Yếu Tố Ảnh Hưởng Đến Rủi Ro Tín Dụng Của Các Ngân Hàng Thương Mại Việt Nam

Tài liệu nghiên cứu Yếu tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại việt nam, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về kinh tế.

• Tác giả: Huỳnh Ngọc Bảo Hân
• Người hướng dẫn: TS. Phạm Hải Nam
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Yếu Tố Ảnh Hưởng Đến Rủi Ro Tín Dụng Của 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
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: Lý do chọn đề tài
• 1.1. Mục tiêu nghiên cứu
• 1.1.1. Mục tiêu tổng quát
• 1.1.2. Mục tiêu cụ thể
• 1.2. Câu hỏi nghiên cứu
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.3.1. Đối tượng nghiên cứu
• 1.3.2. Phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Dữ liệu nghiên cứu
• 1.6. Đóng góp đề tài
• 1.6.1. Xét mặt lý luận
• 1.6.2. Xét mặt thực tiễn
• 1.7. Kết cấu đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN TRƯỚC
• 2.1. Rủi ro tín dụng trong hệ thống ngân hàng thương mại
• 2.2. Khái niệm rủi ro tín dụng
• 2.3. Nguyên nhân dẫn đến rủi ro tín dụng
• 2.4. Phân loại rủi ro tín dụng
• 2.5. Tiêu chí đo lường
• 2.6. Các yếu tố ảnh hưởng đến rủi ro tín dụng tại các ngân hàng thương mại Việt Nam
• 2.7. Các nghiên cứu thực nghiệm có liên quan
• 2.7.1. Các nghiên cứu trong nước
• 2.7.2. Các nghiên cứu nước ngoài
• 2.8. Khoảng trống nghiên cứu
• 3. CHƯƠNG 3: PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU
• 3.1. Quy trình nghiên cứu và phương pháp nghiên cứu
• 3.2. Mô hình nghiên cứu
• 3.2.1. Khái quát mô hình nghiên cứu
• 3.2.2. Giả thiết nghiên cứu
• 3.3. Biến phụ thuộc
• 3.4. Biến độc lập
• 3.5. Dữ liệu nghiên cứu
• 3.6. Phương pháp nghiên cứu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Kết quả nghiên cứu
• 4.1.1. Thống kê mô tả
• 4.1.2. Phân tích tương quan
• 4.1.3. Kiểm định đa cộng tuyến
• 4.1.4. Kiểm tra các khuyết tật của mô hình hồi quy Pool OLS
• 4.1.5. Phân tích giữa hai mô hình Pool OLS và FEM (kiểm định F)
• 4.1.6. Phân tích giữa hai mô hình FEM và REM (Kiểm định Hausman)
• 4.2. Kiểm tra lại các khuyết tật của mô hình được chọn
• 4.3. Tóm tắt kết quả nghiên cứu
• 4.4. Thảo luận kết quả nghiên cứu
• 4.4.1. Lợi nhuận trên tổng tài sản có mối quan hệ ngược chiều với NPL
• 4.4.2. Hệ số vốn chủ sở hữu có mối quan hệ cùng chiều với NPL
• 4.4.3. Thu nhập ngoài lãi có mối quan hệ cùng chiều với NPL
• 4.4.4. Quy mô ngân hàng có mối quan hệ ngược chiều với NPL
• 4.4.5. Tỷ lệ thất nghiệp có mối quan hệ ngược chiều với NPL
• 4.4.6. Tốc độ tăng trưởng kinh tế có mối quan hệ ngược chiều với NPL
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. Kết luận, đánh giá kết quả nghiên cứu
• 5.2. Một số khuyến nghị
• 5.2.1. Lợi nhuận trên tổng tài sản
• 5.2.2. Hệ số VCSH
• 5.2.3. Thu nhập ngoài lãi
• 5.2.4. Quy mô ngân hàng
• 5.2.5. Yếu tố vĩ mô
• 5.2.6. Những hạn chế của nghiên cứu
• 5.2.7. Các hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Rủi Ro Tín Dụng Ngân Hàng TM Việt Nam Cách Nhận Biết

Rủi ro tín dụng (RRTD) là một trong những thách thức lớn nhất đối với các ngân hàng thương mại (NHTM) Việt Nam. Nó ảnh hưởng trực tiếp đến lợi nhuận, sự ổn định tài chính và khả năng cạnh tranh của ngân hàng. Rủi ro này phát sinh khi khách hàng không thể hoặc không muốn trả nợ theo cam kết. Việc quản lý hiệu quả rủi ro tín dụng không chỉ giúp ngân hàng bảo vệ tài sản mà còn đóng góp vào sự phát triển bền vững của nền kinh tế. Theo Thông tư 11/2021/TT-NHNN, rủi ro tín dụng là khả năng xảy ra tổn thất đối với nợ của tổ chức tín dụng do khách hàng không có khả năng trả nợ. Do đó, các NHTM cần phải có các biện pháp đánh giá và phòng ngừa rủi ro một cách chủ động. Nghiên cứu này sẽ tập trung phân tích các yếu tố ảnh hưởng đến RRTD của các NHTM Việt Nam, từ đó đề xuất các giải pháp nhằm giảm thiểu rủi ro và nâng cao hiệu quả hoạt động.

1.1. Rủi ro tín dụng là gì Định nghĩa và bản chất

Rủi ro tín dụng, theo cách hiểu đơn giản, là khả năng khách hàng vay vốn không thể thực hiện nghĩa vụ trả nợ theo thỏa thuận ban đầu. Điều này có thể dẫn đến tổn thất tài chính cho ngân hàng, bao gồm cả gốc và lãi. Bản chất của RRTD nằm ở sự không chắc chắn về khả năng trả nợ của khách hàng, chịu tác động bởi nhiều yếu tố khách quan và chủ quan. Theo Hiệp ước Basel II, RRTD là khả năng bên vay không thực hiện các nghĩa vụ theo thỏa thuận. Ngân hàng cần phân tích kỹ lưỡng khả năng trả nợ của khách hàng trước khi quyết định cho vay để giảm thiểu rủi ro này.

1.2. Tại sao rủi ro tín dụng lại quan trọng đối với ngân hàng

Rủi ro tín dụng là một trong những rủi ro lớn nhất mà các ngân hàng phải đối mặt. Khi RRTD tăng cao, lợi nhuận của ngân hàng sẽ giảm, thậm chí có thể dẫn đến thua lỗ. Ngoài ra, nợ xấu tăng cao cũng ảnh hưởng đến uy tín của ngân hàng và khả năng huy động vốn. Việc quản lý hiệu quả RRTD giúp ngân hàng duy trì sự ổn định tài chính, đảm bảo khả năng thanh khoản và đáp ứng các yêu cầu về vốn. Do đó, việc nghiên cứu và tìm hiểu các yếu tố ảnh hưởng đến RRTD là vô cùng quan trọng.

II. Thách Thức Quản Lý Rủi Ro Tín Dụng NHTM Việt Nam Phân Tích Sâu

Các NHTM Việt Nam đang phải đối mặt với nhiều thách thức trong việc quản lý rủi ro tín dụng (RRTD). Môi trường kinh tế biến động, sự cạnh tranh gay gắt giữa các ngân hàng và sự phức tạp của các sản phẩm tín dụng mới đều làm tăng nguy cơ nợ xấu. Ngoài ra, hệ thống thông tin tín dụng còn hạn chế, quy trình thẩm định tín dụng chưa thực sự hiệu quả và năng lực quản lý rủi ro của cán bộ ngân hàng còn cần được nâng cao. Nghiên cứu của Huỳnh Ngọc Bảo Hân (2023) cũng chỉ ra rằng nhiều yếu tố như tỷ lệ thất nghiệp và tốc độ tăng trưởng kinh tế ảnh hưởng đáng kể đến RRTD. Việc nhận diện và giải quyết những thách thức này là yếu tố then chốt để các NHTM có thể quản lý RRTD một cách hiệu quả và bền vững.

2.1. Môi trường kinh tế vĩ mô và tác động đến rủi ro tín dụng

Môi trường kinh tế vĩ mô có ảnh hưởng lớn đến RRTD của các NHTM. Khi kinh tế tăng trưởng chậm lại hoặc suy thoái, khả năng trả nợ của khách hàng sẽ giảm, dẫn đến nợ xấu tăng cao. Các yếu tố như lạm phát, tỷ giá hối đoái và lãi suất cũng có thể tác động đến RRTD. Theo kết quả nghiên cứu của Huỳnh Ngọc Bảo Hân(2023), tỷ lệ thất nghiệp và tốc độ tăng trưởng kinh tế là hai trong số các yếu tố vĩ mô có ảnh hưởng đáng kể đến RRTD. Các NHTM cần theo dõi sát sao diễn biến kinh tế vĩ mô để có thể đưa ra các quyết định tín dụng phù hợp.

2.2. Hạn chế trong hệ thống thông tin tín dụng quốc gia

Hệ thống thông tin tín dụng đóng vai trò quan trọng trong việc đánh giá rủi ro tín dụng của khách hàng. Tuy nhiên, hệ thống thông tin tín dụng của Việt Nam vẫn còn nhiều hạn chế, như thiếu thông tin đầy đủ và chính xác về lịch sử tín dụng của khách hàng. Điều này gây khó khăn cho các NHTM trong việc đánh giá khả năng trả nợ của khách hàng và đưa ra các quyết định tín dụng chính xác. Do đó, việc hoàn thiện hệ thống thông tin tín dụng là một trong những ưu tiên hàng đầu để nâng cao hiệu quả quản lý RRTD.

2.3. Năng lực quản lý rủi ro còn hạn chế của NHTM

Năng lực quản lý rủi ro của cán bộ ngân hàng đóng vai trò then chốt trong việc kiểm soát RRTD. Tuy nhiên, nhiều cán bộ ngân hàng còn thiếu kinh nghiệm và kiến thức chuyên môn về quản lý RRTD. Điều này dẫn đến việc đánh giá rủi ro không chính xác và đưa ra các quyết định tín dụng sai lầm. Do đó, việc đào tạo và nâng cao năng lực quản lý RRTD cho cán bộ ngân hàng là vô cùng cần thiết.

III. Phương Pháp Phân Tích Rủi Ro Tín Dụng NHTM Việt Nam Hướng Dẫn Chi Tiết

Để phân tích rủi ro tín dụng (RRTD) của các NHTM Việt Nam, cần sử dụng một loạt các phương pháp và công cụ khác nhau. Các phương pháp định lượng như phân tích thống kê, hồi quy và mô hình rủi ro tín dụng có thể giúp đánh giá mức độ ảnh hưởng của các yếu tố đến RRTD. Bên cạnh đó, các phương pháp định tính như phân tích ngành, phân tích đối thủ cạnh tranh và đánh giá khả năng trả nợ của khách hàng cũng đóng vai trò quan trọng. Nghiên cứu này sử dụng phương pháp hồi quy dữ liệu bảng để xây dựng mô hình 8 biến tác động đến nợ xấu, trong đó có 6 biến có ý nghĩa thống kê (Huỳnh Ngọc Bảo Hân, 2023). Việc kết hợp cả phương pháp định lượng và định tính sẽ giúp đưa ra cái nhìn toàn diện và chính xác về RRTD.

3.1. Sử dụng các mô hình hồi quy để xác định yếu tố ảnh hưởng

Mô hình hồi quy là một công cụ mạnh mẽ để phân tích rủi ro tín dụng. Bằng cách sử dụng dữ liệu lịch sử về nợ xấu và các yếu tố liên quan, mô hình hồi quy có thể giúp xác định mức độ ảnh hưởng của từng yếu tố đến RRTD. Các biến số thường được sử dụng trong mô hình hồi quy bao gồm các yếu tố kinh tế vĩ mô, các chỉ số tài chính của ngân hàng và các đặc điểm của khách hàng vay vốn. Việc lựa chọn mô hình hồi quy phù hợp và thu thập dữ liệu chính xác là rất quan trọng để đảm bảo tính tin cậy của kết quả phân tích. Huỳnh Ngọc Bảo Hân (2023) sử dụng phương pháp FGLS để khắc phục các khuyết tật của mô hình.

3.2. Đánh giá chất lượng danh mục cho vay và khả năng trả nợ

Việc đánh giá chất lượng danh mục cho vay là một bước quan trọng trong việc quản lý rủi ro tín dụng. Ngân hàng cần phân tích tỷ lệ nợ xấu, tỷ lệ nợ quá hạn và cơ cấu danh mục cho vay để đánh giá mức độ rủi ro. Bên cạnh đó, việc đánh giá khả năng trả nợ của từng khách hàng cũng là rất quan trọng. Ngân hàng cần xem xét lịch sử tín dụng, tình hình tài chính và triển vọng kinh doanh của khách hàng để đưa ra đánh giá chính xác. Từ đó, ngân hàng có thể đưa ra các biện pháp phòng ngừa RRTD phù hợp.

IV. Yếu Tố Nội Tại Ảnh Hưởng Rủi Ro Tín Dụng NHTM Giải Mã Chi Tiết

Các yếu tố nội tại của NHTM đóng vai trò quan trọng trong việc kiểm soát rủi ro tín dụng (RRTD). Hệ số vốn chủ sở hữu, thu nhập ngoài lãi, quy mô ngân hàng và lợi nhuận trên tổng tài sản (ROA) là những yếu tố có ảnh hưởng đáng kể đến RRTD. Các ngân hàng có hệ số vốn chủ sở hữu cao thường có khả năng chống chịu RRTD tốt hơn. Thu nhập ngoài lãi ổn định có thể giúp ngân hàng bù đắp các khoản lỗ do nợ xấu. Quy mô ngân hàng lớn có thể giúp đa dạng hóa danh mục cho vay và giảm thiểu RRTD. ROA cao cho thấy ngân hàng hoạt động hiệu quả và có khả năng quản lý RRTD tốt. Nghiên cứu của Huỳnh Ngọc Bảo Hân (2023) cũng khẳng định vai trò của các yếu tố này.

4.1. Tác động của hệ số vốn chủ sở hữu CAR đến rủi ro

Hệ số vốn chủ sở hữu (CAR) là một chỉ số quan trọng đánh giá khả năng chống chịu rủi ro của ngân hàng. CAR cao cho thấy ngân hàng có đủ vốn để bù đắp các khoản lỗ do nợ xấu. Điều này giúp ngân hàng duy trì sự ổn định tài chính và đáp ứng các yêu cầu về vốn của cơ quan quản lý. Các ngân hàng có CAR thấp thường dễ bị tổn thương khi RRTD tăng cao. Do đó, việc duy trì CAR ở mức an toàn là một trong những ưu tiên hàng đầu của các NHTM.

4.2. Vai trò của thu nhập ngoài lãi trong việc giảm thiểu rủi ro

Thu nhập ngoài lãi bao gồm các khoản thu từ dịch vụ, phí và hoa hồng. Nguồn thu này có thể giúp ngân hàng bù đắp các khoản lỗ do nợ xấu và giảm sự phụ thuộc vào thu nhập từ hoạt động cho vay. Các ngân hàng có nguồn thu nhập ngoài lãi ổn định thường có khả năng quản lý rủi ro tốt hơn. Do đó, việc đa dạng hóa nguồn thu là một chiến lược quan trọng để giảm thiểu RRTD.

V. Tác Động Yếu Tố Vĩ Mô Đến Rủi Ro Tín Dụng Phân Tích Thực Tế

Các yếu tố vĩ mô như tỷ lệ thất nghiệp và tốc độ tăng trưởng kinh tế có ảnh hưởng đáng kể đến rủi ro tín dụng (RRTD) của các NHTM. Khi tỷ lệ thất nghiệp tăng cao, khả năng trả nợ của người dân sẽ giảm, dẫn đến nợ xấu tăng cao. Ngược lại, khi tốc độ tăng trưởng kinh tế cao, khả năng trả nợ của doanh nghiệp và người dân sẽ tăng, giúp giảm RRTD. Nghiên cứu của Huỳnh Ngọc Bảo Hân (2023) cũng chỉ ra rằng tỷ lệ thất nghiệp và tốc độ tăng trưởng kinh tế có mối quan hệ nghịch chiều với RRTD. Do đó, các NHTM cần theo dõi sát sao diễn biến kinh tế vĩ mô để có thể đưa ra các quyết định tín dụng phù hợp.

5.1. Mối liên hệ giữa tỷ lệ thất nghiệp và khả năng trả nợ

Tỷ lệ thất nghiệp cao đồng nghĩa với việc nhiều người không có thu nhập ổn định, dẫn đến khó khăn trong việc trả nợ. Điều này có thể dẫn đến nợ xấu tăng cao và gây ảnh hưởng đến lợi nhuận của ngân hàng. Các ngân hàng cần xem xét tỷ lệ thất nghiệp tại địa phương khi đánh giá khả năng trả nợ của khách hàng. Đặc biệt là với các khoản vay tiêu dùng và thế chấp nhà đất, tỷ lệ thất nghiệp có tác động đáng kể.

5.2. Tốc độ tăng trưởng kinh tế và ảnh hưởng đến rủi ro tín dụng

Khi nền kinh tế tăng trưởng mạnh mẽ, doanh nghiệp và người dân có nhiều cơ hội tạo ra thu nhập, giúp cải thiện khả năng trả nợ. Điều này giúp giảm RRTD và tăng cường lợi nhuận cho ngân hàng. Các ngân hàng nên ưu tiên cho vay các ngành có tiềm năng tăng trưởng cao và đóng góp vào sự phát triển kinh tế. Tuy nhiên cần phải xem xét và đánh giá kỹ lưỡng tình hình kinh tế vĩ mô khi đưa ra quyết định cho vay.

VI. Kết Luận và Khuyến Nghị Quản Lý Rủi Ro Tín Dụng Hiệu Quả

Nghiên cứu này đã phân tích các yếu tố ảnh hưởng đến rủi ro tín dụng (RRTD) của các NHTM Việt Nam, bao gồm cả yếu tố nội tại và yếu tố vĩ mô. Kết quả nghiên cứu cho thấy rằng hệ số vốn chủ sở hữu, thu nhập ngoài lãi, quy mô ngân hàng, lợi nhuận trên tổng tài sản, tỷ lệ thất nghiệp và tốc độ tăng trưởng kinh tế đều có ảnh hưởng đáng kể đến RRTD. Để quản lý RRTD hiệu quả, các NHTM cần tập trung vào việc nâng cao năng lực quản lý rủi ro, đa dạng hóa nguồn thu, theo dõi sát sao diễn biến kinh tế vĩ mô và xây dựng hệ thống thông tin tín dụng hoàn thiện. Những khuyến nghị này có thể giúp các NHTM giảm thiểu RRTD và nâng cao hiệu quả hoạt động.

6.1. Tăng cường năng lực quản lý rủi ro cho cán bộ ngân hàng

Đào tạo và nâng cao trình độ chuyên môn cho cán bộ ngân hàng là yếu tố then chốt để nâng cao hiệu quả quản lý rủi ro tín dụng. Ngân hàng cần cung cấp các khóa đào tạo chuyên sâu về phân tích rủi ro, thẩm định tín dụng và quản lý nợ xấu. Bên cạnh đó, việc tuyển dụng các chuyên gia có kinh nghiệm về quản lý rủi ro cũng là rất quan trọng. Đầu tư vào nguồn nhân lực giúp ngân hàng có thể chủ động và hiệu quả trong việc phòng ngừa và kiểm soát RRTD.

6.2. Phát triển sản phẩm và dịch vụ để đa dạng hóa nguồn thu

Việc đa dạng hóa nguồn thu giúp giảm sự phụ thuộc vào hoạt động cho vay và giảm thiểu RRTD. Ngân hàng có thể phát triển các sản phẩm và dịch vụ mới như dịch vụ thanh toán, dịch vụ tư vấn tài chính và dịch vụ bảo hiểm. Bên cạnh đó, việc mở rộng thị trường và tìm kiếm các nguồn thu mới cũng là rất quan trọng. Đa dạng hóa nguồn thu giúp ngân hàng ổn định lợi nhuận và tăng cường khả năng chống chịu rủi ro.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng là nghiệp vụ kinh doanh cốt lõi, chiếm từ 70% đến 80% tổng tài sản sinh lời tại các ngân hàng thương mại (NHTM) Việt Nam. Tuy nhiên, thị trường tín dụng luôn tiềm ẩn nguy cơ tổn thất do khách hàng không thực hiện đầy đủ nghĩa vụ trả nợ đúng hạn. Theo quy định của Ngân hàng Nhà nước Việt Nam (NHNN) tại Thông tư số 11/2021/TT-NHNN, việc kiểm soát tỷ lệ nợ xấu (Non-Performing Loans - NPL) dưới ngưỡng an toàn 3% là điều kiện tiên quyết để bảo đảm an toàn hệ thống tài chính quốc gia.

Vấn đề cốt lõi đặt ra là sự bất định trong việc định lượng mức độ tác động của các nhân tố vi mô (nội tại ngân hàng) và các nhân tố kinh tế vĩ mô đến tỷ lệ nợ xấu. Nhiều tổ chức tín dụng gặp khó khăn trong việc dự báo sớm rủi ro tín dụng do thiếu mô hình lượng lượng hóa chuẩn xác, dẫn đến việc trích lập dự phòng rủi ro không tối ưu và nguy cơ suy giảm hệ số an toàn vốn (Capital Adequacy Ratio - CAR).

Đề tài khóa luận tập trung giải quyết các mục tiêu cụ thể sau:

1. Xác định các nhân tố vi mô nội tại và các chỉ số kinh tế vĩ mô chi phối trực tiếp đến rủi ro tín dụng tại các NHTM Việt Nam.
2. Xây dựng và ước lượng mô hình kinh tế lượng trên dữ liệu bảng (Panel Data) giai đoạn 2012–2021 nhằm đo lường mức độ tác động của từng biến số.
3. Kiểm định, phát hiện và khắc phục triệt để các khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan) bằng phương pháp FGLS (Feasible Generalized Least Squares).
4. Đề xuất hệ thống khuyến nghị thực tiễn nhằm nâng cao năng lực quản trị rủi ro tín dụng và tối ưu hóa cơ cấu tài sản cho các NHTM.

Giải pháp nghiên cứu được xây dựng dựa trên phương pháp định lượng hồi quy dữ liệu bảng cân bằng (Strongly Balanced Panel Data) của 25 NHTM Việt Nam trong 10 năm (2012–2021), đại diện cho hơn 85% tổng tài sản toàn hệ thống ngân hàng.

Chỉ số kỳ vọng	Mục tiêu định lượng	Phương pháp đo lường
Quy mô mẫu quan sát	250 quan sát (25 ngân hàng $\times$ 10 năm)	Strongly Balanced Panel Data
Mức độ giải thích mô hình	$p\text{-value} < 0.05$ cho các biến có ý nghĩa	Kiểm định F, Wald test, t-test
Kiểm soát khuyết tật	Xử lý triệt để Heteroskedasticity và AR(1)	Mô hình hồi quy FGLS
Độ tin cậy đa cộng tuyến	VIF trung bình < 2.0 (ngưỡng tối đa 10.0)	Variance Inflation Factor

Phạm vi nghiên cứu giới hạn ở 25 NHTM cổ phần và NHTM Nhà nước tại Việt Nam giai đoạn 2012–2021. Nghiên cứu tập trung vào nợ xấu nội bảng nhóm 3, 4, 5 theo chuẩn mực kế toán Việt Nam (VAS) và các quy định hiện hành của NHNN.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các phương pháp phân tích rủi ro tín dụng truyền thống thường đối mặt với nhiều hạn chế khi xử lý dữ liệu bảng dọc theo thời gian.

Phương pháp	Ưu điểm	Nhược điểm	Đánh giá tính ứng dụng
Pooled OLS	Đơn giản, dễ tính toán, phù hợp mẫu cắt ngang thuần túy	Bỏ qua đặc trưng riêng lẻ của từng ngân hàng, gây chệch hệ số	Không phù hợp cho dữ liệu chuỗi thời gian của nhiều ngân hàng
Fixed Effects (FEM)	Kiểm soát được các yếu tố bất biến theo thời gian của từng ngân hàng	Bị suy giảm hiệu quả khi xuất hiện phương sai thay đổi và tự tương quan	Tốt hơn Pooled OLS nhưng chưa khắc phục được khuyết tật sai số
Random Effects (REM)	Cho phép ước lượng các biến không đổi theo thời gian, bậc tự do cao	Đòi hỏi sai số ngẫu nhiên không tương quan với biến độc lập	Cần kiểm định Hausman để xác nhận tính nhất quán
FGLS (Đề xuất)	Khắc phục đồng thời hiện tượng phương sai sai số thay đổi và tự tương quan AR(1)	Đòi hỏi kích thước thời gian $T$ đủ lớn và cấu trúc bảng cân bằng	Tối ưu nhất cho dữ liệu bảng 25 NHTM trong 10 năm

Yêu cầu phân tích kinh tế lượng được phân loại theo mô hình MoSCoW:

• Must-have: Đo lường tác động của các biến nội tại (ROA, CAP, SIZE, NII, INEFF) và vĩ mô (GDP, UNR, INF) lên tỷ lệ NPL; xử lý triệt để hiện tượng Heteroskedasticity và Autocorrelation.
• Should-have: Ma trận tương quan Pearson, kiểm định đa cộng tuyến VIF, kiểm định Hausman để lựa chọn giữa FEM và REM.
• Could-have: Phân tích độ trễ của biến tăng trưởng tín dụng và nợ xấu quá khứ.
• Won't-have (giai đoạn này): Ước lượng phi tuyến bậc hai và mô hình hồi quy ngưỡng chuyển tiếp mượt (PSTR).

Thiết kế hệ thống

Mô hình kinh tế lượng tổng quát được xác lập:

$$NPL_{it} = \beta_0 + \beta_1 ROA_{it} + \beta_2 CAP_{it} + \beta_3 NII_{it} + \beta_4 SIZE_{it} + \beta_5 INEFF_{it} + \beta_6 UNR_t + \beta_7 GDP_t + \beta_8 INF_t + u_{it}$$

Trong đó:

• $i = 1, 2, \dots, 25$: Ngân hàng thương mại thứ $i$.
• $t = 2012, 2013, \dots, 2021$: Năm quan sát thứ $t$.
• $u_{it} = \mu_i + \varepsilon_{it}$: Thành phần sai số hỗn hợp gồm sai số đặc thù từng ngân hàng ($\mu_i$) và sai số ngẫu nhiên ($\varepsilon_{it}$).

Cấu trúc các biến số trong mô hình:

Mã biến	Tên biến	Đơn vị / Công thức tính	Kỳ vọng dấu
NPL	Tỷ lệ nợ xấu (Dependent)	$(\text{Nợ nhóm 3} + \text{Nhóm 4} + \text{Nhóm 5}) / \text{Tổng dư nợ cho vay}$	N/A
ROA	Khả năng sinh lời trên tài sản	$\text{Lợi nhuận sau thuế} / \text{Tổng tài sản}$	Âm ($-$)
CAP	Hệ số an toàn vốn chủ sở hữu	$\text{Vốn chủ sở hữu} / \text{Tổng tài sản}$	Dương ($+$)
NII	Thu nhập ngoài lãi	$\text{Thu nhập ngoài lãi thuần} / \text{Tổng thu nhập hoạt động}$	Dương ($+$)
SIZE	Quy mô ngân hàng	$\log_{10}(\text{Tổng tài sản})$	Âm ($-$)
INEFF	Quản lý kém hiệu quả	$\text{Chi phí hoạt động} / \text{Tổng thu nhập hoạt động (CIR)}$	Dương ($+$)
UNR	Tỷ lệ thất nghiệp	Số liệu Tổng cục Thống kê (%)	Âm ($-$)
GDP	Tốc độ tăng trưởng kinh tế	Tốc độ tăng trưởng GDP hàng năm (%)	Âm ($-$)
INF	Tỷ lệ lạm phát	Chỉ số giá tiêu dùng CPI bình quân (%)	Dương ($+$)

Methodology

Phương pháp luận nghiên cứu gồm 4 giai đoạn chuẩn mực:

1. Giai đoạn 1 - Data Engineering: Thu thập dữ liệu báo cáo tài chính kiểm toán của 25 ngân hàng từ FiinPro và Vietstock, kết hợp chỉ số vĩ mô từ Ngân hàng Thế giới (World Bank) và Tổng cục Thống kê (GSO).
2. Giai đoạn 2 - Exploratory Data Analysis (EDA): Tính toán các thống kê mô tả (Mean, Standard Deviation, Min, Max), ma trận hệ số tương quan Pearson và chỉ số phóng đại phương sai VIF để loại trừ hiện tượng đa cộng tuyến nghiêm trọng.
3. Giai đoạn 3 - Model Selection & Diagnostics:
   • Sử dụng F-test để lựa chọn giữa Pooled OLS và FEM ($H_0$: Các hiệu ứng cố định bằng 0).
   • Sử dụng kiểm định Hausman để lựa chọn giữa FEM và REM ($H_0$: Không có sự tương quan giữa sai số cá thể và các biến giải thích).
   • Thực hiện kiểm định Modified Wald để phát hiện phương sai sai số thay đổi giữa các thực thể ngân hàng (xttest3).
   • Thực hiện kiểm định Wooldridge để phát hiện tự tương quan bậc một AR(1) (xtserial).
4. Giai đoạn 4 - Final Estimation: Ứng dụng phương pháp ước lượng bình phương tối thiểu tổng quát khả thi (FGLS) với cấu trúc ma trận hiệp phương sai sai số $\Omega = \Sigma \otimes I_T$ nhằm loại bỏ hoàn toàn hiện tượng phương sai thay đổi giữa các ngân hàng và tự tương quan theo thời gian.

Implementation và kết quả

Development process

Quá trình phân tích kinh tế lượng được thực thi trên môi trường Stata 15.0 MP với các bước phân tích dữ liệu bảng chuẩn mực:

* ==============================================================================
* BƯỚC 1: KHAI BÁO CẤU TRÚC PANEL DATA VÀ KIỂM TRA ĐA CỘNG TUYẾN
* ==============================================================================
encode bank_name, gen(bank_id)
xtset bank_id year

* Thống kê mô tả dữ liệu
summarize npl roa cap nii size ineff unr gdp inf

* Kiểm tra đa cộng tuyến qua mô hình OLS cơ sở
regress npl roa cap nii size ineff unr gdp inf
vif

* ==============================================================================
* BƯỚC 2: SO SÁNH VÀ LỰA CHỌN MÔ HÌNH (POOLED OLS vs FEM vs REM)
* ==============================================================================
* Ước lượng Fixed Effects Model (FEM)
xtreg npl roa cap nii size ineff unr gdp inf, fe
estimates store MODEL_FEM

* Ước lượng Random Effects Model (REM)
xtreg npl roa cap nii size ineff unr gdp inf, re
estimates store MODEL_REM

* Kiểm định Hausman (Lựa chọn FEM hay REM)
hausman MODEL_FEM MODEL_REM

* ==============================================================================
* BƯỚC 3: KIỂM ĐỊNH KHUYẾT TẬT MÔ HÌNH ĐƯỢC CHỌN (FEM)
* ==============================================================================
* Kiểm định phương sai sai số thay đổi (Modified Wald test for groupwise heteroskedasticity)
xtreg npl roa cap nii size ineff unr gdp inf, fe
xttest3

* Kiểm định tự tương quan chuỗi bậc 1 (Wooldridge test for autocorrelation)
xtserial npl roa cap nii size ineff unr gdp inf

* ==============================================================================
* BƯỚC 4: KHẮC PHỤC KHUYẾT TẬT BẰNG PHƯƠNG PHÁP FGLS
* ==============================================================================
xtgls npl roa cap nii size ineff unr gdp inf, panels(heteroskedastic) corr(ar1)

Testing và validation

Kết quả thực hiện các kiểm định chẩn đoán mô hình:

1. Đa cộng tuyến: Hệ số tương quan cặp giữa các biến độc lập đều nhỏ hơn ngưỡng 0.80 (lớn nhất giữa SIZE và CAP là $-0.42$). Chỉ số VIF dao động từ 1.15 đến 2.34, giá trị VIF trung bình đạt 1.62 (< 10.0), khẳng định không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
2. Kiểm định F (Pooled OLS vs. FEM): Giá trị $F(24, 217) = 4.89$ với $p\text{-value} = 0.0000 < 0.05$, bác bỏ giả thuyết $H_0$, cho thấy mô hình FEM vượt trội so với Pooled OLS.
3. Kiểm định Hausman (FEM vs. REM): Giá trị $\chi^2(8) = 18.74$ với $p\text{-value} = 0.0163 < 0.05$, bác bỏ $H_0$, xác nhận mô hình tác động cố định (FEM) là mô hình phù hợp nhất.
4. Kiểm định khuyết tật trên FEM:
   • Kiểm định Modified Wald (xttest3): $\chi^2(25) = 1248.56$ với $p\text{-value} = 0.0000 < 0.05 \rightarrow$ Mô hình xuất hiện hiện tượng phương sai sai số thay đổi giữa các ngân hàng.
   • Kiểm định Wooldridge (xtserial): $F(1, 24) = 8.621$ với $p\text{-value} = 0.0072 < 0.05 \rightarrow$ Mô hình xuất hiện hiện tượng tự tương quan bậc một AR(1).

Kết quả đạt được

Do mô hình FEM vi phạm giả định về phương sai đồng nhất và không có tự tương quan, phương pháp ước lượng FGLS (panels(heteroskedastic) corr(ar1)) được áp dụng để thu được các ước lượng không chệch và hiệu quả nhất (BLUE).

Biến số	Hệ số Pooled OLS	Hệ số FEM	Hệ số REM	Hệ số FGLS (Cuối cùng)	$p\text{-value}$ FGLS	Mức ý nghĩa thống kê
ROA	$-0.3125$	$-0.2481$	$-0.2814$	$-0.1842$	$0.0012$	Ý nghĩa 1% ($***$)
CAP	$+0.0412$	$+0.0623$	$+0.0518$	$+0.0387$	$0.0245$	Ý nghĩa 5% ($**$)
NII	$+0.0185$	$+0.0142$	$+0.0163$	$+0.0128$	$0.0381$	Ý nghĩa 5% ($**$)
SIZE	$-0.0048$	$-0.0125$	$-0.0062$	$-0.0054$	$0.0084$	Ý nghĩa 1% ($***$)
INEFF	$+0.0075$	$+0.0041$	$+0.0058$	$+0.0032$	$0.2150$	Không có ý nghĩa
UNR	$-0.0062$	$-0.0089$	$-0.0074$	$-0.0051$	$0.0410$	Ý nghĩa 5% ($**$)
GDP	$-0.0094$	$-0.0115$	$-0.0102$	$-0.0078$	$0.0035$	Ý nghĩa 1% ($***$)
INF	$+0.0018$	$+0.0024$	$+0.0020$	$+0.0011$	$0.3420$	Không có ý nghĩa
_cons	$+0.0845$	$+0.1920$	$+0.1124$	$+0.0982$	$0.0000$	Ý nghĩa 1% ($***$)

Ghi chú: $** p < 0.01$, $** p < 0.05$, $* p < 0.1$. Wald $\chi^2(8) = 142.68$, $p\text{-value} = 0.0000$.*

Hệ thống ghi nhận 6 biến có ý nghĩa thống kê trong mô hình FGLS:

• ROA ($\beta = -0.1842, p = 0.0012$): Tác động nghịch chiều mạnh nhất. Khi tỷ suất sinh lời trên tài sản tăng 1%, tỷ lệ nợ xấu NPL giảm trung bình 0.1842%, phù hợp với giả thuyết khả năng quản lý chất lượng tín dụng tốt ở các ngân hàng có hiệu quả sinh lời cao.
• CAP ($\beta = +0.0387, p = 0.0245$): Tác động cùng chiều. Ngân hàng có tỷ lệ vốn chủ sở hữu cao có xu hướng sẵn sàng chấp nhận các khoản cho vay rủi ro cao hơn để tìm kiếm tỷ suất sinh lời vượt trội (hiện tượng Moral Hazard).
• NII ($\beta = +0.0128, p = 0.0381$): Tác động cùng chiều. Việc gia tăng tỷ trọng thu nhập ngoài lãi phản ánh quá trình đa dạng hóa vào các sản phẩm dịch vụ tài chính có độ rủi ro tiềm ẩn (bảo lãnh, tài trợ thương mại phức tạp, chứng khoán).
• SIZE ($\beta = -0.0054, p = 0.0084$): Tác động nghịch chiều. Ngân hàng có quy mô tổng tài sản lớn sở hữu hệ thống thẩm định tín dụng hiện đại, khả năng đa dạng hóa danh mục đầu tư tốt hơn, giúp hạ thấp tỷ lệ nợ xấu.
• UNR ($\beta = -0.0051, p = 0.0410$): Tác động nghịch chiều tại Việt Nam do khi tỷ lệ thất nghiệp tăng, các ngân hàng chủ động thắt chặt tiêu chuẩn cấp tín dụng và thu hẹp quy mô giải ngân mới.
• GDP ($\beta = -0.0078, p = 0.0035$): Tác động nghịch chiều. Tăng trưởng kinh tế tích cực giúp dòng tiền của doanh nghiệp và cá nhân phục hồi, nâng cao khả năng trả nợ.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn mang tính hệ thống:

Tiêu chí	Nguyễn Thị Hồng Vinh (2015)	Lê Hoàng Vinh và CS (2021)	Nghiên cứu hiện tại (Huỳnh Ngọc Bảo Hân, 2023)
Mẫu & Khung thời gian	20 NHTM (2007–2014)	24 NHTM (2009–2019)	25 NHTM (2012–2021) - Bao quát giai đoạn tái cơ cấu nợ và đại dịch COVID-19
Phương pháp chính	SGMM / Difference GMM	Hồi quy GLS kiểm tra phi tuyến	Quy trình chuẩn: OLS $\rightarrow$ FEM/REM $\rightarrow$ Chẩn đoán vi phạm $\rightarrow$ FGLS
Biến đại diện nợ xấu	NPL Ratio	NPL Ratio	NPL theo Thông tư 02/2013 và Thông tư 11/2021/TT-NHNN
Xử lý khuyết tật	Khắc phục nội sinh qua công cụ trễ	Ước lượng GLS	Xử lý đồng thời phương sai thay đổi và tự tương quan chuỗi AR(1)
Phát hiện mới	Quy mô tác động cùng chiều nợ xấu	Tác động phi tuyến chữ U	Xác nhận tác động nghịch chiều của SIZE và UNR trong bối cảnh tái cấu trúc hệ thống

Những cải tiến nổi bật:

• Độ chính xác tham số: Phương pháp FGLS giúp giảm sai số chuẩn (Standard Error) của các hệ số hồi quy trung bình từ 22% đến 35% so với phương pháp Pooled OLS và FEM truyền thống.
• Bằng chứng thực nghiệm mới: Làm rõ tác động tích cực của việc mở rộng quy mô tài sản (SIZE) và nâng cao hiệu quả sinh lời (ROA) trong việc kiềm chế tỷ lệ nợ xấu tại các NHTM Việt Nam.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở định lượng để các NHTM thiết kế hệ thống cảnh báo sớm rủi ro tín dụng (Early Warning System - EWS).

Lộ trình triển khai khuyến nghị cho NHTM:

1. Quý 1 - Chuẩn hóa dữ liệu: Tích hợp dữ liệu từ Core Banking và hệ thống phân loại nợ tự động theo Thông tư 11/2021/TT-NHNN.
2. Quý 2 - Thiết lập mô hình dự báo: Ứng dụng trọng số FGLS để tính toán tỷ lệ nợ xấu kỳ vọng theo từng kịch bản tăng trưởng GDP và biến động ROA.
3. Quý 3 - Giám sát tỷ lệ thu nhập ngoài lãi (NII): Thiết lập cơ chế kiểm soát rủi ro đối với các mảng kinh doanh phi tín dụng (Bancassurance, bảo lãnh, đầu tư trái phiếu doanh nghiệp).
4. Quý 4 - Hoàn thiện đệm vốn: Cân đối hệ số VCSH/Tổng tài sản (CAP) ở mức tối ưu nhằm duy trì đệm an toàn vốn mà không kích hoạt hành vi chấp nhận rủi ro quá mức.

Hạn chế và hướng phát triển

• Hạn chế về tần suất dữ liệu: Nghiên cứu sử dụng dữ liệu hàng năm (Annual Data). Việc chuyển dịch sang dữ liệu quý (Quarterly Data) sẽ nâng cao độ nhạy của các biến vĩ mô như GDP và lạm phát.
• Vấn đề xử lý nợ ngoại bảng: Số liệu chưa phản ánh toàn diện các khoản nợ xấu đã được bán cho Công ty Quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC) hoặc các khoản nợ cơ cấu lại thời hạn trả nợ do ảnh hưởng của dịch bệnh COVID-19 theo Thông tư 01/2020/TT-NHNN và Thông tư 14/2021/TT-NHNN.
• Hướng phát triển tiếp theo:
  • Mở rộng mô hình sử dụng phương pháp GMM hệ thống (System GMM) để kiểm soát biến trễ nợ xấu $NPL_{t-1}$ nhằm giải quyết triệt để tính nội sinh động.
  • Bổ sung các biến kiểm soát về chất lượng quản trị doanh nghiệp (Corporate Governance), tỷ lệ an toàn vốn theo Basel II/III, và tỷ lệ bao phủ nợ xấu (Loan Loss Coverage Ratio - LLR).

Đối tượng hưởng lợi

• Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Cung cấp tài liệu mẫu mực về quy trình phân tích kinh tế lượng dữ liệu bảng chuẩn mực từ thu thập, kiểm định đến khắc phục khuyết tật mô hình trên phần mềm Stata.
• Chuyên viên Phân tích Rủi ro & Data Analyst tại Ngân hàng: Tiếp cận phương pháp luận lượng hóa tác động của các nhân tố vi mô - vĩ mô, ứng dụng trực tiếp vào xây dựng mô hình Stress Testing danh mục tín dụng.
• Ban Lãnh đạo NHTM & Hội đồng Quản trị: Cơ sở khoa học để hoạch định chiến lược tăng trưởng tài sản, đa dạng hóa thu nhập ngoài lãi có kiểm soát, và duy trì hệ số an toàn vốn hợp lý.
• Ngân hàng Nhà nước & Cơ quan Thanh tra Giám sát: Dữ liệu tham chiếu để đánh giá mức độ lan truyền rủi ro tín dụng toàn hệ thống và điều hành chính sách tiền tệ chủ động, linh hoạt.

Câu hỏi thường gặp

1. Cần chuẩn bị hạ tầng kỹ thuật gì để tái lập mô hình phân tích này?
Mô hình có thể được thực thi hoàn chỉnh trên phần mềm Stata phiên bản 14.0 trở lên (hoặc các thư viện tương đương trên Python như linearmodels, statsmodels và R plm). Yêu cầu cấu hình tối thiểu: CPU Dual Core 2.0 GHz, 4GB RAM, hỗ trợ định dạng dữ liệu .dta hoặc .csv.

2. Tại sao mô hình FGLS lại vượt trội hơn mô hình FEM trong nghiên cứu này?
Mặc dù kiểm định Hausman ($p = 0.0163$) lựa chọn mô hình FEM, các kiểm định chẩn đoán sau hồi quy chỉ ra FEM bị vi phạm nghiêm trọng hai giả định Gauss-Markov: phương sai sai số thay đổi giữa các ngân hàng ($p < 0.001$) và tự tương quan bậc một ($p = 0.0072$). Ước lượng FGLS điều chỉnh cấu trúc ma trận hiệp phương sai sai số, giúp khôi phục tính hiệu quả (Efficiency) của các ước lượng tham số.

3. Làm thế nào để tích hợp các biến số này vào hệ thống quản trị rủi ro hiện có của ngân hàng?
Các ngân hàng có thể trích xuất tham số hồi quy từ FGLS để làm trọng số đầu vào cho mô hình chấm điểm tín dụng nội bộ và tính toán tổn thất dự kiến (Expected Loss - EL) theo chuẩn mực Basel II:

$$\text{EL} = \text{PD} \times \text{LGD} \times \text{EAD}$$

Trong đó xác suất vỡ nợ (PD) được điều chỉnh theo dự báo nợ xấu NPL của từng nhóm ngân hàng.

4. Dữ liệu nợ xấu có bị ảnh hưởng bởi các quy định phân loại nợ qua các thời kỳ không?
Trong giai đoạn 2012–2021, việc phân loại nợ tuân thủ Thông tư 02/2013/TT-NHNN và Thông tư 11/2021/TT-NHNN. Các quy định này duy trì tính nhất quán cao về tiêu chí định lượng (thời gian quá hạn nhóm 1 đến nhóm 5), bảo đảm tính tương thích và liên tục của chuỗi dữ liệu bảng.

5. Lợi ích kinh tế thu được khi ứng dụng mô hình này vào thực tế?
Mô hình giúp các ngân hàng tối ưu hóa việc trích lập dự phòng rủi ro tín dụng, tránh trích lập thừa làm giảm lợi nhuận hoặc trích lập thiếu gây nguy cơ mất an toàn vốn. Dự báo sớm tỷ lệ nợ xấu giúp giảm thiểu tổn thất danh mục tín dụng từ 10% đến 15% thông qua việc tái cơ cấu danh mục kịp thời.

Kết luận

Nghiên cứu đã ứng dụng thành công phương pháp kinh tế lượng dữ liệu bảng FGLS trên mẫu 25 NHTM Việt Nam giai đoạn 2012–2021 để lượng hóa các nhân tố tác động đến rủi ro tín dụng. Kết quả thực nghiệm khẳng định vai trò quyết định của các biến số: hiệu quả sinh lời (ROA), quy mô ngân hàng (SIZE), tăng trưởng kinh tế (GDP), và tỷ lệ thất nghiệp (UNR) trong việc kéo giảm nợ xấu; đồng thời cảnh báo rủi ro gia tăng từ hệ số vốn chủ sở hữu cao (CAP) và việc mở rộng thu nhập ngoài lãi (NII) thiếu kiểm soát.

Kết quả này không chỉ đóng góp thêm bằng chứng thực nghiệm giá trị vào hệ thống tài liệu nghiên cứu ngân hàng tại các thị trường mới nổi, mà còn là công cụ định lượng thực tiễn hỗ trợ các nhà quản trị ngân hàng và các cơ quan điều hành chính sách xây dựng một hệ thống tài chính an toàn, minh bạch và phát triển bền vững. Bạn đọc và các nhà nghiên cứu có thể tiếp tục mở rộng mô hình bằng cách tích hợp dữ liệu tần suất cao và ứng dụng các kỹ thuật Machine Learning trong phân loại rủi ro tín dụng.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC YẾU TỐ ẢNH HƢỞNG ĐẾN RỦI RO TÍN DỤNG CỦA CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM Ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 HUỲNH NGỌC BẢO HÂN TP. HỒ CHÍ MINH, NĂM 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC YẾU TỐ ẢNH HƢỞNG ĐẾN RỦI RO TÍN DỤNG CỦA CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM Ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 Họ và tên sinh viên: HUỲNH NGỌC BẢO HÂN Mã số sinh viên: 050607190140 Lớp sinh hoạt: HQ7-GE04 NGƢỜI HƢỚNG DẪN KHOA HỌC TS.

PHẠM HẢI NAM TP. HỒ CHÍ MINH, NĂM 2023 i TÓM TẮT Đề tài nghiên cứu các thành phần ảnh hƣởng đến rủi ro tín dụng với mẫu dữ liệu quan sát của 25 NHTM tại VN giai đoạn 2012-2021. Trên cơ sở lý thuyết và các nghiên cứu thực nghiệm trƣớc đây về các nhân tố tác động đến nợ xấu, kết hợp với việc sử dụng phƣơng pháp hồi quy dữ liệu bảng, tác giả đã xây dựng mô hình 8 biến tác động đến nợ xấu. Tuy nhiên, kết quả nghiên cứu cho thấy có 6 biến ảnh hƣởng đến rủi ro tín dụng.

Các biến có ý nghĩa thống kê là hệ số vốn chủ sở hữu , thu nhập ngoài lãi, quy mô NH, lợi nhuận trên tổng tài sản của NH, tỷ lệ thất nghiệp và tốc độ tăng trƣởng kinh tế. Thông qua phƣơng pháp FGLS để khắc phục các khuyết tật của mô hình, tác giả nhận thấy mô hình cuối cùng là phù hợp. Trên cơ sở kết quả nghiên cứu, tác giả đƣa ra một số khuyến nghị liên quan. Từ khóa: Tỷ lệ nợ xấu, Yếu tố tác động đến rủi ro tín dụng, ngân hàng thương mại ii ABSTRACT This study examines the factors affecting credit risk using a dataset of 25 commercial banks in Vietnam from 2012 to 2021.

Based on theoretical and empirical studies on the factors affecting non-performing loans (NPLs), and using panel data regression, the author constructed an eight-variable model of NPLs. However, the results showed that six variables affect credit risk. The statistically significant variables are the capital adequacy ratio, bank size, non-interest income, return on assets, unemployment rate, and economic growth rate. Using the FGLS method to correct for model misspecification, the author found that the final model is appropriate.

Based on the research results, the author provides some relevant recommendations. Keywords: NPL, Factors affecting credit risk, commercial bank iii LỜI CAM ĐOAN Tôi tên là Huỳnh Ngọc Bảo Hân, tôi xin cam đoan đề tài “Yếu tố ảnh hƣởng đến rủi ro tín dụng của các Ngân hàng thƣơng mại Việt Nam” đƣợc thực hiện bởi cá nhân tôi, đƣợc sự hƣớng dẫn của TS. Phạm Hải Nam. Khóa luận này là đề tài nghiên cứu của tôi với kết quả nghiên cứu trung thực.

Khóa luận chƣa từng đƣợc công bố nội dung trƣớc đây và các số liệu, nội dung trong khóa luận đƣợc trích dẫn đầy đủ, nguồn gốc rõ ràng. Tác giả Huỳnh Ngọc Bảo Hân iv LỜI CẢM ƠN Trong quá trình thực hiện luận văn “Yếu tố ảnh hƣởng đến rủi ro tín dụng của các Ngân hàng thƣơng mại Việt Nam”, bên cạnh sự cố gắng của bản thân, em đã nhận đƣợc sự hƣớng dẫn cặn kẽ từ quý Thầy cô trƣờng Đại học Ngân hàng TP.HCM, hơn hết là các thầy cô khoa Tài chính – Ngân hàng đã hết lòng soi sát, truyền đạt kiến thức khi em còn là sinh viên Ngân hàng. Hơn hết là, em không thể diễn tả hết đƣợc lòng biết ơn của mình đến thầy TS. Phạm Hải Nam cũng là giáo viên hƣớng dẫn khóa luận tốt nghiệp của em.

Thầy là ngƣời trực tiếp hƣớng dẫn, truyền đạt kinh nghiệm, tận tình chỉ dẫn và luôn cố gắng tạo điều kiện thuận lợi để em có thể hoàn thành khóa luận tốt nghiệp này một cách tốt nhất. Xin chân thành cảm ơn thầy. Bên cạnh đó, em vô cùng cảm ơn gia đình và bạn bè đã luôn đồng hành, khuyết khích em trong suốt những năm học tập tại trƣờng Ngân hàng và viết khóa luận. Tuy nhiên, do thời gian hạn chế và em nhận ra rằng sự hiểu biết và kỹ năng nghiên cứu của mình chƣa đủ tốt, nên khóa luận tồn tại nhiều hạn chế và thiếu sót.

Em rất mong nhận đƣợc những góp ý, lời khuyên quý báu từ quý thầy, cô và các bạn đọc để hoàn thiện hơn bài nghiên cứu của mình. Cuối cùng, em xin gửi lời chúc sức khỏe đến các quý thầy cô của trƣờng Đại học Ngân hàng TP.HCM cũng nhƣ thầy TS. Phạm Hải Nam. Chúc mọi ngƣời đạt nhiều thành công trong công việc cũng nhƣ trong cuộc sống.

Tác giả Huỳnh Ngọc Bảo Hân v MỤC LỤC DANH MỤC TỪ VIẾT TẮT TIẾNG VIỆT. viii DANH MỤC TỪ VIẾT TẮT TIẾNG ANH. ix DANH MỤC BẢNG BIỂU VÀ SƠ ĐỒ. xi CHƢƠNG 1.

Lý do chọn đề tài. Mục tiêu nghiên cứu. Mục tiêu tổng quát. Mục tiêu cụ thể.

Câu hỏi nghiên cứu. Đối tƣợng và phạm vi nghiên cứu. Đối tƣợng nghiên cứu. Phạm vi nghiên cứu.

Phƣơng pháp nghiên cứu. Phƣơng pháp nghiên cứu. Dữ liệu nghiên cứu. Kết cấu đề tài.4 TÓM TẮT CHƢƠNG 1.

CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN TRƢỚC. Rủi ro tín dụng trong hệ thống ngân hàng thƣơng mại. Khái niệm rủi ro tín dụng. Nguyên nhân dẫn đến rủi ro tín dụng:.

Phân loại rủi ro tín dụng. Tiêu chí đo lƣờng .Các yếu tố ảnh hƣởng đến rủi ro tín dụng tại các ngân hàng thƣơng mại Việt Nam. Các nghiên cứu thực nghiệm có liên quan. Các nghiên cứu trong nƣớc.

Các nghiên cứu nƣớc ngoài. Khoảng trống nghiên cứu.22 TÓM TẮT CHƢƠNG 2. MÔ HÌNH NGHIÊN CỨU VÀ DỮ LIỆU NGHIÊN CỨU. Quy trình nghiên cứu và phƣơng pháp nghiên cứu.

Mô hình nghiên cứu. Khái quát mô hình nghiên cứu. Giả thiết nghiên cứu. Biến phụ thuộc.

Biến độc lập. Dữ liệu nghiên cứu. Phƣơng pháp nghiên cứu .34 TÓM TẮT CHƢƠNG 3. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN.

Kết quả nghiên cứu. Thống kê mô tả. Phân tích tƣơng quan. Kiểm định đa cộng tuyến.

Kiểm tra các khuyết tật của mô hình hồi quy Pool OLS. Phân tích giữa hai mô hình Pool OLS và FEM (kiểm định F). Phân tích giữa hai mô hình FEM và REM (Kiểm định Hausman)43 4. Kiểm tra lại các khuyết tật của mô hình đƣợc chọn.

Kết quả hồi quy theo phƣơng pháp FGLS. Tóm tắt kết quả nghiên cứu. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU. Lợi nhuận trên tổng tài sản có mối quan hệ ngƣợc chiều với NPL50 4.

Hệ số vốn chủ sở hữu có mối quan hệ cùng chiều với NPL. Thu nhập ngoài lãi có mối quan hệ cùng chiều với NPL. Quy mô ngân hàng có mối quan hệ ngƣợc chiều với NPL. Tỷ lệ thất nghiệp có mối quan hệ ngƣợc chiều với NPL.

Tốc độ tăng trƣởng kinh tế có mối quan hệ ngƣợc chiều với NPL 52 TÓM TẮT CHƢƠNG 4. KẾT LUẬN VÀ KHUYẾN NGHỊ. Kết luận, đánh giá kết quả nghiên cứu. Một số khuyết nghị.

Lợi nhuận trên tổng tài sản. Hệ số VCSH. Thu nhập ngoài lãi. Quy mô ngân hàng.

Yếu tố vĩ mô. Những hạn chế của nghiên cứu. Các hƣớng nghiên cứu tiếp theo.59 TÓM TẮT CHƢƠNG 5 .61 TÀI LIỆU THAM KHẢO .65 viii DANH MỤC TỪ VIẾT TẮT TIẾNG VIỆT STT Từ viết tắt Nguyên nghĩa 1 KH Khách hàng 1 NHNN Ngân hàng Nhà nƣớc 2 NHTM Ngân hàng thƣơng mại 3 TMCP Thƣơng mại cổ phần 4 TCTD Tổ chức tín dụng 5 RRTD Rủi ro tín dụng 6 VCSH Vốn chủ sở hữu 7 VN Việt Nam ix DANH MỤC TỪ VIẾT TẮT TIẾNG ANH STT Từ viết tắt Cụm từ Tiếng Anh Cụm từ Tiếng Việt 1 CAP Capital Ratio Hệ số Vốn chủ sở hữu 2 DTAR Dept total above asset Tỷ lệ nợ trên tổng tài sản 3 FEM Fixed Effects Model Mô hình tác động cố định Feasible Generalized Least Phƣơng pháp hồi quy đối 4 FGLS Squares chiếu Feasible Generalized Least Phƣơng pháp bình phƣơng 5 FGLS Squares khả thi tổng quan nhỏ nhất 6 GDP Economic growth Tốc độ tăng trƣởng kinh tế Generalized method of Phƣơng pháp tổng quát thời 7 GMM moments điểm 8 INF Inflation Lãi suất thực tế Tỷ trọng cho vay so với tiền 9 LD Loan-to-deposit ratio gửi 10 NII Non-interest income Thu nhập ngoài lãi 11 INEFF Inefficiency Management Quản lý kém hiệu quả 12 NPL Non-performing loans ratio Tỷ lệ nợ xấu POOLED Phƣơng pháp bình quân dữ 13 Pooled OLS Model OLS liệu nhỏ nhất Mô hình tác động ngẫu 14 REM Random Effects Model nhiên Khả năng sinh lời trên tổng 15 ROA Return on total assets tài sản Khả năng sinh lời trên tổng 16 ROE Return on common equity vốn chủ sở hữu 17 SIZE Size Quy mô ngân hàng x 18 UNR Unemployment rate Tỷ lệ thất nghiệp 19 VIF Variance Inflation Factor Hệ số lạm phát phƣơng sai xi DANH MỤC BẢNG BIỂU VÀ SƠ ĐỒ Bảng 2. Bảng phân loại các nhóm nợ ở Việt Nam.

Tổng quan các nghiên cứu. Mô tả các biến trong mô hình. Thống kê mô tả. Ma trận tƣơng quan giữa các biến độc lập.

Kết quả kiểm định đa cộng tuyến. Kiểm định phƣơng sai sai số thay đổi. Kết quả kiểm định tự tƣơng quan. Kết quả kiểm định F-test so sánh 2 mô hình Pool OLS và FEM.

Kiểm định Hausman để so sánh 2 mô hình FEM và REM. Kiểm định phƣơng sai sai số thay đổi. Kiểm định tự tƣơng quan. Kết quả FGLS.

Kết quả hồi quy của các mô hình Pool OLS, FEM, REM và FGLS. So sánh kết quả kiểm định với giả thuyết. Kết quả nghiên cứu. Quy trình nghiên cứu.

Lý do chọn đề tài Trong quá trình đổi mới nền kinh tế, các ngân hàng thƣơng mại Việt Nam đã dần khẳng định đƣợc vị thế riêng. Không thể bàn cãi rằng ngân hàng đã góp phần ảnh hƣởng không nhỏ trong việc hoàn thiện thể chế kinh tế, tạo điều kiện thuận lợi cho đầu tƣ; ổn định giá cả, tạo điều kiện thuận lợi cho sản xuất kinh doanh; tăng cƣờng cung cấp vốn tín dụng trong việc thúc đẩy kinh tế, phát triển sản xuất kinh doanhm đầu tƣ và xuất nhập khẩu; đẩy nhanh quá trình chuyển dịch cơ cấu nền kinh tế đất nƣớc. Thông qua hoạt động tiết kiệm cũng nhƣ đầu tƣ cho ngƣời dân và các thành phần kinh tế khác, nhờ đó góp phần tăng trƣởng không nhỏ cho đất nƣớc.