Tác Động Của Rủi Ro Tín Dụng Đến Hiệu Quả Kinh Doanh Của Nhtm 51510

Bảng 4.5. Hệ số VIF

Variable

VIF	1/VIF
INR	7.28	0.137276
INF	6.72	0.14876
EXR	3.32	0.301063
ROE	2.54	0.392968
SIZE	2.52	0.396951
UNR	2.41	0.414942
EFF	1.98	0.504402
GGDP	1.64	0.608486
LLR	1.51	0.661288
LEV	1.41	0.707721
L1.NPL	1.4	0.714563
NII	1.37	0.731054
Mean VIF	2.84

Có thể bạn quan tâm!

Xem toàn bộ 168 trang tài liệu này.

Nguồn: Tác giả tính toán trên STATA 13

Ban đầu, tác giả xem xét sử dụng mô hình hồi quy dữ liệu bảng thông thường với phương pháp bình phương nhỏ nhất là Pooled OLS để ước lượng các phương trình hồi quy và kiểm định một số giả thuyết của mô hình OLS. Sau đó, tác giả tiếp tục ước lượng cả 3 mô hình Pooled, mô hình FEM và mô hình REM. Tuy nhiên như đã phân tích ở trên do xuất hiện hiện tượng nội sinh trong mô hình, nên tác giả sẽ hồi quy theo phương pháp GMM (phương pháp GMM được sử dụng trong các bài nghiên cứu của Ahmad and Ariff (2007), Podpiera and Weill (2008), Louzis et al. (2012), Hasna Chaibi và Zied Ftiti (2015) ) trên dữ liệu bảng. Kết quả phân tích cuối cùng dựa trên kết quả hồi quy theo phương pháp GMM.

Bảng 4.6. Bảng tổng kết kết quả hồi quy mô hình 1

Variable

Pooled	FEM	REM	GMM
NPL	NPL	NPL	NPL
L.NPL	0.172***	0.0773	0.172***	0.0868*
	[2.69]	[1.15]	[2.69]	[1.79]
LLR	1.269***	1.829***	1.269***	2.151***
	[7.90]	[9.06]	[7.90]	[8.60]
EFF	0.01	0.00754	0.01	0.00175
	[1.31]	[0.84]	[1.31]	[0.27]
LEV	-0.00281	-0.00789	-0.00281	-0.00302
	[-0.31]	[-0.74]	[-0.31]	[-0.53]
NII	0.0140**	0.0138**	0.0140**	0.0120***
	[2.57]	[2.24]	[2.57]	[3.75]
SIZE	-0.00332***	-0.00652**	-0.00332***	-0.00774***
	[-3.28]	[-2.17]	[-3.28]	[-4.27]
ROE	-0.0192	-0.00874	-0.0192	-0.000479
	[-1.16]	[-0.45]	[-1.16]	[-0.03]
GGDP	0.000113	0.000943	0.000113	-0.000662
	[0.06]	[0.51]	[0.06]	[-0.75]
INF	-0.000289	-0.000264	-0.000289	-0.000146
	[-0.93]	[-0.86]	[-0.93]	[-1.28]
UNR	-0.00458	-0.00604	-0.00458	-0.00421**

[-1.09]	[-1.48]	[-1.09]	[-2.37]
EXR	8.57E-07	1.23E-06	8.57E-07	0.00000246***
	[1.11]	[1.07]	[1.11]	[4.63]
INR	0.00194**	0.00127	0.00194**	0.000844*
	[2.07]	[1.35]	[2.07]	[1.88]
_cons	0.0347	0.0890**	0.0347	0.0886***
	[1.24]	[2.17]	[1.24]	[3.95]
Kiểm định Chow (p-value)		0.0108
Kiểm định Hausman (p-value)			0.00
Kiểm định Bresh-Pagan (p-value)			1
Kiểm địn Sargan (p-value)				1
Kiểm địn TTQ (p-value)				0.0508
N	204	204	204	176
R-sq	0.452	0.469
T	statistics in brackets
*	p<0.1, p<0.05, * p<0.01

Nguồn: Tác giả tính toán trên STATA 13

Sử dụng kiểm định Sargan Test để kiểm định tính over-identifying của các biến công cụ. Kết quả cho thấy hệ số p-value là 1.0000 > 0.05, kết luận biến công cụ được sử dụng trong mô hình GMM thỏa mãn tính over-identifying. Ngoài ra, kiểm định tự tương quan bậc hai cho kết quả p-value là 0.0508 >0.05, kết luận phần dư của mô hình GMM không tồn tại hiện tượng tự tương quan bậc hai. Biến công cụ được sử dụng trong mô hình đều thõa mãn hai kiểm định đề ra. Như vậy, sử dụng mô hình GMM với biến trễ của NPL làm biến công cụ đã giải quyết được hiện tượng nội sinh trong

mô hình. Các kết quả tìm thấy được trong mô hình là vững và hoàn toàn có thể phân tích được.

4.4.1.4 Phân tích kết quả hồi quy

Biến nội tại ngân hàng

 Tỷ lệ nợ xấu năm trước (L.NPL)

Tỷ lệ nợ xấu năm hiện tại thực sự chịu ảnh hưởng bởi tỷ lệ nợ xấu năm trước đó. Biến L.NPL tác động cùng chiều đến RRTD, với mức ý nghĩa 10%. Kết quả này phù hợp với nghiên cứu của Hasna Chaibi và Zied Ftiti. Kết quả mô hình cho thấy nếu ngân hàng có tỷ lệ nợ xấu năm trước cao hơn thì sẽ làm tăng RRTD trong năm tiếp theo. Các NHTM Việt Nam cần cố gắng tuân theo các quy định của NHNN và giảm tỷ lệ nợ xấu nhằm giảm thiểu RRTD.

 Dự phòng rủi ro tín dụng (LLR)

Tìm thấy mối quan hệ đồng biến giữa dự phòng RRTD với tỷ lệ nợ xấu ở mức ý nghĩa 1%. Kết quả này hoàn toàn đúng với kỳ vọng ban đầu của tác giả và kết quả nghiên cứu của Hasna Chaibi và Zied Ftiti. Các ngân hàng có nợ xấu cao đã trích lập đủ dự phòng theo quy định, từ đó cho thấy mối quan hệ cùng chiều giữa dự phòng RRTD và nợ xấu. Khi đánh giá tình hình RRTD của ngân hàng có thể thông qua mức trích lập dự phòng RRTD.

 Kém hiệu quả (EFF)

Tìm thấy mối quan hệ đồng biến nhưng chưa có ý nghĩa thống kê giữa kém hiệu quả chi phí hoạt động và tỷ lệ nợ xấu trong kết quả hồi quy. Kết quả này hoàn toàn đúng với kỳ vọng của tác giả và của Berger và DeYoung (1997). Các ngân hàng quản lý chi phí không hiệu quả có thể có xu hướng gặp vấn đề về cho vay, từ đó dẫn tới gia tăng các khoản nợ xấu.

 Đòn bẩy (LEV)

Tỷ lệ đòn bẩy và tỷ lệ nợ xấu được tìm thấy có mối quan hệ nghịch biến nhưng chưa có ý nghĩa thống kế. Về mặt dấu tác động hoàn toàn trái với kỳ vọng ban đầu của tác giả và của Hasna Chaibi và Zied Ftiti.

 Thu nhập ngoài lãi (NII)

Tìm thấy mối quan hệ đồng biến giữa thu nhập ngoài lãi và tỷ lệ nợ xấu với mức ý nghĩa 1%. Về mặt dấu tác động, kết quả này không giống như kỳ vọng của tác giả khi mà thu nhập ngoài lãi nhiều hơn lại dẫn đến tỷ lệ nợ xấu cao hơn. Tuy nhiên, kết quả này lại hoàn toàn giống như phát hiện của Stiroh (2004), khi ông cho rằng đây là hiệu ứng đảo ngược: không phải lúc nào ngân hàng cũng có thể quản lý hiệu quả các khoản thu nhập ngoài lãi, từ đó có thể dẫn đến nợ xấu cao hơn.

 Quy mô (SIZE)

Tìm thấy mối quan hệ nghịch biến giữa quy mô ngân hàng và tỷ lệ nợ xấu với mức ý nghĩa thống kê là 1%. Về mặt dấu tác động, kết quả này không giống như kỳ vọng của tác giả và kết quả nghiên cứu của Hasna Chaibi và Zied Ftiti. Thực tế tại các ngân hàng ở Việt Nam, các ngân hàng có quy mô lớn như Vietcombank, BIDV, Vietinbank đã kiểm soát được tỷ lệ nợ xấu thấp hơn trong những năm qua. Điều này cho thấy rằng các NHTM lớn đã tuân thủ theo các quy định của NHNN và có những biện pháp nhằm giảm thiểu RRTD.

 Lợi nhuận (ROE)

Mặc dù chưa tìm được ý nghĩa thống kê nhưng về mặt dấu tác động, kết quả nghiên cứu cho thấy biến ROE có tác động ngược chiều đến rủi ro tín dụng. Điều này hàm ý rằng, khi các ngân hàng theo đuổi mục tiêu tăng trưởng lợi nhuận cao thì sẽ gây ra rủi ro cho ngân hàng khi các quy định về cho vay có thể bị nới lỏng, từ đó rủi ro tín dụng có thể sẽ tăng cao.

Biến kinh tế vĩ mô

 Tỷ lệ lạm phát (INF)

Tìm thấy mối quan hệ nghịch biến giữa tỷ lệ lạm phát và tỷ lệ nợ xấu và chưa tìm được ý nghĩa thống kê. Kết quả này không giống như kỳ vọng ban đầu của tác giả và kết quả nghiên cứu của Hasna Chaibi và Zied Ftiti. Kết quả dấu tìm được hàm ý rằng lạm phát cao hơn có giúp khách hàng dễ trả nợ hơn do lạm phát làm giảm giá trị thực

của khoản vay, và lạm phát cao làm giảm tỷ lệ thất nghiệp như đường cong của Phillips (Castro, năm 2013).

 Tăng trưởng kinh tế (GPDP)

Tìm thấy mối quan hệ nghịch biến và không có ý nghĩa thống kế giữa tăng trưởng GDP và rủi ro tín dụng. Kết quả này đúng với kỳ vọng của tác giả và các bài nghiên cứu trước khi cho rằng trong suốt thời kỳ nền kinh tế tăng trưởng, cá nhân và doanh nghiệp có đủ tiền để trả nợ, nhưng trong thời kỳ suy thoái, khả năng trả nợ của họ giảm, RRTD sẽ tăng.

 Lãi suất danh nghĩa (INR)

Tìm thấy mối quan hệ đồng biến giữa lãi suất danh nghĩa và tỷ lệ nợ xấu với mức ý nghĩa 1%. Điều này cho thấy lãi suất có tác động trực tiếp vào khả năng trả nợ, cụ thể là khi lãi suất tăng dẫn tới gia tăng gánh nặng nợ nần, và do đó làm suy yếu khả năng trả nợ của khách hàng. Kết quả này hoàn toàn đúng với kỳ vọng ban đầu của tác giả và kết quả nghiên cứu của Hasna Chaibi và Zied Ftiti

 Tỷ lệ thất nghiệp (UNR)

Tỷ lệ thất nghiệp tăng gây ra một sự suy giảm trong tiêu dùng từ đó giảm khả năng tạo ra tiền mặt và trả nợ của khách hàng. Kết quả trong mô hình hồi quy cho thấy mối quan hệ nghịch chiều giữa hai biến số này với mức ý nghĩa thống kê 10%. Kết quả này hoàn toàn trái với kỳ vọng của tác giả.

 Tỷ giá hối đoái (EXR)

Như đã phân tích ở phần trên, tác động của biến tỷ giá hối đoái đến tỷ lệ nợ xấu có thể là nghịch chiều hoặc cùng chiều. Trong mẫu nghiên cứu này, tác giả tìm thấy mối quan hệ cùng chiều và có ý nghĩa thống kê ở mức 1%. Hàm ý rằng, khi tỷ giá tăng cao có thể có thể làm suy yếu khả năng cạnh tranh của các doanh nghiệp xuất khẩu và làm cho họ không thể trả nợ, từ đó làm nợ xấu tăng cao hơn.

4.4.2 Tác động của rủi ro tín dụng đến hiệu quả kinh doanh của NHTM

4.4.2.1 Thống kê mô tả

Đối với biến phụ thuộc hiệu quả kinh doanh ROE có giá trị cao nhất đạt 0.444905, trong khi đó giá trị thấp nhất là 0.000749, giá trị trung bình của ROE là 0.114088 với độ lệch chuẩn lên tới 0.074759. Như vậy, HQKD của các ngân hàng trong mẫu biến động khá chênh lệch nhau.

Bảng 4.7. Thống kê mô tả dữ liệu mô hình 2

Variable

Obs	Mean	Std. Dev.	Min	Max
ROE	275	0.114088	0.074759	0.000749	0.444905
NPL	233	0.022471	0.015822	0.001	0.1246
LLR	271	0.01115	0.006623	0.000129	0.037018
EFF	262	0.487958	0.190311	0.079532	2.0527
LEV	276	0.869828	0.11084	0.015271	1.129474
NII	264	0.160688	0.271395	-2.00369	0.785564
SIZE	276	17.34343	1.619804	11.88353	20.56153
GGDP	286	6.246387	0.742069	5.247367	7.547248
INF	286	9.280675	6.03656	0.63	23.11632
UNR	286	2.206564	0.262572	1.8	2.6
EXR	286	18932.05	2319.773	15916	22380.54
INR	286	9.820909	2.178888	6.5	13.46

Nguồn: Tác giả tính toán trên STATA 13

NPL đại diện cho RRTD, có giá trị cao nhất 0.1246, thấp nhất là 0.001 trung bình là 0.022471, độ biến động so với giá trị trung bình là 0.015822 cho thấy sự chênh lệch không lớn về tỷ lệ nợ xấu của các ngân hàng trong mẫu qua các năm.

LLR cũng đại diện cho rủi ro tín dụng, có giá trị cao nhất lên tới 0.0370178, thấp nhất là 0.000129, giá trị trung bình là 0.01115 với độ lệch chuẩn là 0.006623 cho thấy sự biến động khá ít của tỷ lệ LLR trong mẫu ngân hàng đang nghiên cứu.

Sự phân bổ dữ liệu của các biến kiểm soát khác cũng được trình bày. Tỷ lệ đòn bẩy (LEV) có giá trị cao nhất là 1.129474, thấp nhất chỉ là 0.015271 cho thấy tỷ lệ LEV biến động giữa các ngân hàng, độ lệch chuẩn là 0.11084 cho thấy sự phân bổ tỷ lệ này khác biệt nhau ở các ngân hàng qua các năm.

Tỷ lệ kém hiệu quả (EFF): có giá trị cao nhất là 2.0527, giá trị thấp nhất là 0.079532. Giá trị trung bình đạt 0.487958 với độ lệch chuẩn thấp là 0.190311.

Tỷ lệ thu nhập ngoài lãi (NII): có giá trị cao nhất là 0.785564, thấp nhất là - 2.00369, giá trị trung bình là 0.160688 với độ lệch chuẩn khá lớn là 0.271395 cho thấy sự biến động khá mạnh của tỷ lệ NII trong mẫu ngân hàng đang nghiên cứu.

Biến quy mô ngân hàng (SIZE): cũng có sự phân bố chênh lệch nhau giữa các ngân hàng trong mẫu, giá trị cao nhất là 20.30946, giá trị thấp nhất là 11.88353, giá trị trung bình 17.34343 và giá trị độ lệch chuẩn là 1.619804.

Đối với các biến vĩ mô được sử dụng trong mô hình, đáng chú ý vẫn là biến tỷ lệ lạm phát INF và lãi suất danh nghĩa INR có giá trị cao nhất trong hai năm 2008 và 2011. Sự biến động khá lớn của INFvà INR trong hai năm trên đã làm cho độ lệch chuẩn tăng lên khá lớn. Đối với biến INF, độ lệch chuẩn lên tới 5.72; đối với biến INR có độ lệch chuẩn là 2.18.