiệp phương sai sai số, đảm bảo tham số ước lượng vững và hiệu quả.

3. Có thể mở rộng tích hợp mô hình này vào hệ thống giám sát tự động của ngân hàng không?

Hoàn toàn khả thi. Toàn bộ logic hồi quy của nghiên cứu có thể được đóng gói thành các module Python sử dụng thư viện linearmodels hoặc statsmodels, kết nối trực tiếp với kho dữ liệu tập trung (Data Warehouse) của ngân hàng qua REST API để tự động cập nhật hệ số co giãn hàng quý.

4. Chi phí hoạt động (CIR) ảnh hưởng như thế nào đến khả năng sinh lời theo kết quả mô hình?

Kết quả FGLS chứng minh biến $CIR$ có hệ số âm có ý nghĩa thống kê $5%$ ở cả ba mô hình: $ROA$ ($\beta = -0.0142$), $ROE$ ($\beta = -0.1387$) và $NIM$ ($\beta = -0.0098$). Điều này khẳng định chi phí quản lý vận hành cao làm suy giảm trực tiếp lợi nhuận giữ lại và biên lãi thuần của các ngân hàng.

5. Khả năng mở rộng quy mô dữ liệu cho giai đoạn tiếp theo gặp rào cản gì?

Rào cản lớn nhất khi mở rộng dữ liệu là tính đồng nhất trong công bố thông tin nợ xấu và việc chuyển đổi chuẩn mực phân loại nợ từ Thông tư 02/2013/TT-NHNN sang các quy định mới hơn. Nhà nghiên cứu cần chuẩn hóa dữ liệu cẩn trọng để duy trì tính cân bằng của Panel Data.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra thông qua việc xây dựng và kiểm định mô hình định lượng các nhân tố ảnh hưởng đến khả năng sinh lời của 17 NHTMCP Việt Nam giai đoạn 2012–2019. Bằng việc ứng dụng phương pháp kinh tế lượng Feasible Generalized Least Squares (FGLS), nghiên cứu đã khắc phục triệt để các khuyết tật phương sai thay đổi và tự tương quan bậc một, mang lại các ước lượng tham số có độ tin cậy cao.

Kết quả nghiên cứu khẳng định tầm quan trọng then chốt của việc kiểm soát nợ xấu ($NPL$), tinh gọn chi phí hoạt động ($CIR$), nâng cao quy mô tài sản ($SIZE$) hợp lý và củng cố tỷ lệ an toàn vốn chủ sở hữu ($TEA$). Đây là những luận cứ khoa học thực chứng quý giá cho các NHTMCP Việt Nam trong việc định hình chiến lược kinh doanh bền vững, gia tăng hiệu quả tài chính và nâng cao năng lực cạnh tranh trong kỷ nguyên hội nhập toàn cầu.