GIỚI THIỆU NGHIÊN CỨU
Đặt vấn đề
Ngân hàng đóng vai trò quan trọng trong sự phát triển kinh tế xã hội, không thể thiếu trong việc tái phân bổ tiền tiết kiệm từ người thặng dư sang người đi vay, giúp tối ưu hóa việc sử dụng vốn Ngoài ra, ngân hàng còn là trung gian thanh toán chủ yếu, thực hiện giao dịch giá trị hàng hóa và dịch vụ cho khách hàng, hình thành mạng lưới thanh toán điện tử trong và ngoài nước, đồng thời cung cấp tiền mặt khi cần thiết.
Tại Việt Nam, hệ thống ngân hàng hai cấp với Ngân hàng Trung ương (NHTW) và Ngân hàng Thương mại (NHTM) đã hình thành và phát triển mạnh mẽ, góp phần quan trọng vào sự phát triển kinh tế quốc gia Các NHTM không chỉ mở rộng về số lượng và chất lượng mà còn đóng góp đáng kể vào ngân sách thông qua nghĩa vụ thuế Hơn nữa, NHTM còn đóng vai trò là trung gian hiệu quả trong việc thực hiện các chính sách tiền tệ của Ngân hàng Nhà nước (NHNN) Hiện nay, các NHTM Việt Nam đang hội nhập sâu rộng, trở thành những định chế tài chính lớn có khả năng cạnh tranh và hợp tác với các tổ chức tài chính quốc tế.
Sự phá sản của ngân hàng thương mại (NHTM) có thể gây ra tác động tiêu cực nghiêm trọng đến nền kinh tế, hơn là sự sụp đổ của các doanh nghiệp khác Hiện tại, Ngân hàng Nhà nước (NHNN) chưa áp dụng biện pháp phá sản đối với ngân hàng yếu kém, do lo ngại về tác động xấu đến hệ thống tài chính, thị trường và tâm lý người dân, cũng như những phức tạp trong quy trình phá sản và thanh lý tài sản Tuy nhiên, trong bối cảnh hội nhập và cơ chế thị trường, khả năng phá sản của NHTM là điều có thể xảy ra Do đó, việc nhận diện các yếu tố ảnh hưởng đến rủi ro phá sản của NHTM trong thời điểm hiện tại là rất cần thiết Đây là lý do học viên nghiên cứu đề tài “Các yếu tố ảnh hưởng đến rủi ro phá sản của các ngân hàng thương mại Việt Nam” nhằm bổ sung cơ sở khoa học cho việc quản trị và điều hành hoạt động của các NHTM trong tương lai.
Tính cấp thiết của đề tài
Thị trường tài chính đã lâu nay tin tưởng rằng Chính phủ sẽ bảo vệ các ngân hàng khỏi việc phá sản, nhằm bảo đảm quyền lợi cho người gửi tiền và giảm thiểu nguy cơ rủi ro lây lan, từ đó duy trì an toàn cho hệ thống ngân hàng.
Năm 2015, nhằm khắc phục tình trạng yếu kém của ba ngân hàng thương mại là VNCB, Oceanbank và GP Bank, Ngân hàng Nhà nước (NHNN) đã quyết định mua lại toàn bộ cổ phần của các ngân hàng này với giá 0 đồng và chỉ định các ngân hàng thương mại cổ phần nhà nước như Vietcombank và VietinBank tham gia quản lý và tái cấu trúc Đề án “Cơ cấu lại hệ thống các tổ chức tín dụng giai đoạn 2011 - 2015” đã dẫn đến nhiều thương vụ sáp nhập, trong đó một số ngân hàng đã biến mất, và hàng loạt ngân hàng yếu kém được xử lý Các thương vụ nổi bật bao gồm sự sáp nhập của Ficombank, TinNghiaBank và SCB thành SCB; TrustBank đổi tên thành VNCB; và nhiều ngân hàng khác như WesternBank, Habubank, DaiABank cũng đã được tái cấu trúc hoặc sáp nhập Điều này đặt ra câu hỏi về niềm tin của thị trường khi NHNN luôn tìm cách hỗ trợ các ngân hàng yếu kém thay vì để chúng phá sản, thông qua việc tái cơ cấu hoặc mua lại với giá 0 đồng.
Việc phá sản các ngân hàng thương mại (NHTM) có thể gây ra ảnh hưởng dây chuyền nghiêm trọng đến nền kinh tế Việt Nam, đặc biệt khi thị trường tài chính còn yếu và khung pháp lý chưa hoàn thiện Tuy nhiên, gần đây, cụm từ "phá sản ngân hàng" ngày càng được nhắc đến, cho thấy thị trường đã chuẩn bị tâm lý cho những rủi ro có thể xảy ra Không chỉ chuẩn bị tâm lý, các điều kiện cần thiết cũng đã được cải thiện, như quỹ bảo hiểm tiền gửi đã được nâng cao, tăng mức bồi thường cho các khoản tiền gửi từ 50 triệu đồng lên 75 triệu đồng, cùng với việc hoàn thiện hành lang pháp lý cho hoạt động này.
Luật Phá sản 2014, có hiệu lực từ ngày 01/01/2015, được kỳ vọng khắc phục những bất cập của Luật Phá sản 2004 và tạo ra cơ chế xử lý phá sản doanh nghiệp hiệu quả hơn, bảo vệ quyền lợi hợp pháp của các bên liên quan Một trong những điểm mới quan trọng là luật hóa các quy định về phá sản tổ chức tín dụng (TCTD) và xây dựng cơ chế xử lý phù hợp với các TCTD, đồng thời quy định rõ ràng hơn về việc nộp đơn yêu cầu mở thủ tục phá sản Đề tài “Các yếu tố ảnh hưởng đến rủi ro phá sản của các ngân hàng thương mại Việt Nam” sẽ giúp dự báo rủi ro phá sản, cung cấp cái nhìn khách quan cho thị trường về tình hình phá sản ngân hàng, hỗ trợ nhà đầu tư trong việc đưa ra quyết định và giúp Ngân hàng Nhà nước xác định các NHTM cần chú ý trong quá trình tái cơ cấu giai đoạn 2016-2020.
Mục tiêu của đề tài
Xác định và ước lượng mức độ ảnh hưởng của các yếu tố đến rủi ro phá sản của các NHTM Việt Nam giai đoạn 2008 – 2016
- Xây dựng mô hình ước lượng các yếu tố ảnh hưởng đến rủi ro phá sản các NHTM;
- Xác định các yếu tố ảnh hưởng và ước lượng mức độ ảnh hưởng đến rủi ro phá sản của các NHTM tại Việt Nam giai đoạn 2008 – 2016;
- Đề xuất một số gợi ý chính sách nhằm kiểm soát rủi ro phá sản đối với các NHTM tại Việt Nam.
Câu hỏi nghiên cứu
Để đạt được mục tiêu nghiên cứu trên đây, cần giải quyết các câu hỏi:
- Các yếu tố nào ảnh hưởng đến rủi ro phá sản của các NHTM?
- Các yếu tố và mức độ ảnh hưởng của các yếu tố đó đến rủi ro phá sản các NHTMCP tại Việt Nam trong giai đoạn 2008-2016?
- Cần thực hiện các giải pháp và kiến nghị nào nhằm hạn chế rủi ro phá sản đối với các NHTM tại Việt Nam trong thời gian tới?
Đối tượng và phạm vi nghiên cứu
- Đối tượng nghiên cứu của luận văn là các yếu tố ảnh hưởng đến rủi ro phá sản của các NHTM tại Việt Nam
Về không gian nghiên cứu: Các ngân hàng thương mại cổ phần (NHTMCP) tại Việt Nam (danh sách các ngân hàng xem tại phụ lục 1)
Về thời gian nghiên cứu: Số liệu thu thập từ năm 2008-2016.
Phương pháp nghiên cứu
Phương pháp nghiên cứu chính trong đề tài này là nghiên cứu định lượng, áp dụng mô hình kinh tế lượng để ước lượng mức độ ảnh hưởng của các yếu tố đến rủi ro phá sản của các ngân hàng thương mại tại Việt Nam trong giai đoạn 2008 - 2016.
Dữ liệu nghiên cứu được thu thập từ báo cáo tài chính (BCTC) của 25 ngân hàng thương mại cổ phần (NHTMCP) tại Việt Nam trong giai đoạn 2008 – 2016 Tuy nhiên, do một số NHTM không công bố BCTC đầy đủ qua các năm, thông tin thu thập không hoàn toàn đầy đủ.
- Sử dụng phần mềm STATA trong xử lý thống kê.
Nội dung nghiên cứu
Để đạt được các mục tiêu nghiên cứu, luận văn sẽ hệ thống hoá lý thuyết về rủi ro phá sản của ngân hàng thương mại (NHTM) cùng các yếu tố ảnh hưởng đến rủi ro này Nghiên cứu sẽ khảo sát các công trình thực nghiệm đã được công bố để xây dựng mô hình ước lượng các yếu tố tác động đến rủi ro phá sản của NHTM tại Việt Nam Dữ liệu sẽ được thu thập và xử lý theo mô hình đã xác định nhằm xác định và ước lượng các yếu tố ảnh hưởng đến rủi ro phá sản của các NHTM cổ phần tại Việt Nam Cuối cùng, kết quả từ mô hình nghiên cứu sẽ được phân tích để đề xuất các gợi ý chính sách phù hợp.
Đóng góp của đề tài
Nghiên cứu xác định và ước lượng các yếu tố ảnh hưởng đến rủi ro phá sản của các ngân hàng thương mại cổ phần (NHTMCP) tại Việt Nam sẽ cung cấp cơ sở khoa học thực nghiệm cho các NHTM và cơ quan quản lý Nhà nước về tiền tệ ngân hàng, từ đó hỗ trợ trong việc hoạch định các chính sách quản trị và quản lý hiệu quả hơn.
Kết cấu của đề tài
Ngoài phần mở đầu, kết luận và danh mục tài liệu tham khảo, đề tài được chia thành 5 chương sau:
CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
CƠ SỞ LÝ LUẬN VÀ CÁC BẰNG CHỨNG THỰC NGHIÊM VỀ CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN RỦI RO PHÁ SẢN NGÂN HÀNG THƯƠNG MẠI
Đo lường rủi ro phá sản NHTM
Một trong những nghiên cứu đầu tiên về phá sản doanh nghiệp là của Beaver
Năm 1966, trong nghiên cứu “Financial Ratios as Predictors of Failure”, Beaver chỉ ra rằng một trong những dấu hiệu nhận biết công ty có nguy cơ phá sản là không thanh toán được trái phiếu khi đến hạn, không chi trả cổ tức cho cổ phiếu ưu đãi và có tài khoản ngân hàng bị thấu chi Ông đã so sánh 6 tỷ số tài chính: dòng tiền trên tổng nợ, thu nhập ròng trên tổng tài sản, tổng nợ trên tổng tài sản, vốn lưu động trên tổng tài sản, tỷ lệ thanh toán hiện tại và khoảng phi tín dụng giữa các công ty vỡ nợ và không vỡ nợ Kết quả cho thấy sự khác biệt rõ rệt giữa hai nhóm này, cho thấy rằng có thể dự đoán nguy cơ vỡ nợ thông qua các tỷ số tài chính.
Kế thừa nghiên cứu của Beaver (1966), Altman (1968) đã đưa ra nghiên cứu
“Financial ratios, discriminant analysis and the prediction of corporate bankruptcy” (Các tỷ số tài chính, phân tích biệt số và dự báo phá sản công ty) Mô hình Altman
Z-score là một chỉ số được phát triển từ nghiên cứu thực nghiệm trên 66 doanh nghiệp sản xuất trong giai đoạn 1946 - 1965, bao gồm 33 doanh nghiệp phá sản và 33 doanh nghiệp không phá sản Chỉ số này kết hợp 5 tỷ số tài chính với các trọng số khác nhau, cho phép dự đoán chính xác đến 95% các công ty có khả năng phá sản trong vòng 1 năm và 72% trong vòng 2 năm Hiện nay, mô hình Z-score được áp dụng rộng rãi cho các doanh nghiệp sản xuất đã cổ phần hóa.
Năm 1977, Altman, Haldenman và Narayanan đã phát triển mô hình ZETA để xác định nguy cơ phá sản của các tập đoàn, sử dụng dữ liệu từ giai đoạn 1969 đến 1975 với 53 công ty phá sản và 58 công ty không phá sản Các công ty được phân loại thành hai nhóm: sản xuất và thương mại bán lẻ Đặc biệt, mô hình áp dụng phương pháp phân tích phân biệt số, một kỹ thuật phổ biến trong các mô hình dự báo sau này.
Mô hình dự báo cho thấy độ chính xác lên đến 95% trong việc xác định các công ty có nguy cơ phá sản trong vòng 1 năm và 70% trong vòng 5 năm Nghiên cứu chỉ ra rằng không có sự khác biệt đáng kể giữa các công ty trong lĩnh vực sản xuất và các lĩnh vực khác Tuy nhiên, mặc dù nghiên cứu cung cấp các biến để dự báo, nhưng không đưa ra hệ số cho các biến này, dẫn đến việc mô hình chưa được áp dụng rộng rãi và kiểm chứng tính thực tiễn trong các nghiên cứu khác Đến năm 2000, Altman và các cộng sự đã cải tiến mô hình dự báo này.
1968 thành ba mô hình dự báo khác nhau, trong đó có mô hình được áp dụng cho các doanh nghiệp phi sản xuất, trong đó có ngân hàng
In their 1986 study titled "The Profitability and Risk Effects of Allowing Bank Holding Companies to Merge with Other Financial Firms: A Simulation Study," Boyd and Graham explore the implications of bank mergers on profitability and risk They introduce the concept of the z-index, which is directly related to the probability of negative equity capital, summarized by the equation: z = μ + k.
Trong đó, μ đại diện cho trung bình lợi nhuận trên tài sản (phần trăm), k là tỷ lệ phần trăm vốn cổ phần trong tài sản, và σ là độ lệch chuẩn về lợi nhuận trên tài sản, phản ánh sự biến động Z đo lường mức độ giảm của lợi nhuận có thể ảnh hưởng đến vốn chủ sở hữu, dựa trên giả định về lợi nhuận bình thường của các ngân hàng Mức z cao hơn cho thấy khoảng cách lớn hơn đến tình trạng cạn kiệt tài sản, từ đó cho thấy sự ổn định của các ngân hàng được nâng cao.
Boyd và các cộng sự đã phát triển mô hình Z-score, một công cụ hữu ích để đánh giá nguy cơ mất khả năng thanh toán trong các hệ thống tín dụng và ngân hàng.
Z-score ROA+ Vốn chủ sở hữu bình quân
Chỉ số Z-score là một công cụ quan trọng để đánh giá mức độ rủi ro mất khả năng thanh toán của ngân hàng, với giá trị càng cao cho thấy rủi ro càng thấp Năm 1988, Hannan và Hanweck đã phát triển chỉ số này, giúp các nhà đầu tư và quản lý ngân hàng có cái nhìn rõ hơn về tình hình tài chính của tổ chức.
Z-score ROA bình quân+ Vốn chủ sở hữu
Chỉ số Z-score phản ánh mối quan hệ giữa rủi ro danh mục ngân hàng và vốn chủ sở hữu (VCSH), cho thấy rằng rủi ro mất khả năng thanh toán phụ thuộc vào hai yếu tố này Khi thu nhập giảm, vốn sẽ bị thâm hụt, dẫn đến tình trạng khánh kiệt của ngân hàng và tăng nguy cơ phá sản.
Cihak & Hesse (2008), để lượng hóa sự ổn định, nghiên cứu áp dụng chỉ số
Z-score được tính như sau:
Z-score ROA Bình quân+ Vốn chủ sở hữu bình quân
Tổng tài sản bình quân Độ lệch chuẩn của ROA
Theo Foos (2010) đưa nghiên cứu bổ sung sử dụng chỉ số Z-score như sau
Z-score Bình quân(ROA + Vốn chủ sở hữu
Tổng tài sản ) Độ lệch chuẩn của ROA
Chỉ số Z-score đã trở thành công cụ quan trọng trong các nghiên cứu về sức khỏe và rủi ro mất khả năng thanh toán của ngân hàng Gần đây, nhiều nghiên cứu đã áp dụng công thức tính Z-score theo Cihak & Hesse (2008), bao gồm các tác phẩm của Dan J Jordan và cộng sự (2010), Nguyễn Thanh Dương (2013), và Phan Thị Nhi Khánh (2016).
Các yếu tố ảnh hưởng đến rủi ro phá sản của NHTM
Các nghiên cứu trước đây đã xác định hai nhóm yếu tố chính ảnh hưởng đến rủi ro phá sản: yếu tố bên trong và yếu tố bên ngoài.
Ngày nay, có nhiều lý thuyết về các yếu tố ảnh hưởng đến hoạt động của ngân hàng thương mại (NHTM), trong đó hai mô hình phổ biến là CAMELS và FIRST Mô hình CAMELS, được áp dụng từ những năm 1970 tại Mỹ, dựa trên báo cáo tài chính và sử dụng thang điểm từ 1-5 để đánh giá ngân hàng qua 6 yếu tố: vốn, chất lượng tài sản, quản lý, lợi nhuận, thanh khoản và độ nhạy cảm rủi ro Ngược lại, mô hình FIRST của Nhật Bản xem xét 10 yếu tố, trong đó chú trọng nhiều đến các yếu tố phi tài chính như quản lý rủi ro và bảo vệ khách hàng Các công ty xếp hạng độc lập như Moody's và Standard & Fitch cũng cung cấp kết quả xếp hạng ngân hàng, nhưng thường tập trung vào khả năng sinh lời tương lai hơn là nguy cơ phá sản Mô hình CAMELS được áp dụng rộng rãi và được công nhận như một phương pháp phân tích tài chính hiệu quả trong ngành ngân hàng, giúp dự đoán tình trạng sức khỏe của ngân hàng và xác định giá trị của nó với độ tin cậy cao Nghiên cứu của Yaraslau Taran (2012) và các tác giả khác cũng xác định các yếu tố ảnh hưởng đến rủi ro phá sản ngân hàng.
(2014) đã dụng mô hình CAMEL đề xác định các biến độc lập
Hệ thống đánh giá CAMEL, do Cục Quản lý các tổ hợp tín dụng Hoa Kỳ (NCUA) phát triển, đã được áp dụng không chỉ ở Hoa Kỳ mà còn ở nhiều quốc gia trên thế giới Sau khủng hoảng kinh tế châu Á năm 1997, Quỹ Tiền tệ Quốc tế và Nhóm Ngân hàng Thế giới đã khuyến nghị hệ thống này như một giải pháp quan trọng để tái thiết khu vực tài chính ở các quốc gia bị ảnh hưởng.
CAMELS là viết tắt của sáu yếu tố quan trọng mà theo đánh giá của cộng đồng ngân hàng quốc tế, các ngân hàng cần phải có để duy trì tính lành mạnh và ổn định Những yếu tố này bao gồm: Độ sinh lời, Chất lượng tài sản, Quản lý, Thanh khoản, Vốn, và Độ nhạy cảm với rủi ro Việc đánh giá những yếu tố này giúp xác định sức khỏe tài chính và khả năng hoạt động bền vững của ngân hàng.
Capital adequacy (Mức độ an toàn vốn),
Asset quality (Chất lượng tài sản),
Management Ability (Năng lực quản lý),
Liquidity risk (Rủi ro thanh khoản),
Mức độ nhạy cảm với rủi ro thị trường là một trong 6 yếu tố trong hệ thống đánh giá nhằm kiểm tra và giám sát an toàn, vững mạnh của các ngân hàng thương mại (NHTM), được quy định trong đạo luật FDICIA của Mỹ.
Hệ thống đánh giá CAMELS cho điểm từ 1 đến 5 cho 6 yếu tố, tạo ra mức điểm tổng hợp tương tự Ngân hàng với điểm tổng hợp từ 1 đến 2 được coi là an toàn, trong khi từ 3 đến 5 không đáp ứng yêu cầu Ưu điểm của mô hình này là các tiêu chí đánh giá năng lực và tình hình tài chính được định lượng và áp dụng đồng nhất cho tất cả ngân hàng Điều này cho phép đánh giá hiệu quả và mức độ rủi ro của tổ chức tín dụng một cách dễ dàng qua các xếp hạng trong nhiều thời kỳ liên tiếp với các chỉ tiêu thống nhất.
2.3.1.1 Capital adequacy (Mức độ an toàn vốn)
Mức độ an toàn vốn của ngân hàng thương mại (NHTM) phản ánh số vốn tự có hỗ trợ hoạt động kinh doanh Dù vốn tự có chỉ chiếm tỷ lệ nhỏ trong tổng nguồn vốn, nhưng nó là điều kiện tiên quyết cho việc thành lập, vận hành và phát triển ngân hàng Theo nghiên cứu của Nguyễn Thị Cẩm Giang và cộng sự (2013), có một số chỉ tiêu quan trọng để đánh giá mức độ an toàn vốn của NHTM.
CAR- tỷ lệ an toàn vốn
CAR = (Vốn cấp I + Vốn cấp II) / (Tài sản đã điều chỉnh rủi ro)
Theo nghiên cứu của Nguyễn Văn Chương và cộng sự (2013), tỷ số VCSH/Tổng huy động giúp ngân hàng đánh giá khả năng thanh toán nợ và đối phó với rủi ro như rủi ro tín dụng và vận hành Khi ngân hàng duy trì tỷ số này, họ tạo ra một tấm đệm tài chính để bảo vệ bản thân và người gửi tiền khỏi cú sốc Đòn bẩy tài chính, thể hiện qua tỷ số này, không chỉ cho thấy sự tuân thủ quy định mà còn phản ánh khả năng bảo vệ ngân hàng trước rủi ro Các nghiên cứu của Andrew Logan (2001), Yaraslau Taran (2012), Nguyễn Thanh Dương (2013), và Nguyễn Hữu Thạch (2015) đều cho rằng tỷ số này tăng lên sẽ giảm nguy cơ phá sản của ngân hàng thương mại Ngược lại, Montgomery và cộng sự (2003) cho rằng biến động tỷ số này không có ảnh hưởng đáng kể đến nguy cơ phá sản do hệ số rất nhỏ.
2.3.1.2 Asset quality (Chất lượng tài sản Có)
Tài sản Có của ngân hàng thương mại (NHTM) bao gồm tiền mặt, chứng khoán ngắn hạn, cho vay, đầu tư và tài sản cố định Để đảm bảo hoạt động an toàn và có lãi, ngân hàng cần xác định quy mô, cơ cấu và chất lượng các thành phần trong tài sản Có, trong đó cho vay đóng vai trò quan trọng nhất Quản lý cho vay kém có thể dẫn đến rủi ro tín dụng và nợ xấu, gây nguy cơ đổ vỡ ngân hàng Khi thị trường nhận thấy chất lượng tài sản kém, niềm tin vào ngân hàng sẽ suy giảm, dẫn đến rủi ro thanh khoản do người gửi tiền ồ ạt rút tiền Ngoài ra, việc không khai thác hết tiềm năng sinh lời của tài sản Có cũng có thể gây ra rủi ro về nguồn vốn.
Một số chỉ tiêu phản ánh chất lượng tài sản Có của NHTM:
Tỷ số nợ xấu trên tổng dư nợ của ngân hàng là chỉ số quan trọng phản ánh sức khỏe tài chính của ngân hàng, với tỷ số càng nhỏ càng tốt Nợ xấu không chỉ đo lường rủi ro tín dụng mà còn cho thấy nguy cơ khách hàng không thể trả nợ, dẫn đến khả năng mất vốn và giảm doanh thu, từ đó gây khó khăn cho ngân hàng (Montgomery và ctg (2003); Halling M., Hayden E (2006)).
Tỷ số DPRR tín dụng/Tổng dư nợ cho vay, bao gồm dự phòng của ngân hàng, có mối liên hệ chặt chẽ với rủi ro tín dụng Nguyễn Hữu Thạch (2015) chỉ ra rằng tỷ số cao đồng nghĩa với rủi ro tín dụng tăng, dẫn đến nợ xấu gia tăng, chất lượng tài sản giảm sút, lợi nhuận sụt giảm và khả năng phá sản của ngân hàng thương mại (NHTM) tăng lên Nghiên cứu của Andrea M Maechler và cộng sự (2009) cũng cho thấy mối quan hệ tương tự khi xem xét tỷ số DPRR tín dụng/doanh thu thuần Tuy nhiên, Nguyễn Thanh Dương (2013) lại cho rằng tỷ số này không ảnh hưởng đến rủi ro phá sản của NHTM.
Tỷ số Chi phí DPRR tín dụng/Thu nhập lãi thuần của ngân hàng Nguyễn
Theo Thanh Dương (2013), tỷ số này không chỉ phản ánh chất lượng tài sản mà còn giúp theo dõi tình hình nợ xấu và ảnh hưởng của nó đến thu nhập Khi thu nhập không đủ để bù đắp rủi ro, ngân hàng sẽ gặp khó khăn trong việc đạt được mục tiêu tạo lợi nhuận.
Chi phí dự phòng rủi ro tín dụng (DPRR) tăng lên trong năm 2016 cho thấy chất lượng tài sản cho vay giảm và nợ xấu gia tăng, điều này ảnh hưởng đến thu nhập do việc xử lý nợ xấu bằng nguồn dự phòng Theo nghiên cứu của Dan J Jordan và cộng sự (2010), tỷ số chi phí dự phòng nợ xấu trên tổng nợ cao hơn cho thấy khả năng thất bại của ngân hàng cũng cao hơn Ngược lại, nghiên cứu của Halling chỉ ra những khía cạnh khác liên quan đến tình hình tài chính ngân hàng.
Theo M & Hayden E (2006), tỷ số này có mối quan hệ nghịch biến với rủi ro, vì các ngân hàng có tình hình tài chính ổn định thường chủ động tăng cường dự phòng Ngược lại, những ngân hàng gặp khó khăn thường cố gắng giảm thiểu chi phí dự phòng ở mức thấp nhất.
2.3.1.3 Management ability (Năng lực quản lý)
Năng lực quản lý là yếu tố then chốt đánh giá hiệu quả hoạt động của ngân hàng thương mại (NHTM), thể hiện qua các quyết định và quy trình được thực hiện để đạt mục tiêu của hội đồng quản trị Sự kiểm soát tuân thủ và hệ thống thông tin quản lý cũng cần phải đầy đủ và chặt chẽ Nếu năng lực quản lý yếu kém, ngân hàng dễ mắc phải sai lầm trong kinh doanh, như đầu tư vào các ngành nghề rủi ro cao mà không lường trước được khủng hoảng, hoặc bỏ sót dấu hiệu vi phạm quy trình từ cấp dưới Những vấn đề này có thể dẫn đến nguy cơ phá sản cho NHTM.
PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU
Thiết kế nghiên cứu
Nghiên cứu áp dụng phương pháp định lượng với dữ liệu bảng, sử dụng kỹ thuật phân tích hồi quy tuyến tính đa biến để đánh giá ảnh hưởng của các biến độc lập đến biến phụ thuộc trong mô hình Các bước thực hiện được tiến hành một cách cụ thể và có hệ thống.
Nghiên cứu sẽ kiểm tra hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình bằng cách sử dụng hệ số nhân tử phóng đại phương sai (VIF) Nếu hệ số VIF lớn hơn hoặc bằng 10, hiện tượng đa cộng tuyến sẽ được đánh giá là nghiêm trọng (Gujrati, 2003).
Nghiên cứu hồi quy được thực hiện qua ba phương pháp: hồi quy tuyến tính theo phương pháp bình phương nhỏ nhất tổng quát (Pooled OLS), hồi quy ảnh hưởng cố định (FEM) và hồi quy ảnh hưởng ngẫu nhiên (REM) Để xác định phương pháp hồi quy phù hợp nhất, các kiểm định như F-test và kiểm định Breusch and Pagan Lagrangian Multiplier được áp dụng.
Năm 1979, kiểm định F-test được sử dụng để lựa chọn giữa mô hình Pooled OLS và mô hình FEM Để xác định mô hình Pooled OLS hay mô hình REM, ta áp dụng kiểm định Breusch and Pagan Lagrangian Multiplier Cuối cùng, để phân biệt giữa mô hình FEM và REM, kiểm định Hausman được sử dụng.
Sau khi chọn được mô hình phù hợp, nghiên cứu sẽ kiểm định hiện tượng tự tương quan và phương sai của sai số thay đổi Nếu có hiện tượng tự tương quan hoặc phương sai thay đổi, nghiên cứu sẽ chuyển sang sử dụng phương pháp bình phương bé nhất tổng quát khả thi (General Least Square – GLS) Theo Wooldridge (2002), phương pháp này rất hữu ích trong việc kiểm soát các hiện tượng này.
Thu thập và xử lý số liệu
3.3.1 Cỡ mẫu Đối với phân tích hồi quy đa biến: cỡ mẫu tối thiểu cần đạt được tính theo công thức là 50 + 8 x m (m: số biến độc lập) (Tabachnick và Fidell, 1996) Với dữ liệu bảng bao gồm 25 NHTM, thu thập số liệu từ năm 2008 đến 2016, tuy nhiên số liệu được tính trung bình nên số năm tính toán trong mô hình thực tế là 8 năm, như vậy mẫu nghiên cứu 25 x 8 = 200 quan sát, đáp ứng yêu cầu về độ phù hợp
3.3.2 Phương pháp thu thập và xử lý số liệu
Dữ liệu ngân hàng để xác định các biến độc lập được thu thập từ báo cáo tài chính đã được kiểm toán của 25 ngân hàng thương mại Việt Nam trong giai đoạn 2008-2016, với các yếu tố ảnh hưởng được tính toán dựa trên giá trị trung bình của hai năm liên tiếp.
Dữ liệu vĩ mô như GDP và lạm phát được thu thập từ báo cáo của Tổng cục Thống kê Việt Nam trong giai đoạn 2008-2016
Các dữ liệu thu thập sử dụng cho phân tích được thể hiện ở Phụ lục 2.
Phương pháp ước lượng
Tác giả bắt đầu bằng việc áp dụng các phương pháp thống kê mô tả để thực hiện phân tích sơ bộ các thuộc tính của mẫu nghiên cứu, bao gồm các chỉ số như giá trị lớn nhất, giá trị nhỏ nhất, giá trị trung bình, phương sai và độ lệch chuẩn.
Phương pháp bình phương nhỏ nhất tổng quát (Pooled OLS)
Cách tiếp cận đơn giản nhất trong phân tích hồi quy là giả định rằng các hệ số hồi quy, bao gồm hệ số chặn và hệ số góc, không thay đổi giữa các đối tượng quan sát và theo thời gian Một giả định quan trọng khác là các biến độc lập cần phải là biến ngoại sinh chặt, tức là không phụ thuộc vào các giá trị của sai số ngẫu nhiên trong quá khứ, hiện tại và tương lai Tuy nhiên, giả thiết này có thể không thực tế, vì các đối tượng quan sát có thể có hệ số chặn và hệ số góc không đồng nhất theo thời gian Hơn nữa, sai số ngẫu nhiên cũng có thể thay đổi giữa các đối tượng hoặc theo thời gian, hoặc cả hai.
Mô hình của phương pháp này:
Trong mô hình này, Y_it đại diện cho biến phụ thuộc của ngân hàng thứ i tại thời điểm t, trong khi X_it là các biến độc lập Hệ số chặn được ký hiệu là β_0 cho các ngân hàng quan sát, β là hệ số góc, và u_it là phần dư của mô hình.
Điểm yếu chính của mô hình Pooled OLS là không thể xác định được sự biến đổi trong phản ứng của biến phụ thuộc giữa các ngân hàng và theo thời gian Khi cố gắng "gộp" các đặc trưng riêng của từng ngân hàng vào sai số ngẫu nhiên, điều này có thể dẫn đến sự tương quan giữa sai số ngẫu nhiên và biến độc lập, vi phạm giả định của mô hình hồi quy tuyến tính cổ điển Hệ quả là, các ước lượng thu được có thể bị chệch và không vững.
Phương pháp tác động cố định (Fixed Effects-FEM)
Phương pháp FEM phân tích mối quan hệ giữa phần dư của từng ngân hàng và các biến độc lập, nhằm kiểm soát và tách biệt ảnh hưởng của các đặc điểm riêng biệt (không thay đổi theo thời gian) khỏi các biến độc lập Điều này cho phép ước lượng chính xác các ảnh hưởng thực (net effects) của biến độc lập lên biến phụ thuộc Mô hình ước lượng sử dụng trong phương pháp này là một công cụ quan trọng để phân tích dữ liệu ngân hàng.
Phương pháp tác động cố định đã bổ sung chỉ số i vào hệ số chặn β i, cho phép phân biệt hệ số chặn giữa các ngân hàng khác nhau Sự khác biệt này có thể xuất phát từ đặc điểm riêng của từng ngân hàng hoặc từ sự khác nhau trong chính sách quản lý và hoạt động của họ.
Mô hình này có thể gặp hạn chế khi có quá nhiều biến độc lập là biến giả hoặc khi các biến độc lập xảy ra hiện tượng đa cộng tuyến, dẫn đến ước lượng không chính xác.
Phương pháp tác động ngẫu nhiên (Random Effects - REM) khác biệt với phương pháp tác động cố định ở chỗ sự biến động giữa các ngân hàng Trong mô hình tác động cố định, sự biến động này có thể tương quan với biến độc lập, trong khi ở mô hình tác động ngẫu nhiên, sự biến động giữa các ngân hàng được giả định là ngẫu nhiên và không có mối quan hệ với các biến độc lập.
Nếu sự khác biệt giữa các ngân hàng ảnh hưởng đến biến phụ thuộc, phương pháp REM sẽ phù hợp hơn so với FEM Trong phương pháp này, phần dư của mỗi ngân hàng, không tương quan với biến độc lập, được coi là một biến độc lập mới Mô hình ước lượng trong phương pháp REM có dạng cụ thể.
Mô hình hồi quy được biểu diễn bằng công thức Y it = β 0 + ∑β i X it + u it + e it, trong đó e i đại diện cho sai số thành phần của các ngân hàng khác nhau, phản ánh đặc điểm riêng biệt của từng ngân hàng Đồng thời, u it thể hiện sai số thành phần kết hợp, bao gồm cả đặc điểm riêng của từng ngân hàng và yếu tố theo thời gian.
Phương pháp REM và FEM đều có ưu điểm riêng trong nghiên cứu, nhưng sự lựa chọn giữa hai phương pháp này phụ thuộc vào giả định về mối tương quan giữa sai số e i và biến độc lập X Nếu giả định không có tương quan, phương pháp FEM sẽ là lựa chọn tối ưu; ngược lại, nếu có sự tương quan, phương pháp REM sẽ phù hợp hơn.
Để lựa chọn giữa phương pháp Pooled OLS và phương pháp FEM, ta thực hiện kiểm định F-test với giả thuyết H0 là chọn Pooled Regression Việc so sánh này giúp xác định phương pháp phù hợp nhất cho phân tích dữ liệu.
Kiểm định F phải có giá trị p-value nhỏ hơn α (1%, 5%, 10%) để kiểm chứng mức độ phù hợp của mô hình hồi quy với tổng thể
Nếu p-value F α thì chấp nhận giả thuyết H 0
So sánh giữa phương pháp REMvà phương pháp FEM
Theo Baltagi (2008) và Gujarati (2004), kiểm định Hausman được áp dụng để xác định phương pháp ước lượng tối ưu giữa tác động cố định và tác động ngẫu nhiên Giả thuyết H0 trong kiểm định này cho rằng không có mối liên hệ giữa sai số đặc trưng của các đối tượng u i và các biến độc lập X it trong mô hình.
- Nếu p-value < α thì bác bỏ giả thuyết H0
- Nếu p-value > α thì chấp nhận giả thuyết H 0
Theo giả thuyết H0, ước lượng REM được xem là hợp lý, nhưng không phù hợp với giả thuyết thay thế Ngược lại, ước lượng FEM là hợp lý cho cả hai giả thuyết Khi giả thuyết H0 bị bác bỏ, ước lượng tác động cố định (FEM) được coi là phù hợp hơn so với ước lượng tác động ngẫu nhiên (REM) Tuy nhiên, nếu chưa có đủ bằng chứng để bác bỏ H0 và có sự tương quan giữa sai số và các biến độc lập, thì ước lượng tác động cố định sẽ không còn phù hợp, lúc này ước lượng ngẫu nhiên sẽ được ưu tiên sử dụng.
Phương pháp bình phương bé nhất tổng quát khả thi (General Least Square - GLS) được áp dụng khi đã biết dạng thay đổi của phương sai sai số Phương pháp này sử dụng các phép biến đổi tương đương để chuyển đổi về một mô hình mới, trong đó sai số ngẫu nhiên có phương sai không đổi Sau đó, phương pháp OLS được sử dụng để ước lượng mô hình mới Để minh họa cho phương pháp GLS, chúng ta sẽ xem xét mô hình có hiện tượng phương sai sai số thay đổi.
