Mô Tả Các Biến Dùng Trong Mô Hình Tác Động Của Nợ Xấu


Mức độ cạnh tranh ngành	Chỉ số tập trung của 4 NHTM lớn nhất	xác định bằng giá trị thị phần của 4 NHTM lớn nhất trong hệ thống	CR4	(-)
Mức độ cạnh tranh ngành	Chỉ số HHI	Chỉ số HHI cho tài sản của cấu trúc cạnh tranh	HHI	(-)
Mức độ kiểm soát của chủ sở hữu	Tỷ lệ sở hữu cổ phần	Sở hữu tập trung gồm 3 biến giả OWN=1 thể hiện tỷ lệ sở hữu của cá nhân hay tổ chức trên 10%, OWN=2 nếu tỷ lệ trên 25% và à OWN=3 nếu tỷ lệ trên 50%.	OWN	(-)
Biến kiểm soát vĩ mô	Tốc độ tăng trưởng kinh tế	Chỉ số GDP-100 (%)	GDP	(-)
	Lạm phát	𝐶𝑃𝐼𝑡−𝐶𝑃𝐼𝑡−1(%) 𝐶𝑃𝐼𝑡−1	INF	(+)
	Lãi suất cho vay	Lãi suất cho vay trung bình năm (%)	INT	(+)
	Tỷ giá hối đoái	Logarit tỷ giá trung bình hàng năm USD/VND	EXI	(+)
	Tăng trưởng giá nhà	Chỉ số giá nhà -100(%)	ESI	(+)

Có thể bạn quan tâm!

Xem toàn bộ 285 trang tài liệu này.

Nguồn: Tổng hợp của tác giả

Dựa trên các nghiên cứu trước, luận án 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 tương ứng về các yếu tố tác động đến nợ xấu cần kiểm định cho các NHTM Việt Nam.

3.1.2. Mô hình nghiên cứu tác động của nợ xấu đến hiệu quả, an toàn vốn và tăng trưởng tín dụng

Để giải quyết mục tiêu nghiên cứu thứ hai là phân tích tác động của nợ xấu đến hiệu quả, an toàn vốn và tăng trưởng tín dụng, dựa trên lý thuyết về rủi ro đạo đức và kênh bảng cân đối tài sản của người đi vay (giải thích ở chương 3), và các nghiên cứu thực nghiệm của Le (2016), Athanasoglou và ctg (2008), Goddard và ctg (2011) và Girardone và ctg (2004), luận án xây dựng mô hình nghiên cứu tác động của nợ xấu đến hiệu quả, an toàn vốn và tăng trưởng tín dụng. Trong đó, biến phụ thuộc là các yếu tố hoạt động của ngân hàng sẽ là một phương trình diễn biến điều chỉnh từng phần với mức độ mục tiêu mong muốn, phụ thuộc vào tình hình kinh tế vĩ mô và đặc thù của từng ngân hàng. Nghiên cứu dựa trên giả định bất kỳ sự thay đổi nào trong nhân tố đặc thù là do sự điều chỉnh nội sinh của các nhân tố khác. Ba yếu tố của ngân hàng được đại diện thông qua các biến: (i) EF đại diện cho hiệu quả ngân hàng, bao gồm hiệu quả chi phí và hiệu quả lợi nhuận; (ii) ETA đại diện cho vốn ngân hàng và (iii) LGR đại diện tăng trưởng tín dụng. Các véc tơ của biến giải thích bao gồm các yếu tố vĩ mô, các yếu tố đặc thù của ngân hàng, yếu tố đặc thù ngành. Như vậy, mô hình điều chỉnh riêng của mỗi yếu tố đến hoạt động của ngân hàng áp dụng theo ba phương trình được trình bày như sau:

𝐸𝐹𝑖𝑡 = 𝛾2𝐸𝐹𝑖𝑡−1 + 𝜑2𝑀𝑡 + 𝜆2𝑁𝑃𝐿𝑖𝑡 + 𝜋2𝐹𝑖𝑡 + 𝜀2,𝑖𝑡 (3.13)

𝐸𝑇𝐴𝑖𝑡 = 𝛾3𝐸𝑇𝐴𝑖𝑡−1 + 𝜑3𝑀𝑡 + 𝜆3𝑁𝑃𝐿𝑖𝑡 + 𝜋3 𝐹𝑖𝑡 + 𝜀3,𝑖𝑡 (3.14)

𝐿𝐺𝑅𝑖𝑡 = 𝛾4𝐿𝑂𝐴𝑁𝑖𝑡−1 + 𝜑4𝑀𝑡 + 𝜆4𝑁𝑃𝐿𝑖𝑡 + 𝜋4 𝐹𝑖𝑡 + 𝜀4,𝑖𝑡 (3.15) Trong đó, t và i=[1, 2,..N] lần lượt là năm t và ngân hàng thứ i, 𝜀1,2,3,4,𝑖𝑡 =

𝜂𝑡 + 𝜐𝑖𝑡, trong đó 𝜂𝑖𝑡 là các ảnh hưởng của các yếu tố đặc thù đến ngân hàng không quan sát được và 𝜐𝑖𝑡 là các sai số.

Công thức (3.13), (3.14) và (3.15) được thiết lập để kiểm tra ảnh hưởng của các yếu tố đến nợ xấu của ngân hàng và tác động của nợ xấu đến hiệu quả, an

toàn vốn và tăng trưởng tín dụng của ngân hàng với độ trễ dựa trên giả định các NHTM điều chỉnh mục tiêu trong suốt giai đoạn ước lượng. 𝑁𝑃𝐿𝑖𝑡 là nợ xấu của ngân hàng I năm t, 𝑀𝑖𝑡 là ảnh hưởng của các yếu tố vĩ mô, 𝐻𝑖𝑡 là yếu tố cạnh tranh ngành, 𝐹𝑖𝑡 là yếu tố đặc thù của ngân hàng. 𝐸𝐹𝑖𝑡 là hiệu quả của ngân hàng i trong năm t, đại diện bởi hai biến: lợi nhuận ròng trên tổng tài sản (ROA), hiệu quả về chi phí (CE). 𝐸𝑇𝐴𝑖𝑡 là vốn ngân hàng thứ i năm t, đại diện bởi tỷ lệ vốn chủ sở hữu đến tài sản; 𝐿𝐺𝑅𝑖𝑡 là tăng trưởng tín dụng của ngân hàng thứ i. Fit bao gồm tập hợp các biến giải thích, trong khi 𝛾1 là những hệ số ước tính nợ xấu, hiệu quả, an toàn vốn và tăng trưởng tín dụng của năm trước tương ứng. Theo Goddard và ctg (2011), ý nghĩa của 𝛾1 cho thấy nợ xấu, hiệu quả, vốn và tăng trưởng tín dụng bất thường tồn tại từ năm này sang năm khác. Công thức trên được ước lượng bằng kỹ thuật dữ liệu bảng GMM hệ thống được đề xuất bởi Arellano và Bond (10991) và Blundel và Bond (1998). GMM phù hợp hơn các kỹ thuật ước lượng khác trong nghiên cứu này vì cấu trúc dữ liệu bảng có số năm hạn chế (t=11) và số quan sát chéo (n=35). Hơn nữa, các biến đặc thù ngân hàng có khả năng mang tính nội sinh (Athanasoglou và ctg, 2008) và các biến phụ thuộc khác ngoại sinh không nghiêm ngặt, khiến các ước lượng khác như OLS, 2SLS, fixed effects không phù hợp. Ước lượng GMM cho phép các biến nội sinh làm công cụ và cung cấp ước lượng nhất quán, đặc biệt GMM hệ thống xuất phát từ hệ thống ước lượng cùng lúc của hai phương trình đồng thời ở cả hai cấp độ (với sai phân bậc 1 có độ trễ là các công cụ) và trong sai phân bậc 1 (với độ trễ là các công cụ).

Với biến phụ thuộc là hiệu quả chi phí và hiệu quả lợi nhuận (ROA và CE), dựa trên nghiên cứu của Casu và Girardone (2006); Le (2016); Lee và Hsieh (2013), Altunbas và ctg (2007); Goddard và ctg (2011), bên cạnh biến nợ xấu, các biến kiểm soát ngân hàng là biến vốn chủ sở hữu, dư nợ trên vốn huy động, quy mô tài sản, dư nợ, mức độ cạnh tranh. Nghiên cứu kỳ vọng các biến này tương quan cùng chiều với hiệu quả sinh lời, nghĩa là nếu ngân hàng có mức vốn hóa cao, tăng trưởng tín dụng cao, dư nợ/vốn huy động cao, quy mô tài sản

vốn, cùng với mức độ cạnh tranh cao thì có thể ngân hàng đó sẽ có lợi nhuận gia tăng và ngược lại.

Các biến kinh tế vĩ mô được đưa vào như các yếu tố kiểm soát bên ngoài ngân hàng là tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát và tỷ giá theo nghiên cứu của Lee và Hsieh (2013), Altunbas và ctg (2007) và Goddard và ctg (2004). Tốc độ tăng trưởng kinh tế tác động cùng chiều với hiệu quả. Lạm phát và tỷ giá tác động ngược chiều với hiệu quả ngân hàng.

Giả thuyết 12. Khi khách hàng phát sinh nợ quá hạn, ngân hàng buộc phải trích lập dự phòng, phát sinh chi phí dự phòng cho vay khách hàng, điều này làm giảm hiệu quả hoạt động của ngân hàng. Các bằng chứng thực nghiệm ủng hộ giả thuyết này là Karim và ctg (2010), Phạm Hữu Hồng Thái (2013) và Le (2016). Do đó, giả thuyết luận án đặt ra là: Nợ xấu tác động ngược chiều đến hiệu quả chi phí và hiệu quả lợi nhuận của ngân hàng.

Với biến phụ thuộc là vốn ngân hàng (ETA), dựa trên nghiên cứu của Le (2016), Stolz và Wedow (2009), và Ayouso và ctg (2004) để chọn các biến kiểm soát ngân hàng gồm các biến hiệu quả ngân hàng, tăng trưởng tín dụng, dư nợ trên vốn huy động, quy mô tài sản, dư nợ, mức độ cạnh tranh và các biến vĩ mô. Nghiên cứu cũng kỳ vọng, biến hiệu quả ngân hàng, thanh khoản, mức độ cạnh tranh và tăng trưởng kinh tế sẽ tác động cùng chiều với vốn ngân hàng, nghĩa là ngân hàng hoạt động hiệu quả, thanh khoản cao, điều kiện kinh tế vĩ mô thuận lợi sẽ giúp tăng mức vốn hóa ngân hàng và ngược lại. Các yếu tố khác như tăng trưởng tín dụng, lạm phát, tỷ giá kỳ vọng sẽ tác động ngược chiều đến vốn ngân hàng. TA được kỳ vọng có mối tương quan cùng chiều với lợi nhuận. Các nghiên cứu trước cũng chỉ ra quy mô ngân hàng có tác động cùng chiều với lợi nhuận (Demirguc-Kunt và Huizinga, 1999, Gorddard và ctg, 2011). Tuy nhiên, quy mô ngân hàng cũng có thể tác động ngược chiều đến an toàn vốn, nghĩa là ngân hàng càng lớn giữ càng ít vốn (Alfon và ctg, 2005; Stolz và Wedow, 2009).

Giả thuyết 13. Do tỷ lệ nợ xấu cao làm tăng sự không chắc chắn về trạng thái vốn của các ngân hàng và do đó giới hạn khả năng tiếp cận vốn để huy động. Điều này lại làm tăng lãi suất cho vay của các ngân hàng và do đó góp phần vào việc giảm an toàn vốn. Bằng chứng thực nghiệm ủng hộ mối quan hệ ngược chiều giữa vốn ngân hàng và nợ xấu như Agusman và ctg (2008), Lee và Hsieh (2013) và Le (2016). Do đó, luận án đặt ra giả thuyết: Nợ xấu tác động ngược chiều đến an toàn vốn của ngân hàng.

Với biến phụ thuộc là tăng trưởng tín dụng (LGR), dựa trên nghiên cứu của Le (2016), Bernance và Gertler (1995) và Kashyap và Stein (1994), nghiên cứu cũng chọn các biến kiểm soát tương tự như trên. Với kỳ vọng hiệu quả ngân hàng, dư nợ trên huy động, thanh khoản, mức độ cạnh tranh, tăng trưởng kinh tế sẽ tác động tích cực đến tăng trưởng tín dụng. Các yếu tố như nợ xấu, lạm phát tỷ giá sẽ tác động tiêu cực đến tăng trưởng tín dụng.

Giả thuyết 14. Nợ xấu gia tăng sẽ tác động tiêu cực đến vốn ngân hàng và giới hạn ngân hàng tiếp cận với nguồn huy động nên làm giảm tăng trưởng tín dụng. Điều này đã được các nghiên cứu thực nghiệm như Le (2016), Cucinelli (2015) và Foos và ctg (2010). Do đó, luận án kiểm định giả thuyết: Nợ xấu tác động ngược chiều đến tăng trưởng tín dụng của ngân hàng.

Bảng 3.2 mô tả các biến dùng trong mô hình đo lường tác động của nợ xấu đến hiệu quả chi phí và hiệu quả lợi nhuận, an toàn vốn và tăng trưởng tín dụng.

Bảng 3.2. Mô tả các biến dùng trong mô hình tác động của nợ xấu

Biến phụ thuộc

Mô tả	Hiệu quả ngân hàng		Vốn	Tăng trưởng tín dụng
Mô tả	ROA	CE	ETA	LGR
Biến độc lập
ROA	Khả năng sinh lời			+	+
CE	Hiệu quả chi phí			+	+
ETA	Vốn CSH	+	+		+
LGR	Tăng trưởng tín dụng	+	+	-
NPL	Nợ xấu ngân hàng	-	-	-	-
LDR	Thanh khoản	+	+	+	+
TA	Quy mô ngân hàng	+	+	-	+
HHI	Mức độ cạnh tranh	+	+	+	+
CR4	Mức độ cạnh tranh	+	+	+	+
GDP	Tăng trưởng kinh tế	+	+	+	+
INF	Lạm phát	-	-	-	-
EXI	Tỷ giá	-	-	-	-

Nguồn: Tổng hợp của tác giả

3.2. Phương pháp nghiên cứu

Luận án thực hiện các bước trong nghiên cứu như sau:

Bước 1. Đo lường hiệu quả chi phí bằng phương pháp bao dữ liệu DEA. Bước này nhằm thực hiện mục tiêu nghiên cứu thứ nhất phân tích nguyên nhân dẫn đến nợ xấu của các NHTM Việt Nam, trong đó có hiệu quả chi phí, đồng thời hỗ trợ cho mục tiêu nghiên cứu thứ hai là xem xét nợ xấu tác động như thế nào đến hiệu quả chi phí.

Bước 2. Ước lượng các yếu tố tác động đến nợ xấu của các NHTM Việt Nam bằng phương pháp GMM. Bước 2 nhằm thực hiện mục tiêu nghiên cứu thứ nhất là xác định nguyên nhân dẫn đến nợ xấu của các NHTM Việt Nam.

Bước 3. Ước lượng tác động của nợ xấu đến hoạt động của các NHTM Việt Nam bằng GMM. Bước này nhằm mục tiêu thứ hai là phân tích mức độ tác động của nợ xấu dến hiệu quả của ngân hàng, an toàn vốn và tăng trưởng tín dụng của các NHTM Việt Nam.

3.2.1. Đo lường hiệu quả chi phí của ngân hàng bằng phương pháp bao dữ liệu

Để thực hiện mục tiêu nghiên cứu thứ nhất là phân tích các yếu tố tác động đến nợ xấu trong đó có yếu tố hiệu quả chi phí, luận án sử dụng phương pháp bao dữ liệu Data envelopment analysis (DEA). Đo lường hiệu quả chi phí bằng phương pháp bao dữ liệu DEA có hai lợi thế rõ ràng, đó là phương pháp này yêu cầu rất ít các giả định về hàm sản xuất, tránh giả định tùy tiện về đường biên hiệu quả. Hơn nữa, DEA là một kỹ thuật được sử dụng rộng rãi với các mối liên hệ phức tạp giữa nhiều biến đầu ra. Ba loại hiệu quả thường được đo lường là hiệu quả kỹ thuật (technical effciency) là khả năng sử dụng đầu vào thấp nhất để sản xuất một đầu ra cho trước, hiệu quả phân bổ (allocative effciency) liên quan đến việc lựa chọn đầu vào tạo ra đầu ra ở mức chi phí thấp nhất. Hiệu quả về chi phí (Cost effciency) là “sự kết hợp giữa hiệu quả kỹ thuật và hiệu quả phân bổ“ (Coelli, 2005). Phụ lục 4 sẽ trình bày đầy đủ và chi tiết hơn về phương pháp này.

Từ Hình 3.1, nếu một ngân hàng đã cho sử dụng các lượng đầu vào, xác định tại điểm P, Hiệu quả kỹ thuật (TE) của ngân hàng thường được đo bằng tỷ số: TE = 0Q/0P. Khi TE có giá trị bằng 1 thì ngân hàng có hiệu quả kỹ thuật tối đa. Hiệu quả phân bổ (AE) của ngân hàng hoạt động tại P được xác định AE= 0R/0Q. Hiệu quả chi phí (CE) được tính bằng CE = AExTE = 0Q/0Px0R/0Q= 0R/0P.

Hình 3.1. Hiệu quả kỹ thuật, hiệu quả phân bổ và hiệu quả chi phí

x2/y

Q’

S’

A’

x1/y

Nguồn: Coelli (2005)

Xác định đầu vào và đầu ra trong hoạt động ngân hàng là một khó khăn của việc đo lường hiệu quả của các ngân hàng. Theo Berger và Humphrey (1997) có hai cách tiếp cận thông thường để đo lường hiệu quả, đó là tiếp cận sản xuất và tiếp cận trung gian. Nghiên cứu này dựa trên cách tiếp cận trung gian, theo cách tiếp cận này các khoản tiền gửi được xử lý như một đầu vào trong quá trình tạo ra đầu ra như thu từ lãi, thu ngoài lãi. Dựa trên nguồn số liệu hiện có và các nghiên cứu trước (Denizer và ctg, 2007; Matthews và Tripe, 2002; Nguyễn Minh Sáng và Nguyễn Thị Hồng Vinh, 2015; Nguyễn Việt Hùng, 2007) cũng như thực tế hoạt động của NHTM, luận án chọn ra hai biến đầu ra là thu nhập từ lãi và thu nhập ngoài lãi, ba biến đầu vào là chi phí nhân công, tài sản cố định, tiền gửi của khách hàng.

3.2.2. Phương pháp ước lượng dữ liệu bảng tổng quát hóa dựa trên moment

Để giải quyết mục tiêu nghiên cứu là phân tích tác động của các yếu tố đến nợ xấu để tìm ra nguyên nhân và tác động của nợ xấu đến hoạt động của các