TỔNG QUAN NGHIÊN CỨU VỀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU TẠI NGÂN HÀNG THƯƠNG MẠI
Các công trình nghiên cứu nước ngoài
Thứ nhất, nghiên cứu của Abdelkader Boudriga, Neila Boulila Taktak and Sana Jellouli (2009)
Năm 2009, một nhóm tác giả từ trường đại học Tunis đã phát triển mô hình để giải thích sự khác biệt trong tỷ lệ nợ xấu giữa 59 quốc gia, đồng thời đánh giá vai trò của cơ quan giám sát đối với rủi ro tín dụng Họ đã sử dụng dữ liệu từ hệ thống ngân hàng, tài chính, kinh tế và môi trường pháp lý của các quốc gia này trong giai đoạn 2002-2006, áp dụng kỹ thuật hồi quy hiệu chỉnh phương sai dữ liệu mảng (Panel Corrected Standard Error) để phân tích ảnh hưởng của các yếu tố trong ngành ngân hàng và môi trường giám sát đến tỷ lệ nợ xấu Nghiên cứu cũng mở rộng để so sánh sự khác biệt giữa các quốc gia phát triển và các quốc gia đang phát triển.
Kết quả hồi quy cho thấy có mối quan hệ ngược chiều giữa tỷ lệ yêu cầu vốn tối thiểu và tỷ lệ trích lập dự phòng với nợ xấu (NPLs) Các ngân hàng ở quốc gia có tỷ lệ nợ xấu cao thường có tỷ lệ trích lập dự phòng thấp, và ngược lại Tuy nhiên, nghiên cứu không phát hiện mối liên hệ giữa tỷ suất lợi nhuận trên tổng tài sản và tỷ lệ nợ xấu Bên cạnh đó, nghiên cứu cũng chỉ ra rằng có mối quan hệ thuận chiều giữa tỷ lệ nợ xấu và tỷ lệ của các ngân hàng.
Tỷ lệ sở hữu ngân hàng nhà nước cao ở các quốc gia thường liên quan đến tỷ lệ nợ xấu gia tăng Sự tập trung của các ngân hàng giúp hạn chế khả năng tiếp cận vốn vay của những người vay có rủi ro cao, từ đó giảm tỷ lệ nợ xấu Mặc dù tốc độ tăng trưởng GDP và môi trường giám sát không có mối liên hệ chặt chẽ với vấn đề tín dụng, nhưng tỷ lệ sở hữu nước ngoài có sự khác biệt giữa các nhóm quốc gia Ở các nước phát triển, tỷ lệ sở hữu nước ngoài cao thường dẫn đến giảm nợ xấu, trong khi ở các nước đang phát triển, ngân hàng có vốn đầu tư nước ngoài lại thể hiện hiệu quả kém trong việc xử lý nợ xấu Đặc biệt, tăng trưởng GDP đóng vai trò quan trọng trong việc giảm nợ xấu ở nhóm quốc gia đang phát triển, trong khi sự giám sát từ nhà nước không mang lại hiệu quả trong việc giải quyết các vấn đề tín dụng tại các ngân hàng của nhóm này.
Thứ hai, nghiên cứu của Ahlem Selma Messai và Fathi Jouini (2013)
Năm 2013, Ahlem Selma Messai và Fathi Jouini đã tiến hành nghiên cứu để xây dựng mô hình xác định ảnh hưởng của các yếu tố vi mô như tốc độ tăng trưởng tín dụng, dự phòng rủi ro tín dụng, và tỷ suất lợi nhuận trên tổng tài sản, cùng với các yếu tố vĩ mô như tỷ lệ tăng trưởng GDP, tỷ lệ thất nghiệp và lãi suất thực, đến nợ xấu của 85 ngân hàng ở ba quốc gia (Ý, Hy Lạp, Tây Ban Nha) chịu ảnh hưởng nặng nề từ cuộc khủng hoảng tài chính 2008 trong giai đoạn 2004-2008, sử dụng dữ liệu từ Bankscope.
Kết quả ước lượng cho thấy tỷ lệ tăng trưởng GDP và lợi nhuận trên tổng tài sản có mối quan hệ ngược chiều với nợ xấu; cụ thể, sự tăng trưởng kinh tế làm gia tăng thu nhập và lợi nhuận, từ đó giảm nợ xấu Ngược lại, tỷ lệ thất nghiệp tăng cao dẫn đến suy giảm tổng cầu, ảnh hưởng đến sức mua và sản xuất, làm giảm thu nhập và khả năng trả nợ của khách hàng Hơn nữa, tỷ lệ thất nghiệp và lãi suất thực có tương quan thuận với nợ giảm giá trị, và tỷ lệ trích lập dự phòng cao của ngân hàng cũng tương ứng với tỷ lệ nợ xấu gia tăng Dựa trên nghiên cứu, nhóm tác giả khuyến nghị các ngân hàng cần chú trọng đến tính cạnh tranh quốc tế của nền kinh tế, vì tỷ lệ thấp sẽ ảnh hưởng đến khả năng trả nợ.
Các ngân hàng cần chú trọng đến lợi nhuận thực của nền kinh tế khi mở rộng tín dụng cho doanh nghiệp xuất nhập khẩu Trong giai đoạn suy thoái kinh tế, việc xem xét các khoản vay giảm giá trị trở nên rất quan trọng Hơn nữa, các ngân hàng thương mại nên đánh giá kỹ lưỡng các biến động vĩ mô thông qua chỉ số GDP để đảm bảo sự ổn định và bền vững của hệ thống ngân hàng.
Thứ ba, nghiên cứu của P.K.Ozili (2015)
Tác giả sử dụng dữ liệu từ Bankscope của Thomson và báo cáo thường niên của ngân hàng trong giai đoạn 2004-2013, áp dụng kỹ thuật hồi quy dữ liệu bảng với ảnh hưởng của nhân tố cố định Đầu tiên, mô hình được hồi quy để xác định tác động của các biến như trích lập dự phòng, tỷ lệ tăng trưởng tín dụng, tỷ lệ dư nợ cho vay trên tổng tài sản, loga dư nợ tín dụng và tốc độ tăng trưởng GDP đến nợ xấu Tiếp theo, nhóm tác giả nghiên cứu ảnh hưởng của đặc điểm quốc gia đến nợ xấu thông qua hồi quy với biến giả REG, thể hiện tác động của quy định và luật lệ cùng với biến trễ GDP Cuối cùng, tác giả loại bỏ biến giả REG và thực hiện hồi quy với biến trễ GDP để xác định ảnh hưởng của chu kỳ kinh doanh đến nợ xấu.
Sau khi thực hiện ước lượng, tác giả nhận thấy rằng tỷ lệ trích lập dự phòng của ngân hàng tăng lên khi có dự đoán về tỷ lệ nợ xấu cao Tỷ lệ tăng trưởng tín dụng và tỷ lệ nợ xấu có mối quan hệ nghịch chiều, với việc các ngân hàng hạn chế cho vay khi nợ xấu gia tăng Nghiên cứu cũng chỉ ra rằng tỷ lệ nợ cho vay trên tổng tài sản có mối quan hệ ngược chiều với nợ xấu, có thể do ngân hàng đa dạng hóa danh mục cho vay để giảm thiểu rủi ro Sự khác biệt trong tỷ lệ tăng trưởng GDP giữa các quốc gia cho thấy rằng tại Mỹ, GDP tăng có thể dẫn đến nợ xấu gia tăng, trong khi ở châu Á, châu Âu và châu Phi, nợ xấu có xu hướng giảm khi GDP tăng Kết quả hồi quy với biến giả REG và biến trễ GDP cho thấy biến REG có tương quan âm với nợ xấu tại Nam Phi và Kenya, nhưng có tương quan dương với nợ xấu tại các ngân hàng ở châu Âu, Mỹ và Anh, trong khi không có ý nghĩa đáng kể đối với ngân hàng ở châu Á như Trung Quốc, Ấn Độ và Indonesia.
Trong các nước phát triển, ngân hàng coi việc giảm tỷ lệ nợ xấu là trách nhiệm của chính mình, không phải của các nhà quản lý Hệ thống quản lý ở những quốc gia này, như Mỹ và Anh, sau khủng hoảng kinh tế năm 2008, tập trung vào việc điều chỉnh hoạt động chứng khoán và phái sinh của ngân hàng thay vì quản lý danh mục cho vay Ngược lại, các ngân hàng tại các nước đang phát triển điều chỉnh tỷ lệ tăng trưởng tín dụng nhằm giảm thiểu rủi ro tín dụng Nghiên cứu cho thấy, sau khi loại bỏ biến giả REG và thực hiện hồi quy với biến GDPt-1, các yếu tố tài chính vĩ mô và chu kỳ kinh doanh có ảnh hưởng lớn đến tỷ lệ nợ xấu tại ngân hàng.
Nghiên cứu của Xiaofen Chen vào năm 2001 đã xây dựng một mô hình thu thập dữ liệu kinh tế quốc gia và phân tích bảng tổng kết tài sản của 4,997 ngân hàng thuộc 15 quốc gia trong khối EU.
1990 đến 1999 nhằm đánh giá tác động của các nhân tố kinh tế vĩ mô và nhân tố nội tại ngân hàng lên nợ xấu.
Nghiên cứu của Muhammad Farhan (2012) về "Các yếu tố kinh tế của nợ xấu: Nhân thức của ngân hàng Pakistan" đã chỉ ra rằng từ năm 2006, các yếu tố kinh tế như tỷ lệ thất nghiệp, lạm phát, khủng hoảng năng lượng và tỷ giá hối đoái đều có tác động tích cực đến nợ xấu tại các tổ chức ngân hàng ở Pakistan Ngược lại, tăng trưởng GDP lại có ảnh hưởng tiêu cực đến nợ xấu Nghiên cứu này được đăng trên Tạp chí châu Âu về Kinh doanh và quản lý.
Nghiên cứu của Nir Klein vào năm 2013, được công bố trong tạp chí IMF Working Paper, chỉ ra rằng mức độ nợ xấu trong khu vực CESEE bị ảnh hưởng bởi các điều kiện kinh tế vĩ mô và các yếu tố nội tại của ngân hàng, bao gồm tăng trưởng GDP, tỷ lệ thất nghiệp và lạm phát Mô hình nghiên cứu cho thấy nợ xấu có xu hướng gia tăng khi thất nghiệp tăng, tỷ giá hối đoái giảm và lạm phát cao Hơn nữa, các yếu tố cụ thể của từng quốc gia, như tăng trưởng khu vực đồng Euro và lo ngại về rủi ro toàn cầu, cũng có tác động trực tiếp đến chất lượng tài sản của ngân hàng.
Thứ bảy, nghiên cứu của Irum Saba, Rehana Kouser, Muhammad Azeem (
Nghiên cứu của năm 2012 đã chỉ ra rằng GDP bình quân đầu người, lãi suất và tổng dư nợ trong giai đoạn 1985 - 2010 có tác động đến rủi ro tín dụng trong hệ thống ngân hàng Mỹ Kết quả cho thấy GDP bình quân đầu người và lãi suất ảnh hưởng đến rủi ro tín dụng, nhưng chiều hướng tác động lại không rõ ràng và phụ thuộc vào nhiều yếu tố khác nhau.
Nghiên cứu của Abedalfattah Zuhair Al-Abadallat và Faris Nasif Al-Shibiri (2013) đã phân tích ảnh hưởng của tốc độ tăng trưởng GDP, quy mô tài sản, hiệu quả quản trị, dự phòng rủi ro, đòn bẩy tài chính và tỷ lệ cho vay đến rủi ro tín dụng trong hệ thống ngân hàng Jordan giai đoạn 2006-2013.
Năm 2010, nghiên cứu chỉ ra rằng rủi ro tín dụng là một trong những yếu tố chính ảnh hưởng nghiêm trọng đến sự ổn định của các ngân hàng Dự phòng rủi ro có tác động ngược lại với rủi ro tín dụng, trong khi các yếu tố như hiệu quả quản trị, đòn bẩy tài chính và tỷ lệ cho vay trên vốn huy động lại có mối quan hệ dương với rủi ro tín dụng Tuy nhiên, tốc độ tăng trưởng GDP và quy mô tài sản lại có mối liên hệ không rõ ràng với rủi ro tín dụng.
Các công trình nghiên cứu trong nước
Thứ nhất, nghiên cứu của Tô Ngọc Hưng và các cộng sự (2013)
Trong nghiên cứu khoa học về "Xử lý xấu trong quá trình tái cấu trúc các Ngân hàng Thương mại Việt Nam", PGS.TS Tô Ngọc Hưng và các cộng sự đã phân tích các vấn đề liên quan đến nợ xấu và đưa ra giải pháp nhằm cải thiện tình hình tài chính của các ngân hàng thương mại Nghiên cứu này không chỉ cung cấp cái nhìn sâu sắc về thực trạng nợ xấu mà còn đề xuất các phương án tái cấu trúc hiệu quả để nâng cao khả năng cạnh tranh và ổn định hệ thống ngân hàng.
Nhóm nghiên cứu đã xây dựng mô hình nghiên cứu để xác định các nhân tố ảnh hưởng đến nợ xấu tại Việt Nam, sử dụng kỹ thuật hồi quy nhỏ nhất với ước lượng nhân tố cố định Nghiên cứu tập trung vào tỷ lệ nợ xấu của 13 ngân hàng thương mại Việt Nam, với tổng tài sản của các ngân hàng trong mẫu chiếm 55% tổng tài sản của hệ thống ngân hàng thương mại Việt Nam, trong giai đoạn 5 năm từ 2008 đến 2012.
Kết quả hồi quy cho thấy có mối quan hệ ngược chiều giữa tăng trưởng kinh tế và tỷ lệ nợ xấu, chỉ ra rằng sự sụt giảm kinh tế là nguyên nhân chính dẫn đến nợ xấu tại Việt Nam Lạm phát cao cũng tác động tiêu cực đến tình hình kinh doanh và thu nhập của khách hàng, cùng với lãi suất cao nhằm kiểm soát lạm phát, làm tăng tỷ lệ nợ xấu Hơn nữa, có mối quan hệ ngược chiều giữa kết quả kinh doanh và tỷ lệ nợ xấu, cho thấy rằng việc ngân hàng gia tăng chi phí quản lý nợ có thể giảm rủi ro tín dụng và nợ xấu Ngược lại, việc mở rộng thị phần ngân hàng có thể dẫn đến việc nới lỏng tiêu chuẩn cho vay, làm tăng nợ xấu Tuy nhiên, tăng trưởng tín dụng cao lại giúp giảm tỷ lệ nợ xấu, và tỷ lệ dự nợ trên vốn tiền gửi tăng cũng đồng nghĩa với việc ngân hàng mở rộng cho vay, từ đó giảm nợ xấu.
Thứ hai, nghiên cứu của Nguyễn Thùy Dương (2015)
Bài nghiên cứu của TS Nguyễn Thùy Dương, đăng trên Tạp chí Ngân hàng (Số 6/2016), tập trung vào việc phân tích nợ xấu tại các ngân hàng thương mại (NHTM) Việt Nam Nghiên cứu áp dụng phương pháp mô men tổng quát (GMM) với dữ liệu hàng năm từ 20 NHTM trong giai đoạn 2005-2014, được thu thập từ cơ sở dữ liệu BankScope và báo cáo thường niên của các ngân hàng Đặc biệt, biến quy mô tổng tài sản được sử dụng giá trị tại năm t để đánh giá tác động trực tiếp tới rủi ro tín dụng, trong khi các biến khác được sử dụng với độ trễ 1 năm, nhằm phản ánh chính xác đặc trưng hoạt động của NHTM mà không ảnh hưởng ngay lập tức đến rủi ro.
10 tín dụng năm đó của NHTM do những tác động của ghi nhận kế toán cũng như đỗ trễ thời gian trong các quyết định quản trị.
Kết quả hồi quy chỉ ra rằng tốc độ tăng trưởng kinh tế trước có mối tương quan mạnh với rủi ro tín dụng, do nền kinh tế Việt Nam chủ yếu phụ thuộc vào vốn tín dụng, nhưng hiệu quả sử dụng vốn lại kém, dẫn đến nợ xấu gia tăng Lãi suất cho vay thực không phản ánh đúng chi phí thực tế, ảnh hưởng từ việc sử dụng vốn không hiệu quả của các tập đoàn nhà nước với khoản vay ưu đãi Rủi ro tín dụng kỳ trước có mối liên hệ dương với tỷ lệ nợ xấu hiện tại, cho thấy quản trị rủi ro tín dụng của các ngân hàng thương mại chưa hiệu quả, làm tăng nợ xấu Ngân hàng có khả năng sinh lời cao hơn có thể giảm thiểu rủi ro tín dụng, tuy nhiên, mối quan hệ này chưa đủ tin cậy Tỷ lệ chi phí trên tổng thu nhập tăng lên sẽ làm tăng tỷ lệ nợ xấu trong kỳ tiếp theo, trong khi tỷ lệ vốn chủ sở hữu trên tổng tài sản có mối quan hệ ngược chiều với rủi ro tín dụng Các ngân hàng lớn thường phải đối mặt với tỷ lệ nợ xấu cao hơn, xác nhận lý thuyết "quá lớn để đổ vỡ" Cuối cùng, sự gia tăng tín dụng thường dẫn đến việc đầu tư vào các ngành rủi ro cao, làm tăng khả năng nợ xấu trong tương lai, kết hợp với hiệu quả sử dụng vốn kém và giám sát lỏng lẻo từ các ngân hàng thương mại.
Thứ ba, Nghiên cứu của Đỗ Quỳnh Anh, Nguyễn Đức Hùng (2013) với đề tài
Trong buổi họp báo cáo ngành ngân hàng diễn ra tại Hà Nội vào tháng 1 năm nay, đã diễn ra phân tích thực tiễn về các yếu tố quyết định nợ xấu tại các ngân hàng thương mại Việt Nam Nghiên cứu này nhằm làm rõ nguyên nhân và tác động của nợ xấu đến sự ổn định của hệ thống ngân hàng, từ đó đề xuất các giải pháp cải thiện tình hình tài chính cho các tổ chức tín dụng.
Năm 2013, qua việc phân tích kết quả mô hình, tác giả đã đưa ra kết luận rằng tất cả các biến được nghiên cứu đều có ý nghĩa thống kê, trừ hai biến ROE và biến tăng trưởng tín dụng.
Tăng trưởng tín dụng hiện tại và sau một năm có ảnh hưởng đáng kể đến nợ xấu Mặc dù trong ngắn hạn, tăng trưởng tín dụng cao có thể đi kèm với nợ xấu thấp, nhưng sau một năm, mối quan hệ này đảo ngược; khi tăng trưởng tín dụng cao, nợ xấu cũng có xu hướng gia tăng Điều này cho thấy rằng tác động của tăng trưởng tín dụng đến nợ xấu không xảy ra ngay lập tức mà cần thời gian để bộc lộ, với kết quả kinh doanh kém không có ý nghĩa thống kê trong giai đoạn đầu.
Nghiên cứu của Trương Đông Lộc và Nguyễn Thị Tuyết (2011) về "Các nhân tố ảnh hưởng đến rủi ro tín dụng của NHTM cổ phần Ngoại thương chi nhánh thành phố Cần Thơ" đã phân tích các yếu tố tác động đến rủi ro tín dụng tại Vietcombank Cần Thơ thông qua 438 hồ sơ vay từ khách hàng Sử dụng mô hình probit, nghiên cứu cho thấy rằng rủi ro tín dụng có mối quan hệ ngược chiều với khả năng tài chính, vốn tự có của khách hàng, kinh nghiệm, số lần giám sát cán bộ tín dụng, cũng như việc sử dụng vốn vay đúng mục đích và đa dạng hóa hoạt động kinh doanh của khách hàng vay.
Nghiên cứu của Nguyễn Thị Diệp và Nguyễn Minh Kiều (2015) đã chỉ ra rằng các yếu tố đặc điểm ngân hàng có ảnh hưởng đáng kể đến rủi ro tín dụng tại các ngân hàng thương mại Việt Nam, thông qua phương pháp hồi quy bình phương nhỏ nhất (OLS) Nghiên cứu cung cấp những gợi ý hữu ích cho nhà đầu tư cá nhân và giúp các nhà quản lý ngân hàng nhận diện các tác động tiêu cực từ những yếu tố này, từ đó kiểm soát rủi ro trong hoạt động cho vay Dữ liệu được thu thập từ báo cáo tài chính của 32 ngân hàng thương mại Việt Nam trong giai đoạn 2010-2013, với các yếu tố ảnh hưởng đến rủi ro tín dụng bao gồm tăng trưởng tín dụng, quy mô dư nợ và tỷ lệ chi phí hoạt động trên thu nhập cho vay.
Nghiên cứu của Lê Bá Trực (2015) đã chỉ ra các nguyên nhân ảnh hưởng đến nợ xấu trong hệ thống ngân hàng thương mại Việt Nam, dựa trên dữ liệu thu thập từ thực tế.
Nghiên cứu trong giai đoạn 2006-2012 bằng mô hình bình phương tổng thể (GLS) cho thấy có mối quan hệ ngược chiều giữa tăng trưởng GDP, lạm phát, tỷ giá và tăng trưởng tín dụng với nợ xấu Ngược lại, lãi suất cho vay, tăng trưởng giá bất động sản và tăng trưởng mạng lưới lại có mối quan hệ thuận chiều với nợ xấu Đặc biệt, quy mô tài sản không ảnh hưởng đến nợ xấu.
Abedalf attah và Faris Nasif Al- Shibiri (2013)
Tốc độ tăng trưởng tín dụng
12Bảng 1.1 Tổng hợp tổng quan nghiên cứu các nhân tố ảnh hưởng tới nợ xấu
Nguồn: Tổng hợp của tác giả
Cơ sở lý luận về nợ xấu và các nhân tố ảnh hưởng đến nợ xấu tại ngân hàng thương mại Việt Nam
Những vấn đề cơ bản về nợ xấu
Nợ xấu, thường được gọi là “bad debt” hay “non-performing loan” (NPL), là các khoản nợ dưới chuẩn có khả năng quá hạn và nghi ngờ về khả năng trả nợ cũng như thu hồi vốn Tình trạng này thường xảy ra khi khách hàng vay tuyên bố phá sản hoặc tẩu tán tài sản Hiện nay, có nhiều khái niệm khác nhau liên quan đến nợ xấu mà chúng ta cần tìm hiểu.
Khái niệm của nhóm chuyên gia tư vấn Advisory Expert Group (AEG):
Nhóm chuyên gia tư vấn AEG của Liên Hợp Quốc cho rằng định nghĩa về nợ xấu nên được sử dụng như một hướng dẫn cho các ngân hàng, không chỉ mang tính chất mô tả Theo AEG, một khoản nợ được coi là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên 90 ngày và có lý do chắc chắn để nghi ngờ về khả năng hoàn trả đầy đủ Như vậy, nợ xấu được xác định dựa trên hai yếu tố chính: thời gian quá hạn trên 90 ngày và khả năng trả nợ bị nghi ngờ.
Khái niệm nợ xấu của Uỷ ban Basel về Giám sát Ngân hàng (BCBS):
BCBS không đưa ra định nghĩa cụ thể về nợ xấu, nhưng trong các hướng dẫn về quản lý rủi ro tín dụng, họ xác định rằng khoản nợ được coi là không có khả năng hoàn trả khi ngân hàng nhận thấy người vay không thể thanh toán đầy đủ, hoặc khi người vay đã quá hạn trả nợ Do đó, nợ xấu bao gồm tất cả các khoản vay đã quá hạn.
90 ngày và có dấu hiệu người đi vay không trả được nợ.
BCBS nhấn mạnh rằng các khoản vay bị giảm giá trị sẽ xảy ra khi không thể thu hồi các khoản thanh toán Giá trị tổn thất sẽ được ghi nhận bằng cách giảm trừ giá trị khoản vay thông qua một khoản dự phòng, phản ánh trên báo cáo thu nhập của ngân hàng Do đó, lãi suất của các khoản vay này sẽ không được cộng dồn và chỉ xuất hiện dưới dạng tiền mặt thực tế nhận được.
Nhóm nợ _ Những đặc thù thời và thời gian
Theo Quỹ tiền tệ quốc tế IMF
Một khoản cho vay được coi là nợ xấu khi tiền thanh toán lãi và gốc đã quá hạn từ 90 ngày trở lên, hoặc khi các khoản thanh toán lãi đã được tái cơ cấu hoặc gia hạn nợ từ 90 ngày trở lên Ngoài ra, những khoản thanh toán dưới 90 ngày nhưng có dấu hiệu nghi ngờ khả năng trả nợ đầy đủ cũng được xem là nợ xấu.
Chuẩn mực Kế Toán quốc tế ( LAS):
Chuẩn mực Kế toán quốc tế về ngân hàng sử dụng thuật ngữ "khoản nợ bị giảm giá trị" thay vì "nợ xấu" Theo chuẩn mực IAS 39, được khuyến cáo áp dụng tại một số nước phát triển từ đầu năm 2005, cần có bằng chứng khách quan để xác định một khoản vay có dấu hiệu suy giảm giá trị Khi khoản nợ bị giảm giá trị, tài sản ghi nhận sẽ giảm xuống do tổn thất từ chất lượng nợ xấu.
39 chú trọng tới khả năng hoàn trả của khoản vay bất luận thời gian quá hạn chưa tới
Trong vòng 90 ngày hoặc chưa quá hạn, việc đánh giá khả năng trả nợ của khách hàng thường được thực hiện thông qua phương pháp phân tích dòng tiền tương lai chiết khấu hoặc xếp hạng khoản vay của khách hàng.
Khái niệm nợ xấu tại Việt Nam được quy định trong quyết định số 493/2005/QĐ-NHNN, liên quan đến phân loại nợ và trích lập dự phòng rủi ro tín dụng trong hoạt động ngân hàng Theo thông tư 02/2013/TT-NHNN, nợ xấu (NPL) bao gồm các khoản nợ thuộc nhóm 3 - nợ dưới tiêu chuẩn, nhóm 4 - nợ nghi ngờ và nhóm 5 - nợ có khả năng mất vốn.
Tỷ lệ nợ xấu là tỷ lệ giữa nợ xấu so với tổng nợ từ nhóm 1 đến nhóm 5. λ , Tống dư nợ nhóm 3,4, 5
Tong dư nợ tín dựng
Khái niệm nợ xấu ở Việt Nam tương đồng với các tổ chức quốc tế, đặc biệt về mặt định lượng với nợ quá hạn trên 90 ngày Tuy nhiên, một số ngân hàng Việt Nam chỉ áp dụng được khái niệm này về mặt định tính do hạn chế về trình độ, công nghệ và tài chính Quy trình đánh giá và nhận diện nợ xấu thông qua phương pháp chiết khấu dòng tiền tương lai cần thời gian để các ngân hàng hoàn thiện và nâng cao khả năng nhận diện rủi ro.
Theo Điều 3, khoản 8, thông tư 02/2013/TT-NHNN
Theo Điều 3, khoản 8 của Thông tư 02/2013/TT-NHNN, nợ xấu được xác định là những khoản nợ thuộc nhóm 3 (Nợ dưới tiêu chuẩn), nhóm 4 (Nợ nghi ngờ) và nhóm 5 (Nợ có khả năng mất vốn) Quy định này hướng dẫn về phân loại tài sản có, mức trích lập và phương pháp dự phòng rủi ro trong hoạt động của tổ chức tín dụng và chi nhánh ngân hàng nước ngoài.
2.1.2 Phân loại nợ xấu và trích lập dự phòng nợ xấu
Phân loại nợ là quá trình mà các ngân hàng đánh giá các danh mục cho vay và phân chia các khoản vay thành các nhóm khác nhau dựa trên rủi ro và các đặc điểm tương đồng Việc này không chỉ giúp ngân hàng kiểm soát chất lượng danh mục cho vay mà còn cho phép họ thực hiện các biện pháp quản lý hiệu quả nhằm xử lý các vấn đề liên quan đến chất lượng tín dụng.
Việc phân loại và trích lập dự phòng có sự khác biệt rõ ràng, đồng thời cũng nhận được những đánh giá khác nhau từ các cấp quản lý như quản lý ngân hàng, kiểm toán bên ngoài và thanh tra ngân hàng.
Theo IMF, để sắp xếp một khoản tín dụng vào các nhóm khác nhau với chất lượng tín dụng khác nhau, dựa vào các đặc điểm sau:
Bảng 2.1 phân loại nợ của IMF cho thấy nợ đủ tiêu chuẩn không có nghi ngờ về khả năng trả nợ, với tài sản được đảm bảo hoàn toàn bằng tiền hoặc tương đương tiền và quá hạn dưới 90 ngày Ngoài ra, cần theo dõi các điểm yếu tiềm năng có thể ảnh hưởng đến khả năng trả nợ.
Các điều khoản kinh tế và tình trạng tài chính khó khăn có thể dẫn đến việc quá hạn dưới 90 ngày Điều này thường thể hiện qua các điểm yếu rõ rệt về tín dụng, ảnh hưởng đến khả năng trả nợ Ngoài ra, các khoản nợ đã được thỏa thuận lại cũng là dấu hiệu cho thấy tình hình tài chính đang gặp khó khăn, đặc biệt khi quá hạn từ 90 ngày trở lên.
180 ngày _ Nghi ngờ Không chắc chắn thu hồi được toàn bộ nợ dựa trên các điều kiện hiện tại; Có khả năng bị tổn thất; Quá hạn từ 180-360 ngày _' v
Mất vốn Các khoản vay không thu hồi được; Luôn có khả năng thu hồi lại được một phần; Quá hạn hơn 360 ngày
Nhóm 1 Nợ đủ tiêu chuẩn
-Nợ trong hạn và được đánh giá là có khả năng thu hồi đầy đủ cả nợ gốc và lãi đúng hạn;
Nợ quá hạn dưới 10 ngày có khả năng thu hồi đầy đủ cả gốc lẫn lãi đúng thời hạn.
Các nhân tố ảnh hướng tới nợ xấu tại các ngân hàng thương mại Việt Nam
Tốc độ tăng trưởng kinh tế
Tín dụng ngân hàng và chu kỳ kinh tế có mối liên hệ chặt chẽ, đặc biệt trong giai đoạn tăng trưởng kinh tế, khi doanh nghiệp và cá nhân dễ dàng hoàn trả nợ vay nhờ vào cơ hội đầu tư và triển vọng kinh doanh thuận lợi Ngược lại, trong giai đoạn suy thoái, khả năng hoàn trả nợ vay của các chủ thể kinh tế bị ảnh hưởng tiêu cực do khó khăn trong hoạt động kinh doanh Nhiều nghiên cứu thực nghiệm, như của Salas và Saurina (2002) tại Tây Ban Nha, hay Fisher và cộng sự (2002) tại Mỹ và Canada, đã chứng minh rõ ràng mối quan hệ này.
Tăng trưởng tín dụng là yếu tố quan trọng trong việc đánh giá rủi ro tín dụng trong ngành ngân hàng Khi tín dụng tăng trưởng nhanh, dòng vốn được bơm vào nền kinh tế, dẫn đến sự gia tăng dự nợ tín dụng và giảm nợ xấu tạm thời Tuy nhiên, việc cấp tín dụng dễ dàng cũng đồng nghĩa với mức độ rủi ro cao hơn, đặc biệt khi các khoản cho vay kém chất lượng xuất hiện, làm gia tăng tỷ lệ nợ xấu Theo nghiên cứu của Berger và cộng sự (2004), tăng trưởng tín dụng nhanh có thể ảnh hưởng tiêu cực đến khả năng quản trị rủi ro và quản lý thông tin khách hàng của các ngân hàng thương mại, góp phần làm tăng tỷ lệ nợ xấu.
Ngoài chu kỳ kinh tế, lạm phát, được đo lường bằng chỉ số giá tiêu dùng CPI, có tác động phức tạp đến rủi ro tín dụng của ngân hàng, như Bruna Skarica (2013) đã chỉ ra Khi lạm phát tăng, lãi suất thực giảm, giúp người vay có khả năng trả nợ cao hơn, từ đó giảm rủi ro tín dụng Tuy nhiên, sự gia tăng lạm phát cũng dẫn đến giá cả hàng hóa tăng, làm giảm thu nhập của người vay, qua đó tăng rủi ro tín dụng Do đó, tác động của CPI đối với rủi ro tín dụng vẫn chưa rõ ràng.
Tỷ lệ thất nghiệp có tác động đáng kể đến nợ xấu trong nền kinh tế; khi tỷ lệ thất nghiệp cao, rủi ro tín dụng cũng tăng lên Điều này xảy ra do quản trị kém và việc làm khan hiếm, khiến tín dụng khó phát triển và nhiều doanh nghiệp phải đối mặt với nguy cơ phá sản Kết quả là, khả năng trả nợ của các doanh nghiệp giảm, dẫn đến tỷ lệ nợ xấu gia tăng Nghiên cứu của Abdelkader Boudriga (2009) và Nir Klein (2013) cũng khẳng định mối quan hệ tích cực giữa tỷ lệ thất nghiệp và tỷ lệ nợ xấu trong ngân hàng.
Nợ xấu trong hệ thống ngân hàng không chỉ do các yếu tố vĩ mô mà còn bị ảnh hưởng mạnh mẽ bởi các nhân tố nội tại Ngoài những nguyên nhân từ môi trường kinh tế, nợ xấu còn có thể phát sinh từ các vấn đề chủ quan trong hoạt động của ngân hàng.
Mối quan hệ giữa quy mô hoạt động và rủi ro tín dụng trong các nghiên cứu trước đây cho thấy kết quả không nhất quán Ngân hàng lớn thường có tỷ lệ nợ xấu thấp hơn nhờ vào sự đa dạng hóa trong danh mục cho vay và khả năng đầu tư vào quy trình tín dụng cũng như quản trị rủi ro Tuy nhiên, sự đa dạng hóa này cũng có thể khiến ngân hàng lớn chấp nhận rủi ro cao hơn, dẫn đến tăng tỷ lệ nợ xấu trong tương lai Quy mô ngân hàng có thể được đánh giá qua tỷ lệ tài sản có sinh lời trên tổng tài sản, và tác động của quy mô đến tỷ lệ nợ xấu đã được nghiên cứu bởi Bruna.
Skarica(2013), P.K.Ozili (2015), Abdelkader Boudriga (2009), Abedalfattah và Faris Nasif Al-Shibiri(2013)
Dự phòng rủi ro tín dụng
Dự phòng rủi ro tín dụng ngày càng gia tăng, với mức dự phòng cao hơn thường tương ứng với tỷ lệ nợ xấu lớn hơn Sự giảm giá trị của các khoản nợ cũng dẫn đến việc gia tăng rủi ro tín dụng và tỷ lệ nợ xấu Nghiên cứu của Abdelkader Boudriga (2009) và Abedalfattah cùng Faris Nasif Al-Shibiri (2013) đã khẳng định mối quan hệ đồng biến giữa dự phòng rủi ro tín dụng và tỷ lệ nợ xấu.
Khả năng sinh lời của ngân hàng
Khi nợ xấu phát sinh hoặc có khả năng phát sinh, ngân hàng cần trích lập dự phòng rủi ro cho khoản nợ này Đồng thời, ngân hàng cũng phải chi phí cho việc giám sát các khoản nợ, khách hàng vay và thu hồi nợ, dẫn đến chi phí tăng cao và giảm hiệu quả sinh lời Kết quả là tỷ lệ sinh lời của ngân hàng sẽ giảm xuống, điều này được Tô Ngọc Hưng (2013) chứng minh là có mối quan hệ ngược chiều giữa tỷ lệ sinh lời và tỷ lệ nợ xấu.
Hiệu quả quản trị ngân hàng
Quản trị ngân hàng hiệu quả đóng vai trò quan trọng trong việc giảm thiểu nợ xấu Một ngân hàng có hệ thống quản trị tốt và hoạt động hiệu quả từ chính sách đến nhân viên tín dụng sẽ giúp hạn chế rủi ro, qua đó nâng cao lợi nhuận trên vốn chủ sở hữu.
Phương pháp nghiên cứu và kết quả mô hình
Quy trình nghiên cứu
Bước 1: Nghiên cứu tài liệu, thiết lập mô hình
Nghiên cứu tài liệu là bước quan trọng đầu tiên trong quy trình nghiên cứu, giúp tìm hiểu các nghiên cứu trước đó của tác giả trên toàn cầu và tại Việt Nam Qua đó, việc tổng hợp những ưu nhược điểm của các nghiên cứu trước sẽ hỗ trợ xác định hướng đi và đề xuất mô hình phù hợp.
_Tên biến Ký hiệu Nguồn thông tin
Tỷ lệ trích lập dự phòng LLP Tính dựa vào
Bước 3: Đề xuất khuyến nghị Dựa trên kết quả của mô hình và tình hình hiện tại của nền kinh tế, cần đưa ra các giải pháp và kiến nghị nhằm giảm thiểu nợ xấu.
Tính đến ngày 31/12/2017, hệ thống ngân hàng Việt Nam gồm 33 ngân hàng, trong đó có 4 ngân hàng nhà nước và 29 ngân hàng thương mại cổ phần Nghiên cứu này sử dụng dữ liệu từ 20 ngân hàng được chọn ngẫu nhiên, bắt đầu từ năm 2007, khi thị trường ngân hàng Việt Nam bắt đầu phát triển mạnh mẽ.
Với 20 ngân hàng trong 11 năm từ năm 2007 đến năm 2017 và tổng só mẫu trong
Trong nghiên cứu này, 200 mẫu từ 11 năm được sử dụng, tuy nhiên, 2 ngân hàng không cung cấp đầy đủ thông tin về các biến độc lập đã bị loại khỏi mẫu Kết quả là, mẫu cuối cùng gồm 18 ngân hàng với 198 mẫu quan sát Dữ liệu được thu thập liên quan đến các nhân tố ảnh hưởng đến Nợ Xấu, bao gồm các biến độc lập như khả năng sinh lời (ROE), tỷ lệ trích lập dự phòng (LLP), và quy mô ngân hàng (SIZE), được tính toán dựa trên báo cáo thường niên của các ngân hàng và công bố của NHNN Ngoài ra, các nhân tố vĩ mô như tăng trưởng kinh tế (GDP), lạm phát (CPI), tỷ lệ thất nghiệp (UNE), và tốc độ tăng trưởng toàn hệ thống (LGR) được lấy từ Tổng cục Thống kê cũng như website của NHNN và Vietstock.
Sử dụng phần mềm STATA 12 và Excel 2013, bài nghiên cứu sẽ áp dụng các kỹ thuật phân tích dữ liệu để điều tra ảnh hưởng của các yếu tố đến Nợ Xấu.
Dựa trên nghiên cứu các mô hình Nợ Xấu tại ngân hàng thương mại Việt Nam, tác giả đã xây dựng mô hình nghiên cứu với biến phụ thuộc là Nợ Xấu của các ngân hàng Mô hình này xác định 7 biến độc lập (nhân tố) ảnh hưởng đến Nợ Xấu, được chia thành 2 nhóm khác nhau, nhằm phản ánh đúng đặc điểm của hệ thống ngân hàng thương mại Việt Nam.
Nhóm các nhân tố vĩ mô bao gồm: (i) Biến GDP, phản ánh tốc độ tăng trưởng kinh tế; (ii) Biến CPI, đại diện cho chỉ số lạm phát; (iii) UNE, thể hiện tỷ lệ thất nghiệp tại Việt Nam; và (iv) LGR, cho thấy tốc độ tăng trưởng tín dụng trong toàn hệ thống.
Nhóm các nhân tố vi mô được nghiên cứu bao gồm: (i) biến LLP thể hiện tỷ lệ trích lập DPRR, (ii) biến ROE đại diện cho khả năng quản trị rủi ro của ngân hàng, và (iii) biến Logarit tự nhiên của tổng tài sản phản ánh quy mô ngân hàng Nghiên cứu này tập trung vào 18 ngân hàng thương mại Việt Nam trong giai đoạn từ 2007 đến 2017.
Bảng 3.1: Bảng giải thích viết tắt các biến trong mô hình theo nhóm nhân tố vi mô và vĩ mô
Khả năng sinh lời ROE Báo cáo thường niên
Quy mô ngân hàng SIZE Tính dựa vào
BCTC ' _ Nhân tố vĩ mô
Biến tăng trưởng kinh tế GDP Website Ngân hàng nhà nước
Lạm phát CPI Website Ngân hàng nhà nước
Tỷ lệ thất nghiệp UN E Website Ngân hàng nhà nước Tốc độ tăng trưởng tín dụng toàn hệ thống LGR Vietstock
Để kiểm định 8 giả thiết nghiên cứu và đo lường Nợ Xấu tại hệ thống Ngân hàng Thương mại, tác giả đã sử dụng mô hình hồi quy OLS cùng với các mô hình nhân tố ảnh hưởng ngẫu nhiên và cố định Qua quá trình phân tích, tác giả tìm ra mô hình phù hợp nhất để đánh giá tình hình Nợ Xấu.
Mô hình Pooled OLS là một phương pháp phân tích không kiểm soát các đặc điểm riêng của từng ngân hàng trong nghiên cứu Phương trình của mô hình này được thể hiện như sau:
Mô hình REM (Mô hình Hiệu ứng ngẫu nhiên) được phát triển từ mô hình Pooled OLS, cho phép kiểm soát các đặc điểm khác nhau giữa các ngân hàng Tuy nhiên, mô hình này không thể kiểm soát được tất cả các yếu tố tiềm ẩn có thể ảnh hưởng đến kết quả nghiên cứu.
aiɪra NPL LLP GUP CPI LGR SIZE UNE RGE
Variable Oba Mean 3rd Dev Min M ax
Mô hình REM thể hiện mối tương quan giữa các phần dư và các biến độc lập thông qua tung độ gốc β 0, đại diện cho giá trị trung bình của tất cả các tung độ gốc, trong khi số hạng sai số ɛi phản ánh sự sai lệch ngẫu nhiên của từng tung độ gốc so với giá trị trung bình này Phương trình của mô hình được xây dựng dựa trên những yếu tố này.
Bài nghiên cứu sử dụng mô hình hồi quy Yit = β0 + β1*Xit + ɛi + Uit để phân tích ảnh hưởng của các yếu tố vi mô và vĩ mô đến nợ xấu Để thực hiện điều này, tác giả ước lượng ba mô hình khác nhau: Pooled OLS, FEM, và REM Sau đó, nghiên cứu áp dụng kiểm định Hausman nhằm xác định mô hình nào là phù hợp hơn, giữa FEM và REM, với các giả thuyết được thiết lập cho kiểm định này.
Ho: không có tương quan giữa các biến giải thích và thành phần ngẫu nhiên (Mô hình REM là phù hợp)
H1: có tương quan giữa các biến giải thích và thành phần ngẫu nhiên (Mô hình FEM là phù hợp).
Mô hình hồi quy có dạng:
NPLit = β 0 + β1 LLPit + β 2 ROAit + β 3 GDPit + β 4 CPIit + β 5 LGRit + β 6 SIZEit + β 7 UNEit + β 8 ROEit + ɛit
NPLit : Nợ xấu được tính nợ từ nhóm 3- nhóm 5 trên tổng dư nợ β 0 : Hệ số chặn β1, β 2, , β 8 : Các hệ số ɛ: Sai số mô hình
3.4.1 Phân tích tổng quan số liệu
Dựa trên phân tích tổng quan, có thể nhận thấy rằng Nợ Xấu trong hệ thống Ngân hàng Thương mại (NHTM) đang chịu ảnh hưởng từ nhiều yếu tố khác nhau Những yếu tố này không chỉ tác động đến tình hình tài chính của các ngân hàng mà còn ảnh hưởng đến sự ổn định của toàn bộ hệ thống tài chính Việc hiểu rõ các nhân tố này là cần thiết để đưa ra các giải pháp hiệu quả nhằm giảm thiểu Nợ Xấu và nâng cao sức khỏe của hệ thống NHTM.
Nghiên cứu 18 ngân hàng cho thấy nợ xấu trung bình trong 11 năm từ 2007 đến 2017 là 2,43% với độ lệch chuẩn 1,502% Điều này cho thấy nợ xấu đã duy trì ở mức ổn định trong suốt thời gian này Tuy nhiên, biên độ biến động của nợ xấu là rất lớn, với giá trị nhỏ nhất là 0,06% và giá trị lớn nhất lên đến 8,81%.
Mô hình nghiên cứu
Bài viết nghiên cứu các mô hình liên quan đến Nợ Xấu tại các Ngân hàng thương mại Việt Nam, xem xét các yếu tố ảnh hưởng và đặc điểm riêng của các ngân hàng này Tác giả đã xây dựng mô hình nghiên cứu với biến phụ thuộc là Nợ Xấu của các ngân hàng thương mại, trong khi các yếu tố ảnh hưởng được xác định là 7 biến độc lập, được chia thành 2 nhóm khác nhau.
Nhóm các nhân tố vĩ mô bao gồm: (i) Biến GDP, phản ánh tốc độ tăng trưởng kinh tế, (ii) biến CPI, đại diện cho chỉ số lạm phát, (iii) UNE, thể hiện tỷ lệ thất nghiệp tại Việt Nam, và (iv) LGR, biểu thị tốc độ tăng trưởng tín dụng toàn hệ thống.
Nhóm các nhân tố vi mô được nghiên cứu bao gồm: (i) biến LLP phản ánh tỷ lệ trích lập dự phòng rủi ro (DPRR), (ii) biến ROE đại diện cho tỷ suất sinh lời trên vốn chủ sở hữu, thể hiện khả năng quản trị rủi ro của ngân hàng, và (iii) biến logarit tự nhiên của tổng tài sản, chỉ ra quy mô của ngân hàng Nghiên cứu này tập trung vào 18 ngân hàng thương mại Việt Nam trong giai đoạn từ 2007 đến 2017.
Bảng 3.1: Bảng giải thích viết tắt các biến trong mô hình theo nhóm nhân tố vi mô và vĩ mô
Khả năng sinh lời ROE Báo cáo thường niên
Quy mô ngân hàng SIZE Tính dựa vào
BCTC ' _ Nhân tố vĩ mô
Biến tăng trưởng kinh tế GDP Website Ngân hàng nhà nước
Lạm phát CPI Website Ngân hàng nhà nước
Tỷ lệ thất nghiệp UN E Website Ngân hàng nhà nước Tốc độ tăng trưởng tín dụng toàn hệ thống LGR Vietstock
Để kiểm định 8 giả thiết nghiên cứu và đo lường Nợ Xấu tại hệ thống NHTM, tác giả áp dụng các mô hình hồi quy OLS, mô hình nhân tố ảnh hưởng ngẫu nhiên (Random Effects Model) và mô hình nhân tố ảnh hưởng cố định (Fixed Effects Model) Qua quá trình này, tác giả tìm ra mô hình phù hợp nhất để tiến hành phân tích.
Mô hình Pooled OLS là một phương pháp phân tích không cho phép kiểm soát các đặc điểm riêng biệt của từng ngân hàng trong nghiên cứu Phương trình của mô hình này được thể hiện như sau:
Mô hình REM (Mô hình Hiệu ứng Ngẫu nhiên) được phát triển từ mô hình Pooled OLS, cho phép kiểm soát các đặc điểm khác nhau giữa các ngân hàng, nhưng không thể xem xét các yếu tố không quan sát được.
Kết quả nghiên cứu
Variable Oba Mean 3rd Dev Min M ax
Trong mô hình REM, tung độ gốc β0 đại diện cho giá trị trung bình của tất cả các tung độ gốc, trong khi số hạng sai số ɛi phản ánh sự sai lệch ngẫu nhiên của từng tung độ gốc so với giá trị trung bình Mô hình này được biểu diễn qua một phương trình cụ thể, cho phép phân tích mối quan hệ giữa các phần dư và các biến độc lập.
Bài nghiên cứu sử dụng mô hình hồi quy Yit = β0 + β1*Xit + ɛi + Uit để phân tích ảnh hưởng của các yếu tố vi mô và vĩ mô đến nợ xấu Để thực hiện điều này, nghiên cứu ước lượng ba mô hình: Pooled OLS, FEM và REM Tiếp theo, kiểm định Hausman được áp dụng nhằm xác định mô hình phù hợp giữa FEM và REM cho nghiên cứu, với các giả thuyết cụ thể được thiết lập trong quá trình kiểm định.
Ho: không có tương quan giữa các biến giải thích và thành phần ngẫu nhiên (Mô hình REM là phù hợp)
H1: có tương quan giữa các biến giải thích và thành phần ngẫu nhiên (Mô hình FEM là phù hợp).
Mô hình hồi quy có dạng:
NPLit = β 0 + β1 LLPit + β 2 ROAit + β 3 GDPit + β 4 CPIit + β 5 LGRit + β 6 SIZEit + β 7 UNEit + β 8 ROEit + ɛit
NPLit : Nợ xấu được tính nợ từ nhóm 3- nhóm 5 trên tổng dư nợ β 0 : Hệ số chặn β1, β 2, , β 8 : Các hệ số ɛ: Sai số mô hình
3.4.1 Phân tích tổng quan số liệu
Dựa trên phân tích tổng quan, có thể nhận thấy rằng Nợ Xấu trong hệ thống Ngân hàng Thương mại (NHTM) đang có những xu hướng đáng chú ý Các yếu tố ảnh hưởng đến Nợ Xấu bao gồm tình hình kinh tế, quản lý rủi ro của ngân hàng, và chất lượng tài sản cho vay Việc hiểu rõ những nhân tố này là cần thiết để cải thiện tình hình Nợ Xấu và đảm bảo sự ổn định của hệ thống tài chính.
Trong nghiên cứu về 18 ngân hàng thương mại, kết quả cho thấy nợ xấu trung bình trong 11 năm từ 2007 đến 2017 đạt 2,43% với độ lệch chuẩn là 1,502% Điều này cho thấy nợ xấu đã duy trì ở mức ổn định trong suốt thời gian này Tuy nhiên, biên độ biến động của nợ xấu rất lớn, với giá trị nhỏ nhất là 0,06% và giá trị lớn nhất lên tới 8,81%.
Bảng số liệu cho thấy các yếu tố ảnh hưởng đến nợ xấu trong hệ thống ngân hàng thương mại, với GDP trung bình trong 11 năm đạt 6,2763% và độ lệch chuẩn chỉ 0,89% Trong giai đoạn này, mức tăng trưởng kinh tế thấp nhất ghi nhận là 5,23%, trong khi mức cao nhất đạt 8,48% Đáng chú ý, tỷ lệ trích lập dự phòng trung bình chỉ đạt 1,38%, với tỷ lệ cao nhất là 4,341% và thấp nhất là 0,193%.
Bảng 3.2 Thống kê mô tả giá trị trung bình, phương sai, độ lệch chuẩn, giá trị lớn nhất, nhỏ nhất.
P CPI LGB SIZE UNZ BOE
r&greaa NPL LLP CUP DPI LGR SIZE UNE RQE
Source SS df MS Nurib e r CZ Cba =
L Coez Ξ td Err t p> t ∣ ∣ [95% Conf- Interval]
(Nguồn:Tổng hợp của tác giả)
3.4.2 Kiểm tra đa cộng tuyến
Dựa vào bảng ma trận tương quan Pearson, hầu hết các biến có tương quan tương đối thấp Tuy nhiên, hệ số tương quan giữa LGR và các biến NPL, LLP, GDP, CPI cao với các giá trị lần lượt là 14,46%, 18,85%, 64,59%, 23,63% Mặc dù có nguy cơ xảy ra hiện tượng đa cộng tuyến, nhưng các hệ số tương quan đều dưới 80%, cho thấy mô hình không gặp phải vấn đề này Do đó, có thể kết luận rằng phần lớn các biến trong mô hình không có hiện tượng đa cộng tuyến, đây là dấu hiệu tích cực cho việc kiểm định và lựa chọn mô hình kinh tế lượng phù hợp.
Ngoài ra, nhìn vào bảng ta có thể thấy hệ số tương quan giữa biến độc lập và biến phụ thuộc là khá cao hầu như đều trên 10%.
Bảng 3.3: Bảng ma trận tương quan pearson giữa các biến trong mô hình
COIT NPL LLP CHP DPI LC-R SIEE UNE RQE
Nguồn: Tổng hợp của tác giả 3.4.3 Lựa chọn mô hình nghiên cứu
3.4.3.1 Mô hình phương pháp bình phương nhỏ nhất (OLS)
Kết quả kiểm định mô hình OLS cho thấy p-value = 0,00% nhỏ hơn 0,5%, cho thấy mô hình này có ý nghĩa thống kê Trong số 7 nhân tố ảnh hưởng tới nợ xấu, chỉ có 2 nhân tố đáng chú ý: tỷ lệ trích lập dự phòng (p-value = 0,000%) và khả năng sinh lời (p-value = 0,000%) Mặc dù mô hình OLS chỉ ra rằng nợ xấu bị ảnh hưởng bởi tỷ lệ trích lập dự phòng và khả năng sinh lời, nhưng do cần nhiều điều kiện ràng buộc khác, mô hình này không phù hợp để phân tích các nhân tố ảnh hưởng tới nợ xấu.
Bảng 3.4: Kết quả chạy mô hình OLS
Number CZ Cba Murib e r C Z gr oupa — 158 1
CC r r(u_i, X) =Oiaa aumed) Frcb > ChiZ = Ũ OOOO
Coez Std- Err Z FS-I Z I [951 Ccnz Interval]
(Zracticn CZ va r i ance due te u_i)
(Nguồn:Tổng hợp của tác giả)
3.4.3.2 Mô hình nhân tố ảnh hưởng ngẫu nhiên (REM)
Thực hiện chạy mô hình REM trong STATA ta thu được kết quả sau:
Bảng 3.5: Ket quả chạy mô hình REM
1 1 between = 0.0001 avg = 11 O overall = O 129fi max = 1
NPL Ccez Std- Err t p> t ∣ ∣ [951 Ccnz Interval]
■fraction of variance due to u_i)
(Nguồn:Tổng hợp của tác giả)
Giá trị P-value = 0,00% nhỏ hơn 5%, cho phép bác bỏ giả thuyết mô hình không phù hợp Các biến trong mô hình, bao gồm LLP, ROA, GDP, CPI, LGR, SIZE, và UNE, có khả năng giải thích sự thay đổi của biến phụ thuộc, ảnh hưởng đến Nợ Xấu Để hiểu rõ hơn về từng nhân tố, ta xem xét giá trị P-value của các hệ số hồi quy βi Trong mô hình REM, chỉ có hai nhân tố LLP và ROE có giá trị P-value nhỏ hơn 5% (Pllp = 0,00%, Proe = 0,00%), cho thấy sự thay đổi của Nợ Xấu có thể được giải thích qua tỷ lệ trích lập dự phòng và khả năng sinh lời của ngân hàng.
3.4.3.3 Mô hình nhân tố ảnh hưởng cố định (FEM)
Bảng 3.6: Ket quả chạy mô hình FEM
(b) (B) (b-B) 3 qr t : di ■ a g : v_b-V_B ■ ) ) fe re Lizzerence 3.3.
-3.577852 -3.125553 -.4478587 dl 8868687 5754035 3114648 1415105 b = CCnaiatent under Hc and Ha obtained Zrom Jttreg
B = Inconaiatent under Ha, ezz icient under Hb obtained zrom Jttreg
Teat: Ho diZZerence in eoezz e enta ɪ ɪ not ayatematic chi2(S) = , )b-B) ’ [ \V_b-V_ B) “ :-!) ] ■ (b-B)
(Nguồn:Tổng hợp của tác giả)
Giá trị P-value = 0,00% cho thấy mô hình kiểm định không phù hợp có thể bị bác bỏ, vì nó nhỏ hơn tỷ lệ 5% Các biến trong mô hình, bao gồm tỷ lệ trích lập dự phòng, khả năng sinh lời, quy mô ngân hàng, tốc độ tăng trưởng tín dụng, tăng trưởng kinh tế, lạm phát, tỷ lệ thất nghiệp, và hiệu quả của các ngân hàng áp dụng Basel II, đều có khả năng giải thích sự thay đổi của biến phụ thuộc, ảnh hưởng đến Nợ Xấu của hệ thống ngân hàng thương mại Đặc biệt, trong mô hình FEM, chỉ có sáu nhân tố LLP, GDP, CPI, LGR, UNE và ROE có giá trị P-value nhỏ hơn 5%, với các giá trị cụ thể lần lượt là Pllp = 0,00%, Pgdp = 4,6%, Pcpi = 3,1%, Plgr = 2,1%, và Pune.
= 1,4%, Proe = 1,1% ) nên có thể giải thích sự thay đổi của Nợ Xấu dựa vào sự thay
Tỷ lệ trích lập dự phòng có sự điều chỉnh lên đến 33%, ảnh hưởng bởi các yếu tố như tăng trưởng kinh tế, lạm phát, tốc độ tăng trưởng tín dụng toàn hệ thống, tỷ lệ thất nghiệp và khả năng sinh lời của ngân hàng.
Chúng tôi đã phân tích hai mô hình REM và FEM để giải thích sự biến động trong chất lượng báo cáo tài chính Để xác định mô hình nào phản ánh chính xác nhất ảnh hưởng đến Nợ Xấu, chúng tôi tiến hành kiểm định Hausman.
Ho: Mô hình nhân tố ảnh hưởng ngẫu nhiên REM H1: Mô hình nhân tố ảnh hưởng cố định FEM
Kết quả nghiên cứu cho thấy p-value = 0,00%, nhỏ hơn mức 5%, do đó chúng ta bác bỏ giả thuyết H0 và chấp nhận H1 Điều này chỉ ra rằng mô hình nhân tố ảnh hưởng cố định là phù hợp hơn so với mô hình nhân tố ảnh hưởng ngẫu nhiên (REM) trong nghiên cứu này.
Bảng 3.7: Kết quả chạy kiểm định hausman test
Pooled Least Squared _Fixed e fects _ Ramdom effects
Nhân tố Chiều hướng tác động
Nhóm nhân tố vi mô
Tỷ lệ trích lập dự phòng (LLP) +
Khả năng sinh lời ( ROE) -
Quy mô ngân hàng ( SIZE) Nghiên cứu sự tác động chưa rõ ràng
Nhóm nhân tố vĩ mô
Biến tăng trưởng kinh tế ( GDP) -
Tỷ lệ thất nghiệp (UNE) -
Tỷ lệ tăng trưởng tín dụng toàn hệ thống +
(Nguồn: Tổng hợp của tác giả)
3.4.4 Kết quả mô hìnhPhân tích số liệu từ mô hình FEM
Bảng 3.8: Bảng kết quả hồi quy các mô hình
(Nguôn :Tông hợp của tác giả)
Theo mô hình FEM, trong 7 nhân tố được lựa chọn, có 6 nhân tố ảnh hưởng đến Nợ Xấu của hệ thống, bao gồm tỷ lệ trích lập dự phòng (LLP), biến tăng trưởng kinh tế (GDP), tỷ lệ lạm phát (CPI), tốc độ tăng trưởng tín dụng toàn hệ thống (LGR), tỷ lệ thất nghiệp (UNE) và khả năng sinh lời (ROE).
Bảng 3.9 : Tổng hợp kết quả kiểm định các giả thiết
Mức độ ảnh hưởng của các biến được giải thích như sau:
Tốc độ tăng trưởng kinh tế có ảnh hưởng rõ rệt đến tỷ lệ nợ xấu tại các ngân hàng thương mại Việt Nam, với kết quả hồi quy cho thấy mối tương quan ngược chiều giữa biến trễ GDP và tỷ lệ nợ xấu ở mức ý nghĩa 4,6% Cụ thể, khi GDP của năm trước tăng 1%, tỷ lệ nợ xấu giảm 4,6% Kết quả này không chỉ phù hợp với kỳ vọng ban đầu mà còn trùng khớp với các nghiên cứu trước đây của PGS.TS Tô Ngọc Hưng và cộng sự (2013), cũng như các nghiên cứu của Salas và Saurina (2002) và Rajan và Dhal (2003), khẳng định mối quan hệ ngược chiều giữa tăng trưởng kinh tế và tỷ lệ nợ xấu với mức ý nghĩa 5%.
Nghiên cứu của các tác giả như (2005), Quagliarello (2007) và P.K.Ozili (2015) cho thấy sự tăng trưởng kinh tế có tác động ngược chiều đến nợ xấu Cụ thể, khi nền kinh tế phát triển, thu nhập của cá nhân và lợi nhuận, doanh thu của doanh nghiệp đều tăng, từ đó nâng cao khả năng trả nợ của người vay Điều này hoàn toàn phù hợp với thực tế của nền kinh tế thị trường hiện nay.