Các Giá Trị Thống Kê Liên Quan Đến Pca Của Chỉ Opi

Bảng 3.1. Các chỉ số đo lường hiệu quả theo CAMELS

Thành phần

Chỉ số

Đo lường

Nguồn

Độ an toàn vốn

ETA

Vốn chủ sở hữu / Tổng tài sản

Mendes & Abreu (2003); Canbas & cộng sự (2005); Brewer & Jackson (2006); Männasoo & Mayes (2009); Hays & cộng

sự (2009).

Chất lượng tài sản

NPL

Nợ xấu / Tổng dư nợ cho vay

Laurent (1979); Gonzalez-Hermosillo (1999); Baral (2005); Owoputi & cộng sự

(2014).

Chất lượng quản lý

PTE

Lợi nhuận trước thuế

/ Tổng số nhân viên

Dash & Das (2009); Soni (2012); Chandani & cộng sự (2014).

Khả năng sinh lời

ROA

Lợi nhuận ròng / Bình quân tổng tài sản

Laurent (1979); De Young & cộng sự (2001); Neal (2004); Canbas & cộng sự (2005); Ayadi & Pujals (2005); Athanasoglou & cộng sự, 2006); Männasoo & Mayes (2009); Sangmi &

Nazir (2010).

Thanh khoản

LIQ

Tài sản thanh khoản

/ Tổng tài sản

Laurent (1979); Canbas & cộng sự (2005); Vodová (2013); Wilbert (2014).

Độ nhạy cảm rủi ro thị trường

ISG

(Tài sản nhạy cảm – Nợ nhạy cảm) /

Tổng tài sản

De Young & cộng sự (2001); Brewer & Jackson (2006).

Có thể bạn quan tâm!

Xem toàn bộ 185 trang tài liệu này.

Nguồn: Tổng hợp từ các nghiên cứu trước đây

Vì hoạt động của các NH chủ yếu là huy động vốn và cho vay nên thường sẽ nhạy cảm với rủi ro lãi suất hơn các loại rủi ro thị trường khác. Theo Gonzalez- Hermosillo (1999), trong các rủi ro thị trường của NH thì rủi ro lãi suất là đáng kể nhất. Do đó, mức độ nhạy cảm với rủi ro thị trường thường được các tác giả xem xét thông qua độ nhạy cảm của NH đối với lãi suất thị trường, đo lường bằng khe hở nhạy cảm lãi suất (ISG). Phân tích ISG được sử dụng để đánh giá mức độ biến động thu nhập lãi của các NH trước những thay đổi biên độ chênh lệch lãi suất. Khe hở nhạy cảm lãi suất của một NH trong một khoảng thời gian nhất định là chênh lệch giữa giá trị tài sản và giá trị của các khoản nợ có thời điểm đáo hạn nằm trong khoảng thời gian đó so với tổng tài

sản. Nếu trị tuyệt đối của chênh lệch này lớn, thì thay đổi lãi suất sẽ có tác động không nhỏ đến thu nhập lãi ròng. Trạng thái khe hở cân bằng xảy ra khi giá trị tài sản nhạy cảm được bù đắp chính xác bởi giá trị các khoản nợ nhạy cảm theo tỷ lệ 1:1. Tỷ lệ nhỏ hơn 1:1 cho biết NH đang có khe hở nhạy cảm âm (các khoản nợ đến hạn nhiều hơn tài sản) và kết quả ngược lại cho thấy rằng tài sản của NH đến hạn nhiều hơn các khoản nợ, tức là khe hở nhạy cảm dương. Một NH có ISG càng gần bằng 0 thì càng an toàn.

Dựa trên kết quả tổng quan những nghiên cứu trước đây, Bảng 3.1 sẽ trình bày 6 chỉ số tài chính được chọn đại diện cho 6 thành phần của CAMELS.

3.2.1.4. Phương pháp đo lường hiệu quả tổng hợp (OPI)

Hạn chế lớn nhất của phương pháp phân tích hiệu quả từng phần là không thể giải quyết vấn đề đa chiều, tức là mỗi tỷ lệ tài chính chỉ có thể giải thích một khía cạnh nhất định của NH chứ không phản ánh hiệu quả tổng thể của NH đó (Thanassoulis & cộng sự, 1996). Do đó, để có thể đánh giá hiệu quả của NH theo một khía cạnh toàn diện hơn, việc xây dựng một thước đo hiệu quả tổng hợp từ những chỉ tiêu riêng lẻ là điều cần thiết. Những nghiên cứu gần đây đã xây dựng một chỉ số hiệu quả tổng hợp từ việc kết hợp sáu thành phần CAMELS với các trọng số thích hợp cho từng NH trong mỗi năm. Việc kết hợp các thành phần thành một chỉ số hiệu quả chung được thực hiện chủ yếu thông qua phương pháp phân tích thành phần chính (Principal Component Analysis – PCA) (Creel & cộng sự, 2014; Horvath & Vasko, 2016; và Jayakumar & cộng sự, 2018). Phương pháp này được xây dựng dựa trên ý tưởng rằng dữ liệu thường không phân bố ngẫu nhiên trong không gian mà phân bố gần các đường/mặt phẳng đặc biệt nào đó. PCA dựa trên sự biến đổi tuyến tính của tập hợp các biến để chúng trực giao với nhau (Pradhan & cộng sự, 2017). Nói dễ hiểu, PCA cải tạo dữ liệu thành các biến mới (các thành phần chính) không có sự tương quan. Một PCA được thực hiện theo trình tự các bước sau: (a) sắp xếp dữ liệu theo thứ tự để tạo ra ma trận đầu vào cho các thành phần chính (PC); (b) ma trận sau đó được chuẩn hóa dựa trên phương pháp min-max; (c) sử dụng PCA để xác định các giá trị riêng (eigenvalues) nhằm xếp hạng các PC, tải nhân tố và tạo các PC; (d) lựa chọn PC (dựa trên quy tắc dừng) để xây dựng chỉ số hiệu quả tổng hợp cho từng NH trong mỗi năm và giải thích kết quả (Pradhan & cộng sự, 2017; Jayakumar & cộng sự, 2018).

Dữ liệu ma trận đầu vào cho các thành phần chính được sắp xếp từ các chỉ số CAMELS được trình bày trong bảng 3.1. Vì các chỉ số khác nhau thường có các đơn vị đo lường khác nhau nên các chỉ số thành phần cần được chuẩn hóa trước khi đưa vào phân

tích thành phần chính. Theo đó, việc chuẩn hóa các tỷ số nhằm mục đích chuyển đổi các tỷ số thành phần về cùng một đơn vị tính để có thể so sánh cũng như kết hợp được với nhau. Có nhiều phương pháp chuẩn hóa dữ liệu nhưng tác giả lựa chọn sử dụng phương pháp Min-Max theo đề xuất của Moesen & Cherchye (1998).

Đối với các chỉ số thành phần có thể làm tăng hiệu quả hoạt động của ngân hàng, gồm mức độ an toàn vốn (ETA), khả năng sinh lời (ROA), chất lượng quản lý (PTE) và thanh khoản (LIQ) sẽ được chuẩn hóa bằng cách lấy hiệu số giữa các giá trị cần chuẩn hóa và giá trị nhỏ nhất chia cho biên độ giá trị của các tỷ số, công thức cụ thể như sau:

𝑥𝑡 − 𝑀𝑖𝑛𝑖 (𝑥𝑡)

𝐼𝑡 =

𝑖𝑗 𝑗

(3.10)

𝑖𝑗

𝑀𝑎𝑥𝑖 (𝑥𝑡) − 𝑀𝑖𝑛𝑖 (𝑥𝑡)

𝑗 𝑗

Ngược lại, đối với các tỷ số thành phần có thể làm giảm hiệu quả của NH, gồm tỷ lệ nợ xấu trên tổng tài sản đại diện cho chất lượng tài sản (NPL) và khe hở nhạy cảm lãi suất đại diện cho mức độ nhạy cảm rủi ro (ISG), sẽ được chuẩn hóa bằng cách lấy hiệu số giữa giá trị lớn nhất và các giá trị cần chuẩn hóa chia cho biên độ giá trị của các tỷ số, công thức cụ thể như sau:

𝑀𝑎𝑥𝑖 (𝑥𝑡) − 𝑥𝑡

𝐼𝑡 =

𝑗 𝑖𝑗

(3.11)

𝑖𝑗

𝑀𝑎𝑥𝑖 (𝑥𝑡) − 𝑀𝑖𝑛𝑖 (𝑥𝑡)

𝑗 𝑗

𝑖𝑗

Trong đó, 𝐼𝑡 là giá trị chuẩn hóa cho chỉ số xj của ngân hàng thứ i trong năm t; Mini(𝑥𝑡) và Maxi(𝑥𝑡) lần lượt là giá trị cực tiểu và cực đại của chỉ số xj của ngân hàng i

𝑗 𝑗

trong năm t. Các chỉ số sau khi được chuẩn hóa theo Min-Max đều sẽ có biên độ giá trị giống nhau (từ 0 đến 1). Giá trị chuẩn hóa của các chỉ số thành phần càng cao thì hiệu quả của ngân hàng sẽ càng tốt hơn.

Sau khi đã xác định ma trận yếu tố đầu vào và chuẩn hóa dữ liệu, bước tiếp theo là sử dụng phần mềm Stata để tiến hành phân tích thành phần chính. Bảng 3.2 trình bày các thông tin có liên quan từ PCA của chỉ số hiệu quả tổng hợp. Thống kê ở Phần A cho thấy cần có 6 thành phần chính để biểu diễn dữ liệu của 6 yếu tố cấu thành chỉ số hiệu quả tổng hợp. Các thành phần chính phải mô tả được ít nhất 80% phần trăm trích lũy của phương sai. Theo đó, hai thành phần 1 và 2 có giá trị riêng (eigenvalue) lớn hơn 1 và chiếm 52,56% tích lũy của phương sai. Các thành phần còn lại có tương tác nhỏ dần so với thành phần 1 và 2, tuy nhiên giá trị riêng và trọng số phương sai của các thành phần này đều đáng kể. Như vậy, có thể sử dụng hết 6 thành phần này để giải thích cho các yếu tố cấu

thành chỉ số hiệu quả tổng hợp. Ma trận thể hiện tương tác giữa các yếu tố hiệu quả và các thành phần chính được thể hiện ở Phần B của Bảng 3.2. Giá trị của các vectơ riêng là các giá trị ước tính của các hệ số tải cho mỗi thành phần. Từ kết quả thu được, các thành phần chính có thể được xây dựng dựa trên sự tương tác với các yếu tố hiệu quả.

Bảng 3.2. Các giá trị thống kê liên quan đến PCA của chỉ OPI

Phần A: Phân tích đặc trưng của ma trận tương quan

Thành phần chính	Giá trị riêng			Trọng số		Tích lũy
PC1		1,63494		0,2725		0,2725
PC2		1,28086		0,2135		0,4860
PC3		0,98818		0,1647		0,6507
PC4		0,91649		0,1527		0,8034
PC5		0,78440		0,1307		0,9341
PC6		0,39514		0,0659		1
Phần B: Vectơ riêng (hệ số tải thành phần)
Biến	PC1	PC2	PC3	PC4	PC5	PC6
ETA	-0,502	0,152	0,6178	-0,2956	-0,0122	0,5057
ROA	-0,148	0,6217	0,0532	0,3539	0,6576	-0,176
PTE	0,0329	-0,4656	0,4095	0,7732	0,0318	0,125
LIQ	0,4949	0,0705	0,6668	-0,252	-0,0052	-0,4919
NPL	0,1753	0,6037	0,0326	0,3447	-0,6826	0,1377
ISG	0,6703	0,064	-0,0465	-0,0852	0,3168	0,6609

Nguồn: Tính toán từ phần mềm Stata 14.2

3.2.1.5. Ưu và nhược điểm của phương pháp đo lường hiệu quả từng phần

Nhìn chung, phương pháp đo lường hiệu quả từng phần thông qua phân tích các chỉ số tài chính có ưu điểm là đơn giản, dễ tính toán, phổ biến và có khả năng dự báo cao nên thường được các nhà quản lý sử dụng để theo dõi hoạt động của NH (Avkiran, 2011) và được các nhà đầu tư dùng để tham chiếu cho các quyết định của họ. Các chỉ số tài chính cung cấp những thông tin hữu ích trong quá khứ và có thể sử dụng để dự báo hoặc xây dựng kế hoạch trong tương lai (Altman, 1968). Do đó, việc sử dụng các chỉ số

tài chính tiếp tục được phát triển và đã trở thành một công cụ kiểm tra hiệu quả thông dụng ở mọi cấp độ (Paradi & Zhu, 2013).

Tuy nhiên, phương pháp này vẫn gặp phải một số hạn chế nhất định. Thứ nhất, các chỉ số tài chính chỉ tập trung vào phân tích hiệu quả ở khía cạnh tài chính chứ không kiểm soát được những ảnh hưởng từ khía cạnh sản xuất như giá đầu vào, giá đầu ra và các yếu tố thị trường ngoại sinh khác (Ahmad & cộng sự, 2007). Thứ hai, một chỉ số tài chính chỉ phản ánh được một mối quan hệ giữa tử số và mẫu số của nó, và do đó không phản ánh bản chất đa chiều của các hoạt động NH (Paradi & Zhu, 2013). Thứ ba, việc kết hợp các chỉ số khác nhau sẽ cho ra vô số các chỉ số tài chính khác nhau, điều này đã gây ra không ít tranh cãi về việc lựa chọn chỉ số nào sẽ phù hợp nhất trong hàng trăm chỉ số được tính toán. Mặc dù Ủy ban Basel về Giám sát ngân hàng (BIS, 2006) đã đề xuất một phương pháp luận đo lường CAMELS nhằm giảm tải bớt số chỉ số được lựa chọn nhưng vẫn chưa có một định nghĩa chuẩn cho những biến số này. Thứ tư, theo các chỉ tiêu xếp hạng của CAMELS, các NH được đánh giá trên thang điểm từ 1 đến 5, thay đổi cơ bản từ mạnh đến yếu. Do đó, xếp hạng tổng hợp, cũng theo thang điểm từ 1 đến 5, được xác định trong các NH an toàn là ở mức điểm 1 và các NH không an toàn hoặc cực kỳ thiếu ổn định thuộc về mức xếp hạng tổng hợp 5 (FDIC, 1997). Tuy nhiên, mức độ phân biệt của thang đánh giá tổng hợp này không cao vì các NH trong cùng một mức điểm tổng hợp có thể có những điểm mạnh và điểm yếu khác nhau. Cuối cùng, Paradi & Zhu (2013) cho rằng các chỉ số tài chính chỉ góp phần cho thấy mức độ hiệu quả của một NH chứ không xác định mục tiêu cải thiện cho các NH kém hiệu quả.

Do đó, bên cạnh phương pháp phân tích hiệu quả tổng hợp, nghiên cứu cũng sử dụng thêm một phương pháp tiếp cận hiệu quả NH theo khía cạnh đa hướng khác là phương pháp phân tích hiệu quả biên để đảm bảo tính vững cho kết quả nghiên cứu. Bauer & cộng sự (1998) và Sathye (2003) cho rằng việc áp dụng đồng thời cả hai phương pháp (hiệu quả từng phần và hiệu quả biên) sẽ làm cho kết quả đo lường có ý nghĩa và đáng tin cậy hơn.

3.2.2. Phương pháp đo lường hiệu quả biên

3.2.2.1. Lựa chọn loại hiệu quả biên

Quyết định lựa chọn hướng tiếp cận hiệu quả có thể xuất phát từ cả ý nghĩa thực tế lẫn cơ sở lý thuyết. Tuy nhiên, Casu & Molyneux (2003) cho rằng việc lựa chọn hướng tiếp cận thích hợp không nên dựa vào lý thuyết. Trong một số nghiên cứu trước đây, việc lựa chọn định hướng tiếp cận thường dựa vào mục tiêu tiết kiệm đầu vào hay tăng cường đầu ra cũng như khả năng mà các đơn vị sản xuất có thể quản lý và kiểm soát (đầu vào

hoặc đầu ra) tốt nhất. Ví dụ, đối với các ngành công nghiệp coi trọng việc kiểm soát chi phí, định hướng đầu vào sẽ là lựa chọn tối ưu (Casu & Molyneux, 2003). Mặt khác, khi một NH (công ty) có lượng đầu vào cố định và được yêu cầu sản xuất càng nhiều đầu ra càng tốt, thì mô hình thích hợp là mô hình định hướng đầu ra (Coelli & cộng sự, 1998). Tuy nhiên, hiệu quả doanh thu ít được sử dụng vì một số hạn chế như bỏ qua chi phí, không đo lường hiệu quả từ năng lực quản lý nhằm tối ưu các nguồn lực kinh tế. Hơn nữa, một doanh nghiệp có hiệu quả doanh thu có thể là do mức độ tập trung thị trường cao hoặc do sức mạnh thị trường cho phép nó thông đồng tăng giá đầu ra. Mặt khác, hiệu quả lợi nhuận đã nhận được một số chú ý trong các nghiên cứu NH (Maudos & cộng sự, 2002; Ariff & Can, 2008; Bonin & cộng sự, 2005; Isshaq & Bokpin, 2012). Tuy nhiên, hạn chế của hiệu quả lợi nhuận cũng có thể có được do tác động của sức mạnh thị trường hoặc hành vi thông đồng của các NH chi phối hoặc bởi môi trường kinh tế vĩ mô khiến biên độ lãi suất mở rộng, và do đó không thực sự phản ánh được hiệu quả. Ngoài ra, một số lập luận cho rằng, đối với một số NH, đặc biệt là các NH sở hữu nhà nước, mục tiêu có thể không phải tối đa hóa lợi nhuận mà là để hỗ trợ sự phát triển của những lĩnh vực cụ thể hoặc thúc đẩy tài chính ở các khu vực kém phát triển.

Dựa trên cơ sở thực tiễn nghiên cứu cho thấy rằng các ước tính định hướng đầu ra không phù hợp để đánh giá hiệu quả trong một lĩnh vực đang được tái cấu trúc như ngành NH Việt Nam. Tái cấu trúc đã mang lại những tiến bộ về công nghệ thông tin và tăng cường sự cạnh tranh. Cạnh tranh gia tăng sẽ buộc các NH phải tập trung vào chiến lược cắt giảm chi phí, ví dụ, bằng cách giới thiệu các sản phẩm sáng tạo, ứng dụng công nghệ hiện đại để tiết kiệm chi phí hơn. Do đó, hiệu quả tương đối của các NH được dự đoán sẽ phụ thuộc chủ yếu vào khả năng quản lý trong việc sử dụng tài nguyên của họ tốt hơn đối thủ cạnh tranh. Elyasiani & Mehdian (1990) và Berger (2007) giả định rằng các NH có khả năng kiểm soát nhiều hơn đối với chi phí chứ không phải các kết quả đầu ra. Theo Koetter & Meesters (2013), tối thiểu hóa chi phí là một điều kiện cần thiết và đầy đủ không chỉ cho lợi nhuận ngắn hạn, mà còn cho sự tồn tại lâu dài của các NH. Phần lớn các nghiên cứu hiệu quả biên đều tập trung đo lường hiệu quả chi phí (Ferrier & Lovell, 1990; Berger & De Young, 1997; Fries & Taci, 2005; Mihai & Cristi, 2015). Do đó, luận án này chỉ xem xét hiệu quả chi phí biên của các NH.

3.2.2.2. Các phương pháp tiếp cận hiệu quả biên

Để có thể xây dựng hàm sản xuất cho việc ước lượng hiệu quả biên, trước tiên cần phải lựa chọn các yếu tố đầu và đầu ra phù hợp cho hàm sản xuất. Liên quan đến các cách tiếp cận đầu vào và đầu ra của NH, Sufian (2011) cho rằng, kết quả đánh giá hiệu quả phụ thuộc rất nhiều vào việc lựa chọn các biến mô tả HQHĐ. Theo Heffernan (2005), NH và

các tổ chức tài chính đều hoạt động trong lĩnh vực dịch vụ trong khi việc xác định và đo lường hiệu quả trong lĩnh vực dịch vụ là vấn đề không hề đơn giản, nhất là đối với các chủ thể kinh doanh dịch vụ tương đối đặc biệt như NH. Mặc dù đã có nhiều nghiên cứu sâu rộng về vấn đề này nhưng vẫn chưa có sự nhất trí về định nghĩa cũng như cách lựa chọn đầu vào và đầu ra của các NH. Việc lựa chọn phương pháp tiếp cận thích hợp đều cơ bản dựa trên tính sẵn có của dữ liệu. Theo đó, HQHĐ của các NH được các nhà nghiên cứu đánh giá từ nhiều góc độ khác nhau và thường thông qua bốn cách tiếp cận phổ biến là cách tiếp cận sản xuất, cách tiếp cận trung gian, cách tiếp cận lợi nhuận và cách tiếp cận giá trị gia tăng.

i) Phương pháp tiếp cận sản xuất (Production Approach)

Phương pháp tiếp cận này được đề xuất đầu tiên bởi Benston (1965) khi xem NH như là một đơn vị sản xuất sử dụng các nguồn lực của nó như vốn, tài sản cố định và con người để tạo ra sản lượng theo yêu cầu, đó là số giao dịch thanh toán, các khoản tiền gửi và cho vay. Lim & Randhawa (2005) lập luận rằng phương pháp tiếp cận sản xuất thiếu thông tin khả dụng về chi phí, thời gian và công sức lao động cho mỗi giao dịch. Những dữ liệu này rất khó thu thập và thường được thay thế. Việc thu thập dữ liệu về số lượng và quy mô giao dịch cũng rất hạn chế vì thường được các NH giữ bí mật. Mặt khác, Heffernan (2005) cho rằng số lượng giao dịch không phải là thước đo doanh thu hay lợi nhuận. Theo đó, các biến quan trọng để đo lường hiệu quả như quy mô, chi phí lãi vay, doanh thu hoặc lợi nhuận trên mỗi giao dịch không được phương pháp này tính đến (Berger & Humphrey, 1997). Điều này có nghĩa là phương pháp tiếp cận sản xuất chỉ tập trung vào kết quả giao dịch chứ không quan tâm đến doanh thu được sinh ra từ các giao dịch này.

ii) Phương pháp tiếp cận trung gian (Intermediation Approach)

Phương pháp tiếp cận trung gian ban đầu được phát triển bởi Sealy & Lindley (1977). Phương pháp này thừa nhận rằng hoạt động kinh doanh cốt lõi của NH hoặc các tổ chức tài chính khác là để thực hiện chức năng trung gian tài chính giữa những người gửi tiền và người đi vay (Berger & Humphrey, 1997). Các NH không phải là nhà sản xuất ra các sản phẩm cho vay hay nhận tiền gửi mà là những nhà cung cấp dịch vụ (Mester, 2008; và Heffernan, 2005). Phương pháp tiếp cận trung gian xác định đầu ra là các tài sản tạo ra thu nhập như cho vay, chứng khoán, đầu tư và các dịch vụ NH quan trọng khác trong khi đầu vào là các nguồn vốn làm phát sinh chi phí lãi như tiền gửi tiết kiệm và tiền gửi thanh toán...

So với phương pháp tiếp cận sản xuất, Heffernan (2005) cho rằng phương pháp tiếp cận trung gian được hầu hết các nhà nghiên cứu ưa thích vì dễ dàng thu thập dữ liệu có sẵn từ các báo cáo tài chính. Elyasiani & Mehdian (1990) cho rằng phương pháp trung gian đề cập đến chi phí lãi vay là loại chi phí chủ yếu của NH do đó có thể cung cấp kết quả đo lường hiệu quả đáng tin cậy hơn. Tuy nhiên, hạn chế của cả hai phương pháp tiếp cận sản xuất và trung gian được Heffernan (2005) chỉ ra là đều bỏ qua chất lượng của các khoản vay và tiền gửi. HQHĐ của các NH có thể bị ảnh hưởng rất lớn bởi rủi ro tín dụng, trạng thái thanh khoản của NH, và các yếu tố bên ngoài như cạnh tranh và chu kỳ kinh tế.

iii) Phương pháp tiếp cận lợi nhuận (Profit Approach)

Phương pháp tiếp cận lợi nhuận, một biến thể của phương pháp trung gian, cho rằng NH cũng như mọi tổ chức kinh doanh khác, sẽ bỏ ra chi phí để thực hiện hoạt động kinh doanh nhằm mục tiêu cuối cùng là tạo ra thu nhập và mang về lợi nhuận (Drake & cộng sự, 2006). Bên cạnh thu nhập lãi từ các hoạt động cho vay truyền thống, các khoản mục tài sản ngoại bảng như các dịch vụ thu phí đã bắt đầu tăng trưởng và có tác động đáng kể đến tổng doanh thu của NH, các nghiên cứu gần đây đã bắt đầu tính đến các khoản mục tài sản này và xem chúng như các đầu ra có tác động tích cực đến HQHĐ của NH (Heffernan, 2005). Do đó, đầu ra của hoạt động NH chính là thu nhập từ lãi và thu nhập ngoài lãi trong khi đầu vào gồm chi phí lãi và chi phí ngoài lãi.

iv) Phương pháp tiếp cận giá trị gia tăng (Value‐added Approach)

Trong phương pháp tiếp cận giá trị gia tăng, các khoản mục trong bảng cân đối tài sản của NH (tài sản Có và tài sản Nợ) đều có thể là đầu ra vì chúng đều đóng góp vào giá trị hoặc liên quan đến việc tiêu thụ tài nguyên của NH (Berger & cộng sự, 1987). Khác với phương pháp tiếp cận trung gian, phương pháp giá trị gia tăng cho rằng tiền gửi nên được coi là đầu ra vì khách hàng đã đánh đổi chi phí cơ hội từ chúng với mục đích tạo ra giá trị gia tăng. Nếu chi phí huy động các nguồn tiền gửi thấp hơn chi phí cơ hội đó thì chúng nên được coi là đầu vào của NH (Hancock, 1985). Do đó, theo cách tiếp cận này, các loại tiền gửi và tín dụng đều được coi là đầu ra vì có vai trò tạo ra giá trị gia tăng đáng kể cho NH, trong khi đó đầu vào gồm lao động, chi phí vốn, tài sản cố định và chi phí lãi. Tóm tắt các yếu tố đầu vào và đầu ra theo các phương pháp tiếp cận HQHĐ của NH được trình bày trong Bảng 3.3.