›

Khóa luận Các nhân tố tác động đến nợ xấu tại các Ngân hàng Thương mại Cổ phần Việt Nam

pdf 90 trang thiennha21 26/04/2022 16974
Download
Bạn đang xem 20 trang mẫu của tài liệu "Khóa luận Các nhân tố tác động đến nợ xấu tại các Ngân hàng Thương mại Cổ phần Việt Nam", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

  • pdfkhoa_luan_cac_nhan_to_tac_dong_den_no_xau_tai_cac_ngan_hang.pdf

Nội dung text: Khóa luận Các nhân tố tác động đến nợ xấu tại các Ngân hàng Thương mại Cổ phần Việt Nam

  1. NGÂN HÀNG NHÀ NƢỚC VIỆT NAM BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC ĐỀ TÀI CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU TẠI CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN VIỆT NAM SVTH: LÊ THỊ HƢƠNG MAI LỚP: DH30TC05 NIÊN KHÓA: 2014 - 2018 GVHD: ThS. NGUYỄN THỊ NHƢ QUỲNH TP. Hồ Chí Minh, tháng 05 - 2018
  2. NGÂN HÀNG NHÀ NƢỚC VIỆT NAM BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC ĐỀ TÀI CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU TẠI CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN VIỆT NAM SVTH: LÊ THỊ HƢƠNG MAI LỚP: DH30TC05 NIÊN KHÓA: 2014 - 2018 GVHD: ThS. NGUYỄN THỊ NHƢ QUỲNH TP. Hồ Chí Minh, tháng 05 - 2018
  3. TÓM TẮT KHÓA LUẬN Nợ xấu đang trở thành yếu tố chính ảnh hƣởng đến sự vững chắc của hệ thống tài chính tại Việt Nam. Nhằm nỗ lực gia tăng “sức khỏe” hệ thống tài chính nói chung và hệ thống ngân hàng nói riêng, khóa luận tập trung nghiên cứu các nhân tố ảnh hƣởng đến nợ xấu tại các ngân hàng thƣơng mại Việt Nam. Đề tài cung cấp bằng chứng thực nghiệm trong giai đoạn 2006 – 2016, thông qua mẫu nghiên cứu gồm 25 ngân hàng thƣơng mại cổ phần tại Việt Nam. Tác giả tiến hành ƣớc lƣợng mô hình hồi quy lần lƣợt theo các phƣơng pháp Pooled OLS, REM và FEM, sau đó lựa chọn đƣợc mô hình thích hợp là FEM. Các kiểm định khuyết tật của mô hình lần lƣợt đƣợc kiểm tra, mô hình FEM có hiện tƣợng phƣơng sai thay đổi. Sau đó, tác giả tiến hành chạy mô hình GMM để khắc phục hiện tƣợng phƣơng sai thay đổi và biến nội sinh do biến trễ của tỷ lệ nợ xấu. Tuy nhiên, kết quả cho thấy mô hình GMM trong nghiên cứu này chƣa đủ vững để kết luận. Cuối cùng, tác giả dùng mô hình hồi quy theo phƣơng pháp FGLS nhằm khắc phục khuyết tật phƣơng sai thay đổi, giúp đảm bảo hiệu quả của mô hình. Kết quả khóa luận cho thấy tốc độ tăng trƣởng kinh tế, tăng trƣởng tín dụng của ngân hàng và tỷ lệ thất nghiệp tác động nghịch chiều với tỷ lệ nợ xấu ở mức ý nghĩa thống kê cao (1%). Đồng thời, tỷ lệ lạm phát và tỷ lệ nợ xấu năm trƣớc tƣơng quan thuận chiều với tỷ lệ nợ xấu hiện tại với ý nghĩa thống kê 1%. Tuy nhiên, mối quan hệ giữa yếu tố quy mô và khả năng sinh lời của ngân hàng với tỷ lệ nợ xấu chƣa đƣợc tìm thấy. Từ đó, tác giả đề xuất một số kiến nghị giúp hạn chế nợ xấu và đƣa ra những hƣớng nghiên cứu mới cho đề tài tiếp theo. Từ khóa: Nợ xấu, ngân hàng thƣơng mại, yếu tố vi mô, yếu tố vĩ mô i
  4. LỜI CAM ĐOAN Khóa luận này là công trình nghiên cứu riêng của tác giả, kết quả nghiên cứu là trung thực, trong đó không có các nội dung đã đƣợc công bố trƣớc đây hoặc các nội dung do ngƣời khác thực hiện ngoại trừ các trích dẫn đƣợc dẫn nguồn đầy đủ trong khóa luận. Tác giả xin hoàn toàn chịu trách nhiệm về lời cam đoan của mình. TP. Hồ Chí Minh, ngày 18 tháng 05 năm 2018 Tác giả Lê Thị Hƣơng Mai ii
  5. LỜI CÁM ƠN Đầu tiên, tôi chân thành biết ơn đến ThS. Nguyễn Thị Nhƣ Quỳnh – giảng viên hƣớng dẫn khóa luận tốt nghiệp của tôi. Xin cám ơn cô vì đã tận tình hƣớng dẫn, hỗ trợ và giúp đỡ tôi, từ việc gợi ý, định hƣớng và hết lòng hỗ trợ tôi trong suốt quá trình thực tập và hoàn thành khóa luận tốt nghiệp này. Tôi muốn bày tỏ sự biết ơn đến quý thầy cô trƣờng Đại học Ngân hàng TP. Hồ Chí Minh và Khoa Tài chính đã truyền đạt kiến thức quý báu cho tôi trong suốt thời gian học tập vừa qua. Đó là nền tảng giúp tôi làm hành trang kiến thức cho chặng đƣờng công việc tiếp theo. Tôi biết ơn những ngƣời bạn đã đồng hành cùng tôi, đã chia sẻ và cùng tạo nên những hồi ức đẹp của tuổi trẻ tƣơi đẹp suốt bốn năm đại học. Và cuối cùng, tôi chân thành biết ơn và trân trọng nhất đến gia đình tôi, những ngƣời thân yêu luôn là chỗ dựa vững chắc cho tôi, động viên khích lệ tôi mỗi khi gặp khó khăn để tạo nên tôi của ngày hôm nay. Một lần nữa, xin chân thành cảm ơn. iii
  6. DANH MỤC TỪ VIẾT TẮT Từ viết tắt Tiếng Anh Nguyên nghĩa Nhóm chuyên gia tƣ vấn của Liên AEG Adivisory Expert Group hợp quốc CREDIT Credit Growth Tốc độ tăng trƣởng tín dụng Difference generalized method of Phƣơng pháp Mô-men tổng quát DGMM moments sai phân FEM Fixed effects model Phƣơng pháp ƣớc lƣợng hiệu ứng cố định FGLS Feasible Generalized Least Phƣơng pháp bình phƣơng tối thiểu Squares tổng quát khả thi GDP Gross Domestic Product Tốc độ tăng trƣởng kinh tế GMM Generalized method of moments Phƣơng pháp Mô-men tổng quát IIF Institute of International Finance Viện Tài chính Quốc tế IMF International Monetary Fund Quỹ Tiền tệ Quốc tế INF Inflation rate Tỷ lệ lạm phát NHNN Ngân hàng Nhà nƣớc NHTM Ngân hàng thƣơng mại NHTMCP Ngân hàng thƣơng mại cổ phẩn NPL Non-performing Loans Nợ xấu Pooled OLS Pooled Ordinary Least Squares Phƣơng pháp ƣớc lƣợng bình phƣơng nhỏ nhất REM Random effects model Phƣơng pháp ƣớc lƣợng hiệu ứng ngẫu nhiên ROA Return on total assets Tỷ số lợi nhuận ròng trên tài sản ROE Return on common equity Tỷ số lợi nhuận ròng trên vốn chủ sở hữu SGMM System generalized method of Phƣơng pháp Mô-men tổng quát hệ moments thống UNT Unemployment rate Tỷ lệ thất nghiệp iv
  7. VAMC Vietnam asset management Công ty Quản lý tài sản của các Tổ company chức Tín dụng Việt Nam VIF Varince Inflation Factor Phƣơng pháp phóng đại nhân tử phƣơng sai WB World Bank Ngân hàng Thế giới v
  8. DANH MỤC BẢNG VÀ HÌNH Bảng 2.1. Phân loại nợ của một số nƣớc trên thế giới 10 Bảng 2.2. Phân loại nợ của World Bank 11 Bảng 2.3. Phân loại nợ của Viện Tài chính Quốc tế (IIF) 12 Bảng 2.4. Phân loại nợ của Việt Nam 13 Bảng 2.5. Các nhân tố ảnh hƣởng đến nợ xấu 20 Bảng 3.1. Mô tả các biến đƣợc sử dụng trong mô hình nghiên cứu. 29 Bảng 4.1. Thống kê mô tả các biến trong mô hình 34 Bảng 4.2. Kết quả phân tích tƣơng quan các biến trong mô hình nghiên cứu 35 Bảng 4.3. Kết quả sử dụng VIF để kiểm định hiện tƣợng đa cộng tuyến 36 Bảng 4.4. Tổng hợp kết quả mô hình nghiên cứu Pooled OLS, FEM và REM 36 Bảng 4.5. Kiểm định Hausman để lựa chọn giữa REM và FEM 38 Bảng 4.6. Kiểm định hiện tự tƣơng quan trong mô hình FEM 40 Bảng 4.7. Kiểm định Wald để kiểm tra hiện tƣợng phƣơng sai thay đổi 42 Bảng 4.8. Kết quả ƣớc lƣợng mô hình GMM 42 Bảng 4.9. Kết quả ƣớc lƣợng mô hình FGLS 44 Bảng 4.10. Tóm tắt kết quả nghiên cứu các nhân tố tác động đến nợ xấu của NHTMCP Việt Nam 49 Hình 1.1. Nợ xấu hệ thống ngân hàng TMCP Việt Nam giai đoạn 2006 - 2016 1 Hình 1.2. Kết quả xử lý nợ xấu ngành Ngân hàng theo các hình thức 3 Hình 3.1. Sơ đồ khung nghiên cứu 24 vi
  9. MỤC LỤC TÓM TẮT KHÓA LUẬN i LỜI CAM ĐOAN ii LỜI CÁM ƠN iii DANH MỤC TỪ VIẾT TẮT iv DANH MỤC BẢNG VÀ HÌNH vi MỤC LỤC vii CHƢƠNG 1. GIỚI THIỆU 1 1.1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI 1 1.2. MỤC TIÊU NGHIÊN CỨU 4 1.3. ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU 4 1.3.1. Đối tƣợng nghiên cứu 4 1.3.2. Phạm vi nghiên cứu 4 1.4. PHƢƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU NGHIÊN CỨU 5 1.4.1. Phƣơng pháp nghiên cứu 5 1.4.2. Dữ liệu nghiên cứu của đề tài 6 1.5. KẾT CẤU CỦA KHÓA LUẬN 6 KẾT LUẬN CHƢƠNG 1 7 CHƢƠNG 2. CƠ SỞ LÝ LUẬN VỀ NỢ XẤU VÀ CÁC NHÂN TỐ TÁC ĐỘNG NỢ XẤU TẠI CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN VIỆT NAM 8 2.1. TỔNG QUAN VỀ NỢ XẤU TRONG NGÂN HÀNG THƢƠNG MẠI 8 2.1.1. Khái niệm nợ xấu 8 2.1.2. Phân loại nợ 9 2.1.3. Tác động của nợ xấu 14 2.2. TỔNG QUAN CÁC NGHIÊN CỨU TRƢỚC 15 2.2.1. Các nghiên cứu quốc tế về các nhân tố tác động đến nợ xấu 15 vii
  10. 2.2.2. Các nghiên cứu trong nƣớc về các nhân tố tác động đến nợ xấu 18 2.2.3. Tổng hợp lý thuyết các nhân tố tác động đến nợ xấu của NHTM 19 KẾT LUẬN CHƢƠNG 2 22 CHƢƠNG 3. MÔ HÌNH VÀ PHƢƠNG PHÁP NGHIÊN CỨU 23 3.1. MÔ HÌNH NGHIÊN CỨU VÀ GIẢ THUYẾT NGHIÊN CỨU 23 3.1.1. Biến phụ thuộc 24 3.1.2. Biến độc lập 24 3.2. DỮ LIỆU VÀ PHƢƠNG PHÁP NGHIÊN CỨU 30 3.2.1. Dữ liệu nghiên cứu 30 3.2.2. Phƣơng pháp nghiên cứu 30 KẾT LUẬN CHƢƠNG 3 32 CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM 33 4.1. THỐNG KÊ MÔ TẢ 33 4.2. KẾT QUẢ MÔ HÌNH NGHIÊN CỨU 35 4.2.1. Phân tích tƣơng quan mô hình nghiên cứu 35 4.2.2. Lựa chọn mô hình phù hợp 36 4.2.3. Kiểm định các giả thiết hồi quy mô hình nghiên cứu 39 4.2.4. Ƣớc lƣợng mô hình theo phƣơng pháp GMM 42 4.2.5. Ƣớc lƣợng mô hình theo phƣơng pháp FGLS 44 4.3. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU 45 4.3.1. Biến nợ xấu trong quá khứ 45 4.3.2. Biến tốc độ tăng trƣởng tín dụng 46 4.3.3. Biến tốc độ tăng trƣởng kinh tế GDP 47 4.3.4. Biến tỷ lệ lạm phát 47 4.3.5. Biến tỷ lệ thất nghiệp 48 viii
  11. KẾT LUẬN CHƢƠNG 4 50 CHƢƠNG 5. KẾT LUẬN VÀ KIẾN NGHỊ 51 5.1. KẾT LUẬN 51 5.2. MỘT SỐ KIẾN NGHỊ 51 5.2.1. Đối với ngân hàng thƣơng mại 51 5.2.2. Đối với Ngân hàng Nhà nƣớc Việt Nam 53 5.3. HẠN CHẾ VÀ HƢỚNG NGHIÊN CỨU TIẾP THEO CỦA ĐỀ TÀI 53 5.3.1. Hạn chế của đề tài 53 5.3.2. Đề xuất hƣớng nghiên cứu tiếp theo 54 KẾT LUẬN CHƢƠNG 5 54 KẾT LUẬN CHUNG 55 TÀI LIỆU THAM KHẢO 56 PHỤ LỤC 60 ix
  12. CHƢƠNG 1 GIỚI THIỆU Chƣơng 1 trình bày tính cấp thiết của đề tài, mục tiêu, đối tƣợng, phạm vi và phƣơng pháp nghiên cứu của khóa luận. Chƣơng này giúp ngƣời đọc có cái nhìn tổng quan về đề tài, qua đó làm bƣớc đệm tìm hiểu các chƣơng tiếp theo. 1.1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI Kinh tế của một quốc gia sẽ không phát triển bền vững nếu hệ thống tài chính của quốc gia đó hoạt động kém hiệu quả và không ổn định (Badar & Javid, 2013). Tuy nhiên, hoạt động tín dụng là hoạt động chứa nhiều rủi ro. Một trong những chỉ tiêu để đo lƣờng mức độ rủi ro tín dụng chính là chỉ tiêu nợ xấu. Theo số liệu trên các báo cáo tài chính của các ngân hàng, trong giai đoạn 2006 – 2012, tỷ lệ nợ xấu tăng gấp đôi, từ 2% (năm 2006) lên đến 4,08% (năm 2012). Trong những năm tiếp theo, tỷ lệ nợ xấu đƣợc cải thiện, năm 2016 còn 2,52% (giảm 1,56%). Tuy nhiên, về quy mô, dƣ nợ xấu vẫn có xu hƣớng tăng qua các năm. Hình 1.1. Nợ xấu hệ thống ngân hàng TMCP Việt Nam giai đoạn 2006 - 2016 160.000 4,08% 145.183 150.000 4,50% 140.000 3,61% 131.822 4,00% 118.408 3,50% 3,00% 3,50% 120.000 116.494 3,25% 3,00% 100.000 2,50% 2,55% 80.625 2,52%2,50% 80.000 2,00% 2,20% 2,00% 2,00% 60.000 48.400 36.737 1,50% 40.000 28.854 1,00% 18.989 16.452 20.000 0,50% 0 0,00% 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 Dƣ nợ xấu cuối năm Tỉ lệ nợ xấu Nguồn: Tác giả tự tổng hợp từ Báo cáo thường niên và sbv.gov.vn Trong khi đó, theo “Báo cáo Tổng quan thị trƣờng tài chính năm 2017” do Uỷ ban Giám sát Tài chính quốc gia hé lộ tỷ lệ nợ xấu là 9,5% - cao hơn nhiều con số ngành ngân hàng tự báo cáo. 1
  13. Dù mức này cao hơn gấp ba lần con số "dƣới 3%" mà Ngân hàng Nhà nƣớc báo cáo là "nợ xấu nội bảng" nhƣng theo Uỷ ban giám sát, đã giảm mạnh từ con số 11,5% (năm 2016). Chất lƣợng tài sản hệ thống tổ chức tín dụng cải thiện. Tỷ lệ nợ xấu giảm mạnh chủ yếu do các khoản nợ xấu tiềm ẩn trong nợ cơ cấu lại, trái phiếu doanh nghiệp và các khoản phải thu khó đòi bên ngoài giảm. Trƣớc đó, tại phiên chất vấn trên Quốc hội hồi giữa tháng 11/2017, Thống đốc Lê Minh Hƣng cho biết tỷ lệ nợ xấu đến cuối tháng 9/2017 theo báo cáo của Ngân hàng Nhà nƣớc là 2,34%, giảm so với mức 2,46% cuối năm sau. Ông Hƣng cũng cho biết đây chỉ là tỷ lệ nợ xấu nội bảng của các ngân hàng, chƣa gộp các nợ xấu đã bán sang VAMC và đƣợc đƣa ra khỏi bảng cân đối tài sản. Nếu tính thận trọng bao gồm cả một số khoản nợ tiềm ẩn, nợ VAMC đã mua cùng với nợ xấu nội bảng tại ngân hàng thì tổng mức nợ xấu đến cuối tháng 9/2017 là khoảng 566.000 tỷ đồng, theo ông Hƣng, tƣơng đƣơng tỷ lệ 8,61%. Mặc dù vậy, theo Uỷ ban Giám sát, quá trình xử lý nợ xấu đã đƣợc đẩy nhanh hơn, đặc biệt trong những tháng cuối năm nhờ tác động Nghị quyết 42/2017/QH14 – Về thí điểm xử lý nợ xấu của các tổ chức tín dụng. Tính cả năm, ngành ngân hàng đã xử lý đƣợc 70.000 tỷ đồng. Lƣợng trích lập dự phòng rủi ro của các ngân hàng năm 2017, theo Uỷ ban, tăng 24,7% so với cuối năm 2016. Tỷ lệ dự phòng rủi ro tín dụng trên tổng nợ xấu theo các ngân hàng báo cáo là 65,8%.1 1 3690140.html, truy cập ngày 24/03/2018 2
  14. Hình 1.2. Kết quả xử lý nợ xấu ngành Ngân hàng theo các hình thức giai đoạn 2012 – 2015 3% 6% 19% Khách hàng trả nợ 3% Bán phát mại TSBĐ TCTD sử dụng quỹ DPRR Bán nợ cho VAMC 42% Bán nợ khác 27% Hình thức khác Nguồn: (Nguyễn Mạnh Hùng, 2016) Quan sát hình 1.2, có thể thấy xử lý nợ xấu chủ yếu từ VAMC (chiếm 42%), các NHTMCP vẫn phải trích lập dự phòng (chiếm tỷ lệ cao 27%) và tự xử lý bằng các nghiệp vụ khác. Do đó, các ngân hàng TMCP vẫn chủ yếu sử dụng các phƣơng pháp chuyển giao nợ xấu, chứ ko triệt tiêu đƣợc nợ xấu hoàn toàn. Nhƣ vậy, việc nghiên cứu và tìm ra nhân tố gây nợ xấu đối với các NHTM sẽ giúp cho các nhà quản lý ngân hàng chủ động hơn trong việc tự khắc phục, thay đổi, tìm ra giải pháp, chính sách phù hợp để giảm bớt nợ xấu bên cạnh những yếu tố vĩ mô bên ngoài mà ngân hàng không kiểm soát đƣợc. Bên cạnh đó, xuất phát từ việc ngƣời viết hiện đang có cơ hội đƣợc làm việc tại Phòng quản lý rủi ro tín dụng – Khối Quản lý rủi ro của Ngân hàng TMCP Á Châu, một trong những NHTMCP hàng đầu tại Việt Nam. Do vậy, tác giả chọn đề tài “Các nhân tố tác động đến nợ xấu tại các Ngân hàng Thƣơng mại Cổ phần Việt Nam” làm đề tài khóa luận của mình. Thông qua đó, đề tài nghiên cứu thực nghiệm xác định xem các nhân tố nào thực sự tác động đến nợ xấu các ngân hàng thƣơng mại Việt Nam và mức độ tác động của các nhân tố này nhƣ thế nào. 3
  15. 1.2. MỤC TIÊU NGHIÊN CỨU Mục tiêu tổng quát: mục tiêu nghiên cứu của đề tài là tìm ra các nhân tố tác động đến nợ xấu của hệ thống các ngân hàng TMCP Việt Nam. Đồng thời, tác giả phân tích, đánh giá và giải thích nguyên nhân của sự tác động. Từ đó, đề xuất một số giải pháp và khuyến nghị nhằm giúp kiểm soát và quản lý nợ xấu của ngân hàng. Mục tiêu cụ thể: - Đề tài làm rõ những lý luận cơ bản và những lý thuyết cơ sở của nợ xấu, những nhân tố nào tác động đến nợ xấu; những nghiên cứu có liên quan đã đƣợc thực hiện trƣớc đây trên thế giới và Việt Nam. - Xây dựng mô hình hồi quy và phƣơng 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. 1.3. 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. 1.3.2. Phạm vi nghiên cứu Về không gian, khóa luận tập trung nghiên cứu các nhân tố vĩ mô và vi mô tác động đến nợ xấu của 25 NHTMCP2 tại Việt Nam. Trong khi đó, theo thống kê của NHNN Việt Nam, tính đến ngày 30/06/2017, cả nƣớc có 31 NHTMCP. Trong đó, có một số cặp ngân hàng sáp nhập3 với nhau nhƣ MHB – BIDV (2015), Mekong Bank - Maritime Bank (2015), Southern Bank – Sacombank (2015), Habubank nhập vào SHB (2012) và Đại Á vào HDBank (2013) Tuy nhiên, phạm vi nghiên cứu của khóa luận là 25 ngân hàng nhƣ đã đề cập, bởi vì các ngân hàng này đáp ứng tiêu chí còn tồn tại và hoạt động đến hết năm 2017 và công bố đủ dữ liệu mà khóa luận cần. 2 Danh sách ngân hàng cụ thể đƣợc đề cập ở phụ lục 1 3 Các thƣơng vụ M&A đƣợc liệt kê ở phụ lục 2 4
  16. Theo thời gian, đề tài nghiên cứu các nhân tố tác động đến nợ xấu ngân hàng trong giai đoạn 2006 – 2016, vì trong thời gian này, dữ liệu mà tác giả cần có thể thu thập đủ và độ dài là phù hợp với phƣơng pháp nghiên cứu. 1.4. PHƢƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU NGHIÊN CỨU 1.4.1. Phƣơng pháp nghiên cứu Đề tài sử dụng phƣơng pháp nghiên cứu định tính nhƣ phƣơng pháp thống kê, so sánh, phân tích và tổng hợp, phƣơng pháp diễn dịch và quy nạp. Đồng thời, bài viết tập trung sử dụng phƣơng pháp định lƣợng, lần lƣợt chạy 05 mô hình ƣớc lƣợng. Cụ thể, ban đầu tác giả lần lƣợt chạy Pooled Ordinary Least Squares (Pooled OLS), Fixed effects model (FEM) và Random effects model (REM) và sử dụng các kiểm định để lựa chọn mô hình phù hợp. Sau đó. tác giả kiểm định các khuyết tật của mô hình nhƣ hiện tƣợng tự tƣơng quan, đa cộng tuyến và phƣơng sai thay đổi. Trong đó, mô hình sử dụng biến trễ của biến phụ thuộc làm biến động nên mô hình nghiên cứu có số liệu dạng bảng động và biến trễ của biến phụ thuộc có khả năng là biến nội sinh. Do đó, nghiên cứu tiếp tục sử dụng phƣơng pháp Mô-men tổng quát (GMM) của Arellano và Bonds (1991) để kiểm định mối quan hệ giữa các nhân tố tác động đến nợ xấu NHTMCP Việt Nam. Tuy nhiên, với dữ liệu thu thập đƣợc thì mô hình GMM trong trƣờng hợp này chƣa đủ vững. Vì vậy, cuối cùng, tác giả sử dụng phƣơng pháp bình phƣơng tối thiểu tổng quát khả thi (Feasible Generalized Least Squares – FGLS) để kiểm soát đƣợc hiện tƣợng phƣơng sai thay đổi. Phƣơng pháp này sẽ ƣớc tính mô hình theo phƣơng pháp OLS (ngay cả trong trƣờng hợp có sự tồn tại của hiện tƣợng phƣơng sai thay đổi hay tự tƣơng quan). Các số liệu thuộc về yếu tố vi mô đƣợc lấy từ báo cáo thƣờng niên của các ngân hàng đƣợc niêm yết, các nhân tố vĩ mô đƣợc lấy từ trang thông tin Ngân hàng Thế giới. Trong giai đoạn thu thập dữ liệu, một số ngân hàng TMCP Việt Nam không công bố thông tin ở một số năm nên bảng dữ liệu trở thành bảng không cân bằng. 5
  17. 1.4.2. Dữ liệu nghiên cứu của đề tài Bộ dữ liệu vĩ mô Dữ liệu vĩ mô trong đề tài khóa luận này bao gồm: tốc độ tăng trƣởng GDP, tỷ lệ lạm phát và tỷ lệ thất nghiệp hằng năm thuộc giai đoạn 2006 đến 2016. Dữ liệu đƣợc thu thập từ các báo cáo thƣờng niên của NHNN, số liệu tổng hợp đƣợc công bố trên website chính thức của NHNN, tổng cục thống kê, WB, IMF. Khi so sánh dữ liệu từ các nguồn trên, tác giả thấy rằng trong nhiều trƣờng hợp số liệu không giống nhau, có thể xuất phát từ cách tính, cách lấy số liệu theo từng nguồn là khác nhau. Trong đó, số liệu tại Việt Nam tác giả gặp khó khăn trong việc thu thập các số liệu cũ trong quá khứ. Vì vậy, tác giả lựa chọn bộ dữ liệu vĩ mô từ trang thông tin Ngân hàng Thế giới WB. Các số liệu đƣợc thu thập dƣới dạng tỷ lệ phần trăm, đƣợc trình bày cụ thể ở phần phụ lục. Bộ dữ liệu vi mô Dữ liệu vi mô cấp ngân hàng gồm các yếu tố: tăng trƣởng tín dụng, tăng trƣởng quy mô ngân hàng, tỷ lệ nợ xấu năm trƣớc và tỷ lệ ROE hằng năm của 25 NHTMCP Việt Nam trong giai đoạn 2006 – 2016. Dữ liệu đƣợc thu thập chính từ các báo cáo thƣờng niên, báo cáo tài chính của các NHTM hằng năm. 1.5. KẾT CẤU CỦA KHÓA LUẬN Ngoài lời mở đầu, kết luận và danh mục tài liệu tham khảo, khóa luận gồm 5 chƣơng: - Chƣơng 1: Giới thiệu - Chƣơng 2: Cơ sở lý luận về nợ xấu và các nhân tố tác động đến nợ xấu - Chƣơng 3: Mô hình và phƣơng pháp nghiên cứu - Chƣơng 4: Kết quả nghiên cứu thực nghiệm - Chƣơng 5: Kết luận và kiến nghị 6
  18. KẾT LUẬN CHƢƠNG 1 Ngân hàng thƣơng mại đang ngày càng chứng tỏ đƣợc vai trò của mình trong hệ thống tài chính. Tuy nhiên, hoạt động của các NHTM ngày nay đang tiềm ẩn nhiều rủi ro dƣới tác động của các nhân tố vĩ mô và vi mô. Tác giả tiến hành nghiên cứu này với mong muốn tìm ra những bằng chứng thực nghiệm về sự tác động của các nhân tố vĩ mô và vi mô đến nợ xấu của các NHTM Việt Nam, từ đó đƣa ra một số kiến nghị nhằm ngăn ngừa và hạn chế nợ xấu. Ở chƣơng 1, tác giả đã giới thiệu tổng quát về toàn bộ bài nghiên cứu. 7
  19. CHƢƠNG 2 CƠ SỞ LÝ LUẬN VỀ NỢ XẤU VÀ CÁC NHÂN TỐ TÁC ĐỘNG NỢ XẤU TẠI CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN VIỆT NAM 2.1. TỔNG QUAN VỀ NỢ XẤU TRONG NGÂN HÀNG THƢƠNG MẠI Vậy câu hỏi đặt ra ở đây là Nợ xấu là gì? Thƣớc đo và những chuẩn mực phân loại nợ xấu nhƣ thế nào? 2.1.1. Khái niệm nợ xấu Nợ xấu là thuật ngữ đƣợc sử dụng phổ biến trên thế giới nhƣ “Non- performing loans” (NPL), “bad debt”, “doubtful debt” chỉ các khoản nợ khó đòi (Fofack, 2005) hoặc các khoản vay có vấn đề (Berger và De Young, 1997) hoặc khoản nợ không trả đƣợc (defaulted loans) mà ngân hàng không thể thu lợi từ nó (Ernst & Young, 2004) hay các khoản cho vay bắt đầu đƣợc đƣa vào nợ xấu khi đã quá hạn trả nợ gốc và lãi 90 ngày trở lên (Peter Rose, 2004); Mishkin, 2010). Hiện tại không có một quy tắc hay chuẩn mực thống nhất khi thảo luận về vấn đề nợ xấu. Có thể đề cập đến một số khái niệm về nợ xấu nhƣ sau: Theo hƣớng dẫn để tính toán các chỉ số lành mạnh tài chính của Quỹ Tiền tệ Quốc tế (IMF): “Một khoản cho vay đƣợc coi là không sinh lời (nợ xấu) khi tiền thanh toán lãi và/hoặc tiền gốc đã quá hạn 90 ngày trở lên, hoặc các khoản thanh toán lãi đến 90 ngày hoặc hơn đã đƣợc tái cơ cấu hay gia hạn nợ, hoặc các khoản thanh toán dƣới 90 ngày nhƣng có các nguyên nhân nghi ngờ việc trả nợ sẽ không đƣợc thực hiện đầy đủ”. (IMF's Comilation Guide on Fniancial Soundness Indicators, 2004). Với quan điểm này, nợ xấu đƣợc nhận dạng qua hai góc độ là thời gian quá hạn và khả năng trả nợ đáng nghi ngờ. Đồng quan điểm của IMF, nhóm chuyên gia tƣ vấn (AEG) của Liên hợp quốc cho rằng “về cơ bản, một khoản nợ đƣợc coi là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên 90 ngày, hoặc các khoản lãi chƣa trả từ 90 ngày trở lên đã đƣợc nhập gốc, tái cấp vốn hoặc chậm trả theo thỏa thuận, hoặc các khoản phải thanh toán đã quá hạn dƣới 90 ngày nhƣng có lý do chắc chắn để nghi ngờ về khả năng khoản nợ sẽ đƣợc thanh toán đầy đủ” (Advisory Expert Group (AEG), 2004). Trong khi đó, Ủy ban Basel về Giám sát Ngân hàng, họ không đƣa ra một định nghĩa cụ thể về nợ xấu. Nhƣng trong các hƣớng dẫn về hoạt động quản lý nợ 8
  20. xấu tại một số quốc gia, họ cho rằng một khoản nợ đƣợc coi là không có khả năng hoàn trả khi xảy ra một trong hai hoặc cả hai điều kiện sau: Một là, ngân hàng xác định ngƣời đi vay không có khả năng trả nợ đầy đủ khi ngân hàng chƣa thực hiện bất cứ động thái gì để thu hồi nợ nhƣ xử lý tài sản bảo đảm. Hai là, ngƣời vay đã quá hạn trả nợ (trên 90 ngày). Tại Việt Nam, theo quan điểm của Ngân hàng Nhà nƣớc Việt Nam, nợ xấu4 đƣợc định nghĩa là những khoản nợ đƣợc phân loại vào nhóm 3 (Nợ dƣới tiêu chuẩn), nhóm 4 (Nợ nghi ngờ) và nhóm 5 (Nợ có khả năng mất vốn). Trong đó, về định lƣợng, nợ nhóm 3 là các khoản nợ quá hạn từ 90 ngày đến 180 ngày; nợ nhóm 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. Nhƣ vậy, theo phƣơng pháp định lƣợng, cách xác định nợ xấu từ 90 ngày trở lên khá tƣơng đồng giữa khái niệm của các tổ chức trên thế giới cũng nhƣ tại Việt Nam. Tuy nhiên, để đánh giá một cách chính xác và toàn diện hơn thì cũng cần xem xét đến khả năng trả nợ của khách hàng. 2.1.2. Phân loại nợ Theo Đinh Thị Thanh Vân (2012), phân loại nợ là quá trình các ngân hàng xem xét danh mục cho vay của mình để đƣa các khoản vay vào các nhóm khác nhau dựa trên rủi ro và đặc điểm tƣơng đồng của các khoản vay. Việc thƣờng xuyên xem xét và phân loại nợ giúp cho ngân hàng có thể kiểm soát chất lƣợng danh mục cho vay và trong trƣờng hợp cần thiết sẽ có biện pháp xử lý các vấn đề phát sinh trong chất lƣợng tín dụng các danh mục cho vay. Việc phân loại nợ khó có tiêu chuẩn kế toán quốc tế thống nhất. Việc tiếp cận phân loại nợ đƣợc coi nhƣ trách nhiệm của ngƣời quản lý hoặc chỉ là vấn đề báo cáo giám sát (Laurin và cộng sự, 2002). 4 Đƣợc quy định tại Thông tƣ 02/2013/ TT-NHNN ngày 21 tháng 01 năm 2013 của Thống đốc Ngân hàng Nhà nƣớc Việt Nam quy định về phân loại tài sản có, mức trích, phƣơng pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nƣớc ngoài, đƣợc sửa đổi, bổ sung bởi: Thông tƣ số 09/2014/TT-NHNN ngày 18 tháng 3 năm 2014. 9
  21. Bảng 2.1. Phân loại nợ của một số nƣớc trên thế giới Nƣớc Số lƣợng Quy định dự Ghi chú nhóm vay phòng Đức 4 Dự phòng cụ 4 nhóm bao bồm: cho vay không rủi thể ro, cho vay có dấu hiệu rủi ro, nợ có dấu hiệu không thu hồi, nợ xấu Ý 5 Không có quy định cụ thể về lập dự phòng Nhật 5 Dự phòng cụ Chi phí dự phòng cho 3 nhóm cuối thể với tỷ lệ lần lƣợt là 15%, 70%, 100% Brazil 9 Dự phòng cụ 9 nhóm đƣa ra bao gồm AA (0%), A thể (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 Tỷ lệ dự phòng cho 5 nhóm lần lƣợt chung và dự là 1%, 3%, 12%, 25%, 50% phòng cụ thể Úc 5 Không đƣa ra quy định cụ thể về lập dự phòng Trung 5 Dự phòng cụ Tỷ lệ dự phòng cho 5 nhóm lần lƣợt Quốc thể và dự là 1%, 3%, 25%, 75%, 100% phòng chung 4 Dự phòng cụ Chia cụ thể làm 2 loại có bảo đảm Ấn Độ thể và dự hoặc không có bảo đảm có tỷ lệ dự phòng chung 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 10
  22. (0.99%); B-1 (20%); C-1 (20 – 40%); C-2 (40 – 60%); D (60 – 90%); và nhóm E (100%) Singapore 5 Dự phòng cụ Tỷ lệ trích lập dự phòng cho 3 nhóm thể cuối tối thiểu lần lƣợt là 10%, 50%, 100% Nga 4 Dự phòng Tỷ lệ trích lập dự phòng cho 3 nhóm chung và dự cuối lần lƣợt là 205, 50%, 100%. Dự phòng cụ thệ phòng nhóm 1 là 1% Tây Ban 6 Dự phòng Tỷ lệ dự phòng chung 0,51%, còn Nha chung và dự cho 3 nhóm cuối là 10%, 25 – 100%, phòng cụ thể 100% 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 đƣợc bảo đảm hoàn toàn bằng tiền hoặc tƣơng đƣơng - Quá hạn dƣới 90 ngày Cần theo dõi - Những điểm yếu tiềm tàng có thể ảnh hƣởng tới khả năng trả nợ - Các điều kiện kinh tế hoặc viễn cảnh tài chính khó khăn - Quá hạn dƣới 90 ngày Dƣới tiêu chuẩn - Các nhƣợc điểm rõ rệt về tín dụng có thể ảnh hƣởng 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. 11
  23. - Có khả năng thất thoát - Quá hạn từ 180 – 360 ngày Mất vốn - Các khoản vay không thu hồi đƣợc - Quá hạn hơn 360 ngày Nguồn: World Bank Publications, 2003 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 nợ có gốc và lãi trong hạn, không có dấu hiệu khó khăn trong thanh toán nợ và dự báo có thể thanh toán gốc và lãi đúng hạn, đầy đủ theo cam kết. Nợ cần chú ý Là nợ trong tình trạng nếu không có các biện pháp xử lý có thể tăng nguy cơ không thanh toán đầy đủ gốc và lãi. Vì vậy đây là khoản nợ cần đƣợc chú ý hơn mức bình thƣờng. Nợ dƣới tiêu Là khoản nợ nghi ngờ về khả năng thanh toán đầy đủ gốc, lãi chuẩn theo cam kết, hoặc gốc hoặc/và lãi quá hạn trên 90 ngày, hoặc tài sản bảo đảm giảm giá trị dẫn đến nguy cơ giảm giá trị khoản vay nếu không xử lý kịp thời. Nợ nghi ngờ Là nợ đƣợc xác định không thể thu hồi đầy đủ gốc, lãi trong điều kiện hiện hành hoặc lãi hoặc/và gốc quá hạn trên 180 ngày. Nợ nhóm này đã bị giảm giá trị nhƣng chƣa mất vốn hoàn toàn vì còn có những yếu tố đƣợc xác định có thể tác động cải thiện chất lƣợng 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 Nguồn: (IIF, 1999) 12
  24. 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 Phƣơng pháp định lƣợng Phƣơng pháp định tính 1.Nợ đủ tiêu Nợ trong hạn, hoặc quá hạn Có khả năng thu hồi đầy đủ cả chuẩn dƣới 10 ngày. nợ gốc và lãi đúng hạn. 2.Nợ cần chú ý Quá hạn 10 - 90 ngày; nợ Có khả năng thu hồi đầy đủ cả điều chỉnh hạn trả nợ lần gốc và lãi, nhƣng có dấu hiệu đầu. suy giảm khả năng trả nơ. 3.Nợ dƣới tiêu Quá hạn 91- 180 ngày; nợ Không có khả năng thu hồi nợ chuẩn gia hạn lần đầu; miễn hoặc gốc và lãi khi đến hạn; có khả giảm lãi. năng tổn thất 4.Nợ nghi ngờ Quá hạn từ 181 – 360 ngày; Có khả năng tổn thất cao nợ cơ cấu lại thời hạn trả nợ lần thứ hai. 5.Nợ có khả năng Nợ quá hạn trên 360 ngày; Không còn khả năng thu hồi, mất vốn nợ có cơ cấu lại thời hạn trả mất vốn nợ lần đầu thứ hai nhƣng lại quá hạn; nợ cơ cấu lại thời hạn trả nợ lần thứ ba trở lên Nguồn: Nguyễn Thành Nam (2013) Nhƣ vậy, theo cách phân loại nợ xấu của một số tổ chức tài chính quốc tế và Việt Nam đã kiệt kê ở trên, thì phân loại nợ xấu của NHNN Việt Nam và WB, nhiều quốc gia trên thế giới nhƣ Mỹ, Nhật, Singapore, Hồng Kông, Trung Quốc có điểm tƣơng đồng nhau. Đồng thời, mẫu nghiên cứu của tác giả là các NHTMCP tại Việt Nam. Do vậy, khóa luận sẽ dựa vào cách phân loại nợ xấu của NHNN Việt Nam để tính toán nợ xấu. 13
  25. 2.1.3. Tác động của nợ xấu Nợ xấu ngân hàng sẽ làm ảnh hƣởng xấu đến rất nhiều chủ thể. Đầu tiên là bản thân các ngân hàng và khách hàng đi vay, sau đó là tác động đến cả nền kinh tế. Nợ xấu tác động đến ngân hàng. Việc không thu hồi đƣợc nợ (gốc hoặc/và lãi và các khoản phí) làm cho nguồn vốn của các NHTM bị thất thoát, trong khi đó, các ngân hàng này vẫn phải chi trả tiền lãi cho nguồn vốn hoạt động, làm cho lợi nhuận bị sụt giảm. Nếu lợi nhuận không đủ thì ngân hàng còn phải dùng chính vốn tự có của mình để bù đắp thiệt hại. Điều này có thể làm ảnh hƣởng đến quy mô hoạt động của các NHTM. Mặc khác, tỷ lệ nợ quá hạn cao làm cho uy tín, niềm tin vào tiềm lực tài chính của ngân hàng bị suy giảm, dẫn đến giảm khả năng huy động vốn của ngân hàng, nghiêm trọng hơn nó có thể dẫn đến rủi ro thanh khoản, đẩy ngân hàng đến bở vực phá sản và đe dọa sự ổn định của toàn bộ hệ thống ngân hàng. Nợ xấu tác động đến khách hàng. Đối với bản thân chủ thể không có khả năng hoàn trả vốn và/hoặc lãi cho ngân hàng thì họ gần nhƣ không có cơ hội tiếp cận với nguồn vốn ngân hàng và thậm chí là cả những nguồn khác trong nền kinh tế do đã mất đi uy tín. Cơ hội tiếp cận vốn ngân hàng của các chủ thể đi vay khác cũng bị hạn chế hơn khi rủi ro tín dụng buộc các NHTM hoặc thắt chặt cho vay hay thậm chí phải thu hẹp quy mô hoạt động. Các chủ thể gửi tiền vào ngân hàng có nguy cơ không thu hồi đƣợc khoản tiền gửi và lãi nếu nhƣ các ngân hàng lâm vào tình trạng phá sản. Chính những ảnh hƣởng nghiêm trọng của nợ xấu dẫn đến tầm quan trọng trong công tác quản lý nhằm hạn chế tối thiểu việc phát sinh các khoản nợ xấu. Tác động của nợ xấu đến nền kinh tế. Hệ thống ngân hàng có mối quan hệ chặt chẽ đối với nền kinh tế, là kênh thu hút và cung cấp tiền cho các tổ chức, doanh nghiệp và cá nhân trong nền kinh tế. Do đó, rủi ro tín dụng có ảnh hƣởng trực tiếp đến nền kinh tế. 14
  26. Ở mức độ thấp, khi nợ xấu càng kéo dài thì các chi phí bỏ ra về mặt hữu hình và vô hình đối với xử lý nợ xấu càng lớn. Về mặt hữu hình, việc các tài sản cầm cố tại ngân hàng sẽ ngày càng bị hao mòn, hƣ hỏng, giá trị sẽ giảm dần. Nếu nợ xấu đƣợc xử lý nhanh thì các tài sản này sẽ đƣợc đem ra sử dụng nhanh chóng, tạo nên giá trị và giá trị thăng dự cho nền kinh tế. Về vô hình, khi quá trình xử lý nợ xấu kéo dài, dẫn tới hệ số tín nhiệm của Việt Nam sẽ khó mà duy trì đƣợc mức tín nhiệm nhƣ hiện tại. Điều này gây ảnh hƣởng không nhỏ tới môi trƣờng đầu tƣ. Mặc khác, rủi ro tín dụng khiến cơ hội tiếp cận vốn mở rộng hoạt động sản xuất kinh doanh hoặc tiêu dùng của các khách hàng bị hạn chế, ảnh hƣởng xấu đến khả năng tăng trƣởng của nền kinh tế. Việc điều tiết vĩ mô kinh tế thông qua các NHTM cũng trở nên kém hiệu quả (Se-Hark Park, 2003). Ở mức độ cao hơn, khi có một ngân hàng lâm vào tình trạng khó khăn dẫn đến phá sản thì hiệu ứng dây chuyền rất dễ xảy ra trong toàn bộ hệ thống ngân hàng, gây nên khủng hoảng đối với toàn bộ nền kinh tế, ảnh hƣởng tiêu cực đến đời sống xã hội và sự phát triển của đất nƣớc. Sự gia tăng nhanh chóng của nợ xấu là một trong những nguyên nhân chính gây ra khủng khoảng ngân hàng (González-Hermosillo, B, 1999). Lịch sử hoạt động của các NHTM trên thế giới đã chứng kiến không ít các ngân hàng lớn bị phá sản và hậu quả của nó thậm chí không giới hạn trong phạm vi một quốc gia mà còn lan ra nhiều nƣớc trong khu vực hay toàn cầu. 2.2. TỔNG QUAN CÁC NGHIÊN CỨU TRƢỚC 2.2.1. Các nghiên cứu quốc tế về các nhân tố tác động đến nợ xấu Salas và Suarina (2002) dùng dữ liệu bảng, so sánh các yếu tố quyết định của nợ xấu (vĩ mô và nội tại) ở các ngân hàng thƣơng mại và Quỹ tiết kiệm Tây Ban Nha trong giai đoạn 1985 – 1987. Nghiên cứu chỉ ra rằng GDP và nợ xấu có mối quan hệ ngƣợc chiều, khi GDP tăng thì nợ xấu giảm và ngƣợc lại; Quy mô của ngân hàng tác động tiêu cực lên nợ xấu, tăng trƣởng tín dụng 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 75 quốc gia trong giai đoạn 2005 – 2010 để nghiên cứu các yếu tố tác động đến nợ xấu. Nghiên cứu sử dụng kĩ thuật thống kê mômen tổng quát với cách tiếp cận theo mô hình hai bƣớc đƣợc đề xuất bởi Arellao – Bond. Kết quả nghiên cứu cho thấy tỷ 15
  27. lệ nợ xấu với độ trễ một năm và lãi suất cho vay có tác động cùng chiều đến tỷ lệ nợ xấu. Không chỉ vậy, nghiên cứu cũng tìm thấy tác động ngƣợc chiều của tỷ lệ tăng trƣởng kinh tế đến tỷ lệ nợ xấu ở các quốc gia này. Ahlem Selma Messai và Fathi Jouini (2013) sử dụng dữ liệu 85 ngân hàng trong ba nƣớc (Ý, Hy Lạp và Tây Ban Nha) trong giai đoạn 2004 – 2008 để nghiên cứu. Ba nƣớc đã đề cập đại diện cho các nƣớc gặp nhiều bất ổn sau khủng hoảng 2008. Các ngân hàng đƣợc lựa chọn là các ngân hàng lớn và có số lƣợng nợ xấu lớn. Các biến kinh tế vĩ mô gồm tỷ lệ tăng trƣởng GDP, tỷ lệ thất nghiệp và tỷ lệ lãi suất cho vay thực và các biến vi mô gồm tỷ suất sinh lời trên tổng tài sản (ROA), sự thay đổi trong các khoản vay và tỷ lệ dự phòng rủi ro. Kết quả nghiên cứu cho thấy rằng lãi suất cho vay, tỷ lệ dự phòng rủi ro tín dụng tác động thuận chiều với tỷ lệ nợ xấu. Đồng thời, tỷ lệ tăng trƣởng kinh tế, ROA tỷ lệ nghịch với nợ xấu tại các nƣớc này. Klein (2013) đã thực hiện ba phƣơng pháp ƣớc lƣợng là FE, DGMM của Arellano và Bond (1991), SGMM của Arellano & Bover (1995), Blundell & Bond (1998) và thu thập dữ liệu từ 10 ngân hàng ở mỗi quốc gia trên tổng 16 quốc gia để nghiên cứu các nhân tố tác động đến nợ xấu ở khu vực Trung, Đông và Đông Nam châu Âu. Các yếu tố tác động đến nợ xấu của ngân hàng gồm các yếu tố đặc trƣng của ngân hàng (ROE, tổng dƣ nợ trên tổng tài sản, tỷ lệ tăng trƣởng tín dụng), các yếu tố vĩ mô đặc trƣng của mỗi quốc gia (tỷ lệ thất nghiệp, tỷ lệ lạm phát, tỷ lệ hối đoái) và các yếu tố vĩ mô đặc trƣng của khu vực (tốc độ tăng trƣởng GDP thực của khu vực châu Âu, chỉ số cổ phiếu 500 của Standard & Poor – VIX). Kết quả ƣớc lƣợng cho thấy ROE tỷ lệ nghịch với tỷ lệ nợ xấu. Ngƣợc lại, tổng dƣ nợ trên tổng tài sản, tốc độ tăng trƣởng GDP của khu vực tác động đáng kể đến khả năng thanh toán của các doanh nghiệp. Makri và cộng sự (2014), nghiên cứu các yếu tố tác động đến nợ xấu của 17 quốc gia khu vực Châu Âu giai đoạn 2000 – 2008. Nghiên cứu xác định đƣợc mối quan hệ ngƣợc chiều giữa tỷ lệ nợ xấu với tăng trƣởng GDP; và cùng chiều với tỷ lệ thất nghiệp. Bên cạnh đó, nghiên cứu còn cho thấy mối quan hệ giữa tỷ lệ nợ xấu với tỷ lệ an toàn vốn tối thiểu, tỷ lệ nợ xấu năm trƣớc và lợi nhuận trên vốn chủ sở hữu. Khi GDP tăng trƣởng thì tỷ lệ nợ xấu của các ngân hàng có xu hƣớng giảm. 16
  28. Ekanayake (2015) thực hiện nghiên cứu với mẫu nghiên cứu 9 ngân hàng thƣơng mại tại Sri Lanka giai đoạn năm 1999 đến năm 2012. Kết quả nghiên cứu cho thấy nợ xấu do tác động của cả các yếu tố vĩ mô và yếu tố vi mô cụ thể bên trong ngân hàng. Trong các yếu tố vĩ mô GDP và lạm phát có tác động tiêu cực (theo nghiên cứu này thì trong tình hình lạm phát cao thì tỷ lệ nợ xấu lại thấp hơn so với các thời điểm khác) và lãi suất cho vay có tác động tích cực với nợ xấu. Fillip (2015) thiết kế và thử nghiệm hai mô hình kinh tế với xử lý dữ liệu bảng đối với trƣờng hợp Romania và châu Âu trong giai đoạn 2000 – 2012. Kết quả của nghiên cứu cho thấy mối tƣơng quan nghịch chiều có ý nghĩa giữa sự biến động của tỷ lệ nợ xấu và mức tăng trƣởng GDP thực; sự thuận chiều với sự biến động 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 – 2013. Về các yếu tố vĩ mô tác giả cho rằng tăng trƣởng GDP và tăng trƣởng thu nhập cá nhân và tăng giá nhà ở tỷ lệ nghịch với nợ xấu; trong khi đó, tỷ lệ thất nghiệp, và nợ công Mỹ tăng làm tăng đáng kể nợ xấu. Hơn nữa, tác giả thấy vốn hóa lớn hơn, rủi ro thanh khoản, chất lƣợng tín dụng kém, chi phí không hiệu quả lớn hơn và quy mô ngành ngân hàng làm tăng đáng kể nợ xấu, trong khi lợi nhuận ngân hàng lớ hơn làm giảm nợ xấu. Vithessonthi (2016) thực hiện nghiên cứu sử dụng hồi quy OLS và hồi quy hai bƣớc GMM cho dữ liệu bảng gồm 82 NHTM niêm yết công khai tại Nhật Bản trong giai đoạn 1993 – 2013. Nghiên cứu cho thấy tăng trƣởng tín dụng ngân hàng tƣơng quan cùng chiều với các khoản nợ xấu trƣớc khi bắt đầu đầu cuộc khủng hoảng tài chính toàn cầu năm 2007, nhƣng tƣơng quan nghịch chiều với các khoản nợ xấu sau khi bắt đầu cuộc khủng hoảng. Kết quả cho thấy cuộc khủng hoảng tài chính toàn cầu năm 2007 đã làm thay đổi mối liên hệ giữa tăng trƣởng tín dụng và nợ xấu. Một ngụ ý của những kết quả này là cuộc khủng hoảng này đã thay đổi cơ chế cho vay ngân hàng ảnh hƣởng đến các khoản nợ xấu cho các ngân hàng tại Nhật Bản. Điều này đƣợc cho là do các nƣớc đang chịu áp lực giảm phát để kích thích tăng trƣởng kinh tế nhƣng có liên quan đến nguy cơ tiềm ẩn lớn hơn trong hệ thống ngân hàng do tăng nguồn cung, tác giả nhấn mạnh thực tế là tăng trƣởng tín dụng ngân hàng 17
  29. không phải lúc nào cũng dẫn đến mức nợ xấu cao hơn. Ngoài ra, tác giả còn khẳng định tăng tỷ lệ tăng trƣởng tín dụng và nợ xấu không ảnh hƣởng đến lợi nhuận. 2.2.2. Các nghiên cứu trong nƣớc 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 trƣởng 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 trƣớc, tốc độ tăng trƣởng tín dụng và dƣ nợ trên tổng tài sản. Các yếu tố vĩ mô nhƣ lạm phát và tốc độ tăng trƣởng GDP tác động đáng kể đến mức độ nợ xấu trong giai đoạn nghiên cứu. Tốc độ tăng trƣởng GDP tại thời điểm hiện tại và nợ xấu có mối quan hệ ngƣợc chiều, khi nền kinh tế tăng trƣởng chậm, mức độ nợ xấu trong tƣơng lai tăng lên. Khi lạm phát cao, dẫn đến nợ xấu tăng. Các yếu tố vi mô: quy mô ngân hàng, nợ xấu năm trƣớc tỷ lệ thuận với tỷ lệ nợ xấu năm tiếp theo; tăng trƣởng tín dụng tại thời điểm hiện tại và sau một năm đều có ảnh hƣởng rất mạnh đến nợ xấu. Mặc dù tăng trƣởng tín dụng của thời điểm hiện tại có quan hệ ngƣợc chiều với nợ xấu nhƣng tác động ngƣợc lại xảy ra sau một năm. Nhƣ vậy, tăng trƣởng tín dụng cao chƣa 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), sử dụng phƣơng pháp dữ liệu bảng động để đánh giá ảnh hƣởng của các yếu tố nội tại đến nợ xấu các NHTM Việt Nam giai đoạn 2004 – 2014. Sau khi xử lý GMM hai bƣớc với các biến vĩ mô làm biến kiểm soát, kết quả cho thấy nợ xấu các NHTM Việt Nam chịu tác động nghịch chiều bởi các yếu tố nội tại của ngân hàng (chất lƣợng quản trị, rủi ro đạo đức); mức độ kiểm soát của chủ sở hữu cùng chiều với tỷ lệ nợ xấu (ngƣợc chiều so với cơ sở lý thuyết). Lê Hoàng Anh và Mai Thị Phƣơng Thùy (2015) sử dụng phƣơng pháp vector tự hồi quy (Vector Autogression – VAR), dữ liệu chuỗi tời gian theo quý từ quý IV năm 2006 đến quý I năm 2015. Các biến đƣợc sử dụng trong nghiên cứu gồm: tốc độ tăng trƣởng GDP, chỉ số giá tiêu dùng, tăng trƣởng tín dụng đƣợc tác giả đƣa vào mô hình để xem xét các cú sốc của các biến này đến tỷ lệ nợ xấu của hệ thống 18
  30. NHTM Việt Nam. Kết quả kiểm định nhân quả Granger cho thấy không tồn tại mối quan hệ hai chiều giữa nợ xấu của hệ thống NHTM Việt Nam và các biến chỉ số giá tiêu dùng, tăng trƣởng tín dụng - mối quan hệ giữa các biến này là quan hệ một chiều. Nguyễn Thị Hồng Vinh (2015), phân tích các yếu tố tác động đến nợ xấu của hệ thống NHTM Việt Nam giai đoạn 2007 – 2014. Ba mô hình ƣớc lƣợng dữ liệu bảng là FE, DGMM và SGMM đƣợc sử dụng để kiểm định. Kết quả nghiên cứu cho thấy các yếu tố đặc thù và vĩ mô đều có tác động quan trọng đến nợ xấu của hệ thống NHTM Việt Nam. Trong đó, khả năng sinh lời và tăng trƣởng kinh tế là những yếu tố chính có tác động ngƣợc chiều đến nợ xấu của hệ thống NHTM Việt Nam. Ngoài ra, nợ xấu trong quá khứ, quy mô ngân hàng, tăng trƣởng tín dụng tác động cùng chiều đến nợ xấu. Đặc biệt, phƣơng pháp GMM hệ thống cung cấp bằng chứng vốn chủ sở hữu và lạm phát tác động có ý nghĩa đến tỷ lệ nợ xấu của các NHTM Việt Nam. Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016) sử dụng dữ liệu bảng của 32 ngân hàng thƣơng mại Việt Nam trong giai đoạn 2007 – 2013. Thông qua cách tiếp cận REM và FEM trong mô hình tĩnh, cùng với các tiếp cận GMM trong mô hình động, nghiên cứu đã cho thấy các yếu tố vĩ mô nhƣ: tăng trƣởng kinh tế tác động tích cực làm giảm nợ xấu, còn nợ công chính phủ thì tác động tiêu cực làm tăng nợ xấu. Bên cạnh đó, các yếu tố vi mô của các ngân hàng cũng có tác động có ý nghĩa thống kê đến nợ xấu. Nợ xấu kì trƣớc, tăng trƣởng tín dụng, hiệu quả kinh doanh (ROE) và hiệu quả quản lý tác động tích cực làm giảm nợ xấu còn quy mô tín dụng thì tác động tiêu cực làm tăng nợ xấu. 2.2.3. Tổng hợp lý thuyết các nhân tố tác động đến nợ xấu của NHTM Nhƣ vậy, thông qua thảo lƣợc các nghiên cứu trƣớc, các yếu tố có thể ảnh hƣởng đến nợ xấu của ngân hàng thƣơng mại bao gồm nhân tố vĩ mô và vi mô đặc thù của ngân hàng, cụ thể đƣợc liệt kê trong bảng 2.5: 19
  31. Bảng 2.5. Các nhân tố ảnh hƣởng đến nợ xấu Tên biến Dấu kì vọng Bằng chứng thực nghiệm Salas và Suarina (2002), Messai và Jouini (2013), Nir Klein (2013), Beck, Jakubik & Piloiu (2013), Makri & cộng sự (2014), Tốc độ tăng trƣởng Ekanayake (2015), Filip (2015), - kinh tế GDP Ghosh (2015), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Nguyễn Thị Hồng Vinh (2015), Nguyễn Tuấn Kiệt và Đinh Hùng Vĩ mô Phú (2016) Klein (2013), Filip (2015), Tỷ lệ thất nghiệp + Ghosh (2015), Makri & cộng sự (2014) Klein (2013), Filip (2015), + Ghosh (2015), Đỗ Quỳnh Anh và Tỷ lệ lạm phát Nguyễn Đức Hùng (2013) - Kanayake (2015) Ghosh (2015), Nguyễn Tuấn Kiệt Nợ công + và Đinh Hùng Phú (2016) Beck, Jakubik & Piloiu (2013), Đỗ Quỳnh Anh và Nguyễn Đức + Tỷ lệ nợ xấu Hùng (2013), Nguyễn Thị Hồng năm trƣớc Vinh (2015) Vi mô Nguyễn Tuấn Kiệt và Đinh Hùng - Phú (2016) Ghosh (2015), Đỗ Quỳnh Anh và Quy mô ngân hàng + Nguyễn Đức Hùng (2013), Nguyễn Thị Hồng Vinh (2015), 20
  32. Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2015) - Salas và Suarina (2002) Keeton (1999), Klein (2013), Vithessonthi (2016), Đỗ Quỳnh Anh và Nguyễn Đức Hùng + (2013), Nguyễn Thị Hồng Vinh Tăng trƣởng tín dụng (2015), Lê Hoàng Anh và Mai của ngân hàng Thị Phƣơng Thùy (2015) Vithessonthi (2016), Nguyễn - Tuấn Kiệt và Đinh Hùng Phú (2016) Klein (2013), Ghosh (2015), Lê Hoàng Anh và Mai Thị Phƣơng Khả năng sinh lời Thùy (2015), Nguyễn Thị Hồng + của ngân hàng Vinh (2015), Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016) Kanayake (2015), Beck, Jakubik Lãi suất cho vay + & Piloiu (2013) Nguồn: Tác giả tổng hợp Nhƣ vậy, đã có rất nhiều nghiên cứu về các nhân tố ảnh hƣởng đến nợ xấu tại các NHTM ở trong và ngoài nƣớc. Tuy nhiên, các nghiên cứu trong nƣớc mới dừng lại ở dữ liệu tới năm 2014, trong khóa luận này tác giả nghiên cứu trên mẫu dữ liệu giai đoạn 2006 – 2016. Với bộ dữ liệu này, tác giả kỳ vọng với thời gian đủ dài (10 năm) để hình thành xu hƣớng và tìm ra mối quan hệ giữa các nhân tố có ảnh hƣởng đến nợ xấu, từ đó đƣa ra kết luận với độ chính xác cao. Đồng thời, kết quả nghiên cứu mang tính mới và cập nhật hơn, phù hợp với diễn biến tình hình kinh tế - xã hội hiện tại ngày càng phát triển và thay đổi. 21
  33. KẾT LUẬN CHƢƠNG 2 Trong chƣơng này, tác giả trình bày cơ sở lý thuyết về nợ xấu, những ảnh hƣởng tiêu cực của nợ xấu và các nhân tố ảnh hƣởng đến nợ xấu ở những nghiên cứu trƣớc làm cơ sở để trích lọc ra các nhân tố vĩ mô và vi mô thuộc ngân hàng tác động đến nợ xấu mà tác giả có thể đo lƣờng và xây dựng nghiên cứu ở những chƣơng tiếp theo. Chƣơng 3 sẽ trình bày mô hình và phƣơng pháp nghiên cứu của luận án, đồng thời đặt ra các giả thuyết trong nghiên cứu và thực hiện việc xác định, mô tả các biển trong khóa luận. 22
  34. CHƢƠNG 3 MÔ HÌNH VÀ PHƢƠNG PHÁP NGHIÊN CỨU 3.1. MÔ HÌNH NGHIÊN CỨU VÀ GIẢ THUYẾT NGHIÊN CỨU Dựa trên cơ sở lý thuyết, các nghiên cứu trong và ngoài nƣớc trƣớc đây đã đƣợc đề cập trong chƣơng 2 của nghiên cứu này, có thể thấy rằng có rất nhiều yếu tố ảnh hƣởng đến nợ xấu đƣợc tìm thấy trên thế giới. Tác giả nhận thấy trong nhiều yếu tố tác động đến nợ xấu, bao gồm các yếu tố vĩ mô nhƣ tốc độ tăng trƣởng GDP, tỷ lệ lạm phát, tỷ lệ thất nghiệp. Các yếu tố vi mô thuộc ngân hàng là quy mô ngân hàng, tỷ lệ tăng trƣởng tín dụng, tỷ lệ ROE. Đồng thời, sau khi xem xét thực trạng nợ xấu của các NHTM Việt Nam hiện nay, tác giả thấy rằng nguyên nhân chính dẫn đến tình trạng nợ xấu trong giai đoạn 2006 đến nay có thể là do những yếu tố đã đề cập ở trên. Do đó, tác giả lựa chọn 07 nhân tố để sử dụng trong mô hình nghiên cứu cho đề tài. Mô hình: NPLit = it-1 ( ) it it it, (1) Trong đó: - i và t biểu thị đƣờng chéo và chiều thời gian trong mẫu dữ liệu bảng tƣơng ứng, NPLit là biến phụ thuộc, đƣợc xác định bằng logarit của tỷ lệ nợ xấu ngân hàng thứ i trong năm t. Theo Nguyễn Thị Hồng Vinh (2015), Nguyễn Tuấn Kiệt và Định Hùng Phú (2016), điều này nhằm đảm bảo biến phụ thuộc nằm trong khoảng [- và đƣợc phân phối đối xứng - Biến phụ thuộc NPLit đƣợc giải thích bởi độ trễ của nó là NPLit-1 hay tỷ lệ nợ xấu năm trƣớc đó (NPLit), ( ) biểu thị độ trễ vecto đa thức. Xit là vecto của biến các yếu tố vi mô đặc thù của ngân hàng (ngoài biến nợ xấu trong quá khứ) bao gồm: khả năng sinh lời (ROEit), tỷ lệ tăng trƣởng tín dụng (CREDITit), quy mô ngân hàng (SIZEit). Các biến này cũng đƣợc lấy giá trị logarit tự nhiên. - Mit là các biến các yếu tố vĩ mô gồm: tỷ lệ lạm phát (INFit), tốc độ tăng trƣởng kinh tế (GDPit), tỷ lệ thất nghiệp (UNTit) - it: các sai số 23
  35. Hình 3.1. Sơ đồ khung nghiên cứu Nguồn: Tác giả đề xuất 3.1.1. Biến phụ thuộc Biến phụ thuộc của mô hình là tỷ lệ nợ xấu trên tổng dƣ nợ (NPLit). Biến này đo lƣờng chất lƣợng tài sản của ngân hàng, đƣợc tính bằng giá tổng giá trị nợ dƣới tiêu chuẩn (nợ nhóm 3), nợ nghi ngờ (nợ nhóm 4), nợ có khả năng mất vốn (nợ nhóm 5) chia cho tổng dƣ nợ tín dụng sau khi lấy giá trị logarit tự nhiên. NPL (%) = logarit( ) it Nhiều ngân hàng sử dụng chỉ tiêu NPL khi thực hiện các nghiên cứu về nợ xấu các ngân hàng. Tiêu biểu trên thế giới có Ekanayake (2015), Al-Khazali và cộng sự (2017) và tại Việt Nam có nghiên cứu của Nguyễn Thị Hồng Vinh (2015), Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016) 3.1.2. Biến độc lập Nhân tố vi mô: Đây là nhóm nhân tố lớn trong việc phát sinh nợ xấu. Phần lớn các khoản nợ xấu có thể phòng tránh và kiểm soát nếu bản thân ngân hàng chủ động hạn chế các tác động tiêu cực của các nhân tố vi mô. + Quy mô ngân hàng (SIZEit) thể hiện năng lực thị trƣờng của ngân hàng đó. Cách đo lƣờng: Quy mô ngân hàng đƣợc đo lƣờng bằng cách lấy logarit tự nhiên của tổng tài sản. SIZEit = ( ) 24
  36. Hầu hết các kết quả nghiên cứu theo tác giả thống kê thì yếu tố quy mô ngân hàng tác động cùng chiều đến tỷ lệ nợ xấu. Cụ thể, có thể kể đến nghiên cứu của Rajan & Dhal (2003), Ghosh (2015), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Nguyễn Thị Hồng Vinh (2015), Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2015). Trong khi đó, tƣơng quan nghịch chiều giữa quy mô và nợ xấu cũng đƣợc tìm thấy trong nghiên cứu của Salas và Suarina (2002). Ngân hàng với tổng tài sản lớn thể hiện quy mô ngân hàng lớn. Quy mô ngân hàng lớn cho phép các NHTM có điều kiện để đầu tƣ cải thiện quy trình tín dụng, chất lƣợng quản trị rủi ro cũng nhƣ nguồn nhân lực chất lƣợng cao. Đồng thời, quy mô ngân hàng lớn cùng với thị phần cao cho phép các NHTM có thể đa dạng hóa hoạt động tín dụng của mình, từ đó giúp giảm thiểu rủi ro tập trung tín dụng (Louzis, 2012) Từ kết quả các nghiên cứu trƣớc và lý thuyết về quy mô ngân hàng trình bày ở trên, nghiên cứu đƣa ra giả thuyết nhƣ sau: Giả thuyết H0: Quy mô ngân hàng tác động cùng chiều đến nợ xấu. + Tăng trƣởng tín dụng: Cách đo lƣờng: Tăng trƣởng tín dụng = ( ) Các nghiên cứu về ảnh hƣởng của yếu tố tăng trƣởng tín dụng có các kết quả không thống nhất. Một phần các nghiên cứu trƣớc chỉ ra rằng tỷ lệ nợ quá hạn và nợ xấu có liên quan đến tốc độ tăng trƣởng tín dụng nhanh chóng. Keeton (1999) sử dụng dữ liệu nghiên cứu từ các ngân hàng thƣơng mại tại Hoa Kỳ từ 1982 – 1996 và một mô hình hồi quy đa hƣớng chỉ ra mối liên hệ giữa tăng trƣởng tín dụng nhanh chóng và tỷ lệ nợ xấu. Salas và Saurina (2002) đã nghiên cứu các ngân hàng Tây Ban Nha phát hiện ra rằng tăng trƣởng dƣ nợ cho vay có liên quan đến khoản vay không khả năng thanh toán. Weinberg (1995) đƣa ra giả thuyết rằng rủi ro cho vay tăng trong thời kỳ phát triển kinh tế vì lợi nhuận kỳ vọng từ các dự án đầu tƣ đƣợc cải thiện và do đó, lợi nhuận kỳ vọng từ tất cả các khoản vay đã khiến ngân hàng thƣờng xuyên nới lỏng các tiêu chuẩn bảo lãnh phát hành, trong khi hoạt động tín dụng cần đƣợc thắt chặt các tiêu chuẩn, do đó các khoản nợ xấu tăng lên cùng với sự gia tăng tín 25
  37. dụng. Ngoài ra, các kết quả nghiên cứu của Klein (2013), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013) và Nguyễn Thị Hồng Vinh (2015) cũng đồng quan điểm trên. Trong khi đó, nghiên cứu của Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016) lại cho rằng tốc độ tăng trƣởng tín dụng tƣơng quan nghịch với nợ xấu. Điều này đƣợc lý giải là trong giai đoạn nghiên cứu ở Việt Nam các khoản tín dụng của các ngân hàng thƣờng sau một năm mới phát sinh nợ xấu, có nghĩa là nếu năm nay ngân hàng tăng trƣởng tín dụng thấp vì năm trƣớc đó ngân hàng có tỷ lệ nợ xấu cao, nên ngân hàng phải bắt buộc tập trung xử lý nợ xấu kèm theo việc hạn chế tăng trƣởng tín dụng do áp đặt của ngân hàng Nhà nƣớc. Vì vậy, tác giả kỳ vọng nợ xấu bị ảnh hƣởng cùng chiều với tốc độ tăng trƣởng tín dụng. Giả thuyết H0: Tốc độ tăng trưởng tín dụng tác động thuận chiều với tỷ lệ nợ xấu. + Khả năng sinh lời của ngân hàng (ROEit) Cách đo lƣờng: bằng logarit tự nhiên của ( ) Hầu hết các nghiên cứu thực nghiệm khóa luận tiếp cận đƣợc đều có kết quả nghiên cứu là nợ xấu và khả năng lời của ngân hàng có quan hệ ngƣợc chiều: Klein (2013), Ghosh (2015), Lê Hoàng Anh và Mai Thị Phƣơng Thùy (2015), Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016). Thật vậy, một ngân hàng có khả năng sinh lời cao sẽ có ít động cơ tham gia vào các hoạt động cấp tín dụng với rủi ro cao. Ngƣợc lại, những ngân hàng hoạt động kém hiệu quả sẽ cố gắng sinh lời bằng việc cấp các khoản tín dụng không đạt chuẩn, do đó tại các gân hàng này dễ dàng nảy sinh các khoản nợ xấu hơn. Vấn đề này cũng rất hợp lý khi các ngân hàng Việt Nam lợi nhuận thu đƣợc chủ yếu là từ hoạt động tín dụng, cho nên khi lợi nhuận các hàng này cao thì chất lƣợng các khoản vay của các ngân hàng này tốt, nên vốn và lãi đƣợc thu hồi đầy đủ và nợ xấu sẽ thấp (Nguyễn Tuấn Kiệt & Đinh Hùng Phú (2016). Vì vậy, tác giả đƣa ra giả thuyết cho mô hình nghiên cứu nhƣ sau: Giả thuyết H0: Khả năng sinh lời của ngân hàng tác động ngược chiều với tỷ lệ nợ xấu. 26
  38. + Tỷ lệ nợ xấu kỳ trƣớc (NPLit-1) Cách đo lƣờng: NPL = logarit( ) it-1 Theo Marki và cộng sự (2014), việc thu hồi nợ không hiệu quả là nguyên nhân tăng nợ xấu cũng nhƣ những khó khăn gặp phải khi xử lý các khoản nợ xấu. Thêm vào đó, các khoản nợ xấu tồn đọng các năm trƣớc đến hiện tại chƣa đƣợc giải quyết triệt để thì sẽ làm tăng nợ xấu trong năm hiện tại. Giả thuyết H0: Tỷ lệ nợ xấu kỳ trước tác động thuận chiều với tỷ lệ nợ xấu năm hiện tại Nhân tố vĩ mô: Các nhân tố vĩ mô gây ra nợ xấu là những nhân tố xuất phát từ môi trƣờng bên ngoài mà ngân hàng không thể kiểm soát và diễn ra ngoài ý muốn, không thể dự đoán một cách chính xác. + Tốc độ tăng trƣởng kinh tế GDP Hầu hết các nghiên cứu về các yếu tố vĩ mô tác động đến nợ xấu đều kiểm định ảnh hƣởng của tăng trƣởng kinh tế đến chất lƣợng khoản vay. Các kết quả nghiên cứu trƣớc đây hầu hết đều cho kết quả ngƣợc nhiều, chẳng hạn: Salas và Suarina (2002), Fillip (2015), Ghosh (2015), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Nguyễn Thị Hồng Vinh (2015), Nguyễn Tuấn Kiệt Và Đinh Hùng Phú (2016) Tăng trƣởng GDP phản ánh tăng trƣởng kinh tế. Nền kinh tế tăng trƣởng tốt sẽ thúc đẩy hoạt động sản xuất, kinh doanh đƣợc thuận lợi, từ đó nâng cao khả năng thanh toán các khoản vay của ngƣời đi vay (Markri & cộng sự (2012), Klein (2013). Giả thuyết H0: Tốc độ tăng trưởng kinh tế GDP tương quan nghịch chiều với tỷ lệ nợ xấu. + Tỷ lệ thất nghiệp: Theo nghiên cứu của Marki và cộng sự (2014) khi sử dụng phƣơng pháp hồi quy với mẫu 14 trong số 17 quốc gia thuộc khu vực đồng Euro, kết quả cho thấy có mối quan hệ rõ rằng giữa tỷ lệ thất nghiệp và nợ xấu, nợ xấu tăng lên do sự tăng trƣởng của tỷ lệ thất nghiệp. Fillip (2015), Ghosh (2015) cũng đồng quan điểm trên. 27
  39. Khi thất nghiệp xảy ra, thu nhập của ngƣời đi vay sẽ giảm, do đó khả năng hoàn trả nợ gốc cũng nhƣ lãi vay của họ sẽ giảm, điều này dẫn đến tỷ lệ nợ xấu của ngân hàng sẽ tăng lên (Fillip, (2015)). Theo kỳ vọng của tác giả, khi nền kinh tế có tỷ lệ thất nghiệp cao sẽ làm gia tăng nợ xấu do khả năng trả nợ của khách hàng bị suy giảm. Giả thuyết H0: Tỷ lệ thất nghiệp cùng chiều với tỷ lệ nợ xấu + Tỷ lệ lạm phát: Khi lạm phát tăng, ngƣời tiêu dùng giảm nhu cầu chi tiêu khiến hàng hóa tiêu thụ thấp hơn, doanh nghiệp gặp khó khăn do hoạt động kinh doanh bị trì trệ, doanh nghiệp lợi nhuận thấp hơn kỳ vọng, thậm chí có thể xảy ra tình trạng lỗ làm ảnh hƣởng đến khả năng trả nợ của doanh nghiệp. Điều này khiến cho nợ xấu NHTM tăng lên. Nghiên cứu của Fillip (2015), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016) đều chứng minh cho nhận định trên. Riêng nghiên cứu của Ekanayake (2015) lại cho thấy tỷ lệ lạm phát tỷ lệ nghịch với tỷ lệ nợ xấu. Từ các dẫn chứng trên, tác giả đƣa ra nhận định về giả thuyết nhƣ sau: Giả thuyết H0: Tỷ lệ lạm phát tương quan thuận với tỷ lệ nợ xấu. 28
  40. Nhƣ vậy, dựa trên các nghiên cứu trƣớc, khóa luận đã trình bày mô hình nghiên cứu, các giả thuyết và mô tả các biến trong nghiên cứu. Bảng 3.1 thể hiện các biến và kỳ vọng tƣơng ứng về các yếu tố tác động đến nợ xấu cần kiểm định cho các NHTMCP Việt Nam. Bảng 3.1. Mô tả các biến đƣợc sử dụng trong mô hình nghiên cứu. Dấu Tên biến Kí hiệu Cách lấy dữ liệu kì vọng Biến Tỷ lệ nợ xấu năm ( ) phụ NPLit hiện tại thuộc Biến Tốc độ tăng trƣởng GDPit WorldBank - độc kinh tế lập - Tỷ lệ thất nghiệp UNTit WorldBank + Yếu tố Tỷ lệ lạm phát INFit WorldBank + vĩ mô Tỷ lệ nợ xấu năm NPLi(t-1) ln( ) + Biến trƣớc độc Quy mô ngân hàng SIZEit ln(Tổng tài sản) + lập - Tăng trƣởng tín CREDITit ln( ) + Yếu tố dụng của ngân hàng vi mô Khả năng sinh lời ROEit ln( ) - của ngân hàng Nguồn: Tác giả tổng hợp 29
  41. 3.2. DỮ LIỆU VÀ PHƢƠNG 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 Nam5 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 Với một số dữ liệu vĩ mô, tác giả lấy từ các nguồn uy tín nhƣ: tốc độ tăng trƣởng kinh tế GDP, tỷ lệ lạm phát và tỷ lệ thất nghiệp đƣợc lấy từ số liệu thống kê của World Bank, IMF. 3.2.2. Phƣơng pháp nghiên cứu Để đo lƣờng tác động của các nhân tố vĩ mô và vi mô đến nợ xấu ngân hàng, tác giả sử dụng phƣơng pháp phân tích dữ liệu bảng (panel data) với ba phƣơng pháp khác nhau: phƣơng pháp pooled OLS, phƣơng pháp random effects (REM) và phƣơng pháp fixed effects (FEM). Tuy nhiên, việc ƣớc lƣợng 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 H0 làm nền tảng cho kiểm định Hausman là tác động cá biệt của mỗi đơn vị chéo không gian không có tƣơng quan với các biến hồi quy khác trong mô hình. Nếu có tƣơng quan (giả thuyết H0 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: - Kiểm định hiện tƣợng đa cộng tuyến bằng ma trận tƣơng quan giữa các biến và hệ số nhân tử phóng đại VIF để loại trừ các biến có mối liên hệ với nhau. - Hiện tƣợng phƣơng sai thay đổi thông qua đồ thị và kiểm định Wald. - Hiện tƣợng tƣ tƣơng quan thông qua phƣơng pháp Durbin Watson. Kết quả cho thấy mô hình FEM có hiện tƣợng phƣơng sai thay đổi. 5 Đƣợc đề cập trong phần phụ lục 30
  42. Sau đó, mô hình Generalized method of moments (GMM) đƣợc sử dụng để khắc phục hiện tƣợng nội sinh và phƣơng sai thay đổi. Trong đó, hiện tƣợng biến nội sinh (đƣợc miêu tả qua biến khác) là biến độc lập trong mô hình có quan hệ hai chiều với biến phụ thuộc và/hoặc bị phần dƣ của mô hình tác động. Để khắc phục hiện tƣợng này, Lars Peter Hansen (1982) đã phát triển đƣa thêm biến công cụ (có quan hệ chặt với biến độc lập, phụ thuộc trong mô hình cũ những không có quan hệ với phần dƣ). Trong nghiên cứu này, các biến SIZEit, CREDITit, ROEit đƣợc xếp vào nhóm các biến đƣợc công cụ và đƣợc lấy giá trị độ trễ thứ nhất. Còn các biến NPLit-1, GDPit, INFit và UNTit đƣợc xếp vào nhóm các biến công cụ và giá trị hiện tại của chúng là công cụ thích hợp. Tính hợp lý của các biến công cụ đƣợc sử dụng trong phƣơng pháp GMM đƣợc đánh giá qua các thống kê Sargan (1958) và để kiểm định Sargan (1958) không bị yếu thì số lƣợng các biến công cụ đƣợc lựa chọn phải nhỏ hơn hoặc bằng số lƣợng các nhóm đối tƣợng nghiên cứu (số liệu mỗi ngân hàng trong giai đoạn 2006 – 2016 đƣợc xem là một nhóm, do đó nghiên cứu này có 25 nhóm tƣơng ứng với 25 ngân hàng). Bên cạnh đó, kiểm định Arellano & Bond – AR (1991) để kiểm tra tính chất tự tƣơng quan của phƣơng sai sai số mô hình GMM ở dạng sai phân và sử dụng tƣơng quan ở bậc hai AR (2) vì nó kiểm tra tự tƣơng quan ở mọi cấp độ. Tuy nhiên, kết quả mô hình cho thấy kiểm định Sargan không thỏa điều kiện, mặc dù các điều kiện khác đều thỏa. Do đó, phƣơng pháp GMM trong dữ liệu nghiên cứu này là chƣa khả thi. Cuối cùng, tác giả sử dụng phƣơng pháp bình phƣơng tối thiểu tổng quát khả thi (Feasible Generalized Least Squares – FGLS) để kiểm soát đƣợc hiện tƣợng phƣơng sai thay đổi. Phƣơng pháp này sẽ ƣớc tính mô hình theo phƣơng pháp OLS (ngay cả trong trƣờng hợp có sự tồn tại của hiện tƣợng phƣơng sai thay đổi hay tự tƣơng quan). Các sai số đƣợc rút ra từ mô hình sẽ đƣợc dùng để ƣớc tính ma trận phƣơng sai – hiệp phƣơng sai của sai số. Cuối cùng, sử dụng ma trận này để chuyển đổi các tham số cần tìm trong mô hình. Kết quả p-value mô hình có ý nghĩa về mặt thống kê cao ở mức 1%. Vì vậy. các hệ số trong mô hình FGLS đƣợc lựa chọn làm kết quả cuối cùng của khóa luận. 31
  43. KẾT LUẬN CHƢƠNG 3 Mục tiêu của chƣơng này là đề xuất mô hình nghiên cứu cụ thể, cách chọn biến, giả thuyết nghiên cứu và lý giải lý do chọn biến trong mô hình. Đồng thời, chƣơng này trình bày rõ các nguồn dữ liệu đƣợc thu thập và cách đo lƣờng các biến. Đặc biệt, phƣơng pháp ƣớc lƣợng mô hình và các kiểm định lần lƣợt đƣợc tác giả làm rõ. Chƣơng 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. 32
  44. CHƢƠNG 4 KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM Các chƣơng trƣớc của khóa luận đã trình bày về mô hình nghiên cứu, các phƣơng pháp và dữ liệu sẽ sử dụng để mô hình hóa các biến. Chƣơng này sẽ trình bày kết quả hồi quy và các kiểm định, quan sát mức ý nghĩa tác động và chiều hƣớng ảnh hƣởng của các biến độc lập đối với biến phụ thuộc là tỷ lệ nợ xấu NHTMCP. Mẫu nghiên cứu bao gồm 25 ngân hàng TMCP tại Việt Nam với 275 số quan sát, trong khoảng thời gian 10 năm từ 2006 – 2016. 4.1. THỐNG KÊ MÔ TẢ Đầu tiên, về đặc điểm mẫu nghiên cứu, hiện nay, có nhiều kỹ thuật để xác định kích thƣớc mẫu đại diện cho mẫu tổng thể. Một trong những kỹ thuật xác định kích thƣớc mẫu dựa trên kinh nghiệm của Green (1991), tác giả khuyến nghị công thức xác định cỡ mẫu nghiên cứu nhƣ sau: n 50 + 8m (2) Trong đó, n là kích thƣớc mẫu tối thiểu cần thiết và m là số lƣợng biến độc lập trong mô hình. Với công thức (2) và số biến độc lập trong mô hình (1) đã xây dựng ở chƣơng 3, ta có kích thƣớc mẫu tối thiểu là 106 số quan sát. Ngoài ra, Tabachnick và Fidell (2007) cho rằng công thức xác định kích thƣớc mẫu đủ lớn để kết quả hồi quy đƣợc thuyết phục hơn là: n 104 + m (3) Nhƣ vậy, theo công thức (3), kích thƣớc mẫu tối thiểu là 111 số quan sát. Trong nghiên cứu này, mẫu nghiên cứu đƣợc hình thành từ việc thu thập dữ liệu của 25 ngân hàng TMCP hoạt động trên lãnh thổ Việt Nam có báo cáo tài chính, báo cáo thƣờng niên đƣợc công bố công khai trong giai đoạn từ năm 2006 đến 2016. Do có một số ngân hàng mới công bố công khai trong vài năm gần đây và một số ngân hàng đã tiền hành hợp nhất, sáp nhập số liệu nên mẫu nghiên cứu sau cùng là 275 số quan sát. Số quan sát này mẫu nghiên cứu thỏa điều kiện ở công thức (2) và (3). Sau đó, để có một bức tranh cụ thể về các biến quan sát, khóa luận sử dụng phƣơng pháp thống kê mô tả, sử dụng các chỉ tiêu đo lƣờng bao gồm: số quan sát, 33
  45. số trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất để làm rõ hơn về những đặc trƣng của các biến quan sát trong mẫu nghiên cứu. Lƣu ý là giá trị các biến đã đƣợc lấy giá trị logarit tự nhiên nhằm đảm bảo điều kiện giá trị nằm trong khoảng [- và đƣợc phân phối đối xứng. Bảng 4.1. Thống kê mô tả các biến trong mô hình Biến Số quan Trung bình Độ lệch chuẩn Giá trị nhỏ Giá trị lớn sát nhất nhất NPLit 269 -3,980146 0,764859 -7,130899 0,5988365 GDPit 275 0,0612455 0,0061772 0,0525 0,0713 INFit 275 0,0915382 0,0709486 0,019079 0,2267332 UNTit 275 0,0220909 0,0026143 0,018 0,026 ROEit 271 0,8216086 2,23173 -5,360193 7,214504 CREDITit 247 -1,26966 1,198215 -9,21034 2,2428583 SIZEit 271 2,371843 1,1332445 1,904761 2,626271 Nguồn: Kết xuất từ phần mềm Stata 13 Nhƣ vậy, bảng 4.1. mô tả giá trị trung trình, độ lệch chuẩn, giá trị nhỏ nhất và giá trị lớn nhất. Cỡ mẫu nghiên cứu gồm 275 - 269 quan sát cho mỗi biến. Đây là cỡ mẫu chấp nhận đƣợc để thực hiện hồi quy trong thống kê. 34
  46. 4.2. KẾT QUẢ MÔ HÌNH NGHIÊN CỨU 4.2.1. Phân tích tƣơng quan mô hình nghiên cứu Bảng 4.2. Kết quả phân tích tƣơng quan các biến trong mô hình nghiên cứu CREDITi SIZE Biến NPLit NPLit-1 GDPit INFit UNTit ROEit t it NPLit 1,000 NPLit-1 0,4806 1,000 GDPit -0,3074 -0,1403 1,000 INF - it -0,3186 -0,0906 1,000 0,02554 UNTit -0,3007 -0,1639 0,2405 0,0886 1,000 CREDIT -0,2572 -0,1497 0,3095 0,080 0,4191 1,000 it ROEit 0,0642 0,0716 0,0798 0,0806 0,1719 0,1460 1,000 SIZEit 0,0611 0,0897 -0,0826 -0,2721 -0,2773 -0,2419 -0,1778 1,0 Nguồn: Kết xuất từ phần mềm Stata 13 Hệ số tƣơng quan đơn tuyến tính giữa các cặp biến Pearson dùng để chỉ mối quan hệ giữa các biến trong mô hình. Dựa vào kết quả ma trận tƣơng quan, tác giả sẽ phân tích mối tƣơng quan giữa các biến phụ thuộc với các biến độc lập trong mô hình và mối tƣơng quan giữa các biến độc lập với nhau. Theo đó, dựa vào bảng 4.2. Kết quả phân tích tƣơng quan mô hình nghiên cứu, có thể thấy các biến độc lập gồm GDPit, INFit, UNTit, CREDITit tác động ngƣợc chiều đến NPLit; các biến độc lập còn lại gồm NPLit-1, ROEit, SIZEit ảnh hƣởng cùng chiều với NPLit. Để phát hiện hiện tƣợng đa cộng tuyến giữa các biến, ta xem xét ma trận tƣơng quan giữa các biến. Theo Farrar & Glauber (1967), Gujarati (1995) và White (1998), nếu hệ số tƣơng quan cặp vƣợt quá 0,8 thì phƣơng trình hồi quy sẽ gặp vấn đề đa cộng tuyến. Do đó, để giảm tối đa hiện tƣợng đa cộng tuyến, tác giả tiến hành kiểm tra sự tƣơng quan giữa các biến để loại bỏ biến không cần thiết ra khỏi mô hình. Có thể nhận thấy các cặp biến ở mô hình đều có hệ số tƣơng quan nhỏ hơn 0,8. Tác giả kiểm tra lại bằng phƣơng pháp phóng đại nhân tử phƣơng sai VIF (Varince Inflation Factor) các biến này thì giá trị VIF trung bình bằng 1,22 và hệ số 35
  47. phóng đại VIF của các biến đều nhỏ hơn 10. Do đó, không có hiện tƣợng đa cộng tuyến nghiêm trọng hay hiện tƣợng tự tƣơng quan giữa các biến độc lập trong mô hình. Bảng 4.3. Kết quả sử dụng VIF để kiểm định hiện tƣợng đa cộng tuyến Biến VIF 1/VIF CREDITit 1,32 0,755298 UNT 1,31 0,763164 INF 1,24 0,808965 SIZE 1,20 0,833425 GDPit-1 1,19 0,840370 GDPit 1,17 0,855220 ROE 1,08 0,928570 Trung bình VIF 1,22 Nguồn: Kết xuất từ phần mềm Stata 13 4.2.2. Lựa chọn mô hình phù hợp - Kết quả mô hình Pooled OLS, REM và FEM Kết quả chạy hồi quy mô hình Pooled OLS, FEM và REM lần lƣợt đƣợc trình bày trong bảng 4.4: Bảng 4.4. Tổng hợp kết quả mô hình nghiên cứu Pooled OLS, FEM và REM Biến POOLED OLS REM FEM GDPit -22,45925 -22,45925 -24,17823 (7,885816) (7,885816) (7,903077) UNTit -50,85849 -50,85849 -33,40755* (18,30622) (18,30622) (20,00597) INFit 1,172621* 1,172621* 1,438222 (0,641936) (0,641936) (0,7242406) NPLit-1 0,4630961 0,4630961 0,29916 (0,0632061) (0,0632061) (0,0733148) SIZEit -0,1220305 -0,1220305 1,204488 36
  48. (0,3877466) (0,3877466) (0,8821612) CREDITit -0,0562623 -0,0562623 -0,0277163 (0,0408604) (0,0408604) (0,0495247) ROEit 0,0264713 0,0264713 -0,1107841 (0,0199734) (0,0199734) (0,0526507) Cons 0,4477362 0,4477362 -3,526538 (1,18414) (1,18414) (2,395159) Số quan 218 218 218 sát F(7,210) = Wald chi2(7) F(7,186) = 15,77 = 110,40 11,76 Prob > F = Prob > chi2 = Prob > F = 0,000 0,0000 0,0000 2 2 2 R = 0,3446 R overall = R overall = 0,3446 0,1453 Nguồn: Tổng hợp của tác giả Ghi chú: số liệu ở trong dấu ngoặc () là sai số chuẩn của hệ số hồi quy. Ký hiệu *, , có ý nghĩa thống kê lần lƣợt tại 10%, 5%, 1%. Dựa vào bảng 4.4 tác giả nhận xét kết quả nhƣ sau: Đầu tiên, nghiên cứu tiến hành ƣớc lƣợng hồi quy theo mô hình POOLED OLS, REM, FEM. Kết quả bảng 4.3 cho thấy R2 lần lƣợt của POOLED OLS, REM, FEM là 34,46%, 34,46%, 14,53%. Điều này thể hiện rằng các biến độc lập đƣợc sử dụng trong mô hình có thể đã giải thích đƣợc 34,46%, 34,46%, 14,53% sự thay đổi trong tỷ lệ nợ xấu của các ngân hàng. Giá trị p-value của mô hình đƣợc ƣớc lƣợng theo 3 phƣơng pháp trên đều là 0,0000 – giá trị này nhỏ hơn = 0,01. Nhƣ vậy, ƣớc lƣợng của ba phƣơng pháp này đều có ý nghĩa thống kê. Theo kết quả ở cột 1 của bảng 4.3, hệ số hồi quy của các biến GDPit, UNTit, INFit, NPLit-1 đều có ý nghĩa về mặt thống kê. Trong đó, biến GDPit, UNTit tác động ngƣợc chiều đến NPLit với mức ý nghĩa 1%, còn biến INFit và NPLit-1 tác động cùng chiều với NPLit với mức ý nghĩa lần lƣợt là 10%, 1%. Tuy nhiên, các biến SIZEit, 37
  49. CREDITit mặc dù có tác động ngƣợc chiều lên NPLit nhƣng lại không có ý nghĩa thống kê. Ngoài ra còn biến ROEit có tác động cùng chiều với tỷ lệ nợ xấu nhƣng cũng không có ý nghĩa thống kê. Tuy nhiên, việc ƣớc lƣợng 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 tiếp tục lựa chọn ƣớc lƣợng mô hình hồi quy theo phƣơng pháp tác động cố định FEM và tác động ngẫu nhiên REM. Kết quả hồi quy cho thấy kết quả mô hình REM có các thông số giống với mô hình Pooled OLS, còn mô hình FEM thì các biến GDPit, UNTit, INFit, NPLit-1 đều cùng dấu với mô hình Pooled OLS và có ý nghĩa nhƣng mức độ tác động và mức ý nghĩa lại có sự khác nhau ở 2 mô hình. Bên cạnh đó, ở mô hình FEM có thêm một biến có ý nghĩa ở mức 5% là biến ROEit – ngƣợc dấu với tỷ lệ nợ xấu ngân hàng. Vì vậy, để xác định mô hình nào phù hợp hơn, nghiên cứu thực hiện kiểm định Hausman Test để chọn lựa giữa mô hình FEM và REM. Cả hai mô hình FEM và REM đều phù hợp nên tác giả sẽ dùng kiểm định Hausman Test (Green, 2008) với giả thuyết H0 – REM hiệu quả hơn, không có sự tƣơng quan giữa sai số đặc trƣng giữa các ngân hàng với các biến giải thích trong mô hình. Qua đó, kiểm soát các yếu tố đặc trƣng của mỗi ngân hàng có khả năng tác động đến nợ xấu. Bảng 4.5. Kiểm định Hausman để lựa chọn giữa REM và FEM Test: H0: difference in coefficients not systemtic Chi2(7) = (b-B)‟[(V_b-V_B) ^ (-1)] (b-B) = 23,48 Prob > chi2 = 0,0014 (V_b-V_B is not positive definite) Nguồn: Kết xuất từ phần mềm Stata 13 Kiểm định cho kết quả p-value = 0,0014 < = 0,05. Với mức ý nghĩa 1%, ta bác bỏ giả thuyết H0, tức mô hình FEM đƣợc chọn. Nhƣ vậy, trong ba mô hình Pooled OLS, REM và FEM khi hồi quy dữ liệu bảng thì mô hình FEM là phù hợp 38
  50. nhất với tổng thể số liệu nghiên cứu các nhân tố tác động đến tỷ lệ nợ xấu tại các NHTM. 4.2.3. Kiểm định các giả thiết hồi quy mô hình nghiên cứu Với việc lựa chọn mô hình FEM, các kiểm định phƣơng sai sai số thay đổi và tự tƣơng quan cần đƣợc thực hiện để đảm bảo rằng mô hình không vi phạm những giả định về sự phù hợp của mô hình. - Kiểm định tự tương quan Khi sử dụng mô hình FEM thì sẽ không còn lo ngại hiện tƣợng tự tƣơng quan vì mô hình FEM chỉ quan tâm đến những khác biệt mạng tính cá nhân đóng góp vào mô hình nên sẽ không có hiện tƣợng tự tƣơng quan trong mô hình. Tuy nhiên, tác giả vẫn thực hiện kiểm định Durbin – Watson để đảm bảo điều kiện này: Giả thuyết Ho: Không có tự tương quan bậc nhất 39
  51. Bảng 4.6. Kiểm định hiện tự tƣơng quan trong mô hình FEM Dependent Variable: NPL Method: Panel Least Squares Date: 04/12/18 Time: 20:48 Sample (adjusted): 2007 2016 Periods included: 10 Cross-sections included: 25 Total panel (unbalanced) observations: 218 Variable Coefficient Std. Error t -Statistic Prob. C - 3.526538 2.395159 - 1.472361 0.1426 CREDITit -0.027716 0.049525 -0.559645 0.5764 GDPit -24.17823 7.903077 -3.059344 0.0025 INFit 1.438222 0.724241 1.985835 0.0485 NPLit-1 0.299160 0.073315 4.080485 0.0001 ROEit -0.110784 0.052651 -2.104131 0.0367 SIZEit 1.204488 0.882161 1.365383 0.1738 UNTit -33.40755 20.00597 -1.669879 0.0966 Effects Specification Cross -section fixed (dummy variables) R -squared 0.443701 Mean dependent var - 3.970067 Adjusted R-squared 0.350984 S.D. dependent var 0.761587 S.E. of regression 0.613546 Akaike info criterion 1.995708 Sum squared resid 70.01768 Schwarz criterion 2.492514 Log likelihood -185.5321 Hannan-Quinn criter. 2.196375 F-statistic 4.785564 Durbin-Watson stat 2.003961 Prob(F-statistic) 0.000000 Nguồn: Kết xuất từ phần mềm Eview 8 Ta có: 1 < giá trị Durbin-Watson = 2,003961 < 3. Do vậy, tác giả kết luận mô hình không có hiên tƣợng tự tƣơng quan. 40
  52. - Kiểm định hiện tượng phương sai thay đổi Hình 4.1. Kết quả đồ thị phƣơng sai của mô hình RESID 5 4 3 2 1 0 -1 -2 VIB VIB - 10 LPB - 13 LPB - 08 KLB ABB - 15 ABB - 10 EAB ACB - 06 ACB - 16 ACB - 14 VCB - 07 SHB NCB - NCB 09 - SGB 08 MSB MSB - 07 OCB - 12 MBB - 11 BIDV - BIDV 11 VPBank - 14 VPBank HDBank - 13 HDBank - 13 PGBank Seabank - 09 Seabank Eximbank - Eximbank 12 VietinBank VietinBank - 12 VIETABank - 15 VIETABank Sacombank - Sacombank 06 - Sacombank 16 NAMABANK - 15 NAMABANK VietCapitalBank - 14 TECHCOMBANK - 16 TECHCOMBANK TECHCOMBANK - 06 TECHCOMBANK Nguồn: Kết xuất từ phần mềm Eview 8 Quan sát hình 4.1, đồ thị phần dƣ có sự phân tán khá ít. Nhƣ vậy, hiện tƣợng phƣơng sai thay đổi có thể xảy ra trong mô hình. Để có kết luận, tác giả dùng kiểm định Wald trong stata để phát hiện xem mô hình hồi quy theo FEM có bị phƣơng sai và sai số thay đổi hay không (nhằm để đảm bảo các giá trị thống kê của các hệ số hồi quy là đáng tin cậy). 41
  53. Bảng 4.7. Kiểm định Wald để kiểm tra hiện tƣợng phƣơng sai thay đổi Modified Wald test for groupwise heteroskedastricity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i Chi2 (25) = 266,86 Prob > chi2 = 0,0000 Nguồn: Kết xuất từ phần mềm Stata 13 Kết quả cho thấy giả thuyết H0 – phƣơng sai đồng nhất bị bác bỏ (p-value = 0,0000 F = 0,00 max = 9 Biến Hệ số Sai số chuẩn P - value GDPit -20,36812 8,247027 0,015 UNTit -37,9407 22,57732 0,095 INFit 1,293287 0,8876938 0,147 42
  54. NPLit-1 0,2550705 0,110474 0,022 SIZEit 0,5041453 1,294945 0,698 CREDITi -0,0157828 0,0990162 -0,874 t ROEit -2,556204 0,1139361 0,026 Instruments for first differences equation Strandard D. (L.SIZE L.CREDIT L.ROE) GMM-type (missing=0, separate instruments for each period unless collapsed) L. (L.NPL GDP INF UNT) Arellano-Bond test for AR(1) in first diffences: z = -6,85 Pr > z = 0,000 Arellano-Bond test for AR(2) in first diffences: z = -0,20 Pr > z = 0,844 Sargan test of overid, restrictions: chi2(14) = 41,41 Prob > chi2 = 0,000 (Not robust, but not weakened by many instruments.) Difference-in-Sargan tests of exogeneity of instrument subsets: iv (L.SIZE L.CREDIT L.ROE) Sargan test excluding group: chi2(11) = 30,17 Prob > chi2 = 0,001 Difference (null H = exogenous: chi2(3) = 11,24 Prob > chi2 = 0,011 Nguồn: Kết xuất từ phần mềm Stata 13 Từ bảng 4.8 ta thấy, số lƣợng của biến công cụ đều nhỏ hơn số lƣợng của nhóm trong mô hình (21<25) cho nên kiểm định Sargan (1958) trong ƣớc lƣợng của mô hình GMM không bị yếu, đảm bảo tính bền vững. Giá trị P trong kiểm định AR (2) của Arellano & Bond (1991) bằng 0,844 lớn hơn = 0,05. Điều này cho thấy mô hình không có hiện tƣợng tự tƣơng quan. Tuy nhiên, kiểm định Sargan (1958) cho thấy các biến công cụ đƣợc sử dụng trong mô hình là không hợp lý và có thể có tƣơng quan với sai số trong mô hình (giá trị P = 0,001 < 0,05 trong mô hình). Nguyên nhân có thể là do số lƣợng quan sát trong mô hình GMM chƣa đủ lớn để ƣớc lƣợng. Do đó, nghiên cứu chƣa thể sử dụng kết quả của mô hình này để giải thích tác động của các yếu tố vĩ mô và vi mô đến nợ xấu của hệ thống ngân hàng Việt Nam. 43
  55. 4.2.5. Ƣớc lƣợng mô hình theo phƣơng pháp FGLS Để khắc phục hiện tƣợng phƣơng sai sai số thay đổi của mô hình FEM, tác giả thực hiện hồi quy theo phƣơng pháp bình phƣơng tổi thiểu tổng quát khả thi FGLS (Feasible Generalized Least Squares) nhằm kiểm soát đƣợc hiện phƣơng sai thay đổi để tăng tính hiệu quả cao cho mô hình nghiên cứu. Bảng 4.9 là kết quả mô hình đƣợc xử lý vấn đề phƣơng sai thay đổi: Bảng 4.9. Kết quả ƣớc lƣợng mô hình FGLS Cross-sectional time – series FGLS regression Coefficients: generalized least squares Panels: heteroskedastic Estimated covariances = 25 Number of obs = 218 Estimated autocorrelations = 0 Number of groups = 25 Estimated coefficients = 8 Obs per group: min = 6 Wald chi2 (7) = 367,96 avg = 8,72 Prob > chi2 = 0,0000 max = 10 Biến Hệ số Sai số chuẩn P - value GDPit -17,73401 3,593971 0,000 UNTit -32,87942 8,038765 0,000 INFit 1,76882 0,2917444 0,000 NPLit-1 0,5427097 0,0454707 0,000 SIZEit -0,104998 0,1954244 0,591 CREDITit -0,0886631 0,0228791 0,000 ROEit 0,0095381 0,0118591 0,421 Cons -0,0397416 0,581416 0,946 Nguồn: Kết xuất từ phần mềm Stata 13 Dựa vào bảng 4.9, ta có kết quả hồi quy theo phƣơng pháp FGLS nhƣ sau: p- value = 0,000 < 0,01. Do đó, mô hình hồi quy có ý nghĩa thống kê mạnh mẽ tại mức 1%. 44
  56. Tóm lại, mô hình nghiên cứu có phƣơng trình nhƣ sau: NPLit = 0,5427097NPLit-1 – 0,0886631CREDITit – 17,73401GDPit + 1,76882INFit – 32,87942UNTit Theo phƣơng trình trên, các biến độc lập gồm NPLit-1, INFit tác động cùng chiều đến tỷ lệ nợ xấu hiện tại và có ý nghĩa thống kê với mức ý nghĩa 1%. Các biến độc lập gồm CREDITit, GDPit và UNTit tác động nghịch chiều với NPLit và có ý nghĩa thống kê ở mức 1%. NPLit bị ảnh hƣởng cùng chiều bởi ROEit và nghịch chiều bởi SIZEit, nhƣng không có ý nghĩa thống kê với mức ý nghĩa 10%. 4.3. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU Nghiên cứu các nhân tố tác động đến nợ xấu của các NHTM Việt Nam trong giai đoạn 2006 – 2016 sử dụng số liệu nghiên cứu từ 25 NHTMCP Việt Nam đã tìm ra tác động cụ thể của các nhân tố vi mô và vĩ mô. 4.3.1. Biến nợ xấu trong quá khứ Hệ số hồi quy của NPLit-1 là 0,5427097 và giá trị p-value của hệ số này là 0,000 nhỏ hơn mức ý nghĩa = 0,01. Nhƣ vậy, có thể kết luận rằng tỷ lệ nợ xấu năm trƣớc có mối tƣơng quan thuận chiều với tỷ lệ nợ xấu năm hiện tại (NPLit) với mức ý nghĩa thống kê tại mức 1%. Kết quả này phù hợp với kỳ vọng về dấu của tác giả và đồng thời chấp nhận giả thuyết: Tỷ lệ nợ xấu năm trƣớc có tác động thuận chiều (tƣơng quan dƣơng) mạnh mẽ đến tỷ lệ nợ xấu năm hiện tại. Nhƣ vậy, trong điều kiện tất cả các yếu tố không đổi, khi biến NPLit-1 tăng 1 đơn vị thì tác động làm biến NPLit tăng 0,5427097 đơn vị, tức là làm cho nợ xấu ở hiện tại tăng lên. Điều này cho thấy chất lƣợng tín dụng có xu hƣớng tăng ở năm trƣớc sẽ kéo theo nợ xấu năm sau tăng và ngƣợc lại. Kết quả này cũng phù hợp với các nghiên cứu trƣớc nhƣ Salas và Saurina (2002), Klein (2013), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Nguyễn Thị Hồng Vinh (2015), Nợ xấu trong quá khứ cao thể hiện khả năng quản trị rủi ro trong cho vay của ngân hàng kém dẫn đến nợ xấu gia tăng trong hiện tại. Một cú số với nợ xấu sẽ có ảnh hƣởng lâu dài đối với hệ thống ngân hàng (Nguyễn Thị Hồng Vinh, 2015). 45
  57. 4.3.2. Biến tốc độ tăng trƣởng tín dụng Mô hình hồi quy có kết quả cho hệ số hồi quy biến CREDITit là -0,0886631 với giá trị p-value = 0,000 nhỏ hơn mức ý nghĩa thống kê tại = 0,01. Do đó, hệ số hồi quy này có giá trị về mặt thống kê. Tác giả kết luận rằng tốc độ tăng trƣởng tín dụng (CREDITit) giải thích đƣợc cho sự thay đổi của tỷ lệ nợ xấu. Cụ thể, đây là mối quan hệ ngƣợc chiều với mức ý nghĩa 1%. Xét về mức độ tác động thì biến tốc độ tăng trƣởng tín dụng có tác động yếu nhất trong các biến có ý nghĩa ( =- 0,0886631). Kết quả này ngƣợc chiều với dấu kỳ vọng ban đầu của tác giả. Thật vậy, thực tế giai đoạn nghiên cứu 2006 – 2016 tại Việt Nam, trải qua thời kỳ suy giảm do ảnh hƣởng của khủng hoảng kinh tế thế giới năm 2008 và chỉ phục hồi những năm sau đó. Quan hệ ngƣợc chiều giữa tăng trƣởng tín dụng và tỷ lệ nợ xấu tại Việt Nam trong giai đoạn này phù hợp với chiều phục hồi của nền kinh tế sau khủng hoảng. Môi trƣờng vĩ mô từng bƣớc ổn định hơn, nợ xấu suy giảm theo thời gian, cùng với đó là sự tăng về tăng trƣởng tín dụng của nền kinh tế. Khi tăng trƣởng tín dụng ở mức kiểm soát đƣợc khi đó các khoản nợ vay có chất lƣợng sẽ đƣợc kiểm soát tốt và nợ xấu sẽ giảm. Tăng trƣởng tín dụng thể hiện sự tăng lên về nhu cầu của các khoản cho vay, nhu cầu vay nợ tài trợ cho các dự án hoạt động kinh doanh của nền kinh tế. Sự tăng giá trị về tăng trƣởng tín dụng thể hiện sự tăng trƣởng của nền kinh tế, môi trƣờng phát triển kinh tế tốt hơn so với những năm trƣớc. Mặt khác, kết quả ngƣợc chiều này cũng đƣợc lý giải bởi các khoản tín dụng của các ngân hàng thƣờng sau một năm mới phát sinh nợ xấu. Nếu ngân hàng năm trƣớc có tỷ lệ nợ xấu cao thì năm sau ngân hàng có tốc độ tăng trƣởng tín dụng thấp vì ngân hàng bắt buộc phải tập trung xử lý nợ xấu và hạn chế tăng trƣởng tín dụng bởi sự áp đặt của Ngân hàng Nhà nƣớc (Nguyễn Tuấn Kiệt & Đinh Hùng Phú (2016). Do đó, kết quả này có thể đƣợc xem là phù hợp. 46
  58. 4.3.3. Biến tốc độ tăng trƣởng kinh tế GDP Biến độc lập vĩ mô là tăng trƣởng kinh tế có tác động ngƣợc chiều với tỷ lệ nợ xấu với mức ý nghĩa 1% trong mô hình hồi quy cuối cùng FGLS. Khi các yếu tố khác không đổi, tốc độ tăng trƣởng kinh tế tăng 1 đơn vị thì tỷ lệ nợ xấu giảm 17,73401 đơn vị. Đây là biến có tác động khá mạnh đến nợ xấu trong mô hình nghiên cứu thực nghiệm. Kết quả này đúng với kỳ vọng ban đầu của tác giả và ủng hộ kết luận của các nhà nghiên cứu trƣớc: Salas và Suarina (2002), Makri và cộng sự (2014), Nguyễn Thị Hồng Vinh (2015) Điều này cũng hoàn toàn phù hợp với thực tiễn tại Việt Nam, trong giai đoạn nghiên cứu, nhìn chung nợ xấu của các NHTM gia tăng từ năm 2009 trong khi tăng trƣởng kinh tế giai đoạn 2008 – 2015 thấp hơn giai đoạn 2005 – 2007. Khi nền kinh tế tăng trƣởng, thu nhập của cá nhân, hộ gia đình tăng sẽ khiến họ tiêu dùng nhiều hơn, tạo điều kiện cho các doanh nghiệp hoạt động có hiệu quả, thu nhập gia tăng và do đó khả năng thanh toán các khoản nợ dễ dàng hơn. Ngƣợc lại, khi kinh tế kém phát triển, hoạt động sản xuất kinh doanh bị trì trệ khiến họ không có khả năng trả nợ, từ đó khiến tỷ lệ nợ xấu các ngân hàng gia tăng. 4.3.4. Biến tỷ lệ lạm phát Hệ số hồi quy của INFit là 1,76882 với giá trị p-value = 0,000. Do đó, biến tỷ lệ lạm phát có tƣơng quan thuận chiều với tỷ lệ nợ xấu ở mức ý nghĩa 1% qua ƣớc lƣợng FGLS. Khi các yếu tố khác không thay đổi, tỷ lệ lạm phát tăng 1 đơn vị thì tỷ lệ nợ xấu tăng 1,76882 đơn vị. Điều này phù hợp với kỳ vọng ban đầu của tác giả và các nghiên cứu trƣớc đây. Khi tỷ lệ lạm phát trong nền kinh tế tăng cao, NHNN thực hiện chính sách tiền tệ thắt chặt để chống lạm phát thì hoạt động tín dụng của các NHTM cũng sẽ bị ảnh hƣởng. Cụ thể, lãi suất cho vay tăng lên, chi phí đầu vào của doanh nghiệp bị đẩy lên, kèm theo đó là lãi suất tiền vay ngân hàng cao đã làm giảm hiệu quả kinh doanh của các doanh nghiệp vay vốn, từ đó ảnh hƣởng trực tiếp đến khả năng trả nợ tiền vay của doanh nghiệp đối với các ngân hàng. Bên cạnh đó, ngân hàng siết chặt việc cho vay sẽ dẫn đến tình trạng nền kinh tế thiếu tính thanh khoản, hoạt động sản xuất kinh doanh bị đình trệ, các doanh nghiệp chiếm dụng vốn lẫn nhau, mất khả 47
  59. năng thanh toán, nhiều doanh nghiệp, nhất là các doanh nghiệp vừa và nhỏ đứng trƣớc nguy cơ phá sản, đẩy gánh nặng nợ xấu về phía các ngân hàng. 4.3.5. Biến tỷ lệ thất nghiệp Hệ số hồi quy của biến tỷ lệ thất nghiệp là -32,87942 với mức ý nghĩa 1%. Khi các yếu tố khác không thay đổi, nếu tỷ lệ thất nghiệp tăng 1 đơn vị thì tỷ lệ nợ xấu giảm -32,87942 đơn vị. Điều này ngƣợc dấu với kì vọng ban đầu và các nghiên cứu trƣớc đây của các tác giả Messai, Jouini (2013), Klein (2013), Fillip (2015), Ghosh (2015), Makri, Tsagkanos & Bellas (2014). Câu hỏi đặt ra ở đây là liệu kết quả này có thể phù hợp với thực tế tại Việt Nam trong giai đoạn nghiên cứu của đề tài hay không. Thật vậy, tình hình nợ xấu của các NHTM và tỷ lệ thất nghiệp Việt Nam trong giai đoạn 2009 – 2013 và năm 2015 ủng hộ cho kết quả nghiên cứu này của tác giả. Mối tƣơng quan nghịch chiều này có thể giải thích hai nguyên nhân nhƣ sau: tỷ trọng cho vay cá nhân tiêu dùng trên tổng dƣ nợ tín dụng vẫn còn thấp; Thứ hai đó là tỷ lệ thất nghiệp ở Việt Nam thấp và không biến động nhiều. Do đó, về lý thuyết khi thất nghiệp tăng lên có thể dẫn đến gia tăng nợ xấu trong trƣờng hợp số ngƣời thất nghiệp không có giao dịch tín dụng với ngân hàng ít thì nguy cơ rủi ro nợ xấu sẽ giảm xuống. Nguyên nhân thứ hai xuất phát từ đặc thù thị trƣờng tại Việt Nam cho phép ngƣời lao động có thể sẵn sàng làm bất kỳ công việc nào tuy khác với chuyên môn do đó tỷ lệ thất nghiệp ở Việt Nam thấp so với các nƣớc trên thế giới và rất ít biến động. Thất nghiệp dạng này gần với thất nghiệp tự nhiên của nền kinh tế. Nhƣ vậy, điều này có nghĩa là tỷ lệ thất nghiệp tăng giảm không giải thích cho sự thay đổi của nợ xấu mà có thể nợ xấu thay đổi đơn thuần do những yếu tố khác tác động nhƣ GDP và các yếu tố ngân hàng. 48
  60. Tóm lại, kết quả nghiên cứu của đề tài đƣợc tóm tắt trong bảng 4.10 đƣợc trình bày dƣới dây: Bảng 4.10. Tóm tắt kết quả nghiên cứu các nhân tố tác động đến nợ xấu của NHTMCP Việt Nam Dấu kì Tên biến Kí hiệu Kết quả Mức ý nghĩa vọng Biến phụ Tỷ lệ nợ xấu năm NPLit thuộc hiện tại Tốc độ tăng trƣởng GDPit - - 1% Biến độc kinh tế lập -Yếu tố Tỷ lệ thất nghiệp UNTit + - 1% vĩ mô Tỷ lệ lạm phát INFit + + 1% Tỷ lệ nợ xấu năm NPLit-1 + + 1% trƣớc Không có ý Quy mô ngân hàng SIZEit + - nghĩa thống kê Biến độc Tăng trƣởng tín lập - Yếu tố dụng của ngân CREDITit + - 1% vi mô hàng Khả năng sinh lời Không có ý ROEit - + của ngân hàng nghĩa thống kê Nguồn: Tác giả tổng hợp 49
  61. KẾT LUẬN CHƢƠNG 4 Trong chƣơng 4, dựa trên cơ sở lý thuyết và mô hình đã xây dựng ở chƣơng trƣớc, tác giả đã lựa chọn đƣợc mô hình phù hợp cuối cùng là FGLS. Kết quả mô hình nghiên cứu cho thấy có 05 nhân tố trong 07 nhân tố nghiên cứu tác động đến nợ xấu. Cụ thể là tốc độ tăng trƣởng tín dụng (-), tỷ lệ nợ xấu năm trƣớc (+), tốc độ tăng trƣởng kinh tế (-), tỷ lệ lạm phát (+) và tỷ lệ thất nghiệp (-) với mức ý nghĩa thống kê cao (1%). Còn yếu tố hiệu quả sinh lời và quy mô tài sản, nghiên cứu chƣa khẳng định đƣợc tác động đến nợ xấu bằng thực nghiệm. Nhƣ vậy, các nhân tố tác động đến nợ xấu đã đƣợc xác định rõ. Trong chƣơng sau, tác giả sẽ dựa trên kết quả nghiên cứu và tình hình thực tế tại Việt Nam để đƣa ra một số góp ý nhằm giảm tỷ lệ nợ xấu của hệ thống NHTM Việt Nam và một số hạn chế - hƣớng nghiên cứu tiếp theo của đề tài. 50
  62. CHƢƠNG 5 KẾT LUẬN VÀ KIẾN NGHỊ Chƣơng này tác giả đƣa ra kết luận và một số kiến nghị giúp quản lý nợ xấu tốt hơn. Đồng thời, nghiên cứu chỉ ra một số hạn chế và hƣớng nghiên cứu tiếp theo của đề tài. 5.1. KẾT LUẬN Nghiên cứu này đƣợc thực hiện nhằm xác định ảnh hƣởng của môi trƣờng kinh tế vĩ mô và các yếu tố vi mô đặc thù của ngân hàng đến tỷ lệ nợ xấu các NHTMCP Việt Nam. Các yếu tố vi mô đƣợc nghiên cứu gồm: (i) tốc độ tăng trƣởng tín dụng; (ii) tỷ lệ nợ xấu năm trƣớc; (iii) quy mô tài sản; (iv) hiệu quả sinh lời. Các yếu tố vĩ mô gồm: (v) tốc độ tăng trƣởng GDP; (vi) tỷ lệ thất nghiệp và (vii) tỷ lệ lạm phát. Tác giả lƣợc khảo các cơ sở lý thuyết sẽ là tiền đề xây dựng các giả thuyết nghiên cứu của khóa luận. Tiếp theo, tác giả thu thập dữ liệu nghiên cứu từ 25 NHTMCP Việt Nam trong giai đoạn 2006 – 2016, tổng cộng gồm 275 quan sát đƣợc sử dụng trong nghiên cứu này. Đồng thời, tác giả sử dụng phƣơng pháp hồi quy bình phƣơng tổi thiểu tổng quát khả thi FGLS (Feasible Generalized Least Squares) để làm kết quả ƣớc lƣợng cuối cùng. Với phƣơng pháp FGLS trong nghiên cứu này, tác giả kết luận rằng có quan hệ nghịch chiều giữa tốc độ tăng trƣởng tín dụng, tốc độ tăng trƣởng GDP và tỷ lệ thất nghiêp đến tỷ lệ nợ xấu. Nghĩa là khi khả năng huy động vốn của ngân hàng gia tăng, kinh tế tăng trƣởng và thất nghiệp tăng thì tỷ lệ nợ xấu của các NHTM có xu hƣớng giảm xuống trong giai đoạn 2006 – 2016 vừa qua. Ngƣợc lại, tỷ lệ nợ xấu năm trƣớc và tỷ lệ lạm phát có mối tƣơng quan cùng chiều với tỷ lệ nợ xấu năm hiện tại. Khi nợ xấu năm trƣớc đƣợc kiểm soát tốt hay lạm phát giảm sẽ giúp các ngân hàng thuận lợi hơn trong việc thu hồi các khoản vay. 5.2. MỘT SỐ KIẾN NGHỊ 5.2.1. Đối với ngân hàng thƣơng mại Thứ nhất, các ngân hàng cần đảm bảo tăng trƣởng tín dụng bền vững thể hiện ở việc giám sát chặt trong khâu thẩm định, quyết định cấp tín dụng cũng nhƣ giám sát sau khi cấp tín dụng, giảm sự tích tụ nợ xấu trong tƣơng lai. Các ngân hàng cần 51
  63. tránh cấp tín dụng quá mức, hạ chuẩn cấp tín dụng; cần xây dựng và xác định rõ rang khẩu vị rủi ro, từ đó chủ động xây dựng danh mục tín dụng với các tỷ trọng phân bố dự kiến và lựa chọn phƣơng án thích hợp với mục tiêu lợi nhuận và khả năng chịu tổn thất của ngân hàng. Điều này giúp tránh hình thành một cách ngẫu nhiên do chạy theo thị trƣờng, đặc biệt sẽ tiềm ẩn nhiều rủi ro khi nền kinh tế phát triển theo chiều hƣớng xấu. Truyền thông rộng rãi đến tất cả các nhân viên các quy định đảm bảo an toàn trong quá trình cấp tín dụng một cách chi tiết, đặc biệt là bộ phận tín dụng trực tiếp thực hiện khoản vay nhƣ giới hạn cấp tín dụng, quy trình cấp tín dụng, quy trình xử lý nợ, quy định về biện pháp bảo đảm tín dụng. Lĩnh vực cấp tín dụng phải phù hợp với quy mô, mạng lƣới chi nhánh, khả năng kiểm soát hoạt động cũng nhƣ trình độ của nhân viên Thứ hai, tỷ lệ nợ xấu năm trƣớc có tác động mạnh thuận chiều đến nợ xấu năm hiện tại nên các ngân hàng cần chú trọng tăng cƣờng khả năng quản trị rủi ro phù hợp với quy mô tổng tài sản không ngừng tăng lên theo thời gian. Nâng cấp cơ chế quản lý và kiểm soát rủi ro, học hỏi từ các ngân hàng nƣớc ngoài để tiến hành phân tích tín dụng và giám sát khả năng trả nợ của ngƣời vay một cách hiệu quả. Tăng cƣờng quản trị rủi ro toàn ngân hàng là tất cả thành viên trong hệ thống đều phải tham gia quá trình quản trị rủi ro để đảm bảo mọi rủi ro trong mỗi tác vụ của ngân hàng đƣợc nhận diện, kiểm soát và giảm thiểu. Tiếp tục xử lý nhanh chóng nợ đọng bằng cách bán tài sản đảm bảo; tích cực thu hồi nợ từ khách hàng; gian hạn nợ, cơ cấu lại khoản vay, đánh giá lại nợ; bán nợ cho công ty mua bán nợ hay sử dụng dự phòng rủi ro để xử lý. Thứ ba, nghiên cứu cũng chỉ ra rằng các yếu tố vĩ mô thực sự tác động đến hoạt động cấp tín dụng và khả năng trả nợ của khách hàng. Các biến vĩ mô thƣờng nằm ngoài tầm kiểm soát của các ngân hàng thƣơng mại. Do đó, các ngân hàng cần chủ động đối phó trƣớc những thay đổi của nền kinh tế nằm bảo toàn tài sản của mình. Trong các thuật toán đánh giá sức chịu đựng (Stress test), các ngân hàng cần quan tâm hơn đến các biến số vĩ mô. Điều này không những giúp các ngân hàng chủ động ứng phó với những cú sốc của nền kinh tế mà còn giúp các ngân hàng dự báo đƣợc các khoản trích lập dự phòng rủi ro. Từ đó, các ngân hàng có thể đƣa ra các 52
  64. chiến lƣợc phát triển hợp lý, vừa đảm bảo đƣợc khả năng sinh lời, vừa bảo toàn đƣợc các tài sản có của ngân hàng. 5.2.2. Đối với Ngân hàng Nhà nƣớc Việt Nam Do tốc độ tăng trƣởng kinh tế GDP tăng thì tỷ lệ nợ xấu có xu hƣớng giảm, khả năng trả nợ của ngƣời đi vay tăng và ngƣợc lại. Vì vậy, NHNN cần có các biện pháp kích cầu nền kinh tế, hỗ trợ cho khu vực kinh tế tƣ nhân trong sản xuất kinh doanh và tiếp cận vốn. Đồng thời, trong từng thời kỳ nhất định, NHNN cần có một chính sách tiền tệ phù hợp nhằm kiểm soát lạm phát ở mức thấp, giúp giảm nợ xấu. 5.3. HẠN CHẾ VÀ HƢỚNG NGHIÊN CỨU TIẾP THEO CỦA ĐỀ TÀI 5.3.1. Hạn chế của đề tài Tuy đã cố gắng hoàn thành đề tài nhƣng khóa luận vẫn không tránh khỏi những thiếu soát, hạn chế nhƣ sau: Đề tài thu thập số liệu của 275 quan sát của 25 NHTMCP tại Việt Nam giai đoạn 2006 – 2016. Số quan sát trong mẫu này còn ít so với mẫu nghiên cứu của các nƣớc trên thế giới và một số công trình nghiên cứu tại Việt Nam trƣớc đây. Điều này có thể đƣợc xem là một trong những nguyên nhân mà hiện tƣợng nội sinh trong mô hình nghiên cứu vẫn chƣa đƣợc giải quyết khi ƣớc lƣợng bằng phƣơng pháp GMM6. Bài viết vẫn chƣa đạt tính đại diện toàn diện cho tất cả các NHTM Việt Nam, do vấn đề lấy mẫu và cân đối dữ liệu, tác giả đã loại trừ một số ngân hàng không đủ dữ liệu, bên cạnh đó, thực tế gần đây cho thấy hoạt động mua bán, sát nhập các NHTM diễn ra mạnh mẽ, mẫu đại diện có sự tăng trƣởng giá trị nghiên cứu do sát nhập các ngân hàng nhỏ, ban đầu không tham gia quá trình nghiên cứu, nên việc đánh giá các yếu tố cũng có phần bị ảnh hƣởng. Đồng thời, kết quả mà nghiên cứu này có đƣợc chƣa giải thích hết đƣợc tất cả các yếu tố tác động đến nợ xấu của NHTM, chẳng hạn nhƣ các nguyên nhân về phía khách hàng, trình độ chuyên môn, công nghệ bởi sƣ hạn chế về mặt thu thập số liệu, thời gian và chi phí của tác giả. Tuy nhiên, mẫu nghiên cứu đạt yêu cầu về số lƣợng mẫu tối thiểu. 6 Việc sử dụng các biến công cụ trong mô hình GMM là chƣa phù hợp, do số lƣợng các ngân hàng chƣa đủ lớn. 53
  65. Ngoài ra, nghiên cứu chỉ xem xét trong phạm vi các NHTM Việt Nam, chƣa đề cập đến các loại hình ngân hàng khác nhƣ chi nhánh ngân hàng nƣớc ngoài, ngân hàng nƣớc ngoài, liên doanh Do đó, chƣa thể so sánh các loại hình sở hữu về các yếu tố tác động đến nợ xấu. 5.3.2. Đề xuất hƣớng nghiên cứu tiếp theo Từ những hạn chế của đề tài, tác giả đề xuất hƣớng nghiên cứu tiếp theo. Thứ nhất, mở rộng cỡ mẫu nghiên cứu và số năm nghiên cứu. Từ đó, mô hình nghiên cứu có thể sử dụng mô hình GMM hệ thống và GMM sai phân, giúp khắc phục hết các khuyết tật trong mô hình nhƣ hiện tƣợng phƣơng sai thay đổi (mà không cần ƣớc lƣợng FGLS) và hiện tƣợng nội sinh. Thứ hai, tác giả sẽ mở rộng phạm vi nghiên cứu thêm các ngân hàng hoặc chi nhánh ngân hàng nƣớc ngoài theo tính chất sở hữu (ngân hàng nhà nƣớc, ngân hàng tƣ nhân và ngân hàng nƣớc ngoài) để có thể đánh giá tổng quát hơn tác động của yếu tố này đến nợ xấu. Cuối cùng, đề tài đo lƣờng các yếu tố định tính khác, ví dụ nhƣ năng suất lao động của nhân viên tín dụng, công nghệ tác động đến nợ xấu. Nhƣ vậy, hƣớng nghiên cứu tiếp theo của đề tài sẽ mở rộng hoặc tập trung vào các yếu tố vừa nêu trên. KẾT LUẬN CHƢƠNG 5 Trong chƣơng cuối này, dựa trên kết quả nghiên cứu của khóa luận, tác giả đã đề xuất một số kiến nghị dựa trên các yếu tố vĩ mô và vi mô đặc thù của ngân hàng có ý nghĩa trong nghiên cứu đối với các nhà quản trị ngân hàng và cơ quan quản lý nhà nƣớc nhằm góp phần hạn chế nợ xấu và thúc đẩy ngành ngân hàng phát triển bền vững. Đồng thời, tác giả cũng chỉ ra một số hạn chế và hƣớng nghiên cứu tiếp theo của đề tài. 54
  66. KẾT LUẬN CHUNG Khóa luận với đề tài “Các nhân tố ảnh hƣởng đến nợ xấu tại các ngân hàng thƣơng mại cổ phần Việt Nam” đã nghiên cứu vấn đề lý thuyết và áp dụng để kiểm tra các kết quả thực tế, thông qua kiểm định mô hình nghiên cứu 25 NHTMCP của Việt Nam. Nội dung bài viết đã tìm ra các nhân tố chủ yếu tác động đến nợ xấu của các NHTMCP, thông qua đó đề tài cũng đề xuất một số giải pháp nhằm hạn chế và phòng ngừa nợ xấu trong tƣơng lai. Đề tài cũng có những hạn chế trong việc thu thập dữ liệu, chất lƣợng thông tin thu thập nên cũng chƣa phản ánh hết các yếu tố ảnh hƣởng đến nợ xấu. Qua những hạn chế trên, tác giả mong muốn các bài nghiên cứu tiếp theo cần khắc phục, nghiên cứu cụ thể, chi tiết hơn để làm rõ mức độ ảnh hƣởng của các nhân tố, chỉ ra thêm các nhân tố ảnh hƣởng đến nợ xấu NHTM. Nợ xấu chỉ đƣợc giải quyết và phòng ngừa tốt nhất khi tìm thấy nguyên nhân gây ra nợ xấu. Do vậy, việc tìm hiểu các yếu tố ảnh hƣởng đến nợ xấu là vô cùng quan trọng. 55
  67. TÀI LIỆU THAM KHẢO Danh mục tài liệu tham khảo tiếng Việt Bùi Duy Tùng và Đặng Thị Bạch Vân, (2015), „Ảnh hƣởng của các yếu tố nội tại đến nợ xấu các ngân hàng thƣơng mại Việt Nam‟, Tạp chí phát triển kinh tế, 26(10), trang 111 – 128. Đại học ngân hàng TP. Hồ Chí Minh, (2016), Kinh tế lượng ứng dụng trong kinh tế và tài chính, NXB Kinh tế TP. Hồ Chí Minh. Đinh Thị Thanh Vân, (2012), „So sánh nợ xấu, phân loại nợ và trích lập dự phòng rủi ro tín dụng của Việt Nam và thông lệ quốc tế‟, Tạp chí Công nghệ Ngân hàng. Đỗ Quỳnh Anh và Nguyễn Đức Hùng, (2013), „Phân tích thực tiễn về những yếu tố quyết định đến nợ xấu tại các ngân hàng thƣơng mại Việt Nam‟, Kỷ yếu hội thảo khoa học: Seminar Nghiên cứu Kinh tế và Chính sách số 07 do Trung tâm Nghiên cứu Kinh tế và Chính sách tổ chức, Hà Nội, tháng 01/2013. Lê Hoàng Anh và Mai Thị Phƣơng Thùy, (2016), „Ảnh hƣởng của các cú sốc kinh tế vĩ mô đến nợ xấu ở Việt Nam‟, Tạp chí Kinh tế và Dự báo, trang 81 – 84. Ngân hàng Nhà nƣớc, (2013), Thông tƣ 02/2013/TT-NHNN ban hành ngày 21/01/2013 quy định về phân loại tài sản có, mức trích, phƣơng pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nƣớc ngoài. Ngân hàng Nhà nƣớc, (2014), Thông tƣ 09/2014/TT-NHNN ban hành ngày 18/03/2014 sửa đổi Thông tƣ 02/2013/TT-NHNN về phân loại tài sản có, mức trích, phƣơng pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xứ lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nƣớc ngoài. Nguyễn Mạnh Hùng, (2016), „Tháo "nút thắt" xử lý nợ xấu ngành Ngân hàng Việt Nam‟, Tạp chí Khoa học và Đào tạo Ngân hàng, số chuyên đề 169 (06/2016). Nguyễn Thành Nam, (2013), „Vấn đề xử lý nợ xấu tại các ngân hàng thƣơng mại Việt Nam‟, Tạp chí Khoa học Đào tạo Ngân hàng, số 135 (08/2013). 56
  68. Nguyễn Thị Hồng Vinh, (2015), „Yếu tố tác động đến nợ xấu các ngân hàng thƣơng mại Việt Nam‟, Tạp chí Phát triển kinh tế, số 26(11), trang 80 -98. Nguyễn Tuấn Kiệt và Đinh Hùng Phú, (2016), „Các yếu tố vĩ mô và vi mô tác động đến nợ xấu của hệ thống ngân hàng Việt Nam‟, Tạp chí Kinh tế và Phát triển, số 229 (09/2016), trang 9 – 16. Peter Rose, (2004), Quản trị ngân hàng thương mại, Bản dịch Tiếng Việt, NXB Tài chính. Danh mục tài liệu tham khảo tiếng Anh Ahlem Selma Messai & Fathi Jouini, (2013), „Micro and Macro Determinants of Non - performing Loans‟, International Journal of Economics and Financial Issues, Vol. 3, No. 4 2013, pp.852 – 860. Amit Ghosh, (2015), 'Banking-industry specific and regional economic determinants of non-performing loans: Evidence from US states', Joủnal of Financial Stability, 2015, vol. 20, issue C, 93-104. Advisory Expert Group (AEG), (2004), Non-performing loans, Advisory Expert Group (AEG) Meeting. Al-Khazali, Osamah M. & Mirzaei, Ali, (2017), 'The impact of oil price movements on bank non-performing loans: Global evidence from oil-exporting countries', Emerging Markets Review, Elsevier, vol. 31(C), pages 193-208. Badar, M., & Javid, Y, (2013), 'Impact of Macroeconomic Forces on Nonperforming Loans: An Empirical Study of Commercial Banks in Pakistan', Wseas Transactions on Business and Economics, 40 - 48. Bogdan Florin Filip, (2015), 'The Quality of Bank Loans within the Framework of Globalization', Procedia Economics and Finance, volume 20, 2015, pages 208-217 . Berger, A., DeYoung, R., (1997), 'Problem loas and cost efficiency commercial banks', Journal of Banking and Finance. 57
  69. Chaiporn Vithessonthi, (2016), 'Deflation, Bank Credit Growth, and Non- Performing Loans: Evidence from Japan', International Review of Financial Analysis, Vol 45, 2016, pp. 295-305. Dimitrios Louzis, (2012), 'Macroeconomic and bank-specific determinants of non-performing loans in Greece: A comparative study of mortgage, business and consumer loan portfolios', Journal of Banking & Finance, vol. 36, issue 4, 1012- 1027 Ekanayake, (2015), 'Determinats of non-performing Loans in licensed commercial banks: Evidence from Sri Lanka'. Fofack, H. (2005), 'Non-performig loans in sub-Saharan Africa: Causal Analysis and Macroecomic Implications', World Bank Policy Research Working Paper No.3769, Novembe. González-Hermosillo, B. (1999), 'Determinants of ex-ante banking system: A macro empirical exploration of some recent episodes', IMF Working Paper, 33. Green SB, (1991), 'How Many Subjects Does It Take To Do A Regression Analysis', Multivariate Behav Res, 499-510. Hansen, L.P., (1982), 'Large Sample Properties of Generalized Methods of Moments Estimators', Econometrica, Vol. 50, page 1029-1054, IIF, (1999), Report of the Working Group on Loan Quality, 1999, Washington: Institue of International Finance. Retrieved from Available at: www.iif.com IMF's Comilation Guide on Fniancial Soundness Indicators, (2004). Keeton, William and Charles S. Morris, (1987), "Why Do Banks' Loan Losses Differ?" Federal Researve Bank of Kansas City. Economic Review, 3-21. Laurin và cộng sự, (2002), 'Bank loan classification and provisioning practices in selected developed and emerging practices in selected developed and emerging countries', Basel Core Principles Liaison Group. 58
  70. Makri và cộng sự, (2014), 'Determinants of Non-performing Loans: The Case of Eurozone'. Nir Klein, (2013), 'Non - Performing Loans in CESSE: Determinants and Impact on Macroeconomic Performance', IMF Working Paper, European Department March 2013. Roland Beck, Petr Jakubik and Anmaria Piloiu, (2013), 'Non-performing Loans What matters in addition to the economic cycle?'. Salas, Vincente and Jesus Saurina, (2002), 'Credi Risk in Two Institutional Regimes: Spanish Commercial and Savings Banks', Journal of Financial Services Research, 22:3,pp. 203 - 224. Se-Hark Park, (2003), Bad Loans and Their Impacts on the Japanese Economy: Conceptual And Practical Issues, and Policy Options, Inst. of Economic Research, Hitotsubashi University. Tabachnick, B. G., & Fidell, L. S. (2007), 'Validation of the Arabic Version of the Inventory of Coping Strategies of Competitive Sport (ISCCS)', Advances in Physical Education, Vol.6 No.4, October 14, 2016. 59