Đánh giá sức khỏe tài chính các ngân hàng Việt Nam theo phương pháp phân tích cụm
18/11/2024 11:30 1.074 lượt xem
Tóm tắt: Nghiên cứu này sử dụng phương pháp phân tích thành phần chính (Principal Component Analysis - PCA) và phân tích cụm (Cluster Analysis) để đánh giá sức khỏe tài chính của 29 ngân hàng thương mại cổ phần (NHTMCP)  tại Việt Nam trong giai đoạn 2007 - 2023. Kết quả phân tích cho thấy, từ năm 2007, hệ thống ngân hàng Việt Nam chia thành 3 nhóm tương ứng với mức độ lành mạnh từ cao đến thấp. Trong đó, nhóm 1 có độ lành mạnh tài chính cao nhất, xét cả giai đoạn 2017 - 2023, có 3 ngân hàng góp mặt trong nhóm 1. Nhóm 2 có số lượng các ngân hàng góp mặt nhiều nhất, chủ yếu là các ngân hàng thuộc nhóm có tầm quan trọng trong hệ thống (SIB). Nếu tính cả giai đoạn 2007 - 2023, có đến 14 ngân hàng góp mặt trong nhóm này, chiếm khoảng 48%. Cuối cùng, trong giai đoạn 2007 - 2023 có 12 ngân hàng trong nhóm 3, chiếm khoảng 41% cho cả giai đoạn. Từ kết quả nghiên cứu, bài viết đề xuất một số khuyến nghị chính sách đến các cơ quan quản lý và giám sát hệ thống ngân hàng. 
 
Từ khóa: Sức khỏe tài chính, phân tích cụm, NHTM.
 
ASSESSING THE FINANCIAL SOUNDNESS OF VIETNAMESE COMMERCIAL BANKS
USING THE CLUSTER ANALYSIS METHOD

Abstract: This study employs principal component analysis method and cluster analysis method to assess the financial soundness of 29 joint-stock commercial banks in Vietnam during the 2007 - 2023 period. The analysis results indicate that since 2007, the Vietnamese banking system has been divided into three groups, corresponding to the levels of financial soundness from highest to lowest. Group 1 consists of banks with the highest financial soundness, however, over the entire period, only 3 banks consistently remained in group 1. Group 2, which includes the majority of banks considered important in the system, had the most members. Over the 2007 - 2023 period, 14 banks were included in this group, accounting for approximately 48%. Lastly, 12 banks were placed in group 3 during the 2007 - 2023 period, representing about 41% of the total. Based on the study’s findings, the authors propose several policy recommendations for regulatory and supervisory authorities in the banking system.
 
Keywords: Financial soundness, cluster analysis, commercial bank.
 
1. Giới thiệu
 
Sức khỏe tài chính của các ngân hàng rất quan trọng đối với nền kinh tế. Cuộc khủng hoảng kinh tế toàn cầu năm 2008 xảy ra do sự phá sản hàng loạt của các ngân hàng. Theo Afroj (2022); Cihak (2007); Salina và cộng sự (2021), sự lành mạnh tài chính của một ngân hàng là một điều kiện khi các chỉ số tài chính như an toàn vốn, chất lượng tài sản, thanh khoản và hiệu quả của ngân hàng nằm trong một giới hạn nhất định để bảo đảm ngân hàng có thể tồn tại khi gặp phải các cú sốc tiêu cực. Không bảo đảm được những tiêu chuẩn này sẽ chuyển một ngân hàng từ trạng thái lành mạnh sang trạng thái không lành mạnh. Các chỉ số tài chính này thay đổi liên tục do ảnh hưởng của những điều kiện chính trị, kinh tế, xã hội và tài chính của mỗi quốc gia. Do đó, việc đánh giá sức khỏe tài chính của các ngân hàng là rất quan trọng đối với từng quốc gia. 
 
Nghiên cứu về mức độ lành mạnh tài chính của các ngân hàng: (1) Cấp độ vĩ mô rất đa dạng, có Gaganis và cộng sự (2006); Ioannidis và cộng sự (2010); Fernandez Arias và cộng sự (2018); Bitetto và cộng sự (2023); (2) Ở cấp độ vi mô có Rahman (2017); Mittal và Mittal (2017); Ouma và Kirori (2019); Seyedi và Abdoli (2019); Suresh và cộng sự (2019); Afroj (2022). Các nghiên cứu sử dụng mẫu của nhiều quốc gia có thể cung cấp một số chuẩn mực quốc tế về tình hình tài chính của các ngân hàng, nhưng nghiên cứu này chưa cho thấy những khác biệt quan trọng giữa các ngân hàng ở từng quốc gia do có sự khác biệt về mức độ phát triển tài chính của các quốc gia khác nhau trong mẫu nghiên cứu. Do đó, các nghiên cứu sử dụng mẫu nhiều quốc gia có thể không cung cấp đầy đủ thông tin hữu ích cho các cơ quan giám sát và quản lý về tình hình sức khỏe tài chính của ngân hàng ở quốc gia mình. Do đó, nghiên cứu này đánh giá mức độ lành mạnh tài chính của các ngân hàng Việt Nam bằng cách kết hợp phân tích thành phần chính và phân tích cụm.
 
Trong 5 năm gần đây, đại dịch Covid-19; tình hình khó khăn của kinh tế thế giới và trong nước đã ảnh hưởng đến chất lượng tài sản của các ngân hàng Việt Nam, thể hiện qua sự gia tăng của tỉ lệ nợ xấu nội bảng từ mức 1,6% trong năm 2019 lên mức 4,55% trong năm 2023. Đến hết quý 2/2024, nợ xấu của hệ thống ngân hàng tăng 5,77% so với cuối năm 2023 với tỉ lệ nợ xấu nội bảng là 4,56%. Nghiên cứu này sử dụng phương pháp kết hợp giữa phân tích thành phần chính và phân tích cụm để đánh giá sức khỏe tài chính của các ngân hàng tại Việt Nam. Phương pháp này có thể cung cấp một số tín hiệu cảnh báo sớm cho các cơ quan giám sát và quản lý để dự báo mức độ lành mạnh của ngân hàng. 
 
2. Tổng quan các nghiên cứu đánh giá sức khỏe tài chính của ngân hàng 
 
Hệ thống ngân hàng đóng vai trò quan trọng trong tăng trưởng của các quốc gia (Demirguc-Kunt và cộng sự, 2011; Fulford, 2015). Do vậy, sức khỏe tài chính của ngân hàng thu hút sự quan tâm của các cơ quan quản lý và nhà nghiên cứu. Sức khỏe tài chính của các ngân hàng thường đo lường thông qua một số nhóm chỉ tiêu chính như tỉ lệ sinh lời, chất lượng tài sản, tỉ lệ thanh khoản, tỉ lệ chi phí và nhiều chỉ số tài chính khác (Hanif và cộng sự, 2012; Harahap, 2018). Trong đó, các nhóm chỉ tiêu theo khung CAMELS là một công cụ hiệu quả để đánh giá sức khỏe tài chính và hiệu quả hoạt động của các ngân hàng (Mohammed và cộng sự, 2015; Rafiq, 2016; Pekkaya và Demir, 2018; Todorović và cộng sự, 2018). Cụ thể, Jaffar và Manarvi (2011) so sánh hiệu quả hoạt động của các ngân hàng hồi giáo và ngân hàng thông thường bằng cách sử dụng khung CAMELS và họ nhận thấy rằng, các ngân hàng hồi giáo có thanh khoản tốt hơn trong khi các ngân hàng truyền thống có hoạt động quản lý hiệu quả hơn. Tương tự, Sun và cộng sự (2017) cho thấy mức độ an toàn vốn và hiệu quả quản lý có tác động đáng kể đến tình hình hoạt động của các ngân hàng. Gần đây, Nguyễn và cộng sự (2020) trong nghiên cứu về hiệu quả hoạt động của các ngân hàng tại Việt Nam nhận thấy rằng, hiệu quả hoạt động của tất cả ngân hàng đều bị ảnh hưởng đáng kể bởi các thành phần CAMELS ngoại trừ khả năng sinh lời. Ping và Kusairi (2020) đã đo lường hiệu quả hoạt động của ngân hàng bằng tỉ suất sinh lời trên tài sản và sau đó sử dụng các thành phần CAMELS làm yếu tố quyết định đến hiệu quả hoạt động. Họ cũng cho thấy an toàn vốn và khả năng sinh lời có tác động tích cực, trong khi các yếu tố còn lại có tác động tiêu cực đến kết quả hoạt động ngân hàng.
 
Ngoài ra, các chỉ tiêu CAMELS còn được sử dụng để đánh giá sức khỏe tài chính ngân hàng thông qua chỉ số lành mạnh tài chính tổng hợp. Cụ thể, Öğüt và cộng sự (2012); Mashhadi và cộng sự (2022) đã tính toán chỉ số tổng hợp CAMELS để đánh giá mức độ lành mạnh tài chính của các ngân hàng. Afroj (2022) sử dụng các chỉ tiêu của khung CAMEL để đo lường chỉ số lành mạnh tài chính tổng hợp của các ngân hàng ở Bangladesh và phân tích các nhân tố ảnh hưởng đến chỉ số này. 
 
Để tính chỉ số lành mạnh tài chính tổng hợp của ngân hàng, nhiều nghiên cứu sử dụng phương pháp phân tích nhân tố. Phân tích nhân tố có thể được sử dụng để hiểu rõ hơn về cấu trúc của các chỉ số CAMELS (Dash, 2021). Phân tích thành phần chính là phép trích được sử dụng phổ biến trong phân tích nhân tố. Phân tích thành phần chính được sử dụng để tóm tắt thông tin từ nhiều biến số bằng cách chuyển đổi chúng thành một tập hợp các thành phần chính không tương quan với nhau (Jolliffe, 2002). Yildirim (2021) đã áp dụng phương pháp phân tích thành phần chính trên số liệu đã được chuẩn hóa để đo lường sự lành mạnh tài chính của các ngân hàng. Phân tích thành phần chính cũng được Bitetto và cộng sự (2023) sử dụng để phân tích chỉ số lành mạnh tài chính tổng hợp của các định chế tài chính ở cấp độ quốc gia từ dữ liệu 17 chỉ số lành mạnh tài chính quốc gia của IMF.  
 
Ngoài việc sử dụng phương pháp phân tích thành phần chính để tính các chỉ số lành mạnh tài chính tổng hợp, phương pháp phân tích cụm cũng được áp dụng để đánh giá sự lành mạnh của ngân hàng (Ioannidis và cộng sự, 2010). Theo Salina và cộng sự (2021), phân tích cụm thường được sử dụng khi dữ liệu là dạng ma trận gần nhau hoặc khoảng cách giữa các đối tượng hoặc điểm dữ liệu nằm trong không gian đa chiều. Salina (2017) cũng cho rằng, sử dụng phương pháp phân tích cụm để đánh giá mức độ lành mạnh của ngân hàng mang lại hiệu quả cao, ngay cả khi số mẫu nhỏ, không đạt phân phối chuẩn hay các phương pháp phân tích khác không xử lý được. Kết quả nghiên cứu của Cecchetti và cộng sự (2009) cũng nhận định, phương pháp phân tích cụm sẽ phân loại các ngân hàng có đặc điểm tương đồng nhau thành các cụm riêng biệt bằng cách làm tăng sự khác biệt giữa các cụm và giảm sự khác biệt trong cụm. Một số nghiên cứu khác cũng sử dụng phân tích cụm trong lĩnh vực tài chính, ngân hàng. Cụ thể, Dao và Khanh (2014), Penikas và cộng sự (2011), Shuai và cộng sự (2013) sử dụng phân tích cụm trong quản lý rủi ro. Trong khi đó, Zamini và Montazer (2018), Huang và cộng sự (2024) sử dụng phân tích cụm để phát hiện gian lận tài chính. 
 
3. Dữ liệu và phương pháp nghiên cứu
 
Dữ liệu của nghiên cứu này bao gồm 29 NHTMCP  tại Việt Nam (gồm 3 NHTMCP  có vốn nhà nước giữ cổ phần chi phối). Dữ liệu được thu thập từ báo cáo tài chính đã kiểm toán hằng năm của các ngân hàng trong giai đoạn 2007 - 2023. Toàn bộ tập dữ liệu bao gồm 471 quan sát của 17 chỉ số tài chính được lựa chọn dựa trên các nghiên cứu có liên quan trước đây. Các chỉ số tài chính này phản ánh theo khung CAMELS với 6 nhóm chỉ tiêu gồm: (1) C - An toàn vốn; (2) A - Chất lượng tài sản; (3) M - Quản lý; (4) E - Sinh lời; (5) L - Thanh khoản; và (6) S - Độ nhạy với rủi ro thị trường (Bảng 1). Tuy nhiên, đối với chỉ tiêu độ nhạy với rủi ro thị trường, do hạn chế về mặt dữ liệu nên bài viết này sử dụng chỉ tiêu mức độ tập trung của tài sản và nguồn vốn của các ngân hàng làm chỉ tiêu thay thế.
 
Bảng 1: Các chỉ số đánh giá sức khỏe tài chính ngân hàng


Nguồn: Thu thập của nhóm tác giả
 
Trước khi thực hiện phân tích nhân tố khám phá (EFA), dữ liệu sẽ được chuẩn hóa theo phương pháp chuẩn hóa của Barron và Schmidt (1988) như sau:
 


Trong đó,  là giá trị đã chuẩn hóa của biến i năm t; Max(Ii) là giá trị tối đa của biến i trong mỗi năm;  Min(Ii) là giá trị tối thiểu của biến i trong mỗi năm. Giá trị sau chuẩn hóa sẽ dao động trong khoảng từ 0 đến 1.

 
Sau khi chuẩn hóa dữ liệu, nghiên cứu sử dụng phép trích thành phần chính thực hiện EFA nhằm xác định những chỉ số tài chính có ảnh hưởng đến sức khỏe tài chính của các ngân hàng. Sau đó, nghiên cứu còn sử dụng kỹ thuật phân tích cụm k-means để phân loại các ngân hàng theo 3 nhóm, gồm: Nhóm 1, nhóm 2 và nhóm 3 dựa trên điểm lành mạnh tài chính của mỗi ngân hàng trong từng năm và cho cả giai đoạn 2007 - 2023.
 
4. Kết quả nghiên cứu
 
4.1. Kết quả xếp hạng ngân hàng theo EFA
 
Kết quả tính toán ma trận xoay nhân tố cho thấy, nhân tố 1 chi phối 4 chỉ số (X15, X17, X16, X9), nhân tố 2 chi phối 4 chỉ số (X13, X3, X12, X14), nhân tố 3 chi phối 3 chỉ số (X7, X10, X11), nhân tố 4 chi phối 3 chỉ số (X2, X1, X8), và nhân tố 5 chi phối 3 chỉ số (X5, X4, X6). Các chỉ số được kết hợp thành 5 thành phần chính trình bày ở Bảng 2.
 
Bảng 2: Nhóm các chỉ số thành phần chính


Nguồn: Tính toán của nhóm tác giả

Kết quả tính toán ma trận điểm nhân tố được thể hiện ở Bảng 3. 
 
Bảng 3: Ma trận điểm nhân tố


Nguồn: Tính toán của nhóm tác giả
 
Từ kết quả trình bày ở Bảng 2 và 3, các f1, f2, f3, f4, và f5 được xác định như sau:
 
f1 = 0,054X1 + 0,113X2 – 0,018X3 + 0,057X4 + 0,028X5 – 0,017X6 + 0,155X7 + 0,010X8 + 0,078X9 – 0,028X10 – 0,041X11 + 0,005 X12 + 0,046X13 + 0,098X14 + 0,340X15 + 0,330X16 + 0,329X17. 
 
f2 = 0,017X1 – 0,095X2 + 0,291X3 – 0,014X4 + 0,056X5 + 0,000X6 – 0,028X7 – 0,052X8 – 0,050X9 + 0,002X10 – 0,009X11 + 0,218X12 – 0,307X13 – 0,315X14 – 0,065X15 – 0,031X16 – 0,047X17. 
 
f3 = – 0,053X1 – 0,079X2 – 0,037X3 + 0,126X4 – 0,051X5 – 0,023X6 + 0,074X7 + 0,329X8 – 0,071X9 + 0,328X10 + 0,368X11 + 0,016 X12 + 0,041X13 – 0,011X14 – 0,051X15 – 0,066X16 – 0,055X17. 
 
f4 = 0,438X1 + 0,516X2 – 0,002X3 – 0,144X4 + 0,020X5 + 0,019X6 + 0,018X7 + 0,17X8 – 0,115X9 + 0,003X10 – 0,195X11 + 0,132X12 + 0,024X13 + 0,214X14 + 0,123X15 + 0,131X16 + 0,105X17. 
 
f5 = 0,007X1 – 0,003X2 + 0,001X3 + 0,324X4 + 0,489X5 + 0,444X6 + 0,033X7 + 0,015X8 + 0,154X9 + 0,023X10 – 0,015X11 – 0,006X12 – 0,003X13 – 0,082X14 + 0,025X15 + 0,030X16 + 0,029X17. 
 
Tiếp theo, lần lượt thay các giá trị X1 đến X17 vào công thức tính f1 đến f5, ta được giá trị f1 đến f5 của từng ngân hàng trong giai đoạn 2007 - 2023. Sau đó, tính F cho các ngân hàng theo từng năm bằng công thức: 
 
F = d1f1 + d2f2 + d3f3 + d4f4 + d5f5.
 
Theo đó, ngân hàng có giá trị F càng cao thì mức độ lành mạnh tài chính càng lớn, với d là trọng số của từng f tương ứng hay bằng tỉ lệ đóng góp của từng nhân tố (d1 = 27,6%; d2 = 21,4%; d3 = 14,2%; d4 = 9,9%; d5 = 6,8%). 
 
4.2. Phân loại sức khỏe tài chính các ngân hàng theo phân tích cụm
 
Sau khi tính toán điểm lành mạnh tài chính tổng hợp và xếp hạng các ngân hàng, nghiên cứu này sẽ tiến hành phân tích cụm từ điểm lành mạnh tài chính tổng hợp đã tính ở trên. Phân tích cụm trong trường hợp này sẽ phân loại các ngân hàng thành những nhóm riêng biệt tùy theo mức độ lành mạnh tài chính của họ. Nghiên cứu này sử dụng phương pháp phân tích cụm k-means để xác định khoảng cách giữa các nhóm, được thực hiện cho từng năm cũng như cả giai đoạn 2007 - 2023. 
 
Bảng 4: Giá trị trung vị của các nhóm ngân hàng


Nguồn: Tính toán của nhóm tác giả
 
Giá trị trung vị của các nhóm ngân hàng được xác định và trình bày trong Bảng 4. Giá trị trung vị này tương ứng với giới hạn của điểm lành mạnh tài chính của mỗi nhóm ngân hàng. Bảng 4 cho thấy giá trị trung vị của độ lành mạnh tài chính của các nhóm là khác nhau. Cụ thể, nhóm 1 (màu xanh) có giá trị trung vị cao nhất thể hiện các ngân hàng trong nhóm này có độ lành mạnh tài chính cao nhất, cả giai đoạn 2007 - 2023 thì có 3 ngân hàng góp mặt trong nhóm 1, và 3 ngân hàng này đều thuộc nhóm NHTMCP vốn nhà nước giữ cổ phần chi phối: NHTMCP Đầu tư và Phát triển Việt Nam (mã chứng khoán BID), NHTMCP Công thương Việt Nam (mã chứng khoán CTG) và NHTMCP Ngoại thương Việt Nam (mã chứng khoán VCB). Các ngân hàng khác được xếp vào nhóm 1 trong một số năm như NHTMCP Á Châu (mã chứng khoán ACB) (năm 2019, 2022, 2023), NHTMCP Kiên Long (mã chứng khoán KLB) (năm 2007), NHTMCP Quân đội (mã chứng khoán MBB) (năm 2023), NHTMCP Phương Đông (mã chứng khoán OCB) (năm 2013), NHTMCP  Sài Gòn Công thương (mã chứng khoán SGB) (năm 2010, 2012 - 2017), NHTMCP Sài Gòn Thương Tín (mã chứng khoán STB) (năm 2013, 2014, 2021), NHTMCP Kỹ thương (mã chứng khoán TCB) (năm 2017, 2020, 2022, 2023). Đáng chú ý, NHTMCP Việt Nam Thịnh Vượng (mã chứng khoán VPB) là ngân hàng tư nhân trong nhóm ngân hàng có tầm quan trọng trong hệ thống duy nhất có mặt trong nhóm 1 trong khoảng thời gian khá dài từ 2016 - 2023.  
 
Nhóm 2 (màu vàng) có giá trị trung vị thấp hơn nhóm 1, tuy vậy, số lượng các ngân hàng góp mặt trong nhóm này là nhiều nhất, chủ yếu là các ngân hàng có tầm quan trọng trong hệ thống. Nếu tính cả giai đoạn 2007 - 2023, có đến 14 ngân hàng góp mặt trong nhóm này, chiếm khoảng 48%. Cuối cùng, có 12 ngân hàng trong nhóm 3, chiếm khoảng 41% trong cả giai đoạn 2007 - 2023. (Bảng 5)
 
Bảng 5: Kết quả phân cụm ngân hàng dựa trên điểm lành mạnh tài chính



Nguồn: Tính toán của nhóm tác giả
 

5. Kết luận và khuyến nghị chính sách
 
Bài nghiên cứu này sử dụng phương pháp phân tích thành phần chính và phân tích cụm để đánh giá sức khỏe tài chính của 29 NHTMCP  tại Việt Nam trong giai đoạn 2007 - 2023. Kết quả phân tích cho thấy, từ năm 2007, hệ thống ngân hàng Việt Nam chia thành 3 nhóm tương ứng với mức độ lành mạnh từ cao nhất đến thấp nhất. Trong đó, nhóm 1 có độ lành mạnh tài chính cao nhất. Nhóm 2 có số lượng các ngân hàng góp mặt là nhiều nhất, có đến 14 ngân hàng góp mặt, chiếm khoảng 48%. Cuối cùng, trong giai đoạn 2007 - 2023 có 12 ngân hàng trong nhóm 3, chiếm khoảng 41% cho cả giai đoạn. 
 
Dựa trên kết quả nghiên cứu, nhóm tác giả nêu một số khuyến nghị chính sách sau:
 
(i) Về phía các cơ quan quản lý
 
Một là, cơ quan quản lý có thể sử dụng phân tích cụm như một công cụ hỗ trợ giám sát hệ thống ngân hàng. 
 
Hai là, tăng cường giám sát và có những biện pháp hỗ trợ, can thiệp kịp thời đối với những ngân hàng liên tục xuất hiện trong nhóm 3. 
 
Ba là, các ngân hàng cần minh bạch, công bố thông tin tài chính theo định kỳ và đặc biệt là các chỉ số về lành mạnh tài chính để các nhà đầu tư và công chúng có thêm hiểu biết và đánh giá chính xác hơn về mức độ lành mạnh tài chính của từng ngân hàng.
 
(ii) Về phía ban lãnh đạo ngân hàng
 
Thứ nhất, ban lãnh đạo ngân hàng nên tiếp tục cải tiến hệ thống đánh giá nội bộ, các kỹ thuật hiện đại như học máy để dự báo mức độ lành mạnh tài chính trong tương lai, từ đó, có những biện pháp và hành động phù hợp.
 
Thứ hai, chú ý các chỉ số có tỉ trọng cao trong phương pháp phân tích thành phần chính cho thấy, các yếu tố như tổng tài sản, dư nợ cho vay, tổng tiền gửi, chi phí lãi, tài sản thanh khoản cao là những biến số quan trọng trong việc đánh giá sức khỏe tài chính của ngân hàng và cần được kiểm soát tốt.
 
TÀI LIỆU THAM KHẢO:
 
1. Afroj, F. (2022). Financial strength of banking sector in Bangladesh: a CAMEL framework analysis. Asian Journal of Economics and Banking, 6(3), pages 353-372.
2. Barron, H., & Schmidt, C. P. (1988). Sensitivity analysis of additive multiattribute value models. Operations Research, 36(1), pages 122-127.
3. Bitetto, A., Cerchiello, P., & Mertzanis, C. (2023). Measuring financial soundness around the world: A machine learning approach. International Review of Financial Analysis, page 85, 102451.
4. Cecchetti, S. G., Kohler, M., & Upper, C. (2009). Financial crises and economic activity (No. w15379). National Bureau of Economic Research.
5. Cihak, M. (2007). Systemic loss: a measure of financial stability. Czech Journal of Economics and Finance, Vol. 57 Nos 1-2, pages 5-26.
6. Dao, B., & Khanh, P. (2014). Cluster analysis of Vietnamese banks. Available at SSRN 2543094.
7. Dash, M. (2021). Dimensionality of the CAMELS Model-A Case Study of Indian Banks. International Journal of Banking, Risk & Insurance, 9(2).
8. Demirguc-Kunt, A., Feyen, E., & Levine, R. (2011). Optimal Financial Structures and Development: The evolving importance of banks and markets. World Bank, mimeo.
9. Fernandez-Arias, D., Lopez-Martın, M., Montero-Romero, T., Martınez-Estudillo, F. and Fernandez-Navarro, F. (2018). Financial soundness prediction using a multi-classification model: evidence from current financial crisis in OECD banks. Computational Economics, Vol. 52 No. 1, pages 275-297.
10. Fulford, S. L. (2015). How important are banks for development? National banks in the United States, 1870-1900. Review of Economics and Statistics, 97(5), pages 921-938.
11. Gaganis, C., Pasiouras, F. and Zopounidis, C. (2006). A multicriteria decision framework for measuring banks’ soundness around the world. Journal of Multi-Criteria Decision Analysis, Vol. 14 Nos 1-3, pages 103-111.
12. Hanif, M., Tariq, M., & Tahir, A. (2012). Comparative performance study of conventional and Islamic banking in Pakistan. International Research Journal of Finance & Economics, (83).
13. Harahap, I. M. (2018). Impact of bank performance on profitability. Scholars Journal of Economics, Business and Management, 5(8), pages 727-733.
14. Huang, Z., Zheng, H., Li, C., & Che, C. (2024). Application of machine learning-based k-means clustering for financial fraud detection. Academic Journal of Science and Technology, 10(1), pages 33-39.
15. Ioannidis, C., Pasiouras, F., & Zopounidis, C. (2010). Assessing bank soundness with classification techniques. Omega, 38(5), pages 345-357.
16. Jaffar, M., & Manarvi, I. (2011). Performance comparison of Islamic and Conventional banks in Pakistan. Global journal of management and business research, 11(1), pages 61-66.
17. Jolliffe, I. T. (2002). Principal Component Analysis (Springer Series in Statistics), Springer.
18. Mashhadi, R., Ghaffari, F., Hosseini, S. S., & Peykarjou, K. (2022). The Impact of “CAMEL Composite Index” on Income Diversification: A Case Study of the Iranian Banking System. Journal of Money and Economy, 17(2), pages 161-182. 
19. Mittal, S. and Mittal, M. (2017). Assessment of financial soundness of private and public sector banks in India. Research Review International Journal of Multidisciplinary, Vol. 2 No. 9, pages 
72-75.
20. Mohammed, H. K., Wetere, Y. M., & Bekelecha, M. S. (2015). Soundness of Ethiopian banks. International Journal of Finance & Banking Studies (2147-4486), 4(2), pages 29-37.
21. Nguyen, A. H., Nguyen, H. T., & Pham, H. T. (2020). Applying the CAMEL model to assess performance of commercial banks: empirical evidence from Vietnam. Banks and Bank Systems, 15(2), pages 177-186.
22. Öğüt, H., Doğanay, M. M., Ceylan, N. B., & Aktaş, R. (2012). Prediction of bank financial strength ratings: The case of Turkey. Economic Modelling, 29(3), pages 632-640.
23. Ouma, M.O. and Kirori, G.N. (2019). Evaluating the financial soundness of small and medium-sized commercial banks in Kenya: an application of the bankometer model. International Journal of Economics and Finance, Vol. 11 No. 6, pages 1-93.
24. Pekkaya, M., & Demir, F. E. (2018). Determining the priorities of CAMELS dimensions based on bank performance. Global approaches in financial economics, banking, and finance, pages 445-463.
25. Penikas, H., Andrievskaya, I., Connolly, R., & Aivazian, S. (2011). Modeling risk patterns of Russian systemically important financial institutions. Review of Applied Socio-Economic Research, 1(1), pages 70-80.
26. Ping, K. G., & Kusairi, S. (2020). Analysis of CAMEL components and commercial bank performance: panel data analysis. Jurnal Organisasi Dan Manajemen, 16(1), pages 1-10.
27. Rafiq, M. R. I. (2016). Determining Bank performance using CAMEL rating: A comparative study on selected Islamic and Conventional Banks in Bangladesh. Asian Business Review, 6(3), pages 151-160.
28. Rahman, Z. (2017). Financial soundness evaluation of selected commercial banks in Bangladesh: an application of bankometer model. Research Journal of Finance and Accounting. Vol. 8 No. 2, pages 63-70.
29. Salina, A. P. (2017). Financial soundness of Kazakhstan banks: analysis and prediction (Doctoral dissertation).
30. Salina, A. P., Zhang, X., & Hassan, O. A. (2021). An assessment of the financial soundness of the Kazakh banks. Asian journal of accounting research, 6(1), pages 23-37.
31. Seyedi, S.A. and Abdoli, M.R. (2019). Modeling and rating financial soundness indicators of commercial banks using confirmatory factor analysis and TOPSIS method. Iranian Journal of Finance, Vol. 3 No. 3, pages 107-136.
32. Shuai, L., Lai, H., Xu, C., & Zhou, Z. (2013). The discrimination method and empirical research of individual credit risk based on bilateral clustering.
33. Sun, P. H., Mohamad, S., & Ariff, M. (2017). Determinants driving bank performance: A comparison of two types of banks in the OIC. Pacific-Basin Finance Journal, 42, pages 193-203.
34. Suresh, N., Ligori, A., Khan, S. and Khan, S.A. (2019). Comparative financial performance and financial soundness of banks in Bhutan: application of Dupont and bankometer models. International Journal of Psychosocial Rehabilitation, Vol. 23 No. 1, pages 441-448.
35. Todorović, V., Furtula, S., & Durkalić, D. (2018). Measuring performance of the Serbian Banking sector using CAMELS model. Teme, pages 961-977.
36. Yıldırım, F. (2021). Banking Soundness Index for Turkey: The Principal Component Analysis Approach. Ekonomi Politika ve Finans Araştırmaları Dergisi, 6(3), pages 845-861.

Trần Hùng Sơn, Hồ Hữu Tín, Trần Thị Út Linh 
Trường Đại học Kinh tế - Luật, Đại học Quốc gia Thành phố Hồ Chí Minh

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
Mối quan hệ giữa mức độ thực hiện quy định thanh khoản ngân hàng theo Basel III với một số giải pháp và khuyến nghị
Mối quan hệ giữa mức độ thực hiện quy định thanh khoản ngân hàng theo Basel III với một số giải pháp và khuyến nghị
04/12/2024 08:38 163 lượt xem
Mục tiêu nghiên cứu trong bài viết này về mối quan hệ giữa mức độ thực hiện quy định thanh khoản ngân hàng theo Basel III với một số giải pháp theo phương pháp tiếp cận định lượng, trên cơ sở kết quả thu được, bài viết đưa ra một số khuyến nghị.
Hạch toán quyền rút vốn đặc biệt: Khuôn khổ, các yếu tố chính và một số biện pháp giải quyết vướng mắc hiện nay
Hạch toán quyền rút vốn đặc biệt: Khuôn khổ, các yếu tố chính và một số biện pháp giải quyết vướng mắc hiện nay
03/12/2024 08:26 159 lượt xem
Quyền rút vốn đặc biệt (SDR) là tài sản dự trữ quốc tế được Quỹ Tiền tệ quốc tế (International Monetary Fund - IMF) tạo ra nhằm bổ sung dự trữ chính thức của các quốc gia thành viên...
Tác động của quy mô hoạt động đến lợi nhuận của các ngân hàng thương mại Việt Nam
Tác động của quy mô hoạt động đến lợi nhuận của các ngân hàng thương mại Việt Nam
28/11/2024 08:54 532 lượt xem
Quy mô ngân hàng là một trong những yếu tố quan trọng để nâng cao năng lực cạnh tranh, cải thiện hiệu quả tài chính, đồng thời phản ánh năng lực, sức mạnh và vị thế của ngân hàng trên thị trường.
Hoán đổi nợ xanh: Cầu nối mới cho tài chính khí hậu và phát triển bền vững
Hoán đổi nợ xanh: Cầu nối mới cho tài chính khí hậu và phát triển bền vững
27/11/2024 11:42 448 lượt xem
Bài viết tập trung phân tích cơ chế hoạt động, lợi ích của hoán đổi nợ xanh, những thách thức và giải pháp để triển khai mô hình hoán đổi nợ lấy dự án xanh tại Việt Nam.
Cải thiện tín nhiệm doanh nghiệp nông nghiệp, hợp tác xã, trang trại và hộ nông dân trong thu hút vốn tín dụng chính sách, phát triển sản xuất, kinh doanh
Cải thiện tín nhiệm doanh nghiệp nông nghiệp, hợp tác xã, trang trại và hộ nông dân trong thu hút vốn tín dụng chính sách, phát triển sản xuất, kinh doanh
25/11/2024 09:52 458 lượt xem
Cải thiện tín nhiệm là một giải pháp căn cơ, dài hạn, không chỉ giúp doanh nghiệp nông nghiệp, hợp tác xã (HTX), trang trại và hộ nông dân tăng khả năng tiếp cận nguồn vốn tín dụng chính sách, mà còn nâng cao vị thế, uy tín của các tổ chức này với đối tác kinh doanh và những bên liên quan, góp phần phát triển sản xuất, kinh doanh bền vững.
Sự hài lòng trực tuyến trong ý định tiếp tục sử dụng ngân hàng điện tử tại Việt Nam
Sự hài lòng trực tuyến trong ý định tiếp tục sử dụng ngân hàng điện tử tại Việt Nam
19/11/2024 09:44 727 lượt xem
Sự phát triển nhanh chóng của các hệ thống điện tử và Internet đã tạo nên những thay đổi đáng kể trong việc cung ứng hàng hóa, dịch vụ nói chung, dịch vụ tài chính, ngân hàng nói riêng...
Tăng trưởng tín dụng đối với ngành nông nghiệp và những vấn đề đặt ra
Tăng trưởng tín dụng đối với ngành nông nghiệp và những vấn đề đặt ra
11/11/2024 08:25 938 lượt xem
Thông qua phân tích quy mô và biến động dư nợ tín dụng nông nghiệp giai đoạn 2014 - 2023, bài viết chỉ ra những kết quả tích cực và một số hạn chế trong tăng trưởng tín dụng của hệ thống ngân hàng đối với ngành sản xuất quan trọng này.
Bảo đảm chất lượng nguồn nhân lực tại ngân hàng thương mại: Thực trạng và một số giải pháp nâng cao hiệu quả
Bảo đảm chất lượng nguồn nhân lực tại ngân hàng thương mại: Thực trạng và một số giải pháp nâng cao hiệu quả
05/11/2024 08:10 1.110 lượt xem
Hiện nay, công tác bảo đảm chất lượng nguồn nhân lực được các NHTM chú trọng đầu tư phát triển, tuy nhiên, nguồn nhân lực của nhiều ngân hàng vẫn chưa thực sự đáp ứng yêu cầu về chất lượng, ảnh hưởng đến quá trình hoạt động của các ngân hàng.
Đánh giá khả năng huy động tiền gửi từ khách hàng của NHTM Việt Nam bằng mô hình định lượng
Đánh giá khả năng huy động tiền gửi từ khách hàng của NHTM Việt Nam bằng mô hình định lượng
04/11/2024 08:23 1.485 lượt xem
Nghiên cứu này nhằm chỉ ra mức độ tác động của các nhân tố ảnh hưởng đến khả năng huy động tiền gửi từ khách hàng thông qua phương pháp khảo sát và phân tích hồi quy dữ liệu của 37 NHTM Việt Nam.
Thúc đẩy chuyển đổi sang mô hình kinh tế tuần hoàn: Rào cản và gợi ý cho Việt Nam
Thúc đẩy chuyển đổi sang mô hình kinh tế tuần hoàn: Rào cản và gợi ý cho Việt Nam
31/10/2024 08:07 1.230 lượt xem
Biến đổi khí hậu trở thành rủi ro lớn nhất mà loài người đang phải gánh chịu (WEF, 2024). Trong bối cảnh đó, phát triển bền vững không còn là sự lựa chọn, mà gần như bắt buộc ở hầu hết các quốc gia trên toàn cầu. Để đạt được mục tiêu này, mô hình kinh tế tuần hoàn nổi lên như một công cụ quan trọng.
Việt Nam sau gần 30 năm hội nhập kinh tế quốc tế
Việt Nam sau gần 30 năm hội nhập kinh tế quốc tế
29/10/2024 15:02 6.390 lượt xem
Trong những năm qua, hội nhập kinh tế quốc tế đã trở thành động lực quan trọng thúc đẩy sự phát triển kinh tế đất nước. Vị thế và uy tín quốc tế của Việt Nam không ngừng được nâng lên, khẳng định vai trò tích cực và trách nhiệm trong việc duy trì hòa bình, hợp tác phát triển và thúc đẩy tiến bộ toàn cầu.
Kinh tế Việt Nam 9 tháng năm 2024 và một số đề xuất, khuyến nghị
Kinh tế Việt Nam 9 tháng năm 2024 và một số đề xuất, khuyến nghị
22/10/2024 14:35 9.500 lượt xem
Tình hình kinh tế Việt Nam trong tháng 9, quý III và 9 tháng năm 2024 tiếp tục xu hướng phục hồi tích cực, tháng sau tốt hơn tháng trước, quý sau cao hơn quý trước; tính chung 9 tháng năm 2024 đạt nhiều kết quả quan trọng, cao hơn cùng kỳ trên hầu hết các lĩnh vực.
Phát triển thị trường tài chính trong nền kinh tế số tại Việt Nam
Phát triển thị trường tài chính trong nền kinh tế số tại Việt Nam
21/10/2024 08:35 3.193 lượt xem
Kinh tế số là hoạt động kinh tế sử dụng công nghệ số và dữ liệu số làm yếu tố đầu vào chính, sử dụng môi trường số làm không gian hoạt động chính, sử dụng công nghệ thông tin - viễn thông để tăng năng suất lao động, đổi mới mô hình kinh doanh và tối ưu hóa cấu trúc nền kinh tế.
Tác động của tiền gửi đến hiệu quả tài chính các ngân hàng thương mại Việt Nam
Tác động của tiền gửi đến hiệu quả tài chính các ngân hàng thương mại Việt Nam
18/10/2024 08:05 2.668 lượt xem
Nghiên cứu này xem xét tác động của tiền gửi đến hiệu quả tài chính của các ngân hàng thương mại (NHTM) Việt Nam giai đoạn 2014 - 2023.
Thách thức và giải pháp tài chính trong phát triển nông nghiệp bền vững tại Việt Nam
Thách thức và giải pháp tài chính trong phát triển nông nghiệp bền vững tại Việt Nam
17/10/2024 08:45 2.308 lượt xem
Biến đổi khí hậu đang gây ra những tác động lớn đến đời sống và kinh tế toàn cầu, nông nghiệp tác động đến phát triển kinh tế - xã hội trên hai khía cạnh thích ứng với môi trường và tác động tiêu cực đến môi trường.
Giá vàngXem chi tiết

Giá vàng - Xem theo ngày

Khu vực

Mua vào

Bán ra

HÀ NỘI

Vàng SJC 1L

83,000

85,530

TP.HỒ CHÍ MINH

Vàng SJC 1L

83,000

85,530

Vàng SJC 5c

83,000

84,300

Vàng nhẫn 9999

83,000

84,400

Vàng nữ trang 9999

82,900

83,900


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 25,119 25,452 26,024 27,451 31,349 32,682 162.88 172.36
BIDV 25,150 25,452 26,239 27,449 31,768 32,705 163.84 171.75
VietinBank 25,166 25,452 26,259 27,459 31,843 32,853 165.32 173.07
Agribank 25,150 25,452 26,142 27,345 31,522 32,612 164.52 172.50
Eximbank 25,150 25,452 26,214 27,051 31,681 32,649 165.87 171.18
ACB 25,160 25,452 26,305 27,208 31,843 32,804 165.51 172.05
Sacombank 25,190 25,452 26,285 27,260 31,730 32,893 165.84 172.9
Techcombank 25,193 25,452 26,058 27,405 31,410 32,748 162.46 174.94
LPBank 25,140 25,452 26,513 27,411 32,004 32,800 166.72 173.80
DongA Bank 25,220 25,452 26,240 27,040 31,720 32,650 163.40 170.70
(Cập nhật trong ngày)
Lãi SuấtXem chi tiết
(Cập nhật trong ngày)
Ngân hàng
KKH
1 tuần
2 tuần
3 tuần
1 tháng
2 tháng
3 tháng
6 tháng
9 tháng
12 tháng
24 tháng
Vietcombank
0,10
0,20
0,20
-
1,60
1,60
1,90
2,90
2,90
4,60
4,70
BIDV
0,10
-
-
-
1,70
1,70
2,00
3,00
3,00
4,70
4,70
VietinBank
0,10
0,20
0,20
0,20
1,70
1,70
2,00
3,00
3,00
4,70
4,80
ACB
0,01
0,50
0,50
0,50
2,30
2,50
2,70
3,50
3,70
4,40
4,50
Sacombank
-
0,50
0,50
0,50
2,80
2,90
3,20
4,20
4,30
4,90
5,00
Techcombank
0,05
-
-
-
3,10
3,10
3,30
4,40
4,40
4,80
4,80
LPBank
0.20
0,20
0,20
0,20
3,00
3,00
3,20
4,20
4,20
5,30
5,60
DongA Bank
0,50
0,50
0,50
0,50
3,90
3,90
4,10
5,55
5,70
5,80
6,10
Agribank
0,20
-
-
-
1,70
1,70
2,00
3,00
3,00
4,70
4,80
Eximbank
0,10
0,50
0,50
0,50
3,10
3,30
3,40
4,70
4,30
5,00
5,80

Liên kết website
Bình chọn trực tuyến
Nội dung website có hữu ích với bạn không?