Giới thiệu dự án
Hoạt động tín dụng giữ vai trò huyết mạch trong hệ thống tài chính, đóng góp từ 50% đến 70% tổng tài sản và tạo ra hơn 60% thu nhập ròng cho các ngân hàng thương mại (NHTM) tại Việt Nam. Giai đoạn 2010 - 2019 ghi nhận những biến động mạnh mẽ của chu kỳ tín dụng: từ mức tăng trưởng nóng 32,43% năm 2010 dẫn đến khủng hoảng nợ xấu và suy giảm còn 8,85% năm 2012 (dưới tác động của chính sách thắt chặt tiền tệ theo Nghị quyết 11/NQ-CP), sau đó phục hồi và ổn định quanh mức 13,65% - 18,28% trong giai đoạn 2017 - 2019 nhờ các quy định an toàn vốn theo chuẩn Basel II.
Chu kỳ tăng trưởng tín dụng NHTM Việt Nam (2010 - 2019)
35% | * 32.43% (2010)
30% |
25% |
20% | * 18.28% (2017)
15% | * 14.70% (2011) * 13.65% (2019)
10% | * 8.85% (2012: Đáy chu kỳ)
5% |
0% +------------------------------------------------------------>
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Thực tế quản trị đặt ra bài toán hóc búa: làm thế nào để mở rộng quy mô tín dụng nhưng vẫn kiểm soát chặt chẽ tỷ lệ nợ xấu (NPL) và bảo toàn thanh khoản? Các nghiên cứu trước đây tại Việt Nam thường tiếp cận qua mô hình hồi quy tĩnh (Pooled OLS, FEM, REM), bỏ qua hiện tượng nội sinh (endogeneity) xuất phát từ biến trễ của tăng trưởng tín dụng và phương sai sai số thay đổi. Khóa luận "Các yếu tố ảnh hưởng đến tăng trưởng tín dụng của các ngân hàng thương mại Việt Nam trong giai đoạn 2010 - 2019" do tác giả Ngô Vĩ Khang thực hiện dưới sự hướng dẫn của TS. Nguyễn Trần Phúc (Trường Đại học Ngân hàng TP. Hồ Chí Minh) đã giải quyết triệt để khoảng trống học thuật này.
Mục tiêu cụ thể của dự án nghiên cứu:
- Xác định và lượng hóa tác động của các yếu tố vi mô nội tại ngân hàng (dựa trên khung phân tích CAMELS) và các yếu tố vĩ mô nền kinh tế đến tốc độ tăng trưởng tín dụng (LGR).
- Xây dựng và kiểm định mô hình dữ liệu bảng động thông qua phương pháp hồi quy Momen tổng quát hệ thống (Two-Step System GMM - Generalized Method of Moments).
- Đề xuất hệ thống khuyến nghị thực thi chính sách quản trị danh mục tín dụng an toàn, bền vững cho hệ thống NHTM Việt Nam.
Phạm vi nghiên cứu bao quát bộ dữ liệu bảng cân đối gồm 28 NHTM cổ phần và NHTM Nhà nước hoạt động liên tục tại Việt Nam trong suốt giai đoạn 10 năm (2010 - 2019) với tổng cộng 280 quan sát.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Các mô hình kinh tế lượng truyền thống áp dụng trong phân tích tài chính ngân hàng thường bộc lộ những khiếm khuyết nghiêm trọng khi xử lý dữ liệu chuỗi thời gian kết hợp không gian (Panel Data).
| Phương pháp ước lượng |
Ưu điểm |
Hạn chế cốt lõi |
Mức độ phù hợp với dữ liệu ngân hàng |
| Pooled OLS (Bình phương nhỏ nhất gộp) |
Đơn giản, dễ tính toán, trực quan |
Bỏ qua đặc trưng riêng lẻ của từng ngân hàng, ước lượng chệch khi có biến trễ |
Không phù hợp ($\text{Bias} > 25%$) |
| FEM / REM (Mô hình tác động cố định / ngẫu nhiên) |
Kiểm soát được tính không đồng nhất riêng lẻ (Individual heterogeneity) |
Vi phạm giả định ngoại sinh nghiêm trọng khi đưa biến trễ $LGR_{t-1}$ vào phương trình |
Kém hiệu quả đối với bảng động |
| FGLS (Bình phương tối thiểu tổng quát khả thi) |
Khắc phục được phương sai thay đổi và tự tương quan |
Không xử lý được hiện tượng nội sinh đồng thời giữa các biến tài chính |
Trung bình |
| Two-Step System GMM (Hồi quy GMM hệ thống 2 bước) |
Triệt tiêu hiện tượng nội sinh, kiểm soát biến trễ, khắc phục phương sai sai số thay đổi |
Đòi hỏi kiểm định công cụ khắt khe (Hansen J-test, AR(2)) |
Tối ưu (Độ tin cậy > 95%) |
Yêu cầu kỹ thuật của mô hình nghiên cứu theo chuẩn MoSCoW:
- Must have: Xử lý triệt để biến nội sinh $LGR_{t-1}$, kiểm soát tự tương quan sai số bậc 2 (Arellano-Bond AR(2)), đảm bảo tính hợp lệ của biến công cụ (Hansen Test $p\text{-value} \in [0.1, 0.25]$).
- Should have: Phân rã tác động đa chiều từ chỉ số sinh lời tài sản (ROA) và sinh lời vốn chủ sở hữu (ROE).
- Could have: Đánh giá độ trễ tác động của các biến số vĩ mô như lạm phát (INF) và tổng sản phẩm quốc nội (GDP).
- Won't have: Mô hình hóa các cú sốc phi cấu trúc bất khả kháng (như đại dịch toàn cầu ngoài khung thời gian 2010 - 2019).
Thiết kế hệ thống
Mô hình nghiên cứu thực nghiệm được thiết kế dưới dạng phương trình hồi quy tuyến tính động:
$$LGR_{it} = \beta_0 + \beta_1 LGR_{i,t-1} + \beta_2 ROA_{it} + \beta_3 ROE_{it} + \beta_4 SIZE_{it} + \beta_5 NPL_{it} + \beta_6 LIQ_{it} + \beta_7 DA_{it} + \beta_8 ETA_{it} + \beta_9 GDP_t + \beta_{10} INF_t + \varepsilon_{it}$$
CẤU TRÚC HỆ THỐNG MÔ HÌNH HỒI QUY SYSTEM GMM
[Yếu tố vi mô nội tại - CAMELS] [Yếu tố vĩ mô nền kinh tế]
* Tăng trưởng trễ: LGR(t-1) * Tăng trưởng GDP
* Khả năng sinh lời: ROA, ROE * Tỷ lệ lạm phát: INF
* Quy mô ngân hàng: SIZE
* Chất lượng tài sản: NPL
* Thanh khoản & Nguồn vốn: LIQ, DA
* Đòn bẩy tài chính: ETA
Thông số định lượng các biến trong hệ thống cơ sở dữ liệu:
- $LGR_{it}$ (Loan Growth Rate): Tỷ lệ biến thiên dư nợ cho vay khách hàng: $\frac{\text{Dư nợ}t - \text{Dư nợ}{t-1}}{\text{Dư nợ}_{t-1}}$.
- $LGR_{i,t-1}$: Biến trễ bậc 1 của tốc độ tăng trưởng tín dụng.
- $ROA_{it}$ (Return on Assets): Lợi nhuận sau thuế / Tổng tài sản bình quân.
- $ROE_{it}$ (Return on Equity): Lợi nhuận sau thuế / Vốn chủ sở hữu bình quân.
- $SIZE_{it}$ (Bank Size): Logarit tự nhiên của tổng tài sản: $\ln(\text{Total Assets})$.
- $NPL_{it}$ (Non-Performing Loans): Nợ xấu (nhóm 3 - nhóm 5) / Tổng dư nợ.
- $LIQ_{it}$ (Liquidity Ratio): Tài sản thanh khoản / Tổng tài sản.
- $DA_{it}$ (Deposit to Assets): Tiền gửi khách hàng / Tổng tài sản.
- $ETA_{it}$ (Equity to Assets): Vốn chủ sở hữu / Tổng tài sản.
- $GDP_t$: Tốc độ tăng trưởng tổng sản phẩm quốc nội thực tế hàng năm.
- $INF_t$: Tỷ lệ lạm phát bình quân năm dựa trên chỉ số giá tiêu dùng (CPI).
Methodology
Quy trình nghiên cứu kết hợp giữa phương pháp định tính (tổng hợp lý thuyết bất cân xứng thông tin của Akerlof 1970, lý thuyết kênh dẫn truyền cho vay của Bernanke & Gertler 1995, lý thuyết chu kỳ kinh doanh của Samuelson) và phương pháp định lượng thực nghiệm chuẩn xác qua 5 giai đoạn:
- Thu thập và chuẩn hóa dữ liệu: Thu thập từ Báo cáo tài chính đã kiểm toán của 28 NHTM, Báo cáo thường niên Ngân hàng Nhà nước và Tổng cục Thống kê giai đoạn 2010 - 2019.
- Kiểm định tiền lượng: Đánh giá ma trận hệ số tương quan và hệ số phóng đại phương sai (Variance Inflation Factor - VIF) để loại trừ hiện tượng đa cộng tuyến nghiêm trọng.
- Ước lượng mô hình tĩnh sơ bộ: Thực hiện hồi quy Pooled OLS, FEM và REM làm cơ sở tham chiếu; thực hiện kiểm định Hausman và kiểm định Breusch-Pagan Lagrange Multiplier.
- Ước lượng GMM hệ thống hai bước: Sử dụng ma trận biến công cụ nội sinh (gmmstyle) cho các biến nội tại và ngoại sinh (ivstyle) cho các biến vĩ mô; áp dụng kỹ thuật hiệu chỉnh sai số mẫu hữu hạn của Windmeijer (2005).
- Kiểm định hậu ước lượng (Diagnostic Tests): Kiểm định AR(1), AR(2) để xác nhận không có hiện tượng tự tương quan chuỗi bậc hai trong phần dư sai phân; kiểm định Hansen J-test để chứng minh các biến công cụ không bị tương quan với phần dư.
Implementation và kết quả
Development process
Quá trình phân tích dữ liệu kinh tế lượng được thực thi trên phần mềm chuyên dụng Stata phiên bản 14.2 thông qua tập lệnh (Stata do-file) chuẩn hóa nhằm đảm bảo khả năng tái lập kết quả:
* Thiết lập không gian làm việc và cấu trúc dữ liệu bảng
clear all
set more off
use "NHTM_CreditGrowth_2010_2019.dta", clear
xtset bank_id year
* 1. Kiểm tra thống kê mô tả và đa cộng tuyến
summarize lgr lgr_lag roa roe size npl liq da eta gdp inf
regress lgr lgr_lag roa roe size npl liq da eta gdp inf
estat vif
* 2. Ước lượng mô hình động Two-Step System GMM với hiệu chỉnh sai số Windmeijer
#delimit ;
xtabond2 lgr l.lgr roa roe size npl liq da eta gdp inf,
gmmstyle(l.lgr roa roe size npl liq da eta, laglimits(2 4) collapse)
ivstyle(gdp inf, equation(level))
twostep robust small;
#delimit cr
* 3. Kết xuất bảng kết quả và kiểm định công cụ Hansen / Arellano-Bond
estimates store GMM_MODEL
Testing và validation
Kết quả kiểm tra đa cộng tuyến cho thấy giá trị VIF của toàn bộ các biến giải thích dao động từ 1,18 đến 3,42 (VIF trung bình = 2,15 < 5,0), khẳng định mô hình hoàn toàn không gặp hiện tượng đa cộng tuyến nghiêm trọng.
| Biến số |
Ký hiệu |
Hệ số hồi quy ($\beta$) |
Mức ý nghĩa thống kê ($p\text{-value}$) |
Tác động thực nghiệm |
Phù hợp giả thuyết |
| Tín dụng kỳ trước |
$LGR_{t-1}$ |
$+0.2145$ |
$0.001^{***}$ |
Cùng chiều |
Có |
| Sinh lời tài sản |
$ROA$ |
$+3.8120$ |
$0.012^{**}$ |
Cùng chiều |
Có |
| Sinh lời vốn CSH |
$ROE$ |
$-0.1842$ |
$0.041^{**}$ |
Ngược chiều |
Ngược kỳ vọng |
| Quy mô ngân hàng |
$SIZE$ |
$-0.0315$ |
$0.008^{***}$ |
Ngược chiều |
Ngược kỳ vọng |
| Tỷ lệ nợ xấu |
$NPL$ |
$-0.4128$ |
$0.215\ (\text{Không ý nghĩa})$ |
Ngược chiều |
Chưa đủ căn cứ |
| Tỷ lệ thanh khoản |
$LIQ$ |
$+0.3274$ |
$0.004^{***}$ |
Cùng chiều |
Có |
| Tỷ lệ huy động |
$DA$ |
$+0.4819$ |
$0.000^{***}$ |
Cùng chiều |
Có |
| Tỷ lệ vốn CSH / Tổng tài sản |
$ETA$ |
$-0.6214$ |
$0.019^{**}$ |
Ngược chiều |
Có |
| Tăng trưởng kinh tế |
$GDP$ |
$-1.1420$ |
$0.035^{**}$ |
Ngược chiều |
Ngược kỳ vọng |
| Tỷ lệ lạm phát |
$INF$ |
$-0.5891$ |
$0.024^{**}$ |
Ngược chiều |
Có |
Ghi chú: $^{}$, $^{}$ lần lượt biểu thị mức ý nghĩa thống kê 1% và 5%.*
Kiểm định độ vững của mô hình:
- Kiểm định Arellano-Bond AR(1): $p\text{-value} = 0.018 < 0.05$ (Có hiện tượng tự tương quan chuỗi bậc 1 trong sai phân - phù hợp lý thuyết GMM).
- Kiểm định Arellano-Bond AR(2): $p\text{-value} = 0.421 > 0.05$ (Không tồn tại tự tương quan chuỗi bậc 2 - mô hình đạt chuẩn).
- Kiểm định Hansen J-test: $p\text{-value} = 0.185 \in [0.10, 0.25]$ (Hệ thống biến công cụ hoàn toàn hợp lệ, không xảy ra hiện tượng vượt giới hạn công cụ).
Kết quả đạt được
Hệ số hồi quy thực nghiệm mang lại các phát hiện khoa học quan trọng:
- Quán tính tín dụng cao: Tăng trưởng tín dụng kỳ trước tác động cùng chiều mạnh mẽ ($\beta = +0.2145, p < 0.01$). Các ngân hàng có đà mở rộng tín dụng năm trước sẽ tiếp tục duy trì đà tăng trong năm kế tiếp do các hợp đồng tín dụng trung và dài hạn giải ngân theo tiến độ.
- Năng lực sinh lời tài sản và thanh khoản là động lực chính: ROA tác động tích cực lớn nhất ($\beta = +3.8120$), cho thấy việc quản trị tài sản hiệu quả tạo ra lợi nhuận giữ lại dồi dào để mở rộng quy mô cấp vốn. Nguồn vốn huy động ($DA$) và đệm thanh khoản ($LIQ$) tỷ lệ thuận với tăng trưởng dư nợ ($\beta = +0.4819$ và $+0.3274$).
- Quy mô lớn và đòn bẩy an toàn kìm hãm tốc độ tăng trưởng: Ngược với quan điểm tăng trưởng theo quy mô truyền thống, biến $SIZE$ mang dấu âm ($\beta = -0.0315, p < 0.01$), phản ánh thực tế các ngân hàng lớn (Big 4 và nhóm TMCP lớn) chịu sự giám sát chặt chẽ về hạn mức (room) tín dụng từ NHNN, trong khi các ngân hàng nhỏ năng động tìm kiếm thị phần ngách. Tương tự, tỷ lệ vốn chủ sở hữu $ETA$ cao làm giảm tốc độ tăng trưởng tín dụng ($\beta = -0.6214$) do chi phí sử dụng vốn cổ phần đắt đỏ hơn so với vốn huy động nợ.
- Tác động ngược chiều của vĩ mô: Biến $GDP$ mang dấu âm ($\beta = -1.1420$) chỉ ra tính chất quản lý nghịch chu kỳ (counter-cyclical) của Ngân hàng Nhà nước Việt Nam: trong các giai đoạn kinh tế tăng trưởng nóng, cơ quan quản lý chủ động siết trần tín dụng để phòng ngừa lạm phát và bong bóng tài sản.
Đổi mới và đóng góp
- Đổi mới phương pháp luận kinh tế lượng: Khóa luận là một trong những công trình tiên phong áp dụng toàn diện kỹ thuật hồi quy Two-Step System GMM trên bộ dữ liệu chuẩn 28 NHTM Việt Nam xuyên suốt chu kỳ 10 năm. Việc áp dụng System GMM đã giải quyết dứt điểm hiện tượng thiên lệch Nickell (Nickell bias) và hiện tượng nội sinh cố hữu trong các hàm cung - cầu tín dụng.
SO SÁNH ĐỘ LỆCH CHUẨN VÀ TÍNH VỮNG CỦA CÁC MÔ HÌNH
0.4 |
0.0 +------------------------------------------------------------>
- Cập nhật bằng chứng thực nghiệm về tác động chính sách vĩ mô: Nghiên cứu đã chứng minh bằng số liệu thực tế cơ chế điều tiết trần tín dụng (Credit Room Caps) của NHNN phát huy hiệu quả kiểm soát vĩ mô, làm rõ nguyên nhân vì sao biến $GDP$ và $SIZE$ lại có tương quan nghịch với tốc độ tăng trưởng tín dụng ngân hàng tại Việt Nam.
- Hệ thống hóa khung phân tích CAMELS: Đưa các chỉ số phản ánh chất lượng nội tại (Capital, Asset Quality, Earnings, Liquidity) vào một phương trình tương quan động, giúp các nhà quản trị có cái nhìn tổng quát về sự đánh đổi giữa lợi nhuận, quy mô và rủi ro.
Ứng dụng thực tế và triển khai
Kết quả nghiên cứu cung cấp cơ sở dữ liệu định lượng cho việc hoạch định chiến lược tại các NHTM:
1. Ứng dụng trong Quản trị Tài sản Có - Tài sản Nợ (ALM)
- Tối ưu hóa cơ cấu nguồn vốn huy động: Với hệ số tác động $\beta = +0.4819$ của biến $DA$, các ngân hàng cần đẩy mạnh phát triển sản phẩm tiền gửi thanh toán (CASA) nhằm giảm chi phí vốn đầu vào, tạo dư địa mở rộng biên lãi ròng (NIM) và hạ lãi suất cho vay để cạnh tranh.
- Cân bằng đệm thanh khoản ($LIQ$): Duy trì tỷ lệ tài sản có tính thanh khoản cao (trái phiếu chính phủ, tiền gửi tại NHNN) ở mức tối ưu để vừa sẵn sàng giải ngân các gói tín dụng tiềm năng, vừa tuân thủ quy định tỷ lệ tối đa của nguồn vốn ngắn hạn được sử dụng để cho vay trung và dài hạn theo Thông tư 22/2019/TT-NHNN.
QUY TRÌNH RA QUYẾT ĐỊNH CẤP HẠN MỨC TÍN DỤNG
2. Lộ trình triển khai khuyến nghị theo giai đoạn
LỘ TRÌNH THỰC THI CHIẾN LƯỢC TÍN DỤNG
Giai đoạn 1 (0 - 6 tháng) : Tái cơ cấu danh mục tài sản sinh lời (Nâng cao ROA)
Giai đoạn 2 (6 - 12 tháng) : Tối ưu tỷ lệ CASA, mở rộng nguồn vốn huy động (DA)
Giai đoạn 3 (12 - 24 tháng) : Chuẩn hóa hệ số an toàn vốn CAR theo Basel II/III
- Giai đoạn 1 (Ngắn hạn 0 - 6 tháng): Rà soát danh mục tài sản sinh lời, cắt giảm các chi phí hoạt động phi tín dụng để nâng cao chỉ số ROA, xử lý dứt điểm các khoản nợ tiềm ẩn rủi ro chuyển nhóm.
- Giai đoạn 2 (Trung hạn 6 - 12 tháng): Số hóa quy trình thanh toán nhằm thu hút tiền gửi không kỳ hạn, tối ưu hóa tỷ lệ huy động $DA$, củng cố năng lực thanh khoản tại các chi nhánh.
- Giai đoạn 3 (Dài hạn 12 - 24 tháng): Tái định hình quy mô vốn chủ sở hữu theo lộ trình chuẩn hóa hệ số an toàn vốn (CAR) theo Thông tư 41/2016/TT-NHNN, chuyển dịch từ chiến lược tăng trưởng nóng dựa trên dư nợ sang tăng trưởng theo chiều sâu dựa trên thu nhập ngoài lãi (phí dịch vụ, bảo hiểm).
Hạn chế và hướng phát triển
- Hạn chế về tần suất dữ liệu: Nghiên cứu sử dụng dữ liệu bảng tần suất năm (Annual Data). Việc chưa tiếp cận được dữ liệu theo quý hoặc theo tháng có thể làm giảm khả năng nắm bắt các biến động chính sách mang tính thời điểm của Ngân hàng Nhà nước.
- Quy mô biến số vĩ mô: Chưa tích hợp các biến số tài chính quốc tế như biến động tỷ giá USD/VND, lãi suất điều hành của Cục Dự trữ Liên bang Mỹ (FED) hay chỉ số giá dầu thế giới.
- Hướng phát triển: Mở rộng nghiên cứu áp dụng mô hình ngưỡng (Threshold Panel GMM) để tìm ra điểm tới hạn của tỷ lệ nợ xấu và an toàn vốn mà tại đó tăng trưởng tín dụng chuyển từ tác động tích cực sang tiêu cực đối với nền kinh tế; kéo dài chuỗi thời gian phân tích bao phủ giai đoạn phục hồi hậu đại dịch COVID-19 (2020 - 2024).
Đối tượng hưởng lợi
ĐỐI TƯỢNG HƯỞNG LỢI
- Sinh viên và Nhà nghiên cứu kinh tế lượng: Nắm vững phương pháp luận xây dựng mô hình bảng động, kỹ thuật sử dụng lệnh
xtabond2 trên Stata và quy trình kiểm định các khuyết tật mô hình (Hansen test, Arellano-Bond test).
- Chuyên viên Quản trị rủi ro & ALM: Tiếp cận công cụ định lượng hỗ trợ dự báo hạn mức tín dụng phù hợp với năng lực thanh khoản và cấu trúc vốn của từng ngân hàng.
- Ban điều hành NHTM: Nhận diện rõ tác động của việc đánh đổi giữa chỉ số sinh lời vốn chủ sở hữu ($ROE$), tỷ lệ đòn bẩy ($ETA$) và tốc độ tăng trưởng tín dụng để xây dựng kế hoạch kinh doanh khả thi.
- Cơ quan quản lý (Ngân hàng Nhà nước): Bổ sung bằng chứng thực nghiệm phục vụ việc điều hành công cụ hạn mức tăng trưởng tín dụng hàng năm một cách linh hoạt, sát với sức khỏe tài chính thực tế của từng nhóm ngân hàng.
Câu hỏi thường gặp
1. Tại sao nghiên cứu lại chọn mô hình Two-Step System GMM thay vì hồi quy OLS hay FEM/REM truyền thống?
Trong hàm tăng trưởng tín dụng, dư nợ kỳ trước ($LGR_{t-1}$) tác động trực tiếp đến dư nợ kỳ này, biến trễ này tương quan với sai số mô hình gây ra hiện tượng nội sinh (Endogeneity). Các phương pháp OLS, FEM hay REM đều cho ra kết quả ước lượng bị chệch và không vững. System GMM sử dụng các biến trễ sâu làm biến công cụ nội sinh cho phương trình sai phân và mức, giúp triệt tiêu hoàn toàn hiện tượng nội sinh và khắc phục triệt để hiện tượng phương sai thay đổi.
2. Vì sao kết quả hồi quy cho thấy quy mô ngân hàng (SIZE) lại có tác động ngược chiều với tăng trưởng tín dụng?
Điều này phản ánh đặc thù quản lý tại Việt Nam: các ngân hàng có quy mô tài sản rất lớn (như nhóm Big 4) thường được NHNN giao chỉ tiêu room tín dụng thận trọng hơn để đảm bảo an toàn hệ thống vĩ mô. Ngược lại, các ngân hàng thương mại cổ phần quy mô vừa và nhỏ có động lực tăng trưởng tín dụng nhanh hơn nhằm chiếm lĩnh thị phần.
3. Biến tỷ lệ nợ xấu (NPL) trong kết quả hồi quy mang dấu âm nhưng không có ý nghĩa thống kê nói lên điều gì?
Dấu âm phù hợp với lý thuyết tài chính (nợ xấu tăng làm giảm khả năng cấp tín dụng). Tuy nhiên, việc chưa đạt ý nghĩa thống kê trong giai đoạn 2010 - 2019 có thể do hoạt động mua bán, xử lý nợ xấu thông qua Công ty Quản lý tài sản VAMC và việc phân loại nợ theo các thông tư tái cơ cấu của NHNN làm cho số liệu nợ xấu trên báo cáo tài chính có độ trễ nhất định so với thực tế phát sinh.
4. Hệ số hồi quy của GDP mang dấu âm có mâu thuẫn với lý thuyết chu kỳ kinh doanh không?
Không mâu thuẫn. Tại thị trường Việt Nam, điều này phản ánh chính sách can thiệp nghịch chu kỳ của Ngân hàng Nhà nước. Khi GDP tăng trưởng cao kèm nguy cơ lạm phát, cơ quan quản lý chủ động siết chặt hạn mức tín dụng toàn ngành để ổn định kinh tế vĩ mô.
5. Yêu cầu kỹ thuật tối thiểu để triển khai tái lập mô hình nghiên cứu này là gì?
Cần máy tính cá nhân trang bị phần mềm Stata phiên bản 14.0 trở lên (khuyến nghị Stata 14.2 MP hoặc SE), gói lệnh mở rộng xtabond2 (cài đặt qua lệnh ssc install xtabond2) cùng bộ dữ liệu bảng cân đối gồm tối thiểu 25 - 30 đơn vị quan sát xuyên suốt chu kỳ từ 8 - 10 năm.
Kết luận
Đồ án khóa luận tốt nghiệp của tác giả Ngô Vĩ Khang đã hoàn thành xuất sắc mục tiêu giải mã cấu trúc các yếu tố tác động đến tăng trưởng tín dụng của 28 NHTM Việt Nam trong thập niên 2010 - 2019. Bằng việc ứng dụng phương pháp kinh tế lượng hiện đại Two-Step System GMM, nghiên cứu đã chứng minh vai trò quyết định của quán tính tín dụng kỳ trước, tỷ suất sinh lời tài sản ($ROA$), tỷ lệ thanh khoản ($LIQ$) và tỷ lệ tiền gửi ($DA$) đối với việc mở rộng tín dụng an toàn. Đồng thời, nghiên cứu cung cấp góc nhìn sâu sắc về tác động của các chính sách điều tiết vĩ mô lên quy mô và tỷ lệ đòn bẩy vốn của hệ thống ngân hàng.
Đây là tài liệu tham khảo có giá trị học thuật và thực tiễn cao dành cho các nhà nghiên cứu tài chính, chuyên viên phân tích rủi ro và các nhà hoạch định chính sách tiền tệ trong kỷ nguyên chuẩn hóa an toàn vốn Basel II và Basel III tại Việt Nam.