GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
Sự cần thiết nghiên cứu
Ngành Ngân hàng Việt Nam đã có những đổi mới quan trọng và tiến sâu vào hội nhập quốc tế, đặc biệt với việc ký kết nhiều hiệp định thương mại tự do (FTA) Sự gia nhập Tổ chức Thương mại Thế giới (WTO), Cộng đồng Kinh tế ASEAN (AEC) và Hiệp định Đối tác Toàn diện và Tiến bộ xuyên Thái Bình Dương (CPTPP) đã mở ra nhiều cơ hội cũng như thách thức cho hệ thống ngân hàng Mặc dù có những lợi ích như tiếp cận nguồn vốn và chuyển giao công nghệ, ngành Ngân hàng cũng phải đối mặt với áp lực điều chỉnh và cải cách để phát triển bền vững và ổn định, đặc biệt khi phải cạnh tranh với các đối thủ lớn ngay trong thị trường nội địa.
Trong những năm gần đây, hệ thống ngân hàng thương mại Việt Nam đang phải đối mặt với nhiều khó khăn, đặc biệt là vấn đề nợ xấu, gây tắc nghẽn dòng tín dụng và ảnh hưởng đến khả năng thanh khoản của ngân hàng Quản lý nợ xấu trở thành yếu tố quan trọng trong quá trình tái cấu trúc ngân hàng, bởi nó không chỉ gia tăng rủi ro thanh khoản và giảm lợi nhuận mà còn làm giảm uy tín của ngân hàng và có thể dẫn đến nguy cơ phá sản Nợ xấu cũng gây cản trở luân chuyển vốn, giảm đầu tư, dẫn đến thất nghiệp và đình trệ sản xuất kinh doanh Hơn nữa, nợ xấu còn tạo gánh nặng cho ngân sách quốc gia khi Chính Phủ phải chi nhiều hơn để xử lý, làm hạn chế đầu tư công và ảnh hưởng đến phát triển kinh tế và an sinh xã hội Do đó, nợ xấu là vấn đề trọng tâm trong quản lý rủi ro ngân hàng, với mục tiêu kiểm soát và xử lý nhằm giảm thiểu rủi ro trong hoạt động tín dụng.
“Yếu tố ảnh hưởng đến nợ xấu của các chi nhánh Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam tại tỉnh Bến Tre”.
Nghiên cứu các yếu tố ảnh hưởng đến nợ xấu là rất cần thiết để đề xuất giải pháp và kiến nghị nhằm cải thiện hoạt động ngân hàng và quản lý nợ xấu Vấn đề giảm thiểu nợ xấu thu hút sự quan tâm của các nhà nghiên cứu, quản trị ngân hàng và các nhà hoạch định chính sách trên toàn cầu.
Mục tiêu của đề tài
Mục tiêu nghiên cứu của luận văn là phân tích thực trạng nợ xấu tại các chi nhánh Agribank ở tỉnh Bến Tre, xác định các yếu tố ảnh hưởng và ước lượng tác động của những yếu tố này đến nợ xấu Nghiên cứu sẽ áp dụng phương pháp định lượng để đưa ra các giải pháp nhằm hạn chế và xử lý nợ xấu tại các chi nhánh Agribank trong khu vực.
- Phân tích thực trạng nợ xấu của các chi nhánh Agribank tại Tỉnh Bến Tre;
- Tìm ra các yếu tố ảnh hưởng đến nợ xấu của các chi nhánh Agribank tại TỉnhBến Tre;
- Phân tích chiều hướng và mức độ ảnh hưởng của các yếu tố đến nợ xấu của các chi nhánh Agribank tại Tỉnh Bến Tre;
- Đề xuất các giải pháp để hạn chế nợ xấu của các chi nhánh Agribank tại TỉnhBến Tre trong thời gian tới
Câu hỏi nghiên cứu
Để thực hiện mục tiêu nghiên cứu đặt ra, nội dung luận văn là tìm trả lời cho các câu hỏi trọng tâm như sau:
Thứ nhất, thực trạng nợ xấu của các chi nhánh Agribank tại Tỉnh Bến Tre diễn ra như thế nào?
Thứ hai, các yếu tố nào ảnh hưởng đến nợ xấu của các chi nhánh Agribank tại Tỉnh Bến Tre?
Thứ ba, chiều hướng và mức độ ảnh hưởng của các yếu tố đến nợ xấu của các chi nhánh Agribank tại Tỉnh Bến Tre như thế nào?
Thứ tư, giải pháp và kiến nghị để hạn chế và xử lý nợ xấu của các chi nhánhAgribank tại Tỉnh Bến Tre là gì?
Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu của đề tài là các yếu tố ảnh hưởng đến nợ xấu tại các chi nhánh Agribank trên địa bàn Tỉnh Bến Tre.
Về Phạm vi nghiên cứu:
- Phạm vi về không gian: Nghiên cứu các yếu tố ảnh hưởng đến nợ xấu tại 11 chi nhánh Agribank trên địa bàn Tỉnh Bến Tre.
- Phạm vi về thời gian: Từ năm 2014 đến hết năm 2018.
Phương pháp nghiên cứu
Phương pháp thống kê, mô tả nhằm đánh giá được thực trạng nợ xấu của các chi nhánh Agribank trên địa bàn Tỉnh Bến Tre
Phương pháp định lượng trong nghiên cứu sử dụng dữ liệu theo năm từ báo cáo hoạt động kinh doanh của Agribank Hội sở Tỉnh Bến Tre và 10 chi nhánh huyện thành phố trong giai đoạn 2014-2018 Ngoài ra, các số liệu kinh tế vĩ mô được thu thập từ Tổng cục Thống kê.
Việt Nam Nghiên cứu sử dụng dữ liệu theo thời gian và không gian, do đó, phương pháp hồi quy với dữ liệu bảng dự kiến sẽ được áp dụng Trong phân tích hồi quy bằng dữ liệu bảng, có thể sử dụng ba mô hình khác nhau.
Mô hình Pooled OLS, hay mô hình bình phương tối thiểu dạng gộp, giúp ước lượng các tham số mà không bị chệch Tuy nhiên, mô hình này không thể kiểm soát các đặc điểm riêng biệt của từng chi nhánh Agribank tại tỉnh Bến Tre trong quá trình nghiên cứu.
Mô hình tác động cố định (FEM) được phát triển từ mô hình Pooled OLS, cho phép kiểm soát các đặc điểm khác nhau giữa các chi nhánh Agribank tại tỉnh Bến Tre Mô hình này cũng xem xét sự tương quan giữa phần dư và các biến độc lập, giúp nâng cao độ chính xác trong phân tích dữ liệu.
Mô hình tác động ngẫu nhiên (REM) được phát triển từ mô hình Pooled OLS, cho phép kiểm soát các đặc điểm khác nhau giữa các chi nhánh Agribank tại tỉnh Bến Tre Mô hình này đảm bảo không có sự tương quan giữa phần dư và các biến độc lập, giúp cải thiện độ chính xác trong phân tích.
Sau đó, tác giả tiếp tục sử dụng kiểm định Hausman để xác định lựa chọn mô hình FEM hay mô hình REM là phù hợp để nghiên cứu.
Xác định mục tiêu nghiên cứu
Tổng quan nghiên cứu trong và ngoài nước
Xây dựng mô hình nghiên cứu
Thu thập dữ liệu, làm sạch và nhập vào phần mềm excel và eviews
Chạy dữ liệu và đưa ra kết quả nghiên cứu Đề xuất giải pháp
Thiết kế khung nghiên cứu
Tìm ra các yếu tố ảnh hưởng
Nguồn: Tổng hợp của tác giả
Đóng góp của đề tài
Dựa trên việc kế thừa lý thuyết và thực tiễn từ nhiều nghiên cứu trước về các yếu tố tác động đến nợ xấu, luận văn này dự kiến sẽ đóng góp một số điểm quan trọng.
Tác giả dự kiến sẽ xác định các yếu tố ảnh hưởng đến nợ xấu thông qua việc khảo sát lý thuyết và nghiên cứu của các tác giả trong và ngoài nước Nghiên cứu sẽ tổng hợp nguyên nhân gây ra nợ xấu, bao gồm cả nhóm yếu tố định tính và định lượng.
Bài viết này tập trung vào việc phân tích thực trạng nợ xấu tại các chi nhánh Agribank ở tỉnh Bến Tre, dựa trên các lý luận về các yếu tố ảnh hưởng đến nợ xấu Tác giả sẽ đưa ra các đề xuất và giải pháp nhằm cải thiện tỷ lệ nợ xấu, từ đó nâng cao hiệu quả hoạt động của các chi nhánh Agribank tại khu vực này.
Bố cục của luận văn
Ngoài phần kết luận, phụ lục và danh mục các tài liệu tham khảo, luận văn được chia ra làm năm chương:
Chương 1: Giới thiệu về đề tài nghiên cứu
Chương 2: Cơ sở lý luận về nợ xấu và các yếu tố ảnh hưởng đến nợ xấu của các ngân hàng thương mại;
Chương 3: Mô hình nghiên cứu
Chương 4: Kết quả nghiên cứu và thảo luận
Chương 5: Giải pháp và kiến nghị
CƠ SỞ LÝ LUẬN VỀ NỢ XẤU VÀ CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU CỦA NGÂN HÀNG THƯƠNG MẠI
Khái niệm về nợ xấu của Ngân hàng thương mại
Theo các sách giáo khoa tài chính, nợ xấu thường được gọi là “bad debt”, “non-performing loan” hay “doubtful debt” Các khoản vay này được phân loại là nợ xấu khi quá hạn thanh toán gốc và lãi từ 90 ngày trở lên.
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 chỉ nên được sử dụng như hướng dẫn cho các ngân hàng, không nên 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, hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc chậm trả theo thỏa thuận Ngoài ra, nợ xấu cũng có thể bao gồm các khoản phải thanh toán đã quá hạn dưới 90 ngày nhưng có lý do chắc chắn để nghi ngờ về khả năng thanh toán 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.
Theo Ủy ban Basel về Giám sát Ngân hàng (BCBS), không có định nghĩa cụ thể về nợ xấu, nhưng trong hướng dẫn về quản lý rủi ro tín dụng, BCBS xác định rằng một khoản nợ được coi là không có khả năng hoàn trả khi xảy ra một trong hai điều kiện: (i) ngân hàng nhận thấy người vay không có khả năng trả nợ đầy đủ mà chưa thực hiện biện pháp thu hồi nào, như giải chấp tài sản; (ii) người vay đã quá hạn trả nợ trên 90 ngày.
Theo Hướng dẫn tính toán các chỉ số lành mạnh tài chính của Quỹ tiền tệ thế giới (IMF), nợ xấu được định nghĩa là khoản vay có tình trạng quá hạn thanh toán gốc hoặc lãi từ 90 ngày trở lên Nợ xấu cũng bao gồm các khoản lãi đã quá hạn 90 ngày và đã được vốn hóa, cơ cấu lại hoặc trì hoãn theo thỏa thuận, cũng như các khoản thanh toán đến hạn chưa được thực hiện.
Trong vòng 90 ngày, có thể nhận diện các dấu hiệu rõ ràng cho thấy người vay khó có khả năng hoàn trả nợ, chẳng hạn như trường hợp phá sản Khi khoản vay được phân loại là nợ xấu, nó cùng với bất kỳ khoản vay thay thế nào cũng cần được xếp vào danh mục nợ xấu cho đến khi có quyết định xóa nợ hoặc thu hồi được cả lãi và gốc của khoản vay thay thế.
Chuẩn mực kế toán quốc tế (IAS) liên quan đến ngân hàng thường sử dụng thuật ngữ "khoản nợ giảm giá trị" thay vì "nợ xấu" Theo IAS 39, việc phân loại một khoản vay là bị giảm giá trị cần phải có bằng chứng khách quan Chuẩn mực này nhấn mạnh khả năng hoàn trả của khoản vay, bất kể thời gian quá hạn có thể lên tới 90 ngày hoặc chưa quá hạn Để đánh giá khả năng trả nợ của khách hàng, các phương pháp thường được áp dụng bao gồm phân tích dòng tiền tương lai chiết khấu hoặc xếp hạng khoản vay của khách hàng.
Nợ xấu được hiểu qua hai khía cạnh chính: Thứ nhất, về định lượng, nợ xấu là khoản nợ gốc hoặc lãi quá hạn thanh toán trên 90 ngày; Thứ hai, về định tính, nợ xấu là khoản nợ có dấu hiệu rõ ràng về khả năng không hoàn trả đầy đủ.
2.1.1 Tác động của nợ xấu
2.1.1.1 Tác động của nợ xấu đến hoạt động của Ngân hàng thương mại
Nợ xấu ảnh hưởng tới khả năng thanh khoản của ngân hàng:
Khi ngân hàng đối mặt với tỷ lệ nợ xấu cao và không thể thu hồi nguồn vốn cho vay, áp lực thanh toán các khoản tiền gửi và lãi suất thường xuyên gia tăng, dẫn đến nguy cơ giảm khả năng thanh khoản Sự suy giảm này khiến ngân hàng trở nên thận trọng hơn trong việc cho vay khách hàng mới, thậm chí có thể ngừng giải ngân cho các hồ sơ vay mới, chỉ duy trì dư nợ tín dụng hiện tại hoặc giải ngân cho khách hàng lâu năm Đồng thời, ngân hàng cũng tích cực triển khai các biện pháp xử lý và thu hồi nợ xấu nhằm cân đối nguồn vốn và giảm bớt áp lực thanh khoản.
Nợ xấu làm giảm lợi nhuận của ngân hàng:
Nợ xấu gia tăng dẫn đến việc ngân hàng phải tăng trích lập dự phòng rủi ro, làm gia tăng chi phí và giảm lợi nhuận kinh doanh Nếu không có biện pháp xử lý nợ xấu, tình trạng này có thể kéo dài và ảnh hưởng nghiêm trọng đến báo cáo thu nhập của ngân hàng Những khoản vay này có khả năng trở thành nợ nhóm 4 (nợ nghi ngờ) hoặc nhóm 5 (nợ có khả năng mất vốn), với tỷ lệ trích lập dự phòng cao lên đến 50% và 100% Điều này sẽ làm cho chi phí trích lập rủi ro của ngân hàng ngày càng tăng Đặc biệt, nếu các khoản vay lớn chỉ có tài sản đảm bảo đủ cho dư nợ vay, tình hình tài chính của ngân hàng sẽ càng trở nên khó khăn hơn.
Nợ xấu làm giảm uy tín của ngân hàng:
Nợ xấu gia tăng và thanh khoản ngân hàng gặp khó khăn đã ảnh hưởng trực tiếp đến quyền lợi của cổ đông và nhà đầu tư Khi tình trạng nợ xấu kéo dài, các nhà đầu tư có thể thoái vốn do mất niềm tin vào sự phát triển của ngân hàng Thông tin về nợ xấu do sự thiếu trách nhiệm và đạo đức kém của cán bộ ngân hàng có thể dẫn đến tranh chấp pháp lý và thiệt hại tài sản, gây ra hậu quả nghiêm trọng Khách hàng sẽ rút tiền gửi do thiếu niềm tin vào khả năng giữ tiền của ngân hàng, khiến ngân hàng khó khăn trong việc huy động vốn và thu hút khách hàng mới Điều này làm suy giảm khả năng cạnh tranh, thu hẹp thị phần và ảnh hưởng nghiêm trọng đến lợi nhuận kinh doanh của ngân hàng.
Nợ xấu có thể làm phá sản ngân hàng:
Tỷ lệ nợ xấu gia tăng đang ảnh hưởng nghiêm trọng đến lợi nhuận, uy tín và thị phần của ngân hàng, đồng thời làm giảm khả năng thanh khoản Nếu tình trạng này tiếp diễn mà không có biện pháp khắc phục hiệu quả từ ban lãnh đạo ngân hàng và sự hỗ trợ kịp thời từ Ngân hàng Nhà nước, nguy cơ phá sản là hoàn toàn có thể xảy ra.
2.1.1.2 Tác động của nợ xấu đến khách hàng
Khi khách hàng rơi vào tình trạng nợ xấu, ngân hàng sẽ hạ thấp điểm tín dụng của họ, dẫn đến việc giảm hạn mức tín dụng, ngưng giải ngân hoặc thu hồi nợ vay trước hạn Thông tin nợ xấu sẽ được cập nhật trên Trung tâm thông tin tín dụng của NHNN (CIC), khiến việc vay vốn từ ngân hàng khác trở nên khó khăn Nếu khách hàng không có thiện chí trả nợ, ngân hàng sẽ khởi kiện và tiến hành các biện pháp phát mãi tài sản để thu hồi nợ, làm cho khách hàng mất quyền kiểm soát tài sản của mình Hơn nữa, giá trị tài sản khi bị phát mãi thường thấp hơn giá trị thực trên thị trường, gây thiệt hại lớn cho khách hàng.
Nợ xấu tại các doanh nghiệp gây khó khăn trong việc xin cấp hạn mức tín dụng mới và vay vốn từ ngân hàng khác, đặc biệt là đối với các doanh nghiệp vừa và nhỏ có năng lực tài chính yếu Việc nguồn vốn vay bị cắt giảm khiến họ phải hoạt động cầm chừng, không đủ khả năng chi trả các chi phí sản xuất, dẫn đến tình trạng nhiều doanh nghiệp bị khánh kiệt và phá sản trong khi vẫn còn nợ xấu với ngân hàng.
2.1.1.3 Tác động của nợ xấu đến nền kinh tế
Nợ xấu gia tăng đang trở thành mối lo ngại lớn đối với Chính Phủ, chuyên gia, ngân hàng thương mại và toàn dân, vì nó ảnh hưởng nghiêm trọng đến nền kinh tế, làm tắc nghẽn dòng vốn đầu tư và đe dọa an toàn tài chính quốc gia Hệ quả tiêu cực của nợ xấu không chỉ cản trở sự phát triển bền vững mà còn tác động xấu đến sự ổn định của nền kinh tế.
Tình trạng nợ xấu gia tăng đang tạo ra gánh nặng lớn cho ngân sách trong việc xử lý nợ, đặt ra câu hỏi về nguồn kinh phí để giải quyết vấn đề này Các ngân hàng không thể tự mình xử lý nợ xấu do con số quá lớn, dẫn đến việc phải phụ thuộc vào ngân sách Nhà nước Mặc dù nguồn vốn chủ yếu để xử lý nợ xấu đến từ quỹ dự phòng rủi ro của các tổ chức tín dụng, nhưng tác động của nó đến ngân sách nhà nước là rất đáng kể Về lâu dài, việc xử lý nợ xấu có thể gây ra bội chi ngân sách, làm tăng nguy cơ lạm phát và gây bất ổn cho nền kinh tế Hơn nữa, ngân sách bị ảnh hưởng bởi nợ xấu sẽ làm giảm khả năng chi cho các dự án đầu tư công, xây dựng cơ sở hạ tầng và an sinh xã hội, từ đó kiềm hãm sự phát triển kinh tế - xã hội của đất nước.
Những tiêu chí cơ bản đánh giá mức độ nợ xấu của Ngân hàng thương mại
Phân loại nợ là quá trình mà các ngân hàng đánh giá danh mục cho vay của mình, phân chia các khoản vay thành những nhóm khác nhau dựa trên mức độ 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 có những biện pháp xử lý kịp thời các vấn đề phát sinh trong quá trình cho vay.
Việc phân loại và lập dự phòng nợ gặp nhiều khó khăn về lý thuyết và thực tiễn, với sự đa dạng trong hệ thống phân loại giữa các quốc gia Mặc dù có một số điểm tương đồng, nhưng hiện chưa có quy định và tiêu chuẩn quốc tế thống nhất Ủy ban Basel đã đưa ra các hướng dẫn và nguyên tắc nhằm hướng tới sự thống nhất trong phân loại nợ và trích lập dự phòng rủi ro tín dụng, nhưng vẫn chưa có hệ thống phân loại nợ chung hay quy trình chuẩn hóa để đánh giá rủi ro tín dụng Tại Việt Nam, quy định về phân loại nợ và trích lập dự phòng được thực hiện theo Quyết định số 493/2005/QĐ-NHNN và Quyết định số 18/2007/QĐ-NHNN, điều chỉnh bổ sung cho Quyết định 493.
Theo thông tư 02/2013/TT-NHNN và thông tư 09/2014/TT-NHNN, từ năm 2013, nếu doanh nghiệp có từ hai khoản nợ tại các tổ chức tín dụng (TCTD) và một trong số đó bị phân loại vào nhóm rủi ro cao hơn, thì tất cả các khoản nợ còn lại cũng phải được phân loại vào nhóm rủi ro cao nhất Quyết định 22/VBHN-NHNN quy định rằng toàn bộ dư nợ của một khách hàng tại một TCTD phải được phân loại vào cùng một nhóm nợ Đối với khách hàng có từ hai khoản nợ trở lên, nếu bất kỳ khoản nợ nào bị phân loại vào nhóm rủi ro cao hơn, các khoản nợ còn lại phải được phân loại lại vào nhóm rủi ro cao nhất.
0-1Bảng 2.1: Phân loại nhóm nợ theo phương pháp định lượng
Nhóm nợ Phân loại theo phương pháp định lượng (Số ngày quá hạn)
Khoản nợ quá hạn đề cập đến các khoản nợ mà một phần hoặc toàn bộ gốc và/hoặc lãi đã không được thanh toán đúng hạn Trong khi đó, nợ xấu được phân loại vào các nhóm 3, 4 và 5, phản ánh tình trạng tài chính không ổn định.
2.2.2 Tiêu chí đánh giá và đo lường nợ xấu
Tỷ lệ nợ xấu = (Số dư nợ xấu/ Tổng dư nợ) x 100%
Tỷ lệ nợ xấu là một chỉ tiêu quan trọng trong việc phân tích chất lượng tín dụng tại ngân hàng, bên cạnh tỷ lệ nợ quá hạn Chỉ số này phản ánh khả năng quản lý tín dụng và chất lượng tín dụng của ngân hàng thông qua việc đánh giá thời hạn quá hạn của khoản vay và mức độ rủi ro liên quan Tỷ lệ nợ xấu cao cho thấy chất lượng tín dụng kém và rủi ro tín dụng gia tăng, trong khi tỷ lệ thấp biểu thị cho quản lý tín dụng hiệu quả hơn.
Các yếu tố ảnh hưởng đến nợ xấu
2.3.1 Cơ sở lý thuyết về các yếu tố định tính ảnh hưởng đến nợ xấu
2.3.1.1 Yếutố từ phía khách hàng vay vốn Đối với khách hàng vay vốn là chủ thể được cấp tín dụng, những bất lợi được nêu dưới đây có thể là nguyên nhân phát sinh nên nợ xấu:
Khách hàng không đủ điều kiện vay vốn thường chỉnh sửa, phóng đại số liệu báo cáo tài chính và lập hóa đơn, chứng từ giả mạo để lừa dối ngân hàng Hành động này dẫn đến việc ngân hàng cung ứng vốn cho các doanh nghiệp yếu kém về tài chính, không có khả năng sản xuất kinh doanh, gây ra tình trạng chiếm đoạt nguồn vốn Kết quả là khả năng thu hồi vốn cho vay rất thấp, đồng thời rủi ro cho ngân hàng tăng cao với xác suất nợ xấu gia tăng.
Khả năng quản lý yếu kém của các lãnh đạo doanh nghiệp dẫn đến hoạt động kinh doanh không hiệu quả, gây khó khăn về tài chính và cuối cùng là mất khả năng thanh toán nợ vay đúng hạn cho ngân hàng.
Tình hình tài chính của doanh nghiệp thiếu minh bạch và yếu kém, với quy mô vốn chủ sở hữu nhỏ và cơ cấu tài chính không cân đối Công tác quản lý tài chính kế toán mang tính tùy tiện và đối phó, dẫn đến việc thông tin ngân hàng thu thập khi lập các bảng phân tích tài chính không chính xác Điều này làm tăng nguy cơ sai lệch trong đánh giá khả năng trả nợ của doanh nghiệp, gây ra rủi ro tài chính lớn.
Từ những nguyên nhân trên, ảnh hưởng đến chất lượng cấp tín dụng của các NHTM, tiềm tàng nguy cơ gia tăng nợ xấu.
2.3.1.2 Yếu tố từ phía ngân hàng
Nhóm yếu tố thuộc chiến lược, chính sách của ngân hàng:
Chính sách tín dụng của ngân hàng không được thực hiện nghiêm túc, dẫn đến việc cung ứng tín dụng quá mức cho các thành viên Hội đồng Quản trị, cổ đông lớn, hoặc các mối quan hệ cá nhân khác Vi phạm nguyên tắc tín dụng này xuất phát từ những hành vi tiêu cực trong quá trình cho vay, ảnh hưởng đến tính minh bạch và công bằng trong hoạt động tín dụng.
Tùy thuộc vào mục tiêu kinh doanh và khẩu vị rủi ro, mỗi ngân hàng xây dựng chính sách tín dụng riêng biệt Gần đây, nhiều khách hàng không đủ điều kiện vay tại các ngân hàng lớn đã chuyển sang nộp hồ sơ tại ngân hàng nhỏ hơn và được chấp nhận vay Trước áp lực cạnh tranh gay gắt trong ngành, các ngân hàng cần thường xuyên điều chỉnh chính sách tín dụng của mình, tuy nhiên, nếu không cẩn trọng, điều này có thể dẫn đến rủi ro tài chính.
Nhiều ngân hàng hiện nay thiếu chiến lược kinh doanh hiệu quả và bền vững, dẫn đến việc cho vay dựa trên tín hiệu thị trường Khi thị trường bất động sản sôi động, họ dễ dàng cho vay mà không tính đến những rủi ro dài hạn Điều này khiến cho nhiều quyết định kinh doanh chỉ tập trung vào lợi ích ngắn hạn, và khi môi trường kinh doanh thay đổi hoặc có biến động tiêu cực, ngân hàng sẽ phải đối mặt với các khoản nợ lớn.
Quá trình tăng trưởng tín dụng nhanh chóng trong những năm qua đã dẫn đến nhiều hệ quả tiêu cực, bao gồm nợ xấu gia tăng Nguyên nhân chủ yếu là do ngân hàng mở rộng quy mô hoạt động mà không cải thiện khả năng quản trị rủi ro, kết hợp với chính sách cho vay lỏng lẻo, như nới lỏng tiêu chuẩn cho vay và cho vay dễ dãi mà không có kiểm soát chặt chẽ về đối tượng, lĩnh vực và mục đích vay Những yếu tố này đã tạo ra những rủi ro lớn cho hệ thống tài chính.
Nhóm yếu tố thuộc điều hành, tác nghiệp:
Chất lượng thẩm định thấp có thể ảnh hưởng nghiêm trọng đến quá trình cho vay Việc thẩm định và đánh giá khách hàng, dự án, cũng như phương án vay vốn là rất quan trọng Để đảm bảo hiệu quả, cần xác định nhiều nguồn thông tin minh bạch và thực hiện đánh giá khách hàng một cách chính xác.
Thông tin không minh bạch có thể gây ra đánh giá sai lệch về khách hàng, từ đó làm tăng nguy cơ nợ quá hạn.
Thiếu kiểm tra và giám sát sau cho vay có thể dẫn đến rủi ro cao cho ngân hàng và khách hàng Việc theo dõi tình hình sử dụng vốn của khách hàng là rất quan trọng để đảm bảo họ sử dụng khoản vay đúng mục đích, từ đó tạo ra nguồn trả nợ khả thi và hạn chế nợ quá hạn Ngân hàng có thể xem xét tăng mức tín dụng nếu khách hàng sử dụng vốn hiệu quả, nhưng nếu vốn vay được sử dụng sai mục đích, rủi ro kinh doanh sẽ tăng lên và khả năng thanh toán nợ sẽ giảm Qua việc kiểm tra và giám sát, ngân hàng có thể phát hiện kịp thời và điều chỉnh tín dụng, từ đó giảm thiểu rủi ro cho cả hai bên.
Kiểm tra, quản lý và giám sát tài sản đảm bảo là yếu tố then chốt trong việc bảo đảm khả năng trả nợ vay của khách hàng Quy trình này không chỉ giúp hạn chế nợ xấu mà còn khuyến khích khách hàng có trách nhiệm hơn trong việc hoàn trả khoản vay, khi họ sử dụng tài sản của mình làm tài sản thế chấp Hơn nữa, ngân hàng cũng có thể thu hồi nợ thông qua việc thanh lý tài sản đảm bảo nếu xảy ra tình huống nợ xấu.
Ngân hàng thường gặp khó khăn trong việc xác định tính chính xác của thông tin do khách hàng cung cấp, dẫn đến việc thẩm định dự án và phương án vay vốn không chính xác Thiếu thông tin đầy đủ có thể khiến ngân hàng không đánh giá đúng năng lực thực sự của khách hàng và không phát hiện được các âm mưu lừa đảo.
Công tác quản trị và phòng ngừa rủi ro là yếu tố then chốt trong việc kiểm soát và ứng phó với các rủi ro của ngân hàng trong bối cảnh biến động kinh tế-tài chính Ngân hàng có chiến lược quản trị rủi ro hiệu quả sẽ đảm bảo sự ổn định và bền vững cho hệ thống ngân hàng, từ đó tạo nền tảng cho sự phát triển lâu dài Ngược lại, nếu không chú trọng đến công tác này, ngân hàng sẽ dễ dàng đối mặt với nhiều lỗ hổng và rủi ro tiềm ẩn, đặc biệt là nguy cơ gia tăng nợ xấu.
Hệ thống xếp hạng tín dụng nội bộ khách hàng giúp ngân hàng nhanh chóng đánh giá năng lực kinh doanh và khả năng trả nợ của khách hàng thông qua bộ tiêu chí hợp lý Điều này tạo điều kiện thuận lợi cho việc quyết định tăng mức cấp tín dụng cho những khách hàng có xếp hạng tốt, đồng thời thu hẹp tín dụng đối với những khách hàng có vấn đề và xếp hạng thấp.
Nhóm yếu tố thuộc về trình độ, kinh nghiệm và đạo đức nghề nghiệp:
MÔ HÌNH NGHIÊN CỨU
Xây dựng mô hình nghiên cứu
3.1.1 Mô hình hồi quy tuyến tính
3Hình 3.1 Hình mô tả mô hình hồi quy tuyến tính
Mục đích chính của các nghiên cứu thực nghiệm trong kinh tế là phân tích mối quan hệ giữa biến phụ thuộc Y và các biến giải thích (X1, X2, …, Xk) Để xác định tác động của Xi lên Y về cả chiều hướng và độ lớn, cần thu thập mẫu để ước lượng không chệch tác động này Để đảm bảo kết quả ước lượng không thiên chệch, việc kiểm soát các biến nhiễu, cả quan sát được và không quan sát được, là rất quan trọng Đối với biến nhiễu quan sát được, mô hình hồi quy tuyến tính đa biến cổ điển (MCLR) có thể được sử dụng Trong khi đó, đối với biến nhiễu không quan sát được, tùy thuộc vào đặc điểm của đối tượng và thời gian, có thể lựa chọn giữa mô hình hồi quy tác động cố định (FEM) hoặc tác động ngẫu nhiên (REM), cả hai đều yêu cầu sử dụng dữ liệu bảng.
Mô hình hồi tác động cố định và tác động ngẫu nhiên là hai phương pháp quan trọng trong phân tích dữ liệu bảng, hay còn gọi là dữ liệu dài Dữ liệu bảng kết hợp giữa dữ liệu chéo và dữ liệu thời gian, cho phép thu thập thông tin từ nhiều đối tượng giống nhau tại một hoặc nhiều thời điểm khác nhau.
Dữ liệu bảng mang lại hai lợi ích chính: đầu tiên, nó cung cấp kết quả ước lượng các tham số trong mô hình một cách đáng tin cậy hơn; thứ hai, nó cho phép xác định và đo lường các tác động mà không thể thực hiện được khi chỉ sử dụng dữ liệu chéo hoặc dữ liệu theo thời gian.
3.1.3 Mô hình tác động cố định (Fixed Effects Model)
Trong một mối quan hệ kinh tế, ta xem xét biến phụ thuộc Y cùng với hai biến giải thích quan sát được là X11 và X22, bên cạnh một hoặc nhiều biến không quan sát được Dữ liệu bảng cho Y, X11 và X22 bao gồm N đối tượng và T thời điểm, tạo ra tổng cộng NxT quan sát Mô hình hồi quy tuyến tính cổ điển không có hệ số cắt được xác định bởi các yếu tố này.
Yitit= β11Xit1it1+ β22Xit2it2+ μititvới i = 1, 2, …, N và t = 1,
Trong bài viết này, Yitit đại diện cho giá trị của biến Y đối với đối tượng i tại thời điểm t Đồng thời, Xit1it1 và Xit2it2 lần lượt là giá trị của các biến X11 và X22 cho đối tượng i tại cùng thời điểm Cuối cùng, μitit biểu thị sai số của đối tượng i tại thời điểm t.
Mô hình hồi quy tác động cố định, là một dạng mở rộng của mô hình hồi quy tuyến tính cổ điển, được cho bởi:
Mô hình hồi quy tuyến tính cổ điển được biểu diễn bởi công thức Yitit = β11Xit1it1 + β22Xit2it2 + νii + εitit, trong đó sai số μitit được phân tách thành hai thành phần Thành phần νii phản ánh các yếu tố không quan sát được khác nhau giữa các đối tượng mà không thay đổi theo thời gian, trong khi thành phần εitit thể hiện những yếu tố không quan sát được khác nhau giữa các đối tượng và có sự thay đổi theo thời gian.
Có hai phương pháp ước lượng chính để xác định các tham số của mô hình tác động cố định: thứ nhất, phương pháp ước lượng hồi quy biến giả tối thiểu LSDV, trong đó mỗi biến giả đại diện cho từng đối tượng quan sát trong mẫu; thứ hai, phương pháp ước lượng tác động cố định (Fixed effects estimator).
Khi kích thước mẫu N lớn, việc áp dụng ước lượng LSDV trở nên cồng kềnh và khó khăn Chẳng hạn, với mẫu N = 1000 người lao động trong mô hình xác định lương, chúng ta sẽ cần tạo ra 1000 biến giả và thực hiện hồi quy OLS cho hơn 1000 biến Trong tình huống này, ước lượng tác động cố định sẽ là lựa chọn phù hợp hơn.
Nguyên tắc của ước lương tác động cố định được sử dụng để đánh giá tác động nhân quả của các biến độc lập X11 và X22 lên biến phụ thuộc Y thông qua sự thay đổi theo thời gian Biến Zii đại diện cho yếu tố không quan sát được, khác nhau giữa các đối tượng nhưng không thay đổi theo thời gian, do đó không thể gây ra sự thay đổi trong Yit Vì Zii không biến đổi theo thời gian, nó không thể giải thích bất kỳ sự thay đổi nào trong Yit theo thời gian Do đó, tác động cố định của Zii lên Yit được loại trừ bằng cách sử dụng dữ liệu thay đổi theo thời gian của Yit.
3.1.4 Mô hình tác động ngẫu nhiên (Random Effects Model)
Trong một mối quan hệ kinh tế, chúng ta xem xét một biến phụ thuộc Y cùng với hai biến giải thích quan sát được là X11 và X22 Dữ liệu bảng cho Y, X11 và X22 sẽ giúp phân tích mối quan hệ này một cách hiệu quả.
Dữ liệu bảng gồm có N đối tượng và T thời điểm, và vì vậy chúng ta có NxT quan sát.
Mô hình tác động ngẫu nhiên được viết dưới dạng:
YitYit = β11Xit1Xit1 + β22Xit2Xit2 + νii+εitεitvới i = 1, 2, …, N và t = 1, 2, …, T
Sai số cổ điển được chia thành hai thành phần chính Thành phần νii biểu thị cho các yếu tố không quan sát được, thay đổi giữa các đối tượng nhưng không thay đổi theo thời gian Trong khi đó, thành phần εit đại diện cho các yếu tố không quan sát được, thay đổi cả giữa các đối tượng và theo thời gian Giả sử rằng vii được biểu diễn bởi công thức: vii = α00 + ωii, với i = 1, 2, …, N.
Trong đó, vii lại được phân chia làm hai thành phần: i) thành phần bất định a00. ii) thành phần ngẫu nhiên ωii.
Giả định rằng, các giá trị ωi cho mỗi đối tượng được rút ra từ một phân phối xác suất độc lập, với giá trị trung bình là 0 và phương sai không đổi, tức là E(ωii) = 0 và Var(ωii) không thay đổi.
Nbiến ngẫu nhiên ωi được gọi tác động ngẫu nhiên (random effects).
Mô hình tác động ngẫu nhiên có thể được viết lại:
YitYit = α00Xit1Xit1 + β22Xit2Xit2 + μitit
Trong mô hình tác động ngẫu nhiên, thành phần sai số μitit được biểu diễn qua công thức μitit = ωii + εitit Một giả định quan trọng là μit không có sự tương quan với bất kỳ biến giải thích nào trong mô hình.
Ngoài hai phương pháp tác động cố định và tác động ngẫu nhiên, ước lượng OLS thô (Pooled OLS) cũng được sử dụng trong một số trường hợp nghiên cứu Phương pháp này áp dụng cho dữ liệu thu thập theo thời gian từ các đối tượng, với giả định rằng tất cả các hệ số không thay đổi giữa các đối tượng và theo thời gian.
Câu hỏi đặt ra là mô hình nào sẽ là mô hình phù hợp:Pooled OLS,FEhayRE.
Sự phù hợp của ước lượng tác động ngẫu nhiên và tác động cố định được kiểm chứng trên cơ sở so sánh với ước lượng thô.
Để kiểm tra ước lượng tác động cố định, ta sử dụng kiểm định F với giả thuyết H0 rằng tất cả các hệ số vi đều bằng 0, tức là không có sự khác biệt giữa các đối tượng hoặc các thời điểm khác nhau Nếu bác bỏ giả thuyết H0 với mức ý nghĩa 5%, điều này chứng tỏ rằng ước lượng tác động cố định là phù hợp.
Mô hình nghiên cứu dự kiến
NPL it = βₒ + β 1 SIZE it + β 2 LOAN_RATE it + β 3 LNKTC it + β 4 NPL it-1 + β 5 GROWTH_RATE t + β 6 INFL t + β 7 L_DEPOSIT it + e it
3.2.1 Giải thích các biến nghiên cứu
0-1Bảng 3.1: Bảng mô tả các biến đo lường được sử dụng trong nghiên cứu
STT Tên biến Định nghĩa Cách tính Biến phụ thuộc
1 NPLit Tỷ lệ nợ xấu của chi nhánh i tại thời gian t Nợ xấu/Tổng dư nợ
2 SIZEit Dư nợ chi nhánh i tại thời gian t Dư nợ chi nhánh i tại thời gian t
3 LOAN_RATE it Tăng trưởng tín dụng của chi nhánh i tại thời gian t
(Dư nợ quý t - Dư nợ quý t -1)/ Dư nợ quý t-1
4 LNKTCit Lợi nhuận khoán tài chính chi nhánh i tại thời gian t
Tổng thu nhập - Tổng chi phí
5 NPLit-1 Tỷ lệ nợ xấu của chi nhánhi tại thời gian t-1 Nợ xấu quý t -1/Tổng dư nợ quý t-1
ATEit Tăng trưởng GDP (GDPt - GDPt-1)/GDPt-1
7 INFLt Tỷ lệ lạm phát Tỷ lệ lạm phát
8 L_DEPOSIT Tỷ lệ dư nợ tín dụng trên vốn huy động Tỷ lệ dư nợ tín dụng/vốn huy động
Nguồn: Tổng hợp của tác giả
Dựa trên kết quả từ các nghiên cứu thực nghiệm đã được phân tích và trình bày, chúng tôi đưa ra các giả thuyết nghiên cứu sau đây.
0-2Bảng 3.2: Giả thuyết nghiên cứu
Giả thuyết Diễn giải Dấu kỳ vọng H1 Quy mô dư nợ chi nhánhcó tác động cùng chiều với tỷ lệ nợ xấu.
Dư nợ chi nhánhcàng lớn thì sẽ tác động làm gia tăng tỷ lệ nợ xấu củachi nhánh
Tăng trưởng dư nợ tín dụng có mối quan hệ chặt chẽ với tỷ lệ nợ xấu; cụ thể, khi dư nợ tín dụng tăng cao, tỷ lệ nợ xấu cũng có xu hướng gia tăng.
H3 Lợi nhuận khoán tài chính: có tác động ngược chiều với tỷ lệ nợ xấu Lợi nhuận khoán tài chính càng cao thì tỷ lệ nợ xấu càng giảm
Tỷ lệ nợ xấu trong kỳ trước có ảnh hưởng trực tiếp đến tỷ lệ nợ xấu hiện tại; cụ thể, khi tỷ lệ nợ xấu ở thời kỳ trước cao, nó sẽ dẫn đến sự gia tăng tỷ lệ nợ xấu trong thời gian hiện tại.
Tăng trưởng GDP có ảnh hưởng tích cực đến tỷ lệ nợ xấu, khi mức tăng trưởng GDP cao sẽ dẫn đến sự giảm tỷ lệ nợ xấu tại các chi nhánh.
Tỷ lệ lạm phát và tỷ lệ nợ xấu có mối quan hệ tương quan chặt chẽ Khi tỷ lệ nợ xấu gia tăng, nó sẽ dẫn đến việc tăng cường tỷ lệ nợ xấu tại các chi nhánh ngân hàng.
Nguồn: Tổng hợp của tác giả
Tác giả áp dụng mô hình hồi quy tuyến tính đa biến để phân tích tác động của các biến độc lập đến biến phụ thuộc, sử dụng dữ liệu bảng trong nghiên cứu.
3.2.3.1 Các thông tin cần thu thập
Nợ xấu tại các chi nhánh Agribank ở tỉnh Bến Tre đang chịu ảnh hưởng bởi nhiều yếu tố quan trọng Đầu tiên, dư nợ tín dụng và tăng trưởng tín dụng đóng vai trò then chốt trong việc xác định mức độ nợ xấu Thứ hai, lợi nhuận khoán tài chính cũng có tác động trực tiếp đến khả năng quản lý nợ Bên cạnh đó, tỷ lệ nợ xấu kỳ trước là một chỉ số quan trọng để dự đoán xu hướng nợ xấu trong tương lai Cuối cùng, tăng trưởng GDP và tỷ lệ lạm phát cũng góp phần không nhỏ vào việc hình thành và phát triển nợ xấu tại các chi nhánh này.
3.2.3.2 Nguồn thông tin thu thập
Dữ liệu nghiên cứu được thu thập từ báo cáo kết quả hoạt động kinh doanh hàng quý của 11 chi nhánh Agribank tại tỉnh Bến Tre trong giai đoạn 2014-2018, tương ứng với 20 quý, tạo thành tổng cộng 220 quan sát Các số liệu về GDP và lạm phát được lấy từ Tổng cục Thống kê Việt Nam.
Do dữ liệu trong nghiên cứu được thu thập theo cả thời gian và không gian, phương pháp hồi quy với dữ liệu bảng là lựa chọn phù hợp Trong phân tích hồi quy sử dụng dữ liệu bảng, có thể áp dụng ba mô hình khác nhau.
Mô hình Pooled OLS, hay còn gọi là mô hình bình phương tối thiểu dạng gộp, cung cấp ước lượng OLS cho các tham số mà không bị chệch Tuy nhiên, mô hình này không thể kiểm soát các đặc điểm riêng biệt của từng ngân hàng trong nghiên cứu.
Mô hình tác động cố định (FEM) là một phương pháp được phát triển từ mô hình Pooled OLS, cho phép kiểm soát các đặc điểm khác nhau giữa các ngân hàng Mô hình này cũng xem xét sự tương quan giữa phần dư và các biến độc lập, giúp cải thiện độ chính xác trong phân tích dữ liệu.
Mô hình REM (Random Effects Model) là một phương pháp phân tích phát triển từ mô hình Pooled OLS, cho phép kiểm soát các đặc điểm khác nhau giữa các ngân hàng mà không có sự tương quan giữa phần dư và các biến độc lập Để khảo sát ảnh hưởng của các yếu tố vi mô và vĩ mô đối với nợ xấu, tác giả thực hiện ước lượng lần lượt với ba mô hình khác nhau.
Sau đó, tác giả tiếp tục sử dụng kiểm định Hausman để xác định lựa chọn mô hình FEM hay mô hình REM là phù hợp để nghiên cứu.
Dựa trên lý thuyết về nợ xấu và các yếu tố ảnh hưởng đã được phân tích ở chương 2, tác giả đã đề xuất mô hình nghiên cứu trong chương 3, bao gồm các mô hình Pooled OLS, FEM, REM và các biến liên quan Chương này cũng trình bày các phương pháp thu thập dữ liệu, kích thước mẫu và các kiểm định liên quan, tạo cơ sở cho việc trình bày kết quả nghiên cứu từ mô hình hồi quy trong chương 4.
