Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank 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 nhân tố ảnh hưởng đến tỷ lệ an toàn vốn của Ngân hàng TMCP Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

2.1. Quy trình thực hiện kinh tế lượng nghiên cứu

Để xác định các nhân tố ảnh hưởng cũng như mức độ và chiều hướng tác động của chúng đến CAR, nghiên cứu này áp dụng phương pháp nghiên cứu định lượng. Cụ thể, phương pháp hồi quy bảng được sử dụng và quá trình phân tích được thực hiện trên phần mềm Stata phiên bản 17.0 để kiểm định các giả thuyết đã được đề ra. Trình tự nghiên cứu bao gồm 6 bước:

• Sơ đồ 2.1: Trình tự nghiên cứu

Bước 1 – Ước lượng ban đầu với nhiều mô hình: Nghiên cứu này tiến hành ước lượng tổng cộng 6 mô hình khác nhau bằng phương pháp phân tích Bayes để đánh giá một cách toàn diện các yếu tố ảnh hưởng đến nhân tố phụ thuộc. Cụ thể, 6 mô hình được xây dựng như sau:

• Mô hình 1: Sử dụng thông tin tiên nghiệm “flat” cho các tham số hồi quy, đối với phương sai của mô hình, thông tin tiên nghiệm “Jeffreys” được áp dụng.
• Mô hình 2: Áp dụng thông tin tiên nghiệm là phân phối chuẩn (với trung bình 0 và độ lệch chuẩn 1) cho các tham số hồi quy. Thông tin tiên nghiệm cho phương sai là phân phối nghịch Gamma (igamma) với các tham số 01 và 0.01
• Mô hình 3: Sử dụng thông tin tiên nghiệm được xây dựng dựa trên kết quả ước lượng từ phương pháp bình phương tối thiểu thông thường (OLS)
• Mô hình 4, 5 và 6: Các mô hình này sử dụng “default prior” (reference prior”) trong phân tích Bayes.

Bước 2 – Lựa chọn mô hình tối ưu: Để xác định mô hình tối ưu nhất cho việc phân tích dữ liệu từ 6 mô hình đã ước lượng, nghiên cứu sử dụng hai phương pháp so sánh. Cụ thể, các mô hình được so sánh thông qua tiêu chuẩn thông tin và kiểm định mô hình Bayes.

Bước 3 – Kiểm định sự hội tụ của chuỗi MCMC: Do việc nghiên cứu sử dụng các thuật toán MCMC nên việc kiểm tra tính hội tụ của mô hình được lựa chọn là một bước bắt buộc để đảm bảo tính hợp lệ của các suy diễn thống kê. Tính hội tụ được đánh giá thông qua hai phương pháp chính:

Kiểm tra trực quan bằng phân tích đồ thị: Phương pháp này bao gồm việc đánh giá trực quan các đặc tính của chuỗi MCMC thông qua các loại đồ thị sau:

Đồ thị vết (Trace plots): Biểu diễn sự biến động của các tham số ước tính theo số lượng vòng lặp, cho phép đánh giá tính ổn định của chuỗi. Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank.

Đồ thị tự tương quan (Autocorrelation plots): Minh họa mức độ tương quan giữa các giá trị của chuỗi tại các độ trễ khác nhau, với mục tiêu xác định sự suy giảm tương quan theo thời gian.

Đồ thị histogram và đồ thị mật độ (Histogram and density plots): Trực quan hóa phân phối tần suất của các tham số ước tính, giúp đánh giá tính ổn định của phân phối hậu nghiệm.

Kiểm tra số (Numerical methods): Phương pháp này sử dụng các chỉ số và kiểm định thống kê để định lượng tính hội tụ:

Kích thước mẫu hiệu quả: Đo lường số lượng các quan sát độc lập tương đương với thông tin chứa trong chuỗi MCMC, với giá trị ESS cao hơn cho thấy độ chính xác cao hơn.

Kiểm định Gelman-Rubin: So sánh phương sai giữa các chuỗi MCMC với phương sai trong từng chuỗi để đánh giá sự đồng nhất giữa các chuỗi.

Bước 4 – Phân tích độ nhạy: Bằng cách thực hiện nhiều mô hình và thay đổi liên tục nhiều giá trị phân phối chuẩn khác nhau của thông tin tiên nghiệm của tất cả các nhân tố và quan sát sự thay đổi dấu kỳ vọng giá trị trung bình của tất cả các nhân tố ở các mô hình ước lượng. Nếu hệ số hồi quy của nhân tố nào không có sự thay đổi dấu kỳ vọng và thay đổi giá trị không nhiều ở các mô hình khác nhau thì tiên nghiệm được chọn cho nhân tố đó là đúng đắn.

Bước 5 – Ước lượng khoảng tin cậy: Trong bước này, nghiên cứu tiến hành ước lượng và kiểm tra xác suất của các khoảng tin cậy để đánh giá mức độ tác động của các nhân tố độc lập lên CAR của các ngân hàng TMCP Việt Nam.

Bước 6 – Đánh giá và giải thích mô hình: Bước này sẽ diễn giải các ước lượng tham số từ mô hình, phân tích khoảng tin cậy để xác định ý nghĩa thống kê của các nhân tố và đánh giá sự phù hợp tổng thể của mô hình. Dựa trên những phân tích này, nghiên cứu rút ra kết luận, kiểm chứng các giả thuyết ban đầu và đề xuất các hàm ý thực tiễn cho vấn đề nghiên cứu.

2.2. Cơ sở đề xuất mô hình nghiên cứu Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank.

Siti Epa Hardiyanti (2020), Md. Akash (2023), Alfadli và Djalila (2023), Kassahun Tafese Keneni (2023), Akinuli, Bankole Olu (2025), Bhim Kumar Thapa, Rajesh Kumar Chaulagain, Ramesh Rasik Paudel (2026), Lê Thanh Tâm và Nguyễn Diệu Linh (2018), Do Hoai Linh và cộng sự (2020), Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2020), Vinh Hoang Le, Anh Hoang Nguyen, Thuy Minh Thi Le, Vien Bich Cao (2023), Nguyễn Quốc Huy, Lữ Phi Nga và Phan Thanh Tâm (2025) đều sử dụng CAR là nhân tố phụ thuộc. Chính vì vậy, nghiên cứu quyết định sử dụng CAR làm nhân tố phụ thuộc chính trong nghiên cứu. Mặc dù thông tin này đã được các ngân hàng công bố trong Báo cáo Thường niên, nghiên cứu vẫn dự định đối chiếu hoặc tham khảo công thức tính CAR đã được sử dụng trong các nghiên cứu trước đó để đảm bảo tính nhất quán và phù hợp với mục tiêu nghiên cứu của mình.

Dựa trên nền tảng lý thuyết về tỷ lệ an toàn vốn và kết quả tổng quan các nghiên cứu Siti Epa Hardiyanti (2020), Md. Akash (2023), Kassahun Tafese Keneni (2023), Akinuli, Bankole Olu (2025), Bhim Kumar Thapa, Rajesh Kumar Chaulagain, Ramesh Rasik Paudel (2026), Lê Thanh Tâm và Nguyễn Diệu Linh (2018), Do Hoai Linh và cộng sự (2020), Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2020), Vinh Hoang Le, Anh Hoang Nguyen, Thuy Minh Thi Le, Vien Bich Cao (2023), Nguyễn Quốc Huy, Lữ Phi Nga và Phan Thanh Tâm (2025) có thể xác định một số nhân tố vi mô thường xuyên được ghi nhận là có tác động đáng kể đến CAR của các ngân hàng gồm: ROA, SIZE, NPL, LIQ, LLR, LEV. Ngoài ra, trong nghiên cứu của Alfadli và Djalila (2023), Lê Thanh Tâm và Nguyễn Diệu Linh (2018), Do Hoai Linh và cộng sự (2020), Nguyễn Quốc Huy, Lữ Phi Nga và Phan Thanh Tâm (2025) 2 nhân tố then chốt GDP và INF là nhân tố vĩ mô cũng được đề cập có tác động đáng kể đến CAR. Vì vậy, nghiên cứu này sẽ lựa chọn các nhân tố độc lập là: ROA, SIZE, NPL, LIQ, LLR, LEV, INF, GDP nhằm cung cấp một cái nhìn toàn diện hơn ảnh hưởng đến CAR.

2.3. Phương pháp nghiên cứu

Phương pháp nghiên cứu phổ biến trong các nghiên cứu trước đây về các nhân tố ảnh hưởng đến CAR thường là Pool OLS, FEM, REM . Tuy nhiên, nghiên cứu này quyết định sử dụng phương pháp phân tích hồi quy tuyến tính Bayes thông qua thuật toán lấy mẫu MCMC (Markov chain Monte Carlo) để phân tích dữ liệu bảng làm phương pháp nghiên cứu trong đề tài nghiên cứu này bởi một số lý do sau: Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank.

Định lượng tính vô định của mô hình: phương pháp Bayes cung cấp một phân phối xác suất hậu nghiệm cho từng tham số quan tâm. Phân phối này thể hiện toàn bộ những gì chúng ta biết về tham số đó sau khi đã xem xét cả thông tin tiên nghiệm và dữ liệu quan sát được. Thay vì chỉ đưa ra các ước tính điểm, nó cung cấp phân phối xác suất cho các tham số, cho phép đánh giá mức độ tin cậy của các kết quả. Điều này đặc biệt hữu ích trong môi trường kinh tế và tài chính đầy biến động.

Sử dụng thông tin tiên nghiệm: Phương pháp phân tích Bayes có khả năng tích hợp kiến thức chuyên gia, dữ liệu lịch sử hoặc kết quả từ các nghiên cứu trước. Bằng thông tin tiên nghiệm, phân tích Bayes có thể cung cấp kết quả chính xác hơn so với phương pháp truyền thống khi có sẵn thông tin trước đó.

Ước lượng được mô hình với dữ liệu hạn chế/cỡ mẫu nhỏ: phương pháp Bayes thể hiện ưu thế trong việc xử lý các bài toán với quy mô dữ liệu hạn chế. Khác với các phương pháp thống kê tần suất truyền thống đòi hỏi kích thước mẫu lớn để đảm bảo tính hội tụ và độ tin cậy của ước lượng, phân tích Bayes cho phép tích hợp thông tin tiên nghiệm vào quá trình suy luận. Thông tin này, có thể được hình thành từ kiến thức chuyên gia, dữ liệu lịch sử, hoặc kết quả của các nghiên cứu trước, đóng vai trò như một nền tảng ban đầu, giúp ổn định và định hướng quá trình ước lượng tham số ngay cả khi số lượng quan sát hiện tại không đủ lớn.

Cập nhật linh hoạt: Một ưu điểm nổi bật của phương pháp phân tích Bayes là khả năng tích hợp và điều chỉnh ước lượng một cách linh hoạt khi có thêm dữ liệu mới. Quá trình này dựa trên việc sử dụng phân phối xác suất tiên nghiệm, thể hiện tri thức ban đầu về các tham số và sau đó cập nhật phân phối này dựa trên thông tin từ dữ liệu quan sát được để thu được phân phối xác suất hậu nghiệm. Khi có thêm dữ liệu, phân phối hậu nghiệm từ phân tích trước sẽ đóng vai trò là phân phối tiên nghiệm cho phân tích tiếp theo, cho phép mô hình liên tục học hỏi và cải thiện độ chính xác của các ước lượng theo thời gian. Đặc tính này đặc biệt hữu ích trong bối cảnh ngành ngân hàng, nơi các điều kiện kinh tế và hoạt động liên tục thay đổi, đòi hỏi các mô hình phân tích phải có khả năng thích ứng và phản ánh thông tin mới một cách kịp thời.

Đối tượng tập trung: phương pháp Bayes thể hiện khả năng tập trung vào đối tượng cụ thể có ý nghĩa kinh tế và quản lý then chốt. Điều này cho phép các nhà nghiên cứu và nhà phân tích ngân hàng tập trung vào những nhân tố quan trọng nhất và ước tính chính xác xác suất liên quan đến đối tượng đó.

Mô hình linh hoạt: Phân tích Bayes cho phép sử dụng các mô hình phức tạp và linh hoạt để mô phỏng các hiện tượng thực tế. Các mô hình Bayesian có thể tích hợp nhiều biến, liên kết các quan sát và xác định các mối quan hệ phức tạp giữa chúng.

Tóm lại, phân tích Bayes nổi bật với nhiều ưu điểm mang tính nền tảng trong phân tích định lượng, đặc biệt trong bối cảnh nghiên cứu tài chính ngân hàng. Việc tích hợp thông tin tiên nghiệm một cách hệ thống cho phép tận dụng các kiến thức và kết quả nghiên cứu hiện có, nâng cao hiệu quả ước lượng, đặc biệt khi đối diện với dữ liệu hạn chế. Tính linh hoạt trong cập nhật khi có thông tin mới đến là một lợi thế quan trọng trong môi trường kinh tế năng động. Hơn nữa, khả năng tập trung suy luận vào các đối tượng cụ thể và xây dựng các mô hình linh hoạt, phức tạp giúp phương pháp Bayes trở thành một công cụ mạnh mẽ để phân tích các mối quan hệ đa chiều trong lĩnh vực ngân hàng và tài chính.

2.4. Mô hình nghiên cứu Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank.

2.4.1. Mô hình nghiên cứu

Dựa trên cơ sở đề xuất mô hình đã được trình bày ở mục 2.1, phương trình xác định các nhân tố ảnh hưởng đến tỷ lệ an toàn vốn của các ngân hàng TMCP Việt Nam sẽ có dạng tổng quát như sau:

• CAR = a0+a1SIZEit + a2ROAit + a3NPLit +a4LIQit + a5LLRit + a6LEVit + a7INFt + a₈GDP_t + 𝜀_𝑖𝑡

Trong đó:

• CAR: Tỷ lệ an toàn vốn của ngân hàng TMCP Việt Nam
• Nhân tố độc lập: gồm 5 nhân tố vi mô và 2 nhân tố vĩ mô

Các nhân tố vi mô: Các nhân tố SIZEit, ROAit, NPLit, LIQit, LLRit, LEVit đều có chỉ số i (đại diện cho ngân hàng TMCP Việt Nam) và t (đại diện cho thời gian), cho thấy đây là các đặc điểm thay đổi theo thời gian của riêng ngân hàng TMCP Việt Nam. Các hệ số tương ứng là a1 đến a6.

Các nhân tố vĩ mô: Các nhân tố INF và GDP là các nhân tố vĩ mô, có giá trị giống nhau cho tất cả các ngân hàng (trong trường hợp này chỉ có các ngân hàng TMCP Việt Nam trong phân tích đơn ngân hàng này) tại cùng một thời điểm t. Do đó, chúng chỉ có chỉ số t là INFt và GDPt. Các hệ số tương ứng là a8 và a9. a0 là hệ số chặn, a1- a8 là các hệ số hồi quy của các nhân tố độc lập, 𝜀𝑖𝑡 là phương

2.4.2. Đo lường các nhân tố

• Bảng 2.1: Tổng hợp mô tả và đo lường các nhân tố nghiên cứu

2.5. Các giả thuyết nghiên cứu Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank.

Dựa trên cơ sở lý thuyết đã trình bày ở các phần trước, mô hình nghiên cứu đã được xây dựng và bối cảnh thực trạng tỷ lệ an toàn vốn của các ngân hàng TMCP Việt Nam trong giai đoạn 2016 – 2025, nghiên cứu này sẽ tiến hành xây dựng các giả thuyết nghiên cứu để kiểm định mối quan hệ giữa các nhân tố độc lập đã chọn và CAR của ngân hàng:

2.5.1. Quy mô ngân hàng (SIZE)

Sự phát triển về quy mô của ngân hàng thường dẫn đến sự gia tăng nhu cầu vay từ khách hàng, điều này đòi hỏi ngân hàng phải tăng lượng tài sản nắm giữ. Thế nhưng, một phần trong số các tài sản tăng thêm này có thể tiềm ẩn rủi ro cao, chẳng hạn như nợ xấu, nợ quá hạn hoặc các khoản vay dành cho các doanh nghiệp thiếu ổn định. Khi mức độ rủi ro của tài sản tăng lên, tổng giá trị tài sản có trọng số rủi ro cũng tăng theo, gây áp lực giảm lên tỷ lệ an toàn vốn của ngân hàng. Các nghiên cứu của Siti Epa Hardiyanti (2020), Alfadli và Djalila (2023), Do Hoai Linh và cộng sự (2020), Vinh Hoang Le, Anh Hoang Nguyen, Thuy Minh Thi Le, Vien Bich Cao (2023), Nguyễn Quốc Huy, Lữ Phi Nga và Phan Thanh Tâm (2025) đều tìm thấy mối tương quan ngược chiều giữa quy mô ngân hàng và tỷ lệ an toàn vốn. Do đó, tác giả kỳ vọng mối quan hệ giữa SIZE và CAR là ngược chiều.

Giả thuyết H1: Quy mô ngân hàng tác động ngược chiều đến tỷ lệ an toàn vốn.

2.5.2. Tỷ suất lợi nhuận trên tổng tài sản (ROA)

ROA là chỉ số đo lường khả năng sinh lời của ngân hàng. Lợi nhuận cao tạo ra nguồn vốn nội bộ, làm tăng vốn chủ sở hữu và do đó cải thiện CAR. Các nghiên cứu thường chỉ ra rằng ROA có tác động dương đến CAR. Siti Epa Hardiyanti (2020), Md. Akash (2023), Alfadli và Djalila (2023), Akinuli, Bankole Olu (2025), Bhim Kumar Thapa, Rajesh Kumar Chaulagain, Ramesh Rasik Paudel (2026), Lê Thanh Tâm và Nguyễn Diệu Linh (2018) cũng cho rằng ROA có tác động dương lên CAR. Ngân hàng hoạt động hiệu quả tạo ra lợi nhuận cao hơn, từ đó tăng khả năng đáp ứng yêu cầu về vốn.

Giả thuyết H2: Tỷ suất lợi nhuận trên tổng tài sản tác động cùng chiều đến tỷ lệ an toàn vốn.

2.5.3. Tỷ lệ nợ xấu (NPL) Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank.

Nợ xấu làm tăng rủi ro tín dụng và có thể gây ra tổn thất cho ngân hàng, làm giảm vốn chủ sở hữu và ảnh hưởng tiêu cực đến CAR. Md. Akash (2023), Bhim Kumar Thapa, Rajesh Kumar Chaulagain, Ramesh Rasik Paudel (2026), Nguyễn Quốc Huy, Lữ Phi Nga và Phan Thanh Tâm (2025) cũng chỉ ra rằng NPL có tác động tiêu cực đến CAR. Các nghiên cứu thường tìm thấy mối tương quan nghịch giữa NPL và CAR.

Giả thuyết H3: Tỷ lệ nợ xấu tác động ngược chiều đến tỷ lệ an toàn vốn.

2.5.4. Khả năng thanh khoản (LIQ)

Một trong những nhân tố quan trọng trong việc đánh giá sự ổn định tài chính của ngân hàng là mức độ thanh khoản. Khả năng thanh khoản cao của ngân hàng thể hiện qua việc ngân hàng có thể chuyển đổi tài sản thành tiền mặt một cách nhanh chóng để đáp ứng các nghĩa vụ tài chính của khách hàng. Sự gia tăng của tiền và các khoản tương đương tiền cho phép ngân hàng dễ dàng đáp ứng các yêu cầu rút tiền của khách hàng và các nhu cầu thanh toán khác. Tuy nhiên, khi tiền và các khoản tương đương tiền giảm, thanh khoản của ngân hàng cũng giảm theo, kéo theo sự gia tăng của rủi ro thanh khoản. Trong trường hợp ngân hàng không có đủ tiền mặt và các tài sản có tính thanh khoản cao để đáp ứng nhu cầu rút tiền của khách hàng hoặc các nghĩa vụ thanh toán khác, ngân hàng có thể buộc phải thanh lý tài sản hoặc tìm kiếm nguồn vốn từ các ngân hàng khác. Điều này có thể gây ra những xáo trộn trong sự ổn định tài chính và ảnh hưởng xấu đến hoạt động của ngân hàng. Vì lẽ đó, việc nâng cao khả năng thanh khoản của ngân hàng có thể mang lại tác động tích cực cho tỷ lệ an toàn vốn. Kết quả nghiên cứu của Alfadli và Djalila (2023), Akinuli, Bankole Olu (2025), Vinh Hoang Le, Anh Hoang Nguyen, Thuy Minh Thi Le, Vien Bich Cao (2023) cũng chỉ ra rằng tỷ lệ thanh khoản và tỷ lệ an toàn vốn của các ngân hàng thương mại có mối quan hệ tương quan dương. Vì vậy, kỳ vọng đặt ra là: Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank.

Giả thuyết H4: Khả năng thanh khoản tác động cùng chiều đến tỷ lệ an toàn vốn.

2.5.5. Dự phòng rủi ro tín dụng (LLR)

Tỷ lệ dự phòng rủi ro tín dụng, được xác định bằng cách lấy tổng chi phí dự phòng rủi ro tín dụng chia cho tổng dư nợ cho vay khách hàng, thường được sử dụng như một thước đo rủi ro của danh mục cho vay của ngân hàng. Các nghiên cứu của Lê Thanh Tâm và Nguyễn Diệu Linh (2018), Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2020), Vinh Hoang Le, Anh Hoang Nguyen, Thuy Minh Thi Le, Vien Bich Cao (2023). cho thấy rằng, khi dự phòng rủi ro tín dụng tăng, tỷ lệ an toàn vốn của ngân hàng có xu hướng giảm. Sự gia tăng của dự phòng rủi ro tín dụng phản ánh việc ngân hàng phải tăng mức trích lập để đối mặt với các khoản nợ tiềm ẩn nguy cơ trở thành nợ xấu hoặc các khoản nợ đã là nợ xấu. Việc trích lập tăng lên sẽ làm giảm lợi nhuận của ngân hàng, và do đó ảnh hưởng tiêu cực đến tỷ lệ an toàn vốn. Thêm vào đó, khi chất lượng của các khoản vay suy yếu, ngân hàng cần thiết lập dự phòng rủi ro tín dụng cao hơn để quản lý rủi ro. Điều này có khả năng ảnh hưởng đến tỷ lệ an toàn vốn của ngân hàng, bởi vì khoản chi phí này được tính vào vốn chủ sở hữu. Nói cách khác, việc ngân hàng tăng cường dự phòng rủi ro tín dụng để ứng phó với nợ xấu sẽ làm giảm tỷ lệ an toàn vốn, do tác động của chi phí này đến vốn chủ sở hữu. Từ đó, giả thuyết nghiên cứu được hình thành như sau:

Giả thuyết H5: Tỷ lệ dự phòng rủi ro tín dụng tác động ngược chiều đến tỷ lệ an toàn vốn.

2.5.6. Hệ số đòn bẩy tài chính (LEV)

Đòn bẩy tài chính được xác định bằng tỷ lệ tổng vốn chủ sở hữu trên tổng tài sản. Đòn bẩy tài chính càng cao thì tỷ lệ vốn chủ sở hữu trên tổng tài sản của ngân hàng càng cao, tức tỷ lệ vốn chủ sở hữu chiếm tỷ trọng lớn trong tổng nguồn vốn. Vốn chủ sở hữu là thành phần vốn ổn định nhất, ít chịu rủi ro nhất. Do đó, cơ cấu vốn chủ sở hữu cao sẽ làm tăng độ an toàn vốn và tỷ lệ an toàn vốn của ngân hàng. Nghiên cứu của Do Hoai Linh và cộng sự (2020) đã chỉ ra mối quan hệ tích cực giữa hai chỉ số này. Với nhân tố này thì tác giả kỳ vọng mối tương quan cùng chiều giữa nó và CAR.

Giả thuyết H6: Đòn bẩy tài chính tác động cùng chiều đến tỷ lệ an toàn vốn.

2.5.7. Lạm phát (INF) Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank.

Lạm phát được đo lường thông qua chỉ số giá tiêu dùng, thể hiện sự gia tăng liên tục của mức giá chung của hàng hóa và dịch vụ trong một nền kinh tế. Trong bối cảnh ngân hàng, lạm phát có thể tạo ra những tác động phức tạp đến CAR. Một mặt, lạm phát cao có thể làm suy giảm chất lượng tín dụng của ngân hàng. Khi giá cả tăng, thu nhập thực tế của người vay có thể bị ảnh hưởng, làm tăng khả năng họ không trả được nợ. Điều này buộc ngân hàng phải tăng cường trích lập dự phòng rủi ro tín dụng, gây áp lực lên lợi nhuận và từ đó có thể làm giảm CAR. Mặt khác, lạm phát cũng có thể ảnh hưởng đến giá trị thực của tài sản mà ngân hàng nắm giữ. Nếu giá trị tài sản giảm, vốn chủ sở hữu của ngân hàng cũng có thể bị ảnh hưởng tiêu cực, dẫn đến giảm CAR. Các nghiên cứu thực nghiệm đã chỉ ra mối quan hệ giữa lạm phát và CAR. Cụ thể, Alfadli và Djalila (2023), Lê Thanh Tâm và Nguyễn Diệu Linh (2018) đã xác định INF là một trong những nhân tố có tác động đến tỷ lệ an toàn vốn của các ngân hàng thương mại Việt Nam. Vì vậy, giả thuyết là:

Giả thuyết H7: Lạm phát tác động ngược chiều đến tỷ lệ an toàn vốn.

2.5.8. Tăng trưởng kinh tế (GDP)

GDP là thước đo tổng giá trị của tất cả hàng hóa và dịch vụ cuối cùng được sản xuất ra trong phạm vi một quốc gia trong một thời kỳ nhất định. Tăng trưởng GDP phản ánh sự mở rộng của nền kinh tế và có thể có những ảnh hưởng đáng kể đến hoạt động ngân hàng và tỷ lệ an toàn vốn. Khi nền kinh tế tăng trưởng, nhu cầu tín dụng thường tăng lên, tạo điều kiện cho ngân hàng mở rộng hoạt động cho vay. Điều này có thể làm tăng lợi nhuận của ngân hàng, từ đó củng cố vốn chủ sở hữu và cải thiện CAR. Tuy nhiên, tăng trưởng GDP quá nhanh cũng có thể tiềm ẩn rủi ro. Sự tăng trưởng nóng có thể dẫn đến bong bóng tài sản, lạm phát và gia tăng nợ xấu, tất cả đều có thể gây áp lực tiêu cực lên CAR. Các nghiên cứu thực nghiệm đã cung cấp bằng chứng về mối quan hệ giữa GDP và CAR. Ví dụ, Alfadli và Djalila (2023), Nguyễn Quốc Huy, Lữ Phi Nga và Phan Thanh Tâm (2025) đã tìm thấy rằng GDP có ảnh hưởng tích cực đến CAR của ngân hàng. Trái lại, nghiên cứu của Lê Thanh Tâm và Nguyễn Diệu Linh (2018), Do Hoai Linh và cộng sự (2020) lại cho rằng GDP có ảnh hưởng tiêu cực đến CAR của ngân hàng. Vì vậy, nghiên cứu sẽ đưa ra giả thuyết là:

Giả thuyết H8: Tăng trưởng kinh tế tác động cùng chiều hoặc ngược chiều với Tỷ lệ an toàn vốn.

Sau đây là tổng hợp lại các giả thuyết mà nghiên cứu đã đặt ra:

• Bảng 2.2: Bảng tổng hợp giả thuyết nghiên cứu

TÓM LƯỢC CHƯƠNG 2 Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank.

Chương 2 đóng vai trò là “bản thiết kế” trình bày chi tiết con đường và công cụ mà nghiên cứu sẽ sử dụng để kiểm chứng các giả thuyết và đạt được mục tiêu. Chương này xây dựng mô hình hồi quy cụ thể và lựa chọn phương pháp phân tích kinh tế lượng. Điểm nhấn của chương là việc đề xuất sử dụng phương pháp hồi quy tuyến tính Bayes thay vì các phương pháp truyền thống, với lập luận rằng phương pháp này có khả năng xử lý tốt hơn với cỡ mẫu nhỏ và cho phép tích hợp các thông tin sẵn có để tăng độ chính xác.

Mô hình hồi quy được đề xuất chính là công cụ để thực hiện hai mục tiêu xác định và đo lường. Bằng cách chạy mô hình với dữ liệu thực tế, nghiên cứu sẽ xác định được nhân tố nào có ý nghĩa thống kê và đo lường được hệ số hồi quy của chúng – tức là mức độ và chiều hướng tác động.

Việc lựa chọn một phương pháp nghiên cứu hiện đại và phù hợp như phân tích Bayes giúp đảm bảo kết quả thu được ở Chương 3 có độ tin cậy cao. Điều này là tối quan trọng vì các đề xuất và kiến nghị ở Chương 4 phải được xây dựng dựa trên những bằng chứng thực nghiệm vững chắc. Luận văn: PPNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: KQNC đến tỷ lệ an toàn vốn của Ngân hàng VPBank

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://hotrovietluanvan.com/ – Hoặc Gmail: hotrovietluanvan24@gmail.com