Các nhân tố tác động đến nợ xấu tại các ngân hàng thương mại Việt Nam
Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 133
CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU TẠI
CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
NGUYỄN THỊ NHƯ QUỲNH1,*, LÊ ĐÌNH LUÂN1, LÊ THỊ HƯƠNG MAI1
1Trường Đại học Ngân hàng Thành phố Hồ Chí Minh
*Email: [email protected]
(Ngày nhận: 07/06/2018; Ngày nhận lại: 10/07/2018; Ngày duyệt đăng: 11/07/2018)
TÓM TẮT
Bài viết nhằm phân tích các nhân tố tác động đến nợ xấu của Ngân hàng thương mại
(NHTM) trong giai đoạn 2006-2016, thông qua mẫu nghiên cứu gồm 25 NHTM cổ phần tại Việt
Nam. Nhóm tác giả sử dụng mô hình Pooled OLS, FEM, REM sau đó lựa chọn mô hình phù hợp
là FEM. Các kiểm định khuyết tật của mô hình lần lượt được tiến hành, phát hiện mô hình FEM
có hiện tượng phương sai thay đổi. Để khắc phục tình trạng này, nhóm tác giả sử dụng mô hình
hồi quy theo phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least
Squares – FGLS) để đảm bảo hiệu quả của mô hình. Kết quả nghiên cứu cho thấy với mức ý
nghĩa thống kê 1%, tốc độ tăng trưởng kinh tế, tăng trưởng tín dụng của ngân hàng và tỷ lệ thất
nghiệp tác động ngược chiều với tỷ lệ nợ xấu. Đồng thời, tỷ lệ lạm phát và tỷ lệ nợ xấu năm
trước tương quan thuận chiều với tỷ lệ nợ xấu hiện tại. Tuy nhiên, mối quan hệ giữa yếu tố quy
mô và khả năng sinh lời của ngân hàng với tỷ lệ nợ xấu chưa được tìm thấy.
Từ khóa: FGLS; Ngân hàng thương mại; Nợ xấu.
Factors affecting non-performing loan of commercial banks in Vietnam
ABSTRACT
The primary objective of this study was to explore the impact of factors on non-performing
loan (NPL) of commercial banks in Vietnam over the period 2006-2016, using data for 25
commercial banks in Vietnam. The study used the Pooled OLS, FEM, REM and then chose the
appropriate FEM model. The defect tests of the model were carried out, detecting the FEM
model with heteroskedasticity phenomena. To overcome this situation, the study used the
Feasible Generalized Least Squares (FGLS) regression model to ensure the effectiveness of the
model. These results of empirical research revealed that with statistically significant 1%,
economic growth rate, credit growth of the bank and the unemployment rate have a negative
impact on the NPLs ratio. And the inflation and the NPLs ratio in the previous year are
positively correlated with the NPLs ratio. However, the relationship between bank size and ROE
with the NPLs ratios has not been found.
Keywords: Commercial banks; FGLS; Non-performing loan.
của quốc gia đó hoạt động kém hiệu quả và
không ổn định (Badar & Javid, 2013). Hoạt
động của ngân hàng đóng vai trò quan trọng
1. Giới thiệu
Nền kinh tế của một quốc gia sẽ không
phát triển bền vững nếu hệ thống tài chính
134 Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143
trong việc duy trì ổn định hệ thống tài chính,
tuy nhiên bản chất của hoạt động ngân hàng
chứa đựng nhiều rủi ro. Một trong những tiêu
chí để đo lường mức độ rủi ro của ngân hàng
là chỉ tiêu nợ xấu. Theo số liệu của báo cáo
tài chính (BCTC) các ngân hàng, trong giai
đoạn 2006-2012, tỷ lệ nợ xấu tăng gấp đôi từ
2% năm 2006 đến 4.08% năm 2012, nhưng
tới năm 2016 tỷ lệ này còn 2.52% (giảm
1.56%).
ĐVT: tỷ đồng, %
Hình 1. Nợ xấu hệ thống ngân hàng TMCP Việt Nam giai đoạn 2006 – 2016
Nguồn: Nhóm tác giả tự tổng hợp từ Báo cáo thường niên và sbv.gov.vn
Việc nghiên cứu và tìm ra các nhân tố tác
động đến nợ xấu đối với NHTM sẽ giúp cho
nhà quản trị ngân hàng chủ động hơn trong
quá trình khắc phục, thay đổi và tìm ra chính
sách phù hợp để giảm thiểu nợ xấu. Ngoài ra
việc xác định các yếu tố này cũng sẽ giúp cho
NHNN có chính sách phù hợp trong quá trình
tái cấu trúc hệ thống ngân hàng. Bài viết sẽ
phân tích các nhân tố tác động đến nợ xấu của
NHTM. Phần tiếp theo của bài viết sẽ nghiên
cứu về cơ sở lý thuyết và các nhân tố tác động
đến nợ xấu, phần 3 là phương pháp, mô hình
và dữ liệu nghiên cứu, phần 4 kết quả nghiên
cứu và thảo luận, phần 5 kết luận và khuyến
nghị một số chính sách.
“doubtful debt” chỉ các khoản nợ khó đòi
(Fofack, 2005) hoặc các khoản vay có vấn đề
(Berger và De Young, 1997) hoặc khoản nợ
không trả được (defaulted loans) mà ngân
hàng không thể thu lợi từ nó (Ernst & Young,
2004) hay các khoản cho vay bắt đầu được
đưa vào nợ xấu khi đã quá hạn trả nợ gốc và
lãi 90 ngày trở lên (Peter Rose, 2004). Hiện
tại không có một quy tắc hay chuẩn mực
thống nhất khi thảo luận về vấn đề nợ xấu.
Tại Việt Nam, theo quan điểm của
NHNN, nợ xấu được định nghĩa là những
khoản nợ được phân loại vào nhóm nợ dưới
tiêu chuẩn, nợ nghi ngờ và nợ có khả năng
mất vốn. Trong đó, nợ xấu được phân loại
theo hai tiêu chí là định lượng và định tính.
Về định lượng, nợ nhóm 3 là các khoản nợ
quá hạn từ 90 ngày đến 180 ngày; nợ nhóm 4
là các khoản nợ quá hạn từ 181 ngày đến 360
ngày và nợ nhóm 5 là các khoản nợ quá hạn
trên 360 ngày. Trong khi đó theo định tính, nợ
2. Cơ sở lý thuyết và các nhân tố tác
động đến nợ xấu
2.1. Cơ sở lý thuyết
Nợ xấu là thuật ngữ được sử dụng phổ
biến trên thế giới với các từ như “Non-
performing loans” (NPL), “bad debt”,
Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 135
xấu là các khoản nợ dưới chuẩn, bị nghi ngờ
về khả năng trả nợ lẫn khả năng thu hồi vốn
của chủ nợ (Nguyễn Thành Nam, (2013),
Đinh Thị Thanh Vân, (2012)).
Do các yếu tố định tính khó xác định nên
nợ xấu trong bài nghiên cứu sẽ được thu thập
theo tiêu chí định lượng:
rằng tỷ lệ nợ quá hạn và nợ xấu có liên quan
đến tốc độ tăng trưởng tín dụng nhanh chóng.
Salas và Saurina (2002) đã nghiên cứu các
ngân hàng Tây Ban Nha thấy rằng tăng trưởng
dư nợ cho vay có liên quan đến khoản vay
không có khả năng thanh toán. Weinberg
(1995) đưa ra giả thuyết rủi ro cho vay tăng
trong thời kỳ phát triển kinh tế vì lợi nhuận kỳ
vọng từ các dự án đầu tư được cải thiện và do
đó, lợi nhuận kỳ vọng từ tất cả các khoản vay
đã khiến ngân hàng thường xuyên nới lỏng
các tiêu chuẩn bảo lãnh phát hành, trong khi
hoạt động tín dụng cần được thắt chặt các tiêu
chuẩn, do đó các khoản nợ xấu tăng lên cùng
với sự gia tăng tín dụng. Ngoài ra, các kết quả
nghiên cứu của Klein (2013), Đỗ Quỳnh Anh
và Nguyễn Đức Hùng (2013) và Nguyễn Thị
Hồng Vinh (2015) cũng đồng quan điểm trên.
Trong khi đó, nghiên cứu của Nguyễn
Tuấn Kiệt và Đinh Hùng Phú (2016) lại cho
rằng tốc độ tăng trưởng tín dụng tương quan
nghịch chiều với nợ xấu. Điều này được lý
giải là trong giai đoạn nghiên cứu ở Việt Nam
các khoản tín dụng của các ngân hàng thường
sau một năm mới phát sinh nợ xấu, nghĩa là
nếu năm nay ngân hàng tăng trưởng tín dụng
thấp vì năm trước ngân hàng có tỷ lệ nợ xấu
cao, nên ngân hàng bắt buộc tập trung xử lý
nợ xấu kèm theo việc hạn chế tăng trưởng tín
dụng do áp đặt của NHNN.
Tỷ lệ nợ xấu =
2.2. Các nhân tố tác động đến nợ xấu
của NHTM
Hiện nay, trên thế giới và tại Việt Nam có
nhiều nghiên cứu thực nghiệm và các giả
thuyết bàn về các nhân tố tác động đến nợ xấu
của NHTM.
Các nhân tố vi mô thuộc đặc thù ngân hàng
Quy mô ngân hàng
Quy mô thể hiện năng lực thị trường của
ngân hàng đó. Hầu hết các kết quả nghiên cứu
theo nhóm tác giả thống kê thì yếu tố quy mô
ngân hàng tác động cùng chiều đến tỷ lệ nợ
xấu. Cụ thể, có thể kể đến nghiên cứu của
Rajan & Dhal (2003), Ghosh (2015), Đỗ
Quỳnh Anh và Nguyễn Đức Hùng (2013),
Nguyễn Thị Hồng Vinh (2015), Nguyễn Tuấn
Kiệt và Đinh Hùng Phú (2015).
Trong khi đó, tương quan nghịch chiều
giữa quy mô và nợ xấu cũng được tìm thấy
trong nghiên cứu của Salas và Suarina (2002).
Thật vậy, ngân hàng có tổng tài sản lớn thể hiện
quy mô ngân hàng lớn. Quy mô ngân hàng lớn
cho phép các NHTM có điều kiện để đầu tư cải
thiện quy trình tín dụng, chất lượng quản trị rủi
ro cũng như nguồn nhân lực chất lượng cao.
Mặt khác, quy mô lớn cùng với thị phần cao
cho phép các NHTM có thể đa dạng hóa hoạt
động tín dụng của mình, từ đó giúp giảm thiểu
rủi ro tập trung tín dụng (Louzis, 2012).
Tăng trưởng tín dụng
Khả năng sinh lời của ngân hàng
Hầu hết các nghiên cứu thực nghiệm đã
chỉ ra nợ xấu và khả năng sinh lời của ngân
hàng có quan hệ ngược chiều như nghiên cứu
của Klein (2013), Ghosh (2015), Lê Hoàng
Anh và Mai Thị Phương Thùy (2015),
Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016).
Thật vậy, một ngân hàng có khả năng
sinh lời cao sẽ có ít động cơ tham gia vào các
hoạt động cấp tín dụng với rủi ro cao. Ngược
lại, những ngân hàng hoạt động kém hiệu quả
sẽ cố gắng sinh lời bằng việc cấp các khoản
tín dụng không đạt chuẩn, do đó tại các ngân
hàng này dễ dàng nảy sinh các khoản nợ xấu
hơn. Vấn đề này cũng hợp lý khi lợi nhuận
Tăng trưởng tín dụng thể hiện quy mô
vốn cung ứng ra nền kinh tế, các nghiên cứu
phân tích tác động của tăng trưởng tín dụng
đến tỷ lệ nợ xấu cho các kết quả không thống
nhất. Một phần các nghiên cứu trước chỉ ra
136 Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143
các ngân hàng Việt Nam thu được chủ yếu từ
hoạt động tín dụng, vì vậy, khi lợi nhuận cao,
chất lượng các khoản vay của các ngân hàng
tốt, vốn và lãi được thu hồi đầy đủ, dẫn đến
nợ xấu thấp (Nguyễn Tuấn Kiệt & Đinh Hùng
Phú, 2016).
nhu cầu chi tiêu khiến hàng hóa tiêu thụ thấp,
doanh nghiệp gặp khó khăn do hoạt động kinh
doanh trì trệ, dẫn đến lợi nhuận thấp hơn kỳ
vọng, thậm chí có thể xảy ra tình trạng thua lỗ
làm ảnh hưởng đến khả năng trả nợ của doanh
nghiệp, điều này khiến cho nợ xấu NHTM
tăng lên (Fillip (2015), Đỗ Quỳnh Anh và
Nguyễn Đức Hùng (2013), Nguyễn Tuấn Kiệt
và Đinh Hùng Phú (2016)).
Tỷ lệ nợ xấu năm trước
Theo Marki và cộng sự (2014), việc thu
hồi nợ không hiệu quả là nguyên nhân tăng nợ
xấu cũng như những khó khăn gặp phải khi xử
lý các khoản nợ xấu. Thêm vào đó, các khoản
nợ xấu tồn đọng các năm trước đến hiện tại
chưa được giải quyết triệt để thì sẽ làm tăng
nợ xấu trong năm hiện tại.
3. Phương pháp nghiên cứu
3.1. Mô hình nghiên cứu
Dựa trên mô hình nghiên cứu của Salas &
Saurina (2002), Klein (2013), Nguyễn Thị
Hồng Vinh (2015), Nguyễn Tuấn Kiệt và
Định Hùng Phú (2016), … nhóm tác giả tiếp
cận nghiên cứu theo phương pháp dữ liệu
bảng năng động để giải thích sự tồn tại yếu tố
thời gian trong tỷ lệ nợ xấu.
Nhân tố vĩ mô:
Tốc độ tăng trưởng kinh tế
Các nghiên cứu khi xem xét tác động của
các nhân tố vĩ mô đến nợ xấu đều khẳng định
ảnh hưởng của tăng trưởng kinh tế đến chất
lượng khoản vay. Các nghiên cứu trước đây
hầu hết đều cho kết quả ngược chiều trong
mối quan hệ này như Salas và Suarina (2002),
Fillip (2015), Ghosh (2015), Đỗ Quỳnh Anh
và Nguyễn Đức Hùng (2013), Nguyễn Thị
Hồng Vinh (2015), Nguyễn Tuấn Kiệt Và
Đinh Hùng Phú (2016)… Nền kinh tế tăng
trưởng tốt sẽ thúc đẩy hoạt động sản xuất,
kinh doanh được thuận lợi, từ đó nâng cao khả
năng thanh toán các khoản vay của người đi
vay (Markri & cộng sự (2012); Klein, 2013).
Tỷ lệ thất nghiệp
Marki và cộng sự (2012) khi sử dụng
phương pháp hồi quy với mẫu 14 trong số 17
quốc gia thuộc khu vực đồng Euro, kết quả
cho thấy có mối quan hệ rõ ràng giữa tỷ lệ thất
nghiệp và nợ xấu, nợ xấu tăng lên do sự tăng
trưởng của tỷ lệ thất nghiệp. Fillip (2015),
Ghosh (2015)… cũng đồng quan điểm trên.
Khi thất nghiệp xảy ra, thu nhập của
người đi vay sẽ giảm, do đó khả năng hoàn trả
nợ gốc cũng như lãi vay của họ sẽ giảm, điều
này dẫn đến tỷ lệ nợ xấu của ngân hàng sẽ
tăng lên (Fillip, (2015)).
Mô hình có dạng:
NPLit =
,
it 1
it
it
it
Trong đó:
- i và t biểu thị đường chéo và chiều thời
gian trong mẫu dữ liệu bảng tương ứng, NPLit
là biến phụ thuộc, được xác định bằng logarit
của tỷ lệ nợ xấu ngân hàng thứ i trong năm t.
- Biến phụ thuộc NPLit được giải thích
bởi độ trễ của nó là NPLit-1;
biểu thị độ
trễ vector đa thức. Xit là vector của biến các
yếu tố vi mô đặc thù của ngân hàng (ngoài
biến nợ xấu trong quá khứ) bao gồm: khả
năng sinh lời (ROEit), tỷ lệ tăng trưởng tín
dụng (CREDITit), quy mô ngân hàng (SIZEit).
Các biến này cũng được lấy giá trị logarit tự
nhiên.
- Mit là các biến các yếu tố vĩ mô gồm: tỷ
lệ lạm phát (INFit), tốc độ tăng trưởng kinh tế
(GDPit), tỷ lệ thất nghiệp (UNTit).
-
it: các sai số
Như vậy, dựa vào các nghiên cứu trước
và thực tiễn tại Việt Nam về mối quan hệ giữa
các nhân tố tác động tới nợ xấu NHTM, nhóm
tác giả sử dụng các biến và dấu kỳ vọng trong
mô hình nghiên cứu như sau (Bảng 1).
Lạm phát
Khi lạm phát tăng, người tiêu dùng giảm
Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 137
Bảng 1
Các biến được sử dụng trong mô hình nghiên cứu
Dấu kì
vọng
Nghiên cứu trước
Tên biến
Mô tả biến
Salas và Suarina (2002), Klein (2013), Makri
& cộng sự (2014), Filip (2015), Ghosh
(2015), Đỗ Quỳnh Anh và Nguyễn Đức
Hùng (2013), Nguyễn Thị Hồng Vinh
(2015), Nguyễn Tuấn Kiệt và Đinh Hùng
Phú (2016)
Tốc độ tăng trưởng Tốc độ tăng
-
(GDPit)
trưởng kinh tế
Tỷ lệ thất nghiệp
Tỷ lệ thất
nghiệp
Klein (2013), Filip (2015), Ghosh (2015),
Makri & cộng sự (2014)
+
+
(UNTit)
Tỷ lệ lạm phát
Klein (2013), Filip (2015), Ghosh (2015),
Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013)
(INFit)
Tỷ lệ lạm phát
ln
Beck, Jakubik & Piloiu (2013), Đỗ Quỳnh
Anh và Nguyễn Đức Hùng (2013), Nguyễn
Thị Hồng Vinh (2015)
Tỷ lệ nợ xấu năm
+
-
trước (NPLi(t-1)
)
Ghosh (2015), Đỗ Quỳnh Anh và Nguyễn
Đức Hùng (2013), Nguyễn Thị Hồng Vinh
(2015), Nguyễn Tuấn Kiệt và Đinh Hùng
Phú (2015)
Quy mô ngân hàng ln(Tổng tài
(SIZEit)
sản)
Keeton (1999), Klein (2013), Vithessonthi
(2016), Đỗ Quỳnh Anh và Nguyễn Đức
Hùng (2013), Nguyễn Thị Hồng Vinh
(2015), Lê Hoàng Anh và Mai Thị Phương
Thùy (2015)
Tăng trưởng tín
dụng của ngân
hàng (CREDITit)
Ln(dư nợit –
dư nợit-1) /dư
nợit-1
+
-
Ln (lợi nhuận
sau
thuế/VCSH
bình quân)
Klein (2013), Ghosh (2015), Lê Hoàng Anh
và Mai Thị Phương Thùy (2015), Nguyễn
Thị Hồng Vinh (2015), Nguyễn Tuấn Kiệt
và Đinh Hùng Phú (2016)
Khả năng sinh lời
của ngân hàng
(ROEit)
Nguồn: Tác giả tổng hợp.
NamABank, Vietcombank, HDBank, OCB,
MB Bank, VIB, NCB, Saigonbank, SHB,
Sacombank, VietABank, VP Bank, PG
Bank, Eximbank) trong giai đoạn 2006 –
2016. Lý do nghiên cứu chỉ sử dụng dữ liệu
của 25 ngân hàng này trong giai đoạn được
đề cập vì trong giai đoạn này chỉ có 25
3.2. Dữ liệu nghiên cứu
Đối với các dữ liệu vi mô từ ngân hàng:
Nghiên cứu thu thập dữ liệu từ báo cáo
tài chính của 25 NHTMCP Việt Nam (bao
gồm ACB, ABB, VietCapitalBank, LPB,
Vietinbank, BIDV, DongA bank, Seabank,
KLB, Maritime bank, Techcombank,
138 Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143
NHTMCP công bố đủ dữ liệu mà bài viết
cần. Các ngân hàng được chọn đáp ứng tiêu
chí còn tồn tại và hoạt động cho tới hết năm
2016.
kinh tế, tỷ lệ lạm phát, tỷ lệ thất nghiệp được
nhóm tác giả thu thập từ Worldbank, IMF.
Kết quả thống kê mô tả cho các biến được
sử dụng trong nghiên cứu được thể hiện trong
Bảng 2.
Các dữ liệu vĩ mô bao gồm tăng trưởng
Bảng 2
Thống kê mô tả các biến trong mô hình
Biến
Số quan sát
Trung bình
Độ lệch chuẩn
Giá trị nhỏ
nhất
Giá trị lớn
nhất
NPLit
GDPit
INFit
269
275
275
275
271
247
-3.980146
0.0612455
0.0915382
0.0220909
-2.543055
-1.26966
0.764859
0.0061772
0.0709486
0.0026143
1.090763
1.198215
-7.130899
0.0525
0.5988365
0.0713
-0.019079
0.018
0.2267332
0.026
UNTit
ROEit
-7.26443
-9.21034
2.609334
2.2428583
CREDIT
it
SIZEit
271
2.371843
0.1332445
1.904761
2.626271
Nguồn: Kết xuất từ phần mềm Stata 13.
hệ số tương quan đều nhỏ hơn 0.8 (Farrar &
Glauber, 1967).
4. Kết quả nghiên cứu và thảo luận
Bảng 3 cho thấy, NPLit không có đa cộng
tuyến nghiêm trọng với các biến số độc lập do
Bảng 3
Ma trận tương quan các biến trong mô hình nghiên cứu
Biến
NPLit
NPLit
1.000
NPLit-1 GDPit
INFit
UNTit CREDITit ROEit SIZEit
0.4806
1.000
NPLit-1
GDPit
-0.3074 -0.1403
1.000
-0.0254 -0.3186 -0.0906
1.000
INFit
-0.3007 -0.1639 0.2405 0.0886
1.000
UNTit
-0.2572 -0.1497 0.3095 0.0884 0.4191
-0.2755 -0.2230 0.1094 0.2341 0.2860
1.000
CREDITit
ROEit
SIZEit
0.2949
1.000
0.0611
0.0897 -0.0826 -0.2721 -0.2773 -0.2419
0.1300 1.000
Nguồn: Kết xuất từ phần mềm Stata 13.
Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 139
Bảng 4 thể hiện tổng hợp kết quả của mô
hình Pooled OLS, FEM, REM khi tác giả thực
hiện hồi quy. Kết quả bảng 4 cho thấy, R2 lần
lượt của POOLED OLS, REM, FEM là
35.45%, 28.97%, 30.68%. Điều này thể hiện
rằng các biến độc lập được sử dụng trong mô
hình có thể đã giải thích được 35.45%,
28.97%, 30.68% sự thay đổi trong tỷ lệ nợ
xấu của các ngân hàng. Giá trị p-value của mô
hình được ước lượng theo 3 phương pháp trên
Pooled OLS không phản ánh được tác động
riêng biệt, mang tính đặc thù của từng ngân hàng.
Do đó, để khắc phục hạn chế này, nghiên cứu
tiếp tục lựa chọn ước lượng mô hình hồi quy theo
phương pháp tác động cố định FEM và tác động
ngẫu nhiên REM. Kết quả hồi quy cho thấy kết
quả mô hình REM có các thông số giống với mô
hình Pooled OLS, còn mô hình FEM các biến
trong mô hình đều cùng dấu với mô hình Pooled
OLS và có ý nghĩa nhưng mức độ tác động và
mức ý nghĩa lại có sự khác nhau ở 2 mô hình.
Bên cạnh đó, ở mô hình FEM có thêm một biến
có ý nghĩa ở mức 5% là biến ROEit – ngược dấu
với tỷ lệ nợ xấu ngân hàng.
đều là 0.0000 – giá trị này nhỏ hơn
= 0.01.
Như vậy, ước lượng của ba phương pháp này
đều có ý nghĩa thống kê.
Tuy nhiên, việc ước lượng theo mô hình
Bảng 4
Kết quả mô hình nghiên cứu POOLED OLS, FEM và REM
Biến
POOLED OLS
REM
-21.6495***
FEM
-24.17823***
GDPit
UNTit
INFit
-21.6495***
(7.818448)
(7.818448)
(7.903077)
-38.47075***
(18.59383)
-38.47075***
(18.59383)
-33.40755*
(20.00597)
1.617915*
1.617915*
1.438222**
(0.7242406)
(0.6572823)
(0.6572823)
NPLit-1
SIZEit
0.4602879***
(0.0624571)
0.4602879***
(0.0624571)
0.29916***
(0.0733148)
0.1254202
0.1254202
1.204488
(0.4058038)
(0.4058038)
(0.8821612)
CREDITit
ROEit
-0.0314504
(0.0415894)
-0.0314504
(0.0415894)
-0.0277163
(0.0495247)
-1.1048886
(0.468327)
-1.1048886
(0.468327)
-0.1107841**
(0.0526507)
Cons
-0,7216739
(1,304945)
-0,7216739
(1,304945)
-3,898641
(2,416071)
Số quan sát
218
218
218
F(7.210) = 16.48
Prob > F = 0.0000
R2 = 0.3545
Wald chi2(7) = 115.33 F(7.186) = 11.76
Prob > chi2 = 0.0000
R2 within = 0.2897
Prob > F = 0.0000
R2 within = 0.3068
*, **, *** tương ứng với mức ý nghĩa thống kê 10%, 5%, 1%.
140 Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143
Vì vậy, để xác định mô hình nào phù hợp
hơn, nghiên cứu thực hiện kiểm định
Hausman Test để chọn lựa giữa mô hình FEM
và REM. Kiểm định cho kết quả p-value =
0.00138 < = 0.05. Với mức ý nghĩa 1%, ta
bác bỏ giả thuyết H0, tức mô hình FEM được
chọn. Như vậy, trong ba mô hình Pooled
OLS, REM và FEM khi hồi quy dữ liệu bảng
thì mô hình FEM là phù hợp nhất với tổng thể
số liệu nghiên cứu các nhân tố tác động đến tỷ
lệ nợ xấu tại các NHTM.
tác giả tiến hành kiểm định Wald để kiểm tra.
Kết quả cho thấy giả thuyết H0 – phương sai
đồng nhất bị bác bỏ (p-value = 0.0000 <
=0.05) tức là có tồn tại hiện tượng phương sai
thay đổi trong mô hình, với mức ý nghĩa 5%.
Như vậy, sau khi kiểm định, mô hình hồi
quy nghiên cứu bị vi phạm hiện tượng phương
sai không thay đổi. Do đó, nhóm tác giả thực
hiện hồi quy theo phương pháp bình phương
tổi thiểu tổng quát khả thi FGLS (Feasible
Generalized Least Squares) nhằm kiểm soát
hiện tượng này để tăng tính hiệu quả cao cho
mô hình nghiên cứu. Bảng 5 là kết quả mô
hình được xử lý vấn đề phương sai thay đổi:
Kiểm định hiện tượng phương sai thay
đổi: Để xem mô hình FEM có xảy ra hiện
tượng phương sai thay đổi hay không, nhóm
Bảng 5
Kết quả ước lượng mô hình FGLS
Biến
Hệ số
Sai số chuẩn
3.756384
P - value
0.000
0.001
0.000
0.000
0.920
0.001
0.081
0.330
GDPit
UNTit
INFit
-16.76133
-28.11477
1.876038
8.794796
0.3110112
0.0457227
0.2034225
0.0248936
0.0254649
0.6560633
NPLit-1
SIZEit
0.5325985
0.0204614
-0.0801332
-0.0443937
-0.6392588
CREDITit
ROEit
Cons
Nguồn: Tác giả tổng hợp.
Dựa vào Bảng 5, ta có kết quả hồi quy
theo phương pháp FGLS như sau: p-value =
hiện tại. Điều này cho thấy chất lượng tín
dụng có xu hướng giảm ở năm trước sẽ kéo
theo nợ xấu năm sau tăng và ngược lại. Kết
quả này cũng phù hợp với các nghiên cứu
trước như Salas và Saurina (2002), Klein
(2013), Đỗ Quỳnh Anh và Nguyễn Đức Hùng
(2013), Nguyễn Thị Hồng Vinh (2015), … Nợ
xấu trong quá khứ cao thể hiện khả năng quản
trị rủi ro trong cho vay của ngân hàng kém
dẫn đến nợ xấu gia tăng trong hiện tại. Một cú
sốc với nợ xấu sẽ có ảnh hưởng lâu dài đối
với hệ thống ngân hàng (Nguyễn Thị Hồng
Vinh, 2015).
0.000 <
0.01. Do đó, mô hình hồi quy có
ý nghĩa thống kê mạnh mẽ tại mức 1%.
Tóm lại, mô hình nghiên cứu có phương
trình như sau với mức ý nghĩa thống kê 1%:
NPLit
=
0.5325985NPLit-1
–
0.0801332CREDITit – 16.76133GDPit +
1.8760382INFit – 28.11477UNTit
Thông qua mô hình nghiên cứu trên, ta
thấy:
Một là, tỷ lệ nợ xấu năm trước có mối
tương quan thuận chiều với tỷ lệ nợ xấu năm
Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 141
Hai là, tốc độ tăng trưởng tín dụng có
mối quan hệ ngược chiều tỷ lệ nợ xấu.
Nguyên nhân trong giai đoạn 2006 – 2016 tại
Việt Nam, trải qua thời kỳ suy giảm do ảnh
hưởng của khủng hoảng kinh tế thế giới năm
2008 và chỉ phục hồi những năm sau đó.
Quan hệ ngược chiều này phù hợp với chiều
phục hồi của nền kinh tế sau khủng hoảng.
Môi trường vĩ mô từng bước ổn định, nợ xấu
suy giảm theo thời gian, tăng trưởng tín dụng
tăng lên trong nền kinh tế. Tăng trưởng tín
dụng thể hiện sự tăng lên về nhu cầu của các
khoản cho vay đối với các dự án hoạt động
kinh doanh của nền kinh tế. Đồng thời, kết
quả này cũng được lý giải bởi các khoản tín
dụng của các NHTM thường phát sinh nợ xấu
sau một năm. Nếu ngân hàng năm trước có tỷ
lệ nợ xấu cao thì năm sau ngân hàng có tốc
độ tăng trưởng tín dụng thấp vì ngân hàng bắt
buộc phải tập trung xử lý nợ xấu và hạn chế
tăng trưởng tín dụng bởi sự áp đặt của NHNN
(Nguyễn Tuấn Kiệt & Đinh Hùng Phú
(2016). Do đó, kết quả này có thể được xem
là phù hợp.
Ba là, tăng trưởng kinh tế có tác động
ngược chiều với tỷ lệ nợ xấu. Đây là biến có
tác động mạnh trong mô hình nghiên cứu. Kết
quả này đúng với kỳ vọng ban đầu của nhóm
tác giả. Điều này cũng hoàn toàn phù hợp với
thực tiễn tại Việt Nam, trong giai đoạn nghiên
cứu, nhìn chung nợ xấu của các NHTM gia
tăng từ năm 2009 trong khi tăng trưởng kinh
tế giai đoạn 2009 – 2016 thấp hơn giai đoạn
2006 – 2008. Khi nền kinh tế tăng trưởng, thu
nhập của cá nhân, hộ gia đình tăng sẽ khiến
họ tiêu dùng nhiều hơn, tạo điều kiện cho các
doanh nghiệp hoạt động có hiệu quả, thu nhập
gia tăng và do đó khả năng thanh toán các
khoản nợ dễ dàng hơn. Ngược lại, khi kinh tế
kém phát triển, hoạt động sản xuất kinh
doanh bị trì trệ khiến họ không có khả năng
trả nợ, từ đó khiến tỷ lệ nợ xấu các ngân hàng
gia tăng.
phát trong nền kinh tế tăng cao, NHNN thực
hiện chính sách tiền tệ thắt chặt để chống lạm
phát, hoạt động tín dụng của các NHTM cũng
sẽ bị ảnh hưởng. Cụ thể, lãi suất cho vay tăng
lên, chi phí đầu vào của doanh nghiệp bị đẩy
lên đã làm giảm hiệu quả kinh doanh của các
doanh nghiệp vay vốn, từ đó ảnh hưởng trực
tiếp đến khả năng trả nợ của họ đối với ngân
hàng. Bên cạnh đó, ngân hàng siết chặt việc
cho vay sẽ dẫn đến tình trạng nền kinh tế thiếu
tính thanh khoản, hoạt động sản xuất kinh
doanh bị trì trệ, các doanh nghiệp chiếm dụng
vốn lẫn nhau, mất khả năng thanh toán, nhiều
doanh nghiệp, nhất là các doanh nghiệp vừa
và nhỏ đứng trước nguy cơ phá sản, đẩy gánh
nặng nợ xấu về phía các ngân hàng.
Năm là, tỷ lệ thất nghiệp tương quan
nghịch chiều với tỷ lệ nợ xấu. Điều này ngược
dấu với kì vọng ban đầu của nhóm tác giả đưa
ra cũng như một số nghiên cứu trước đây của
các tác giả Messai, Jouini (2013), Klein
(2013), Fillip (2015), Ghosh (2015), Makri và
cộng sự (2014). Câu hỏi đặt ra ở đây là liệu
kết quả này có thể phù hợp với thực tế tại Việt
Nam trong giai đoạn nghiên cứu hay không?
Thực tế tình hình nợ xấu của các NHTM
và tỷ lệ thất nghiệp Việt Nam trong giai đoạn
2009 – 2013 và năm 2015 ủng hộ cho kết quả
nghiên cứu này của nhóm tác giả. Mối tương
quan nghịch chiều này có thể giải thích hai
nguyên nhân như sau: một là, tỷ trọng cho vay
cá nhân tiêu dùng trên tổng dư nợ tín dụng
vẫn còn thấp; đồng thời tỷ lệ thất nghiệp ở
Việt Nam thấp và không biến động nhiều. Do
đó, về lý thuyết khi thất nghiệp tăng lên có thể
dẫn đến gia tăng nợ xấu trong trường hợp số
người thất nghiệp không có giao dịch tín dụng
với ngân hàng ít thì nguy cơ rủi ro nợ xấu sẽ
giảm xuống. Nguyên nhân thứ hai xuất phát
từ đặc thù thị trường tại Việt Nam cho phép
người lao động có thể sẵn sàng làm bất kỳ
công việc nào tuy khác với chuyên môn do đó
tỷ lệ thất nghiệp ở Việt Nam thấp so với các
nước trên thế giới và rất ít biến động. Thất
nghiệp dạng này gần với thất nghiệp tự nhiên
Bốn là, tỷ lệ lạm phát có tương quan
thuận chiều với tỷ lệ nợ xấu. Khi tỷ lệ lạm
142 Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143
của nền kinh tế. Như vậy, điều này có nghĩa là
tỷ lệ thất nghiệp tăng giảm không giải thích
cho sự thay đổi của nợ xấu mà có thể nợ xấu
thay đổi đơn thuần do những yếu tố khác tác
động như GDP và các yếu tố ngân hàng.
5. Một số khuyến nghị
Thông qua kết quả nghiên cứu đã được
trình bày ở trên, để giảm thiểu tỷ lệ nợ xấu
của NHTM, nhóm tác giả đưa ra một số kiến
nghị sau:
thu hồi nợ từ khách hàng; gia hạn nợ, cơ cấu
lại khoản vay, đánh giá lại nợ; bán nợ cho
công ty mua bán nợ hay sử dụng dự phòng rủi
ro để xử lý.
Thứ ba, các yếu tố vĩ mô thực sự tác động
đến hoạt động cấp tín dụng và khả năng trả nợ
của khách hàng. Các biến vĩ mô thường nằm
ngoài tầm kiểm soát của các ngân hàng
thương mại. Do đó, các ngân hàng cần chủ
động đối phó trước những thay đổi của nền
kinh tế nhằm bảo toàn tài sản của mình. Trong
các thuật toán đánh giá sức chịu đựng (Stress
test), các ngân hàng cần quan tâm hơn đến các
biến số vĩ mô. Điều này không những giúp
các ngân hàng chủ động ứng phó với những
cú sốc của nền kinh tế mà còn giúp các ngân
hàng dự báo được các khoản trích lập dự
phòng rủi ro. Từ đó, các ngân hàng có thể đưa
ra các chiến lược phát triển hợp lý, vừa đảm
bảo được khả năng sinh lời, vừa bảo toàn
được các tài sản có của ngân hàng.
Đối với Ngân hàng Nhà nước Việt Nam
Do tốc độ tăng trưởng kinh tế GDP tăng
thì tỷ lệ nợ xấu có xu hướng giảm, khả năng
trả nợ của người đi vay tăng và ngược lại. Vì
vậy, NHNN cần có các biện pháp kích cầu
nền kinh tế, hỗ trợ cho khu vực kinh tế tư
nhân trong sản xuất kinh doanh và tiếp cận
vốn.
Đối với Ngân hàng Thương mại
Thứ nhất, các ngân hàng cần đảm bảo
tăng trưởng tín dụng bền vững thể hiện ở việc
giám sát chặt trong khâu thẩm định, quyết
định cấp tín dụng cũng như giám sát sau khi
cấp tín dụng. Các ngân hàng cần tránh cấp tín
dụng quá mức, hạ chuẩn cấp tín dụng; cần xây
dựng và xác định rõ ràng khẩu vị rủi ro, từ đó
chủ động xây dựng danh mục tín dụng với các
tỷ trọng phân bố dự kiến và lựa chọn phương
án thích hợp với mục tiêu lợi nhuận và khả
năng chịu đựng tổn thất của ngân hàng.
Thứ hai, tỷ lệ nợ xấu năm trước có tác
động mạnh thuận chiều đến nợ xấu năm hiện
tại nên các ngân hàng cần chú trọng tăng
cường khả năng quản trị rủi ro phù hợp với
quy mô tổng tài sản không ngừng tăng lên
theo thời gian. Nâng cấp cơ chế quản lý và
kiểm soát rủi ro, học hỏi từ các ngân hàng
nước ngoài để tiến hành phân tích tín dụng và
giám sát khả năng trả nợ của người vay một
cách hiệu quả. Tiếp tục xử lý nhanh chóng nợ
đọng bằng cách bán tài sản đảm bảo; tích cực
Đồng thời, trong từng thời kỳ nhất định,
NHNN cần có một chính sách tiền tệ phù hợp
nhằm kiểm soát lạm phát ở mức thấp, giúp
giảm nợ xấu
Tài liệu tham khảo
Badar, M. & Javid, Y. (2013). Impact of macroeconomic forces on nonperforming loans: An
empirical study of commercial banks in Pakistan. Wseas Transactions on Business and
Economics, 40 - 48.
Berger, A. & DeYoung, R. (1997). Problem loas and cost efficiency commercial banks. Journal
of Banking and Finance, 21.
Đinh Thị Thanh Vân (2012). So sánh nợ xấu, phân loại nợ và trích lập dự phòng rủi ro tín dụng
của Việt Nam và thông lệ quốc tế. Tạp chí Công nghệ Ngân hàng, 19, 5-12.
Nguyễn T. N. Quỳnh và cộng sự. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 63(6), 133-143 143
Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013). Phân tích thực tiễn về những yếu tố quyết định
đến nợ xấu tại các ngân hàng thương mại Việt Nam. Kỷ yếu hội thảo khoa học: Seminar
Nghiên cứu Kinh tế và Chính sách số 07 do Trung tâm Nghiên cứu Kinh tế và Chính sách
tổ chức, Hà Nội, tháng 01/2013.
Farrar, D. & Glauber, R. (1967). Multicollinearity in regression analysis: The problem revisited.
Review of Economics and Statistics, 49, 92-107.
Filip, B.F. (2015). The quality of bank loans within the framework of Globalization. Procedia
Economics and Finance, 20, 208-217.
Fofack, H. (2005). Non-performig loans in sub-Saharan Africa: Causal analysis and
macroecomic implications. World Bank Policy Research Working Paper No.3769,
November.
Ghosh, A. (2015). Banking-industry specific and regional economic determinants of non-
performing loans: Evidence from US state. Journal of Financial Stability, 20, 93-104.
Keeton, W. R. (1999). Does faster loan growth lead to higher loan losses? Federal Reserve Bank
of Kansas City. Economic Review, 84(2) 57-75.
Klein, N. (2003). Non-performing loan in CESEE: Determinants and impact on macroeconomic
performance. IMF Country Report, No. 13/86
Lê Hoàng Anh và Mai Thị Phương Thùy (2015). Ảnh hưởng của các cú sốc kinh tế vĩ mô đến nợ
xấu ở Việt Nam. Tạp chí Kinh tế và Dự báo, 16, 81 – 84.
Louzis, D.P.; Vouldis, A. T. & Metaxas, V. L. (2010). Macroeconomic and bank-specific
determinants of non-performing loans in Greece: A comparative study of mortgage,
business and consumer loan portfolios. Journal of Banking and Finance, 36(4), 1012-1027.
Makri, V., Tsagkanos, A., Bellas, A. (2014). Determinants of non-performing loans: The case of
Eurozone. Panoeconomicus, 2, 193-206.
Nguyễn Thành Nam (2013). Vấn đề xử lý nợ xấu tại các ngân hàng thương mại Việt Nam. Tạp
chí Khoa học Đào tạo Ngân hàng, 135.
Nguyễn Thị Hồng Vinh (2015). Yếu tố tác động đến nợ xấu các ngân hàng thương mại Việt
Nam. Tạp chí Phát triển kinh tế, 26(11), 80-98.
Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016). Các yếu tố vĩ mô và vi mô tác động đến nợ xấu
của hệ thống ngân hàng Việt Nam. Tạp chí Kinh tế và Phát triển, 229, 9 – 16.
Peter Rose (2004). Quản trị ngân hàng thương mại, Bản dịch Tiếng Việt, NXB Tài chính.
Rajan, R & Dahl, S. (2003). Non-performing loans and terms of credit od public sector banks in
India: An empirical assessment. Occasional papers, Reserve Bank of India.
Salas, V. and Saurina, J. (2002). Credi risk in two institutional regimes: Spanish commercial and
savings banks. Journal of Financial Services Research, 22(3), 203 - 224.
Vithessonthi, C. (2016). Deflation, bank credit growth, and non-performing loans: Evidence
from Japan. International Review of Financial analysis, 45, 295-305.
11 trang
09/01/2024
16580
Free
Bạn đang xem tài liệu "Các nhân tố tác động đến nợ xấu tại các ngân hàng thương mại Việt Nam", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- cac_nhan_to_tac_dong_den_no_xau_tai_cac_ngan_hang_thuong_mai.pdf
