Các yếu tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại Việt Nam
27/09/2021 18.068 lượt xem
Bài viết có mục tiêu xác định các yếu tố tác động đến rủi ro tín dụng (RRTD) của các ngân hàng thương mại (NHTM) Việt Nam...
 
Tóm tắt:
 
Bài viết có mục tiêu xác định các yếu tố tác động đến rủi ro tín dụng (RRTD) của các ngân hàng thương mại (NHTM) Việt Nam. Với dữ liệu bảng của 35 NHTM cổ phần giai đoạn 2012 - 2020, hai mô hình hồi quy FEM và REM được lựa chọn thông qua các kiểm định về tính phù hợp. Các phát hiện chính của nghiên cứu là: (i) Ba biến vĩ mô có tác động cùng chiều tới RRTD là mức độ tăng trưởng thị trường bất động sản (BĐS), lãi suất thực và biến động tỷ giá; (ii) Trong các biến vi mô thuộc NHTM, khả năng sinh lời trên tài sản có tác động ngược chiều đến RRTD; trong khi lãi suất cho vay danh nghĩa có tác động cùng chiều đến RRTD; (iii) Do vậy, các giải pháp để quản lý tốt nợ xấu cần tập trung vào: Kiểm soát chặt chẽ hơn tín dụng BĐS, mở rộng dịch vụ ngân hàng ngoài hoạt động đầu tư, tín dụng và kiểm soát tốt chi phí kinh doanh, thận trọng khi cho vay đối với các đối tượng, lĩnh vực có mức lãi suất cao. 
 
Từ khóa: Dự phòng RRTD, NHTM, nợ xấu, RRTD.
 
1. Giới thiệu
 
Rủi ro lớn nhất mà các NHTM luôn phải đối mặt khi đặt mục tiêu về tăng trưởng tín dụng là RRTD, không chỉ gây ra tổn thất về tài chính, giảm giá trị thị trường của vốn ngân hàng, mà có thể làm cho hoạt động kinh doanh của ngân hàng bị thua lỗ, thậm chí phá sản. Có rất nhiều yếu tố ảnh hưởng đến RRTD, gồm các yếu tố thuộc về bản thân các ngân hàng và các yếu tố bên ngoài. Do vậy, để quản lý RRTD tốt và xử lý RRTD tận gốc, việc nghiên cứu tác động của các yếu tố này tới RRTD là rất quan trọng. 
 
Nợ xấu ở Việt Nam thời gian qua được kiểm soát khá tốt, luôn dưới 3% tổng dư nợ, nhưng luôn có nguy cơ tăng lên do các áp lực tăng trưởng tín dụng, hạn chế trong năng lực quản trị RRTD của bản thân các NHTM, và các yếu tố vĩ mô bên ngoài như dịch bệnh, biến đổi khí hậu.
 
Thực tế này cho thấy sự cần thiết phải nghiên cứu về các yếu tố tác động đến RRTD của các NHTM Việt Nam, nhất là khi tài sản đảm bảo tiền vay hầu hết là BĐS. Do đó, chủ đề “Các yếu tố ảnh hưởng đến RRTD của các NHTM Việt Nam” được lựa chọn để nghiên cứu. 
 
2. Tổng quan nghiên cứu 
 
Trên thế giới cũng như ở Việt Nam, những nghiên cứu đề cập đến các yếu tố tác động đến RRTD của NHTM thường xoay quanh 3 nhóm chủ đề chính: (i) Các nghiên cứu về quản trị RRTD: sử dụng phương pháp định tính, giới hạn trong phạm vi một chi nhánh, hoặc ngân hàng cụ thể, hoặc đối với một nhóm đối tượng khách hàng; (ii) Các nghiên cứu định lượng về các yếu tố ảnh hưởng đến RRTD: nghiên cứu một cách định lượng để xác định mối quan hệ giữa các yếu tố vĩ mô và yếu tố vi mô của NHTM tác động đến RRTD của NHTM; và (iii) Các nghiên cứu về mô hình, phương pháp đo lường RRTD: áp dụng các mô hình Stress test, Bayers,... để tìm ra các yếu tố tác động tới nợ xấu. Tuy vậy, điểm thống nhất chung của các nghiên cứu trên là có hai nhóm yếu tố tác động tới RRTD của NHTM như sau:
 
2.1. Các yếu tố thuộc về bản thân NHTM
 
- Quy mô ngân hàng: Quy mô là giá trị thị trường của ngân hàng, các nghiên cứu thường đo bằng logarit của tổng dư nợ cho vay của ngân hàng để điều chỉnh biến này về giá trị tương đồng với các biến khác trong mô hình. Quy mô ngân hàng có thể tác động lên nợ xấu theo cả chiều hướng tích cực hoặc tiêu cực. Những ngân hàng lớn có thể quản lý nợ xấu hiệu quả hơn nhờ khả năng đa dạng hóa danh mục cho vay và khả năng quản trị RRTD vượt trội so với ngân hàng nhỏ (Das & Saibal, 2007). Tuy nhiên, những ngân hàng lớn cũng có thể sẵn sàng chấp nhận rủi ro cao do kỳ vọng được chính phủ bảo vệ nếu có nguy hiểm xảy ra, dẫn đến tỷ lệ nợ xấu có thể cao hơn (Nguyễn Thùy Dương & Trần Thị Thu Hương, 2017).
 
- Cơ cấu vốn (đòn bẩy tài chính): Các nghiên cứu trước đây thường sử dụng tỷ lệ vốn chủ sở hữu trên tổng tài sản là biến đại diện cho mức độ vốn hóa. Delis, Tran và Staikouras (2011) cho rằng tỷ lệ đòn bẩy tài chính cao hơn, do các yêu cầu về vốn khắt khe hơn, ngụ ý rằng ngân hàng thận trọng hơn trong hành vi cho vay. Ngược lại, tỷ lệ đòn bẩy tài chính thấp dẫn đến gia tăng các khoản nợ xấu, do nhà quản lý ngân hàng dễ dàng khuyến khích rủi ro đạo đức, tăng danh mục cho vay trong khi ngân hàng chưa đủ vốn hóa. 
 
- Quy mô tín dụng: Tốc độ tăng trưởng tín dụng được xem như một trong những yếu tố ảnh hưởng và cảnh báo sớm tới RRTD trong hoạt động kinh doanh ngân hàng. Khi nền kinh tế tăng trưởng, trước áp lực cạnh tranh để phát triển, các ngân hàng có thể nới lỏng điều kiện xét duyệt tín dụng. Điều này sẽ tích lũy rủi ro và bộc phát vào giai đoạn kinh tế suy thoái. Nghiên cứu của Salas & Saurina (2002) cho thấy tác động này có thể với độ trễ từ 1 đến 4 năm.
 
- Tỷ lệ dư nợ/Vốn huy động: Khi các khoản cho vay cao hơn tiền gửi ngân hàng, để tránh thể hiện tình trạng đang muốn thu hút vốn từ bên ngoài của mình, ngân hàng sẽ có động cơ để giảm tỷ lệ dự phòng rủi ro của họ.
 
- Khả năng sinh lời của ngân hàng: Để đo lường khả năng sinh lời của ngân hàng, các nghiên cứu thường sử dụng ROA (Tỷ lệ lợi nhuận trên tài sản) hoặc ROE (Tỷ lệ lợi nhuận trên vốn chủ sở hữu), ngụ ý về mức độ quản lý hiệu quả trong việc sử dụng tài sản và vốn chủ sở hữu để tạo ra thu nhập. Nhiều nghiên cứu chứng minh mối quan hệ ngược chiều giữa khả năng sinh lời và nợ xấu. Dimitrios và cộng sự (2010) cho rằng quản lý kém liên quan đến các kỹ năng kém trong chấm điểm tín dụng, thẩm định tài sản bảo đảm và cam kết giám sát khách hàng vay nợ. Trong khi đó, Zribi và cộng sự (2011) cho rằng, một ngân hàng có khả năng sinh lời cao có ít động lực tạo thu nhập hơn, do đó, ít bị ràng buộc hơn khi tham gia vào các hoạt động cho vay có rủi ro.
 
- Lãi suất cho vay: Lãi suất danh nghĩa (IIR) là lãi suất được tính theo giá trị danh nghĩa, không kể đến tác động của lạm phát. Lãi suất danh nghĩa thường được công bố chính thức trên hợp đồng tín dụng. Theo Brownbridge (1998), lãi suất cho vay cao sẽ làm lượng nợ xấu ngân hàng tăng lên làm ảnh hưởng đến lợi nhuận của ngân hàng. Khi tỷ lệ nợ xấu tăng thì tỷ lệ dự phòng RRTD của ngân hàng cũng tăng để bù đắp những rủi ro có thể xảy ra.
 
2.2. Các yếu tố vĩ mô
 
- Tăng trưởng kinh tế: Theo lý thuyết về mô hình chu kỳ kinh tế và tiêu dùng bởi Modigliani và Miller (1967), kinh tế tăng trưởng, doanh nghiệp dễ dàng hơn trong việc hoàn trả nợ vay từ các NHTM do các cơ hội đầu tư và triển vọng kinh doanh thuận lợi hơn. Tuy nhiên, nghiên cứu của Schechman và Gaglianone (2011) lại cho thấy mối tương quan thuận, cho rằng tăng trưởng kinh tế liên tục có thể sẽ làm cho ngân hàng ỷ lại và sẽ cho vay dễ dàng hơn, nguy cơ RRTD gia tăng.
 
- Tỷ lệ lạm phát: Lạm phát tăng làm giảm giá trị thực của khoản vay và giảm các khoản nợ không có khả năng trả nợ (Jabra và cộng sự, 2017). Mặt khác, lạm phát làm mất giá đồng tiền, giảm tỷ lệ lợi nhuận nói chung. Khi lạm phát gia tăng tương quan dẫn đến lãi suất tăng do chính sách thắt chặt tiền tệ. Cùng với các phí tổn khác, chi phí của dịch vụ nợ cũng gia tăng, doanh nghiệp và cá nhân đi vay có thể gặp khó khăn khi trả nợ (Lê Bá Trực, 2018).
 
- Giá trị vốn hóa thị trường: Thị trường chứng khoán phát triển, đòi hỏi thông tin của khách hàng minh bạch hơn, giúp ngân hàng có thể giám sát người đi vay dễ dàng hơn cũng như đánh giá tốt hơn RRTD (Vítor, 2013).
 
- Lãi suất thực: Khi lãi suất thực tăng cao, chi phí vay mượn tăng làm cho khả năng sinh lời của các khoản đầu tư trở nên thấp hơn, dẫn đến gia tăng các khoản nợ xấu, đặc biệt là đối với các khoản vay có lãi suất thả nổi, do khả năng đáp ứng nghĩa vụ của người đi vay giảm. (Ahlem và cộng sự, 2013).
 
- Tỷ giá: Khi đồng nội tệ mất giá, sức mua đồng nội tệ giảm làm giá hàng nhập khẩu trở nên đắt đỏ hơn, sẽ làm tăng chi phí sản xuất và gián tiếp làm tăng chỉ số giá tiêu dùng, lạm phát có thể xảy ra và những doanh nghiệp phụ thuộc vào nguyên, phụ liệu hoặc sản phẩm trung gian nhập khẩu sẽ phải gánh nặng nợ khi chi phí vốn vay tăng. Từ đó, RRTD có xu hướng tăng.
 
- Tăng trưởng thị trường BĐS: Biến động thị trường BĐS có thể gây nên RRTD ngân hàng khi BĐS vừa là đối tượng cho vay vừa là vật thể dùng làm tài sản đảm bảo. Sự bùng nổ cho vay dựa trên sự bùng nổ của thị trường nhà đất, khi đó các ngân hàng dễ dàng cho vay nhiều hơn vào lĩnh vực này. Mặc khác khi các ngân hàng nắm giữ một tài sản thế chấp gia tăng hơn giá trị khoản vay thì họ càng có xu hướng hạ chuẩn để gia tăng tín dụng. 
 
3. Mô hình và phương pháp nghiên cứu
 
3.1. Dữ liệu nghiên cứu
 
Dữ liệu nghiên cứu được thu thập từ báo cáo tài chính kiểm toán hợp nhất vào thời điểm cuối năm của các NHTM Việt Nam. Đây là bộ dữ liệu bảng, kết hợp giữa dữ liệu theo không gian (số liệu chéo) bao gồm các quan sát trên 35 NHTM Việt Nam ở cùng một thời điểm và dữ liệu theo thời gian bao gồm các quan sát trên một NHTM Việt Nam tại nhiều thời điểm từ năm 2012 đến năm 2020. Đây là dữ liệu bảng không cân đối vì trong giai đoạn này có những ngân hàng mới thành lập, có những ngân hàng được sáp nhập và có những ngân hàng không công bố báo cáo tài chính đầy đủ. Ngoài ra, các thông tin về yếu tố kinh tế vĩ mô được thu thập từ website của Tổng cục Thống kê Việt Nam.
 
3.2. Mô hình và giả thuyết nghiên cứu
 
RRTD được đo lường bằng nhiều nhóm chỉ tiêu khác nhau như nợ xấu, mức độ trích lập và sử dụng dự phòng RRTD. Do đó, nhóm tác giả sử dụng hai mô hình nghiên cứu như sau:
 
Mô hình 1:
 
NPLit= β0 + β1(RGDP)t + β2(INF)t + β3(MC)t + β4(RI)t + β5(ESI)t + β6(EXI)t + β7(SIZE)it + β8(ETA)it + β9(LG)it + β10(LDR)it + β11(ROA)it + β12(IIR)it + εit 
 
Mô hình 2:
 
LLPit = β0 + β1(RGDP)t + β2(INF)t + β3(MC)t + β4(RI)t + β5(ESI)t + β6(EXI)t + β7(SIZE)it + β8(ETA)it + β9(LG)it + β10(LDR)it + β11(ROA)it + β12(IIR)it + εit
 
Trong đó, các biến và giả thuyết nghiên cứu được thể hiện trong Bảng 1.
 


 
3.3. Phương pháp nghiên cứu
 
Với dữ liệu bảng, bài viết sử dụng các phương pháp phân tích thống kê mô tả, phân tích tương quan, phân tích hồi quy, ước lượng lần lượt các mô hình: mô hình hồi quy tuyến tính thông thường Pooled OLS, mô hình hình ảnh hưởng cố định FEM, mô hình ảnh hưởng ngẫu nhiên REM. Kết quả của mô hình được kiểm định và so sánh để tìm ra mô hình phù hợp nhất: Kiểm định Hausman, kiểm định T-test, kiểm định F-test, tính hệ số xác định R2 và hệ số xác định hiệu chỉnh R2, kiểm tra mức ý nghĩa của các hệ số hồi quy trong mô hình. 
 
4. Kết quả nghiên cứu
 
4.1. Thống kê mô tả
 
Các biến độc lập được sử dụng trong mô hình được tóm tắt đơn giản thông qua kết quả thống kê mô tả trong Bảng 2.
 

 
Trong giai đoạn nghiên cứu, tốc độ tăng trưởng tín dụng trung bình là 21,35% mỗi năm, cao nhất là 107,5% (VPBank trong năm 2018) và thấp nhất là -16,2% (Vietbank trong năm 2015). Đặc biệt, tỷ lệ dư nợ cho vay so với tổng nguồn vốn huy động thường rất cao, trung bình là 85,25%. Điều này cho thấy các NHTM đang lệ thuộc nhiều vào hoạt động tín dụng. Ngoài ra, khả năng sinh lời phân bổ khá dài từ -0,382% đến 2,86% cho thấy sự khác biệt lớn trong hiệu quả kinh doanh của các NHTM được khảo sát. 
 
4.2. Kết quả xử lý dữ liệu và mô hình hồi quy
 
Phân tích tương quan cho thấy hệ số tương quan với NPL và các biến độc lập dao động từ -0,9226 đến 0,6845; hệ số tương quan LLP và các biến độc lập dao động từ -0,9226 đến 0,7567. Mức tương quan này không quá cao (< 0,8), vì vậy, theo đánh giá sơ bộ, không có hiện tượng đa cộng tuyến.
 
Nhóm tác giả sử dụng kiểm định T-test để đánh giá hiện tượng phương sai thay đổi trong mô hình REM và xttest3 trong FEM. Kết quả thu được với Chibar-square (Chibar2) = 2037,19 và Prob>chi-square (chi2) = 0,0000 (mô hình 1); Chibar2 = 156,21và Prob>chi2 = 0,000 (mô hình 2), do đó, kết luận có hiện hượng phương sai thay đổi. Để khắc phục, tác giả sử dụng mô hình sai số chuẩn mạnh (Robust Standard errors), hay còn gọi là ước lượng sai số chuẩn vững.
 
Đối với mô hình 1, kết quả kiểm định F cho thấy, mô hình Pooled OLS là không thích hợp vì tác động cố định của mỗi NHTM Việt Nam (F = 0,00 và P-value = 0,000). Kiểm định Hausman để lựa chọn giữa FEM và REM cho thấy FEM là mô hình phù hợp cho nghiên cứu này vì Prob = 0,0003 < 0,05. Đối với mô hình 2, kết quả kiểm định F cho thấy, mô hình Pooled OLS là không thích hợp. Kiểm định Hausman cho thấy REM là mô hình phù hợp cho nghiên cứu này vì Prob = 0,9013 > 0,05.
 
Kết quả ước lượng của 2 mô hình như trong Bảng 3.
 

 
4.3. Thảo luận kết quả nghiên cứu
 
Với kết quả xử lý mô hình REM và FEM ở trên, các phát hiện chính của nghiên cứu này là:
 
Thứ nhất, biến vĩ mô “mức độ tăng trưởng thị trường BĐS” có tác động cùng chiều với cả hai biến đo lường RRTD (tỷ lệ nợ xấu và mức độ trích lập dự phòng) và đúng với giả thuyết được đưa ra. Biến tăng trưởng thị trường BĐS có tác động cùng chiều đến tỷ lệ nợ xấu và mức trích lập dự phòng RRTD với hệ số hồi quy lần lượt là 0,0005895 và 0,013. Kết quả này tương đồng với nghiên cứu của Lê Bá Trực (2018). Biến động thị trường BĐS có thể gây nên RRTD ngân hàng khi BĐS vừa là đối tượng cho vay vừa được dùng làm tài sản đảm bảo. Sự tăng trưởng của cho vay có mối quan hệ chặt chẽ với sự phát triển mạnh mẽ của thị trường nhà đất. Trong đó, giá trị tài sản thế chấp là BĐS trong các giao dịch cho vay là một yếu tố quan trọng. Khi thị trường BĐS tăng trưởng mạnh, các ngân hàng nắm giữ tài sản thế chấp là BĐS có niềm tin vững chắc hơn vào khả năng thu hồi nợ tốt nếu trong trường hợp xấu nhất phải bán tài sản bảo đảm. Hơn nữa, nhu cầu vay của các cá nhân để mua nhà, sửa nhà, đổi nhà cũng là một thị trường bán lẻ hết sức hấp dẫn. Các doanh nghiệp kinh doanh BĐS cũng dùng đòn bẩy tài chính từ các tổ chức tín dụng trong giai đoạn thị trường BĐS phát triển mạnh. Tuy vậy, điều này cũng có thể gây ra một số hệ lụy trong tương lai nếu NHTM quá quan tâm tới tài sản thế chấp khi ra quyết định cho vay. Việc thu hút dòng chảy vào thị trường BĐS ảnh hưởng đến tính thanh khoản trên thị trường tiền tệ. Khi thị trường đang trong giai đoạn phục hồi và phát triển, dòng tiền chảy mạnh vào thị trường BĐS. Dòng chảy này tạo áp lực lớn làm giá BĐS tăng lên nhanh chóng, tạo ra những cơn sốt đất trên thị trường. Song, khi thị trường nhà đất suy giảm, tính thanh khoản của sản phẩm đóng băng, các doanh nghiệp kinh doanh BĐS và người vay tiền mua nhà đất gặp khó khăn, hệ quả là để lại các khoản nợ xấu khổng lồ trong các NHTM. Thống kê mới đây của Fiin Ratings cho thấy, hệ số chi trả lãi vay của các doanh nghiệp BĐS phát hành trái phiếu trong năm 2020 giảm về mức 0,7 lần, tức lợi nhuận tạo ra không đủ trang trải lãi vay. Khả năng đáp ứng nghĩa vụ trả nợ của các doanh nghiệp này sẽ phụ thuộc lớn vào sự hồi phục của ngành BĐS nhà ở, trong khi đó, thị trường BĐS đang có hiện tượng nguồn cung mới thiếu hụt trầm trọng. Do vậy, yếu tố này cần được các NHTM đánh giá cẩn trọng và thường xuyên.
 
Thứ hai, lãi suất thực là biến vĩ mô tác động cùng chiều tới tỷ lệ nợ xấu của NHTM với hệ số hồi quy là 0,1904 theo mô hình FEM. Điều này giống với các nghiên cứu trước như Messai, & Jouini (2013), Lê Bá Trực (2015) và Nguyễn Thùy Dương & Trần Thị Thu Hương (2017). Lãi suất thực tăng làm chi phí các khoản vay của khách hàng tăng, đồng nghĩa với việc áp lực trả nợ tăng cao trong khi khả năng tài chính của khách hàng không thể đáp ứng kịp. Đây chính là nguyên nhân dẫn đến sự gia tăng của các khoản nợ xấu, nhất là trường hợp các khoản vay với lãi suất thả nổi. Vì lúc này, các khoản vay thả nổi chịu ảnh hưởng mạnh nhất từ lãi suất thực. Khi lãi suất thực tăng lên, khách hàng thường chọn lựa các dự án đầu tư có mức sinh lời cao hơn để đảm bảo trả lãi mà vẫn có lợi nhuận kỳ vọng, do vậy mức độ rủi ro trong cho vay tăng. Điều này cũng thể hiện xu hướng một số NHTM Việt Nam theo đuổi mục tiêu lợi nhuận cao khi tăng lãi suất thực lên thì phải chấp nhận mức rủi ro cao.
 
Thứ ba, biến động tỷ giá có tác động cùng chiều với dự phòng RRTD với hệ số hồi quy là 7.70E-08, điều này tương tự với kết quả nghiên cứu của Zribi, Nabila và cộng sự (2011), Castro, Vítor (2013) và Lê Bá Trực (2018). Tỷ giá có ảnh hưởng đến các doanh nghiệp nhập khẩu nguyên vật liệu và sản phẩm từ nước ngoài. Khi đồng nội tệ mất giá đồng nghĩa với việc chi phí đầu vào của các doanh nghiệp này tăng cao. Doanh nghiệp phải bỏ ra nhiều tiền hơn để nhập khẩu nguyên vật liệu. Chi phí tăng cao khiến lợi nhuận của doanh nghiệp giảm, ảnh hưởng đến khả năng trả nợ với ngân hàng. Trước tình hình đó, ngân hàng có thể gia tăng dự phòng RRTD để đề phòng rủi ro có thể xảy ra. Hơn nữa, biến động tỷ giá lớn tác động làm tăng RRTD theo hai cách: (i) Các doanh nghiệp, cá nhân vay vốn liên quan tới xuất nhập khẩu bị tác động, do đó rủi ro cho vay tăng; (ii) Ngân hàng huy động tiền gửi bằng ngoại tệ để chuyển đổi thành nội tệ, cho vay khách hàng, lãi suất cho vay tăng lên, khiến cho RRTD tăng.  
 
Thứ tư, biến vi mô có tác động ngược chiều đến RRTD là khả năng sinh lời trên tài sản. ROA của NHTM có tác động ngược chiều với tỷ lệ nợ xấu và mức trích lập dự phòng RRTD với hệ số hồi quy lần lượt là -0,0072396 và -0,0038186. Kết quả này ngược với nghiên cứu của Karimiyan và các cộng sự (2013) nhưng phù hợp với đa số các nghiên cứu trước như Dimitrios et al. (2012), Messai (2013) và Phạm Xuân Quỳnh & Trần Đức Tuấn (2019). ROA cho biết hiệu quả quản lý hoạt động kinh doanh của ngân hàng, ROA càng thấp tức khả năng sinh lời của ngân hàng đó càng kém. Ngân hàng có tỷ suất sinh lời thấp thường liên quan đến các kỹ năng kém trong chấm điểm tín dụng, thẩm định tài sản bảo đảm và cam kết giám sát khách hàng vay nợ, dẫn đến RRTD gia tăng. Khi ngân hàng tăng các khoản vay yếu kém, thu lãi giảm do nhiều khoản không thu hồi được. Bên cạnh đó, mức trích lập dự phòng RRTD nhiều hơn do chất lượng của danh mục khoản vay suy giảm. Ngược lại, NHTM có tỷ suất sinh lời cao, kiểm soát tốt nợ xấu hay kiểm soát tốt chi phí kinh doanh thì RRTD có xu hướng giảm.
 
Thứ năm, yếu tố vi mô có tác động cùng chiều đến RRTD là lãi suất cho vay danh nghĩa. Lãi suất cho vay danh nghĩa có tác động thuận chiều tới tỷ lệ nợ xấu với hệ số hồi quy là 0,1904405. Điều này giống với các nghiên cứu trước như Messai & Jouini (2013), Lê Bá Trực (2015) và Nguyễn Thùy Dương & Trần Thị Thu Hương (2017). Chính sách lãi suất cho vay của mỗi ngân hàng thể hiện mức độ chấp nhận rủi ro của ngân hàng. Trong bối cảnh thị trường còn nhiều khó khăn, các ngân hàng cho vay nhiều có thể gặp phải rủi ro cao, do đó phải trích lập dự phòng nhiều, điều này buộc họ phải tính toán lợi nhuận cao hơn bằng cách tăng lãi suất cho vay danh nghĩa để bù đắp các khoản rủi ro dự kiến. Lãi suất tăng làm chi phí các khoản vay của khách hàng tăng, đồng nghĩa với việc áp lực trả nợ tăng cao trong khi khả năng tài chính của khách hàng không thể đáp ứng kịp. Đây chính là nguyên nhân dẫn đến sự gia tăng của các khoản nợ xấu, nhất là trường hợp các khoản vay với lãi suất thả nổi. Vì lúc này, các khoản vay thả nổi chịu ảnh hưởng mạnh nhất từ lãi suất. 
 
Thứ sáu, nhiều biến vi mô của ngân hàng chưa có mối quan hệ rõ với RRTD như: quy mô tài sản, tỷ lệ đòn bẩy tài chính, tốc độ tăng trưởng tín dụng, tỷ lệ dư nợ/vốn huy động, giá trị vốn hóa thị trường của ngân hàng. Điều này cũng thể hiện đặc trưng của hệ thống NHTM Việt Nam là các chỉ số này không quá khác biệt, không có nhiều ngân hàng lớn, các ngân hàng dùng đòn bẩy tài chính tương tự nhau, trong khi tốc độ tăng trưởng tín dụng tối đa do Ngân hàng Nhà nước quyết định. Số lượng ngân hàng niêm yết trên sàn chứng khoán cũng không nhiều.  
 
Thứ bảy, các biến vĩ mô còn lại đều không có tác động tới RRTD của các NHTM Việt Nam, như tăng trưởng kinh tế, tỷ lệ lạm phát. Do vậy, nợ xấu và mức độ trích lập dự phòng RRTD tại Việt Nam phụ thuộc rất lớn vào các yếu tố thuộc về ngân hàng. Điều này cũng có thể được giải thích do các quan sát trong mẫu nghiên cứu đều chỉ tập trung ở Việt Nam mà không có các quốc gia khác. Do vậy, tất cả các NHTM Việt Nam đều chịu tác động tương tự như nhau từ các biến vĩ mô nêu trên. 
 
5. Một số khuyến nghị
 
Dựa trên kết quả nghiên cứu thực nghiệm về các yếu tố ảnh hưởng đến RRTD, nhóm tác giả khuyến nghị một số giải pháp cho các bên có liên quan như sau:
 
Một là, các NHTM Việt Nam nên kiểm soát chặt chẽ hơn tín dụng BĐS để tránh rủi ro nợ xấu, cần xây dựng hệ thống dự báo tốt cũng như hệ thống quản trị RRTD hiệu quả, tránh dựa quá nhiều vào tài sản đảm bảo là BĐS trong chính sách cho vay, đồng thời đánh giá thêm các yếu tố vi mô và vĩ mô có ảnh hưởng đến RRTD.
 
Hai là, các NHTM Việt Nam nên nâng cao khả năng sinh lời, thông qua việc mở rộng dịch vụ ngân hàng ngoài hoạt động đầu tư, tín dụng và kiểm soát tốt chi phí kinh doanh. Từ đó, NHTM có đủ tiềm lực áp dụng vận hành mô hình quản trị rủi ro hiệu quả, qua đó phòng, chống RRTD, đảm bảo an toàn hoạt động cho vay của mình. 
 
Ba là, các NHTM Việt Nam cần thận trọng khi cho vay đối với các đối tượng, lĩnh vực có mức lãi suất cao, không nên vì mục tiêu lợi nhuận mà nới lỏng các điều kiện tín dụng, rút ngắn các thủ tục, quy định nội bộ của ngân hàng, hạ thấp các điều kiện để đảm bảo an toàn vốn.
 
Bốn là, các cơ quan liên quan cần tăng cường cải thiện tính minh bạch của thị trường BĐS bằng cách hoàn thiện xây dựng các chỉ số giá, tăng cường phân tích nhu cầu nhà ở, theo dõi nguồn cung trên thị trường, tiếp tục cơ cấu thị trường, các dự án và cơ cấu lại các sản phẩm BĐS để các sản phẩm đến với mọi người, phù hợp với nhu cầu thực và khả năng chi trả.


TÀI LIỆU THAM KHẢO:
 
1. Das, Abhiman and Ghosh, Saibal (2007): Determinants of Credit Risk in Indian State-owned Banks: An Empirical Investigation. Published in: Economic Issues, Vol. 12, No. 2 (September 2007): pp. 48-66.
 
2. Dimitrios, Louisz & Vouldis, Angelos & Metaxas, Vasilios. (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 & Finance. 36. 10.2139/ssrn.1703026.
 
3. Foos, Daniel., Lars Norden, & Martin Weber 2010, Loan growth and riskiness of banks, Journal of banking and finance, (34), 217-228.
 
4. Jabra, Wiem Ben, Zouheir Mighri & Faysal Mansouri | David McMillan (Reviewing Editor) (2017) Determinants of European bank risk during financial crisis, Cogent Economics & Finance, 5:1.
 
5. Lê Bá Trực (2015), Yếu tố quyết định RRTD tại các NHTM Việt Nam,  Tạp chí Thị trường tài chính tiền tệ số 6 (423), tr25
 
6. Lê Bá Trực (2018), Những yếu tố ảnh hưởng đến quản lý RRTD trong hệ thống NHTM Việt Nam, Trường Đại học Kinh tế Tp. Hồ Chí Minh.
 
7. Messai, Ahlem Selma, & Fathi Jouini (2013), Micro and Macro Determinants of Non-performing Loan, International Journal of Economics and Financial Issues, Econjournals, 3(4), 852-860.
 
8. Nguyễn Thị Gấm (2018), Quản trị RRTD đối với doanh nghiệp tại các NHTM Việt Nam. Luận án tiến sĩ. Trường Đại học Kinh tế Quốc dân. 
 
9. Ngân hàng Nhà nước (2017), Lịch sử Ngân hàng Việt Nam 1951-2016. Nhà xuất bản Lao Động. Hà Nội.
 
10. Ôn Quỳnh Như (2017), Các yếu tố ảnh hưởng đến RRTD tại các NHTM cổ phần Việt Nam, Luận án tiến sĩ. Trường Đại học Kinh tế Tp. Hồ Chí Minh.
 
11. Phạm Xuân Quỳnh & Trần Đức Tuấn (2019), Rủi ro từ tăng trưởng tín dụng của các NHTM Việt Nam, Tạp chí Kinh tế và Ngân hàng châu Á, số 158, tháng 05/2019.
 
12. Salas, V and J. Saurina (2002), Credit risk in two institutional regimes: Spanish commercial and savings banks, Journal of Financial Services Research, 22, 203-224.
 
13. Vítor, Castro, (2013), Macroeconomic Determinants of the Credit Risk in the Banking System: The Case of the GIPSI. Economic Modelling. 31. 672–683. 10.1016/j.econmod.2013.01.027. 
 
14. Zribi, Nabila & Boujelbène, Younes. (2011), The factors influencing bank credit risk: The case of Tunisia. J. Account. Tax. 3. 


PGS., TS. Lê Thanh Tâm, Đoàn Minh Ngọc (Đại học Kinh tế Quốc dân)
 
Bùi Thu Giang (Ngân hàng TMCP Quân đội)

Bình luận Ý kiến của bạn sẽ được kiểm duyệt trước khi đăng. Vui lòng gõ tiếng Việt có dấu
Đóng lại ok
Bình luận của bạn chờ kiểm duyệt từ Ban biên tập
Thực trạng và thách thức của chuyển đổi số: Khảo sát người dùng và các ngân hàng thương mại Việt Nam
Thực trạng và thách thức của chuyển đổi số: Khảo sát người dùng và các ngân hàng thương mại Việt Nam
29/07/2022 369 lượt xem
Bài viết nằm trong chuỗi nghiên cứu của Viện Nghiên cứu Phát triển Công nghệ Ngân hàng, Đại học Kinh tế - Luật, Đại học Quốc gia Thành phố Hồ Chí Minh về ngân hàng số được thực hiện vào năm 2021 với hai đối tượng chính là khách hàng đã sử dụng ngân hàng số và các cán bộ ngân hàng làm công tác quản lý, điều hành trực tiếp mảng chuyển đổi số của ngân hàng.
Xây dựng SOC tự động, thông minh với Cortex XSOAR
Xây dựng SOC tự động, thông minh với Cortex XSOAR
28/07/2022 262 lượt xem
Thông thường, thuật ngữ “Học máy” thường được nhắc đến với các tiềm năng ứng dụng rất rộng lớn, tuy nhiên cũng bị nghi ngờ vì khả năng áp dụng trong thực tế.
Công nghệ số và mô hình hoạt động của các ngân hàng trong tương lai
Công nghệ số và mô hình hoạt động của các ngân hàng trong tương lai
25/07/2022 368 lượt xem
Mô hình hoạt động là mô tả trừu tượng về cách một tổ chức hoạt động theo các quy trình, tổ chức và các miền công nghệ để hoàn thành chức năng của mình (De Vries và cộng sự, 2011).
Chuyển đổi số - Hướng đi chiến lược giúp ngân hàng cạnh tranh hiệu quả và phát triển bền vững trong kỷ nguyên 4.0
Chuyển đổi số - Hướng đi chiến lược giúp ngân hàng cạnh tranh hiệu quả và phát triển bền vững trong kỷ nguyên 4.0
20/07/2022 392 lượt xem
Trong thời đại Cách mạng công nghiệp lần thứ tư (CMCN 4.0), xu hướng số hóa tác động sâu rộng tới hầu hết các ngành nghề, lĩnh vực và bối cảnh dịch Covid-19 đặt ra yêu cầu người dân, doanh nghiệp, ngân hàng phải chuyển dịch mạnh sang giao tiếp qua kênh số, do đó, các ngân hàng Việt Nam đứng trước những cơ hội và thách thức lớn từ bối cảnh mới này.
Đảm bảo an ninh, an toàn thông tin trong hoạt động ngân hàng
Đảm bảo an ninh, an toàn thông tin trong hoạt động ngân hàng
13/07/2022 610 lượt xem
Không tấn công được các hệ thống thông tin của ngân hàng, tội phạm đã gia tăng tấn công vào đối tượng dễ bị tổn thương hơn là khách hàng của ngân hàng bằng phương thức, thủ đoạn tấn công lừa đảo qua các tin nhắn, website giả mạo để đánh cắp tiền.
Nghiên cứu ứng dụng các tính năng của chíp điện tử trên thẻ căn cước công dân vào các lĩnh vực tài chính, ngân hàng
Nghiên cứu ứng dụng các tính năng của chíp điện tử trên thẻ căn cước công dân vào các lĩnh vực tài chính, ngân hàng
12/07/2022 535 lượt xem
Tại Quyết định số 06/QĐ-TTg ngày 06/01/2022 của Thủ tướng Chính phủ phê duyệt Đề án phát triển ứng dụng dữ liệu về dân cư, định danh và xác thực điện tử phục vụ chuyển đổi số quốc gia giai đoạn 2022 - 2025, tầm nhìn đến năm 2030 (Quyết định số 06) đã đặt ra mục tiêu nghiên cứu, triển khai rộng rãi việc ứng dụng các tính năng của chíp điện tử trên thẻ căn cước công dân (CCCD) vào các lĩnh vực tài chính, hoạt động ngân hàng (mở tài khoản, nhận biết khách hàng, thanh toán, cho vay, ví điện tử...).
Tạo các trung tâm điều hành an ninh thông minh: Những trường hợp sử dụng máy học hàng đầu của Cortex XSOAR
Tạo các trung tâm điều hành an ninh thông minh: Những trường hợp sử dụng máy học hàng đầu của Cortex XSOAR
11/07/2022 469 lượt xem
Máy học là một nền tảng điều phối, tự động hóa và phản hồi bảo mật (SOAR) được xây dựng từ đầu với nền tảng máy học, Cortex® XSOAR mang đến cho khách hàng những lợi ích có thể kiểm chứng được ở các trung tâm điều hành an ninh (các SOC) của mình trên các khu vực địa lý, mức độ trưởng thành và phạm vi hoạt động. Khả năng máy học của Cortex XSOAR giúp tăng năng suất phản hồi, đẩy nhanh quá trình phát triển playbook (kịch bản xử lý) và cho phép các hoạt động bảo mật tinh gọn hơn, hiệu quả hơn.
Ngành Ngân hàng Việt Nam chuyển đổi số để chủ động thích ứng và phát triển bền vững
Ngành Ngân hàng Việt Nam chuyển đổi số để chủ động thích ứng và phát triển bền vững
06/07/2022 646 lượt xem
Cách mạng công nghiệp lần thứ tư (CMCN 4.0) đã và đang tác động sâu rộng đến tất cả các ngành, lĩnh vực, các mặt đời sống xã hội.
Các thuật ngữ mạng 5G - Nền tảng công nghệ di động mới
Các thuật ngữ mạng 5G - Nền tảng công nghệ di động mới
22/06/2022 652 lượt xem
Thời đại Internet vạn vật (Internet of Things - IoT) đang dần ảnh hưởng đến mọi lĩnh vực trong cuộc sống của con người. Các thiết bị như đồng hồ thông minh, vòng đeo tay theo dõi sức khỏe, thiết bị cảm biến trên xe hơi, kính thông minh cho đến các cảm biến giám sát 24/7... là những thiết bị đòi hỏi tính tương tác cao thông qua Internet để kết nối được duy trì liên tục, liền mạch và truyền tải một khối lượng lớn dữ liệu.
Kiểm tra và phát hiện lỗ hổng bảo mật Website với Acunetix
Kiểm tra và phát hiện lỗ hổng bảo mật Website với Acunetix
20/06/2022 592 lượt xem
Trong thời đại công nghệ số phát triển mạnh mẽ trên toàn cầu hiện nay, bảo mật nói chung và bảo mật Website của doanh nghiệp nói riêng là điều rất cần thiết và không thể xem nhẹ. Acunetix là phần mềm quét lỗ hổng Website hiệu quả nhất hiện nay và đặc biệt hiệu quả đối với việc quét các lỗ hổng như SQL Injection, Cross Site Scripting (XSS)...
Hồ dữ liệu cho ngân hàng số
Hồ dữ liệu cho ngân hàng số
18/06/2022 1.396 lượt xem
Ngân hàng số là một hình thức ngân hàng số hóa tất cả những hoạt động và dịch vụ ngân hàng truyền thống. Nghiên cứu thị trường cho thấy, ngân hàng số đã bước sang giai đoạn sử dụng dữ liệu với bất kể cấu trúc nào cho dù tốc độ tăng trưởng hay sự đa dạng của dữ liệu ngày càng lớn.
Chuyển đổi số - Giải pháp phát triển doanh nghiệp trong cuộc Cách mạng công nghiệp lần thứ tư
Chuyển đổi số - Giải pháp phát triển doanh nghiệp trong cuộc Cách mạng công nghiệp lần thứ tư
18/06/2022 3.130 lượt xem
Trong một vài năm trở lại đây, cùng với cuộc Cách mạng công nghiệp lần thứ tư (CMCN 4.0), chuyển đổi số (digital transformation) là từ khóa được nhắc đến nhiều nhất. Để thành công trong cuộc CMCN 4.0 và để tránh bị tụt hậu, các quốc gia phải thực hiện chuyển đổi số, đặc biệt là chuyển đổi số cho các doanh nghiệp.
Trí tuệ nhân tạo trong hệ thống bán lẻ - Cơ hội và thách thức
Trí tuệ nhân tạo trong hệ thống bán lẻ - Cơ hội và thách thức
17/06/2022 580 lượt xem
Trong môi trường kinh doanh siêu kết nối ngày nay, các tổ chức buộc phải sử dụng các hệ thống, cơ chế và công cụ cho phép họ đạt được lợi thế cạnh tranh. Với nhiều ứng dụng đa dạng, AI được coi là đột phá và mang tính cách mạng vì nó cho phép mô phỏng trí thông minh của con người, thay thế con người trong các nhiệm vụ phức tạp.
Chuyển đổi số - động lực lan tỏa chính sách bảo hiểm tiền gửi
Chuyển đổi số - động lực lan tỏa chính sách bảo hiểm tiền gửi
30/05/2022 890 lượt xem
Chuyển đổi số là một xu hướng tất yếu trong cuộc Cách mạng công nghiệp lần thứ tư. Đặc biệt, trong bối cảnh đại dịch Covid-19 hoành hành ảnh hưởng tới các hoạt động sản xuất, kinh doanh, giao tế… thì “chuyển đổi số” là từ khóa thường xuyên được nhắc tới.
Ngày không tiền mặt: Dấu mốc của kỷ nguyên thanh toán không dùng tiền mặt
Ngày không tiền mặt: Dấu mốc của kỷ nguyên thanh toán không dùng tiền mặt
26/05/2022 1.379 lượt xem
Hướng tới xã hội không tiền mặt là xu hướng phát triển tất yếu trên thế giới, nhất là trong bối cảnh cuộc Cách mạng công nghiệp lần thứ tư đang diễn ra mạnh mẽ.
Giá vàngXem chi tiết

GIÁ VÀNG - XEM THEO NGÀY

Khu vực

Mua vào

Bán ra

HÀ NỘI

Vàng SJC 1L

66.300

67.320

TP.HỒ CHÍ MINH

Vàng SJC 1L

66.300

67.300

Vàng SJC 5c

66.300

67.320

Vàng nhẫn 9999

52.500

53.400

Vàng nữ trang 9999

52.400

53.000


Ngoại tệXem chi tiết
TỶ GIÁ - XEM THEO NGÀY 
Ngân Hàng USD EUR GBP JPY
Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra
Vietcombank 23.220 23.530 26.488 27.866 31.023 32.318 204.16 214.87
BIDV 23.255 23.535 26.575 27.683 31.139 32.402 203.99 213.29
VietinBank 23.235 23.535 26.607 27.727 31.399 32.409 204.47 213.47
Agribank 23.250 23.525 26.787 27.493 31.334 32.117 205.87 211.70
Eximbank 23.270 23.500 26.871 27.398 31.480 32.096 206.75 210.81
ACB 23.270 23.800 26.814 27.429 31.401 31.993 206.11 211.05
Sacombank 23.270 23.830 26.953 27.513 31.568 32.084 206.29 212.66
Techcombank 23.249 23.535 26.643 27.863 31.118 32.281 205.24 214.28
LienVietPostBank 23.225 23.540 26.875 27.928 31.504 31.988 207.19 213.97
DongA Bank 23.300 23.550 26.930 27.410 31.560 32.110 203.80 210.30
(Cập nhật trong ngày)
Lãi SuấtXem chi tiết
TỶ GIÁ - XEM THEO NGÀY 
Ngân Hàng USD EUR GBP JPY
Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra
Vietcombank 23.220 23.530 26.488 27.866 31.023 32.318 204.16 214.87
BIDV 23.255 23.535 26.575 27.683 31.139 32.402 203.99 213.29
VietinBank 23.235 23.535 26.607 27.727 31.399 32.409 204.47 213.47
Agribank 23.250 23.525 26.787 27.493 31.334 32.117 205.87 211.70
Eximbank 23.270 23.500 26.871 27.398 31.480 32.096 206.75 210.81
ACB 23.270 23.800 26.814 27.429 31.401 31.993 206.11 211.05
Sacombank 23.270 23.830 26.953 27.513 31.568 32.084 206.29 212.66
Techcombank 23.249 23.535 26.643 27.863 31.118 32.281 205.24 214.28
LienVietPostBank 23.225 23.540 26.875 27.928 31.504 31.988 207.19 213.97
DongA Bank 23.300 23.550 26.930 27.410 31.560 32.110 203.80 210.30
(Cập nhật trong ngày)
Liên kết website
Bình chọn trực tuyến
Nội dung website có hữu ích với bạn không?