GIỚI THIỆU
TÍNH CẤP THIẾT CỦA ĐỀ TÀI
Kinh tế quốc gia không thể phát triển bền vững nếu hệ thống tài chính hoạt động không hiệu quả và thiếu ổn định.
Hoạt động tín dụng tiềm ẩn nhiều rủi ro, với chỉ tiêu nợ xấu là một trong những yếu tố quan trọng để đo lường mức độ rủi ro này Theo báo cáo tài chính của các ngân hàng, tỷ lệ nợ xấu đã tăng gấp đôi từ 2% vào năm 2006 lên 4,08% vào năm 2012 Mặc dù tỷ lệ nợ xấu đã cải thiện vào năm 2016, giảm xuống còn 2,52%, nhưng quy mô dư nợ xấu vẫn có xu hướng gia tăng qua các năm.
Hình 1.1 Nợ xấu hệ thống ngân hàng TMCP Việt Nam giai đoạn 2006 - 2016
Nguồn: Tác giả tự tổng hợp từ Báo cáo thường niên và sbv.gov.vn
Theo "Báo cáo Tổng quan thị trường tài chính năm 2017" của Uỷ ban Giám sát Tài chính quốc gia, tỷ lệ nợ xấu trong ngành ngân hàng được công bố là 9,5%, cao hơn đáng kể so với các số liệu mà ngành ngân hàng tự báo cáo.
Dƣ nợ xấu cuối năm Tỉ lệ nợ xấu
Mặc dù tỷ lệ nợ xấu nội bảng hiện tại cao gấp ba lần mức "dưới 3%" mà Ngân hàng Nhà nước công bố, nhưng theo Uỷ ban giám sát, con số này đã giảm mạnh từ 11,5% vào năm 2016.
Chất lượng tài sản của hệ thống tổ chức tín dụng đã được cải thiện rõ rệt, với tỷ lệ nợ xấu giảm mạnh Nguyên nhân chủ yếu là do sự giảm sút của các khoản nợ xấu tiềm ẩn trong nợ cơ cấu lại, trái phiếu doanh nghiệp và các khoản phải thu khó đòi từ bên ngoài.
Trước đó, tại phiên chất vấn trên Quốc hội hồi giữa tháng 11/2017, Thống đốc
Theo báo cáo của Ngân hàng Nhà nước, tỷ lệ nợ xấu tính đến cuối tháng 9/2017 là 2,34%, giảm so với 2,46% vào cuối năm trước Lê Minh Hưng nhấn mạnh rằng con số này chỉ phản ánh nợ xấu nội bảng của các ngân hàng, chưa bao gồm các khoản nợ xấu đã được bán cho VAMC và không còn trong bảng cân đối tài sản.
Tính đến cuối tháng 9/2017, nếu xem xét cả các khoản nợ tiềm ẩn và nợ xấu mà VAMC đã mua, tổng nợ xấu trong hệ thống ngân hàng ước đạt khoảng 566.000 tỷ đồng, tương đương với tỷ lệ 8,61%, theo thông tin từ ông Hưng.
Theo Uỷ ban Giám sát, quá trình xử lý nợ xấu đã được thúc đẩy mạnh mẽ, đặc biệt trong những tháng cuối năm nhờ Nghị quyết 42/2017/QH14 về thí điểm xử lý nợ xấu của các tổ chức tín dụng Trong năm, ngành ngân hàng đã xử lý tổng cộng 70.000 tỷ đồng nợ xấu Đồng thời, lƣợng trích lập dự phòng rủi ro của các ngân hàng năm 2017 đã tăng 24,7% so với cuối năm 2016, với tỷ lệ dự phòng rủi ro tín dụng trên tổng nợ xấu đạt 65,8%.
1 https://kinhdoanh.vnexpress.net/tin-tuc/ebank/uy-ban-giam-sat-ty-le-no-xau-ngan-hang-nam-2017-la-9-5-
Hình 1.2 Kết quả xử lý nợ xấu ngành Ngân hàng theo các hình thức giai đoạn 2012 – 2015
Theo hình 1.2, việc xử lý nợ xấu chủ yếu dựa vào VAMC, chiếm 42%, trong khi các ngân hàng thương mại cổ phần (NHTMCP) vẫn phải trích lập dự phòng với tỷ lệ 27% và tự xử lý qua các nghiệp vụ khác Do đó, các NHTMCP chủ yếu áp dụng phương pháp chuyển giao nợ xấu, không thể triệt tiêu hoàn toàn nợ xấu.
Nghiên cứu các nhân tố gây nợ xấu tại các ngân hàng thương mại (NHTM) sẽ giúp nhà quản lý ngân hàng chủ động khắc phục và tìm ra giải pháp phù hợp để giảm thiểu nợ xấu, bên cạnh các yếu tố vĩ mô ngoài tầm kiểm soát Tác giả, hiện làm việc tại Phòng quản lý rủi ro tín dụng của Ngân hàng TMCP Á Châu, đã chọn đề tài “Các nhân tố tác động đến nợ xấu tại các Ngân hàng Thương mại Cổ phần Việt Nam” cho khóa luận của mình Nghiên cứu này nhằm xác định các nhân tố thực sự ảnh hưởng đến nợ xấu và mức độ tác động của chúng đối với các NHTM tại Việt Nam.
Khách hàng trả nợ Bán phát mại TSBĐ TCTD sử dụng quỹ DPRR Bán nợ cho VAMC Bán nợ khác Hình thức khác
MỤC TIÊU NGHIÊN CỨU
Mục tiêu nghiên cứu của đề tài là xác định các yếu tố ảnh hưởng đến nợ xấu trong hệ thống ngân hàng thương mại cổ phần Việt Nam Bài viết sẽ phân tích và đánh giá nguyên nhân của sự tác động này, từ đó đề xuất những giải pháp và khuyến nghị nhằm kiểm soát và quản lý nợ xấu hiệu quả cho các ngân hàng.
Đề tài này nhằm làm rõ các lý luận cơ bản và lý thuyết nền tảng liên quan đến nợ xấu, đồng thời phân tích các nhân tố ảnh hưởng đến tình trạng nợ xấu Bên cạnh đó, bài viết cũng tổng hợp những nghiên cứu trước đây về nợ xấu đã được thực hiện tại Việt Nam và trên thế giới.
- Xây dựng mô hình hồi quy và phương pháp nghiên cứu các nhân tố tác động đến nợ xấu
- Kết quả hồi quy, ƣớc lƣợng tác động và phân tích, đánh giá các nhân tố
- Đề xuất kiến nghị nhằm quản trị rủi ro tín dụng, giúp giảm thiểu nợ xấu của các ngân hàng TMCP Việt Nam.
ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU
1.3.1 Đối tƣợng nghiên cứu Đối tƣợng của nghiên cứu là nợ xấu, các yếu tố vi mô và vĩ mô tác động đến tỷ lệ nợ xấu của hệ thống NHTMCP Việt Nam
Khóa luận nghiên cứu các yếu tố vĩ mô và vi mô ảnh hưởng đến nợ xấu của 25 ngân hàng thương mại cổ phần tại Việt Nam Theo thống kê của Ngân hàng Nhà nước Việt Nam, tính đến ngày 30/06/2017, cả nước có 31 ngân hàng thương mại cổ phần, trong đó một số ngân hàng đã sáp nhập như MHB với BIDV, Mekong Bank với Maritime Bank, Southern Bank với Sacombank, Habubank với SHB và Đại Á với HDBank Tuy nhiên, nghiên cứu chỉ tập trung vào 25 ngân hàng còn hoạt động đến hết năm 2017 và cung cấp đủ dữ liệu cần thiết cho khóa luận.
2 Danh sách ngân hàng cụ thể đƣợc đề cập ở phụ lục 1
3 Các thương vụ M&A được liệt kê ở phụ lục 2
Nghiên cứu về các nhân tố ảnh hưởng đến nợ xấu ngân hàng trong giai đoạn 2006 – 2016 được thực hiện nhằm thu thập dữ liệu đầy đủ và phù hợp với phương pháp nghiên cứu Thời gian này cho phép tác giả có đủ thông tin cần thiết để phân tích và đưa ra kết luận chính xác về tình hình nợ xấu trong lĩnh vực ngân hàng.
PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU NGHIÊN CỨU
1.4.1 Phương pháp nghiên cứu Đề tài sử dụng phương pháp nghiên cứu định tính như phương pháp thống kê, so sánh, phân tích và tổng hợp, phương pháp diễn dịch và quy nạp Đồng thời, bài viết tập trung sử dụng phương pháp định lượng, lần lượt chạy
Trong nghiên cứu này, tác giả đã áp dụng năm mô hình ước lượng, bắt đầu với việc sử dụng Pooled Ordinary Least Squares (Pooled OLS), Fixed Effects Model (FEM) và Random Effects Model (REM) để xác định mô hình phù hợp Tiếp theo, tác giả kiểm tra các khuyết tật của mô hình như tự tương quan, đa cộng tuyến và phương sai thay đổi Đặc biệt, mô hình sử dụng biến trễ của biến phụ thuộc, dẫn đến việc dữ liệu có dạng bảng động và biến trễ có thể là biến nội sinh Do đó, tác giả đã áp dụng phương pháp Mô-men tổng quát (GMM) của Arellano và Bonds (1991) để phân tích mối quan hệ giữa các yếu tố ảnh hưởng đến nợ xấu của ngân hàng thương mại cổ phần Việt Nam Tuy nhiên, mô hình GMM không đủ vững với dữ liệu thu thập được, vì vậy tác giả đã chuyển sang phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares – FGLS) để kiểm soát hiện tượng phương sai thay đổi, cho phép ước tính mô hình theo phương pháp OLS ngay cả khi có sự tồn tại của phương sai thay đổi hoặc tự tương quan.
Dữ liệu vi mô được thu thập từ báo cáo thường niên của các ngân hàng niêm yết, trong khi dữ liệu vĩ mô được lấy từ trang thông tin của Ngân hàng Thế giới Trong quá trình thu thập, một số ngân hàng thương mại cổ phần tại Việt Nam không công bố thông tin trong một số năm, dẫn đến bảng dữ liệu trở nên không cân bằng.
1.4.2 Dữ liệu nghiên cứu của đề tài
Bộ dữ liệu vĩ mô
Dữ liệu vĩ mô trong khóa luận này bao gồm tốc độ tăng trưởng GDP, tỷ lệ lạm phát và tỷ lệ thất nghiệp từ năm 2006 đến 2016, được thu thập từ các báo cáo thường niên của NHNN, trang web chính thức của NHNN, Tổng cục Thống kê, WB và IMF Qua việc so sánh dữ liệu từ các nguồn này, tác giả nhận thấy sự khác biệt trong số liệu, có thể do phương pháp tính toán và thu thập khác nhau Đặc biệt, việc thu thập số liệu cũ tại Việt Nam gặp nhiều khó khăn, do đó tác giả quyết định sử dụng bộ dữ liệu vĩ mô từ Ngân hàng Thế giới (WB).
Các số liệu được thu thập dưới dạng tỷ lệ phần trăm, được trình bày cụ thể ở phần phụ lục
Bộ dữ liệu vi mô
Dữ liệu vi mô cấp ngân hàng bao gồm các yếu tố như tăng trưởng tín dụng, tăng trưởng quy mô ngân hàng, tỷ lệ nợ xấu năm trước và tỷ lệ ROE hàng năm của 25 ngân hàng thương mại cổ phần tại Việt Nam trong giai đoạn 2006 – 2016 Thông tin này được thu thập chủ yếu từ các báo cáo thường niên và báo cáo tài chính hàng năm của các ngân hàng thương mại.
KẾT CẤU CỦA KHÓA LUẬN
Ngoài lời mở đầu, kết luận và danh mục tài liệu tham khảo, khóa luận gồm 5 chương:
- Chương 2: Cơ sở lý luận về nợ xấu và các nhân tố tác động đến nợ xấu
- Chương 3: Mô hình và phương pháp nghiên cứu
- Chương 4: Kết quả nghiên cứu thực nghiệm
- Chương 5: Kết luận và kiến nghị
Ngân hàng thương mại đóng vai trò quan trọng trong hệ thống tài chính, nhưng hoạt động của họ hiện nay đối mặt với nhiều rủi ro do ảnh hưởng của các nhân tố vĩ mô và vi mô Nghiên cứu này nhằm tìm hiểu tác động của các yếu tố này đến nợ xấu của các NHTM Việt Nam, từ đó đưa ra các kiến nghị để ngăn ngừa và hạn chế nợ xấu Chương 1 cung cấp cái nhìn tổng quan về toàn bộ bài nghiên cứu.
CƠ SỞ LÝ LUẬN VỀ NỢ XẤU VÀ CÁC NHÂN TỐ TÁC ĐỘNG NỢ XẤU TẠI CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM
TỔNG QUAN VỀ NỢ XẤU TRONG NGÂN HÀNG THƯƠNG MẠI
Vậy câu hỏi đặt ra ở đây là Nợ xấu là gì? Thước đo và những chuẩn mực phân loại nợ xấu nhƣ thế nào?
Nợ xấu, hay còn gọi là “Non-performing loans” (NPL), “bad debt”, và “doubtful debt”, là những khoản nợ khó đòi hoặc có vấn đề mà ngân hàng không thể thu hồi lợi nhuận (Fofack, 2005; Berger và De Young, 1997; Ernst & Young, 2004) Các khoản vay này được coi là nợ xấu khi đã quá hạn trả nợ gốc và lãi từ 90 ngày trở lên (Peter Rose, 2004; Mishkin, 2010) Hiện nay, chưa có quy tắc hay chuẩn mực thống nhất nào trong việc thảo luận về nợ xấu.
Có thể đề cập đến một số khái niệm về nợ xấu nhƣ sau:
Theo hướng dẫn của Quỹ Tiền tệ Quốc tế (IMF), một khoản vay được coi là nợ xấu khi quá hạn thanh toán lãi và/hoặc gốc từ 90 ngày trở lên, hoặc các khoản thanh toán lãi đã được tái cơ cấu hoặc gia hạn nợ Ngoài ra, nợ xấu cũng có thể được xác định qua các khoản thanh toán dưới 90 ngày nhưng có lý do nghi ngờ về khả năng trả nợ Nhóm chuyên gia tư vấn (AEG) của Liên hợp quốc cũng đồng tình với quan điểm này, cho rằng nợ xấu chủ yếu là các khoản quá hạn trên 90 ngày hoặc các khoản lãi chưa thanh toán đã được nhập gốc hoặc tái cấp vốn, cùng với các khoản thanh toán dưới 90 ngày nhưng có lý do chắc chắn để nghi ngờ khả năng thanh toán đầy đủ.
Ủy ban Basel về Giám sát Ngân hàng không đưa ra định nghĩa cụ thể về nợ xấu, nhưng theo hướng dẫn quản lý nợ xấu tại một số quốc gia, một khoản nợ được coi là không có khả năng hoàn trả khi xảy ra một trong hai điều kiện sau: không có khả năng thanh toán hoặc không còn khả năng tái cấu trúc.
Ngân hàng có thể xác định rằng người vay không đủ khả năng trả nợ đầy đủ nếu chưa thực hiện bất kỳ biện pháp nào để thu hồi nợ, chẳng hạn như xử lý tài sản bảo đảm.
Hai là, người vay đã quá hạn trả nợ (trên 90 ngày)
Tại Việt Nam, Ngân hàng Nhà nước định nghĩa nợ xấu là các khoản nợ thuộc nhóm 3 (Nợ dưới tiêu chuẩn), nhóm 4 (Nợ nghi ngờ) và nhóm 5 (Nợ có khả năng mất vốn) Cụ thể, nợ nhóm 3 bao gồm các khoản nợ quá hạn từ 90 đến 180 ngày.
4 là các khoản nợ quá hạn từ 181 ngày đến 360 ngày và nợ nhóm 5 là các khoản nợ quá hạn trên 360 ngày
Theo phương pháp định lượng, việc xác định nợ xấu từ 90 ngày trở lên có sự tương đồng giữa các tổ chức quốc tế và tại Việt Nam Tuy nhiên, để có đánh giá chính xác và toàn diện hơn, cần xem xét khả năng trả nợ của khách hàng.
Theo Đinh Thị Thanh Vân (2012), phân loại nợ là quá trình mà các ngân hàng đánh giá danh mục cho vay để phân chia các khoản vay thành các nhóm khác nhau dựa trên rủi ro và đặc điểm tương đồng Việc này không chỉ giúp ngân hàng kiểm soát chất lượng danh mục cho vay mà còn cho phép họ có biện pháp xử lý kịp thời các vấn đề liên quan đến chất lượng tín dụng Tuy nhiên, hiện tại chưa có tiêu chuẩn kế toán quốc tế thống nhất cho việc phân loại nợ, và điều này thường được xem là trách nhiệm của người quản lý hoặc chỉ là vấn đề báo cáo giám sát (Laurin và cộng sự, 2002).
Thông tư 02/2013/TT-NHNN, ban hành ngày 21 tháng 01 năm 2013, quy định về phân loại tài sản có, mức trích và phương pháp trích lập dự phòng rủi ro Thông tư này cũng hướng dẫn việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng và chi nhánh ngân hàng nước ngoài tại Việt Nam.
Bảng 2.1 Phân loại nợ của một số nước trên thế giới Nước Số lượng nhóm vay
Ghi chú Đức 4 Dự phòng cụ thể
Bài viết phân loại nợ thành 4 nhóm: cho vay không rủi ro, cho vay có dấu hiệu rủi ro, nợ có dấu hiệu không thu hồi và nợ xấu Đặc biệt, hiện nay không có quy định cụ thể nào về việc lập dự phòng cho các nhóm nợ này.
Nhật 5 Dự phòng cụ thể
Chi phí dự phòng cho 3 nhóm cuối với tỷ lệ lần lƣợt là 15%, 70%, 100%
Brazil 9 Dự phòng cụ thể
9 nhóm đƣa ra bao gồm AA (0%), A (0,5%), B (1%), C (3%), D (10%), E (30%), F (50%), G (70%) và H (100%)
Mỹ 5 Không đƣa ra quy định cụ thể
Argentina 5 Dự phòng chung và dự phòng cụ thể
Tỷ lệ dự phòng cho 5 nhóm lần lƣợt là 1%, 3%, 12%, 25%, 50% Úc 5 Không đƣa ra quy định cụ thể về lập dự phòng Trung
5 Dự phòng cụ thể và dự phòng chung
Tỷ lệ dự phòng cho 5 nhóm lần lƣợt là 1%, 3%, 25%, 75%, 100% Ấn Độ
4 Dự phòng cụ thể và dự phòng chung
Chia cụ thể làm 2 loại có bảo đảm hoặc không có bảo đảm có tỷ lệ dự phòng khác nhau và linh hoạt
Mexico 7 7 nhóm đƣợc phân loại dựa trên rủi ro quốc gia, rủi ro tài chính, rủi ro ngành và lịch sử thanh toán Nhóm không trích lập dự phòng A-1 (0,5%); A-2
Nguồn: (Laurin và cộng sự, 2002)
Ngân hàng thế giới (World Bank) đã tiến hành phân loại nợ nhƣ sau:
Bảng 2.2 Phân loại nợ của World Bank
Khoản vay Những đặc thù và thời hạn Đạt tiêu chuẩn - Không nghi ngờ gì về khả năng trả nợ
- Tài sản được bảo đảm hoàn toàn bằng tiền hoặc tương đương
- Quá hạn dưới 90 ngày Cần theo dõi - Những điểm yếu tiềm tàng có thể ảnh hưởng tới khả năng trả nợ
- Các điều kiện kinh tế hoặc viễn cảnh tài chính khó khăn
- Quá hạn dưới 90 ngày Dưới tiêu chuẩn - Các nhược điểm rõ rệt về tín dụng có thể ảnh hưởng tới khả năng trả nợ
- Những khoản nợ đã đƣợc thỏa thuận lại
- Quá hạn từ 90 – 180 ngày Đáng ngờ - Không chắc thu hồi đƣợc toàn bộ nợ dựa trên các điều kiện hiện tại
Singapore 5 Dự phòng cụ thể
Tỷ lệ trích lập dự phòng cho 3 nhóm cuối tối thiểu lần lƣợt là 10%, 50%, 100%
Nga 4 Dự phòng chung và dự phòng cụ thệ
Tỷ lệ trích lập dự phòng cho 3 nhóm cuối lần lƣợt là 205, 50%, 100% Dự phòng nhóm 1 là 1%
6 Dự phòng chung và dự phòng cụ thể
Tỷ lệ dự phòng chung 0,51%, còn cho 3 nhóm cuối là 10%, 25 – 100%, 100%
- Có khả năng thất thoát
- Quá hạn từ 180 – 360 ngày Mất vốn - Các khoản vay không thu hồi đƣợc
Ngoài ra, Viện Tài chính Quốc tế (Institute of International Finance) cũng phân loại nợ thành 5 nhóm sau:
Bảng 2.3 Phân loại nợ của Viện Tài chính Quốc tế (IIF)
Khoản vay Những đặc thù và thời hạn
Nợ đủ tiêu chuẩn là khoản nợ có gốc và lãi được thanh toán đúng hạn, không có dấu hiệu khó khăn trong việc chi trả Dự báo khả năng thanh toán gốc và lãi đầy đủ theo cam kết là khả thi.
Nợ cần chú ý là loại nợ có nguy cơ cao về việc không thanh toán đầy đủ cả gốc lẫn lãi nếu không có biện pháp xử lý kịp thời Do đó, những khoản nợ này cần được quản lý và theo dõi chặt chẽ hơn so với các khoản nợ thông thường.
Khoản nợ nghi ngờ về khả năng thanh toán là khoản nợ mà người vay có khả năng không thanh toán đầy đủ gốc và lãi theo cam kết Điều này bao gồm các khoản nợ có gốc hoặc lãi quá hạn trên 90 ngày, hoặc tài sản bảo đảm đã giảm giá trị, dẫn đến nguy cơ mất giá trị khoản vay nếu không được xử lý kịp thời.
Nợ nghi ngờ là khoản nợ được xác định là không thể thu hồi đầy đủ gốc và lãi trong điều kiện hiện tại, hoặc có lãi và/hoặc gốc quá hạn trên 180 ngày.
Nợ nhóm này mặc dù đã giảm giá trị nhưng vẫn chưa mất hoàn toàn vốn, vì vẫn tồn tại các yếu tố có khả năng cải thiện chất lượng nợ.
Nợ mất vốn Là nợ đƣợc đánh giá không có khả năng thu hồi hoặc gốc hoặc/và lãi quá hạn trên một năm
Tại Việt Nam, theo phân loại nợ của NHNN, nợ đƣợc phân loại theo 5 nhóm:
Bảng 2.4 Phân loại nợ của Việt Nam Nhóm nợ Phương pháp định lượng Phương pháp định tính
Nợ trong hạn, hoặc quá hạn dưới 10 ngày
Có khả năng thu hồi đầy đủ cả nợ gốc và lãi đúng hạn
2.Nợ cần chú ý Quá hạn 10 - 90 ngày; nợ điều chỉnh hạn trả nợ lần đầu
Có khả năng thu hồi đầy đủ cả gốc và lãi, nhƣng có dấu hiệu suy giảm khả năng trả nơ
Quá hạn 91- 180 ngày; nợ gia hạn lần đầu; miễn hoặc giảm lãi
Không có khả năng thu hồi nợ gốc và lãi khi đến hạn; có khả năng tổn thất
4.Nợ nghi ngờ Quá hạn từ 181 – 360 ngày; nợ cơ cấu lại thời hạn trả nợ lần thứ hai
Có khả năng tổn thất cao
5.Nợ có khả năng mất vốn
Nợ quá hạn trên 360 ngày, nợ đã được cơ cấu lại thời hạn trả nợ lần đầu nhưng lại tiếp tục quá hạn, và nợ đã được cơ cấu lại thời hạn trả nợ từ lần thứ ba trở lên là những trường hợp cần được chú ý trong quản lý nợ.
Không còn khả năng thu hồi, mất vốn
TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC
2.2.1 Các nghiên cứu quốc tế về các nhân tố tác động đến nợ xấu
Nghiên cứu của Salas và Suarina (2002) sử dụng dữ liệu bảng để phân tích các yếu tố quyết định nợ xấu ở ngân hàng thương mại và Quỹ tiết kiệm Tây Ban Nha trong giai đoạn 1985 – 1987 Kết quả cho thấy có mối quan hệ ngược chiều giữa GDP và nợ xấu; khi GDP tăng, nợ xấu giảm và ngược lại Ngoài ra, quy mô ngân hàng cũng ảnh hưởng tiêu cực đến nợ xấu, trong khi tăng trưởng tín dụng được xác định là yếu tố quan trọng quyết định tỷ lệ nợ xấu.
Roland Beck, Petr Jakubik và Anamaria Piloiu (2013) sử dụng bộ dữ liệu của
Nghiên cứu trên 75 quốc gia trong giai đoạn 2005 – 2010 đã áp dụng kỹ thuật thống kê mômen tổng quát với mô hình hai bước của Arellano – Bond để phân tích các yếu tố ảnh hưởng đến nợ xấu Kết quả cho thấy tỷ lệ nợ xấu có độ trễ một năm và lãi suất cho vay đều tác động tích cực đến tỷ lệ nợ xấu Đồng thời, nghiên cứu cũng phát hiện ra rằng tỷ lệ tăng trưởng kinh tế có tác động ngược chiều đến tỷ lệ nợ xấu ở các quốc gia này.
Ahlem Selma Messai và Fathi Jouini (2013) đã tiến hành nghiên cứu trên dữ liệu của 85 ngân hàng tại ba quốc gia: Ý, Hy Lạp và Tây Ban Nha, trong giai đoạn từ 2004 đến 2008 Ba quốc gia này được chọn vì đại diện cho những nơi chịu nhiều bất ổn sau khủng hoảng kinh tế.
Năm 2008, nghiên cứu tập trung vào các ngân hàng lớn với tỷ lệ nợ xấu cao Các yếu tố kinh tế vĩ mô như tỷ lệ tăng trưởng GDP, tỷ lệ thất nghiệp và lãi suất cho vay thực, cùng với các yếu tố vi mô như tỷ suất sinh lời trên tổng tài sản (ROA), sự thay đổi trong các khoản vay và tỷ lệ dự phòng rủi ro đã được phân tích Kết quả cho thấy lãi suất cho vay và tỷ lệ dự phòng rủi ro tín dụng có mối quan hệ thuận chiều với tỷ lệ nợ xấu, trong khi tỷ lệ tăng trưởng kinh tế và ROA lại có mối quan hệ nghịch với nợ xấu tại các quốc gia này.
Klein (2013) đã thực hiện ba phương pháp ước lượng là FE, DGMM của Arellano và Bond (1991), SGMM của Arellano & Bover (1995), Blundell & Bond
Nghiên cứu năm 1998 đã thu thập dữ liệu từ 10 ngân hàng ở 16 quốc gia nhằm phân tích các yếu tố ảnh hưởng đến nợ xấu tại khu vực Trung, Đông và Đông Nam châu Âu Các yếu tố này bao gồm đặc điểm ngân hàng như ROE, tổng dư nợ trên tổng tài sản và tỷ lệ tăng trưởng tín dụng, cũng như các yếu tố vĩ mô của từng quốc gia như tỷ lệ thất nghiệp, tỷ lệ lạm phát và tỷ lệ hối đoái Đặc biệt, tốc độ tăng trưởng GDP thực của khu vực châu Âu và chỉ số VIX của Standard & Poor cũng được xem xét Kết quả cho thấy ROE có mối quan hệ tỷ lệ nghịch với nợ xấu, trong khi tổng dư nợ trên tổng tài sản và tốc độ tăng trưởng GDP khu vực có tác động đáng kể đến khả năng thanh toán của doanh nghiệp.
Nghiên cứu của Makri và cộng sự (2014) về nợ xấu tại 17 quốc gia Châu Âu trong giai đoạn 2000 – 2008 chỉ ra rằng có mối quan hệ ngược chiều giữa tỷ lệ nợ xấu và tăng trưởng GDP, trong khi tỷ lệ nợ xấu lại có mối quan hệ cùng chiều với tỷ lệ thất nghiệp Ngoài ra, nghiên cứu cũng xác định rằng tỷ lệ nợ xấu liên quan đến tỷ lệ an toàn vốn tối thiểu, tỷ lệ nợ xấu của năm trước và lợi nhuận trên vốn chủ sở hữu Kết quả cho thấy, khi GDP tăng trưởng, tỷ lệ nợ xấu của các ngân hàng có xu hướng giảm.
Nghiên cứu của Ekanayake (2015) về 9 ngân hàng thương mại tại Sri Lanka trong giai đoạn 1999-2012 cho thấy nợ xấu bị ảnh hưởng bởi cả yếu tố vĩ mô và vi mô Trong số các yếu tố vĩ mô, GDP và lạm phát có tác động tiêu cực đến nợ xấu, với kết quả đáng chú ý là trong thời kỳ lạm phát cao, tỷ lệ nợ xấu lại thấp hơn so với các giai đoạn khác Ngược lại, lãi suất cho vay có ảnh hưởng tích cực đến tỷ lệ nợ xấu.
Fillip (2015) đã thiết kế và thử nghiệm hai mô hình kinh tế sử dụng dữ liệu bảng cho Romania và châu Âu trong giai đoạn 2000 – 2012 Nghiên cứu cho thấy có mối tương quan nghịch giữa sự biến động của tỷ lệ nợ xấu và mức tăng trưởng GDP thực, đồng thời có mối tương quan thuận với tỷ lệ thất nghiệp và lạm phát.
Ghosh (2015) thực hiện nghiên cứu cho tất cả các NHTM và các tổ chức tiết kiệm trên 50 tiểu bang Hoa Kỳ và các quận thuộc Columbia trong giai đoạn 1984 –
Tác giả chỉ ra rằng trong năm 2013, tăng trưởng GDP, thu nhập cá nhân và giá nhà ở có mối quan hệ tỷ lệ nghịch với nợ xấu Ngược lại, tỷ lệ thất nghiệp và nợ công Mỹ gia tăng đã dẫn đến sự gia tăng đáng kể của nợ xấu Ngoài ra, các yếu tố như vốn hóa lớn hơn, rủi ro thanh khoản, chất lượng tín dụng kém, chi phí không hiệu quả cao và quy mô ngành ngân hàng cũng góp phần làm tăng nợ xấu, trong khi lợi nhuận ngân hàng lớn hơn lại giúp giảm nợ xấu.
Nghiên cứu của Vithessonthi (2016) sử dụng hồi quy OLS và hồi quy hai bước GMM trên dữ liệu bảng của 82 ngân hàng thương mại niêm yết công khai tại Nhật Bản từ năm 1993 đến 2013 đã chỉ ra mối quan hệ giữa tăng trưởng tín dụng và nợ xấu Kết quả cho thấy tăng trưởng tín dụng tương quan cùng chiều với nợ xấu trước cuộc khủng hoảng tài chính toàn cầu năm 2007, nhưng ngược chiều sau đó Cuộc khủng hoảng này đã làm thay đổi cơ chế cho vay ngân hàng, ảnh hưởng đến nợ xấu của các ngân hàng tại Nhật Bản Điều này cho thấy tăng trưởng tín dụng không phải lúc nào cũng dẫn đến mức nợ xấu cao hơn, và tăng tỷ lệ tăng trưởng tín dụng và nợ xấu không ảnh hưởng đến lợi nhuận của ngân hàng.
2.2.2 Các nghiên cứu trong nước về các nhân tố tác động đến nợ xấu Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), thu thập từ 10 NHTM lớn hoạt động trong giai đoạn 2005 – 2006 đến 2010 – 2011 Các biến vĩ mô gồm tốc độ tăng trưởng GDP thực tế, tỷ lệ thất nghiệp hàng năm, tỷ lệ lạm phát; các biện nội tại của ngân hàng gồm: quy mô ngân hàng, tỷ lệ nợ xấu năm trước, tốc độ tăng trưởng tín dụng và dƣ nợ trên tổng tài sản Các yếu tố vĩ mô nhƣ lạm phát và tốc độ tăng trưởng GDP tác động đáng kể đến mức độ nợ xấu trong giai đoạn nghiên cứu Tốc độ tăng trưởng GDP tại thời điểm hiện tại và nợ xấu có mối quan hệ ngược chiều, khi nền kinh tế tăng trưởng chậm, mức độ nợ xấu trong tương lai tăng lên Khi lạm phát cao, dẫn đến nợ xấu tăng Các yếu tố vi mô: quy mô ngân hàng, nợ xấu năm trước tỷ lệ thuận với tỷ lệ nợ xấu năm tiếp theo; tăng trưởng tín dụng tại thời điểm hiện tại và sau một năm đều có ảnh hưởng rất mạnh đến nợ xấu Mặc dù tăng trưởng tín dụng của thời điểm hiện tại có quan hệ ngược chiều với nợ xấu nhưng tác động ngược lại xảy ra sau một năm Như vậy, tăng trưởng tín dụng cao chưa làm tăng nợ xấu ngay lập tức mà sau một năm Tỷ lệ nợ trên tổng tài sản tác động tích cực đến nợ xấu, có nghĩa là các NHTM chấp nhận rủi ro cao có khả năng dẫn đến nợ xấu cao hơn
Bùi Duy Tùng và Đặng Thị Bạch Vân (2015) đã áp dụng phương pháp dữ liệu bảng động để phân tích ảnh hưởng của các yếu tố nội tại đến nợ xấu của các ngân hàng thương mại Việt Nam trong giai đoạn 2004 – 2014 Qua việc xử lý GMM hai bước với các biến vĩ mô làm biến kiểm soát, nghiên cứu chỉ ra rằng nợ xấu của các ngân hàng thương mại Việt Nam bị ảnh hưởng tiêu cực bởi các yếu tố nội tại như chất lượng quản trị và rủi ro đạo đức, trong khi mức độ kiểm soát của chủ sở hữu lại có mối quan hệ thuận chiều với tỷ lệ nợ xấu, điều này trái ngược với cơ sở lý thuyết hiện có.
Lê Hoàng Anh và Mai Thị Phương Thùy (2015) đã áp dụng phương pháp vector tự hồi quy (VAR) để nghiên cứu ảnh hưởng của các biến kinh tế đến tỷ lệ nợ xấu trong hệ thống Nghiên cứu sử dụng dữ liệu chuỗi thời gian theo quý từ quý IV năm 2006 đến quý I năm 2015, với các biến chính bao gồm tốc độ tăng trưởng GDP, chỉ số giá tiêu dùng và tăng trưởng tín dụng Mục tiêu của nghiên cứu là phân tích các cú sốc từ những biến này và tác động của chúng đến tỷ lệ nợ xấu.
Kết quả kiểm định nhân quả Granger cho thấy rằng trong hệ thống NHTM Việt Nam, không có mối quan hệ hai chiều giữa nợ xấu và các chỉ số như giá tiêu dùng cũng như tăng trưởng tín dụng Thay vào đó, mối quan hệ giữa các biến này chỉ mang tính một chiều.
Nguyễn Thị Hồng Vinh (2015) đã phân tích các yếu tố ảnh hưởng đến nợ xấu trong hệ thống ngân hàng thương mại Việt Nam giai đoạn 2007 – 2014 Nghiên cứu sử dụng ba mô hình ước lượng dữ liệu bảng là FE, DGMM và SGMM để kiểm định Kết quả cho thấy cả yếu tố đặc thù và vĩ mô đều có tác động quan trọng đến nợ xấu, trong đó khả năng sinh lời và tăng trưởng kinh tế có tác động ngược chiều Ngoài ra, nợ xấu trong quá khứ, quy mô ngân hàng và tăng trưởng tín dụng đều ảnh hưởng cùng chiều đến nợ xấu Đặc biệt, phương pháp GMM hệ thống chỉ ra rằng vốn chủ sở hữu và lạm phát có ảnh hưởng đáng kể đến tỷ lệ nợ xấu của các ngân hàng thương mại Việt Nam.
MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
MÔ HÌNH NGHIÊN CỨU VÀ GIẢ THUYẾT NGHIÊN CỨU
Nghiên cứu này chỉ ra rằng nhiều yếu tố ảnh hưởng đến nợ xấu, bao gồm các yếu tố vĩ mô như tốc độ tăng trưởng GDP, tỷ lệ lạm phát và tỷ lệ thất nghiệp, cùng với các yếu tố vi mô từ ngân hàng như quy mô ngân hàng, tỷ lệ tăng trưởng tín dụng và tỷ lệ ROE Qua việc phân tích thực trạng nợ xấu của các ngân hàng thương mại Việt Nam từ năm 2006 đến nay, tác giả nhận thấy rằng những yếu tố này là nguyên nhân chính dẫn đến tình trạng nợ xấu Vì vậy, tác giả đã lựa chọn 07 nhân tố để áp dụng trong mô hình nghiên cứu của đề tài.
NPL it = it-1 ( ) it it it ,
Trong mẫu dữ liệu bảng, i và t đại diện cho đường chéo và chiều thời gian, trong đó NPL_it là biến phụ thuộc, được xác định bằng logarit của tỷ lệ nợ xấu ngân hàng thứ i trong năm t Theo nghiên cứu của Nguyễn Thị Hồng Vinh (2015) và Nguyễn Tuấn Kiệt cùng Định Hùng Phú (2016), việc này nhằm đảm bảo rằng biến phụ thuộc nằm trong khoảng [-∞, +∞] và được phân phối đối xứng.
Biến phụ thuộc NPL it được giải thích bởi độ trễ NPL it-1 hoặc tỷ lệ nợ xấu của năm trước Độ trễ này được biểu thị qua vecto đa thức X it là vecto của các yếu tố vi mô đặc thù của ngân hàng, bao gồm khả năng sinh lời (ROE it), tỷ lệ tăng trưởng tín dụng (CREDIT it) và quy mô ngân hàng (SIZE it) Tất cả các biến này đều được tính bằng giá trị logarit tự nhiên.
- M it là các biến các yếu tố vĩ mô gồm: tỷ lệ lạm phát (INF it ), tốc độ tăng trưởng kinh tế (GDPit), tỷ lệ thất nghiệp (UNT it )
Hình 3.1 Sơ đồ khung nghiên cứu
Nguồn: Tác giả đề xuất
Biến phụ thuộc trong mô hình là tỷ lệ nợ xấu trên tổng dư nợ (NPL it), phản ánh chất lượng tài sản của ngân hàng Tỷ lệ này được tính bằng tổng giá trị nợ dưới tiêu chuẩn (nợ nhóm 3), nợ nghi ngờ (nợ nhóm 4) và nợ có khả năng mất vốn (nợ nhóm 5), sau đó chia cho tổng dư nợ tín dụng và áp dụng giá trị logarit tự nhiên.
Nhiều ngân hàng áp dụng chỉ tiêu NPL để nghiên cứu nợ xấu, với các nghiên cứu tiêu biểu trên thế giới như của Ekanayake (2015) và Al-Khazali cùng cộng sự (2017), cũng như tại Việt Nam với các nghiên cứu của Nguyễn Thị Hồng Vinh (2015) và Nguyễn Tuấn Kiệt cùng Đinh Hùng Phú (2016).
Nhân tố vi mô đóng vai trò quan trọng trong việc hình thành nợ xấu Hầu hết các khoản nợ xấu đều có thể được phòng ngừa và quản lý hiệu quả nếu ngân hàng chủ động hạn chế các tác động tiêu cực từ những nhân tố này.
+ Quy mô ngân hàng (SIZE it ) thể hiện năng lực thị trường của ngân hàng đó
Cách đo lường: Quy mô ngân hàng được đo lường bằng cách lấy logarit tự nhiên của tổng tài sản
Nghiên cứu cho thấy yếu tố quy mô ngân hàng có ảnh hưởng tích cực đến tỷ lệ nợ xấu, điều này được xác nhận bởi nhiều tác giả như Rajan & Dhal (2003), Ghosh (2015), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Nguyễn Thị Hồng Vinh (2015), cùng với Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2015) Ngược lại, nghiên cứu của Salas và Suarina (2002) lại chỉ ra mối quan hệ nghịch chiều giữa quy mô ngân hàng và tỷ lệ nợ xấu.
Ngân hàng có tổng tài sản lớn không chỉ thể hiện quy mô mà còn tạo điều kiện cho các ngân hàng thương mại (NHTM) đầu tư vào quy trình tín dụng, nâng cao chất lượng quản trị rủi ro và phát triển nguồn nhân lực chất lượng cao Hơn nữa, quy mô lớn và thị phần cao giúp NHTM đa dạng hóa hoạt động tín dụng, từ đó giảm thiểu rủi ro tập trung tín dụng (Louzis, 2012).
Từ kết quả các nghiên cứu trước và lý thuyết về quy mô ngân hàng trình bày ở trên, nghiên cứu đƣa ra giả thuyết nhƣ sau:
Giả thuyết H 0 : Quy mô ngân hàng tác động cùng chiều đến nợ xấu
) Các nghiên cứu về ảnh hưởng của yếu tố tăng trưởng tín dụng có các kết quả không thống nhất
Nhiều nghiên cứu trước đây đã chỉ ra mối liên hệ giữa tốc độ tăng trưởng tín dụng nhanh chóng và tỷ lệ nợ quá hạn, nợ xấu Các nghiên cứu của Keeton (1999), Salas và Saurina (2002), Weinberg (1995) và các tác giả khác như Klein (2013), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Nguyễn Thị Hồng Vinh (2015) đều cho thấy rằng sự gia tăng tín dụng có thể dẫn đến sự gia tăng nợ xấu do các ngân hàng thường xuyên nới lỏng các tiêu chuẩn bảo lãnh phát hành trong thời kỳ phát triển kinh tế.
Nghiên cứu của Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016) chỉ ra rằng tốc độ tăng trưởng tín dụng có mối quan hệ nghịch với nợ xấu Cụ thể, tại Việt Nam, các khoản tín dụng thường phát sinh nợ xấu sau một năm, dẫn đến việc nếu năm trước ngân hàng có tỷ lệ nợ xấu cao, thì năm nay họ sẽ phải giảm tốc độ tăng trưởng tín dụng để tập trung xử lý nợ xấu theo yêu cầu của Ngân hàng Nhà nước.
Vì vậy, tác giả kỳ vọng nợ xấu bị ảnh hưởng cùng chiều với tốc độ tăng trưởng tín dụng
Giả thuyết H 0 : Tốc độ tăng trưởng tín dụng tác động thuận chiều với tỷ lệ nợ xấu
+ Khả năng sinh lời của ngân hàng (ROE it )
Cách đo lường: bằng logarit tự nhiên của (
Hầu hết các nghiên cứu thực nghiệm về khóa luận đều chỉ ra rằng có mối quan hệ ngược chiều giữa nợ xấu và khả năng sinh lời của ngân hàng, theo Klein.
(2013), Ghosh (2015), Lê Hoàng Anh và Mai Thị Phương Thùy (2015), Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016)
Ngân hàng có khả năng sinh lời cao thường ít tham gia vào các hoạt động cấp tín dụng rủi ro, trong khi ngân hàng hoạt động kém hiệu quả lại có xu hướng cấp các khoản tín dụng không đạt chuẩn để cải thiện lợi nhuận, dẫn đến nguy cơ phát sinh nợ xấu cao hơn.
Lợi nhuận của các ngân hàng Việt Nam chủ yếu đến từ hoạt động tín dụng, do đó khi lợi nhuận cao, chất lượng các khoản vay cũng tốt Điều này dẫn đến việc vốn và lãi được thu hồi đầy đủ, đồng thời tỷ lệ nợ xấu sẽ thấp.
Vì vậy, tác giả đƣa ra giả thuyết cho mô hình nghiên cứu nhƣ sau:
Giả thuyết H 0 : Khả năng sinh lời của ngân hàng tác động ngược chiều với tỷ lệ nợ xấu
+ Tỷ lệ nợ xấu kỳ trước (NPL it-1 )
Cách đo lường: NPL it-1 = logarit(
Theo nghiên cứu của Marki và cộng sự (2014), thu hồi nợ không hiệu quả là nguyên nhân chính dẫn đến sự gia tăng nợ xấu và gặp nhiều khó khăn trong việc xử lý các khoản nợ này Hơn nữa, các khoản nợ xấu tồn đọng từ các năm trước chưa được giải quyết triệt để sẽ tiếp tục làm tăng nợ xấu trong năm hiện tại.
Giả thuyết H 0 : Tỷ lệ nợ xấu kỳ trước tác động thuận chiều với tỷ lệ nợ xấu năm hiện tại
Các nhân tố vĩ mô gây ra nợ xấu là những yếu tố từ môi trường bên ngoài mà ngân hàng không thể kiểm soát, xảy ra một cách bất ngờ và khó dự đoán.
+ Tốc độ tăng trưởng kinh tế GDP
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.2.1 Dữ liệu nghiên cứu Đối với các dữ liệu vi mô từ ngân hàng: Khóa luận thu thập từ báo cáo tài chính của 25 NHTMCP Việt Nam 5 trong giai đoạn 2006 – 2016 Lý do luận văn chỉ sử dụng dữ liệu của 25 ngân hàng này trong giai đoạn đƣợc đề cập vì trong giai đoạn này chỉ có 25 NHTMCP công bố đủ dữ liệu mà luận văn cần Các ngân hàng đƣợc chọn đáp ứng tiêu chí còn tồn tại và hoạt động cho tới hết năm 2016, có số liệu thống kê liên tục trong 10 năm
Tác giả sử dụng dữ liệu vĩ mô từ các nguồn uy tín như World Bank và IMF, bao gồm tốc độ tăng trưởng GDP, tỷ lệ lạm phát và tỷ lệ thất nghiệp để phân tích tình hình kinh tế.
3.2.2 Phương pháp nghiên cứu Để đo lường tác động của các nhân tố vĩ mô và vi mô đến nợ xấu ngân hàng, tác giả sử dụng phương pháp phân tích dữ liệu bảng (panel data) với ba phương pháp khác nhau: phương pháp pooled OLS, phương pháp random effects (REM) và phương pháp fixed effects (FEM) Tuy nhiên, việc ước lượng theo mô hình pooled OLS không phản ánh đƣợc tác động riêng biệt, mang tính đặc thù của từng ngân hàng Do đó, để khắc phục hạn chế này ở mô hình pooled OLS, nghiên cứu sử dụng Hausman test để lựa chọn giữa FEM và REM Giả thuyết H 0 làm nền tảng cho kiểm định Hausman là tác động cá biệt của mỗi đơn vị chéo không gian không có tương quan với các biến hồi quy khác trong mô hình Nếu có tương quan (giả thuyết H 0 bị từ chối), mô hình hồi quy theo REM sẽ cho kết quả bị thiên lệch, vì vậy mô hình theo FEM đƣợc ƣa thích hơn
Tiếp theo, tác giả kiểm định các khuyết tật của mô hình FEM:
Để kiểm định hiện tượng đa cộng tuyến, chúng ta có thể sử dụng ma trận tương quan giữa các biến và hệ số nhân tử phóng đại VIF Ma trận tương quan giúp xác định mối liên hệ giữa các biến, từ đó phát hiện ra các biến có mối liên hệ chặt chẽ với nhau Trong khi đó, hệ số VIF cho phép đánh giá mức độ phóng đại của các biến trong mô hình, giúp loại trừ các biến có mối liên hệ mạnh với nhau và cải thiện độ chính xác của mô hình Bằng cách kết hợp cả hai phương pháp này, chúng ta có thể loại trừ các biến không cần thiết và xây dựng mô hình dự đoán chính xác hơn.
- Hiện tượng phương sai thay đổi thông qua đồ thị và kiểm định Wald
- Hiện tượng tư tương quan thông qua phương pháp Durbin Watson
Kết quả cho thấy mô hình FEM có hiện tượng phương sai thay đổi
5 Đƣợc đề cập trong phần phụ lục
Mô hình Generalized Method of Moments (GMM) được áp dụng để giải quyết vấn đề nội sinh và phương sai thay đổi trong nghiên cứu Hiện tượng nội sinh xảy ra khi biến độc lập có mối quan hệ hai chiều với biến phụ thuộc hoặc bị ảnh hưởng bởi phần dư của mô hình Để khắc phục tình trạng này, Lars Peter Hansen (1982) đã giới thiệu biến công cụ, có mối quan hệ chặt chẽ với các biến độc lập và phụ thuộc nhưng không liên quan đến phần dư Trong nghiên cứu, các biến SIZE it, CREDIT it, ROE it được sử dụng làm biến công cụ với giá trị độ trễ thứ nhất, trong khi các biến NPL it-1, GDP it, INF it và UNT it được xem là biến công cụ với giá trị hiện tại Tính hợp lý của các biến công cụ trong GMM được kiểm tra qua thống kê Sargan (1958), và để đảm bảo kiểm định Sargan không bị yếu, số lượng biến công cụ phải nhỏ hơn hoặc bằng số nhóm đối tượng nghiên cứu, trong đó mỗi ngân hàng trong giai đoạn 2006 – 2016 được coi là một nhóm.
25 nhóm tương ứng với 25 ngân hàng) Bên cạnh đó, kiểm định Arellano & Bond –
AR (1991) đã kiểm tra tính chất tự tương quan của phương sai sai số trong mô hình GMM dưới dạng sai phân, sử dụng tương quan bậc hai AR (2) để đánh giá tự tương quan ở mọi cấp độ Tuy nhiên, kết quả cho thấy kiểm định Sargan không thỏa mãn điều kiện, mặc dù các điều kiện khác đều được đáp ứng Do đó, phương pháp GMM không khả thi trong nghiên cứu này.
Tác giả áp dụng phương pháp bình phương tối thiểu tổng quát khả thi (FGLS) để kiểm soát hiện tượng phương sai thay đổi, ước tính mô hình bằng phương pháp OLS ngay cả khi có sự tồn tại của hiện tượng này Các sai số từ mô hình được sử dụng để ước tính ma trận phương sai – hiệp phương sai, và ma trận này được dùng để chuyển đổi các tham số trong mô hình Kết quả p-value đạt ý nghĩa thống kê cao ở mức 1%, do đó các hệ số trong mô hình FGLS được chọn làm kết quả cuối cùng của khóa luận.
Chương này nhằm đề xuất một mô hình nghiên cứu cụ thể, bao gồm cách chọn biến, giả thuyết nghiên cứu và lý do lựa chọn các biến trong mô hình Ngoài ra, chương cũng trình bày chi tiết các nguồn dữ liệu thu thập và phương pháp đo lường các biến Đặc biệt, tác giả sẽ làm rõ phương pháp ước lượng mô hình và các kiểm định liên quan.
Chương 4 sẽ trình bày các kết quả nghiên cứu về tác động của các nhân tố đến nợ xấu cùng với thảo luận ý nghĩa của kết quả đạt đƣợc.
