Đo lường hiệu quả hoạt động của ngân hàng: Tổng quan các phương pháp và hướng tiếp cận mới nổi

Tóm tắt: Bài viết khái quát các phương pháp đo lường hiệu quả hoạt động của ngân hàng thương mại, tập trung vào hai phương pháp chính là: Phân tích đường bao dữ liệu (DEA) theo hướng phi tham số và Phân tích biên ngẫu nhiên (SFA) theo hướng tham số. Trên cơ sở đó, bài viết cập nhật các xu hướng nghiên cứu mới, bao gồm mô hình DEA mạng lưới nhằm làm rõ cấu trúc và quy trình hoạt động nội tại, phương pháp phân tích hai giai đoạn để kết hợp các yếu tố bối cảnh, cũng như việc tích hợp các tiêu chí ESG vào khung đánh giá hiệu quả. Từ việc tổng hợp bằng chứng thực nghiệm, bài viết xác định những nhân tố chủ yếu, ảnh hưởng đến hiệu quả hoạt động ngân hàng, như đặc điểm sở hữu, quy mô và mức độ cạnh tranh, đồng thời đề xuất các hàm ý chính sách đối với nhà quản trị ngân hàng và cơ quan hoạch định chính sách.

Từ khóa: ESG, hiệu quả hoạt động của ngân hàng, phương pháp SFA, phương pháp DEA.

MEASURING BANK EFFICIENCY: A REVIEW OF METHODS AND NEW STRATEGIES

Abstract: The article provides an overview of methods for measuring the efficiency of commercial banks, focusing on two primary approaches: Data Envelopment Analysis (DEA) - a non-parametric method, Stochastic Frontier Analysis (SFA) - a parametric method. Building on this foundation, the article reviews emerging research trends, including network DEA models to unpack internal structures and operational processes, two-stage analysis methods that incorporate contextual factors, and the integration of environmental, social, and governance (ESG) criteria into efficiency evaluation frameworks. Based on a synthesis of empirical evidence, the study identifies key determinants of bank efficiency, such as ownership structure, size, and competition, and proposes practical policy implications for bank managers and policymakers.

Keywords: ESG, bank efficiency, SFA method, DEA method.

1. Khái quát về đo lường hiệu quả hoạt động của ngân hàng

1.1. Nền tảng đo lường hiệu quả hoạt động của ngân hàng

Khái niệm trung tâm trong đo lường hiệu quả hoạt động của ngân hàng là “biên sản xuất” (production frontier), đại diện cho mức sản lượng tối đa có thể đạt được từ một tập hợp các yếu tố đầu vào nhất định hoặc mức đầu vào tối thiểu cần thiết để tạo ra một tập hợp các yếu tố đầu ra nhất định. Hiệu quả của một đơn vị ra quyết định (DMU), trong trường hợp này là một ngân hàng, được đo lường bằng khoảng cách của nó so với biên sản xuất này. Phân biệt giữa ba loại hiệu quả hoạt động của ngân hàng chính như sau:

Thứ nhất, hiệu quả kỹ thuật phản ánh khả năng của một ngân hàng trong việc tối đa hóa đầu ra với một lượng đầu vào cho trước (hoặc tối thiểu hóa đầu vào cho một lượng đầu ra cho trước).

Thứ hai, hiệu quả phân bổ đo lường khả năng của ngân hàng trong việc sử dụng các yếu tố đầu vào theo tỉ lệ tối ưu dựa trên giá cả tương đối của chúng.

Cuối cùng, hiệu quả kinh tế hay còn gọi là hiệu quả chi phí hoặc hiệu quả lợi nhuận, là sự kết hợp của hiệu quả kỹ thuật và hiệu quả phân bổ, phản ánh hiệu quả tổng thể trong việc chuyển đổi đầu vào thành đầu ra sao cho tối ưu về mặt kỹ thuật và chi phí (Hughes và Mester, 2012).

Để ước tính biên sản xuất và đo lường hiệu quả, hai trường phái chính đã được phát triển. Trường phái thứ nhất là phương pháp phi tham số, với đại diện tiêu biểu là DEA - phương pháp sử dụng các kỹ thuật lập trình tuyến tính để xây dựng một biên sản xuất thực nghiệm dựa trên các quan sát tốt nhất trong mẫu mà không cần giả định về một dạng hàm sản xuất cụ thể. Trường phái thứ hai là phương pháp tham số, đại diện là SFA - phương pháp giả định một dạng hàm cụ thể cho biên sản xuất (Cobb-Douglas hoặc Translog) và sử dụng các phương pháp kinh tế lượng để ước tính các tham số của hàm này. Một ưu điểm quan trọng của phương pháp SFA là khả năng phân tách sự sai lệch so với biên thành hai thành phần: Sự kém hiệu quả và nhiễu ngẫu nhiên, giúp mô hình trở nên mạnh mẽ hơn trước các sai số đo lường hoặc các cú sốc ngoại sinh (Abidin, Prabantarikso, Fahmy và Nabila, 2024).

1.2. Các cách tiếp cận mô hình hóa hiệu quả hoạt động của ngân hàng

Việc lựa chọn các biến đầu vào và đầu ra để đưa vào mô hình đánh giá hiệu quả hoạt động của ngân hàng phụ thuộc vào cách tiếp cận lý thuyết về bản chất hoạt động của một ngân hàng. Có ba cách tiếp cận chính đã được định hình bao gồm:

(i) Cách tiếp cận trung gian

Theo đó, ngân hàng được coi là một tổ chức trung gian tài chính, có chức năng huy động các nguồn vốn (như tiền gửi) và chuyển đổi chúng thành các tài sản sinh lời (như các khoản cho vay và đầu tư). Do đó, các yếu tố đầu vào thường bao gồm lao động, vốn vật chất và các loại tiền gửi, trong khi yếu tố đầu ra là các khoản cho vay và các khoản đầu tư khác.

(ii) Cách tiếp cận sản xuất

Theo cách tiếp cận này, ngân hàng được xem như một nhà sản xuất các dịch vụ cho khách hàng, chẳng hạn như xử lý giao dịch, quản lý tài khoản và cung cấp các dịch vụ thanh toán. Yếu tố đầu vào là lao động và vốn; yếu tố đầu ra được đo lường bằng số lượng hoặc giá trị của các giao dịch/dịch vụ được cung cấp; đồng thời tiền gửi thường được coi là một loại đầu ra.

(iii) Cách tiếp cận định hướng lợi nhuận

Cách tiếp cận này xem xét ngân hàng như một doanh nghiệp tối đa hóa lợi nhuận, tích hợp cả khía cạnh chi phí và doanh thu. Các mô hình theo hướng này bao gồm đầu vào vật chất và cả giá của chúng; đầu ra là các sản phẩm tài chính và doanh thu tương ứng. Sự lựa chọn giữa các cách tiếp cận này không chỉ mang tính kỹ thuật mà còn phản ánh quan điểm về vai trò cơ bản của ngân hàng trong nền kinh tế.

1.3. Mở “hộp đen” của các mô hình mạng lưới với nhiều giai đoạn

Các mô hình truyền thống thường coi ngân hàng như một “hộp đen”, chuyển đổi trực tiếp các yếu tố đầu vào ban đầu thành các kết quả đầu ra cuối cùng. Cách tiếp cận này bỏ qua cấu trúc hoạt động phức tạp bên trong ngân hàng, vốn bao gồm nhiều quy trình và giai đoạn liên kết với nhau. Để khắc phục hạn chế này, các mô hình DEA mạng lưới đã được phát triển.

Theo đó, mô hình này phân tách toàn bộ quy trình hoạt động của ngân hàng thành một chuỗi giai đoạn hoặc một mạng lưới các quy trình song song và nối tiếp. Một mô hình hai giai đoạn phổ biến có thể xem xét giai đoạn đầu là quá trình huy động tiền gửi (sử dụng lao động và vốn để thu hút tiền gửi), giai đoạn hai là quá trình sử dụng tiền gửi để tạo ra khoản vay và lợi nhuận. Sản phẩm của giai đoạn đầu (tiền gửi) trở thành đầu vào cho giai đoạn sau. Bằng cách này, DEA mạng lưới không chỉ tính toán hiệu quả tổng thể mà còn cả hiệu quả của từng giai đoạn, giúp các nhà quản lý xác định chính xác các điểm nghẽn và nguồn gốc của sự kém hiệu quả trong chuỗi giá trị của ngân hàng.

2. Phương pháp đo lường hiệu quả hoạt động của ngân hàng

2.1. Các phương pháp định lượng

2.1.1. Phương pháp DEA

DEA là phương pháp phi tham số được sử dụng rộng rãi nhất trong việc đánh giá hiệu quả ngân hàng nhờ tính linh hoạt trong việc xử lý nhiều đầu vào và đầu ra mà không cần xác định một dạng hàm sản xuất cụ thể.

Các mô hình cơ bản: Hai mô hình nền tảng của phương pháp DEA là mô hình CCR (được đặt theo tên Charnes, Cooper và Rhodes), giả định hiệu suất không thay đổi theo quy mô và mô hình BCC (được đặt theo tên Banker, Charnes và Cooper), giả định hiệu suất có sự thay đổi theo quy mô. Mô hình CCR đo lường hiệu quả kỹ thuật tổng thể, trong khi mô hình BCC tách hiệu quả kỹ thuật thuần túy ra khỏi hiệu quả quy mô. Các mô hình này có thể được định hướng theo đầu vào (tối thiểu hóa đầu vào) hoặc định hướng theo đầu ra (tối đa hóa đầu ra) tùy thuộc vào giả định về khả năng kiểm soát của ngân hàng đối với các biến số.

Phân tích động: Để nắm bắt sự thay đổi hiệu quả theo thời gian, các nhà nghiên cứu thường sử dụng phương pháp phân tích cửa sổ DEA (DEA Window Analysis). Phương pháp này xem xét một cửa sổ thời gian trượt (có thể là 3 năm) và coi mỗi ngân hàng trong mỗi năm của cửa sổ đó như một đơn vị ra quyết định) riêng biệt. Điều này cho phép theo dõi xu hướng hiệu quả và giảm bớt sự biến động do các cú sốc ngắn hạn (Akhtar, Alam, và Ansari, 2022).

Một phương pháp khác để phân tích động là sử dụng chỉ số năng suất Malmquist (MPI) đo lường sự thay đổi trong tổng năng suất các yếu tố (TFP) và phân tách nó thành hai thành phần bao gồm: Sự thay đổi hiệu quả kỹ thuật (bắt kịp biên) và sự thay đổi công nghệ (dịch chuyển biên).

DEA mạng lưới: DEA mạng lưới “mở hộp đen” của ngân hàng bằng cách mô hình hóa các quy trình nội bộ. Các mô hình này có thể có cấu trúc nối tiếp, song song hoặc hỗn hợp phức tạp hơn. Một mô hình hai giai đoạn nối tiếp có thể phân tích hiệu quả của giai đoạn huy động vốn và giai đoạn cho vay một cách riêng biệt, qua đó cung cấp thông tin hữu ích cho các nhà quản lý. Các sản phẩm trung gian của giai đoạn trước trở thành đầu vào cho giai đoạn sau.

Các phần mở rộng: DEA đã được mở rộng để giải quyết nhiều vấn đề thực tế:

Thứ nhất, để xử lý đầu ra không mong muốn như nợ xấu (NPL), các nhà nghiên cứu đã phát triển mô hình dựa trên hàm khoảng cách định hướng hoặc các kỹ thuật biến đổi dữ liệu để NPL được tích hợp vào mô hình như một yếu tố cần được giảm thiểu (Chen và cộng sự, 2021).

Thứ hai, để đối phó với dữ liệu mờ hoặc không chắc chắn, các mô hình DEA mờ (Fuzzy DEA) đã được đề xuất, cho phép các giá trị đầu vào/đầu ra nằm trong một khoảng thay vì các con số chính xác.

Thứ ba, các mô hình lai (Hybrid Models) kết hợp DEA với các kỹ thuật khác như phân cụm để phân nhóm các ngân hàng tương đồng, hay các lý thuyết trò chơi như mô hình Stackelberg để mô tả mối quan hệ lãnh đạo - theo sau (Leader - Follower) giữa các giai đoạn.

Cuối cùng, để tăng cường tính chặt chẽ thống kê cho phương pháp DEA, kỹ thuật Bootstrapped DEA đã được áp dụng rộng rãi. Phương pháp này sử dụng kỹ thuật lấy mẫu lại để ước tính phân phối của các điểm hiệu quả, từ đó cung cấp khoảng tin cậy và hiệu chỉnh độ chệch (bias) của các ước lượng hiệu quả ban đầu.

2.1.2. Phương pháp SFA

SFA là phương pháp tham số chính để ước tính hiệu quả, có ưu điểm là phân biệt được sự kém hiệu quả khỏi nhiễu ngẫu nhiên, bao gồm các mô hình chính:

SFA cơ bản: Mô hình ước tính một hàm chi phí, lợi nhuận hoặc sản xuất biên. Phần dư của mô hình được phân tách thành hai thành phần, gồm thành phần đối xứng (thường là phân phối chuẩn) - đại diện cho nhiễu ngẫu nhiên và thành phần một phía - đại diện cho sự kém hiệu quả (Abidin và cộng sự, 2024).

SFA động: Mô hình sử dụng cho dữ liệu bảng để nắm bắt sự thay đổi của hiệu quả và công nghệ theo thời gian, cho phép phân tích sự phát triển của hiệu quả một cách linh hoạt hơn.

Mô hình hóa phương sai thay đổi (Heteroskedasticity Modeling): Các mô hình SFA truyền thống thường giả định rằng phương sai của cả thành phần nhiễu và thành phần kém hiệu quả là không đổi. Tuy nhiên, trong thực tế, mức độ biến động và kém hiệu quả có thể khác nhau giữa các ngân hàng. Các mô hình SFA có phương sai thay đổi cho phép phương sai của các thành phần này phụ thuộc vào biến giải thích khác, giúp mô hình trở nên thực tế và chính xác hơn.

SFA meta-biên và SFA Bayes: Để so sánh hiệu quả giữa các nhóm ngân hàng hoạt động trong các môi trường công nghệ hoặc pháp lý khác nhau (ngân hàng nội địa và ngân hàng nước ngoài), phương pháp SFA meta-biên được sử dụng. Phương pháp này ước tính các biên riêng cho từng nhóm và một biên chung (meta-frontier) bao trùm tất cả các nhóm, từ đó tính toán được khoảng cách công nghệ giữa các nhóm. Ngoài ra, phương pháp ước tính Bayes được sử dụng trong phương pháp SFA để có được ước lượng mạnh mẽ và toàn diện hơn, đặc biệt khi các giả định phân phối truyền thống không được đáp ứng.

2.1.3. Mô hình mạng lưới và đa giai đoạn

Cả phương pháp DEA và SFA đều có thể được áp dụng trong khuôn khổ mạng lưới. Các mô hình này xem xét các cấu trúc nối tiếp hoặc song song, trong đó có các nguồn lực được chia sẻ và các sản phẩm trung gian. Việc phân tách theo giai đoạn cho phép xác định các điểm yếu trong chuỗi giá trị. Một ngân hàng có thể rất hiệu quả trong việc huy động tiền gửi (ở giai đoạn 1) nhưng lại kém hiệu quả trong việc chuyển đổi các khoản tiền gửi đó thành khoản vay sinh lời và quản lý rủi ro (giai đoạn 2) (Chen và cộng sự, 2021).

2.1.4. Các cải tiến về thống kê và học máy

Để nâng cao khả năng phân biệt và độ tin cậy của các mô hình, các kỹ thuật thống kê và học máy đã được tích hợp như:(i) Phân cụm (như thuật toán K-means) được sử dụng để nhóm các ngân hàng có đặc điểm tương tự lại với nhau trước khi áp dụng phương pháp DEA, qua đó, giúp kết quả so sánh công bằng hơn. (ii) Hồi quy phân vị được áp dụng trong giai đoạn hai để phân tích tác động của các biến ngữ cảnh lên các mức hiệu quả khác nhau (hay các ngân hàng kém hiệu quả nhất so với các ngân hàng hiệu quả nhất). (iii) Mô hình lai DEA - ML kết hợp sức mạnh của mạng nơ-ron và các thuật toán học máy khác với phương pháp DEA để xây dựng các mô hình phân tích hiệu quả có khả năng thích ứng và dự báo tốt hơn.

2.2. Các cách tiếp cận định tính và ngữ cảnh

Hiệu quả không đơn thuần được phản ánh qua một chữ số; để đánh giá đầy đủ, cần đặt các kết quả định lượng trong bối cảnh cụ thể thông qua các cách tiếp cận sau:

Hồi quy giai đoạn hai: Đây là phương pháp phổ biến nhất để tích hợp các yếu tố ngữ cảnh. Sau khi tính toán các điểm hiệu quả bằng phương pháp DEA hoặc SFA, các điểm này được sử dụng làm biến phụ thuộc trong một mô hình hồi quy (thường là Tobit hoặc hồi quy phân số) để kiểm tra tác động của các biến độc lập như loại hình sở hữu, quy mô, vốn hóa, chất lượng quản lý và các biến kinh tế vĩ mô.

Hiệu chỉnh cá nhân hóa: Thay vì chỉ sử dụng các biến ngữ cảnh để giải thích sự khác biệt về hiệu quả ở giai đoạn hai, một hướng tiếp cận mới hơn là điều chỉnh trực tiếp các đầu vào/đầu ra ở giai đoạn một dựa trên các yếu tố ngoại cảnh nằm ngoài tầm kiểm soát của nhà quản lý. Điều này giúp tạo ra một sân chơi bình đẳng hơn và đánh giá hiệu quả quản lý một cách công bằng hơn.

Mô hình DEA nhận thức về sự công bằng (Fairness-Aware DEA): Một số mô hình mới nhất còn đi xa hơn bằng cách tích hợp các khái niệm về sự đa dạng và ý kiến của các bên thiểu số vào quá trình đánh giá, nhằm đảm bảo việc đo lường hiệu quả không chỉ tối ưu về mặt kinh tế mà còn công bằng và toàn diện.

Tích hợp các yếu tố ESG: Đây là một xu hướng ngày càng quan trọng. Các yếu tố ESG có thể được tích hợp vào mô hình như các biến đầu vào (chi phí cho các hoạt động xanh), các biến đầu ra (khối lượng tín dụng xanh, giảm phát thải carbon) hoặc các biến ngữ cảnh trong phân tích giai đoạn hai (Algeri và cộng sự, 2025; Ji, Sun, Liu và Chiu, 2023). Cách tiếp cận này giúp đánh giá hiệu quả của ngân hàng không chỉ dựa trên hiệu suất tài chính mà còn cả sự đóng góp cho phát triển bền vững.

3. Kết quả nghiên cứu và thảo luận

3.1. Phân tích, so sánh các phương pháp (Bảng 1)

3.2. Các yếu tố chính ảnh hưởng đến hiệu quả hoạt động của ngân hàng(Bảng 2)

3.3. Phát hiện từ các mô hình nâng cao

Mô hình mạng lưới

Các nghiên cứu sử dụng DEA mạng lưới thường phát hiện ra rằng, nguồn gốc của sự kém hiệu quả không được phân bổ đồng đều giữa các giai đoạn. Chen và cộng sự (2021) chỉ ra rằng, đối với các ngân hàng Trung Quốc, sự kém hiệu quả chủ yếu đến từ giai đoạn huy động vốn hơn là giai đoạn tạo ra lợi nhuận. Những phát hiện này cung cấp thông tin chi tiết và hữu ích cho các nhà quản lý để tập trung nỗ lực cải thiện vào đúng lĩnh vực.

Mô hình động và tác động của các sự kiện

Nghiên cứu theo chiều dọc đã làm sáng tỏ tác động của các cải cách quy định và các cuộc khủng hoảng tài chính. Jaffry, Ghulam và Cox (2013) phân tích các ngân hàng ở Ấn Độ - Pakistan và nhận thấy rằng, hiệu quả hoạt động của ngân hàng đã giảm trong những năm đầu sau cải cách.

Tích hợp ESG

Algeri và cộng sự (2025) khi nghiên cứu hệ thống ngân hàng niêm yết ở châu Âu đã phát hiện ra rằng, mặc dù các khoản đầu tư vào ESG có thể làm tăng chi phí trong ngắn hạn, nhưng các ngân hàng có cam kết ESG mạnh mẽ hơn lại đạt được hiệu quả chi phí cao hơn trong dài hạn.

Ji và cộng sự (2023) cũng cho thấy hiệu quả bền vững của hệ thống ngân hàng tại Trung Quốc có sự khác biệt đáng kể giữa các loại hình sở hữu, trong đó các ngân hàng quốc doanh dẫn đầu về đầu tư ESG. Kết quả này cho thấy rằng, việc đo lường hiệu quả đang dần vượt ra ngoài khuôn khổ tài chính thuần túy.

3.4. Thách thức thực tiễn và độ tin cậy của kết quả

Dù các phương pháp trên đã nhiều cải tiến nhưng một số hạn chế mang tính nền tảng vẫn chưa được khắc phục triệt để, bao gồm:

Thứ nhất, chất lượng và sự sẵn có của dữ liệu vẫn là một rào cản lớn, đặc biệt là ở các thị trường mới nổi.

Thứ hai, các kết quả rất nhạy cảm với việc lựa chọn các biến đầu vào/đầu ra và đặc điểm kỹ thuật của mô hình. Điều này đòi hỏi các nhà nghiên cứu phải có sự biện minh lý thuyết vững chắc cho lựa chọn của mình.

Thứ ba, việc diễn giải kết quả, đặc biệt là từ các mô hình phức tạp và chuyển chúng thành hành động quản lý cụ thể vẫn là một thách thức. Việc sử dụng kỹ thuật như Bootstrapped DEA và các bài kiểm tra độ nhạy là rất quan trọng để đảm bảo độ tin cậy của nghiên cứu.

4. Kết luận và một số hàm ý chính sách

4.1. Kết luận

Nghiên cứu về hiệu quả ngân hàng đã có những bước tiến vượt bậc, chuyển từ các chỉ số tài chính đơn giản sang các mô hình phân tích biên phức tạp và đa chiều. Hai phương pháp DEA và SFA tiếp tục là nền tảng của lĩnh vực này, mỗi phương pháp đều có những ưu và nhược điểm riêng. DEA nổi bật với tính linh hoạt và khả năng xử lý nhiều biến, trong khi SFA cung cấp sự mạnh mẽ về mặt thống kê và khả năng phân biệt giữa sự kém hiệu quả và nhiễu ngẫu nhiên. Không có phương pháp nào là vượt trội tuyệt đối, việc kết hợp cả hai thường mang lại một cái nhìn toàn diện hơn (Abidin và cộng sự, 2024).

Sự phát triển quan trọng nhất trong những năm gần đây là sự chuyển dịch từ việc xem ngân hàng như những “hộp đen” sang mô hình mạng lưới và đa giai đoạn. Cách tiếp cận này cho phép các nhà nghiên cứu và quản lý xác định chính xác hơn các nguồn gốc của sự kém hiệu quả trong chuỗi giá trị của ngân hàng, dù đó là trong giai đoạn huy động vốn, phân bổ tín dụng hay quản lý rủi ro (Chen và cộng sự, 2021).

Các yếu tố ngữ cảnh như loại hình sở hữu, quy mô, mức độ cạnh tranh và môi trường pháp lý đã được chứng minh là những yếu tố quyết định quan trọng đến hiệu quả hoạt động của ngân hàng. Tuy nhiên, các kết quả thực nghiệm thường không đồng nhất và phụ thuộc nhiều vào bối cảnh quốc gia và thể chế. Điều này nhấn mạnh tầm quan trọng của việc không chỉ đo lường hiệu quả mà còn phải hiểu được các yếu tố đằng sau nó thông qua các phân tích hồi quy giai đoạn hai.

Cuối cùng, việc đo lường hiệu quả hoạt động của ngân hàng không chỉ giới hạn trong phạm vi tài chính mà đang mở rộng để bao gồm cả hiệu quả bền vững và khả năng thích ứng với công nghệ, phản ánh những kỳ vọng thay đổi của xã hội và thị trường đối với lĩnh vực ngân hàng (Algeri và cộng sự, 2025).

4.2. Một số hàm ý chính sách

Các kết quả tổng hợp từ nghiên cứu này mang lại những hàm ý quan trọng, cụ thể như sau:

Đối với các nhà hoạch định chính sách và cơ quan quản lý

Thứ nhất, thiết kế quy định dựa trên bằng chứng: Tác động của các quy định lên hiệu quả ngân hàng là rất phức tạp. Các cơ quan quản lý nên sử dụng các mô hình đánh giá hiệu quả để phân tích tác động tiềm tàng của các chính sách mới (yêu cầu về vốn, quy định về cạnh tranh) trước khi ban hành (Pasiouras, 2008).

Thứ hai, thúc đẩy một môi trường cạnh tranh lành mạnh: Cần có cách tiếp cận cân bằng đối với cạnh tranh. Mặc dù cạnh tranh có thể thúc đẩy sự đổi mới và gia tăng hiệu quả hoạt động, nhưng cạnh tranh quá mức có thể dẫn đến việc chấp nhận rủi ro cao và làm giảm sự ổn định của ngân hàng. Vì vậy, các chính sách cần hướng tới việc tạo ra một sân chơi bình đẳng và tăng cường giám sát chặt chẽ các rủi ro hệ thống (Srivastava và cộng sự, 2024).

Thứ ba, xem xét sự đa dạng về sở hữu: Các kết quả không nhất quán về hiệu quả hoạt động giữa các ngân hàng thuộc sở hữu nhà nước, tư nhân và nước ngoài, điều này cho thấy rằng, các chính sách như tư nhân hóa không phải lúc nào cũng là giải pháp tối ưu. Thay vào đó, cần tập trung vào việc cải thiện quản trị doanh nghiệp và cơ chế thị trường cho tất cả các loại hình ngân hàng.

Đối với các nhà quản lý ngân hàng

Thứ nhất, sử dụng phân tích hiệu quả như một công cụ quản trị chiến lược: Thay vì chỉ dựa vào các chỉ số tài chính truyền thống, ban lãnh đạo ngân hàng nên áp dụng các mô hình phân tích biên, đặc biệt là DEA mạng lưới, để thực hiện phân tích so sánh nội bộ. Điều này giúp xác định các chi nhánh hoặc các bộ phận hoạt động kém hiệu quả và tìm ra các điểm nghẽn trong quy trình hoạt động để có những can thiệp kịp thời.

Thứ hai, tối ưu hóa quy mô và cơ cấu hoạt động: Các nhà quản lý cần nhận thức được mối quan hệ giữa quy mô và hiệu quả. Việc mở rộng quy mô có thể mang lại lợi ích kinh tế, nhưng cần phải cảnh giác với nguy cơ phi hiệu quả do quy mô khi ngân hàng trở nên quá lớn và phức tạp.

Thứ ba, tích hợp bền vững vào chiến lược: Các bằng chứng cho thấy cam kết với ESG có thể nâng cao hiệu quả chi phí trong dài hạn. Do đó, việc đầu tư vào các sáng kiến xanh, trách nhiệm xã hội và quản trị tốt không chỉ là một yêu cầu về mặt đạo đức mà còn là một chiến lược kinh doanh khôn ngoan.

Việc đo lường hiệu quả hoạt động của các ngân hàng thương mại là một lĩnh vực nghiên cứu năng động và có tầm quan trọng thực tiễn to lớn. Sự kết hợp giữa sự chặt chẽ của các phương pháp định lượng, phân tích ngữ cảnh và sự nhạy bén với các xu hướng mới nổi như bền vững và chuyển đổi số là chìa khóa cho cả sự tiến bộ học thuật và tác động thực tiễn. Nghiên cứu trong tương lai cần tiếp tục ưu tiên sự mạnh mẽ về phương pháp, tính nhạy cảm với bối cảnh và việc theo đuổi hiệu suất tài chính bền vững.

Tài liệu tham khảo:

1. Abidin, Z., Prabantarikso, R. M., Fahmy, E., & Nabila, A. (2024), Comperative Efficiency using Data Envelopment Analysis (DEA) and Stochastic Frontier Analysis (SFA) in the Banking Industry. WSEAS Transactions on Business and Economics, 21, 109-120. https://doi.org/10.37394/23207.2024.21.10

2. Akhtar, S., Alam, M., & Ansari, M. S. (2022), Measuring the performance of the Indian banking industry: data envelopment window analysis approach. Benchmarking, 29(9), 2842-2857. https://doi.org/10.1108/BIJ-03-2021-0115

3. Algeri, C., Brighi, P., & Venturelli, V. (2025), Integrating ESG Factors Into Cost-Efficiency Frontier: Evidence From the European Listed Banks. Business Strategy and the Environment, 34(3), 3242-3270. https://doi.org/10.1002/bse.4140

4. Chen, Y., Wang, M., & Yang, J. (2021), Measuring Chinese Bank Performance with Undesirable Outputs: A Slack-Based Two-Stage Network DEA Approach. International Series in Operations Research and Management Science, 312, 299-326. https://doi.org/10.1007/978-3-030-75162-3_11

5. Duc-Nguyen, N., Mishra, A. V., & Daly, K. (2023), Variation in the competition − Efficiency nexus: Evidence from emerging markets. International Review of Economics and Finance, 83, 401-420. https://doi.org/10.1016/j.iref.2022.09.008

6. Hughes, J. P., & Mester, L. J. (2012), Efficiency in Banking: Theory, Practice, and Evidence. The Oxford Handbook of Banking. https://doi.org/10.1093/oxfordhb/9780199640935.013.0018

7. Jaffry, S., Ghulam, Y., & Cox, J. (2013), Trends in efficiency in response to regulatory reforms: The case of Indian and Pakistani commercial banks. European Journal of Operational Research, 226(1), 122-131. https://doi.org/10.1016/j.ejor.2012.11.002

8. Ji, J., & Wang, Y. (2014), Commercial bank efficiency evaluation in consideration of the undesirable output and its link with stakeholders relationship: An application of China's commercial banks. Mathematical Problems in Engineering, 2014, 949717. https://doi.org/10.1155/2014/949717

9. Ji, L., Sun, Y., Liu, J., & Chiu, Y.-H. (2023), Environmental, social, and governance (ESG) and market efficiency of China’s commercial banks under market competition. Environmental Science and Pollution Research, 30(9), 24533-24552. https://doi.org/10.1007/s11356-022-23742-x

10. Mariappan, R. (2022), A Comparative Analysis of the Banking Sector Performance in India: Two-Stage Analysis. Indian Journal of Economics and Development, 18(1), 44-54. https://doi.org/10.35716/IJED/21323

11. Nguyen, P. H., & Pham, D. T. B. (2020), The cost efficiency of Vietnamese banks – the difference between DEA and SFA. Journal of Economics and Development, 22(2), 209-227. https://doi.org/10.1108/JED-12-2019-0075

12. Pasiouras, F. (2008), International evidence on the impact of regulations and supervision on banks' technical efficiency: An application of two-stage data envelopment analysis. Review of Quantitative Finance and Accounting, 30(2), 187-223. https://doi.org/10.1007/s11156-007-0046-7

13. Srivastava, B., Singh, S., & Jain, S. (2024), A frontier-based parametric framework for exploring the competition–efficiency nexus in commercial banking: insights from an emerging economy. Managerial Finance, 50(5), 854-889. https://doi.org/10.1108/MF-07-2023-0445

14. Torabi, R., Dehaghani, Z. A., & Noori, A. (2014), Productivity and efficiency of domestic and foreign banks in Malaysia. Advances in Environmental Biology, 8(16), 207-213. https://www.aensiweb.com/old/aeb/Special%209/207-213.pdf