của dữ liệu bảng, sau đó tiến hành hồi quy S-GMM. Các biến còn lại giữ nguyên giống mô hình 1. Phương trình cụ thể như sau:
BP𝑖𝑡
= 𝛼𝑖
+ ρBP𝑖𝑡−1
+ 𝜕SMV ∗ SIZE + ∑
h
h=1
βhXℎ + βY
𝑌𝑡
Có thể bạn quan tâm!
-
Mô Hình Hóa Lý Thuyết Giải Thích Cơ Chế Ảnh Hưởng Của Smv Lên Rủi Ro Ngân Hàng -
Giả Thuyết Tác Động Biến Động Tỷ Suất Sinh Lợi Thị Trường Chứng Khoán Lên Hiệu Quả -
Mô Tả Các Biến Nghiên Cứu Được Sử Dụng Trong Mô Hình (1A) Và (1B) -
Hồi Quy Tuyến Tính Cổ Điển, Mô Hình Tác Động Cố Định Và Mô Hình Tác Động Ngẫu Nhiên -
Kết Quả Ảnh Hưởng Của Biến Động Tỷ Suất Sinh Lợi Thị Trường Chứng Khoán Lên Hiệu Quả -
Kết Quả Hồi Quy Ảnh Hưởng Của Smv Lên Hiệu Quả Ngân Hàng
Xem toàn bộ 186 trang tài liệu này.
+ βZ
𝑍𝑡
+ 𝜀𝑖𝑡
(3b)
it
3.1.4. Mô hình tác động biến động tỷ suất sinh lợi thị trường chứng khoán lên rủi ro trong điều kiện thay đổi quy mô ngân hàng
Lý thuyết quy mô tối ưu cho thấy các ngân hàng có quy mô lớn có khả năng thực hiện đa dạng hóa và từ đó làm giảm được rủi ro sụt giảm lợi nhuận trong bối cảnh môi trường cạnh tranh khốc liệt với sự suy giảm trong các hoạt động kinh doanh truyền thống. Tuy nhiên, các rủi ro tổng thể phát sinh từ SMV có thể khiến cho các ngân hàng này gặp phải trở ngại trong việc tốn kém chi phí kiểm soát và theo dõi tín hiệu từ biến động tỷ suất sinh lợi thị trường. Điều này gây ra sự không chắc chắn trong khả năng tạo lợi nhuận của ngân hàng khi ngân hàng có thể đối mặt với rủi ro tốn kém chi phí kiểm soát các biến động hàm ý trong thông tin của SMV nhưng bị động trong việc ước tính độ lớn của rủi ro này. Từ đó, luận án bổ sung thêm mô hình SMV-rủi ro trong điều kiện thay đổi quy mô để xem xét hàm ý tác động của quy mô đến ảnh hưởng của SMV đối với việc kiểm soát rủi ro của ngân hàng.
Mô hình được phát triển từ góc độ tiếp cận của Rashid và Ilyas (2018) xem xét vai trò của SMV đối với thành quả hoạt động của ngân hàng trong điều kiện thay đổi quy mô; trong luận án, biến hiệu quả tiếp tục được thay thế bằng biến đo lường cho rủi ro. Ngoài ra, luận án bổ sung 04 biến tương tác ứng SMV1 ∗ SIZE, 𝑆𝑀𝑉2 ∗ 𝑆𝐼𝑍𝐸, SMV1 ∗ DUM_SIZE và 𝑆𝑀𝑉2 ∗ 𝐷𝑈𝑀_𝑆𝐼𝑍𝐸 vào mô hình gốc (2) đề cập đến ảnh hưởng của SMV đối với rủi ro. Theo đó, luận án sẽ tiếp tục tiến hành ước lượng mô hình sau:
RISK
= 𝛼
+ 𝜈SMV ∗ 𝑆𝐼𝑍𝐸 +∑
β Xk + β
𝑌 + β
𝑍 + 𝜀
(3b)
k
𝑖𝑡 𝑖
k=1
k it
Y 𝑡
Z 𝑡 𝑖𝑡
k
Tương tự cách tiếp cận của Tan và Floros (2012b), tác giả đưa thêm biến trễ của biến rủi ro ngân hàng (RISK𝑖𝑡−1) để kiểm soát hiện tượng quán tính rủi ro cũng như tính động của dữ liệu bảng, sau đó tiến hành hồi quy S-GMM. Phương trình cụ thể như sau:
RISK
= 𝛼
+ ρRISK
+ 𝜗SMV ∗ 𝑆𝐼𝑍𝐸 +∑
β Xk + β
𝑌 + β
𝑍 + 𝜀
(4b)
𝑖𝑡 𝑖
𝑖𝑡−1
k=1
k it
Y 𝑡
Z 𝑡 𝑖𝑡
3.2. Mô tả cách đo lường các biến nghiên cứu chính
3.2.1. Biến động tỷ suất sinh lợi thị trường chứng khoán
Chỉ số TTCK cung cấp thông tin tổng quan về tình hình thị trường cổ phiếu và tình hình kinh tế ở khía cạnh vĩ mô. Chỉ số được tổng hợp theo phương pháp thống kê nhất định cho danh mục các cổ phiếu trên thị trường. Theo thông lệ, các chứng khoán trong cùng một danh mục sẽ có một số đặc điểm tương đồng như đồng thời được niêm yết trên cùng một sàn mua bán chứng khoán, cùng lĩnh vực hoạt động hoặc tương đương mức vốn hóa thị trường. Chỉ số giá chứng khoán phản ánh xu thế phát triển của thị trường giao dịch cổ phiếu, hàm ý thông tin có liên quan đến sự biến động của giá cổ phiếu và bối cảnh mua bán cổ phiếu trên thị trường (Nguyễn Minh Kiều và Bùi Kim Yến, 2009). Chỉ số chứng khoán có thể do thể chế tài chính (ví dụ, chỉ số Hang Seng), hãng thông tin (ví dụ, chỉ số Nikkei 225) hoặc sở giao dịch (ví dụ, chỉ số VNIndex) tính toán và cập nhật. Chỉ số giá chứng khoán được quan tâm theo dõi sát vì có tương quan chặt với bối cảnh kinh tế và thể chế của một nền kinh tế.
Biến động (Volatility) cho biết xu thế của một thị trường chung hoặc một loại chứng khoán nào đó sẽ tăng hoặc giảm giá trong một khung thời gian xem xét nào đó. Biến động có thể được đo lường và theo dõi dựa vào những thay đổi trong giá cổ phiếu quá khứ (Krainer, 2002).
SMV có thể được tính toán từ tỷ suất sinh lợi dựa trên cơ sở chỉ số thị trường. Tương tự cách tính toán của tác giả French và cộng sự (1987) và Võ Xuân Vinh và Võ Văn Phong (2016), luận án đo lường SMV bằng cách ước lượng phương sai của tỷ suất
sinh lợi theo quý, được tính toán bằng tổng bình phương tỷ suất sinh lợi theo quý và tổng trung bình của dãy các tỷ suất sinh lợi quý hiện tại và quý trước. Cụ thể theo công thức sau:
Nt Nt−1
2
mt
SMV1 = √∑ R2
m=1
+ 2 ∑ 𝑅𝑚,𝑡𝑅𝑚,𝑡−1
m=1
trong đó, Rmt: lợi nhuận của danh mục thị trường (VNIndex) tại thời điểm quý t, được
tính toán bởi công thức Rmt
t.
=VNIndext− VNIndext−1và N
VNIndext−1 t
là số ngày giao dịch trong quý
Ngoài ra, Lau và cộng sự (2013) sử dụng độ lệch chuẩn (standard deviation) của tỷ suất sinh lợi theo tháng để tính toán biến động thị trường. Do đó, dựa trên dữ liệu dòng thời gian của chuỗi các tỷ suất sinh lợi được tính toán từ chỉ số thị trường VNIndex, tác giả lấy độ lệch chuẩn của các ngày giao dịch trong quý để tính ra được SMV. Các thông số tính toán giống cách tính ở trên nhưng có thay đổi nhỏ theo công thức như sau:
∑𝑁𝑡 𝑅
2 ∑𝑁𝑡
(𝑅
−𝑚=1 𝑚𝑡)2
√
SMV2 =
𝑚=1
𝑚𝑡
𝑁𝑡 − 1
𝑁𝑡
Thành phần
𝑁𝑡
∑
𝑚=1
𝑅𝑚𝑡
trong công thức chính là trung bình của tỷ suất sinh lợi TTCK
𝑁𝑡
trong quý t. Sử dụng hai cách tính trên để cung cấp thêm tính vững cho bằng chứng nghiên cứu bằng cách xem xét và đánh giá hệ số hồi quy có nhạy cảm với các cách đo lường biến khác nhau hay không.
3.2.2. Hiệu quả hoạt động ngân hàng
Hiệu quả ngân hàng được xác định thông qua các đại diện khác nhau như hiệu suất, năng suất và lợi nhuận. Các nhà nhiên cứu thường ước lượng hiệu quả của các ngân hàng thông qua 2 cách tính toán sau:
Đo lường hiệu quả hoạt động của ngân hàng theo cách tiếp cận truyền thống
Hiệu quả hoạt động của ngân hàng được tính toán bởi các chỉ số tài chính như lợi nhuận trên tổng tài sản (𝑅𝑂𝐴), lợi nhuận trên vốn chủ sở hữu (𝑅𝑂𝐸) và biên lãi ròng (𝑁𝐼𝑀) theo đại đa số các nghiên cứu (Batten và Vo, 2019; Ally, 2014; Heffernan và Fu, 2010; Sufian, 2009; Demirgüç-Kunt và Huizinga, 1999; Kumbirai và Webb, 2010; Dietrich và Wanzenried, 2011; Menicucci và Paolucci, 2016; Mirzaei và cộng sự, 2013; Nguyen, 2012; Saghi-Zedek và Tarazi, 2015; Staikouras và Wood, 2004). Theo đó, 𝑅𝑂𝐴 và 𝑅𝑂𝐸 lần lượt là tỷ lệ phần trăm của lợi nhuận ròng chia cho tổng tài sản và vốn của chủ sở hữu. Tỷ số 𝑁𝐼𝑀 cung cấp thông tin về tỷ lệ phần trăm giữa thu nhập từ lãi và chi phí lãi phải trả của ngân hàng. 𝑁𝐼𝑀 thể hiện sự chênh lệch lãi suất giữa hoạt động cho vay và hoạt động cho vay của ngân hàng. Hay nói cách khác, 𝑁𝐼𝑀 là chênh lệch giữa thu nhập từ lãi và khoản tiền lãi trả cho người cho vay so với số tài sản có sinh lãi của ngân hàng. Biến 𝑁𝐼𝑀 được định nghĩa là thu nhập lãi ròng chia cho tổng tài sản có sinh lãi. 𝑁𝐼𝑀 tập trung vào lợi nhuận thu được từ các hoạt động có sinh lãi của ngân hàng. Bên cạnh đó, luận án còn sử dụng thặng dư lợi nhuận trên vốn chủ sở hữu (Excess return on equity) để đại diện cho tỷ suất sinh lợi cho cổ đông trên vốn mà họ nắm giữ chủ sở hữu vì chỉ số 𝑅𝑂𝐸 chưa tính đến chi phí cơ hội khi nhà đầu tư nắm giữ cổ phiếu. Chỉ số
𝐸𝑅𝑂𝐸 phản ảnh tỷ suất sinh lời của vốn chủ sở hữu đối với cổ phiếu được nắm giữ sau khi đã loại trừ chi phí sử dụng vốn (chi phí cơ hội của nhà đầu tư).
Đo lường hiệu quả hoạt động của ngân hàng theo cách tiếp cận giá trị kinh tế gia tăng (Economic Value Added – EVA)
Trong những năm gần đây, các học giả trên thế giới sử dụng biến đại diện cho hiệu quả hoạt động là giá trị kinh tế tăng thêm (Economic Value Added - EVA) (Uyemura và cộng sự, 1996a; Tan và Floros, 2012b; Khan và cộng sự, 2017). Biến đại diện này được sử dụng để đánh giá thành quả hoạt động của tổ chức kinh tế. EVA được phát triển bởi Stewart (1991) và Stern và cộng sự (1995b) có thể được sử dụng để thiết lập mục tiêu của tổ chức, đo lường hiệu suất, xác định tiền thưởng, thông tin với cổ đông và nhà đầu tư, định giá công ty (Awan và cộng sự, 2014). EVA là thước đo hiệu suất dựa trên giá trị đã bao gồm một khoản chi phí cơ hội của vốn (Heffernan và Fu, 2010). Weaver (2001) cho rằng EVA là thước đo tổng hợp mối liên kết giữa lợi nhuận kinh tế, lợi nhuận kế toán và lợi nhuận của cổ đông.
EVA về cơ bản là một phương pháp để tính toán giá trị kinh tế mà công ty đạt được hoặc tạo ra trong một khoảng thời gian cụ thể (Awan và cộng sự, 2014). Nó hoạt động như một biến đầu vào làm cơ sở và định hướng cho các nhà quản trị phản ứng và đưa ra quyết định (Bromwich và Walker, 1998; Chen và Dodd, 1997). Một số nghiên cứu về kế toán quản trị xem EVA như một thước đo để khen thưởng cho các bộ phận trong công ty (O'Hanlon và Peasnell, 1998). Ngoài ra, EVA còn được sử dụng như một công cụ để dự báo hiệu quả TTCK và thực thi các quyết định đầu tư (Farsio và cộng sự, 2000; Freedman, 1998; Garvey và Milbourn, 2000; Griffith, 2006; Baum và cộng sự, 2004). Theo đó, EVA được đo lường như sau:
𝐸𝑉𝐴𝑖𝑡 = 𝑁𝑂𝑃𝐴𝑇𝑖𝑡 − 𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝑐ℎ𝑎𝑟𝑔𝑒𝑖𝑡
trong đó, 𝐸𝑉𝐴𝑖𝑡 đại diện cho giá trị kinh tế gia tăng của ngân hàng i tại thời điểm t;
𝑁𝑂𝑃𝐴𝑇𝑖𝑡 là thu nhập hoạt động ròng sau thuế của ngân hàng i tại thời điểm t;
𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝑐ℎ𝑎𝑟𝑔𝑒𝑖𝑡 = 𝐶𝑎𝑝𝑖𝑡𝑎𝑙𝑖𝑡 *𝐶𝑜𝑠𝑡 𝑜𝑓 𝑐𝑎𝑝𝑖𝑡𝑎𝑙𝑖𝑡 là chi phí sử dụng vốn của ngân hàng i tại thời điểm t (đo lường bằng cách nhân vốn và chi phí sử dụng vốn).
EVA không những thể hiện chi phí lãi vay của nợ mà còn bao hàm cả chi phí sử dụng đối với vốn của chủ sở hữu. Đây chính là sự khác biệt của EVA với các thước đo lợi nhuận kế toán khác. EVA phụ thuộc vào ba yếu tố: lợi nhuận, rủi ro và yếu tố ảnh hưởng đến chi phí sử dụng vốn của chủ sở hữu. EVA dương có nghĩa là thu nhập sau thuế lớn hơn chi phí vốn cần thiết để tạo ra thu nhập, điều đó cho thấy hoạt động của doanh nghiệp đã tạo ra giá trị cho cổ đông. Như vậy, bài nghiên cứu này tổng hợp nhiều cách đo lường khác nhau của hiệu quả hoạt động (theo hướng truyền thống và phương pháp giá trị kinh tế gia tăng) để làm vững thêm kết quả nghiên cứu thông qua kỳ vọng dấu của các biến đo lường hiệu quả giống nhau.
Modigliani và Miller (1958) cho rằng trong trường hợp chung, một công ty có cả vốn của chủ sở hữu và nợ vay, chi phí khai thác và sử dụng vốn có thể được biểu thị thông qua chi phí vốn trung bình sau thuế của chi phí vốn cổ phần và chi phí nợ. Theo Sharfman và Fernando (2008) chi phí sử dụng vốn bình quân của ngân hàng (Weight Average Cost of Capital) có thể được tính như sau:
E LTB
WACC = E + LTB ⋅ K𝑒 + E + LTB ⋅ K𝑑(1 − t)
trong đó, E là vốn chủ sở hữu (Equity Capital); LTB là vốn vay dài hạn (Long Term Borrowings); K𝑒 là chi phí sử dụng vốn của chủ sở hữu (Cost of Equity Capital); K𝑑 là chi phí vốn nợ (Cost of Debt Capital) được tính bằng tỷ lệ tổng chi phí từ lãi (Total Interest Expense) trên tổng vốn vay dài hạn tại thời điểm đầu năm (Beginning of Total Borrowings) và t là thuế suất.
Chi phí vốn cổ phần được định nghĩa là lợi nhuận kỳ vọng mà nhà đầu tư yêu cầu khi mua cổ phiếu của công ty. Thông thường, các nghiên sử dụng phương pháp ước lượng mô hình định giá tài sản vốn (CAPM) để tính toán chi phí vốn cổ phần của công ty (King, 2009; Tan và Floros, 2012b; Heffernan và Fu, 2010; Sharfman và Fernando, 2008). Tương tự Sharfman và Fernando (2008) và một số nghiên cứu trước, bài báo thực
hiện tính toán chi phí vốn chủ sở hữu (K𝑒) theo mô hình CAPM thể hiện bằng công thức sau:
K𝑒 = R𝑓𝑡 + β𝑖𝑚(R𝑚𝑡 − R𝑓𝑡)
trong đó, K𝑒 là chi phí vốn cổ phần; R𝑓𝑡: lợi nhuận danh nghĩa của tài sản phi rủi ro tại thời điểm t - đại diện bởi lãi suất của trái phiếu chính phủ kỳ hạn 10 năm; và Rmt: Lợi nhuận cùa danh mục thị trường và β𝑖𝑚 là biến số tính toán rủi ro của hệ thống các ngân
hàng i đối với thị trường được tính như sau: β
3.2.3. Rủi ro ngân hàng
𝑖𝑚
=Cov(R𝑖𝑡 ,R𝑚𝑡).
𝑉𝑎𝑟 (R𝑚𝑡)
Luận án sử dụng các cách đo lường rủi ro như sau. Thứ nhất, hệ số ổn định ngân hàng, 𝑍𝑆𝐶𝑂𝑅𝐸, đại diện cho rủi ro tổng thể của ngân hàng.
𝑍𝑆𝐶𝑂𝑅𝐸 = 𝐿𝑛
(𝑅𝑂𝐴 + 𝐸𝐴)
𝐷𝑅𝑂𝐴
trong đó ROA là hiệu quả sử dụng vốn được tính toán bằng tỷ số lợi nhuận trên tổng quy mô tài sản, EA là tỷ số của vốn trên quy mô tổng tài sản, và DROA là lợi nhuận trên tổng tài sản được lấy độ lệch chuẩn. Theo cách tính này, ZSCORE đo lường khoảng cách đến phá sản (distance to default) (Laeven và Levine, 2009). Hệ số này được sử dụng phổ biến trong các nghiên cứu trước (Delis và cộng sự, 2014; Houston và cộng sự, 2010; Laeven và Levine, 2009; Beck và cộng sự, 2013). ZSCORE được hiểu là bao nhiêu độ lệch chuẩn theo đó lợi nhuận của sụt giảm và ăn mòn hết vốn của ngân hàng (Roy, 1952). Vì hệ số này có độ lệch cao nên tác giả sử dụng logarit tự nhiên để chuyển về gần phân phối chuẩn (Laeven và Levine, 2009). Hệ số ổn định đo lường rủi ro ngược, theo đó hệ số này càng thấp thì rủi ro ngân hàng càng cao và ngược lại hệ số này càng cao, mức độ ổn định của ngân hàng càng tốt (Hryckiewicz, 2014; Mohsni và Otchere, 2014). Thứ hai, luận án còn sử dụng DROA đại diện cho rủi ro trong hiệu quả sử dụng tài sản - là độ lệch
chuẩn của ROA. Chỉ số này càng cao thì rủi ro ngân hàng càng lớn (Agusman và cộng sự, 2014; Hryckiewicz, 2014; Barry và cộng sự, 2011). Thứ ba, DROE đại diện cho rủi ro trong hiệu quả sử dụng vốn - là độ lệch chuẩn của ROE. Nếu chỉ số này cao thì rủi ro ngân hàng lớn (Barry và cộng sự, 2011; Mohsni và Otchere, 2014). Ngoài ra, rủi ro còn được đo lường bởi tỷ lệ nợ xấu, tuy nhiên do luận án tiếp cận và khai thác chính là dữ liệu theo quý nên không thu thập được đầy đủ các quan sát cho việc đo lường biến nợ xấu.
3.3. Dữ liệu và phương pháp nghiên cứu
3.3.1. Dữ liệu nghiên cứu
Mẫu nghiên cứu bao gồm số liệu của 24 NH TMCP niêm yết trên TTCK Việt Nam trong giai đoạn Quý 2/2006 đến Quý 1/2021. Danh sách các ngân hàng nghiên cứu có thể xem trong phần phụ lục 2. Các nghiên cứu tại Việt Nam về hiệu quả và hoạt động của ngân hàng đều sử dụng dữ liệu năm (Võ Xuân Vinh và Nguyễn Hữu Huân, 2018; Dang, 2019; Batten và Vo, 2019; Tran và cộng sự, 2020). Trong thực tế vận hành hoạt động ngân hàng, các ngân hàng niêm yết có báo cáo tài chính theo quý và nhà quản trị ngân hàng thường sử dụng kết quả kinh doanh của kỳ trước để lên kế hoạch thực thi cho kỳ tới và tạo ra các chỉ tiêu đánh giá gắn với kế hoạch này. Sử dụng dữ liệu quý với đặc điểm quản trị nêu trên của các NH TMCP niêm yết tại Việt Nam giúp kiểm soát được quán tính (persistence) trong mô hình sử dụng thước đo hiệu quả và rủi ro làm biến phụ thuộc. Roland (1997) sử dụng dữ liệu quý cho giai đoạn 1986-1992 để nghiên cứu quán tính lợi nhuận (Persistence of profit) của các công ty sở hữu bởi ngân hàng (bank holding companies). Tuy nhiên, dữ liệu quý sử dụng hạn chế trong các công trình nghiên cứu về yếu tố hiệu quả và rủi ro của các ngân hàng Việt Nam. Gần đây, tác giả tìm thấy dữ liệu quý được sử dụng bài công bố của Nguyen và Vo (2021) với các phương pháp hồi quy truyền thống như hồi quy tác động cố định (FEM), hồi quy tác động ngẫu nhiên (REM)