CÁC NHÂN TỐ ẢNH HƢỞNG ĐẾN HỆ SỐ AN TOÀN VỐN TỐI THIỂU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN TẠI VIỆT NAM KHOÁ LUẬN TỐT NGHIỆP CHUYÊN NGÀNH TÀI CHÍNH – NGÂN HÀNG MÃ SỐ 7340201 TP HỒ CHÍ MINH, NĂM 2019 T[.]
GIỚI THIỆU NGHIÊN CỨU
K ẾT CẤU NGHIÊN CỨU
Mặc dù đề tài này không đóng góp mới về lý thuyết khoa học, nhưng nó cung cấp bằng chứng thực nghiệm quan trọng về các yếu tố ảnh hưởng đến hệ số an toàn vốn của ngân hàng thương mại Việt Nam Những thông tin này sẽ hỗ trợ các nhà quản trị ngân hàng đưa ra các quyết định hợp lý nhằm nâng cao hệ số an toàn vốn, từ đó nâng cao hiệu quả hoạt động của ngân hàng.
Bố cục của Khoá luận gồm 5 chương như sau:
CHƯƠNG 1 GIỚI THIỆU NGHIÊN CỨU
TỔNG QUAN LÝ LUẬN
C Ơ SỞ LÝ LUẬN VỀ HỆ SỐ AN TOÀN VỐN
2.1.1 Khái niệm về hệ số an toàn vốn
Uỷ ban Basel về giám sát Ngân hàng, thành lập năm 1974, là tổ chức tiên phong trong việc tiêu chuẩn hoá hệ số an toàn vốn, nhằm cải thiện sự ổn định tài chính toàn cầu Đây là một trong năm Uỷ ban quan trọng của Ngân hàng Thanh toán Quốc tế, có nhiệm vụ giám sát hoạt động của các ngân hàng thương mại và tạo diễn đàn hợp tác giữa các quốc gia thành viên Uỷ ban Basel trao đổi thông tin và phương pháp giám sát ngân hàng để đạt được sự hiểu biết đồng nhất, từ đó xây dựng các văn bản hướng dẫn và tiêu chuẩn, bao gồm quy định về Tỷ lệ an toàn vốn tối thiểu.
An toàn vốn tối thiểu là nguyên tắc thứ 6 trong 25 nguyên tắc giám sát hệ thống ngân hàng của Uỷ ban Basel Các cơ quan quản lý Nhà nước cần thiết lập quy định về an toàn vốn tối thiểu cho ngân hàng, phản ánh rủi ro mà ngân hàng phải đối mặt và quy định rõ ràng về thành phần vốn, đảm bảo khả năng chịu lỗ Đối với các ngân hàng hoạt động quốc tế, quy định này không được thấp hơn mức Uỷ ban Basel đã đề ra Để đo lường tiêu chuẩn hoá hệ số an toàn vốn, các năm tiếp theo sẽ cần được xem xét kỹ lưỡng.
3 Bỉ, Canada, Pháp, Đức, Ý, Nhật Bản, Hà Lan, Thuỵ Điển, Anh và Mỹ
4 Trang thông tin điện tử của Bank for International Settlements, cập nhật đến tháng 04/2018
5 Ngân hàng Nhà nước Việt Nam, 2009, Dự thảo 8 Luật các Tổ chức tín dụng
80 của thế kỷ 20, Uỷ ban Basel đã ban công bố một hế thống đo lường vốn được gọi là Hiệp ƣớc Basel
Hệ số an toàn vốn (CAR) là chỉ tiêu kinh tế quan trọng, phản ánh mối quan hệ giữa vốn của ngân hàng và tổng tài sản có điều chỉnh rủi ro, thể hiện sức mạnh tài chính và mức độ an toàn trong hoạt động của ngân hàng (Nguyễn Kim Chi, 2014; Hoàng Thị Thu Hường, 2017) Hiện nay, CAR đã được công nhận rộng rãi và trở thành tiêu chuẩn thiết yếu trong ngành ngân hàng.
100 quốc gia, trong đó có Việt Nam
2.1.2 Sơ lƣợc lịch sử phát triển hệ số an toàn vốn
Sự ra đời và phát triển của hệ số an toàn vốn gắn liền với Uỷ ban Basel, được thành lập sau khủng hoảng tài chính năm 1973 khi Hệ thống Bretton Woods sụp đổ Theo Khuất Duy Tuấn và Bùi Văn Hải (2017), Thống đốc Ngân hàng Trung ương các nước G10 đã thành lập Uỷ ban về quy định ngân hàng, nay gọi là Uỷ ban Basel về giám sát ngân hàng (BCBS) Uỷ ban này hoạt động như một diễn đàn hợp tác giữa các nước thành viên, nhằm tăng cường ổn định tài chính toàn cầu thông qua việc nâng cao kiến thức và chất lượng giám sát ngân hàng.
Khủng hoảng nợ công tại các nước Mỹ Latinh vào thập niên 80 đã dẫn đến nhu cầu thống nhất các chuẩn mực thanh tra và giám sát liên quan đến đo lường và chuẩn mực vốn Để đáp ứng yêu cầu này, vào năm 1988, Ủy ban Basel về Giám sát Ngân hàng (BCBS) đã ban hành Hiệp ước vốn Basel, hay còn gọi là Basel I Hiệp ước này nhằm mục đích tăng cường sự ổn định tài chính và cải thiện khả năng quản lý rủi ro trong hệ thống ngân hàng.
Bretton Woods, một địa điểm ở Mỹ, là nơi diễn ra Hội nghị Tài chính và Tiền tệ của Liên Hiệp Quốc vào năm 1944, nơi đã nhất trí thành lập hai thể chế toàn cầu quan trọng: Quỹ Tiền tệ Quốc tế (IMF) và Ngân hàng Thế giới (WB) Hội nghị này nhằm thiết lập hệ thống Ngân hàng quốc tế và giảm thiểu sự khác biệt trong cạnh tranh quốc tế giữa các ngân hàng do sự khác nhau trong quy định của từng quốc gia.
Những tiến bộ trong thực hành ngân hàng cùng với khủng hoảng tài chính sau Basel I đã chỉ ra rằng các chuẩn mực vốn cần linh hoạt để duy trì hiệu quả Các chuẩn mực này cần phản ánh sự thay đổi trong lĩnh vực tài chính và khắc phục các vấn đề chính sách đã bộc lộ trong khủng hoảng Do đó, BCBS đã đưa ra các thay đổi này vào Hiệp ước vốn.
Basel II vào năm 2004 và Basel III vào năm 2010
2.1.3 Cách đo lường hệ số an toàn vốn
2.1.3.1 Theo Hiệp ƣớc vốn Basel
Bảng 2.1 Công thức tính Hệ số an toàn vốn qua các thời kỳ Basel Mốc ban hành
Nguồn: Hoàng Thị Thu Hường, 2017
7 Ngân hàng Nhà nước, Cơ quan Hợp tác quốc tế Nhật Bản, Hội thảo tổng quan về Hiệp ước vốn Basel I và II, 2010
Vốn tự có của các ngân hàng được chia thành hai loại chính: Vốn cấp 1, được coi là vốn lõi, bao gồm vốn chủ sở hữu và các quỹ từ lợi nhuận trước thuế như quỹ dự trữ bổ sung vốn điều lệ, quỹ đầu tư phát triển nghiệp vụ và lợi nhuận chưa phân phối Trong khi đó, vốn cấp 2 là vốn bổ sung, bao gồm giá trị tăng thêm của tài sản cố định, chứng khoán đầu tư, trái phiếu chuyển đổi, cổ phiếu ưu đãi, công cụ nợ và dự phòng chung.
- Tài sản điều chỉnh rủi ro (RWA) = (Tài sản có nội bảng x Hệ số rủi ro) +
Ngân hàng phân loại tài sản ngoại bảng theo 5 nhóm, với mỗi nhóm tài sản có hệ số rủi ro tương ứng khác nhau, được xác định dựa trên tỷ lệ phần trăm cụ thể.
CAR theo Basel II giữ nguyên tử số nhưng thay đổi mẫu số, với RWA chỉ đề cập đến rủi ro tín dụng, trong khi Basel II đã tính thêm rủi ro hoạt động và rủi ro thị trường Basel III yêu cầu CAR vẫn ở mức 8%, nhưng tăng tỷ lệ vốn chất lượng cao: vốn cấp 1 từ 4% lên 6% và vốn cổ đông thường từ 2% lên 4% Tài sản có vấn đề sẽ bị loại trừ khỏi Vốn tự có, như khoản đầu tư vượt quá giới hạn 15% vào các tổ chức tài chính Basel III cũng đưa ra tiêu chuẩn thanh khoản yêu cầu các ngân hàng nắm giữ tài sản thanh khoản cao và chất lượng tốt để đáp ứng nhu cầu chi trả trong tình huống khó khăn.
2.1.3.2 Theo Quy định tại Việt Nam
Bảng 2.2 Các mốc chính trong quy định về Hệ số an toàn vốn tại Việt Nam
Văn bản Năm ban hành
Năm thực hiện Tóm tắt quy định về CAR Quyết định số
Các nhóm tài sản có rủi ro: 0%, 20%, 50%, 100%, 150% và 250%
Các nhóm tài sản có rủi ro: 0%, 20%,
Hệ số tài sản có rủi ro trong bất động sản tăng từ 150% đến 200%
CAR 8%, bao gồm cả rủi ro tín dụng, rủi ro hoạt động và rủi ro thị trường
CAR đƣợc sửa đổi, bổ sung cấu phần và cách xác định cấu phần vốn tự có, hệ số rủi ro của một số khoản phải đòi
Nguồn: TS Đặng Anh Tuấn và cộng sự tổng hợp, 2017
Ngân hàng Nhà nước Việt Nam đã hoàn toàn áp dụng Basel I và một phần Basel II trong việc tính toán hệ số an toàn vốn, như được thể hiện trong các Thông tư 13, 36, 06, 41 Đến Thông tư 19, các tiêu chuẩn tính CAR đã tiến gần hơn với các tiêu chuẩn của Basel II (Đặng Anh Tuấn, 2017).
Bài viết này phân tích việc áp dụng Hiệp ước Basel tại các ngân hàng thương mại (NHTM) ở Việt Nam, dựa trên các nghiên cứu trước đây và tình hình hiện tại Đặc biệt, nghiên cứu sử dụng Basel I để đo lường hệ số an toàn vốn tối thiểu của các NHTM.
2.1.4 Ý nghĩa của hệ số an toàn vốn
Mục đích chính của việc thiết lập hệ số vốn là hạn chế tổn thất tài chính cho các ngân hàng thương mại khi xảy ra mất khả năng thanh toán, nhằm ngăn chặn khủng hoảng niềm tin từ khách hàng Việc ngân hàng mất khả năng thanh toán có thể dẫn đến sự lan rộng của vấn đề trong toàn hệ thống ngân hàng, đe dọa thị trường tài chính Do đó, áp dụng tỷ lệ an toàn vốn tối thiểu là rất quan trọng để xây dựng và duy trì một hệ thống tài chính quốc gia hiệu quả và lành mạnh.
Hệ số an toàn vốn (CAR) là chỉ tiêu quan trọng đảm bảo an toàn cho hoạt động của ngân hàng, được cấu thành từ vốn tự có và tài sản có rủi ro quy đổi Vốn tự có phản ánh khả năng giảm rủi ro phá sản và đảm bảo sinh lời của ngân hàng, trong khi tài sản có rủi ro quy đổi thể hiện mức độ rủi ro từ các khoản tín dụng mà ngân hàng cung cấp cho nền kinh tế Do đó, CAR đóng vai trò quyết định trong khả năng chống đỡ của ngân hàng trước các rủi ro có thể xảy ra.
8 Võ Hồng Đức, 2014; Dao Thanh Binh, 2014; Nguyễn Kim Chi, 2014; Phạm Tiến Dũng, 2017; Nguyễn Triệu Hoài Thanh, 2018;…
Thực hiện đúng chỉ tiêu hệ số an toàn vốn không chỉ nâng cao uy tín mà còn tăng cường năng lực cạnh tranh cho các ngân hàng thương mại Uy tín của ngân hàng trong kinh doanh tiền gửi là yếu tố quyết định, giúp tạo dựng niềm tin nơi khách hàng Khi ngân hàng đạt chuẩn về hệ số an toàn vốn, họ không chỉ tuân thủ quy định mà còn gia tăng sự tin tưởng từ phía khách hàng, từ đó khuyến khích họ sử dụng dịch vụ nhiều hơn Điều này cho thấy rằng việc đáp ứng các quy định về an toàn vốn là cơ hội để ngân hàng giữ chân khách hàng hiệu quả.
C ÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HỆ SỐ AN TOÀN VỐN
Dựa trên các nghiên cứu của Wong và cộng sự (2005), Phạm Hữu Hồng Thái
(2013), Võ Hồng Đức và cộng sự (2014), Osama A và cộng sự (2015), Shaddy and Moore (2015), Ilona Badalashvili (2016), Lê Thanh Tâm và cộng sự (2017), Nguyễn
Triệu Hoài Thanh (2018), Gabriel O Abba và cộng sự (2018), các yếu tố quyết định tới tỷ lệ an toàn vốn của Ngân hàng thương mại gồm: a Quy mô Ngân hàng
Quy mô tài sản của ngân hàng thương mại (NHTM) được thể hiện qua tổng tài sản hiện có Nghiên cứu của Jim Wong (2005) chỉ ra rằng có mối tương quan âm giữa quy mô tài sản và hệ số an toàn vốn, cho thấy ngân hàng lớn thường nắm giữ nhiều tài sản rủi ro hơn so với ngân hàng nhỏ Các nghiên cứu của Phạm Hồng Thái (2013), Võ Hồng Đức (2014) và Nguyễn Triệu Hoài Thanh cũng đồng tình với quan điểm này.
(2018) cũng cho rằng quy mô ngân hàng rất quan trọng và nghịch biến với hệ số an toàn vốn b Hệ số đòn bẩy tài chính
Hệ số đòn bẩy tài chính, được xác định bằng tỷ số giữa tổng vốn chủ sở hữu và tổng tài sản, cho thấy rằng ngân hàng có đòn bẩy cao sẽ bị coi là rủi ro hơn, dẫn đến yêu cầu tỷ suất lợi nhuận cao hơn từ cổ đông Việc tăng vốn chủ sở hữu cũng trở nên khó khăn hơn do chi phí cao Nghiên cứu của Bahiru Workneh (2014), Lê Thanh Tâm (2017) và Nguyễn Triệu Hoài Thanh (2018) chỉ ra rằng hệ số đòn bẩy tài chính có mối quan hệ thuận chiều với CAR Tỷ lệ cho vay trên tổng tài sản là một chỉ số quan trọng, phản ánh mối quan hệ giữa đa dạng hóa và cơ hội đầu tư, nhưng tỷ lệ cao có thể làm giảm tính thanh khoản và tăng nguy cơ vỡ nợ Phạm Thị Xuân Thoa (2017) và Thân Thị Thu Thuỷ (2015) đã chứng minh rằng tỷ lệ này và CAR có mối quan hệ nghịch biến, tức là khi dư nợ cho vay tăng, CAR sẽ giảm và ngược lại.
Dự phòng rủi ro tín dụng là tỷ số giữa khoản dự phòng rủi ro tín dụng và tổng dư nợ cho vay, được ước tính đủ để bù lỗ trong danh mục cho vay Nghiên cứu của Võ Hồng Đức (2014) cho thấy có mối quan hệ ngược chiều giữa tỷ lệ dự phòng rủi ro tín dụng và tỷ lệ an toàn vốn, vì khi khoản dự phòng tăng lên, ngân hàng có xu hướng cho vay nhiều hơn và chấp nhận nhiều rủi ro trong các khoản cho vay (Lê Thanh Tâm, 2017).
Tỷ suất lợi nhuận trên vốn chủ sở hữu được tính bằng lợi nhuận sau thuế chia cho tổng vốn chủ sở hữu, và khi ngân hàng đạt lợi nhuận, họ sẽ sử dụng số lợi nhuận này để gia tăng vốn nhằm kiếm thêm lợi nhuận trong tương lai Nghiên cứu của Wong và cộng sự (2005) cùng Lê Thanh Tâm (2017) cho thấy rằng các ngân hàng có lợi nhuận thường tăng vốn tự có, cho thấy mối quan hệ tích cực giữa CAR và tỷ suất lợi nhuận trên vốn chủ sở hữu.
(2016), Võ Hồng Đức (2014), Đào Thanh Bình (2014) cho rằng hai yếu tố này tác động ngƣợc chiều với nhau f Tỷ suất lợi nhuận trên tổng tài sản
Chỉ số lợi nhuận trước thuế chia cho tổng tài sản của ngân hàng cho thấy hiệu quả hoạt động tài chính Theo Phạm Thị Xuân Thoa (2017) và Thân Thị Thu Thuỷ (2015), ngân hàng có tỷ suất lợi nhuận trên tổng tài sản cao và ổn định sẽ có khả năng tích lũy vốn tốt hơn Kinh doanh có lãi là minh chứng cho việc hệ thống quản lý rủi ro của ngân hàng hoạt động hiệu quả Các nghiên cứu này cũng chỉ ra rằng tỷ suất lợi nhuận trên tổng tài sản có mối tương quan tích cực với hệ số an toàn vốn.
MÔ HÌNH NGHIÊN CỨU
M Ô TẢ DỮ LIỆU NGHIÊN CỨU
Dữ liệu nghiên cứu được thu thập từ báo cáo tài chính, báo cáo thường niên và thống kê của Ngân hàng Nhà nước Việt Nam, tập trung vào 24 ngân hàng thương mại trong giai đoạn 2012 – 2017 Việc lựa chọn 24 trong tổng số 31 ngân hàng thương mại được thực hiện dựa trên các tiêu chí cụ thể.
Dữ liệu từ Luận văn Thạc sĩ Kinh tế của Nguyễn Trịnh Hoài Thanh (2018) phân tích các yếu tố ảnh hưởng đến hệ số an toàn vốn tại các Ngân hàng thương mại Việt Nam Luận văn loại trừ các ngân hàng không phù hợp do thiếu dữ liệu liên tục và hoạt động kém, bao gồm những ngân hàng bị mua lại bởi NHNN với giá 0 đồng hoặc bị sát nhập Đến ngày 31/12/2017, 24 ngân hàng thương mại này chiếm hơn 70% tổng tài sản của toàn hệ thống ngân hàng Việt Nam, cho thấy chúng là mẫu nghiên cứu phù hợp cho đề tài.
9 Tính đến thời điểm 31/12/2018 theo thống kê của Ngân hàng Nhà nước Việt Nam
10 Nguồn tác giả tự tổng hợp
Dữ liệu kinh tế vĩ mô của Việt Nam được thu thập từ Ngân hàng Thế giới (World Bank - WB) và Ngân hàng Phát triển Châu Á (Asian Development Bank - ADB).
M Ô HÌNH NGHIÊN CỨU
Bài viết này nhằm tìm hiểu tác động của các yếu tố như quy mô ngân hàng, hệ số đòn bẩy tài chính, tỷ lệ thu nhập lãi cận biên, hệ số thanh khoản, tỷ lệ cho vay trên tổng tài sản, dự phòng các khoản cho vay khó đòi, tốc độ tăng trưởng kinh tế và lạm phát đến tỷ lệ an toàn vốn tối thiểu Mô hình nghiên cứu được xây dựng dựa trên các nghiên cứu trước đó của Dao Thanh Binh và cộng sự (2014), Nguyễn Kim Chi (2014), Võ Hồng Đức và cộng sự (2014), Bahiru Workneh (2014), Ilona Badalashavili (2016), Lê Thanh Tâm (2017), Nguyễn Triệu Hoài Thanh (2018), Gabriel và cộng sự (2018), cùng với Abdul Hussein (2018).
CAR it = + 1 SIZE it + 2 LEV it 3 LAR it + 4 LLR it + 5 ROEt + 8 ROA t + it (*)
Theo đó, các biến độc của (*) được đo lường như sau:
(1) Biến Quy mô Ngân hàng (SIZE) đƣợc lƣợng hoá bằng Logarit cơ số 10 của tổng tài sản Ngân hàng i trong năm t;
(2) Biến Hệ số đòn bẩy tài chính (LEV) đƣợc lƣợng hoá bằng Vốn chủ sở hữu của Ngân hàng chia cho Tổng tài sản của Ngân hàng i trong năm t;
(3) Biến Tỷ lệ cho vay trên tổng tài sản (LAR) đƣợc lƣợng hoá bằng Tổng cho vay trên tổng tài sản Ngân hàng i trong năm t;
Biến Dự phòng các khoản cho vay khó đòi (LLR) được tính bằng tỷ số giữa khoản dự phòng rủi ro tín dụng và tổng dư nợ cho vay của Ngân hàng i trong năm t.
Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) của Ngân hàng i trong năm t được tính bằng cách chia lợi nhuận sau thuế cho tổng vốn chủ sở hữu.
(6) Biến Tỷ suất lợi nhuận trên tổng tài sản (ROA) đƣợc lƣợng hoá bằng lợi tỷ lệ nhuận sau thuế và tổng tài sản của Ngân hàng i trong năm t.
G IẢ THUYẾT NGHIÊN CỨU
Bài viết đã đề cập đến các yếu tố ảnh hưởng đến hệ số an toàn vốn trong Chương 2, mục 2.2, từ đó xây dựng các giả thuyết nghiên cứu cho mô hình.
- H1: Quy mô Ngân hàng có mối tương quan nghịch biến với tỷ lệ an toàn vốn
- H2: Hệ số đòn bẩy tài chính có mối tương quan đồng biến với tỷ lệ an toàn vốn
- H3: Tỷ lệ cho vay trên tổng tài sản có mối tương quan đồng biến với tỷ lệ an toàn vốn
- H4: Dự phòng rủi ro tín dụng có mối tương quan nghịch biến với tỷ lệ an toàn vốn
- H5: Tỷ suất lợi nhuận trên vốn chủ sở hữu tương quan đồng biến với tỷ lệ an toàn vốn
- H6: Tỷ suất lợi nhuận trên tổng tài sản tương quan đồng biến với tỷ lệ an toàn vốn
Sau đây là bảng tổng hợp mô tả các biến đƣợc sử dụng trong mô hình hồi quy
Bảng 3.1 Mô tả các biến đƣợc sử dụng trong mô hình hồi quy
Biến Cách xác định Giả thiết
CAR Theo tiêu chuẩn Basel I
SIZE LN(Tổng tài sản)
H1: Quy mô Ngân hàng có mối tương quan nghịch biến với tỷ lệ an toàn vốn
LEV Vốn chủ sở hữu
H2: Hệ số đòn bẩy tài chính có mối tương quan đồng biến với tỷ lệ an toàn vốn
H3: Tỷ lệ thu nhập lãi cận biên có mối tương quan đồng biến với tỷ lệ an toàn vốn
LIQ Tiền mặt và tương đương tiền
H4: Hệ số thanh khoản có mối tương quan đồng biến với tỷ lệ an toàn vốn
H5: Tỷ lệ cho vay trên tổng tài sản có mối tương quan đồng biến với tỷ lệ an toàn vốn
LLR Dự phòng rủi ro tín dụng
Tổng Dƣ nợ cho vay
H6: Tỷ lệ dự phòng rủi ro tín dụng có mối tương quan nghịch biến với tỷ lệ an toàn vốn
H7: Tỷ suất lợi nhuận trên vốn chủ sở hữu có mối tương quan đồng biến với tỷ lệ an toàn vốn
H8: Tỷ suất lợi nhuận trên tổng tài sản có mối tương quan đồng biến với tỷ lệ an toàn vốn
Nguồn: Tác giả tổng hợp
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
K ẾT QUẢ NGHIÊN CỨU VÀ CÁC KIỂM ĐỊNH
Trước tiên, bài viết thống kê dữ liệu của các biến qua các năm để thấy được tổng quan của nguồn dữ liệu
Bảng 4.1 Mô tả thống kê các biến
Giá trị trung bình Độ lệch chuẩn
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
Nghiên cứu đã xem xét các yếu tố tác động đến tỷ lệ an toàn vốn tối thiểu cho
Trong khoảng thời gian từ 2012 đến 2017, đã có 24 NHTM được nghiên cứu, với tổng số quan sát cho từng biến phụ thuộc và độc lập là 144 Bảng 4.1 tóm tắt thống kê mô tả của các biến trong mô hình, bao gồm các giá trị trung bình, độ lệch chuẩn, cũng như giá trị cao nhất và thấp nhất của các biến.
Cụ thể, ta có thể thấy rằng hệ số an toàn vốn của 24 NHTM trong giai đoạn
Từ năm 2012 đến 2017, giá trị trung bình của hệ số an toàn vốn (CAR) đạt 16.59%, với giá trị tối đa là 33.42% và tối thiểu là 9.01%, vượt xa mức quy định tối thiểu 9% của Ngân hàng Nhà nước (Thông tư 06/2016/TT-NHNN) Tuy nhiên, CAR của các ngân hàng thương mại (NHTM) có xu hướng giảm dần do các quy định quản lý ngày càng nghiêm ngặt Đặc biệt, có sự phân hoá rõ rệt về hệ số an toàn vốn giữa các NHTM lớn và nhỏ, trong đó các NHTM lớn thường có CAR thấp hơn, như BIDV và CTG chỉ đạt mức yêu cầu 9% vào năm 2012, trong khi Ngân hàng Bản Việt đạt đến 27.48%.
Bảng 4.2 Ma trận tương quan giữa các biến độc lập
SIZE LEV LAR LLR ROE ROA
Để kiểm tra tính độc lập của các biến giải thích và phát hiện vấn đề đa cộng tuyến trong mô hình hồi quy, nghiên cứu đã sử dụng ma trận tương quan của các biến độc lập Theo Gujarati D (2004) và Bahiru Workneh (2014), hệ số tương quan dưới 0.9 thường không gây ra vấn đề nghiêm trọng, trong khi Shaddady và cộng sự (2015) cho rằng hệ số trên 0.7 có thể dẫn đến đa cộng tuyến nghiêm trọng, làm giảm độ tin cậy của mô hình Ma trận tương quan trong bảng 4.2 cho thấy các hệ số đều dưới 0.4, ngoại trừ mối tương quan giữa ROA và ROE (0.630) Nhìn chung, do các hệ số tương quan đều nhỏ hơn 0.7, khả năng xảy ra đa cộng tuyến trong mô hình là tương đối thấp, tăng cường độ tin cậy cho mô hình hồi quy Tuy nhiên, để xác nhận điều này, nghiên cứu sẽ tiến hành kiểm định đa cộng tuyến thông qua hệ số phóng đại VIF trong mục 4.1.3.
4.1.3 Kiểm định hiện tƣợng đa cộng tuyến
Kiểm định hệ số phóng đại VIF được thực hiện nhằm xác định sự tồn tại của hiện tượng đa cộng tuyến trong mô hình hồi quy, như đã nêu ở mục 4.1.2.
Theo nghiên cứu của D (2004) và Bahiru Workneh (2014), giá trị VIF tối đa chấp nhận trong một mô hình là 10 Nếu giá trị này vượt quá 10, sẽ xuất hiện vấn đề đa cộng tuyến.
Bảng 4.3 Hệ số phòng đại VIF của các biến
Biến CAR SIZE LEV LAR LLR ROE ROA
Kết quả phân tích dữ liệu từ phần mềm Stata cho thấy không có hiện tượng đa cộng tuyến trong nghiên cứu Cụ thể, giá trị trung bình VIF là 1.76, và tất cả các hệ số VIF của các biến đều nhỏ hơn 10.
Bài viết này tập trung vào ba phương pháp ước lượng mô hình dữ liệu bảng, bao gồm OLS, FEM và REM, là những phương pháp phổ biến trong phân tích dữ liệu bảng.
Theo nghiên cứu của các tác giả như Gabriel O Abba (2018) và Nguyễn Triệu Hoài Thanh (2017), phương pháp ước lượng OLS có thể làm cho mô hình hồi quy bị hạn chế về không gian và thời gian, dẫn đến việc các Ngân hàng được xem là đồng nhất Tuy nhiên, thực tế cho thấy mỗi Ngân hàng Thương Mại (NHTM) là một thực thể độc lập với những đặc điểm riêng biệt Do đó, việc áp dụng mô hình OLS có thể gây ra sự sai lệch trong các ước lượng, vì nó không phản ánh đúng sự khác biệt trong tác động của các NHTM.
Với mô hình FEM và REM, mô hình có thể kiểm soát đƣợc các riêng biệt này, cụ thể nhƣ sau:
Mô hình CAR được biểu diễn bằng công thức CAR it = + 1 SIZE it + 2 LEV it + 3 LAR it + 4 LLR it + 5 ROE t + 6 ROA t + it, trong đó it = v i + it, với v i đại diện cho các tác động riêng biệt không đổi theo thời gian của mỗi ngân hàng thương mại i Sự khác biệt giữa phương pháp OLS và hai mô hình FEM, REM nằm ở chỉ số v i Cả FEM và REM đều thừa nhận sự tồn tại của v i, nhưng nếu các tác động riêng biệt này có tương quan với các biến độc lập, phương pháp FEM sẽ là lựa chọn tối ưu; ngược lại, nếu v i không tương quan với biến độc lập, mô hình REM sẽ phù hợp hơn (Phạm Tiến Minh và cộng sự).
In summary, to choose between OLS and REM, the study employs the LM (Breusch-Pagan Lagrange Multiplier) test; the Wald-F test is utilized to select between OLS and FEM; and the Hausman test is conducted to determine the appropriate choice between REM and FEM.
4.1.4.1 Kết quả hồi quy theo mô hình OLS Đầu tiên, đề tài sử dụng mô hình ƣớc lƣợng OLS để hồi quy Kết quả ƣớc lƣợng cho thấy biến số LEV có ý nghĩa thống kê với mức ý nghĩa 1%; LAR có ý nghĩa thống kê với mức ý nghĩa 10%; tuy nhiên các biến còn lại trong mô hình không có ý nghĩa thống kê
Bảng 4.4 Mô hình hồi quy theo phương pháp ước lượng OLS
CAR Coef St.Err t-value p-value [95% Conf Interval] Sig
Mean dependent var 0.166 SD dependent var 0.057
Akaike crit (AIC) -478.197 Bayesian crit (BIC) -457.408
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
4.1.4.2 Kết quả hồi quy theo mô hình FEM
Bài viết tiếp tục thực hiện hồi quy theo mô hình tác động cố định (FEM), cho thấy rằng so với mô hình OLS, biến LEV và LAR có ý nghĩa thống kê ở mức 1%, trong khi ROE có ý nghĩa thống kê ở mức 5% Các biến còn lại, bao gồm SIZE, LLR, ROE và ROA, không đạt ý nghĩa thống kê.
Bảng 4.5 Mô hình hồi quy theo phương pháp ước lượng FEM
CAR Coef St.Err t-value p-value [95% Conf Interval] Sig
Mean dependent var 0.166 SD dependent var 0.057
Akaike crit (AIC) -556.962 Bayesian crit (BIC) -536.173
Kết quả phân tích dữ liệu từ phần mềm Stata cho thấy kiểm định F-test với Prob>F=0.000chibar2 = 0.005, nhỏ hơn 0.05, dẫn đến việc bác bỏ giả thuyết Ho và chấp nhận giả thuyết H1 Do đó, nghiên cứu kết luận rằng mô hình REM là lựa chọn phù hợp hơn so với mô hình OLS.
Bảng 4.7 Kiểm định LM để chọn giữa mô hình OLS và REM
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
4.1.4.5 Kiểm tra sự phù hợp giữa mô hình FEM và REM
