Ảnh hưởng của rủi ro thanh khoản, rủi ro tín dụng đến tính bền vững của Ngân hàng thương mại cổ phần Việt Nam năm 2008 - 2018 - 8

48

INFLATION

330	0.079236	0.05954	0.00630	0.19890
GDP	330	0.0613	0.00645	0.05030	0.07080

Có thể bạn quan tâm!

• Mối Quan Hệ Giữa Rủi Ro Thanh Khoản Và Rủi Ro Tín Dụng
• Thực Trạng Rủi Ro Tín Dụng Và Rủi Ro Thanh Khoản Tại Hệ Thống Ngân Hàng Việt Nam.
• Nguồn Dữ Liệu Và Thống Kê Mô Tả.
• Ứng Dụng Của Mô Hình Nghiên Cứu Cho Thực Tiễn:
• Ảnh hưởng của rủi ro thanh khoản, rủi ro tín dụng đến tính bền vững của Ngân hàng thương mại cổ phần Việt Nam năm 2008 - 2018 - 10
• Ảnh hưởng của rủi ro thanh khoản, rủi ro tín dụng đến tính bền vững của Ngân hàng thương mại cổ phần Việt Nam năm 2008 - 2018 - 11

Xem toàn bộ 102 trang tài liệu này.

Xét ma trận hệ số tương quan giữa các biến độc lập. Kết quả phân tích tương quan có thể là bước đầu để đánh giá được các dự báo của mô hình. Ngoài ra, trong trường hợp các biến độc lập có mối tuơng quan cao là dấu hiệu để nhận ra mô hình đang bị khuyết tật và cần phải điều chỉnh lại mô hình để mang lại kết quả tối ưu nhất.

Hệ số tương quan là một chỉ số thống kê phản ánh rò nhất liên hệ tương quan giữa hai biến số của mô hình. Hệ số tương quan có giá trị từ -1 đến 1. Hệ số tương quan bằng 0 (hay gần 0) có nghĩa là hai biến số không có liên hệ gì với nhau; ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối. Nếu giá trị của hệ số tương quan là âm (r <0) có nghĩa là khi x tăng cao thì y giảm (và ngược lại, khi x giảm thì y tăng); nếu giá trị hệ số tương quan là dương (r > 0) có nghĩa là khi x tăng cao thì y cũng tăng hoặc khi x giảm thì y cũng giảm theo (x, y là hai biến).

Theo bảng 4.2 ta thấy được rằng các hệ số tương quan giữa các cặp biến dao động trong khoảng khá thấp cho thấy các biến độc lập ít tương quan với nhau nên phần nào chứng minh các biến không gặp phải vấn đề đa cộng tuyến và một số khuyết tật khác.

Bảng 4.2. Bảng ma trận hệ số tương quan giữa các biến trong mô hình

Zscoret (t-1)	LR	CR	SIZE	ROA	CAR	LGR	EFF	INC	INF	GDP
Zscoret (t-1)	1.0000
LR	0.1853	1.0000
CR	0.2203	0.1885	1.0000
SIZE	-0.1095	0.0560	-0.0248	1.0000
ROA	-0.0523	0.0742	-0.1848	-0.1219	1.0000
CAR	0.1486	0.0499	0.1535	-0.5451	0.0992	1.0000
LGR	-0.0450	0.0399	-0.1015	-0.2006	0.1708	0.0689	1.0000
EFF	-0.0313	-0.1094	0.1598	-0.0620	-0.5413	-0.0779	-0.1518	1.0000
INC	-0.1739	0.0398	-0.0432	0.0328	0.1381	0.0444	-0.0018	-0.0276	1.0000
INF	0.1135	-0.1251	-0.1399	-0.3323	0.2802	0.2087	-0.0358	-0.3135	-0.0291	1.0000
GDP	-0.1866	0.0321	-0.1755	0.1952	-0.0466	-0.1027	-0.0905	0.0071	0.0038	-0.1515	1.0000

49

Kiểm định mô hình hồi quy thích hợp cho Mô hình hồi quy với biến phụ thuộc là Zscore. Trong trường hợp giá trị P-value của kiểm định nhân tử này lớn hơn giá trị tới hạn được lựa chọn (thông thường là ba mức 0,01; 0,05 và 0,1 tương ứng với ba mức ý nghĩa 99%, 95% và 90%). Để kiểm tra kết quả của các biến tác động tới mô hình như thế nào, tăng mức độ chính xác hơn, bên cạnh cách chạy mô hình OLS, ta sẽ tiến hành chạy và đọc kết quả cho từng mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM) và sau đó lựa chọn mô hình nào thực sự phù hợp cho mục đích nghiên cứu như đã đề cập định nghĩa trong phần 3 đặc điểm và ý nghĩa của hai mô hình cụ thể như sau:

Đối với mô hình FEM:

F(11,289)

=	42.28
Prob > F	=	0.0000

Bảng 4.3. Hồi quy dạng FEM

Zscore(t)

Coef.	Std. Err.	z	P>z	[95% Conf.	Interval]
Zscoret(t-1)	0.46614	0.04244	10.98000	0.00000	0.38260	0.54967
LR	-0.21903	0.15374	-1.42000	0.15500	-0.52162	0.08357
CR	-3.93428	2.21114	-1.78000	0.07600	-8.28625	0.41769
SIZE	-1.91530	0.45411	-4.22000	0.00000	-2.80909	-1.02151
ROA	16.48788	3.41562	4.83000	0.00000	9.76523	23.21053
CAR	1.93532	0.42048	4.60000	0.00000	1.10773	2.76291
LOANGROWTH	-0.42798	0.08500	-5.04000	0.00000	-0.59527	-0.26069
EFFICIENCY	0.17299	0.19718	0.88000	0.38100	-0.21510	0.56107
INCOMEDIVERSITY	-0.28920	0.13079	-2.21000	0.02800	-0.54662	-0.03178
INFLATION	-0.71340	0.44784	-1.59000	0.11200	-1.59485	0.16804
GDP	-6.64082	3.31447	-2.00000	0.04600	-13.16439	-0.11725
_cons	7.67878	1.48398	5.17000	0.00000	4.75800	10.59957

cứu.

Kết quả: Prob F = 0,0000 <0.05 => Chấp nhận mô hình hồi quy FEM cho nghiên

Qua kết quả sau khi chạy mô hình FEM, dựa theo dấu của Coef. của từng biến

như LR, CR, SIZE, LOANGROWTH, INCOMEDIVERSITY, INFLATION, GDP tác

50

động ngược chiều với biến phụ thuộc tương ứng -0.21903, -3.93428, -1.91530, - 0.42798, -0.28920, -0.71340, -6.64082 với hệ số vỡ nợ có nghĩa là khi các chỉ số này tăng thì rủi ro vỡ tăng dẫn tới hệ số Z-score giảm dần.

Dựa vào bảng trên cụ thể hạng mục P>|t| có giá trị < 0.1 => các biến trên có ý nghĩa thống kê cụ thể như Zscore (t-1), SIZE, ROA, CAR, LOANGROWTH, INCOMEDIVERSITY, GDP tương ứng với có trị số 0.000, 0.000, 0.000, 0.000, 0.000, 0.02800, 0.04600. Ta xét hai biến chính đang cần nghiên cứu của đề tài là rủi ro thanh khoản và rủi ro tín dụng, có thể mô hình đang bị khuyết tật nên trong mô hình FEM phân tích lần này, chúng chưa tác động ý nghĩa lên mô hình, để biết chúng có thực sự có ảnh hưởng đến tính bền vững của hoạt động Ngân hàng, sẽ tiến hành khắc phục khuyết tật để cho kết quả chính xác nhất và phần này sẽ được trình bày sau.

Mô hình REM:

Prob > chi2 = 0.0000

Bảng 4.4. Hồi quy dạng REM

Zscoret

Coef.	Std. Err.	z	P>z	[95% Conf.	Interval]
Zscoret(t-1)	0.8614	0.0276	31.2100	0.0000	0.8073	0.9155
LR	-0.2573	0.1407	-1.8300	0.0670	-0.5330	0.0185
CR	-6.4535	2.1579	-2.9900	0.0030	-10.6828	-2.2241
SIZE	0.1549	0.2243	0.6900	0.4900	-0.2846	0.5945
ROA	5.9530	3.4655	1.7200	0.0860	-0.8393	12.7453
CAR	1.2799	0.3980	3.2200	0.0010	0.4999	2.0598
LOANGROWTH	-0.3946	0.0880	-4.4900	0.0000	-0.5670	-0.2223
EFFICIENCY	-0.0638	0.1730	-0.3700	0.7120	-0.4029	0.2752
INCOMEDIVERSITY	-0.3585	0.1235	-2.9000	0.0040	-0.6006	-0.1165
INFLATION	0.4156	0.4325	0.9600	0.3360	-0.4320	1.2632
GDP	-5.2514	3.5526	-1.4800	0.1390	-12.2143	1.7115
_cons	0.4816	0.8196	0.5900	0.5570	-1.1248	2.0880

Tương tự như mô hình FEM, kết quả: Prob F = 0,0000 <0.05 => Chấp nhận mô hình hồi quy REM cho nghiên cứu. Kết quả thấy được hệ số Zscoret (t-1), CR, CAR, LOANGROWTH, INCOMEDIVERSITY thể hiện ý nghĩa thống kê với ba mức ý

51

nghĩa thống kê: 99%, 95%, và 90% được áp dụng trong việc giải thích hệ số rủi ro phá sản của các Ngân hàng thương mại do P value < 0.05.

 Ta nhận thấy rằng cả 2 mô hình REM và FEM đều phù hợp cho đề tài nghiên cứu phân tích, chính vì vậy cần phải xác định được đâu là mô hình thực sự tốt để tiến hành phân tích và cho ra kết quả chính xác nhất. Để giải quyết cho vấn đề này, Kiểm định Hausman là giải pháp không thể không nhắc đến mà chúng ta cần sử dụng.

Giả thuyết:

Ho: εi và biến độc lập không tương quan H1: εi và biến độc lập có tương quan

Khi giá trị P_value < 0.05 ta bác bỏ Ho, khi đó εi và biến độc lập tương quan với nhau, ta sử dụng mô hình tác động cố định (FEM) ngược lại, ta bác bỏ mô hình cố định để sử dụng mô hình tác động ngẫu nhiên.

Vậy kết quả Prob>chi2 = 0.0000 => Chọn mô hình FEM áp dụng cho bài toán để phân tích kết quả.

Bước tiếp theo sau khi chọn mô hình FEM thì ta kiểm định sai số, phương sai thay đổi của mô hình này, các khuyết tật (tương quan, phương sai thay đổi, đa cộng tuyến) làm ảnh hưởng tới kết quả phân tích hay không, nếu có thì sẽ tiến hành khắc phục nhằm cho ra kết quả chính xác nhất để chứng minh sự tác động của các nhân tố kể trên đặc biệt là RRTD và RRTK đến tính bền vững của hệ thống Ngân hàng.

Ta nhận thấy rằng:

Prob>chi2 = 0.0000 Prob>Chi2 <5% : Bác bỏ Ho, chấp nhận H1. Với

Gọi Ho: Mô hình bị phương sai thay đổi Ha: Mô hình không bị phương sai thay đổi.

=> Ta thấy rằng Prob>chi2 < 0.05 => kết luận rằng mô hình bị phương sai thay đổi và cần phải khắc phục.

52

Phương sai thay đổi là hiện tượng các giá trị phần dư có phân phối không giống nhau và giá trị phương sai không như nhau. Bỏ qua phương sai của phần dư thay đổi sẽ làm cho các ước lượng OLS của các hệ số hồi quy không hiệu quả. Để kiểm tra hiện tượng này, sử dụng kiểm định White. Nếu (Sig.)> 0.05 thì phương sai phần dư không đổi.

Thêm vào đó, với:

F(1, 29) = 43.107 Prob > F = 0.0000

Ta thấy rằng “Prob > F” < £ (0.05) => Bác bỏ Ho => Mô hình bị hiện tượng tự tương quan. Hiện tượng này gây cho các hệ số của hàm hồi quy không chính xác, việc ước lượng, kiểm định mô hình không đáng tin cậy và các kiểm định t và F không còn hiệu quả, chính vì vậy hiện tượng này sẽ được khắc phục trong phần dưới.

Trong phần này, ta sẽ bàn tới nhân tử phóng đại phương sai (VIF), đây là kiểm định được áp dụng nhằm kiểm tra mô hình có gặp phải khuyết tật đa cộng tuyến hay không. Việc bỏ qua hiện tượng đa cộng tuyến sẽ dẫn tới sai số chuẩn thường cao hơn, giá trị thống kê thấp hơn và có thể không có ý nghĩa phân tích, dẫn tới sai số chuẩn của các hệ số, khoảng tin cậy lớn và thống kê ít ý nghĩa, các ước lượng không thật chính xác

Theo quy ước, Mô hình được coi là không gặp phải khuyết tật đa cộng tuyến nếu hệ số phóng đại đạt giá trị nhỏ hơn 2 chứng tỏ sai số chuẩn rất ít. Trong mô hình hồi quy, nếu các biến độc lập không quan hệ chặt với nhau hay có thể hiểu rằng các biến độc lập như rủi ro thanh khoản, tín dụng, ROA, SIZE, … không có quan hệ, tương quan nhau mà xảy ra độc lập tác động lên biến phụ thuộc.

Bảng 4.5. Nhân tử phóng đại Phương sai VIF

Variable

VIF	1/VIF
SIZE	1.80	0.55703
EFFICIENCY	1.66	0.601756
ROA	1.55	0.643126

53

CAR

1.53	0.652138
INFLATION	1.43	0.700833
CR	1.22	0.817626
Zscoret(t-1)	1.19	0.843321
LOANGROWTH	1.15	0.872404
LR	1.14	0.880726
GDP	1.13	0.885937
INCOMEDIVETY	1.07	0.935018
Mean VIF	1.35

Bên cạnh đó, ta có thể quan tâm đến Tolerance bằng công thức Tolerance=1/VIF . Nếu hệ số Tolerance < 0.5 thì mô hình đang có dấu hiệu đa cộng tuyến dẫn tới nhiều sai biệt có thể xảy ra trên dữ liệu, đây là điều không mong muốn. Còn nếu Tolerance <

0.1 thì chắc chắn có đa cộng tuyến và cần phải khắc phục ngay lập tức nếu muốn kết quả mang lại có ý nghĩa. Đối với mô hình, tất cả các Tolerance=1/VIF đều > 0.5. Vậy mô hình không gặp phải khuyết tật đa cộng tuyến.

Các kiểm định F-test (cho giá trị p-value= 0,000 < 0,01) và kiểm định Hausman (cho kết quả p-value= 0,000 < 0,01) dẫn đến việc lựa chọn mô hình FEM để ước lượng và diễn giải kết quả nghiên cứu. Tiếp tục tiến hành các kiểm định nhằm lần lượt xác định các khuyết tật như: phương sai thay đổi và tự tương quan và đa cộng tuyến trong mô hình FEM. Từ những kết quả kiểm định khuyết tật trên, ta thấy rằng mô hình đang bị hiện tượng tự tương quan và phương sai thay đổi, điều này làm ảnh hưởng rất lớn đến kết quả mô hình làm cho các biến độc lập có mối tương quan rất mạnh với nhau, khiến nhiều chỉ số bị sai lệch, dẫn đến kết quả của việc phân tích định lượng không còn mang lại nhiều ý nghĩa. Chính vì vậy, ta sẽ tiến hành khắc phục lỗi trên và được kết quả chính thức như sau:

Bảng 4.6. Hồi quy khắc phục khuyết tật

Zscoret

Coef.	Std. Err.	z	P>z	[95% Conf.	Interval]
Zscoret(t-1)	0.8946	0.0232	38.5100	0.0000	0.8491	0.9402
LR	-0.4046	0.0943	-4.2900	0.0000	-0.5894	-0.2199
CR	-4.9892	1.6353	-3.0500	0.0020	-8.1945	-1.7840

54

SIZE

0.3101	0.1622	1.9100	0.0560	-0.0079	0.6281
ROA	7.3090	2.6715	2.7400	0.0060	2.0729	12.5450
CAR	1.5116	0.3364	4.4900	0.0000	0.8523	2.1709
LOANGROWTH	-0.3270	0.0659	-4.9600	0.0000	-0.4561	-0.1979
EFFICIENCY	-0.0173	0.1429	-0.1200	0.9040	-0.2973	0.2628
INCOMEDIVERSITY	-0.1224	0.1095	-1.1200	0.2630	-0.3370	0.0921
INFLATION	0.2984	0.3011	0.9900	0.3220	-0.2918	0.8886
GDP	-4.0363	2.4709	-1.6300	0.1020	-8.8792	0.8066
_cons	-0.4541	0.6113	-0.7400	0.4580	-1.6522	0.7440

Qua kết trả trên ta có thể thấy được rằng, các biến đại diện cho Zscoret (t-1), LR, CR, ROA, CAR, LOANGROWTH đại diện cho giá trị P>|t| lần lượt là 0.000, 0.000, 0.002, 0.006, 0.000, 0.000 có ý nghĩa thống kê đối với cả ba mức ý nghĩa thống kê: 99%, 95% và 90%. Chứng tỏ khi hệ số phá sản năm trước, rủi ro thanh khoản, rủi ro tín dụng, tốc độ tăng trưởng tín dụng tăng thì tăng rủi ro cho phía Ngân hàng từ đó làm giảm hệ số Z score(t) và ngược lại, khi tăng tỷ suất sinh lời trên tổng tài sản, hệ số an toàn vốn Ngân hàng sẽ ít rủi ro hơn dẫn tới hệ số Z score(t) tăng. Cụ thể tác động như thế nào sẽ được trình bày chi tiết cụ thể, chúng ta sẽ lần lượt phân tích các biến có ý nghĩa cụ thể để thấy được tác động của chúng đến hệ số phá sản Z – score (t) như sau:

+ Zscoret (t-1) là đại lượng đặc trưng cho hệ số rủi ro vỡ nợ, tính bền vững của hoạt động Ngân hàng của năm trước đó với mức ý nghĩa tác động 0.1%, P-value 0.000

< £. Khi Zscoret (t-1) tăng/giảm thì ảnh hưởng tới Zscoret (t) có nguy cơ tăng/giảm theo chứng tỏ tính ổn định của Ngân hàng những năm trước đó ảnh hưởng lớn đến kết quả, tình hình hoạt động kinh doanh hiện tại. Không một Khách hàng nào muốn đầu tư vào kênh Ngân hàng mà những năm trước đó gặp nhiều khó khăn, hoạt động yếu kém từ đó ảnh hưởng đến nguồn đầu tư của họ nếu trường hợp những năm về sau cũng lặp lại. Đây được coi là tâm lý e ngại rủi ro và bị chi phối bởi luồng thông tin xấu trước đó mà Khách hàng nào cũng có. Ngược lại, nếu hệ số Zscoret (t-1) của năm trước đó tăng chứng tỏ tình hình hoạt động của Ngân hàng khá tốt và từ đó ảnh hưởng tới quyết định đầu tư từ công chúng tăng lên và tính bền vững của Ngân hàng ngày càng tăng.

55

+ Rủi ro thanh khoản (LR): có ý nghĩa và tác động ngược chiều với sự bền vững của Ngân hàng tại mức ý nghĩa 0.1% tại Coef. lần lượt là -0.4046. Nghĩa là khi rủi ro thanh khoản tăng làm cho chỉ số uy tín tín dụng của Ngân hàng này giảm sút trầm trọng và dẫn tới tình trạng đối mặt với việc lượng tiền ồ ạt chảy ra ngoài nằm ngoài dự đoán, hoặc đối diện với việc khách hàng không muốn giao dịch hoặc khi khách hàng vay tiền của Ngân hàng có nguy cơ vỡ nợ thì Ngân hàng sẽ phải huy động tiền từ những nguồn khác để thanh toán, bù đắp khoản chi trả này. Trong trường hợp, nếu Ngân hàng không có khả năng huy động tiền để chi trả cho các khoản nợ tức thì thì chính Ngân hàng này cũng phải đối mặt với rủi ro vỡ nợ cao, ảnh hưởng lớn đến tính bền vững của hệ thống Ngân hàng từ đó là cho hệ số Z score (t) giảm (tác động ngược chiều với Z score (t)). Bên cạnh đó, rủi ro thanh khoản ảnh hưởng đến nguồn cung tiền mặt, dẫn tới thua lỗ, hoạt động kinh doanh bị đình trệ, hoặc mất khả năng thanh toán dẫn đến Ngân hàng phá sản. Chính vì vậy, nhằm đảm bảo khả năng thanh toán của Ngân hàng đặc biệt liên quan đến nguồn vốn ngắn hạn, khi duy trì được nguồn vốn ngắn hạn này sẽ có ý nghĩa nhiều trong việc đáp ứng nhu cầu cho vay dài hạn cho Khách hàng.

+ Rủi ro tín dụng (CR): có ý nghĩa và tác động ngược chiều với sự bền vững của Ngân hàng tại mức ý nghĩa 1% tại Coef. lần lượt là -4.9892. RRTK và RRTD đều có ảnh hưởng lớn đến sự mất khả năng thanh toán và ổn định của Ngân hàng. Rủi ro tín dụng làm giảm chất lượng của tài sản chủ yếu là tích tụ nợ xấu, chi phí xử lý nợ xấu năm sau cao hơn năm trước làm giảm lợi nhuận. Nếu rủi ro tín dụng thì nguy cơ tăng sự bất ổn định của hệ thống Ngân hàng hơn, từ đó hệ số Z – score (t) giảm. Rủi ro tín dụng là một trong những mối lo ngại rất lớn của các Ngân hàng thương mại vì rủi ro này không những ảnh hưởng trực tiếp đến kết quả hoạt động và uy tín của Ngân hàng mà còn quyết định sự tồn tại và phát triển của Ngân hàng. Rủi ro tín dụng làm cho giá trị tài sản của Ngân hàng giảm sút, làm mất vốn và sẽ ảnh hưởng đến khả năng thanh toán của Ngân hàng. Rủi ro tín dụng làm giảm thu nhập của Ngân hàng: khi có một