Bối cảnh và vấn đề nghiên cứu

Trong xu thế toàn cầu hóa và hội nhập kinh tế quốc tế, hệ thống ngân hàng thương mại (NHTM) giữ vai trò là kênh trung gian tài chính chủ đạo cung ứng vốn cho nền kinh tế Việt Nam. Dù nguồn thu ngoài lãi có xu hướng gia tăng, hoạt động cấp tín dụng vẫn chiếm tỷ trọng lớn nhất trong cơ cấu doanh thu và lợi nhuận của các ngân hàng thương mại. Tuy nhiên, hoạt động tín dụng luôn gắn liền với rủi ro tín dụng (RRTD) – loại rủi ro mang tính cố hữu, có thể gây tổn thất tài chính, xói mòn vốn tự có, làm suy giảm giá trị thị trường của ngân hàng và đe dọa sự an toàn của toàn bộ hệ thống tài chính nếu không được kiểm soát chặt chẽ.

Đối với các NHTM Việt Nam, đặc điểm quy mô vốn nhìn chung còn nhỏ, năng lực quản trị rủi ro và nền tảng công nghệ còn hạn chế so với các định chế tài chính quốc tế, khiến áp lực cạnh tranh và nguy cơ phát sinh nợ xấu ngày càng lớn. Việc nhận diện, đo lường và lượng hóa tác động của các nhân tố vĩ mô cũng như nhân tố nội tại đến rủi ro tín dụng là yêu cầu cấp thiết nhằm thiết lập cơ chế quản lý tín dụng an toàn, minh bạch.

Đề tài "Nghiên cứu các yếu tố ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại Việt Nam niêm yết trên sàn chứng khoán giai đoạn 2013 — 2021" được tác giả Nguyễn Thị Thanh Ngoan (ngành Thống kê kinh tế, Trường Đại học Kinh tế Quốc dân) thực hiện nhằm giải quyết các nhiệm vụ nghiên cứu sau:

  1. Mục tiêu chung: Xác định mức độ tác động của các yếu tố (vĩ mô và nội tại) đến rủi ro tín dụng tại các NHTM Việt Nam niêm yết trên sàn chứng khoán giai đoạn 2013–2021, từ đó đề xuất các giải pháp nhằm kiểm soát và hạn chế rủi ro tín dụng cho các ngân hàng niêm yết và toàn hệ thống NHTM.
  2. Mục tiêu cụ thể:
    • Xác định cơ sở lý luận về rủi ro tín dụng và các chỉ tiêu đo lường rủi ro tín dụng của NHTM.
    • Tổng quan các công trình nghiên cứu trong và ngoài nước để xác định, lựa chọn các nhân tố ảnh hưởng phù hợp.
    • Phân tích và đánh giá thực trạng rủi ro tín dụng của các NHTM Việt Nam niêm yết trên sàn chứng khoán giai đoạn 2013–2021.
    • Xây dựng mô hình kinh tế lượng đánh giá mức độ tác động của các yếu tố đến rủi ro tín dụng.
    • Đề xuất các nhóm giải pháp hạn chế rủi ro tín dụng dựa trên kết quả phân tích định lượng.
  3. Đối tượng nghiên cứu: Rủi ro tín dụng và các yếu tố ảnh hưởng đến rủi ro tín dụng của các NHTM Việt Nam niêm yết trên sàn chứng khoán.
  4. Phạm vi nghiên cứu:
    • Không gian: 15 NHTM cổ phần của Việt Nam niêm yết trên ba sàn giao dịch chứng khoán (HOSE, HNX, UPCOM) có dữ liệu công bố liên tục từ trước năm 2013 đến năm 2021, bao gồm: BID, VCB, CTG, MBB, VPB, HDB, ACB, LPB, TCB, NVB, VIB, SHB, SGB, STB, TPB.
    • Thời gian: Giai đoạn 9 năm từ năm 2013 đến năm 2021 (giai đoạn nền kinh tế phục hồi sau khủng hoảng tài chính 2008 và bao gồm cả thời kỳ chịu tác động của đại dịch Covid-19).

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và khái niệm

Khóa luận tiếp cận rủi ro tín dụng dựa trên các định nghĩa kinh điển của Timothy W. Koch (2006), Anthony Saunders (2007) và quy định pháp lý tại Khoản 1 Điều 3 Thông tư số 02/2013/TT-NHNN của Ngân hàng Nhà nước Việt Nam. RRTD được xác định là rủi ro phát sinh do khách hàng vay không thực hiện đúng các điều khoản của hợp đồng tín dụng, biểu hiện qua việc chậm trả nợ, trả nợ không đầy đủ hoặc không trả nợ gốc và lãi khi đến hạn, gây tổn thất tài chính và ảnh hưởng tiêu cực đến hoạt động kinh doanh của NHTM.

Để đo lường rủi ro tín dụng, tác giả sử dụng chỉ tiêu Tỷ lệ nợ xấu (NPL) làm biến phụ thuộc chính trong mô hình. Nợ xấu phản ánh các khoản nợ quá hạn trên 90 ngày (bao gồm nợ nhóm 3 - nợ dưới tiêu chuẩn, nhóm 4 - nợ nghi ngờ, nhóm 5 - nợ có khả năng mất vốn theo chuẩn phân loại nợ).

Mô hình nghiên cứu dạng tổng quát được xây dựng như sau:

$$\text{NPL}{it} = \alpha + \beta_1 \text{GGDP}t + \beta_2 \text{INF}t + \beta_3 \text{ROE}{it} + \beta_4 \text{SIZE}{it} + \beta_5 \text{LDR}{it} + \beta_6 \text{ESI}_{it} + \beta_7 \text{INR}t + \varepsilon{it}$$

Nhóm yếu tố Tên biến Ký hiệu Ý nghĩa kinh tế Kỳ vọng tác động
Biến phụ thuộc Tỷ lệ nợ xấu NPL Đo lường rủi ro tín dụng của ngân hàng
Yếu tố nội tại Tỷ suất sinh lời trên VCSH ROE Lợi nhuận sau thuế / Vốn chủ sở hữu Âm (-)
Tỷ lệ dư nợ trên vốn huy động LDR Tổng dư nợ cho vay / Tổng vốn huy động Dương (+)
Quy mô ngân hàng SIZE Logarit tổng tài sản (giá trị thị trường) Âm (-)
Yếu tố vĩ mô Tăng trưởng kinh tế GGDP Tốc độ tăng trưởng GDP hàng năm (%) Âm (-)
Lạm phát INF Tỷ lệ lạm phát hàng năm (%) Dương (+)
Tăng trưởng thị trường BĐS ESI Tốc độ tăng trưởng ngành bất động sản Dương (+)
Lãi suất danh nghĩa INR Mặt bằng lãi suất danh nghĩa (%) Dương (+)

Phương pháp nghiên cứu và quy trình xử lý dữ liệu

Nghiên cứu kết hợp phương pháp phân tích định tính (phân tích, tổng hợp, hệ thống hóa lý thuyết) và phương pháp phân tích định lượng với quy trình phân tích dữ liệu mảng cân bằng (Balanced Panel Data) qua các bước:

  1. Thống kê mô tả và phân tích dãy số thời gian: Đánh giá các tham số tập trung (Mean, Min, Max, Độ lệch chuẩn) và xu hướng biến động của tín dụng, nợ xấu giai đoạn 2013–2021.
  2. Phân tích ma trận hệ số tương quan Pearson: Đo lường mức độ tương quan tuyến tính giữa các biến độc lập và biến phụ thuộc, kiểm tra sớm hiện tượng đa cộng tuyến (ngưỡng tương quan > 0.8).
  3. Ước lượng các mô hình hồi quy dữ liệu mảng:
    • Mô hình hồi quy gộp (Pooled OLS - POLS).
    • Mô hình tác động cố định (Fixed Effects Model - FEM).
    • Mô hình tác động ngẫu nhiên (Random Effects Model - REM).
  4. Thực hiện các kiểm định lựa chọn mô hình:
    • Kiểm định F (F-test): Lựa chọn giữa POLS và FEM ($H_0$: POLS phù hợp).
    • Kiểm định Breusch-Pagan Lagrange Multiplier (LM test): Lựa chọn giữa POLS và REM ($H_0$: POLS phù hợp).
    • Kiểm định Hausman: Lựa chọn giữa FEM và REM ($H_0$: REM phù hợp do không có tương quan giữa sai số ngẫu nhiên và biến độc lập).
  5. Kiểm định khuyết tật mô hình và khắc phục:
    • Kiểm tra đa cộng tuyến bằng hệ số phóng đại phương sai (VIF).
    • Kiểm định phương sai sai số thay đổi (sử dụng kiểm định White cho POLS, Modified Wald cho FEM, Breusch-Pagan cho REM).
    • Kiểm định tự tương quan (kiểm định Wooldridge).
    • Khắc phục các khuyết tật (nếu có) bằng phương pháp ước lượng bình phương tối thiểu tổng quát (Generalized Least Squares - GLS).
  6. Nguồn dữ liệu: Dữ liệu nội bộ ngân hàng thu thập từ báo cáo tài chính đã kiểm toán và báo cáo thường niên của 15 NHTM; dữ liệu vĩ mô lấy từ Ngân hàng Nhà nước và Tổng cục Thống kê giai đoạn 2013–2021; xử lý trên phần mềm Stata 14.

Nội dung chính theo từng chương

Chương 1: Tổng quan lý thuyết về các yếu tố ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại

Chương 1 hệ thống hóa toàn diện các khái niệm, cơ chế phát sinh, phân loại và hệ quả của rủi ro tín dụng đối với khách hàng, ngân hàng và nền kinh tế:

  • Phân loại rủi ro tín dụng: Tiếp cận theo nguyên nhân (rủi ro giao dịch gồm rủi ro lựa chọn, rủi ro đảm bảo, rủi ro nghiệp vụ; rủi ro danh mục gồm rủi ro nội tại, rủi ro tập trung) và theo khả năng trả nợ của khách hàng (rủi ro không trả nợ đúng hạn, mất khả năng chi trả, rủi ro ngoài hoạt động cho vay).
  • Chỉ tiêu đánh giá: Phân tích bản chất của ba chỉ tiêu nợ quá hạn, nợ xấu và trích lập dự phòng rủi ro tín dụng (dự phòng cụ thể và dự phòng chung).
  • Tổng quan các nghiên cứu thực nghiệm: Lược khảo các nghiên cứu quốc tế (Fofack, 2005; Guy & Lowe, 2011; Festic et al., 2011; Castro, 2013; Chaibi & Ftiti, 2015; Louzis et al., 2012; Messai, 2013; Tehulu et al., 2014) và nghiên cứu tại Việt Nam (Đỗ Quỳnh Anh & Nguyễn Đức Hùng, 2013; Nguyễn Thị Ngọc Diệp & Nguyễn Minh Kiều, 2015; Nguyễn Quốc Anh & Nguyễn Hữu Thạch, 2015; Lê Bá Trực, 2018).
  • Thiết lập mô hình và giả thuyết: Đưa ra 7 giả thuyết nghiên cứu tương ứng với 7 biến độc lập tác động lên tỷ lệ nợ xấu (NPL), trình bày chi tiết cơ sở toán học của các mô hình POLS, FEM, REM và quy trình kiểm định kinh tế lượng.

Chương 2: Phân tích các yếu tố ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại Việt Nam niêm yết trên sàn chứng khoán giai đoạn 2013–2021

Chương 2 trình bày bức tranh thực nghiệm thông qua phân tích mô tả và ước lượng mô hình kinh tế lượng trên bộ dữ liệu 135 quan sát (15 ngân hàng $\times$ 9 năm):

1. Thống kê mô tả các biến trong mô hình nghiên cứu

Biến số Ký hiệu Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất
Tỷ lệ nợ xấu (%) NPL 1.9127 1.0580 0.5000 (ACB, 2019) 6.6800 (STB, 2016)
Tăng trưởng kinh tế (%) GGDP 5.6338 1.6210 2.6000 (Năm 2021) 7.0800 (Năm 2018)
Lạm phát (%) INF 3.0189 1.6370 0.6000 (Năm 2015) 6.0400 (Năm 2013)
Tỷ suất sinh lời VCSH (%) ROE 12.4700 7.3910 0.0300 (NVB, 2020-21) 30.5800 (VIB, 2021)
Quy mô ngân hàng SIZE 12.4378 1.1890 9.5946 (SGB, 2013) 14.3818 (BID, 2021)
Tỷ lệ dư nợ/Vốn huy động LDR 0.8436 0.3950 0.4608 (NVB, 2015) 5.0997 (CTG, 2021)
Tăng trưởng BĐS (%) ESI 13.8060 8.8920 1.0300 (VIB, 2020) 40.8700 (LPB, 2016)
Lãi suất danh nghĩa (%) INR 7.4300 2.7680 3.6400 (Năm 2021) 12.1400 (Năm 2013)

2. Đánh giá thực trạng tăng trưởng tín dụng và diễn biến nợ xấu

Quy mô tín dụng của nền kinh tế mở rộng liên tục qua các năm, từ mức 3.970 nghìn tỷ đồng năm 2013 lên 10.444 nghìn tỷ đồng năm 2021. Tốc độ tăng trưởng tín dụng toàn ngành đạt mức cao (12.52% năm 2013; duy trì 12.17% năm 2020 và đạt mức trên 13% năm 2021), góp phần quan trọng vào việc hỗ trợ tăng trưởng GDP. Tỷ lệ nợ xấu bình quân của các NHTM niêm yết được kiểm soát dưới ngưỡng 3% theo mục tiêu của NHNN, dù có sự phân hóa mạnh giữa các ngân hàng (thấp nhất là ACB đạt 0.5% năm 2019, cao nhất là STB đạt 6.68% năm 2016 do ảnh hưởng của quá trình tái cơ cấu và sáp nhập).

3. Kết quả hồi quy và kiểm định mô hình

  • Tác giả lần lượt ước lượng mô hình POLS (Bảng 2.7), FEM (Bảng 2.8) và REM (Bảng 2.9).
  • Kiểm định Breusch-Pagan LM và kiểm định Hausman được thực hiện để so sánh các mô hình, chỉ ra mô hình tác động ngẫu nhiên (REM) phù hợp hơn POLS và FEM.
  • Kiểm tra các khuyết tật mô hình: Hệ số VIF (Bảng 2.10) đều nhỏ hơn 10 và hệ số tương quan Pearson giữa các biến độc lập không vượt quá 0.8, khẳng định không có hiện tượng đa cộng tuyến nghiêm trọng.
  • Kiểm định phương sai sai số thay đổi và tự tương quan cho thấy mô hình REM vi phạm các giả định hồi quy cổ điển. Tác giả tiến hành ước lượng bình phương tối thiểu tổng quát (GLS) tại Bảng 2.11 nhằm khắc phục triệt để các khuyết tật, đảm bảo các hệ số ước lượng thu được là vững và hiệu quả.

Kết quả và đóng góp

Kết quả chính từ nghiên cứu thực nghiệm

Dựa trên kết quả ước lượng mô hình GLS (Bảng 2.11), các phát hiện định lượng chính được tổng kết:

  1. Nhóm biến vĩ mô:
    • Tăng trưởng GDP (GGDP): Tác động ngược chiều (-) có ý nghĩa thống kê đến tỷ lệ nợ xấu. Khi nền kinh tế tăng trưởng tốt, hiệu quả sản xuất kinh doanh của khách hàng vay được nâng cao, khả năng trả nợ cải thiện, làm giảm RRTD.
    • Lạm phát (INF): Tác động cùng chiều (+) đến tỷ lệ nợ xấu. Lạm phát gia tăng làm tăng chi phí đầu vào, xói mòn thu nhập thực tế của bên đi vay và dẫn đến rủi ro vỡ nợ cao hơn.
    • Lãi suất danh nghĩa (INR): Có mối quan hệ cùng chiều (+) với rủi ro tín dụng. Lãi suất vay cao làm tăng gánh nặng chi phí lãi vay, trực tiếp làm suy giảm khả năng trả nợ của khách hàng.
    • Tăng trưởng thị trường bất động sản (ESI): Có tác động cùng chiều (+) đến tỷ lệ nợ xấu tại các NHTM.
  2. Nhóm biến nội tại ngân hàng:
    • Hiệu quả sinh lời (ROE): Có mối tương quan âm (-) với rủi ro tín dụng. Ngân hàng có năng lực sinh lời tốt thể hiện chất lượng quản trị và thẩm định tín dụng hiệu quả, qua đó kiểm soát nợ xấu tốt hơn.
    • Quy mô ngân hàng (SIZE): Có mối quan hệ có ý nghĩa thống kê với RRTD. Các ngân hàng quy mô lớn có lợi thế về nguồn lực công nghệ, quy trình quản trị rủi ro chuyên nghiệp nhưng cũng đối mặt với thách thức giám sát danh mục tín dụng quy mô lớn.
    • Tỷ lệ dư nợ trên vốn huy động (LDR): Tác động đến rủi ro tín dụng, phản ánh áp lực thanh khoản và mức độ sử dụng vốn vay trong hoạt động kinh doanh.

Giải pháp và kiến nghị đề xuất

Khóa luận đề xuất hệ thống giải pháp đồng bộ nhằm hạn chế rủi ro tín dụng cho các NHTM niêm yết và toàn hệ thống:

  • Nâng cao năng lực thẩm định và giám sát sau cho vay: Hoàn thiện quy trình xếp hạng tín dụng nội bộ, tăng cường kiểm tra định kỳ mục đích sử dụng vốn vay để phát hiện sớm các dấu hiệu cảnh báo rủi ro.
  • Nâng cao chất lượng đội ngũ cán bộ tín dụng: Đào tạo chuyên môn nghiệp vụ, bồi dưỡng đạo đức nghề nghiệp nhằm hạn chế các sai sót nghiệp vụ và rủi ro đạo đức.
  • Tăng cường liên kết với Trung tâm Thông tin Tín dụng (CIC): Khai thác và cập nhật dữ liệu lịch sử tín dụng của khách hàng thường xuyên, tránh tình trạng thông tin bất đối xứng.
  • Kiểm soát tăng trưởng tín dụng vào các lĩnh vực tiềm ẩn rủi ro: Giám sát chặt chẽ dòng vốn đổ vào thị trường bất động sản và các dự án trung, dài hạn; chủ động trích lập dự phòng rủi ro đầy đủ theo quy định của NHNN.

Hạn chế và hướng nghiên cứu tiếp

  • Về phạm vi mẫu nghiên cứu: Nghiên cứu chỉ tập trung vào 15 NHTM cổ phần niêm yết trên sàn chứng khoán có chuỗi dữ liệu xuyên suốt từ trước năm 2013 đến năm 2021. Mẫu chưa bao phủ toàn bộ 27 NHTM niêm yết tính đến năm 2022 và các ngân hàng chưa niêm yết.
  • Về biến số nghiên cứu: Mô hình chỉ khảo sát 7 biến độc lập chính. Các yếu tố khác như tỷ lệ an toàn vốn (CAR), chất lượng quản trị công ty, tỷ giá hối đoái, tỷ lệ thất nghiệp chưa được đưa vào kiểm định đồng thời.
  • Hướng nghiên cứu tiếp theo: Có thể mở rộng quy mô mẫu cho toàn bộ hệ thống NHTM Việt Nam, kéo dài chuỗi thời gian sau năm 2021 và áp dụng các kỹ thuật ước lượng nâng cao như phương pháp Moment tổng quát hệ thống (System GMM) để kiểm soát triệt để tính nội sinh và độ trễ của biến nợ xấu.

Giá trị tham khảo

  • Đối với sinh viên và học viên chuyên ngành Thống kê kinh tế, Tài chính - Ngân hàng: Cung cấp tài liệu tham khảo chuẩn mực về quy trình xây dựng mô hình kinh tế lượng dữ liệu mảng (từ thống kê mô tả, phân tích tương quan, ước lượng POLS/FEM/REM đến kiểm định khuyết tật và xử lý bằng GLS trên phần mềm Stata).
  • Đối với các nhà quản trị NHTM: Cung cấp căn cứ định lượng thực nghiệm để nhận diện mức độ tác động của các cú sốc vĩ mô (lạm phát, lãi suất, chu kỳ bất động sản) và các chỉ số nội tại (ROE, LDR, quy mô) đến sự an toàn của danh mục tín dụng.

Câu hỏi thường gặp

1. Biến phụ thuộc đo lường rủi ro tín dụng trong khóa luận được xác định như thế nào?

Biến phụ thuộc là Tỷ lệ nợ xấu (NPL) của 15 NHTM niêm yết giai đoạn 2013–2021. Tỷ lệ nợ xấu phản ánh các khoản nợ quá hạn trên 90 ngày (nợ nhóm 3, nhóm 4 và nhóm 5) chia cho tổng dư nợ cho vay của ngân hàng.

2. Mẫu nghiên cứu thực nghiệm bao gồm những ngân hàng nào?

Mẫu nghiên cứu gồm 15 NHTM niêm yết trên HOSE, HNX và UPCOM có dữ liệu đầy đủ từ 2013 đến 2021: BID, VCB, CTG, MBB, VPB, HDB, ACB, LPB, TCB, NVB, VIB, SHB, SGB, STB, TPB.

3. Ngân hàng nào có tỷ lệ nợ xấu thấp nhất và cao nhất trong giai đoạn nghiên cứu?

Theo số liệu thống kê mô tả tại Bảng 2.1, tỷ lệ nợ xấu thấp nhất thuộc về ACB năm 2019 (0.5%) và cao nhất thuộc về STB năm 2016 (6.68%).

4. Quy trình kiểm định kinh tế lượng nào đã được thực hiện để lựa chọn mô hình cuối cùng?

Tác giả đã thực hiện lần lượt:

  • Kiểm định F và kiểm định Breusch-Pagan LM để so sánh POLS với FEM và REM.
  • Kiểm định Hausman để chọn mô hình REM.
  • Kiểm định đa cộng tuyến (ma trận tương quan, hệ số VIF), kiểm định phương sai sai số thay đổi và kiểm định tự tương quan (Wooldridge test).
  • Áp dụng phương pháp bình phương tối thiểu tổng quát (GLS) tại Bảng 2.11 để khắc phục các khuyết tật của mô hình REM.

5. Yếu tố tăng trưởng kinh tế (GGDP) và lãi suất (INR) có tác động như thế nào đến tỷ lệ nợ xấu?

Kết quả nghiên cứu cho thấy tăng trưởng kinh tế (GGDP) có tác động ngược chiều (-) đến tỷ lệ nợ xấu, trong khi lãi suất danh nghĩa (INR) có tác động cùng chiều (+) đến tỷ lệ nợ xấu của các NHTM niêm yết.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Thanh Ngoan đã lượng hóa thành công các nhân tố vĩ mô và nội tại ảnh hưởng đến rủi ro tín dụng của 15 ngân hàng thương mại Việt Nam niêm yết trên sàn chứng khoán giai đoạn 2013–2021. Thông qua quy trình hồi quy dữ liệu mảng và xử lý khuyết tật bằng phương pháp GLS trên Stata 14, đề tài khẳng định vai trò quan trọng của tăng trưởng kinh tế, kiểm soát lạm phát, ổn định lãi suất cũng như nâng cao hiệu quả sinh lời ROE trong việc giảm thiểu nợ xấu. Các kết quả thực nghiệm và hệ thống giải pháp đề xuất là cơ sở khoa học có giá trị thực tiễn cho công tác quản trị rủi ro tín dụng tại các ngân hàng thương mại Việt Nam.