Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng hay nhất năm 2026 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 Luận Văn: Các yếu tố tác động đến khả năng sinh lời của các ngân hàng thương mại cổ phần 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 Mô hình nghiên cứu

3.1.1. Xác định các biến nghiên cứu

3.1.1.1 Biến phụ thuộc

KNSL của ngân hàng là biến số quan trọng trong nghiên cứu này. Đối với nghiên cứu này, lợi nhuận ròng trên tài sản (ROA) và lợi nhuận ròng trên vốn chủ sở hữu (ROE) là các thước đo đại diện Khả năng sinh lời của các ngân hàng Việt Nam. Các tỷ số ROA và ROE là các thước đo truyền thống, quan trọng nhất cho Khả năng sinh lời của ngân hàng, và được sử dụng thường xuyên trong các tài liệu thực nghiệm (chẳng hạn Batten và Vo, 2019; Kumar và Bird, 2022; Elseoud và cộng sự, 2020; O’Connell, 2023). (1) Tỷ số ROA là tỷ số thu nhập ròng trên tổng tài sản, đo lường thu nhập ròng kiếm được trên mỗi đồng tài sản. Tỷ số ROA phản ánh việc sử dụng nguồn lực đầu tư thực tế của ngân hàng nhằm tạo ra lợi nhuận (Al–Shami, 2008). Do đó, tỷ số ROA cho thấy việc quản trị ngân hàng hiệu quả và sinh lời như thế nào, trên cơ sở tổng tài sản của nó. Đối với các ngân hàng có hồ sơ rủi ro (risk profile) tương tự, tỷ số ROA là thống kê hữu ích để so sánh lợi nhuận ngân hàng, vì tránh được các sai lệch gây ra bởi sự khác biệt trong đòn bẩy tài chính (Dietrich và Wanzenried, 2011). (2) Tỷ số ROE là tỷ số lợi nhuận ròng trên tổng vốn chủ sở hữu, đo lường tỷ lệ sinh lời của cổ đông trên vốn chủ sở hữu của mình. Tỷ số ROE đo lường mức độ ban quản trị sử dụng tiền đầu tư của các cổ đông để tạo ra lợi nhuận (Athanasoglou và cộng sự, 2008). Thông thường, ngân hàng có ROE cao hơn có xu hướng tạo ra nhiều lợi nhuận hơn cho các cổ đông của mình. Do đó, các cổ đông ngân hàng luôn thích ROE cao hơn. Tuy nhiên, điều này đôi khi có thể là mối nguy hại đối với ngân hàng, vì ROE tăng cao có thể do vốn cổ phần giảm mạnh, có thể dẫn đến vi phạm các tiêu chuẩn vốn pháp định tối thiểu, có xu hướng làm tăng rủi ro về khả năng thanh toán của các ngân hàng (Saunders và Cornett, 2006).

• 3.1.1.2. Biến độc lập

Tổng hợp các nghiên cứu thực nghiệm trước đây, Khả năng sinh lời của các ngân hàng có thể chịu ảnh hưởng bởi các yếu tố sau đây: (1) Yếu tố đặc điểm ngân hàng: quy mô ngân hàng (Trujillo–Ponce, 2013; Menicucci và Paolucci, 2016; Batten và Vo, 2019; Elseoud và cộng sự, 2020), rủi ro thanh khoản (Alim và cộng sự, 2021; Adusei, 2022; Al–Ardah và Al–Okdeh, 2022), tỷ số vốn (Ben Naceur, 2003; Dietrich và Wanzenried, 2011; Pires và cộng sự, 2021), rủi ro tín dụng (Alhassan và cộng sự, 2016; Serwadda, 2018; Pires và cộng sự, 2021), hiệu quả chi phí (Batten và Vo, 2019; Elseoud và cộng sự, 2020; Phan và cộng sự, 2020), và đa dạng hóa thu nhập (Almeida và Divino, 2015; Al–Harbi, 2019; Kumar và Bird, 2022; Thanh và Tâm, 2022) (2) Yếu tố đặc điểm ngành: mức độ tập trung thị trường ngân hàng (Al–Harbi, 2019; Batten và Vo, 2019; Jeris, 2021). (3) Yếu tố kinh tế vĩ mô: tăng trưởng kinh tế (Almeida và Divino, 2015; Al–Harbi, 2019; Isayas, 2022), và lạm phát (Alhassan và cộng sự, 2016; Elseoud và cộng sự, 2020; O’Connell, 2023). Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng.

Liên quan các yếu tố đặc điểm ngân hàng, quy mô ngân hàng (SIZE) được phản ánh rõ ràng nhất dưới góc độ của tổng tài sản. Do đó, quy mô ngân hàng được đo lường bởi logarit tổng tài sản, nhằm giảm hiệu ứng của quy mô, do sự phân bổ của quy mô tài sản thường phân phối lệch (Batten và Vo, 2019). Tehranian và cộng sự (2006) khẳng định rằng khả năng thanh khoản của ngân hàng phụ thuộc vào sự chênh lệch giữa tài sản và nợ phải trả trong quá trình thực hiện chức năng trung gian tài chính, do đó sử dụng khe hở tài trợ để đo lường rủi ro thanh khoản (FGAP). Thước đo FGAP là tỷ lệ chênh lệch giữa các khoản cho vay và tiền gửi trên tổng tài sản, do đó, chênh lệch này càng cao, khả năng thanh khoản của ngân hàng càng thấp, rủi ro thanh khoản càng cao (Chen và cộng sự, 2018). Tiếp theo, tỷ số vốn (ETA) hay quy mô vốn chủ sở hữu được đo lường bởi tỷ số vốn chủ sở hữu trên tổng tài sản, biểu hiện quy mô “tấm đệm vốn” mà các ngân hàng đang trang bị nhằm hấp thụ bất kỳ cú sốc bất lợi nào (Pires và cộng sự, 2021). Có nhiều thước đo đại diện rủi ro tín dụng trong hệ thống ngân hàng, trong đó, tỷ lệ nợ xấu (NPL) là thước đo phổ biến nhất. Thước đo NPL được đo lường bởi tỷ số nợ xấu (tổng dư nợ nhóm 3, 4 và 5) trên tổng dư nợ cho vay của các Ngân hàng thương mại (Alhassan và cộng sự, 2016). Nhiều nghiên cứu sử dụng tỷ số chi phí hoạt động trên thu nhập hoạt động để đại diện cho tính hiệu quả chi phí (INEF) (Kosmidou, 2008; Phan và cộng sự, 2020). Hiệu quả chi phí thể hiện khả năng quản lý chi tiêu của ban lãnh đạo ngân hàng; do đó, thước đo INEF càng cao, tính hiệu quả chi phí càng thấp, và ngược lại. Cuối cùng, nghiên cứu sử dụng chỉ số DAID để đo lường mức độ đa dạng hóa thu nhập của các ngân hàng (tham khảo Jouida, 2018; Laeven và Levine, 2009). Tác giả không sử dụng thước đo tỷ lệ thu nhập ngoài lãi trên tổng thu nhập (ký hiệu ID) vì hạn chế vốn có. Chỉ số ID dao động từ 0 đến 1, tương ứng thu nhập ngoài lãi chiếm 0% và 100% tổng thu nhập. Tuy nhiên, các giá trị cực đại và cực tiểu của chỉ số ID tương ứng mức độ đa dạng hóa thu nhập thấp nhất; mức độ đa dạng hóa cao nhất đạt được khi chỉ số ID = 0,5 (thu nhập ngoài lãi chiếm 50% tổng thu nhập). Sự không liên tục trong đo lường mức độ đa dạng hóa thu nhập khiến chỉ số ID không được lựa chọn trong nghiên cứu này.

Nhiều nghiên cứu (chẳng hạn Arif và Awwaliyah, 2019; Grubišić và cộng sự, 2022) sử dụng thị phần tích lũy của 5 ngân hàng có thị phần lớn nhất trên thị trường, được gọi là tỷ số tập trung CR5, để đại diện mức độ tập trung thị trường. Dựa theo nghiên cứu gần đây của Grubišić và cộng sự (2022), mức độ tập trung thị trường được đo lường dựa theo giá trị của tổng tài sản (ký hiệu là CR5A). Ngoài ra, tác giả cũng sử dụng tốc độ tăng trưởng GDP thực và CPI của Việt Nam làm đại diện tăng trưởng kinh tế (GDP) và lạm phát (INF). Cách xác định này được tìm thấy phổ biến trong các nghiên cứu trước đây của Al–Harbi (2019), Isayas (2022), O’Connell (2023).

• Bảng 3.1: Chi tiết các biến nghiên cứu.

3.1.2. Thiết lập mô hình hồi quy tĩnh (phân tích hồi quy cơ sở) Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng.

Dựa vào nghiên cứu gần đây của O’Connell (2023), mô hình hồi quy cơ sở đánh giá các yếu tố đặc điểm ngân hàng, đặc điểm ngành và kinh tế vĩ mô ảnh hưởng đến Khả năng sinh lời của các Ngân hàng thương mại có dạng sau đây: trong đó, Πit là Khả năng sinh lời của ngân hàng i tại thời điểm t, i = 1̅̅,̅N̅̅ và t = 1̅̅̅, T̅̅; α là hệ số chặn; X^′ là các vectơ chứa các biến giải thích, bao gồm 3 vectơ là X^c (các yếu tố đặc điểm ngân hàng), X^p (các yếu tố đặc điểm ngành) và X^m (các yếu tố kinh tế vĩ mô); εit là số hạng sai số, bao gồm 2 cấu thành là hiệu ứng riêng lẻ 𝝑i (individual effect) có thể thay đổi giữa các ngân hàng nhưng không thay đổi theo thời gian, và μit là số hạng sai số thông thường, có thể thay đổi giữa các ngân hàng và theo thời gian. Mô hình hồi quy (3.1) là mô hình cấu thành sai số một chiều, trong đó 𝝑i là biến ngẫu nhiên độc lập và phân phối đồng nhất, tức 𝝑i ~ iid(0, σ²) và độc lập với μit ~ iid(0, σ²). Phương trình hồi quy cơ sở (3.1) được viết dưới dạng đầy đủ như sau:

• Πit = α + β1SIZEit + β2FGAPit + β3ETAit + β4NPLit + β5INEFit + β6DAIDit + β7CR5At + β8GDPt + β9INFt + εit

trong đó, SIZE là quy mô ngân hàng, FGAP là rủi ro thanh khoản, ETA là tỷ số vốn (quy mô vốn chủ sở hữu), NPL là rủi ro tín dụng, INEF là hiệu quả chi phí, DAID là đa dạng hóa thu nhập, CR5A là mức độ tập trung thị trường, GDP là tăng trưởng kinh tế, và INF là lạm phát.

3.1.3. Thiết lập mô hình hồi quy động (phân tích tính vững)

Các nghiên cứu thực nghiệm trước đây chứng minh Khả năng sinh lời của các ngân hàng có tính liên tục (persistence) theo thời gian (O’Connell, 2023; Isayas, 2022), do rào cản cạnh tranh thị trường, bất cân xứng thông tin và sự nhạy cảm với các cú sốc kinh tế vĩ mô (Berger và cộng sự, 2000). Chronopoulosa và cộng sự (2013) tìm thấy bằng chứng về sự liên tục của lợi nhuận ngắn hạn của các ngân hàng Mỹ, đặc biệt là sau khủng hoảng tài chính, khi các chính sách can thiệp ưu tiên tính ổn định hơn tính cạnh tranh. Lee và cộng sự (2014) cũng tiết lộ mẫu hình lợi nhuận của các ngân hàng gần như tương đồng nhau trong các năm liền kề, hàm ý Khả năng sinh lời trong quá khứ sẽ ảnh hưởng đáng kể đến Khả năng sinh lời ở hiện tại. Do đó, tác giả sử dụng khuôn khổ động của mô hình (3.1), được giới thiệu bởi Athanasoglou và cộng sự (2008), thông qua việc bổ sung biến trễ của biến phụ thuộc; khi đó, phương trình (3.1) được viết lại như sau: trong đó, Πi,t−1 là biến trễ 1 giai đoạn (1 năm) của Khả năng sinh lời; và θ là tốc độ điều chỉnh về trạng thái cân bằng (trung bình). Giá trị của θ nằm giữa 0 và 1, với giá trị θ bằng 0 hàm ý lợi nhuận trong quá khứ không đóng vai trò giải thích lợi nhuận trong tương lai (O’Connell, 2023). Với các cách xác định biến số tương tự phương trình (3.2), phương trình (3.3) được viết lại dưới dạng đầy đủ như sau:

• Πit = α + θΠi,t−1 + β1SIZEit + β2FGAPit + β3ETAit + β4NPLit + β5INEFit + β6DAIDit + β7CR5At + β8GDPt + β9INFt + εit

3.2.  Xây dựng giả thuyết nghiên cứu Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng.

Quy mô ngân hàng: Xem xét các tài liệu liên quan đến mối quan hệ giữa quy mô ngân hàng và Khả năng sinh lời, đa phần các kết quả đều xác nhận mối tương quan dương, chẳng hạn Camilleri (2005), Athanasoglou và cộng sự (2008), Pasiouras và Kosmidou (2007). Theo đó, các ngân hàng lớn có thể hưởng lợi từ tính kinh tế theo quy mô, cho phép giảm chi phí và dự kiến sẽ cung cấp lượng sản phẩm tài chính nhiều hơn so với các ngân hàng nhỏ (Bourke, 1989). Ít nhất là đến một mức độ nhất định, nếu quy mô tương đối của ngân hàng mở rộng, sức mạnh thị trường, rủi ro giảm và tính kinh tế theo quy mô dẫn đến tăng hiệu quả hoạt động. Trên cơ sở giả thuyết hiệu quả tương đối, các ngân hàng lớn hiệu quả hơn và có lợi hơn so với các ngân hàng nhỏ, do tính hiệu quả vượt trội (Clarke, 1999; Berger và Humphrey, 1997). Các ngân hàng lớn cũng có thể được hưởng lợi từ tính kinh tế theo phạm vi với rủi ro giảm và đa dạng hóa sản phẩm dịch vụ tín dụng và phi tín dụng, do đó, mang lại khả năng tiếp cận các thị trường mà các ngân hàng nhỏ không thể tham Ngoài ra, các ngân hàng lớn có thể nâng cao sức mạnh của mình trên thị trường thông qua hình ảnh thương hiệu mạnh; điều này giúp thu hút nhiều khách hàng và cung cấp các dịch vụ với chi phí cạnh tranh hơn (Phan và cộng sự, 2020). Các nghiên cứu thực nghiệm của Chen và cộng sự (2018), Tabari và cộng sự (2013) cho thấy mối quan hệ cùng chiều giữa quy mô ngân hàng và Khả năng sinh lời của ngân hàng. Do đó, tác giả kỳ vọng quy mô ngân hàng tác động cùng chiều đến Khả năng sinh lời của các Ngân hàng thương mại Việt Nam (Giả thuyết H1).

Rủi ro thanh khoản: Khi không đủ thanh khoản (tức rủi ro thanh khoản tăng cao), các ngân hàng khó thể đáp ứng nhu cầu vay vốn và rút tiền của khách hàng, làm tăng chi phí cơ hội và nguy cơ rút tiền ồ ạt, khơi mào cho các thất bại và khủng hoảng cho hệ thống ngân hàng (Diamond và Rajan, 2005). Nhằm bù đắp thâm hụt thanh khoản, ngân hàng có thể đi vay trên thị trường liên ngân hàng hoặc bán tài sản thanh khoản; tuy nhiên, nếu vị thế thanh khoản đáng báo động, nhu cầu cải thiện vị thế thanh khoản cũng như hạ mức rủi ro thanh khoản cấp bách, các ngân hàng có thể phải gánh chịu lãi suất cho vay cao hoặc vấn đề định giá thấp, buộc lòng phải bán tài sản thanh khoản với giá cả rẻ hơn thị trường, làm giảm cơ sở vốn của ngân hàng (Arif và Anees, 2012). Những lập luận trên cho thấy rủi ro thanh khoản tăng cao có thể làm giảm hiệu quả hoạt động của các ngân hàng, có thể làm sụp đổ dây chuyền cả hệ thống Ngân hàng thương mại (Chen và cộng sự, 2018). Nhiều nghiên cứu thực nghiệm cũng ủng hộ quan điểm này khi cho thấy các ngân hàng muốn cải thiện lợi nhuận nên tìm cách kiểm soát rủi ro thanh khoản hiệu quả (chẳng hạn Arif và Anees, 2012; Chen và cộng sự, 2018; Adusei, 2022). Do đó, tác giả kỳ vọng rủi ro thanh khoản tác động ngược chiều đến Khả năng sinh lời của các Ngân hàng thương mại Việt Nam (Giả thuyết H2).

Tỷ số vốn: Nhiều nghiên cứu trước đây (Pasiouras và Kosmidou, 2007; Sufian và Habibullah, 2009; Sufian, 2012; Trujillo–Ponce, 2013) xác nhận mối quan hệ cùng chiều giữa tỷ số vốn và Khả năng sinh lời của ngân hàng. Berger (1995) lập luận rằng các ngân hàng nên nắm giữ nhiều vốn chủ sở hữu hơn, tạo ra “tấm đệm vốn” để chống chọi với mọi kiệt quệ tài chính (financial distress) tiềm ẩn, đặc biệt trong trường hợp chi phí phá sản dự kiến tăng cao. Điều này cho phép các ngân hàng thực hiện các khoản cho vay bổ sung, và do đó làm tăng Khả năng sinh lời của ngân hàng. Ngoài ra, Sufian (2012) đề xuất quy mô vốn chủ sở hữu lớn rất quan trọng đối với các ngân hàng ở các nền kinh tế đang phát triển, vì nó cung cấp thêm sức mạnh để chống chọi với khủng hoảng tài chính và tăng cường sự an toàn cho người gửi tiền trong điều kiện kinh tế không ổn định. Ngoài ra, tỷ số vốn cao hơn giúp các ngân hàng tiếp cận nguồn vốn giá rẻ, và linh hoạt trong việc theo đuổi các cơ hội kinh doanh (Athanasoglou và cộng sự, 2008). Molyneux (1993) lập luận thêm rằng tỷ số vốn càng lớn, uy tín tín dụng của ngân hàng càng cao, do đó, chi phí tài trợ của các ngân hàng có tỷ số vốn cao có thể thấp hơn. Do đó, tác giả kỳ vọng tỷ số vốn tác động cùng chiều đến Khả năng sinh lời của các Ngân hàng thương mại Việt Nam (Giả thuyết H3). Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng.

Rủi ro tín dụng: Các nghiên cứu về khủng hoảng ngân hàng trên toàn thế giới chỉ ra chất lượng tài sản kém là nhân tố chính dẫn đến sự thất bại của các ngân hàng (Stuart, 2005). Khi ngân hàng đối mặt với mức độ rủi ro tín dụng cao, điều đó cho thấy chất lượng danh mục cho vay đang rất thấp, và ngân hàng đang nắm một lượng lớn các khoản cho vay không thể thu hồi được. Việc gia tăng rủi ro tín dụng trong quá trình hoạt động kinh doanh buộc ngân hàng phải phân bổ một phần đáng kể tỷ suất biên lợi nhuận gộp vào các khoản trích lập dự phòng rủi ro tín dụng để trang trải các khoản tổn thất cho vay, dẫn đến không tích lũy được thu nhập. Hơn nữa, để gia tăng chất lượng tài sản, ngân hàng phải phân bổ nhiều chi phí dành cho bảo lãnh tín dụng và giám sát vốn vay, do đó, làm tăng chi phí của ngân hàng, từ đó làm giảm Khả năng sinh lời của các ngân hàng. Việc kiểm tra và giám sát được cải thiện sẽ dẫn đến việc ngân hàng giảm trích lập dự phòng rủi ro cho vay và tăng Khả năng sinh lời, do các mức nợ vỡ nợ thấp hơn (O’Connell, 2023). Một lượng lớn tài liệu thực nghiệm cũng ghi nhận các ngân hàng sinh lời cao khi kiểm soát được rủi ro tín dụng hiệu quả (chẳng hạn Petria và cộng sự, 2015; Elseoud và cộng sự, 2020; Pires và cộng sự, 2021; O’Connell, 2023). Do đó, tác giả kỳ vọng rủi ro tín dụng tác động ngược chiều đến Khả năng sinh lời của các Ngân hàng thương mại Việt Nam (Giả thuyết H4).

Tính hiệu quả chi phí: Các yếu tố phát sinh chi phí như người lao động có kiến thức và kỹ năng, sử dụng vốn (Gupta và Raman, 2021), đầu vào công nghệ (Mohapatra và Mohanty, 2017) đều có đóng góp trong Khả năng sinh lời của các tổ chức tài chính. Do đó, nếu ban lãnh đạo ngân hàng áp dụng các giải pháp tiết giảm chi phí một cách hiệu quả, điều đó trực tiếp giúp cải thiện lợi nhuận của ngân hàng. Ủng hộ ý kiến trên, Adam và cộng sự (2018) chứng minh rằng Khả năng sinh lời của ngân hàng tăng lên đáng kể khi ngân hàng theo đuổi các chiến lược thu hẹp chi phí hoạt động. Ngoài ra, việc kiểm soát chặt chẽ chi phí hoạt động giúp các tổ chức tài chính như ngân hàng cung cấp các dịch vụ ngân hàng cạnh tranh giá rẻ, mang lại lượng khách hàng đông đảo (Allen và Rai, 1996; Jimborean và Brack, 2010). Do đó, Ayayi và Sene (2010) và Ghosh và Sanyal (2019) coi hiệu quả chi phí hay hiệu quả hoạt động là yếu tố dự báo quan trọng nhất về khả năng tồn tại lâu dài, lợi nhuận và năng suất của ngân hàng. Các nghiên cứu thực nghiệm từ lâu chứng minh được mối quan hệ ngược chiều giữa tỷ số chi phí trên thu nhập (tỷ số INEF) với Khả năng sinh lời của các Ngân hàng thương mại, chẳng hạn Serwadda (2018), Kumar và Bird (2022), Elseoud và cộng sự (2020), và Thanh và Tâm (2022). Từ các lập luận trên, tác giả kỳ vọng tỷ số INEF có quan hệ ngược chiều với Khả năng sinh lời, nói cách khác, tính hiệu quả chi phí có quan hệ cùng chiều với Khả năng sinh lời của các Ngân hàng thương mại tại Việt Nam (Giả thuyết H5). Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng.

Đa dạng hóa thu nhập: Chiến lược đa dạng hóa thu nhập có thể mang lại một số lợi ích đáng kể cho các ngân hàng, chẳng hạn tính kinh tế theo quy mô và phạm vi (Meslieret và cộng sự, 2014), làm giảm đáng kể chi phí trung bình và gia tăng Khả năng sinh lời của ngân hàng (Clarke, 1999); chi phí giám sát thấp hơn, vận dụng hiệu quả hơn các kỹ năng quản lý (Drucker và Puri, 2008); giảm thiểu rủi ro bằng cách mở rộng hoạt động trên nhiều lĩnh vực và khu vực địa lý khác nhau (Berger và cộng sự, 1999); tăng cường giám sát ngân hàng, do đó có thể loại bỏ tình trạng bất cân xứng thông tin bằng cách sử dụng thông tin quan trọng từ các mối quan hệ tín dụng truyền thống để thúc đẩy việc cung cấp các dịch vụ tài chính khác (Baele và cộng sự, 2007); khuyến khích tăng cường đổi mới và tính hiệu quả trong cung cấp dịch vụ (Landskroner và cộng sự, 2005); và khả năng cao tăng cường lợi thế cạnh tranh khi gia nhập các thị trường mới (Amidu và Wolfe, 2013). Nhiều nghiên cứu khác cũng khẳng định các ngân hàng có thể giảm thiểu rủi ro bằng cách đa dạng hóa các nguồn thu nhập (Lee và cộng sự, 2013). Chiorazzo và cộng sự (2008) xem xét khu vực ngân hàng của Ý và cho thấy Khả năng sinh lời của các ngân hàng chịu ảnh hưởng cùng chiều bởi đa dạng hóa thu nhập. Các kết quả tương tự ủng hộ chiến lược đa dạng hóa thu nhập được tìm thấy trong các nghiên cứu như Trujillo–Ponce (2013), Al–Harbi (2019), Le và cộng sự (2022). Do đó, tác giả kỳ vọng đa dạng hóa thu nhập tác động cùng chiều đến Khả năng sinh lời của các Ngân hàng thương mại Việt Nam (Giả thuyết H6).

Sự tập trung thị trường: Mô hình cấu trúc–hành vi–hiệu quả (SCP) là lý thuyết nổi tiếng trong lĩnh vực ngân hàng, và được nhiều nhà nghiên cứu sử dụng. Mô hình SCP cố gắng tìm ra mối quan hệ giữa cấu trúc thị trường, hành vi và Khả năng sinh lời của ngân hàng. Cấu trúc thị trường (market structure) thường được mô tả bằng mức độ tập trung thị trường (market concentration) hoặc thị phần (market share); tất cả đều được giả định là có mối quan hệ cùng chiều với Khả năng sinh lời của ngân hàng. Sự tập trung thị trường thể hiện quyền lực độc quyền của các ngân hàng trên thị trường. Do đó, mức độ tập trung cao cho phép các ngân hàng tăng biên lợi nhuận (margin) của mình, bởi các ngân hàng có thể hoạt động theo cách độc quyền hơn là cạnh tranh. Bất kể ngân hàng hoạt động dưới hình thức thị trường nào, thị phần cao hơn sẽ dẫn đến lợi nhuận lớn hơn. Thị phần tăng lên đồng nghĩa ngân hàng sở hữu phần lớn trong tổng số các khoản cho vay và tiền gửi trên thị trường, đây là nguồn tài sản chính của ngân hàng. Điều này cho phép các ngân hàng giảm chi phí theo tỷ lệ phần trăm tổng tài sản (Buzzell và cộng sự, 1975; Berger, 1995). Phần lớn các tài liệu thực nghiệm cung cấp bằng chứng về mối quan hệ cùng chiều và đáng kể giữa mức độ tập trung và Khả năng sinh lời của ngân hàng (Dietrich và Wanzenried, 2011; Trujillo–Ponce, 2013; Al–Harbi, 2019), ủng hộ quan điểm rằng mức độ tập trung cao hơn dẫn đến lợi nhuận độc quyền cao hơn. Từ đây, tác giả kỳ vọng mức độ tập trung thị trường tác động cùng chiều đến Khả năng sinh lời của các Ngân hàng thương mại Việt Nam (Giả thuyết H7). Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng.

Tăng trưởng kinh tế: Theo Demirgüç–Kunt và Huizinga (1999), Athanasoglou và cộng sự (2008) và Dietrich và Wanzenried (2011), chu kỳ kinh doanh, với sự lên xuống của GDP thực, ảnh hưởng đến nhu cầu vay vốn. Theo Athanasoglou và cộng sự (2008), trong chu kỳ đi xuống, nhu cầu vay vốn giảm và rủi ro tín dụng sẽ tăng lên, do thị trường không chắc chắn và biến động. Do đó, trong chu kỳ này, chất lượng khoản vay xấu đi và dự phòng rủi ro cho vay tăng lên, làm giảm Khả năng sinh lời của các ngân hàng. Do đó, mối quan hệ cùng chiều giữa tăng trưởng kinh tế và Khả năng sinh lời được thiết lập (Giả thuyết H8).

Lạm phát: Lạm phát có thể có tác động cùng chiều hoặc ngược chiều đến Khả năng sinh lời tùy thuộc vào việc lạm phát có được dự đoán trước hay không (Perry, 1992). Nếu tỷ lệ lạm phát được dự đoán trước, các ngân hàng có thể điều chỉnh lãi suất để tăng doanh thu nhanh hơn chi phí. Ngược lại, nếu không dự đoán được tỷ lệ lạm phát, ngân hàng không thể điều chỉnh lãi suất phù hợp khiến chi phí có thể tăng nhanh hơn doanh thu, ảnh hưởng ngược chiều đến Khả năng sinh lời của ngân hàng. Đa phần các tài liệu thực nghiệm phát hiện lạm phát ảnh hưởng ngược chiều đến Khả năng sinh lời của ngân hàng (Isayas, 2022; O’Connell, 2023). Do đó, tác giả kỳ vọng lạm phát tác động ngược chiều đến Khả năng sinh lời của các Ngân hàng thương mại tại Việt Nam (Giả thuyết H9).

3.3. Phương pháp nghiên cứu

3.3.1 Các phương pháp hồi quy dữ liệu bảng tĩnh

Các kỹ thuật ước lượng dữ liệu bảng có thể được sử dụng trong nghiên cứu lần này bao gồm: hồi quy OLS gộp, hồi quy hiệu ứng ngẫu nhiên (RE), hồi quy hiệu ứng cố định (FE). Về mặt lý thuyết thống kê, một hạn chế đáng kể của hồi quy OLS gộp là giả định tính đồng nhất giữa các ngân hàng. Khi số hạng sai số trong phương trình hồi quy được phân tách thành 2 cấu thành: hiệu ứng riêng lẻ (có thể thay đổi giữa các ngân hàng nhưng không thay đổi theo thời gian) và số hạng sai số thông thường (có thể thay đổi giữa các ngân hàng và theo thời gian), hồi quy OLS gộp giả định các hiệu ứng riêng lẻ bằng không (zero). Trong thực tế, mỗi ngân hàng lại có đặc điểm khác nhau; do đó, giả định không tồn tại hiệu ứng riêng lẻ trong mô hình là tương đối hạn chế. Trong trường hợp này, các hồi quy FE và RE có thể được sử dụng. Điểm khác biệt giữa hồi quy FE và RE xuất phát từ mối tương quan giữa hiệu ứng riêng lẻ và các biến độc lập (biến giải thích). Hồi quy FE sẽ được lựa chọn nếu các hiệu ứng riêng lẻ và các biến giải thích tương quan với nhau, và hồi quy RE được lựa chọn trong trường hợp không có mối tương quan giữa các hiệu ứng riêng lẻ và các biến giải thích hiện diện (Wooldridge, 2016).

Về mặt thực nghiệm, để lựa chọn giữa hồi quy OLS gộp và hồi quy FE, tác giả thực hiện kiểm định Chow, với cặp giả thuyết H₀: Hồi quy OLS gộp phù hợp hơn, và H₁: Hồi quy FE phù hợp hơn. Trong kiểm định Chow, nếu giả thuyết không bị bác bỏ, tác giả lựa chọn hồi quy FE. Tiếp theo, để lựa chọn giữa các hồi quy RE và FE, kiểm định Hausman được sử dụng để kiểm định giả thuyết không, là hồi quy RE là nhất quán và hiệu quả; cụ thể, cặp giả thuyết lần lượt là: H₀: Hồi quy RE phù hợp hơn; và H₁: Hồi quy FE phù hợp hơn. Tương tự kiểm định Chow, nếu giả thuyết không của kiểm định Hausman bị bác bỏ, kết quả ước lượng từ hồi quy FE sẽ được cho là vững hơn. Một hạn chế lớn của các kỹ thuật hồi quy FE và RE, đó là không thể giải quyết các vấn đề tự tương quan và phương sai thay đổi tiềm ẩn trong mô hình. Để kiểm tra sự hiện diện của vấn đề tự tương quan, tác giả sẽ sử dụng kiểm định Wooldridge, với cặp giả thuyết: H₀: Không tồn tại tự tương quan; và H₁: Tồn tại tự tương quan. Ngoài ra, để kiểm định hiện tượng phương sai thay đổi, tác giả có thể sử dụng kiểm định Wald hiệu chỉnh cho mô hình FE, Breusch–Pagan LM cho mô hình RE, với cặp giả thuyết là: H₀: Không tồn tại phương sai thay đổi; và H₁: Tồn tại phương sai thay đổi. Nếu mô hình hồi quy tĩnh vi phạm các vấn đề tự tương quan và phương sai thay đổi, tác giả sẽ sử dụng kỹ thuật bình phương nhỏ nhất tổng quát hóa khả thi (FGLS) để khắc phục.

3.3.2. Phương pháp GMM hệ thống Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng.

Trong phân tích tính vững, tác giả sử dụng phương pháp GMM hệ thống, theo đề xuất của Arellano và Bover (1995) và Blundell và Bond (1998), nhằm ước lượng các mô hình nghiên cứu. Có một số lý do khiến tác giả lựa chọn phương pháp GMM hệ thống: (i) Tác giả sử dụng khuôn khổ động (dynamic framework) nhằm mô hình hóa tác động của các yếu tố đến Khả năng sinh lời của ngân hàng. Nếu sử dụng các phương pháp hồi quy hồi quy tĩnh cho mô hình động sẽ dẫn đến các ước tính bị chệch (Arellano và Bond, 1991). Cụ thể, nếu ước tính phương trình (3.1) và (3.2) bằng các phương pháp truyền thống (chẳng hạn OLS, FE và RE) sẽ đưa ra các ước tính bị chệch do mối tương quan giữa hiệu ứng riêng lẻ và biến trễ biến phụ thuộc (Πi,t−1), và giữa số hạng sai số (εit) với biến trễ biến phụ thuộc (Πi,t−1). Để giải quyết trường hợp này, Arellano và Bond (1991) đề xuất ước lượng phương trình (3.1) và (3.2) với các biến ở sai phân bậc nhất, sử dụng biến trễ Khả năng sinh lời (Πi,t−1) và các yếu tố xác định ở bậc gốc. Bằng cách này, các hiệu ứng riêng lẻ không thể quan sát được, cũng như mối tương quan giữa hiệu ứng riêng lẻ và biến trễ Khả năng sinh lời (Πi,t−1) bị loại bỏ. Do đó, kỹ thuật GMM hệ thống cung cấp các ước tính không chệch cho sự liên tục (persistence) của Khả năng sinh lời (biến trễ của biến phụ thuộc). (ii) Kiểm soát tốt hơn vấn đề nội sinh, có thể phát sinh trong mô hình. Vấn đề nội sinh có thể nảy sinh từ mối liên kết nhân quả ngược giữa các đặc điểm ngân hàng và biến phụ thuộc (KNSL). (iii) Kiểm soát tốt hơn khả năng đa cộng tuyến tiềm ẩn của các biến giải thích, (iv) Hiệu quả hơn trong việc nhận diện các vấn đề thiếu hụt dữ liệu của các biến độc lập quan trọng. (v) Ngoài ra, phương pháp GMM hệ thống hoạt động tốt hơn so với GMM sai phân; ước lượng GMM hệ thống hiển thị độ chệch thấp nhất và độ chính xác cao nhất (Soto, 2021). Ước lượng GMM hệ thống có khả năng thể hiện các tính năng tốt nhất đối với mẫu nhỏ. Tóm lại, nghiên cứu sử dụng thêm kỹ thuật GMM hệ thống trong khuôn khổ mô hình dữ liệu bảng động, được phát triển bởi Arellano và Bover (1995) và Blundell và Bond (1998), coi các biểu diễn trễ và sai phân của các biến độc lập là công cụ để ước tính các hệ số của mô hình. Mô hình tổng quát có dạng sau:

• Πit = α + δ^∗Πi,t−1 + β^∗Zit + μi + εit

trong đó, Π là biến phụ thuộc, Khả năng sinh lời ngân hàng; Z ký hiệu vectơ các biến giải thích; μ là hiệu ứng cố định đặc thù ngân hàng bất biến theo thời gian và không quan sát được; ε là số hạng sai số; và i và t lần lượt ký hiệu cho ngân hàng và thời gian. Trong phương trình (3.5), có sự hiện diện của biến trễ của biến phụ thuộc (Πi,t−1). Bằng cách chuyển về sai phân bậc nhất, phương trình (3.5) có thể được viết lại: Πit − Πi,t−1 = δ∗(Πi,t−1 − Πi,t−2) + β∗(Zit − Zi,t−1) + (εit − εi,t−1) hay: ∆Πit = δ^∗∆Πit−1 + β^∗∆Zit + ∆εit Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng.

Việc áp dụng phương pháp OLS để ước tính mô hình tạo ra ước tính chệch của hệ số δ, do đó, tác giả áp dụng giải pháp thay thế để loại trừ hạn chế này. Trong bối cảnh này, kỹ thuật GMM được sử dụng dựa trên các điều kiện mô–men, bằng cách giả định rằng các sai số không tương quan chuỗi và các biến độc lập không tương quan với các giá trị trong tương lai của các sai số (Carkovic và Levine, 2005):

• E[Π_i,t−j(ε_it − ε_i,t−1)] = 0, j ≥ 2,3, … , (T − 1); t = 3,4, … , T
• E[Z_i,t−j(ε_it − ε_i,t−1)] = 0, j ≥ 2,3, … , (T − 1); t = 3,4, … , T

Để giải quyết vấn đề của các công cụ yếu, Blundell và Bond (1998) đề xuất kết hợp các mô hình ở dạng sai phân và bậc gốc trong hệ phương trình sao cho:

• E[Π_i,t+pε_it] − E[Π_i,t+qε_it] = 0, ∀p, q
• E[Z_i,t+pε_it] − E[Z_i,t+qε_it] = 0, ∀p, q

Khi đó, các điều kiện mô–men bổ sung gồm:

• E[∆Π_i,t−1(μ_i + ε_it)] = 0
• E[∆Z_i,t−1(μ_i + ε_it)] = 0

Các ước tính nhất quán và hiệu quả của các hệ số được xác định thông qua quy trình GMM hệ thống, dựa trên việc thỏa mãn đồng thời các điều kiện mô–men quy định tại các phương trình (3.8), (3.9), (3.12) và (3.13). Để đảm bảo kết quả từ ước lượng GMM hệ thống là đáng tin cậy và không bị chệch, mô hình cần đáp ứng hai điều kiện tiên quyết sau:

• Tính hợp lệ của các biến công cụ: Các ràng buộc được tạo ra do việc sử dụng các biến công cụ phải hợp lệ. Tác giả sử dụng kiểm định Hansen để kiểm tra vấn đề xác định quá mức (over-identification).
• Không có hiện tượng tự tương quan bậc hai: Tác giả thực hiện kiểm định Arellano và Bond (1991) để xác định sự tồn tại của tự tương quan chuỗi bậc 2 (AR2) giữa các phần dư sai phân. Nếu giả thuyết không (Ho : không tồn tại tự tương quan bậc 2) không bị bác bỏ, các kết quả thu được được coi là vững.

Một trong những thách thức lớn nhất khi áp dụng GMM hệ thống là kiểm soát số lượng biến công cụ. Hiện tượng “Sự gia tăng quá mức các biến công cụ” (instrument proliferation) xảy ra khi số lượng công cụ quá lớn so với số lượng quan sát, có thể làm suy yếu sức mạnh của kiểm định Hansen và dẫn đến hiện tượng quá khớp (overfitting). Để đối phó với rủi ro này, kỹ thuật rút gọn (Collapse) sẽ được cân nhắc sử dụng. Kỹ thuật này giúp gộp các biến công cụ theo từng biến số thay vì theo từng giai đoạn thời gian, từ đó giảm đáng kể số lượng công cụ mà vẫn đảm bảo tính hợp lệ của ước lượng. Dựa trên kết quả thực nghiệm tại Bảng 4.7, tác giả đã kiểm soát chặt chẽ số lượng biến công cụ để đảm bảo tính khoa học của mô hình. Cụ thể, số lượng công cụ được giới hạn ở mức 30, luôn nhỏ hơn số lượng nhóm ngân hàng trong mẫu nghiên cứu (N=31). Kết hợp với kết quả kiểm định Hansen và AR(2) đều có p-value lớn hơn mức ý nghĩa 10%, nghiên cứu khẳng định các ước lượng thu được đảm bảo tính vững, phản ánh chính xác tác động của các yếu tố đến khả năng sinh lời mà không cần thực hiện thêm các biện pháp can thiệp kỹ thuật sâu hơn.

Trong thiết kế nghiên cứu ban đầu, tác giả tập trung chủ yếu vào việc xử lý các vi phạm giả thuyết cổ điển (phương sai thay đổi, tự tương quan) bằng hồi quy FGLS và kiểm soát vấn đề nội sinh thông qua GMM hệ thống,,. Việc chưa áp dụng các kiểm định tính dừng (LLC, IPS) và mối quan hệ đồng liên kết xuất phát từ đặc điểm của mẫu dữ liệu là dữ liệu bảng không cân bằng (unbalanced panel) với khoảng thời gian (T=14) tương đối ngắn,. Trong bối cảnh này, các kiểm định nghiệm đơn vị bảng thường có công suất thấp và kết quả có thể kém ổn định khi chuỗi thời gian của một số ngân hàng bị thiếu hụt. Bên cạnh đó, việc phân tích theo nhóm (ngân hàng niêm yết và chưa niêm yết, ngân hàng lớn và nhỏ) chưa được thực hiện ngay từ đầu nhằm duy trì kích thước mẫu tổng thể (31 ngân hàng) đủ lớn để đảm bảo tính vững cho các ước lượng GMM. Kỹ thuật GMM hệ thống đòi hỏi số lượng biến công cụ không nên vượt quá số lượng nhóm (ngân hàng), do đó việc chia nhỏ mẫu sẽ làm gia tăng rủi ro về “sự gia tăng quá mức các biến công cụ” (instrument proliferation), dẫn đến hiện tượng quá khớp (overfitting) và làm sai lệch kết quả kiểm định Hansen.

3.4. Dữ liệu nghiên cứu Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng.

Mẫu nghiên cứu bao gồm 31 Ngân hàng thương mại được lựa chọn dựa trên các tiêu chí nghiêm ngặt nhằm đảm bảo tính đại diện và độ tin cậy của dữ liệu: (i) Tính liên tục của dữ liệu: Các ngân hàng có báo cáo tài chính được kiểm toán đầy đủ và công khai trong suốt giai đoạn 2010–2023; (ii) Quy mô thị trường: 31 ngân hàng này chiếm hơn 90% tổng tài sản và dư nợ của toàn hệ thống, phản ánh bức tranh chân thực về ngành ngân hàng Việt Nam; (iii) Tính ổn định pháp lý: Loại bỏ các ngân hàng đang trong diện kiểm soát đặc biệt hoặc đang thực hiện quá trình hợp nhất, sáp nhập chưa hoàn tất để tránh các sai số ngoại lai trong phân tích định lượng. Danh sách các Ngân hàng thương mại được trình bày tại phần Phụ lục. Sau khi thống kê, trong số 31 ngân hàng được chọn, có 20 ngân hàng được niêm yết trên các sàn HOSE và HNX (chiếm 64,51% mẫu quan sát); cụ thể, có 2 ngân hàng niêm yết trên sàn HNX (chiếm 6,45% mẫu quan sát) và 18 ngân hàng niêm yết trên sàn HOSE (chiếm 58,06% mẫu quan sát).

Kích thước mẫu sử dụng cho nghiên cứu được xác định theo Green (1991) với nguyên tắc N ≥ 50 + 8m (N là số quan sát tối thiểu, m là số biến độc lập trong mô hình). Tác giả sử dụng 9 biến độc lập (m = 9), do đó, số quan sát tối thiểu phải là 122 (M = 122). Như vậy, tương ứng với số quan sát sử dụng (tối đa là 434 quan sát ngân hàng–năm) là phù hợp để có thể đem lại kết quả ước lượng hiệu quả.

Trong nghiên cứu này, có 3 nhóm yếu tố ảnh hưởng đến Khả năng sinh lời, nhóm yếu tố đặc điểm ngân hàng và đặc điểm ngành được xây dựng từ dữ liệu kế toán; nhóm yếu tố kinh tế vĩ mô được hình thành từ các chuỗi dữ liệu vĩ mô. Các dữ liệu kế toán được thu thập từ báo cáo tài chính sau kiểm toán và báo cáo thường niên của các ngân hàng, tải về từ nguồn Vietstock. Các dữ liệu vĩ mô, gồm tăng trưởng GDP thực và lạm phát được thu thập từ nguồn dữ liệu của Ngân hàng Thế giới. Để tránh tác động không mong muốn từ cuộc khủng hoảng tài chính 2008–2009 lên hệ thống ngân hàng Việt Nam, tác giả bắt đầu giai đoạn nghiên cứu từ năm 2010. Trước khi phân tích dữ liệu, tác giả tiến hành loại bỏ các giá trị ngoại lai trong các biến nghiên cứu tại phân vị thứ 1 và 99, thông qua lệnh winsor2 trên phần mềm Stata.

KẾT LUẬN CHƯƠNG 3

Chương 3 trình bày chi tiết quy trình nghiên cứu định lượng nhằm xác định các yếu tố ảnh hưởng đến khả năng sinh lời (KNSL) của 31 ngân hàng thương mại (NHTM) tại Việt Nam giai đoạn 2010–2023. Tác giả thiết lập mô hình nghiên cứu bao gồm 9 biến độc lập chia thành ba nhóm: đặc điểm ngân hàng (quy mô, rủi ro thanh khoản, tỷ số vốn, rủi ro tín dụng, hiệu quả chi phí, đa dạng hóa thu nhập), đặc điểm ngành (mức độ tập trung thị trường) và kinh tế vĩ mô (tăng trưởng GDP, lạm phát). Nghiên cứu xây dựng cả mô hình hồi quy tĩnh và động, trong đó khuôn khổ động bổ sung biến trễ của biến phụ thuộc để phản ánh tính liên tục của lợi nhuận ngân hàng. Trên cơ sở đó, 9 giả thuyết nghiên cứu được thiết lập dựa trên các lý thuyết kinh điển như tính kinh tế theo quy mô, đánh đổi rủi ro – lợi nhuận và lý thuyết cấu trúc – hành vi – hiệu quả (SCP). Về phương pháp ước lượng, luận văn sử dụng hồi quy FGLS để khắc phục hiện tượng phương sai thay đổi và tự tương quan, đồng thời áp dụng kỹ thuật GMM hệ thống (System GMM) để kiểm soát vấn đề nội sinh và đảm bảo tính vững cho các kết quả thực nghiệm. Dữ liệu nghiên cứu là bảng không cân bằng được thu thập từ báo cáo tài chính sau kiểm toán qua nguồn Vietstock và các chỉ số vĩ mô từ Ngân hàng Thế giới. Luận văn: PPNC Tác động đến khả năng sinh lời ở các ngân hàng.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: KQNC Tác động đến khả năng sinh lời ở các ngân hàng