Tỷ Trọng Dư Nợ Của Các Ngân Hàng Niêm Yết So Với Dư Nợ Tín Dụng Toàn Hệ

thời điểm trước khi cổ phần hóa của các ngân hàng này có nhiều điểm chưa thống nhất. Một số ngân hàng có độ dài dữ liệu thu thập được ngắn hơn như BID (từ quý 4/2011) và MBB (từ quý 1/2011). Bảng dữ liệu được sử dụng trong mô hình là kiểu bảng cân đối (balanced panel). Tuy độ dài thời gian của chuỗi dữ liệu chỉ có 28 quan sát, tương đương với 28 quý, nhưng so với những nghiên cứu tương tự tại Việt Nam, đây không phải là chuỗi dữ liệu ngắn, phản ánh tính hạn chế của dữ liệu (Bảng 4.2).

Bảng 4.1: Tỷ trọng dư nợ của các ngân hàng niêm yết so với dư nợ tín dụng toàn hệ thống tại 31/12/2015

Tên Ngân hàng	Tên viết tắt	Tổng tài sản (tỷVNĐ)	Tỷ trọng	Dư nợ (tỷ VNĐ)	Tỷ trọng
1	NH TMCP Đầu tư và Phát triển Việt Nam	BID	850,669	13.73%	596,166	12.80%
2	NH TMCP Công thương Việt Nam	CTG	779,483	12.58%	533,102	11.45%
3	NH TMCP Ngoại thương Việt Nam	VCB	674,394	10.89%	384,643	8.26%
4	NH TMCP Sài gòn thương tín	STB	292,542	4.72%	184,612	3.96%
5	Ngân hàng TMCP Á Châu	ACB	201,456	3.25%	133,115	2.86%
6	NH TMCP Sài gòn Hà Nội	SHB	204,764	3.31%	131,445	2.82%
7	NH TMCP Quân đội	MBB	221,041	3.57%	120,308	2.58%
8	NH TMCP Xuất nhập khẩu Việt Nam	EIB	125,829	2.03%	84,759	1.82%
9	NH TMCP Quốc Dân	NCB	48,230	0.78%	20,431	0.44%

Có thể bạn quan tâm!

Xem toàn bộ 185 trang tài liệu này.

Tổng cộng

54.57%

46.99%

Nguồn: Tổng hợp từ số liệu NHNN, Sở Giao dịch chứng khoán TP HCM và báo cáo tài chính của các ngân hàng

Bảng 4.2: So sánh số lượng quan sát của một số nghiên cứu cùng chủ đề tại Việt Nam

Tác giả

Số lượng quan sát chéo	Số lượng quan sát theo thời gian	Tổng số quan sát
Luận án nghiên cứu	9 ngân hàng	28 quý (quý 1/2009 đến quý 1/2015)	252
Nguyễn Hoàng Thụy Bích Trâm (2014)	8 ngân hàng	23 quý (quý 4/2007 đến quý 2/2013)	184
Đặng Hữu Mẫn và Hoàng Dương Việt Anh (2014)	52 ngân hàng	10 năm (2003- 2012)	302
Trương Đông Lộc và Nguyễn Văn Thép (2015)	155 quỹ tín dụng nhân dân	3 năm (2008-2010)	363
Lê Vân Chi và Hoàng Trung Lai (2014)	13 ngân hàng	7 năm (2007-2013)	91

Nguồn: Tác giả tổng hợp từ các nghiên cứu

Nghiên cứu sử dụng số liệu về giá trị nợ xấu (nợ nhóm 3,4 và 5) và tổng giá trị cho vay khách hàng (trước khi trừ dự phòng rủi ro cho vay khách hàng) được công bố tại các báo cáo tài chính riêng lẻ theo quý của các ngân hàng. Theo đó, từ ngày 1/1/2015 trở về trước, các ngân hàng thực hiện phân loại nợ theo Quyết định số 493/2005/QĐ-NHNN ngày 22/4/2005 của Thống đốc NHNN về phân loại tài sản có, mức trích, phương 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 nước ngoài. Từ ngày 1/1/2015, các ngân hàng đã phân loại nợ theo Thông tư số 02/2013/TT- NHNN ban hành ngày 18/3/2014 và Thông tư số 09/2014/TT-NHNN sửa đổi, bổ sung một số điều của Thông tư số 02/2013.

Ngoài số liệu nợ nhóm 3,4 và 5, mô hình nghiên cứu cũng tính toán tác động của việc các NHTM bán nợ xấu cho VAMC kể từ khi công ty này được thành lập từ tháng 7/2013. Mặc dù nợ xấu bán cho VAMC sẽ được tạm thời đưa khỏi bảng cân đối tài sản của các ngân hàng để chuyển sang trái phiếu đặc biệt do VAMC phát hành, nhưng sẽ quay lại sổ sách của ngân hàng sau 5 năm nếu chưa xử lý được. Vì vậy, tỷ lệ nợ xấu chính thức của các ngân hàng được điều chỉnh cộng thêm số nợ xấu đã chuyển sang VAMC để thể hiện đúng chất lượng tín dụng ngân hàng:

ỷ ệ ợ ấ đ ề ℎỉ ℎ

= ư ợ ℎó 3,4,5 + ư ợ đã !á ℎ# $ %& ( ế ó)

ư ợ ℎ# *+, -ℎá ℎ ℎà / + ư ợ đã !á ℎ# $ %& ( ế ó)

Tổng nợ nhóm 3-5 của 9 ngân hàng niêm yết tại thời điểm 31/12/2015 là 32,588 tỷ đồng; nợ đã bán cho VAMC của 9 ngân hàng này là 55,934 tỷ đồng. Tỷ lệ nợ xấu bình quân (điều chỉnh trọng số theo tổng tài sản) là 1,49%. Tỷ lệ nợ xấu bình quân sau khi tính thêm phần nợ đã bán cho VAMC là 3,94%. Để so sánh, trong Báo cáo thẩm tra của Ủy ban Thường vụ Quốc hội báo cáo tại phiên họp Quốc hội lần 8 khóa VIII diễn ra ngày 1/11/2014, tỷ lệ nợ xấu trên tổng dư nợ của khối NHTM Nhà nước năm 2012 là 3,18% (toàn hệ thống: 4,08%), năm 2013 là 2,75% (toàn hệ thống: 3,61%), đến tháng 8/2014 là 3,88% (toàn hệ thống: 3,9%). Chỉ có 3 ngân hàng có tỷ lệ nợ xấu sau khi tính thêm phần bán cho VAMC vẫn giữ mức dưới 3% là CTG, VCB và ACB. Những ngân hàng có tỷ lệ nợ xấu tương đối cao sau khi tính thêm nợ đã bán cho VAMC là NCB, EIB và STB. SHB có thời điểm nợ xấu tăng cao đột biến vào năm 2012 khi sáp nhập thêm Habubank và chịu tác động của số nợ xấu từ Vinashin của ngân hàng này. Trong năm 2015 SHB đã tích cực xử lý nợ xấu không qua phương thức bán cho VAMC. Vì vậy, tỷ lệ nợ xấu của SHB, tuy còn cao, nhưng đã được cải thiện đáng kể (Đồ thị 4.1).

4.1.2. Mô hình nghiên cứu

Nghiên cứu sử dụng phân tích hồi quy dữ liệu bảng kiểu động (Dynamic Panel Data Regression Analysis - DPDA) nhằm kiểm tra các biến số quan trọng và có ý nghĩa thống kê để dự đoán được tỷ lệ nợ xấu của ngân hàng. Ngoài DPDA, một số

ACB

BID

CTG

EIB

MBB

NVB

SHB

STB

VCB

2009-Q32011-Q32013-Q32015-Q32009-Q32011-Q32013-Q32015-Q32009-Q32011-Q32013-Q32015-Q3

QUY

Graphs by NH

NPL

.05

ít các nghiên cứu nước ngoài, điển hình như Jose Ramon và Thiam (2012), sử dụng mô hình tự hồi quy dữ liệu bảng (panel-data VAR) với giả định toàn bộ các yếu tố kinh tế vĩ mô và tỷ lê nợ xấu ngân hàng có mối liên hệ chặt chẽ theo thời gian. Khi đó, vec-tơ hồi quy sẽ bao gồm tỷ lệ nợ xấu và các chỉ số kinh tế vĩ mô tại thời điểm t, và sẽ được tự hồi quy so với những thời điểm t-1, t-2. t-3... đến t-p. Tuy nhiên, điểm yếu của mô hình này là giả thiết rằng mối liên hệ giữa các biến trong véc-tơ là bất biến theo thời gian.

.05

Đồ thị 4.1: Tỷ lệ nợ xấu sau khi điều chỉnh phần nợ đã bán cho VAMC của các ngân hàng niêm yết

Nguồn: Tác giả tính toán sử dụng phần mềm Stata

So với panel-data VAR, mô hình DPDA được sử dụng phổ biến hơn khi nghiên cứu tác động của kinh tế vĩ mô đối với tỷ lệ nợ xấu trong hệ thống ngân hàng. Điển hình là nghiên cứu của Luizis, Vouldis và Metaxas (2012) phân tích nợ xấu tại chín ngân hàng Hy Lạp giai đoạn 2003Q1 đến 2009Q1; Vasiliki M.,

Athanasios T. và Athanasios B. (2014) khi nghiên cứu khu vực châu Âu giai đoạn 2000-2008; của Nguyễn Hoàng Thụy Bích Trâm (2014) tại 13 ngân hàng Việt Nam giai đoạn 2007-2013. Nó vừa cho biến mô tả sự phụ thuộc của biến số phụ thuộc vào biến trễ của chính nó theo thời gian (tính tự hồi quy), nhưng cũng không quá chặt chẽ như panel-data VAR. Khi sử dụng DPDA, việc lựa chọn dữ liệu bảng sẽ nghiên cứu được sự khác biệt (nếu có) giữa các ngân hàng mà trước đây chúng ta hay sử dụng biến giả; động thái thay đổi của các ngân hàng theo thời gian; nâng cao được số quan sát trong mẫu và phần nào khắc phục được hiện tượng đa cộng tuyến; cũng như có nhiều thông tin hơn kiểu dữ liệu khác. Nếu xét một mô hình ví dụ với biến phụ thuộc, Y, và hai biến giải thích quan sát được, X1và X2, và một hoặc nhiều biến không quan sát được, dạng mô hình tổng quát của hồi quy dữ liệu bảng:

012 = 345124 + 365126 + 71 + 812 với i = 1, 2, …, N và t = 1, 2, …, T

Trong đó, sai số được chia làm 2 thành phần:

- 71 là ảnh hưởng của từng ngân hàng i không thay đổi theo thời gian nhưng không quan sát được

- 812 là những sai số còn lại chưa đưa vào mô hình Ta có ba cách tiếp cận ước lượng mô hình tổng quát:

- Phương pháp hồi quy kết hợp tất cả các quan sát (Pooled OLS) coi tất cả các hệ số đều không đổi. Nhược điểm của cách tiếp cận này là ràng buộc quá chặt về ngân hàng (các đơn vi chéo), điều này khó xảy ra trong thực tế.

- Phương pháp tiếp cận cố định (Fixed-effects Modeling, FEM) có thể kiểm soát và tách các ảnh hưởng riêng biệt theo không gian và thời gian ra khỏi các biến độc lập. Vì vậy, FEM là phù hợp nếu những yếu tố đặc trưng của ngân hàng hoặc những biến độc lập khác chưa được xem xét trong mô hình (phần dư mô hình) có tương quan với biến số độc lập.

- Phương pháp tiếp cận ngẫu nhiên (Random-effects Modeling, REM) xem phần dư của mô hình không tương quan với biến độc lập, và coi đó là một biến riêng để giải thích. Vì vậy, REM là phù hợp nếu những yếu tố đặc trưng của ngân

hàng hoặc những biến độc lập khác chưa được xem xét trong mô hình (phần dư mô hình) không có tương quan với các biến số độc lập.

Mục tiêu mô hình là tìm hiểu sự tác động của các biến số độc lập (yếu tố kinh tế vĩ mô) mà giá trị của chúng thay đổi theo thời gian, cũng như những yếu tố thuộc về đặc điểm của ngân hàng được lựa chọn mà những yếu tố này không thay đổi theo thời gian. Tuy nhiên, phương pháp Pooled OLS sẽ ràng buộc chặt chẽ mô hình về không gian và thời gian của các đối tượng khi các hệ số hồi quy không đổi, nên phương pháp này không phản ánh sự khác biệt trong các tác động của các yếu tố kinh tế vĩ mô lên từng ngân hàng. Hay nói cách khác, việc hồi quy theo Pooled OLS sẽ khiến mô hình gặp hiện tương thiếu biến (thiếu những ảnh hưởng không thay đổi của từng ngân hàng). Do đó, chúng ta sẽ loại bỏ Pooled OLS và chỉ xem xét lựa chọn một trong hai phương pháp ước lượng còn lại: FEM và REM. Để kiểm định cách tiếp cận REM hay FEM sẽ phù hợp với dữ liệu nghiên cứu, ta cõ thể sử dụng kiểm định Hausman (Baltagi, B., 2008) với giả thuyết H0 cho rằng không có sự tương quan giữa sai số đặc trưng giữa các đối tượng 71 với các biến giải thích X

trong mô hình. Nếu kết quả cho thấy chưa có đủ bằng chứng để bác bỏ H0 (p-value

> 0.05), thì ước lượng ngẫu nhiên sẽ được sử dụng và ngược lại.

Việc lựa chọn mô hình có biến trễ của biến phụ thuộc là rất quan trọng. Khi tiến hành các kiểm định về hiện tượng tương quan giữa các sai số ngẫu nhiên ε_it, nghĩa là cov (ε_it 〖,ε〗_im) = 0 cho mô hình không có biến trễ, bộ số đều cho kết quả có sự tự tương quan giữa các sai số ngẫu nhiên. Tuy nhiên, việc có sự tự tương quan này phù hợp với bản chất “tính ì” của nợ xấu tại các ngân hàng Việt Nam trong giai đoạn nghiên cứu. Ngoài ra, để kiểm định tác động của việc ngân hàng bán nợ cho VAMC, nghiên cứu bổ sung thêm một biến giả (VAMC), biến này nhận giá trị bằng 1 vào quý ngân hàng ghi nhận tăng nợ bán cho VAMC trên báo cáo tài chính. Biến này nhận giá trị bằng 0 vào những quý còn lại. Tiếp theo, để kiểm định giả thuyết rằng tỷ lệ nợ xấu các ngân hàng có xu hướng giảm vào quý 4, thời điểm chốt số liệu báo cáo năm, nghiên cứu bổ sung thêm một biến giả (Q4D) nhận giá trị 1 vào quý 4 và giá trị 0 vào các quý khác của năm.

Trong thời gian nghiên cứu, có hai sự kiện ngân hàng sáp nhập Ngân hàng TMCP Nhà Hà Nội (Habubank) vào SHB vào quý 3 năm 2012 và Ngân hàng Nhà Đồng bằng Sông Cửu Long (Mekong Housing Bank) vào BID vào quý 2 năm 2015. Để kiểm định sự tác động của sự kiện sáp nhập tới tỷ lệ nợ xấu được công bố của ngân hàng SHB và BID, Luận án nghiên cứu cho thêm 2 biến giả là SHB và BID vào mô hình. Mặc dù có nhiều phương pháp tái cấu trúc ngân hàng, bài nghiên cứu chỉ đề cập đến hình thức thành lập VAMC và sáp nhập ngân hàng vì đây là hai hình thức tái cấu trúc được áp dụng đầu tiên trong giai đoạn nghiên cứu, nên sẽ có tác động lớn đến hệ thống ngân hàng. Đồng thời, nếu cho thêm các biến giả đề cập đến các hình thức tái cấu trúc khác thì bậc tự do của mô hình sẽ giảm xuống trong khi kích cỡ mẫu nghiên cứu là không lớn.

4.1.3. Biến độc lập

Một số nghiên cứu trong và ngoài nước, ngoài các yếu tố kinh tế vĩ mô, đã đưa các nhân tố nội tại ngân hàng (quy mô vốn chủ sở hữu, tổng tài sản, tỷ suất lợi nhuận, tốc độ tăng trưởng tín dụng của ngân hàng..) dựa trên lý thuyết về hành vi quản lý vào mô hình RRTD (Luizis và cộng sự (2010), Lê Vân Chi và Hoàng Trung Lai (2014)). Tuy nhiên, luận án dựa trên giả định của phương pháp tính tỷ lệ an toàn Vốn Basel II, theo đó, rủi ro hệ thống từ kinh tế vĩ mô là nhân tố duy nhất tác động tới RRTD danh mục. Vì vậy, luận án chỉ lượng hóa mức độ tác động của các nhân tố kinh tế vĩ mô đối với tỷ lệ nợ xấu ngân hàng. Để lựa chọn biến độc lập đưa vào mô hình, luận án đã thực hiện theo các bước trong Hình 4.1.

• Hệ thống chỉ số EWS

• Tổng quan nghiên cứu

Tổng hợp các chỉ số đã được sử dụng trên thế giới

Đánh giá mức độ sẵn có về dữ liệu tại nước ta

• Nguồn các cơ quan nhà nước

• Nguồn các tổ chức khác

• Khảo sát hệ số tương quan

Loại bớt các chỉ số có tương quan

Hình 4.1: Các bước lựa chọn biến kinh tế vĩ mô trong mô hình

Nguồn: Tác giả tổng hợp đề xuất

Bước 1: Tác giả đã tổng hợp danh sách các chỉ tiêu an toàn vĩ mô như đã được đề cập ở Chương 1 và Chương 2 (Bảng 4.3). Trong đó, “Y” là yếu tố được tác giả chứng minh có tác động tới chất lượng tín dụng của ngân hàng thuộc đối tượng nghiên cứu. Bảng tổng hợp cho thấy, mối quan hệ giữa kinh tế vĩ mô – rủi ro ngân hàng rất khác nhau. Danh sách các yếu tố vĩ mô có tác động phụ thuộc những đặc điểm riêng của từng ngân hàng như cơ cấu dư nợ theo nhóm khách hàng, ngành, tuổi nợ, chính sách tăng trưởng tín dụng, tỷ lệ dư nợ bằng ngoại tệ hoặc cho vay nước ngoài...Việc lựa chọn yếu tố vĩ mô nào cần đưa vào mô hình kiểm định tại Việt Nam sẽ khác với các nước khác trên thế giới, cũng như Vietinbank khác với các NHTM khác tại Việt Nam. Danh sách các yếu tố vĩ mô có tác động phụ thuộc những đặc điểm riêng của từng ngân hàng như cơ cấu dư nợ theo nhóm khách hàng, ngành, tuổi nợ, chính sách tăng trưởng tín dụng, tỷ lệ dư nợ bằng ngoại tệ hoặc cho vay nước ngoài..

Bước 2. Tác giả đánh giá mức độ sẵn sàng về dữ liệu theo quý tại Việt Nam để lựa chọn những chỉ số có thể thu thập được dữ liệu có độ tin cậy cao. Kết quả đánh giá được trình bày tại Phụ lục 1. Trên cơ sở đánh giá mức độ tin cậy và sẵn có của dữ liệu quý, Luận án nghiên cứu lựa chọn được 9 biến kinh tế vĩ mô tại Bảng

Xem toàn bộ nội dung bài viết ᛨ