Keywords: Uncertainty, commercial bank, insolvency risk, Vietnam.
 

1. Giới thiệu
 

Ngày càng có nhiều nghiên cứu đề cập đến những tác động của sự bất định đối với các hoạt động kinh tế như sản xuất, đầu tư, tiêu dùng và thương mại quốc tế. Các kết quả thường cho thấy ảnh hưởng của sự bất định kinh tế làm giảm động cơ đầu tư của các doanh nghiệp, trì hoãn các quyết định của họ, tăng tiết kiệm dự phòng của các hộ gia đình và giảm khối lượng thương mại quốc tế, tất cả đều cho thấy sự bất ổn kinh tế là một trong những nguyên nhân chính dẫn đến suy thoái. Tuy nhiên, trái ngược với tài liệu đa dạng về tác động của sự bất định đối với nền kinh tế thực, liệu sự bất định có ảnh hưởng như thế nào đến rủi ro mất khả năng thanh toán của các trung gian tài chính, cụ thể là các ngân hàng, vẫn là một câu hỏi cần được khám phá thêm.
 

Trong nghiên cứu này, chúng ta cùng nhau tìm hiểu xem liệu sự hiện diện của bất định ngân hàng lớn hơn có dẫn đến rủi ro mất khả năng thanh toán tại ngân hàng cao hơn hay không. Sự bất định là có liên quan đến rủi ro nhưng lại khác với rủi ro. Knight (1921) lập luận rằng, rủi ro là tình huống mà khả năng xảy ra các sự kiện có thể được biểu thị bằng phân bố xác suất khách quan và sự bất định được định nghĩa là việc mọi người không có khả năng dự báo khả năng xảy ra các sự kiện dựa trên phân phối xác suất khách quan được ước tính trên dữ liệu quá khứ.
 

Tác giả tiến hành phân tích bằng cách sử dụng mẫu là các ngân hàng thương mại tại Việt Nam trong giai đoạn 2007 - 2021. Việt Nam cung cấp một cơ sở thuận lợi để điều tra mối liên hệ giữa sự bất định và khả năng sinh lời của ngân hàng. Việt Nam là một ví dụ điển hình của các nền kinh tế mới nổi, thường có đặc điểm là thị trường vốn chưa phát triển. Các ngân hàng luôn đóng vai trò chi phối trong hệ thống tài chính, cho thấy rằng sự an toàn và lành mạnh của ngân hàng là một chỉ số kinh tế quan trọng. Là một nền kinh tế mới nổi, độ mở lớn, đồng thời Việt Nam theo đuổi nhiều cải cách chính sách kinh tế. Điều này có thể làm cho ảnh hưởng của một cú sốc bất định trở nên rõ ràng hơn. Hệ thống ngân hàng Việt Nam đã từng bước áp dụng các tiêu chuẩn quốc tế trong quản lý rủi ro và cấu trúc vốn. Điều này làm cho mức độ bất định của hệ thống ngân hàng có nhiều biến động.
 

Nội dung phân tích kỳ vọng đóng góp vào các tài liệu hiện có bằng cách khảo sát thực nghiệm mối quan hệ giữa sự bất định và rủi ro mất khả năng thanh toán của ngân hàng. Kết quả phân tích cho thấy, sự bất định như một động lực gia tăng rủi ro mất khả năng thanh toán của ngân hàng. Cụ thể, có bằng chứng gợi ý về mối liên hệ cùng chiều giữa sự bất định và rủi ro mất khả năng thanh toán của ngân hàng, đo lường bởi nghịch đảo của chỉ số Z-score. Kết quả này là rất vững dựa trên một loạt các chỉ số thay thế về rủi ro tín dụng ngân hàng cũng như các kỹ thuật kinh tế lượng khác nhau.

 

2. Cơ chế tác động và tổng quan nghiên cứu
 

Phần lớn các tài liệu trước đây liên quan đến sự bất định tập trung vào tác động của nó đối với các hoạt động kinh tế thực, thường dựa trên khuôn khổ đầu tư không thể đảo ngược (Bernanke, 1983). Sản lượng giảm thường là do đầu tư và việc làm của các công ty bị sụt giảm cho đến khi sự không chắc chắn biến mất. Một số công trình gần đây mở rộng các tài liệu trước đó bằng cách coi mâu thuẫn tài chính như một cơ chế then chốt truyền tải và thậm chí khuếch đại tác động của sự bất định đối với các hoạt động kinh tế. Tuy nhiên, những điều này hầu như không giải quyết được liệu sự bất ổn kinh tế có gây ra bất kỳ ảnh hưởng nào đến tính rủi ro của các tổ chức tài chính, đặc biệt là các ngân hàng hay không (Wu và cộng sự, 2020).
 

Tác động của sự bất định kinh tế đối với rủi ro của các ngân hàng là không rõ ràng về mặt lý thuyết, do sự tranh luận của các quan điểm đối lập nhau. Một mặt, lý thuyết “quyền chọn thực” được phát triển bởi Pindyck (1988) ngụ ý rằng, sự an toàn tài chính của các ngân hàng có thể được củng cố trong thời kỳ gia tăng bất ổn. Tương tự như các doanh nghiệp sản xuất, các ngân hàng cũng phải đối mặt với các vấn đề về đầu tư không thể đảo ngược (cho vay) và do đó, có thể áp dụng chiến lược “chờ và xem” khi sự không chắc chắn gia tăng. Khi giá trị tùy chọn của việc chờ đợi tăng lên, các ngân hàng có thể thấy rằng tỷ lệ đưa ra quyết định tốt hơn, đầy đủ thông tin hơn sẽ tăng lên cho đến khi sự không chắc chắn giảm đi, do đó, giảm khả năng đưa ra quyết định sai do thông tin không đầy đủ và rủi ro của ngân hàng khi đó dự kiến sẽ được cải thiện. So với lý thuyết “quyền chọn thực” ngụ ý độ an toàn ngân hàng cao hơn trong bối cảnh bất định lớn hơn, một số hoạt động gắn liền với sự lạc quan quá mức phổ biến trong thời kỳ ít biến động khiến các ngân hàng tăng cường cấp tín dụng và mắc nợ quá mức, từ đó dẫn đến rủi ro mất khả năng thanh toán. Với các lập luận ở trên, rủi ro mất khả năng thanh toán của ngân hàng có thể tương quan tiêu cực với mức độ bất định của nền kinh tế.
 

Mặt khác, có các lực đẩy liên quan đến sự bất định có khả năng gây ra rủi ro mất khả năng thanh toán cao hơn cho các ngân hàng. Trước hết, tác động suy thoái của sự bất định đối với tổng cầu trực tiếp làm tăng xác suất vỡ nợ của người đi vay, điều này có thể được chuyển thành sự suy giảm chất lượng tài sản của các ngân hàng và sau đó là rủi ro mất khả năng thanh toán.

Ngoài ra, sự bất định có thể khuyến khích các ngân hàng chấp nhận rủi ro cao hơn thông qua tác động của nó lên lãi suất. Tiết kiệm dự phòng trong bối cảnh bất định làm giảm lãi suất phi rủi ro, điều này có thể gây áp lực giảm lên lãi suất cho vay mà các ngân hàng có thể tính cho người vay của họ. Khi các doanh nghiệp giảm đầu tư và sử dụng ít lao động hơn trong thời kỳ có nhiều bất ổn, nhu cầu tín dụng giảm xuống cũng có xu hướng làm giảm lãi suất cho vay của ngân hàng. Trong khi đó, khả năng các ngân hàng phải chịu những cú sốc bất lợi lớn trong những thời điểm bất định càng cao khiến các nhà tài trợ yêu cầu một khoản bù tài trợ (funding premium) cao hơn từ các ngân hàng, làm tăng chi phí tài trợ của họ (Valencia, 2017). Hai lực tác động này cùng nhau thu hẹp chênh lệch lãi suất của các ngân hàng và do đó, làm xói mòn nguồn lợi nhuận chính của họ. Tuy nhiên, mục tiêu lợi nhuận mà các cổ đông yêu cầu có thể không thay đổi ngay lập tức khi lợi nhuận của các ngân hàng giảm, có thể là do sự điều chỉnh kỳ vọng của cổ đông bị chậm hơn, do đó khiến các ngân hàng phân bổ tài sản của mình vào các dự án “rủi ro cao - lợi nhuận cao” (Dell’Ariccia và cộng sự, 2014). Việc các ngân hàng được khuyến khích “tìm kiếm lợi nhuận” trong bối cảnh kinh tế bất định phù hợp với lập luận rằng các ngân hàng tăng nắm giữ các tài sản rủi ro khi đối mặt với môi trường kém sinh lợi.
 

Tóm lại, vì không có cơ chế rõ ràng về tác động tăng rủi ro của sự bất định sẽ nhiều hơn tác động giảm rủi ro, liệu rủi ro ngân hàng mất khả năng thanh toán thay đổi như thế nào với sự bất định vẫn là một câu hỏi thực nghiệm.
 

Ngoài ra, một hướng nghiên cứu khác khám phá mối liên hệ giữa sự bất định của nền kinh tế và hành vi cho vay của các ngân hàng. Buch và cộng sự (2015) tìm thấy bằng chứng quan trọng cho thấy sự bất định gia tăng dẫn đến giảm tỷ trọng các khoản cho vay trong danh mục đầu tư của các ngân hàng. Valencia (2017) đưa ra kết luận tương tự rằng các ngân hàng hạn chế ký hợp đồng cung cấp tín dụng khi đối mặt với nhiều sự bất định hơn, đặc biệt là đối với những ngân hàng có hoạt động đòn bẩy cao hơn. Nhìn chung, các nghiên cứu theo hướng này phân tích phản ứng của việc cho vay của ngân hàng đối với các loại hình bất định cụ thể, chẳng hạn như sự bất định về chính trị, sự thiếu ổn định trong các quy định về chính sách kinh tế, trong khi không đánh giá rõ ràng tác động của sự bất định đến rủi ro thanh toán trong ngành Ngân hàng.

 

3. Phương pháp nghiên cứu
 

3.1. Mô hình và dữ liệu nghiên cứu
 

Nghiên cứu xem xét tác động của sự bất định đến rủi ro ngân hàng mất khả năng thanh toán bằng cách ước lượng mô hình thực nghiệm như sau:
 

RuiRo_i,t = α₀+ α₁× RuiRo_i,t-1+ α₂× Uncertainty_t-1+ α₃× Kiemsoatnoitai_i,t-1 + α₄ × Kiemsoatvimo_t-1 + ε_i,t   (1)
 

Trong đó i và t tương ứng là các ngân hàng và các năm. RuiRo_i,t là biến phụ thuộc, xác định bằng thang đo rủi ro mất khả năng thanh toán (rủi ro vỡ nợ). Mô hình bảng động được sử dụng khi mà rủi ro ngân hàng luôn tồn tại và được thúc đẩy bởi hành vi chấp nhận rủi ro của năm trước. Uncertainty_t-1 là phép đo về sự bất định của ngân hàng, được nắm bắt bằng sự phân tán của các cú sốc ngân hàng. Kiemsoatnoitaii_i,t-1 chứa các biến cấp ngân hàng kiểm soát quy mô ngân hàng (logarit tự nhiên của tổng tài sản ngân hàng), khả năng thanh khoản (tỷ lệ tài sản lưu động trên tổng tài sản) và mô hình kinh doanh (tỷ lệ giữa thu nhập ngoài lãi trên tổng thu nhập hoạt động). Kiemsoatnoitaii_i,t-1 là một tập hợp các phép đo kiểm soát kinh tế vĩ mô, bao gồm tăng trưởng kinh tế (tốc độ tăng tổng sản phẩm quốc nội) và chính sách tiền tệ (lãi suất cho vay ngắn hạn). Các biện pháp kiểm soát này là những yếu tố chính có thể giải thích rủi ro của các ngân hàng, phù hợp với các tài liệu về ngân hàng. εi,t là thành phần sai số. Để giảm bớt các vấn đề về quan hệ nhân quả ngược, nghiên cứu lấy tất cả các biến độc lập với độ trễ một năm. Bảng 1 trình bày thống kê mô tả các biến.

Để hồi quy mô hình kinh tế đề xuất, tác giả sử dụng công cụ ước lượng moment tổng quát (GMM) hệ thống như được đề xuất bởi Blundell và Bond (1998) để đạt được kết quả hồi quy hiệu quả. Tác giả giới hạn số lượng công cụ được tạo ra theo quy trình của Roodman (2009) để tránh vấn đề “quá nhiều biến công cụ”. Một số kiểm định cần thiết để xác minh tính nhất quán của công cụ ước tính GMM, gồm kiểm định AR(1) và AR(2) cho mối tương quan nối tiếp bậc một và bậc hai trong các sai số sai phân và kiểm định Hansen báo cáo tính năng xác định quá mức cho hiệu lực chung của các công cụ được sử dụng.
 

Để thực hiện các phân tích, nghiên cứu này sử dụng dữ liệu của các ngân hàng thương mại Việt Nam trong giai đoạn 2007 - 2021, thu thập thông tin từ các báo cáo tài chính được công bố trên trang web của 30 ngân hàng. Tác giả cũng thu thập dữ liệu cho biến chính kinh tế vĩ mô từ Cơ quan thống kê tài chính quốc tế (IFS) của Quỹ Tiền tệ quốc tế (IMF). (Bảng 1)
 

3.2. Xây dựng biến rủi ro vỡ nợ
 

Tác giả đo lường rủi ro mất khả năng thanh toán (insolvency risk) của ngân hàng bằng cách sử dụng chỉ số Z-score. Chỉ số Z-score đo lường khả năng thanh toán khi xuất hiện tình trạng mà các khoản lỗ (lợi nhuận âm) vượt quá vốn chủ sở hữu. Cách tính chỉ số này như sau:
 

 

Trong đó ROA và SD(ROA) là tỷ suất lợi nhuận ròng trên tài sản bình quân và độ lệch chuẩn của tỷ lệ lợi nhuận này, và CAP là tỷ lệ vốn chủ sở hữu trên tổng tài sản. Độ lệch chuẩn của ROA trong toàn thời gian nghiên cứu sẽ được sử dụng. Chỉ số này càng cao thì rủi ro ngân hàng mất khả năng thanh toán càng thấp.
 

3.3. Xây dựng biến bất định ngân hàng
 

Trong khi nhiều công trình nghiên cứu trước đây chủ yếu tập trung vào các thước đo độ bất định tổng hợp, chẳng hạn như sự bất định về chính sách kinh tế, sự bất định về tài chính hoặc sự bất định về tiền tệ, thì trong nghiên cứu này tác giả đề cập đến một thước đo bất định vi mô dựa trên quan điểm cụ thể của lĩnh vực ngân hàng theo đề xuất của Buch và cộng sự (2015). Việc sử dụng thước đo bất định vi mô này được thúc đẩy bởi thực tế rằng sự bất định tổng hợp có thể làm tăng đáng kể mức độ không chắc chắn trong ngành Ngân hàng và các ngân hàng phản ứng bằng cách điều chỉnh hành vi của họ do hậu quả của sự không chắc chắn cao hơn. Đây cũng là tinh thần chung cốt lõi mà tác giả muốn truyền tải khi khảo sát về bất định trong lĩnh vực ngân hàng Việt Nam và những ảnh hưởng của nó. Việc đo lường độ bất định vi mô thông qua dữ liệu cấp ngân hàng có thể thể hiện một thông điệp bổ sung về mức độ không chắc chắn tách biệt của hệ thống ngân hàng, từ đó những phát hiện và hàm ý thu được có thể cụ thể và đầy đủ thông tin.
 

Quy trình của Buch và cộng sự (2015) gồm hai bước. Trong bước 1, tiến hành xác định các cú sốc theo năm của các ngân hàng với từng biến bằng phương trình như sau:
 

log(X_i,t) – log(X_i,t-1) = Δlog(X_i,t) = α_i + β_t + ε_i,t    (3)
 

Trong đó, Δlog(Xi,t) biểu thị tăng trưởng tài sản, tăng trưởng nguồn vốn ngắn hạn, hoặc tỷ lệ lợi nhuận tại ngân hàng i trong năm t; αi là các hiệu ứng cố định của ngân hàng và βt là các hiệu ứng cố định theo thời gian. Các phần dư εi,t chỉ ra các cú sốc cần thu thập để tạo ra sự phân tán theo mặt cắt ngang của các cú sốc. 
 

Trong bước 2, dựa vào độ lệch chuẩn của phần dư để tính toán mức độ bất định của ngành Ngân hàng trong năm t:
 

Uncertaintyt = SD(ε_i,t)      (4)
 

Lợi thế chính của việc sử dụng dữ liệu cấp ngân hàng hằng năm là những dữ liệu này có sẵn cho nhiều ngân hàng và không chỉ cho các ngân hàng niêm yết. Ngay cả khi dữ liệu bảng cân đối kế toán tần suất cao hơn có sẵn, Buch và cộng sự (2015) không mong đợi các biện pháp cắt ngang sẽ thay đổi nhiều hơn do dữ liệu bảng cân đối kế toán di chuyển chậm hơn dữ liệu thị trường chứng khoán và nắm bắt những thay đổi trong mô hình kinh doanh dài hạn của các ngân hàng.

 

4. Kết quả phân tích quan hệ giữa bất định ngân hàng và rủi ro mất khả năng thanh toán
 

Bảng 2 trình bày kết quả về quan hệ giữa bất định ngân hàng và rủi ro vỡ nợ thông qua chỉ số Z-score. Có thể thấy rằng, các hệ số ước lượng về bất định ngân hàng (cụ thể trong hồi quy bất định ngân hàng theo lợi nhuận) là âm và có ý nghĩa thống kê, cho thấy mối liên hệ tiêu cực giữa sự bất định ngân hàng và chỉ số Z-score về sự ổn định của ngân hàng. Khi chỉ số Z-score cao hơn cho thấy rủi ro mất khả năng thanh toán đối với các ngân hàng thấp hơn, các ước lượng hệ số âm được hiểu là sự suy giảm tính ổn định của ngân hàng, hay nói cách khác là sự gia tăng rủi ro mất khả năng thanh toán của ngân hàng với sự gia tăng của bất định.
 

Ngoài ra, các thành phần phân rã của chỉ số Z-score cũng sẽ được xem xét, bao gồm thành phần vốn của Z-score [CAP/SD(ROA)] - trong đó CAP là tỷ lệ vốn chủ sở hữu trên tổng tài sản và SD(ROA) là độ lệch chuẩn của ROA, và thành phần lợi nhuận của Z-score [ROA/SD(ROA)] - trong đó ROA là tỷ suất lợi nhuận ròng trên tổng tài sản bình quân và SD(ROA) là độ lệch chuẩn của ROA.
 

Tiến hành thay thế chỉ số Z-score bằng các biến thành phần làm biến phụ thuộc trong hồi quy và báo cáo kết quả ước lượng trong các Bảng 3 và Bảng 4, có thể thấy rằng đối với cả hai thành phần của chỉ số Z-score, hệ số hồi quy của biến bất định là âm và có ý nghĩa thống kê. Kết quả này cho thấy khả năng sinh lời và bộ đệm vốn giảm sút với sự bất định tăng cao, có thể là do chênh lệch lãi suất của các ngân hàng bị thu hẹp. Một mặt, nhu cầu tín dụng thấp hơn của các công ty khi họ tạm dừng đầu tư và thuê mướn gây áp lực giảm lãi suất cho vay của các ngân hàng. Mặt khác, khả năng gặp bất lợi tăng trong những thời điểm không chắc chắn có thể làm tăng nhu cầu của các nhà cấp vốn đối với phần bù tài trợ cao hơn từ ngân hàng. Hậu quả của việc lợi nhuận của các ngân hàng bị xói mòn trong bối cảnh sự bất định cao hơn phù hợp với phỏng đoán rằng các ngân hàng có thể có động cơ lớn hơn để áp dụng chiến lược “tìm kiếm lợi nhuận” và do đó, phân bổ cho vay của họ vào các dự án rủi ro hơn. (Bảng 2, 3, 4)

Phát hiện của nghiên cứu này chỉ ra rằng, trong thời điểm bất định cao hơn, rủi ro ngân hàng có xu hướng gia tăng. Rất có khả năng tác động suy thoái của sự bất định đối với tổng cầu trực tiếp làm tăng xác suất vỡ nợ của người đi vay, điều này có thể được chuyển thành sự suy giảm chất lượng tài sản của các ngân hàng và qua đó, gia tăng rủi ro mất khả năng thanh toán. Kết quả này mở rộng các tài liệu hiện có bằng cách khám phá sự phân tán của các cú sốc đến các biến ngân hàng trọng yếu bằng việc sử dụng dữ liệu cấp độ ngân hàng để xác định sự bất định trong lĩnh vực ngân hàng. Bên cạnh đó, kết quả nghiên cứu cũng đặc biệt xác nhận những kết quả của Dang và Nguyen (2022) trong bối cảnh các phân tích hiện tại khai thác rủi ro mất khả năng thanh toán và có kiểm soát giai đoạn hệ thống ngân hàng Việt Nam chịu cú sốc lớn từ đại dịch Covid-19.

 

5. Kết luận
 

Sự bất định về kinh tế có những hậu quả tiêu cực đáng kể đối với hoạt động của ngân hàng và nền kinh tế. Mặc dù có rất nhiều tài liệu về ảnh hưởng của nó đối với nền kinh tế thực, liệu sự bất ổn kinh tế có ảnh hưởng đến rủi ro mất khả năng thanh toán của các ngân hàng hay không vẫn chưa được khám phá nhiều. 
 

Sử dụng dữ liệu bảng cấp độ ngân hàng của 30 ngân hàng thương mại tại Việt Nam giai đoạn 2007 - 2021, nghiên cứu tìm thấy bằng chứng nhất quán và vững cho mối liên hệ tích cực giữa sự bất định ngân hàng và các chỉ số về rủi ro mất khả năng thanh toán của ngân hàng, điều này ngụ ý rằng rủi ro ngân hàng mất khả năng thanh toán có xu hướng gia tăng khi ngành Ngân hàng đối mặt sự bất định cao hơn. 
 

Kết quả của nghiên cứu này mang ý nghĩa chính sách quan trọng. Sự minh bạch và rõ ràng hơn về thông tin và chính sách kinh tế, tài chính, ngân hàng, đặc biệt là ở nền kinh tế mới nổi vốn vẫn có nhiều khiếm khuyết về thông tin chính sách quan trọng, có thể là điều cần thiết để giảm thiểu rủi ro vỡ nợ do sự bất định gây ra trong thị trường ngân hàng. Vì tính rủi ro nhiều hơn do sự bất định gây ra cho các ngân hàng, các cơ quan quản lý cần phải kiểm soát hành vi chấp nhận rủi ro của ngân hàng để làm suy yếu những hậu quả bất lợi của sự bất định đối với sự an toàn của ngân hàng.

 

Tài liệu tham khảo:
 

1. Bernanke, B.S. (1983). Irreversibility, uncertainty, and cyclical investment. The quarterly journal of economics, 98(1), 85-106.

2. Blundell, R., & Bond, S. (1998). Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics, 87(1), 115-143.

3. Buch, C.M., Buchholz, M., & Tonzer, 

L. (2015). Uncertainty, bank lending, and bank-level heterogeneity. IMF Economic Review, 63(4), 

919-954.

4. Dang, V.D., & Nguyen, H.C. (2022c). Credit risk amid banking uncertainty in Vietnam. Bulletin of Monetary Economics and Banking, 25(1), 73-96.

5. Dell’Ariccia, G., Laeven, L., & Marquez, R. (2014). Real interest rates, leverage, and bank risk-taking. Journal of Economic Theory, 149(1), 65-99.

6. Knight, F.H. (1921). Risk, uncertainty and profit. Houghton Mifflin, Boston.

7. Pindyck, R.S. (1988). Irreversible investment, capacity choice, and the value of the firm. American Economic Review, 78(5), 969–985.

8. Roodman, D. (2009). How to do xtabond2: An introduction to difference and system GMM in Stata. Stata Journal, 9(1), 86-136.

9. Valencia, F. (2017). Aggregate uncertainty and the supply of credit. Journal of Banking and Finance, 81, 150-165.

10. Wu, J., Yao, Y., Chen, M., & Jeon, B.N. (2020). Economic uncertainty and bank risk: Evidence from emerging economies. Journal of International Financial Markets, Institutions and Money, 68.

PGS., TS. Đặng Văn Dân 
Trường Đại học Ngân hàng Thành phố Hồ Chí Minh