Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng hay nhất năm 2024 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài: Ảnh hưởng của rủi ro thanh khoản đến hiệu quả hoạt động của các Ngân hàng thương mại tại Việt nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

3.1. Dữ liệu

Để xem xét mối quan hệ giữa rủi ro thanh khoản và hiệu quả hoạt động của Ngân hàng, tác giả sử dụng dữ liệu thứ cấp thu thập từ Báo cáo tài chính và Báo cáo kết quả hoạt động kinh doanh của 29/41 ngân hàng đang hoạt động tại Việt Nam, giai đoạn 2010 – 2021).

Tuy nhiên, để có dữ liệu đầy đủ, độ tin cậy cao tránh ảnh hưởng đến kết quả nghiên cứu, tác giả đã tiến hành loại bỏ những ngân hàng không có đầy đủ dữ liệu hoặc đã bị sáp nhập. Đồng thời chỉ sử dụng những ngân hàng đã được niêm yết trên sàn chứng khoán.

Những đại diện cho thanh khoản, hiêu quả hoạt động và biến kiểm soát xuất phát từ nội bộ ngân hàng được tính toán cẩn thận dựa trên những thông tin được lọc ra từ Báo cáo kế quả hoạt động kinh doanh và bảng cân đối kế toán của các ngân hàng.

Ngoài ra, các dữ liệu vĩ mô như GDP và lạm phát được thu thập từ Tổng cục Thống kê công bố qua các năm, từ NHNN và WorldBank. Các rủi ro như khủng hoảng kinh tế (2011-2012) và COVID-19 (2020 -2021) cũng được ghi nhận dựa trên tình hình thực tế. Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng.

3.2 Phương pháp nghiên cứu

Nhiều nghiên cứu trước đây sử dụng mô hình hồi qui bình phương nhỏ nhất (OLS) để xem xét mối quan hệ giữa rủi ro thanh khoản và hiệu quả hoạt động của Ngân hàng. Vì đây là mô hình đơn giản, phổ biến và tin cậy được nhiều nghiên cứu sử dụng (Arif và Anees, 2012; Bassey, 2015; Kosmidou và cộng sự, 2012; Ndoka và cộng sự, 2017; Poposka và Trpkoski, 2013; Trang và cộng sự, 2021). Trong nghiên cứu này, tác giả cũng áp dụng mô hình OLS với phương trình hồi quy tuyến tính tổng quát như sau:  𝑌_𝑖 = 𝛽₀ + 𝛽₁𝑋_1𝑖 + 𝛽₂𝑋_2𝑖 + ⋯ + 𝛽_𝑛𝑋_𝑛𝑖 + 𝜀_𝑖 (1)

Trong đó:

• Y là biến phụ thuộc
• X là các biến giải thích hay biến độc lập.
• β_n là hệ số của các biến độc lập trong đó B₀ là hệ số tự do
• là hạng nhiễu hay sai số ngẫu nhiên
• i là ký hiệu cho quan sát thứ i trong tổng thể.

Tuy nhiên, mô hình này phù hợp sẽ nhất nếu không có yếu tố riêng biệt (tức là từng ngân hàng) và yếu tố thời gian. Vì vậy, nó có thể dẫn đến những ràng buộc quá chặt chẽ không đáp ứng được điều kiện thực tế. Có thể nhận định rằng mô hình OLS tuy đơn giản có nhiều ưu điểm nhưng đồng thời nó có những khuyết điểm gây khó khăn và có thể ảnh hưởng đến kết quả của nghiên cứu.Nên tác giả xem xét thêm mô hình hiệu ứng cố định (FEM) và mô hình tác động ngẫu nhiên (REM). Hai mô hình này đều không bỏ qua thời gian và các yếu tố riêng biệt.

Mô hình hồi quy hiệu ứng cố định (Fixed Effects Model – FEM) là một phương pháp thống kê phổ biến được sử dụng trong nghiên cứu xã hội. Nó có nhiều ưu điểm có thể đề cập đến như: (1) Mô hình FEM cho phép kiểm soát và loại bỏ hiệu ứng không quan sát được (unobserved effects) thông qua việc bao gồm hiệu ứng cố định cho mỗi đơn vị nghiên cứu. Điều này giúp loại bỏ các yếu tố ẩn không xác định có thể ảnh hưởng đến biến phụ thuộc. (2) FEM thường được sử dụng trong trường hợp dữ liệu có tính chất đại diện, tức là dữ liệu thu thập từ các đơn vị đại diện cho một nhóm lớn hơn. Khi sử dụng mô hình FEM, ta có thể điều chỉnh cho các hiệu ứng không quan sát được ở mỗi đơn vị đại diện. (3) Nó cung cấp khả năng phân tích sự thay đổi của biến phụ thuộc theo thời gian. Bằng cách bao gồm hiệu ứng cố định cho mỗi thời điểm, ta có thể xem xét sự ảnh hưởng của các yếu tố không thay đổi theo thời gian và yếu tố thay đổi theo thời gian đến biến phụ thuộc.

Tuy nhiên mô hình này cũng có những nhược điểm khó khắc phục như: (1) Mô hình FEM giả định rằng hiệu ứng cố định là không thay đổi giữa các đơn vị nghiên cứu. Điều này có nghĩa là mô hình không thể xem xét sự biến đổi đặc biệt của từng đơn vị, và chỉ có thể phân tích hiệu ứng trung bình của các đơn vị. (2) Mô hình FEM không thể ước lượng hiệu ứng của các biến giải thích không thay đổi theo thời gian, bởi vì các biến này bị loại bỏ qua hiệu ứng cố định. Do đó, mô hình có thể bỏ qua một phần thông tin quan trọng trong dữ liệu. (3) Nó yêu cầu có một số lượng quan sát lớn để đảm bảo tính chính xác và độ tin cậy của ước lượng. Nếu số lượng quan sát ít, mô hình có thể gặp khó khăn trong việc ước lượng hiệu quả.

Tương tự, mô hình hiệu ứng ngẫu nhiên (Random Effects Model – REM) cũng là một phương pháp phân tích trong lĩnh vực kinh tế và xã hội. Và bản thân nó cũng tồn tại những ưu nhược điểm khác nhau. Đầu tiên về ưu điểm thì (1) Mô hình REM cho phép ước lượng cả hiệu ứng cố định và ngẫu nhiên. Hiệu ứng cố định được hiểu là các yếu tố không thay đổi giữa các đơn vị nghiên cứu, trong khi hiệu ứng ngẫu nhiên là các yếu tố thay đổi ngẫu nhiên giữa các đơn vị. Điều này giúp phân tích được cả yếu tố không quan sát được và yếu tố ngẫu nhiên trong mô hình. (2) REM phù hợp cho việc phân tích dữ liệu có tính chất thay đổi theo thời gian. Nó cho phép ước lượng hiệu ứng cố định và hiệu ứng ngẫu nhiên của biến giải thích theo thời gian, giúp đánh giá sự ảnh hưởng của các yếu tố thay đổi theo thời gian lên biến phụ thuộc. (3) Nó có khả năng sử dụng dữ liệu có số lượng quan sát ít hơn so với mô hình FEM. Điều này làm cho mô hình REM phù hợp trong trường hợp dữ liệu thu thập khó khăn hoặc khi số lượng quan sát bị hạn chế. Tiếp theo nó cũng có những hạn chế nhất định như: (1) Mô hình REM giả định rằng hiệu ứng ngẫu nhiên là không tương quan với các biến giải thích. Nếu giả định này không đúng, ước lượng từ mô hình REM có thể không chính xác. (2) REM không cung cấp phương pháp cụ thể để phân biệt hiệu ứng cố định và ngẫu nhiên. Việc đánh giá và xác định loại hiệu ứng nào đang có ảnh hưởng lên biến phụ thuộc có thể khó khăn và yêu cầu sự đánh giá cẩn thận từ người nghiên cứu. (3) Nó giả định rằng các hiệu ứng ngẫu nhiên giữa các đơn vị nghiên cứu là đồng nhất. Nếu dữ liệu không đáp ứng giả định này, mô hình REM có thể dẫn đến ước lượng không chính xác và sai lệch.

Mỗi mô hình có ưu nhược điểm riêng nên để xem xét mô hình hồi quy phù hợp nhất trong số ba mô hình trên, tác giả đã thực hiện thêm kiểm định F và kiểm định Hausman. Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng.

• Cụ thể kiểm định F giúp tác giả chọn giữa mô hình OLS và FEM với giả định:
• H₀: Mô hình hồi quy OLS phù hợp
• H₁: Mô hình tác động cố định (FEM) phù hợp
• Nếu giá trị P ≤ 0.05 thì bác bỏ giả thuyết mô hình OLS phù hợp, chấp nhận H₁ tức là chọn FEM là mô hình phù hợp. Ngược lại, P > 0.05 thì chọn mô hình OLS là mô hình phù hợp để nghiên cứu.

Tương tự để lựa chọn giữa FEM và REM, tác giả dùng kiểm định Hausman:

• H₀: Ước lượng của FEM và REM không khác nhau
• H₁: Ước lượng của FEM và REM khác nhau
• Nếu giá trị P ≤ 0,05 thì bác bỏ H₀, khi đó REM không phù hợp, nghiên cứu nên sử dụng FEM. Ngược lại, P > 0.05, chọn mô hình REM.
• Kiểm tra Breusch và Pagan để lựa chọn chọn OLS và REM.
• H0: Var(α_i) = 0 với mọi i=1, …., n.
• H1: Var(αi) ≠ 0 thì tồn tại i=1, …, n.
• Khi giá trị P ≤ 5%, chọn mô hình REM, nếu không thì sử dụng mô hình OLS.

Sau khi chọn mô hình phù hợp, để đảm bảo mô hình không tồn tại quá nhiều khuyết tật dẫn đến sai sót thì tác giả tiến hành xem xét thêm mô hình có bị phương sai sai số thay đổi và tự tương quan không. Nếu kết quả kiểm định cho giá trị P là ≤ 5%, thì mô hình có hiện tượng phương sai thay đổi hoặc tự tương quan và ngược lại. Hơn thế nữa, trong trường hợp có xảy ra một trong 2 khuyết tật trên thì tác giả sẽ sử dụng mô hình Bình phương tối thiểu tổng quát (GLS) để khắc phục.

Mặc dù mô hình hồi quy cố định với điều chỉnh sai số được sử dụng để xử lý vấn đề về các biến không đồng nhất phương sai thay đổi và tự tương quan nếu có nhưng những sai lệch liên quan đến vấn đề nội sinh vẫn tồn tại trong kiểm định (Wintoki và cộng sự, 2012) mối quan hệ giữa rủi ro thanh khoản và hiệu quả hoạt động. Theo Cameron Colin (2007), một số nghiên cứu trước đây sử dụng mô hình OLS, FEM hay REM để ước tính sẽ có sự sai lệch, đặc biệt là với những dữ liệu bảng ngắn. Trong đó GLS thì chỉ xử lý được vấn đề tự tương quan và phương sai sai sốt thay đổi mà bỏ qua vấn đề nội sinh. Theo kiến thức giới hạn của tác giả thì một số nghiên cứu đã sử dụng ước lượng biến IV – Ước lượng công cụ để giải quyết vấn đề này. Nhưng vấn đề đặt ra là tìm được biến công cụ phù hợp vì nếu chọn biến công cụ không đủ mạnh ước lượng công cụ sẽ có thể không chính xác. Tức là vấn đề nội sinh sẽ không được khắc phục nếu tác giả sử dụng ước lượng công cụ (ước lượng IV) mà không chọn được biến công cụ tốt.  Do đó, tác giả đã sử dụng mô hình GMM (Arellano và Bond, 1991) vì mô hình này dễ dàng chọn biến công cụ hơn vì nó sử dụng độ trễ các biến như là biến công cụ cho các biến nội sinh tại thời điểm hiện tại. Bên cạnh đó, Arellano và Bond (1991) đã đề xuất hai kiểm định xem xét tính hiệu lực (Overidentification) của mô hình GMM: Kiểm định Sargan/Hansen Kiểm định Sargan (hay kiểm định Hansen) để xác định tính phù hợp của các biến công cụ trong mô hình GMM. Đây là kiểm định ràng buộc xác định quá mức (over-identifying restrictions) hay kiểm tra sự phù hợp của biến công cụ.

Kiểm định Arellano-Bond được đề xuất bởi Arellano và Bond (1991) để kiểm tra tính chất tự tương quan của phương sai sai số mô hình GMM ở dạng sai phân bậc 1. Giả thuyết H₀ của kiểm định Arellano – Bond là không có tự tương quan bậc 2 cho phần dư và vì thế giá trị P-value của kiểm định AR (2) càng lớn thể hiện không có tự tương quan bậc 2 cho phần dư.

Ngoài ra, GMM có 2 dạng ước lượng thay thế lẫn nhau là ước lượng Dif-GMM và Sys-GMM. Nhưng Blundell và Bond (1998) cho rằng, ước lượng Sys-GMM cho kết quả tốt hơn ước lượng Dif-GMM, bởi vì có dự đoán tốt hơn biến cho biến nội sinh trong mô hình, thậm chí khi chuỗi dữ liệu có tác động dai dẳng.

3.3. Mô hình nghiên cứu Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng.

Dựa trên cơ sở lý thuyết và các nghiên cứu thực nghiệm mà đề tài đã phân tích, tác giả đề xuất mô hình nghiên cứu cho đề tài. Mô hình xây dựng dựa trên mô hình nghiên cứu của Dezfouli và cộng sự (2014), Khalid và cộng sự (2019) và Siaw và cộng sự (2013) với các yếu tố: Chỉ số trạng thái tiền mặt (CASH), Tỷ lệ cấp tín dụng so với nguồn vốn huy động (LDR), Chỉ số năng lực cho vay (LA), Tỷ lệ tiền gửi khách hàng trên tổng tài sản (DEP), Quy mô ngân hàng (SIZE); các yếu tố thuộc môi trường kinh tế vĩ mô, bao gồm: Tăng trưởng kinh tế (GDP), Lạm phát (INF) và cú sốc trong nền kinh tế (RISK) khủng hoảng kinh tế (2011-2012) và đại dịch Covid19 (2020-2021). Những nhân tố đại diện cho hiệu quả hoạt động là: Tỷ suất sinh lợi nhuận trên tổng tài sản (ROA), Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE), Biên lãi ròng (NIM). Bên cạnh đó dựa vào mô hình hồi quy (1) nghiên cứu có mô hình như sau:

• ROA_it = β₀ + β₁CASH_it + β₂LDR_it + β₃LA_it + β₄DEP_it + β₅SIZE_it + β₆GDP_it + β₇INF_it  + β₈RISK_it + ε_it (2)
• ROE_it = β₀ + β₁CASH_it + β₂LDR_it + β₃LA_it + β₄DEP_it + β₅SIZE_it + β₆GDP_it + β₇INF_it  + β8RISKit + εit  (3)
• NIM_it = β₀ + β₁CASH_it + β₂LDR_it + β₃LA_it + β₄DEP_it + β₅SIZE_it + β₆GDP_it + β₇INF_it + β8RISKit + εit (4)

Định nghĩa biến

• Biến ROA

 ROA là viết tắt của thuật ngữ “Return on Assets” trong tiếng Anh. ROA là chia lợi nhuận sau thuế cho tổng tài sản của doanh nghiệp. ROA thường được sử dụng để đánh giá khả năng quản lý tài sản và tạo ra lợi nhuận của một doanh nghiệp, cũng như so sánh hiệu quả của các doanh nghiệp khác nhau hoặc trong cùng ngành. ROA càng cao thì doanh nghiệp càng có khả năng tạo ra lợi nhuận từ tài sản đầu tư của mình. Alzorqan (2014), Trabelsi (2015), Abbas và cộng sự (2012), Mogusu và cộng sự (2022), Strahan (2004), Altarawneh và Shafie (2018), Cai và Zhang (2017), Alshatti (2015), Trầm Thị Xuân Hương và Trần Thị Thanh Nga (2018), Siaw (2013), Dezfouli và cộng sự (2014), Khalid và cộng sự (2019), Almekhlafi và cộng sự (2016) và Mustafa (2019) đã sử dụng chỉ số.

• Biến ROE Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng.

ROE là viết tắt của thuật ngữ “Return on Equity” trong tiếng Anh. ROE được tính bằng cách chia lợi nhuận sau thuế cho vốn chủ sở hữu của doanh nghiệp. ROE thường được sử dụng để đánh giá hiệu quả của các quyết định đầu tư và quản lý vốn của doanh nghiệp. ROE càng cao thì doanh nghiệp càng có khả năng tạo ra lợi nhuận từ vốn chủ sở hữu của mình. Cũng giống như ROA, ROE cũng thường được sử dụng trong các nghiên cứu như Farooq và cộng sự (2015), Paul và cộng sự (2013), AlRdaydeh và cộng sự (2017), Trabelsi (2015), Alshatti (2015), Trầm Thị Xuân Hương và Trần Thị Thanh Nga (2018), Siaw (2013), Dezfouli và cộng sự (2014), Khalid và cộng sự (2019) và  Islam và cộng sự (2009).

• Biến NIM

NIM là viết tắt của thuật ngữ “Net Interest Margin” trong tiếng Anh, có nghĩa là biên lợi nhuận ròng từ lãi suất. NIM được tính bằng cách chênh lệch giữa tỷ suất lãi thuần và tỷ suất chi phí vốn. NIM thường được sử dụng để đo lường khả năng sinh lợi của các ngân hàng hoặc tổ chức tài chính khác thông qua hoạt động cấp tín dụng và quản lý tài sản. NIM càng cao thì ngân hàng càng có khả năng tạo ra lợi nhuận từ hoạt động cấp tín dụng của mình. Cũng giống như ROA và ROE, NIM cũng là chỉ tiêu được sử dụng để đo lường lợi nhuận của các ngân hàng (Hua Shen và cộng sự, 2009; Chen và cộng sự, 2018; Trầm Thị Xuân Hương, Trần Thị Thanh Nga, 2018; Adusei, 2015; Siaw, 2013)

• Biến chỉ số trạng thái tiền mặt (CASH) Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng.

Chỉ số trạng thái tiền mặt (CASH) là một chỉ số tài chính thường được sử dụng để đánh giá khả năng thanh toán ngay lập tức của một công ty hoặc tổ chức. Chỉ số này thể hiện tỷ lệ giữa số tiền mặt và tương đương tiền mặt của một công ty so với tổng tài sản của công ty. CASH cho thấy khả năng của công ty để đáp ứng các nhu cầu thanh toán ngắn hạn một cách linh hoạt và hiệu quả. CASH càng cao, công ty càng có khả năng thanh toán nhanh chóng các khoản nợ và chi phí ngắn hạn.

• Biến Tỷ lệ cấp tín dụng/ nguồn vốn huy động (LDR)

Biến Tỷ lệ cấp tín dụng so với nguồn vốn huy động (LDR) là một chỉ số thường được sử dụng trong ngành ngân hàng để đo lường mức độ rủi ro tín dụng. Tỷ lệ LDR được tính bằng tổng giá trị của các khoản cho vay chia cho tổng số tiền ngân hàng huy động được từ khách hàng. Tỷ lệ LDR cao có nghĩa là ngân hàng đã cấp nhiều khoản cho vay hơn là huy động được từ khách hàng, điều này có thể làm tăng nguy cơ rủi ro tín dụng dẫn đến kém thanh khoản của ngân hàng. Ngược lại, nếu tỷ lệ LDR thấp nghĩa là ngân hàng đang giữ một khoản tiền dư và có thể ảnh hưởng đến hoạt động kinh doanh do lượng cho vay của ngân hàng bị hạn chế.

• Biến chỉ số năng lực cho vay trên tài sản

Chỉ số năng lực cho vay (Loan-to-Asset Ratio – LA) là một chỉ số tài chính thường được sử dụng để đo lường khả năng của một tổ chức tài chính, trong việc cấp tín dụng. LA thể hiện tỷ lệ giữa tổng dư nợ cho vay của tổ chức tài chính và tổng tài sản của nó. Nó cho thấy khả năng của tổ chức tài chính trong việc tăng cường hoạt động cho vay và tăng lợi nhuận. Tuy nhiên, nếu LA quá cao, tổ chức tài chính có thể phải đối mặt với rủi ro tín dụng và khả năng thanh toán bị suy giảm trong trường hợp khách hàng không thể trả nợ. Chỉ số này được sử dụng trong nghiên cứu của Liu (2011), Alshatti (2015), Kosmidou (2008) và Cucinelli (2013). Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng.

• Biến Tỷ lệ vốn tự có trên tổng tài sản (ETA)

Tỷ lệ vốn tự có trên tổng tài sản (ETA) được sử dụng để đánh giá mức độ khả năng tài chính của một công ty. Nó được tính bằng cách chia tổng số vốn tự (bao gồm cả vốn chủ sở hữu và lợi nhuận sau thuế) cho tổng số tài sản của công ty và được biểu thị dưới dạng phần trăm. Trần Huy Hoàng (2011) và Trương Quang Thông, 2013 đã dùng chỉ số này để đại diện cho thanh khoản.

• Biến Tỷ lệ tiền gửi khách hàng trên tổng tài sản (DEP)

Tỷ lệ tiền gửi khách hàng trên tổng tài sản (DEP) được sử dụng để đánh giá mức độ sử dụng tài nguyên tài chính. Chỉ số này đo lường tỷ lệ tiền gửi của khách hàng trên tổng số tài sản và được biểu thị dưới dạng phần trăm. Một chỉ số DEP cao hơn cho thấy ngân hàng sử dụng mức độ tiền gửi khách hàng cao hơn, điều này có thể cho thấy ngân hàng đó có nguồn vốn ổn định và có khả năng đáp ứng các yêu cầu rút tiền của khách hàng. Tuy nhiên, nếu chỉ số DEP quá cao, điều này có thể cho thấy ngân hàng đang sử dụng quá nhiều tiền gửi của khách hàng để cho vay, điều này có thể làm giảm tính thanh khoản của ngân hàng và tăng rủi ro nợ xấu. Có thể tìm thấy biến này trong các nghiên cứu của Arif và Anees (2012) và Dezfouli và cộng sự (2014) và Liu (2011).

• Biến Quy mô ngân hàng (SIZE)

Trong ngành ngân hàng, Size (quy mô) thường được đo bằng các chỉ số như tổng tài sản, khoản vay, số tiền gửi, hoặc số lượng chi nhánh, số lượng khách hàng, số lượng nhân viên, doanh thu, lợi nhuận và các chỉ số tài chính khác. Tuy nhiên, trong nghiên cứu này quy mô được đo bằng Logarit tự nhiên của tổng tài sản ngân hàng. Việc đo lường quy mô của ngân hàng là rất quan trọng vì nó cho phép các nhà đầu tư, khách hàng và các cơ quan quản lý có cái nhìn tổng quan về khả năng và năng lực của ngân hàng trong việc cung cấp dịch vụ tài chính và phục vụ khách hàng. Các ngân hàng lớn thường có quy mô lớn hơn và có nhiều lợi thế trong việc tăng trưởng và cạnh tranh trong ngành. Biến này đã đường sử dụng ở các nghiên cứu như Siaw (2013), Dezfouli và cộng sự (2014), Hua Shen và cộng sự (2009), Đoàn Việt Hùng (2018) và Tăng Mỹ Sang (2020). Quy mô ngân hàng được tính như sau: SIZE = Log (Tổng tài sản)

• Biến Tăng trưởng kinh tế (GDP) Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng.

Biến Tăng trưởng kinh tế (GDP – Gross Domestic Product) là một chỉ để đo lường giá trị tất cả các hàng hóa và dịch vụ sản xuất trong một quốc gia trong một khoảng thời gian nhất định, thường là một quý hoặc một năm. Tăng trưởng GDP cho thấy tốc độ tăng trưởng của nền kinh tế. Việc tăng trưởng GDP bền vững được xem là mục tiêu quan trọng của nhiều quốc gia, vì nó cho thấy sức khỏe và sự phát triển của nền kinh tế. Trầm Thị Xuân Hương và Trần Thị Thanh Nga (2018). Các nghiên cứu của Goddard và cộng sự (2004), Shen và cộng sự (2009) và Chen và cộng sự (2001) đã sử dụng biến này trong nghiên cứu của họ.

Công thức tính tốc độ tăng trưởng kinh tế:

• Biến Lạm phát (INF)

Lạm phát là một trong những yếu tố bên ngoài có tác động đến tính thanh khoản của ngân hàng, bởi khi nền kinh tế đang bị lạm phát, ngân hàng sẽ cấp ít tín dụng hơn. Khi tỷ lệ lạm phát tăng cao thì hiệu quả hoạt động của ngân hàng càng giảm, nhưng các nghiên cứu đã cho thấy mối quan hệ đồng biến giữa lạm phát và hiệu quả hoạt động ngân hàng (Thị Xuân Hương và cộng sự, 2018; Dezfouli và cộng sự, 2014; Mustafa, 2019; Almekhlafi và cộng sự, 2016). Trong nghiên cứu này, tỷ lệ lạm phát hàng năm được đo bằng CPI được coi là yếu tố bên ngoài duy nhất, vì CPI đo lường sự thay đổi trung bình theo thời gian của giá cả hàng hóa và dịch vụ. Tác động của lạm phát đến khả năng sinh lời của ngân hàng phụ thuộc vào việc liệu nhà quản lý ngân hàng có dự đoán lạm phát chính xác hay không. Các nghiên cứu trước đó đã chỉ ra rằng hiệu quả hoạt động và thanh khoản của ngân hàng bị ảnh hưởng tiêu cực bởi cả lạm phát dự đoán và không dự kiến (Athanasoglou và cộng sự (2006). Do lạm phát làm giảm giá trị tương lai của đồng tiền, việc dự báo lạm phát trong khoảng thời gian thích hợp là cần thiết đối với cả người cho vay và người đi vay. Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng.

• Biến cú sốc trong nền kinh tế (RISK)

Chỉ số RISK được sử dụng để đánh giá mức độ rủi ro trong nền kinh tế. Khủng hoảng kinh tế (2011-2012) được xác định bởi sự suy giảm của nền kinh tế toàn cầu sau cuộc khủng hoảng tài chính năm 2008, khi nhiều quốc gia đối mặt với tình trạng nợ công tăng cao, giảm sản xuất, tăng thất nghiệp và suy giảm tốc độ tăng trưởng GDP. Đặc biệt, khủng hoảng nợ châu Âu đã tác động đến nền kinh tế toàn cầu. Chỉ số RISK trong thời gian đó đã tăng cao, cho thấy mức độ rủi ro trong nền kinh tế tăng cao và nhiều doanh nghiệp phải đối mặt với khó khăn trong việc tăng trưởng, duy trì hoạt động và trả nợ. Đại dịch Covid-19 đã tác động đến nền kinh tế toàn cầu một cách đáng kể từ năm 2020 đến 2021. Việc áp đặt các biện pháp phong tỏa và giãn cách xã hội đã khiến nhiều doanh nghiệp đã đối mặt với khó khăn trong việc duy trì hoạt động và trả nợ, trong khi đó các chính phủ đã áp đặt các biện pháp hỗ trợ tài chính để giảm bớt tác động của đại dịch lên nền kinh tế. Nếu thời gian nghiên cứu rơi vào năm 2011-2012 (Khủng hoảng kinh tế) và 2020-2021 (đại dịch Covid-19) thì ghi nhận 1 còn lại là 0.

TÓM TẮT CHƯƠNG 3 Luận văn: PPNC rủi ro thanh khoản của các Ngân hàng.

Từ các lý thuyết và học thuyết nền liên quan cùng với những nghiên cứu cứu thực nghiệm trước đây trong và ngoài nước đã đề cập ở chương 2 thì chương 3 sẽ cung cấp thông tin về việc thu thập dữ liệu cũng như mô hình và phương pháp áp dụng cho nghiên cứu này. Bên cạnh đó định nghĩa những biến kiểm soát tham gia mô hình nghiên cứu.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:

===>>> Luận văn: Kết quả nghiên cứu rủi ro thanh khoản các Ngân hàng

Dịch Vụ Viết Luận Văn 24/7 Chuyên cung cấp dịch vụ làm luận văn thạc sĩ, báo cáo tốt nghiệp, khóa luận tốt nghiệp, chuyên đề tốt nghiệp và Làm Tiểu Luận Môn luôn luôn uy tín hàng đầu. Dịch Vụ Viết Luận Văn 24/7 luôn đặt lợi ích của các bạn học viên là ưu tiên hàng đầu. Rất mong được hỗ trợ các bạn học viên khi làm bài tốt nghiệp. Hãy liên hệ ngay Dịch Vụ Viết Luận Văn qua Website:  https://dichvuvietluanvan.com/ – Hoặc Gmail: lamluanvan24h@gmail.com