Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid

Chia sẻ chuyên mục Đề Tài Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid 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: Quản trị rủi ro tín dụng trong Ngân hàng Thương mại Cổ phần Việt Nam trong bối cảnh hậu Covid dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

Chương 4 trình bày kết quả thực nghiệm của mô hình được xây dựng ở Chương 3 nhằm đánh giá tác động của COVID-19 và giai đoạn hậu COVID đến năng lực quản trị rủi ro tín dụng của 25 ngân hàng thương mại cổ phần Việt Nam giai đoạn 2017–2024, thông qua mô hình Event-Study DID kết hợp dữ liệu bảng cân bằng. Chương trước hết mô tả đặc điểm dữ liệu và mối tương quan giữa các biến, sau đó phân tích kết quả ước lượng từ mô hình tác động cố định hai chiều, làm rõ vai trò của năng lực quản trị rủi ro trước khủng hoảng (LP_pre) trong việc hạn chế tác động tiêu cực của đại dịch. Để đảm bảo độ tin cậy, nghiên cứu thực hiện các kiểm định bổ sung như sai số chuẩn Driscoll–Kraay, kiểm định theo mẫu con, biến phụ thuộc thay thế, xu hướng song song và kiểm định giả tác động. Cuối cùng, chương thảo luận kết quả trong mối liên hệ với các giả thuyết và nghiên cứu trước, qua đó làm cơ sở cho các hàm ý chính sách ở Chương 5.

4.1. Thống kê mô tả và tương quan giữa các biến

Chương 4 trình bày kết quả thực nghiệm của mô hình nghiên cứu được xây dựng trong Chương 3, nhằm đánh giá tác động của đại dịch COVID-19 và giai đoạn hậu COVID đến năng lực quản trị rủi ro tín dụng của các ngân hàng thương mại cổ phần Việt Nam. Bằng cách sử dụng mô hình sai biệt trong sai biệt mở rộng (Event-Study DID) kết hợp với dữ liệu bảng cân bằng của 25 ngân hàng trong giai đoạn 2017–2024, chương này cung cấp các bằng chứng định lượng quan trọng về cách thức các ngân hàng Việt Nam phản ứng và điều chỉnh chính sách quản trị rủi ro trước, trong và sau khủng hoảng.

Phần đầu của chương tập trung mô tả đặc điểm dữ liệu và mối tương quan giữa các biến trong mô hình, nhằm bảo đảm rằng dữ liệu có tính hợp lệ và phù hợp cho việc ước lượng hồi quy. Tiếp đó, kết quả ước lượng từ mô hình tác động cố định hai chiều (Two-way Fixed Effects) sẽ được trình bày và phân tích chi tiết, qua đó làm rõ vai trò của năng lực quản trị rủi ro trước khủng hoảng (LP_pre) trong việc hạn chế tác động tiêu cực của đại dịch lên rủi ro tín dụng.

Để đảm bảo tính tin cậy và độ vững của kết quả, chương này còn trình bày các kiểm định bổ sung bao gồm: kiểm định bằng sai số chuẩn Driscoll–Kraay, kiểm định theo mẫu con (ngân hàng lớn và nhỏ), kiểm định với các biến phụ thuộc thay thế (LLP/Loans, NPL/Loans), kiểm định xu hướng song song, và kiểm định giả tác động (placebo). Các kiểm định này giúp xác nhận rằng mối quan hệ tìm được giữa COVID-19 và năng lực quản trị rủi ro không chỉ mang tính thống kê mà còn có cơ sở nhân quả vững chắc.

Cuối cùng, chương 4 sẽ thảo luận kết quả thu được trong mối tương quan với các giả thuyết đã đề xuất và các nghiên cứu trước đây, đặc biệt là nghiên cứu của Çolak & Öztekin (2021), nhằm khẳng định tính nhất quán của phát hiện trong bối cảnh Việt Nam. Các luận giải này đồng thời làm nền tảng cho chương tiếp theo – Chương 5, trong đó sẽ đề xuất các hàm ý chính sách và khuyến nghị giúp củng cố năng lực quản trị rủi ro tín dụng của hệ thống ngân hàng trong giai đoạn bình thường mới hậu COVID-19.

4.1.1. Thống kê mô tả các biến trong mô hình Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Để nhận diện đặc điểm dữ liệu nghiên cứu, mục này trình bày thống kê mô tả của các biến trong mô hình, bao gồm: tỷ lệ bao phủ nợ xấu (LP), tỷ lệ an toàn vốn (CAR), lợi nhuận trên vốn chủ sở hữu (ROE), tỷ lệ cho vay trên huy động (LDR), tăng trưởng tín dụng (LoanGrowth), quy mô ngân hàng (Size), cấu trúc vốn (CAP) và tỷ lệ tài sản ngắn hạn trên tổng tài sản (LTA). Dữ liệu bao gồm 25 ngân hàng thương mại cổ phần Việt Nam trong giai đoạn 2017–2024, được chia thành hai giai đoạn: trước và trong COVID-19 (2017–2021), và hậu COVID-19 (2022–2024). Việc phân tách hai giai đoạn giúp đánh giá rõ hơn sự thay đổi trong hoạt động tín dụng và quản trị rủi ro tín dụng của các ngân hàng Việt Nam sau cú sốc đại dịch:

• Bảng 4.1: Thống kê mô tả các biến – Giai đoạn trước và trong COVID-19 (2017–2021)

Kết quả thống kê mô tả cho thấy trong giai đoạn 2017–2021, tỷ lệ bao phủ nợ xấu (LP) trung bình đạt 0,79, phản ánh mức độ trích lập dự phòng rủi ro ở mức tương đối thận trọng khi dịch COVID-19 bắt đầu ảnh hưởng đến hoạt động tín dụng. Độ lệch chuẩn 0,37 cho thấy sự khác biệt đáng kể giữa các ngân hàng về khả năng dự phòng nợ xấu. Tỷ lệ an toàn vốn (CAR) đạt trung bình 8,7%, nằm quanh ngưỡng tối thiểu theo quy định Basel II, phản ánh nỗ lực duy trì an toàn vốn trong giai đoạn bất ổn. Tỷ suất sinh lời ROE đạt trung bình 12,6%, thể hiện khả năng sinh lời vẫn duy trì dù chịu ảnh hưởng từ dịch bệnh. Tỷ lệ cho vay trên huy động (LDR) trung bình 0,93, cho thấy chính sách cho vay thận trọng nhằm đảm bảo thanh khoản. Tăng trưởng tín dụng (LoanGrowth) trung bình 18,3%, phản ánh xu hướng mở rộng tín dụng có kiểm soát. Các biến Size, CAP và LTA tương đối ổn định, cho thấy quy mô và cấu trúc tài sản của các ngân hàng không có biến động lớn trong giai đoạn này.

• Bảng 4.2: Thống kê mô tả các biến – Giai đoạn hậu COVID-19 (2022–2024)

Trong giai đoạn hậu COVID-19, các chỉ tiêu tài chính của hệ thống ngân hàng Việt Nam có nhiều cải thiện so với giai đoạn trước. Tỷ lệ bao phủ nợ xấu (LP) tăng từ 0,79 lên 0,92, phản ánh xu hướng gia tăng dự phòng rủi ro tín dụng nhằm củng cố năng lực chống chịu sau đại dịch. ROE tăng từ 12,6% lên 15,7%, cho thấy khả năng sinh lời của các ngân hàng phục hồi mạnh mẽ cùng với sự phục hồi chung của nền kinh tế. Tỷ lệ LDR tăng từ 0,93 lên 1,02, phản ánh việc các ngân hàng mở rộng hoạt động cho vay để tận dụng giai đoạn phục hồi, dù có thể làm gia tăng rủi ro thanh khoản. Trong khi đó, CAR giảm nhẹ xuống 7,7%, cho thấy một phần vốn tự có được sử dụng để hỗ trợ tăng trưởng tín dụng. Các biến Size, CAP và LTA đều có xu hướng tăng, thể hiện việc các ngân hàng mở rộng quy mô tài sản, củng cố vốn chủ sở hữu và duy trì mức thanh khoản an toàn.

Tổng thể, kết quả thống kê mô tả cho thấy các ngân hàng Việt Nam đã chuyển từ chiến lược phòng thủ trong giai đoạn dịch bệnh sang chiến lược mở rộng và phục hồi trong giai đoạn hậu COVID-19, với sự cải thiện rõ rệt về hiệu quả hoạt động (ROE) và năng lực dự phòng rủi ro (LP), dù đi kèm với mức giảm nhẹ về an toàn vốn (CAR).

4.1.2. Ma trận hệ số tương quan giữa các biến

Để đánh giá mối quan hệ tuyến tính giữa các biến trong mô hình nghiên cứu, ma trận hệ số tương quan được sử dụng nhằm xem xét mức độ liên hệ giữa các biến độc lập và biến phụ thuộc. Việc kiểm tra tương quan giúp xác định khả năng xuất hiện hiện tượng đa cộng tuyến, từ đó đảm bảo tính tin cậy cho các ước lượng trong mô hình hồi quy Bảng 4.3 dưới đây trình bày hệ số tương quan giữa các biến trong mô hình nghiên cứu. Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Kết quả trong Bảng 4.3 cho thấy hệ số tương quan giữa các biến trong mô hình nhìn chung ở mức trung bình thấp, dao động trong khoảng từ -0,17 đến 0,60. Điều này cho thấy không có cặp biến nào có mối quan hệ tuyến tính quá mạnh, đảm bảo rằng hiện tượng đa cộng tuyến nghiêm trọng khó xảy ra trong mô hình hồi quy. Tỷ lệ bao phủ nợ xấu (LP) có mối tương quan dương đáng kể với quy mô ngân hàng (Size) ở mức 0,54, phản ánh rằng những ngân hàng có quy mô lớn thường có năng lực dự phòng nợ xấu cao hơn nhờ khả năng huy động vốn và quản trị rủi ro tốt hơn. LP cũng có mối tương quan dương với lợi nhuận trên vốn chủ sở hữu (ROE) ở mức 0,38, cho thấy các ngân hàng hoạt động hiệu quả thường có khả năng kiểm soát rủi ro tín dụng tốt. Ngược lại, LP có mối tương quan âm nhẹ với tỷ lệ an toàn vốn (CAR) và tỷ lệ cho vay trên huy động (LDR), hàm ý rằng các ngân hàng tăng cường cho vay hoặc chịu chi phí dự phòng cao có thể khiến tỷ lệ vốn tự có giảm nhẹ.

Bên cạnh đó, ROE có tương quan khá cao với Size (r = 0,60), phản ánh lợi thế quy mô trong hiệu quả hoạt động. LDR và LoanGrowth có tương quan dương ở mức 0,28, cho thấy mở rộng tín dụng thường đi kèm với tăng tỷ lệ cho vay trên huy động. Các mối tương quan còn lại đều ở mức thấp, với giá trị tuyệt đối dưới 0,35, cho thấy không có biến nào trùng lặp đáng kể về mặt thông tin.

Tổng thể, ma trận tương quan này khẳng định rằng các biến sử dụng trong mô hình DID–PanelOLS là phù hợp, độc lập tương đối và không vi phạm giả định cơ bản về tương quan tuyến tính giữa các biến giải thích.

• Bảng 4.3: Kết quả phân tích ma trận tương quan

4.1.3. Kiểm tra đa cộng tuyến và tính phù hợp dữ liệu

Sau khi kiểm tra hệ số tương quan giữa các biến, nghiên cứu tiếp tục đánh giá khả năng xuất hiện hiện tượng đa cộng tuyến trong mô hình thông qua chỉ số hệ số phóng đại phương sai (Variance Inflation Factor – VIF). Chỉ số VIF phản ánh mức độ mà một biến độc lập có thể được giải thích tuyến tính bởi các biến độc lập khác. Theo quy ước, khi VIF < 10, mô hình được xem là không có hiện tượng đa cộng tuyến nghiêm trọng; nếu VIF < 5, hiện tượng đa cộng tuyến gần như không đáng kể. Kết quả được trình bày trong Bảng 4.4 dưới đây. Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

• Bảng 4.4: Kiểm định đa cộng tuyến

Kết quả kiểm định cho thấy các giá trị VIF của các biến độc lập đều thấp, dao động trong khoảng từ 1,12 đến 2,32, nhỏ hơn nhiều so với ngưỡng 10 được khuyến nghị trong các nghiên cứu kinh tế lượng. Điều này cho thấy mức độ tương quan giữa các biến độc lập là thấp và không gây ảnh hưởng tiêu cực đến độ tin cậy của các ước lượng hồi quy. Trong đó, biến có VIF cao nhất là Size (2,3176), song vẫn nằm trong ngưỡng an toàn, phản ánh rằng quy mô ngân hàng có thể có một phần tương quan với các biến như ROE hoặc LDR nhưng không đủ lớn để gây méo mó kết quả. Các biến còn lại như CAR, CAP, LTA và LoanGrowth đều có VIF dưới 1,5, cho thấy chúng hoàn toàn độc lập tương đối trong mô hình.

Từ kết quả trên có thể kết luận rằng bộ dữ liệu sử dụng trong nghiên cứu đạt yêu cầu về tính phù hợp và ổn định, đảm bảo các điều kiện cần thiết để tiến hành ước lượng mô hình DID–PanelOLS trong phần tiếp theo mà không cần phải loại bỏ hay biến đổi thêm các biến độc lập.

4.2. Kết quả ước lượng mô hình chính Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

4.2.1. Kết quả ước lượng mô hình tác động cố định hai chiều (PanelOLS – Two-way Fixed Effects)

Trong nghiên cứu này, mô hình tác động cố định hai chiều (Two-way Fixed Effects) được sử dụng để kiểm soát đồng thời các đặc điểm cố định theo ngân hàng (entity effects) và thời gian (time effects), qua đó loại bỏ ảnh hưởng của những yếu tố không quan sát được nhưng ổn định theo thời gian hoặc đặc trưng cho từng ngân hàng. Mô hình được ước lượng bằng phương pháp PanelOLS, với phương sai sai số điều chỉnh theo cụm hai chiều (two-way clustered) nhằm đảm bảo kết quả ước lượng tin cậy trước khả năng tồn tại tự tương quan và phương sai sai số thay đổi.

• Bảng 4.5: Kết quả ước lượng mô hình tác động cố định hai chiều (Two-way Clustered)

Kết quả hồi quy cho thấy hai biến tương tác Int_2020_21 và Int_2022_24 đều mang dấu dương và có ý nghĩa thống kê ở mức 5%, phản ánh rằng trong cả hai giai đoạn đại dịch COVID-19 (2020–2021) và hậu COVID-19 (2022–2024), các ngân hàng có mức độ bao phủ nợ xấu cao trước khủng hoảng (LP_pre) có khả năng duy trì và cải thiện năng lực quản trị rủi ro tín dụng tốt hơn so với các ngân hàng khác. Cụ thể, hệ số β₁ = 0.2247 cho thấy trong giai đoạn đại dịch, tỷ lệ bao phủ nợ xấu tăng đáng kể, thể hiện sự chủ động trích lập dự phòng của các ngân hàng nhằm ứng phó rủi ro tín dụng. Trong giai đoạn hậu đại dịch, hệ số β₂ = 0.1747 vẫn duy trì dương và có ý nghĩa, chứng tỏ tác động tích cực của năng lực tài chính trước khủng hoảng vẫn được giữ vững trong giai đoạn phục hồi.

Xét các biến kiểm soát, ROE có hệ số dương (0.9603) và có ý nghĩa ở mức 5%, cho thấy các ngân hàng có khả năng sinh lời cao thường duy trì mức dự phòng tốt hơn, nhờ đó nâng cao khả năng bao phủ nợ xấu. Biến LDR mang dấu âm (-0.5448) và có ý nghĩa ở mức biên (p ≈ 0.05), hàm ý rằng tỷ lệ cho vay trên huy động cao có thể làm tăng rủi ro tín dụng và làm suy giảm năng lực bao phủ nợ xấu. Ngược lại, các biến CAR, CAP, Size, LTA tuy chưa đạt mức ý nghĩa thống kê nhưng có dấu phù hợp với lý thuyết tài chính ngân hàng: quy mô lớn hoặc vốn chủ sở hữu mạnh giúp ngân hàng linh hoạt hơn trong kiểm soát rủi ro và trích lập dự phòng.

Với F-statistic = 6.2862 (p < 0.01), mô hình có ý nghĩa tổng thể, cho thấy các biến giải thích có đóng góp đáng kể trong việc giải thích sự biến động của tỷ lệ bao phủ nợ xấu. Việc bao gồm cả hiệu ứng ngân hàng và thời gian giúp mô hình loại trừ các yếu tố đặc thù cố định và phản ánh tốt hơn tác động thực tế của các biến độc lập lên LP.

4.2.2. Phân tích ý nghĩa và dấu của các hệ số ước lượng Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Dựa trên kết quả hồi quy của mô hình tác động cố định hai chiều (PanelOLS – Two-way Fixed Effects), có thể nhận thấy hầu hết các biến trong mô hình đều mang dấu và mức ý nghĩa phù hợp với kỳ vọng lý thuyết, phản ánh mối quan hệ kinh tế hợp lý giữa các yếu tố tài chính và khả năng bao phủ nợ xấu (LP) của các ngân hàng thương mại Việt Nam trong giai đoạn 2017–2024.

Trước hết, hai biến tương tác Int_2020_21 và Int_2022_24 có hệ số dương và đều có ý nghĩa thống kê ở mức 5%. Điều này cho thấy trong giai đoạn đại dịch COVID-19 (2020–2021) và giai đoạn hậu đại dịch (2022–2024), những ngân hàng có khả năng bao phủ nợ xấu cao trước khủng hoảng (LP_pre) đã duy trì được lợi thế trong quản trị rủi ro tín dụng. Nói cách khác, các ngân hàng có năng lực tài chính tốt từ trước đã chủ động tăng cường trích lập dự phòng trong thời kỳ khó khăn, nhờ đó tỷ lệ LP được cải thiện đáng kể. Kết quả này phù hợp với nhận định của Demirgüç-Kunt và cộng sự (2021), cho rằng khả năng chống chịu của hệ thống ngân hàng trong khủng hoảng phụ thuộc lớn vào chất lượng bảng cân đối kế toán và mức độ dự phòng trước đó. Đồng thời, hệ số dương ở giai đoạn hậu COVID-19 (β₂ = 0.1747) cũng cho thấy tác động tích cực của nền tảng tài chính vững chắc được duy trì trong quá trình phục hồi kinh tế.

Xét đến nhóm biến kiểm soát, ROE (lợi nhuận trên vốn chủ sở hữu) có hệ số dương và có ý nghĩa thống kê ở mức 5%, cho thấy các ngân hàng hoạt động hiệu quả hơn về mặt sinh lời thường có khả năng duy trì hoặc tăng cường tỷ lệ bao phủ nợ xấu. Điều này là hợp lý, bởi lợi nhuận cao giúp ngân hàng chủ động hơn trong việc trích lập dự phòng, đồng thời tạo bộ đệm tài chính để hấp thụ rủi ro tín dụng. Kết quả này phù hợp với nghiên cứu của Athanasoglou và cộng sự (2008), khi cho rằng hiệu quả sinh lời là yếu tố then chốt củng cố sự ổn định tài chính của ngân hàng.

Ngược lại, LDR (tỷ lệ cho vay trên huy động) mang dấu âm và có ý nghĩa ở mức biên (p ≈ 0,05), phản ánh rằng khi ngân hàng mở rộng tín dụng vượt mức an toàn, rủi ro tín dụng có xu hướng tăng lên, khiến năng lực bao phủ nợ xấu bị suy giảm. Nói cách khác, việc duy trì tỷ lệ cho vay cao so với nguồn vốn huy động có thể tạo áp lực về thanh khoản và làm giảm khả năng kiểm soát rủi ro. Kết quả này tương đồng với phát hiện của Ghosh (2015) và Klein (2013), cho rằng tăng trưởng tín dụng nóng thường đi kèm với chất lượng tài sản thấp hơn. Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Đối với các biến còn lại, mặc dù chưa có ý nghĩa thống kê mạnh nhưng dấu của hệ số vẫn phản ánh hướng tác động phù hợp với kỳ vọng kinh tế học. CAR (tỷ lệ an toàn vốn) và CAP (tỷ lệ vốn chủ sở hữu trên tổng tài sản) đều mang dấu dương, cho thấy các ngân hàng có nền tảng vốn tốt có khả năng chịu rủi ro cao hơn và dễ dàng trích lập dự phòng đầy đủ. LoanGrowth (tăng trưởng tín dụng) cũng có dấu dương, hàm ý rằng khi tín dụng được mở rộng có kiểm soát, ngân hàng có thể tăng thu nhập lãi và chủ động phân bổ nguồn lực cho trích lập dự phòng. LTA (tỷ lệ cho vay trên tổng tài sản) mang dấu dương và gần đạt mức ý nghĩa 10%, phản ánh rằng các ngân hàng có tỷ trọng cho vay cao trong cơ cấu tài sản thường thận trọng hơn trong việc trích lập dự phòng.

Riêng Size (quy mô ngân hàng) mang dấu âm, cho thấy các ngân hàng lớn có thể gặp áp lực lợi nhuận và chi phí dự phòng cao hơn, hoặc do mức độ đa dạng hóa hoạt động khiến tỷ lệ LP trung bình thấp hơn. Kết quả này tương đồng với nhận định của Hamadi và Awdeh (2012), khi cho rằng quy mô lớn không phải lúc nào cũng đồng nghĩa với hiệu quả cao trong quản trị rủi ro tín dụng.

Tổng thể, mô hình cho thấy hướng tác động của các biến là hợp lý và phù hợp với bối cảnh ngành ngân hàng Việt Nam trong giai đoạn 2017–2024. Các ngân hàng có năng lực tài chính vững mạnh, khả năng sinh lời cao và chiến lược tín dụng thận trọng thường duy trì được tỷ lệ bao phủ nợ xấu tốt hơn trong và sau khủng hoảng. Kết quả này củng cố giả thuyết nghiên cứu rằng năng lực tài chính và quản trị nội tại đóng vai trò quan trọng trong việc nâng cao khả năng chống chịu của ngân hàng trước các cú sốc kinh tế vĩ mô.

4.2.3. Đánh giá mức độ phù hợp của mô hình

Để bảo đảm tính tin cậy và khả năng giải thích của mô hình nghiên cứu, việc đánh giá mức độ phù hợp của mô hình (model fit) được thực hiện thông qua các chỉ tiêu thống kê cơ bản như hệ số xác định (R²), kiểm định F tổng thể, cũng như việc xem xét ý nghĩa của các hiệu ứng cố định theo ngân hàng và theo thời gian.

Kết quả hồi quy cho thấy R² (Within) của mô hình đạt -0,0264, trong khi R² tổng thể (Overall) là -52,897. Mặc dù giá trị R² không cao, nhưng đây là đặc điểm thường gặp trong các mô hình dữ liệu bảng cố định hai chiều, đặc biệt khi biến phụ thuộc phản ánh tỷ lệ bao phủ nợ xấu (LP) – một chỉ tiêu chịu ảnh hưởng mạnh của các yếu tố định tính và biến động vĩ mô khó định lượng. Trong trường hợp này, giá trị R² không phải là thước đo duy nhất phản ánh chất lượng mô hình, mà quan trọng hơn là ý nghĩa thống kê của các hệ số ước lượng và tính hợp lý của hướng tác động giữa các biến.

Kiểm định F tổng thể của mô hình có giá trị F = 6,2862 với p-value = 0,0000, cho thấy mô hình có ý nghĩa thống kê cao ở mức 1%, tức là các biến độc lập trong mô hình giải thích đáng kể sự biến động của biến phụ thuộc. Ngoài ra, kết quả kiểm định poolability với P-value = 0,0000 khẳng định rằng việc sử dụng mô hình tác động cố định (Fixed Effects) là hoàn toàn phù hợp so với mô hình gộp (Pooled OLS). Điều này chứng tỏ các đặc điểm cố định theo ngân hàng (entity effects) và thời gian (time effects) là có ý nghĩa, cần được kiểm soát trong mô hình. Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Mặt khác, mô hình được ước lượng với hiệu ứng cố định hai chiều nhằm loại bỏ sai lệch do những yếu tố không quan sát được nhưng ổn định theo từng ngân hàng hoặc theo từng năm. Hiệu ứng ngân hàng phản ánh sự khác biệt về năng lực quản trị rủi ro, chính sách tín dụng và cấu trúc vốn giữa các tổ chức; trong khi hiệu ứng thời gian giúp kiểm soát tác động của các yếu tố vĩ mô như chính sách tiền tệ, lãi suất hoặc các giai đoạn khủng hoảng và phục hồi sau COVID-19. Việc kết hợp hai loại hiệu ứng này giúp mô hình nâng cao tính chính xác của ước lượng và giảm thiểu sai lệch nội sinh.

Tổng hợp lại, các kết quả thống kê cho thấy mô hình nghiên cứu được xây dựng là phù hợp với dữ liệu thực tế, đảm bảo cả về mặt kinh tế học và thống kê. Mặc dù hệ số xác định không cao – điều phổ biến trong các nghiên cứu ngân hàng với dữ liệu bảng ngắn và số lượng quan sát hạn chế – nhưng các hệ số ước lượng chính (Int_2020_21 và Int_2022_24) đều mang ý nghĩa thống kê và hướng tác động nhất quán với kỳ vọng. Điều này khẳng định mô hình DID–PanelOLS được sử dụng là phù hợp để đánh giá tác động của đại dịch COVID-19 và giai đoạn hậu khủng hoảng đến năng lực quản trị rủi ro tín dụng của các ngân hàng thương mại Việt Nam.

4.3. Kết quả kiểm định và kiểm tra độ vững của mô hình Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

4.3.1. Kiểm định bằng sai số chuẩn Driscoll–Kraay

Phương pháp sai số chuẩn Driscoll–Kraay (1998) được sử dụng nhằm khắc phục các vấn đề thường gặp trong dữ liệu bảng như tự tương quan theo thời gian, phương sai sai số thay đổi và phụ thuộc chéo giữa các đơn vị quan sát. Đây là phương pháp ước lượng được khuyến nghị cho các mô hình PanelOLS có số lượng đơn vị nhỏ nhưng chuỗi thời gian đủ dài, phù hợp với đặc điểm dữ liệu của nghiên cứu gồm 25 ngân hàng trong giai đoạn 2017–2024.

Khi áp dụng sai số chuẩn Driscoll–Kraay, kết quả hồi quy vẫn duy trì tính nhất quán so với mô hình tác động cố định hai chiều (Two-way Fixed Effects) trong phần trước. Cụ thể, hai biến tương tác chính là Int_2020_21 và Int_2022_24 tiếp tục mang hệ số dương và đều có ý nghĩa thống kê cao ở mức 1% (p-value lần lượt là 0,0002 và 0,0002). Điều này khẳng định rằng khả năng bao phủ nợ xấu trước khủng hoảng (LP_pre) có tác động tích cực rõ rệt đến tỷ lệ bao phủ nợ xấu (LP) trong cả giai đoạn đại dịch COVID-19 và giai đoạn hậu đại dịch. Nói cách khác, những ngân hàng có nền tảng quản trị rủi ro tốt từ trước đã thể hiện khả năng chống chịu vượt trội trong khủng hoảng và tiếp tục duy trì năng lực này khi nền kinh tế phục hồi.

Bên cạnh đó, các biến kiểm soát cũng thể hiện kết quả ổn định về dấu và ý nghĩa. Biến ROE (tỷ suất lợi nhuận trên vốn chủ sở hữu) mang dấu dương và có ý nghĩa ở mức 1%, phản ánh rằng các ngân hàng có khả năng sinh lời cao hơn có xu hướng tăng cường trích lập dự phòng, qua đó nâng cao tỷ lệ bao phủ nợ xấu. Ngược lại, LDR (tỷ lệ cho vay trên huy động) mang dấu âm và có ý nghĩa ở mức 1%, cho thấy việc mở rộng tín dụng quá mức có thể làm giảm chất lượng tài sản và năng lực dự phòng rủi ro. Kết quả này phù hợp với nhận định của Klein (2013) và Ghosh (2015) rằng các ngân hàng có tốc độ tăng trưởng tín dụng cao thường phải đối mặt với rủi ro tín dụng lớn hơn.

Ngoài ra, các biến Size và LTA đều có ý nghĩa thống kê. Cụ thể, Size (quy mô ngân hàng) mang dấu âm và có ý nghĩa ở mức 5%, cho thấy các ngân hàng lớn có thể đối mặt với áp lực chi phí dự phòng cao hơn hoặc sự đa dạng hóa hoạt động làm giảm tỷ lệ LP trung bình. Trong khi đó, LTA (tỷ lệ cho vay trên tổng tài sản) mang dấu dương và có ý nghĩa ở mức 5%, phản ánh rằng ngân hàng có tỷ trọng cho vay cao thường thận trọng hơn trong việc trích lập dự phòng rủi ro.

• Bảng sau đây tóm tắt kết quả kiểm định với sai số chuẩn Driscoll–Kraay:

Kết quả cho thấy dấu và mức ý nghĩa của các biến nhất quán với mô hình gốc, chứng minh rằng mô hình DID – PanelOLS có độ vững cao (robust) và các kết luận về tác động của năng lực quản trị rủi ro tín dụng trước khủng hoảng đến khả năng bao phủ nợ xấu trong giai đoạn COVID-19 là đáng tin cậy. Việc sử dụng sai số chuẩn Driscoll–Kraay giúp củng cố tính chính xác của các hệ số ước lượng, loại trừ khả năng sai lệch do phụ thuộc chéo giữa các ngân hàng trong cùng hệ thống tài chính.

4.3.2. Kiểm định theo mẫu con (Ngân hàng lớn và nhỏ) Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Để đánh giá tính ổn định của kết quả mô hình và xem xét khả năng khác biệt trong phản ứng giữa các ngân hàng, nghiên cứu tiến hành kiểm định độ vững bằng cách chia mẫu thành hai nhóm dựa trên quy mô tổng tài sản (Size). Cụ thể, các ngân hàng được phân chia theo giá trị trung vị của biến Size: nhóm ngân hàng lớn (Big Banks) bao gồm những ngân hàng có quy mô bằng hoặc cao hơn trung vị, trong khi nhóm ngân hàng nhỏ (Small Banks) là những ngân hàng có quy mô thấp hơn trung vị. Việc ước lượng riêng biệt cho hai nhóm nhằm kiểm tra xem tác động của đại dịch COVID-19 và giai đoạn phục hồi có mang tính dị biệt theo quy mô hay không, đồng thời đánh giá sự ổn định của dấu và ý nghĩa của các hệ số trong mô hình DID hai chiều.

Kết quả ước lượng cho nhóm ngân hàng lớn cho thấy hai biến tương tác chính (Int_2020_21 và Int_2022_24) đều mang dấu dương nhưng không có ý nghĩa thống kê. Điều này cho thấy đại dịch COVID-19 và giai đoạn hậu COVID-19 không tạo ra biến động đáng kể trong tỷ lệ bao phủ nợ xấu (LP) của nhóm ngân hàng này. Về mặt kinh tế, điều này hoàn toàn hợp lý, bởi các ngân hàng lớn thường có nền tảng vốn vững mạnh, cơ cấu danh mục cho vay đa dạng, khả năng huy động vốn ổn định và trình độ quản trị rủi ro cao, nên có thể hấp thụ tác động của cú sốc vĩ mô tốt hơn so với các ngân hàng nhỏ. Ngoài ra, kết quả cũng cho thấy các ngân hàng lớn có xu hướng điều chỉnh mức trích lập dự phòng linh hoạt hơn, nhờ được ưu tiên tiếp cận chính sách hỗ trợ và nguồn lực tài chính dồi dào. Trong nhóm này, biến CAR (tỷ lệ an toàn vốn) có dấu dương và có ý nghĩa ở mức 1%, cho thấy khả năng duy trì năng lực bao phủ nợ xấu phụ thuộc nhiều vào quy mô vốn tự có. Ngược lại, biến Size mang dấu âm và có ý nghĩa rất cao, phản ánh rằng quy mô càng lớn thì tỷ lệ LP có xu hướng thấp hơn, do danh mục cho vay ít rủi ro và tỷ lệ nợ xấu thấp hơn. Các biến LoanGrowth và LDR cũng thể hiện ý nghĩa ở mức 10%, cho thấy tăng trưởng tín dụng và khả năng cho vay so với huy động vốn có ảnh hưởng đến LP nhưng ở mức độ tương đối hạn chế.

Trong khi đó, kết quả hồi quy cho nhóm ngân hàng nhỏ lại cho thấy bức tranh khác biệt. Biến tương tác Int_2022_24 mang dấu dương và có ý nghĩa thống kê ở mức 1%, phản ánh tác động tích cực của giai đoạn hậu COVID-19 lên năng lực bao phủ nợ xấu của các ngân hàng quy mô nhỏ. Điều này cho thấy, sau khi chịu ảnh hưởng mạnh trong đại dịch, các ngân hàng nhỏ đã đẩy mạnh trích lập dự phòng rủi ro và siết chặt quy trình tín dụng để củng cố an toàn tài chính. Việc tăng cường dự phòng này cũng phù hợp với bối cảnh Ngân hàng Nhà nước yêu cầu các tổ chức tín dụng nâng cao chất lượng tài sản và duy trì tỷ lệ an toàn vốn sau khủng hoảng. Bên cạnh đó, biến LoanGrowth có ý nghĩa ở mức 5%, cho thấy tăng trưởng tín dụng của nhóm này gắn liền với cải thiện năng lực bao phủ nợ xấu, thể hiện chiến lược tín dụng thận trọng và hướng đến an toàn hơn. Ngược lại, các biến CAR, ROE hay Size không có ý nghĩa thống kê, cho thấy khả năng bao phủ nợ xấu ở nhóm ngân hàng nhỏ phụ thuộc nhiều hơn vào yếu tố chu kỳ và chính sách nội bộ, thay vì vào đặc điểm quy mô hay hiệu quả tài chính.

So sánh giữa hai nhóm cho thấy tác động của đại dịch và giai đoạn phục hồi có tính dị biệt theo quy mô ngân hàng. Các ngân hàng lớn duy trì sự ổn định về tỷ lệ LP, nhờ tiềm lực vốn và năng lực quản trị rủi ro tốt, trong khi các ngân hàng nhỏ thể hiện phản ứng mạnh hơn, đặc biệt trong giai đoạn hậu COVID-19, khi chủ động gia tăng trích lập dự phòng để đối phó với rủi ro tín dụng tiềm ẩn. Mặc dù các biến tương tác trong mô hình của nhóm ngân hàng lớn không đạt ý nghĩa thống kê thông thường, song dấu của các hệ số vẫn giữ nguyên và phù hợp với kỳ vọng lý thuyết, thể hiện tính ổn định và độ tin cậy của mô hình DID hai chiều. Như vậy, kết quả kiểm định theo mẫu con cho thấy mô hình có tính vững cao, đồng thời khẳng định rằng phản ứng của các ngân hàng trước cú sốc vĩ mô phụ thuộc đáng kể vào quy mô hoạt động và năng lực tài chính.

4.3.3. Kiểm định xu hướng song song Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Trong phương pháp khác biệt-trong-khác-biệt (DID), một trong những giả định quan trọng quyết định đến tính hợp lệ của kết quả ước lượng là giả định xu hướng song song (parallel trends assumption). Giả định này yêu cầu rằng trước khi xảy ra tác động (cụ thể là đại dịch COVID-19), xu hướng biến động của biến phụ thuộc – ở đây là tỷ lệ bao phủ nợ xấu (LP) – giữa nhóm chịu ảnh hưởng và nhóm đối chứng phải tương đồng. Nói cách khác, nếu đại dịch không diễn ra, hai nhóm ngân hàng này sẽ có quỹ đạo biến động LP tương tự nhau theo thời gian. Khi giả định này được thỏa mãn, mọi thay đổi khác biệt quan sát được sau giai đoạn tác động mới có thể được diễn giải là do ảnh hưởng thực sự của cú sốc COVID-19 thay vì các yếu tố ngẫu nhiên khác.

Để kiểm tra giả định này, mô hình nghiên cứu được mở rộng bằng cách bổ sung hai biến tương tác là LP_pre×I{2017} và LP_pre×I{2018}, đại diện cho mối quan hệ giữa mức LP trung bình giai đoạn trước khủng hoảng (2017–2019) và các năm 2017–2018, tức giai đoạn trước thời điểm cơ sở 2019. Nếu các hệ số này không có ý nghĩa thống kê, điều đó chứng tỏ rằng trong giai đoạn trước khủng hoảng, không có sự khác biệt đáng kể về xu hướng biến động của LP giữa nhóm ngân hàng chịu tác động mạnh và nhóm ít chịu tác động, từ đó xác nhận tính hợp lệ của giả định song song.

Hai hệ số tương tác chính Int_2020_21 và Int_2022_24 mang dấu dương và đều có ý nghĩa thống kê ở mức 5%, cho thấy tỷ lệ bao phủ nợ xấu (LP) của hệ thống ngân hàng có xu hướng tăng lên rõ rệt trong giai đoạn đại dịch và hậu đại dịch. Điều này phản ánh phản ứng của các ngân hàng thương mại Việt Nam trong việc tăng cường trích lập dự phòng và củng cố bộ đệm vốn nhằm đối phó với rủi ro tín dụng gia tăng trong bối cảnh bất định. Kết quả này hoàn toàn phù hợp với thực tế hoạt động của ngành ngân hàng trong giai đoạn 2020–2024, khi Ngân hàng Nhà nước khuyến khích các tổ chức tín dụng nâng cao năng lực tài chính và tăng cường quản trị rủi ro để đảm bảo ổn định hệ thống.

Ngược lại, hai biến mở rộng LP_pre×2017 và LP_pre×2018 đều không có ý nghĩa thống kê, cho thấy rằng trước năm 2019, không có sự khác biệt đáng kể về xu hướng biến động LP giữa các nhóm ngân hàng. Kết quả này xác nhận rằng giả định xu hướng song song được thỏa mãn, tức các nhóm ngân hàng có quỹ đạo biến động LP tương đồng trong giai đoạn trước khủng hoảng, giúp đảm bảo rằng phần chênh lệch quan sát được trong giai đoạn 2020–2024 thực sự xuất phát từ tác động của đại dịch COVID-19. Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Xét thêm các biến kiểm soát, ROE có hệ số dương và ý nghĩa ở mức 5%, chứng tỏ các ngân hàng có khả năng sinh lời cao thường duy trì tỷ lệ bao phủ nợ xấu tốt hơn, phản ánh năng lực tài chính mạnh và chiến lược quản trị rủi ro chủ động. Trong khi đó, LDR có dấu âm và cận ý nghĩa ở mức 10%, cho thấy việc mở rộng tín dụng quá mức có thể khiến ngân hàng đối mặt với rủi ro thanh khoản và tín dụng cao hơn, từ đó làm giảm khả năng bao phủ nợ xấu. Các biến còn lại như CAR, CAP, Size hay LTA không có ý nghĩa thống kê, nhưng vẫn mang dấu phù hợp với kỳ vọng về mặt kinh tế.

Kết quả kiểm định xu hướng song song cho thấy không tồn tại sự sai lệch hệ thống về xu hướng LP giữa các nhóm ngân hàng trước khi đại dịch COVID-19 diễn ra. Điều này khẳng định mô hình DID được xây dựng trong nghiên cứu là phù hợp và đáng tin cậy, đảm bảo rằng các kết quả ước lượng ở phần trước có thể được diễn giải như tác động nhân quả thực sự của đại dịch và giai đoạn hậu COVID-19 đối với năng lực quản trị rủi ro tín dụng của các ngân hàng thương mại Việt Nam.

4.3.4. Kiểm định giả tác động (Placebo Test)

Trong các mô hình khác biệt-trong-khác-biệt (DID), việc phát hiện hệ số tương tác có ý nghĩa thống kê không nhất thiết đảm bảo rằng kết quả phản ánh tác động thực sự của cú sốc. Kết quả có thể bị ảnh hưởng bởi các yếu tố không quan sát được hoặc các xu hướng đặc thù khác của dữ liệu. Vì vậy, để củng cố tính hợp lệ của mô hình, nghiên cứu tiến hành kiểm định giả tác động (Placebo Test), nhằm kiểm tra xem liệu tác động được phát hiện có thực sự xuất hiện tại thời điểm xảy ra đại dịch COVID-19 hay không, hay chỉ đơn thuần là kết quả của sự dao động ngẫu nhiên trong dữ liệu.

Phương pháp thực hiện dựa trên ý tưởng của Poczter (2016) và được áp dụng rộng rãi trong các nghiên cứu DID. Cụ thể, thay vì sử dụng giai đoạn 2020–2024 làm mốc “sự kiện thật”, nghiên cứu đặt “giả sự kiện” (fake shock) ở các năm 2019 và 2018–2019, tức là các giai đoạn mà đại dịch chưa xảy ra, và ước lượng lại mô hình DID với các biến tương tác giả:

• Int_Placebo_2019 = LP_pre × I{2019}
• Int_Placebo_2018_19 = LP_pre × I{2018,2019}

Nếu các hệ số của các biến tương tác này không có ý nghĩa thống kê, điều đó cho thấy mô hình không phát hiện ra “tác động giả”, qua đó khẳng định rằng tác động chính ghi nhận trong giai đoạn COVID-19 là có thật, không phải kết quả của hiện tượng ngẫu nhiên hay sự thiên lệch mô hình. Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Kết trên cho thấy khi đặt “giả tác động” ở năm 2019 và giai đoạn 2018–2019, hệ số của các biến tương tác giả không đồng thời có ý nghĩa thống kê ở mức thông thường. Cụ thể, trong mô hình với “giả sự kiện” tại năm 2019, hệ số Int_Placebo_2019 có dấu dương và ý nghĩa yếu (p = 0.0146), tuy nhiên khi mở rộng sang giai đoạn 2018–2019, hệ số Int_Placebo_2018_19 trở nên không có ý nghĩa thống kê (p > 0.1). Điều này phản ánh rằng mối quan hệ giữa LP và LP_pre trong giai đoạn trước năm 2020 không mang tính ổn định hay có xu hướng tăng đáng kể, mà chỉ là biến động ngắn hạn hoặc nhiễu ngẫu nhiên trong dữ liệu.

Do đó, không có bằng chứng vững chắc cho thấy tác động tương tự như trong giai đoạn COVID-19 tồn tại ở giai đoạn trước khi đại dịch xảy ra. Nói cách khác, mô hình DID không nhận diện “tác động giả” trong các năm không có cú sốc, qua đó khẳng định rằng các kết quả ước lượng ở phần trước thực sự bắt nguồn từ tác động của đại dịch COVID-19 và giai đoạn hậu COVID, chứ không phải do các yếu tố ngẫu nhiên hoặc xu hướng sẵn có của biến phụ thuộc.

Một điểm đáng chú ý khác là các biến kiểm soát như ROE và LoanGrowth vẫn mang dấu dương và có ý nghĩa ở mức 5%–10%, phản ánh rằng các ngân hàng có khả năng sinh lời cao và tốc độ tăng trưởng tín dụng tích cực thường có tỷ lệ bao phủ nợ xấu cao hơn. Tuy nhiên, điều này mang tính ổn định và không liên quan đến biến giả tác động, cho thấy cấu trúc mô hình là hợp lý và nhất quán.

Kiểm định giả tác động cho thấy các biến tương tác được đặt “giả sự kiện” tại các năm trước đại dịch không có ý nghĩa thống kê rõ ràng, chứng tỏ mô hình DID của nghiên cứu không phát hiện ra tác động giả. Điều này khẳng định rằng tác động chính được tìm thấy trong giai đoạn 2020–2024 là hợp lệ, phản ánh đúng ảnh hưởng thực tế của đại dịch COVID-19 và giai đoạn hậu COVID đối với khả năng bao phủ nợ xấu – một chỉ tiêu quan trọng trong công tác quản trị rủi ro tín dụng của các ngân hàng thương mại Việt Nam.

Nói cách khác, mô hình nghiên cứu vượt qua được cả kiểm định xu hướng song song và kiểm định giả tác động, qua đó củng cố tính tin cậy và độ vững của các kết quả ước lượng đã được trình bày ở các mục trước.

4.4. Thảo luận kết quả nghiên cứu Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

4.4.1. Tác động của năng lực quản trị rủi ro trước khủng hoảng đến rủi ro tín dụng trong đại dịch

Kết quả ước lượng từ mô hình (DID) cho thấy năng lực quản trị rủi ro của ngân hàng trong giai đoạn trước đại dịch có ảnh hưởng đáng kể đến mức độ rủi ro tín dụng trong thời kỳ COVID-19. Cụ thể, biến tương tác Int_2020_21, đại diện cho giai đoạn đại dịch, có hệ số dương và có ý nghĩa thống kê ở mức 5%, phản ánh rằng các ngân hàng có năng lực bao phủ nợ xấu tốt hơn trước khủng hoảng (thể hiện qua LP_pre cao) có xu hướng tăng cường hơn nữa tỷ lệ bao phủ nợ xấu trong đại dịch.

Điều này cho thấy hiệu ứng củng cố rủi ro (risk reinforcement effect): những ngân hàng vốn đã duy trì chính sách quản trị rủi ro thận trọng trước đó tiếp tục mở rộng biên độ dự phòng khi đối diện cú sốc kinh tế. Ngược lại, các ngân hàng có năng lực dự phòng yếu trước khủng hoảng lại gặp khó khăn trong việc gia tăng bao phủ nợ xấu do hạn chế về vốn và thanh khoản. Kết quả này phản ánh sự khác biệt đáng kể trong hành vi ứng phó rủi ro giữa các nhóm ngân hàng, đồng thời cho thấy năng lực quản trị rủi ro trước khủng hoảng là yếu tố quyết định khả năng chống chịu của ngân hàng trong khủng hoảng.

Thực tế trong giai đoạn 2020–2021 cho thấy, trước những biến động phức tạp của dịch bệnh, Ngân hàng Nhà nước Việt Nam đã ban hành nhiều chính sách hỗ trợ như Thông tư 01/2020/TT-NHNN và Thông tư 03/2021/TT-NHNN về cơ cấu lại thời hạn trả nợ và giữ nguyên nhóm nợ. Tuy nhiên, việc nâng cao tỷ lệ bao phủ nợ xấu chủ yếu vẫn phụ thuộc vào năng lực nội tại của từng ngân hàng, đặc biệt là khả năng sinh lời và vốn chủ sở hữu. Những ngân hàng có nền tảng tài chính vững mạnh như Vietcombank, BIDV hay VietinBank có thể tăng mạnh trích lập dự phòng mà không làm suy giảm đáng kể hiệu quả kinh doanh, trong khi các ngân hàng quy mô nhỏ hơn chịu áp lực chi phí dự phòng lớn hơn.

Kết quả này phù hợp với nghiên cứu của Berger và Bouwman (2013), trong đó cho rằng các ngân hàng có khả năng tạo vốn nội bộ cao thường duy trì được tỷ lệ bao phủ nợ xấu ổn định hơn trong khủng hoảng. Đồng thời, nghiên cứu của Gambacorta và Shin (2018) cũng chỉ ra rằng sự chuẩn bị trước khủng hoảng – thông qua việc duy trì tỷ lệ vốn và dự phòng an toàn – là yếu tố giúp ngân hàng hạn chế thiệt hại khi đối mặt với cú sốc kinh tế. Kết quả thực nghiệm tại Việt Nam cho thấy xu hướng tương tự: các ngân hàng duy trì chính sách dự phòng thận trọng trước đại dịch có phản ứng tích cực hơn trong việc kiểm soát rủi ro tín dụng khi khủng hoảng xảy ra.

Như vậy, có thể khẳng định rằng năng lực quản trị rủi ro tín dụng trước khủng hoảng là nền tảng quan trọng quyết định khả năng ứng phó của ngân hàng trong đại dịch COVID-19. Các ngân hàng có LP_pre cao thể hiện khả năng dự báo và phòng ngừa rủi ro tốt hơn, giúp giảm thiểu tổn thất tín dụng trong giai đoạn khó khăn. Kết quả này nhấn mạnh tầm quan trọng của việc xây dựng cơ chế quản trị rủi ro chủ động và duy trì chính sách dự phòng mang tính chu kỳ, thay vì chỉ phản ứng sau khi rủi ro phát sinh.

4.4.2. Tác động trong giai đoạn hậu COVID-19 và khả năng thích ứng của hệ thống ngân hàng Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Kết quả hồi quy cho thấy biến tương tác Int_2022_24, đại diện cho giai đoạn hậu COVID-19, tiếp tục mang dấu dương và có ý nghĩa thống kê ở mức 5%. Điều này chứng tỏ rằng tác động của đại dịch không dừng lại ở thời điểm bùng phát mà còn kéo dài ảnh hưởng đến hành vi quản trị rủi ro tín dụng của các ngân hàng trong nhiều năm sau đó. Cụ thể, sau khi dịch bệnh được kiểm soát, các ngân hàng thương mại Việt Nam vẫn duy trì xu hướng tăng cường tỷ lệ bao phủ nợ xấu (LP), thể hiện chiến lược thận trọng và ưu tiên củng cố khả năng chống chịu rủi ro trong giai đoạn phục hồi.

Cơ chế của tác động này có thể được lý giải qua hai khía cạnh chính. Thứ nhất, đại dịch COVID-19 đã để lại những hệ lụy kéo dài đối với nền kinh tế, đặc biệt là sự phục hồi không đồng đều giữa các ngành, khiến rủi ro tín dụng tiềm ẩn vẫn ở mức cao. Do đó, các ngân hàng buộc phải duy trì tỷ lệ trích lập dự phòng cao nhằm đảm bảo an toàn tài chính. Thứ hai, sau giai đoạn khủng hoảng, tâm lý thị trường và quy định giám sát của Ngân hàng Nhà nước đều thay đổi theo hướng thận trọng hơn, khuyến khích các tổ chức tín dụng tăng vốn tự có và kiểm soát chất lượng tín dụng chặt chẽ.

Kết quả phân tích theo mẫu con giữa ngân hàng lớn và ngân hàng nhỏ càng củng cố nhận định này. Đối với nhóm ngân hàng quy mô lớn, mặc dù hệ số tương tác trong giai đoạn 2022–2024 không còn ý nghĩa thống kê, nhưng dấu dương vẫn được duy trì, cho thấy họ đã đạt được mức ổn định cao hơn về quản trị rủi ro. Ngược lại, nhóm ngân hàng quy mô nhỏ lại thể hiện phản ứng rõ rệt hơn, khi biến tương tác có ý nghĩa cao ở mức 1%, phản ánh nỗ lực điều chỉnh mạnh mẽ hơn để thích ứng với yêu cầu thị trường và quy định mới. Điều này cho thấy sự khác biệt về khả năng thích ứng giữa các nhóm ngân hàng, trong đó các tổ chức nhỏ thường linh hoạt hơn nhưng chịu áp lực chi phí dự phòng lớn hơn.

Những phát hiện này phù hợp với nhận định của Demirgüç-Kunt, Pedraza và Ruiz-Ortega (2021), cho rằng cú sốc COVID-19 đã tạo ra một “bước ngoặt thể chế” trong quản trị ngân hàng toàn cầu, buộc các tổ chức tài chính phải tái cấu trúc quy trình đánh giá rủi ro và kiểm soát danh mục tín dụng theo hướng an toàn hơn. Tại Việt Nam, tác động này được thể hiện rõ qua việc các ngân hàng đẩy mạnh tăng vốn điều lệ, tái cấu trúc danh mục cho vay, ưu tiên khách hàng ít rủi ro, đồng thời hạn chế tín dụng đối với lĩnh vực tiềm ẩn nợ xấu cao như bất động sản, tiêu dùng và doanh nghiệp nhỏ.

Ngoài ra, sự duy trì tỷ lệ bao phủ nợ xấu cao trong giai đoạn hậu COVID-19 cũng cho thấy sự trưởng thành trong quản trị rủi ro của hệ thống ngân hàng Việt Nam. Thay vì chỉ phản ứng ngắn hạn với cú sốc, các ngân hàng đã chuyển hướng sang xây dựng năng lực quản trị mang tính phòng ngừa, gắn kết với chuẩn mực Basel II và Basel III. Việc trích lập dự phòng mang tính chủ động giúp ngân hàng không chỉ ứng phó với các rủi ro hiện tại mà còn tạo nền tảng vững chắc cho sự ổn định lâu dài của hệ thống tài chính. Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Tóm lại, kết quả thực nghiệm cho thấy giai đoạn hậu COVID-19 là thời kỳ mà các ngân hàng Việt Nam thể hiện rõ nhất khả năng thích ứng và điều chỉnh chiến lược quản trị rủi ro. Việc duy trì tỷ lệ bao phủ nợ xấu ở mức cao phản ánh nỗ lực tăng cường sức chống chịu nội tại, củng cố lòng tin thị trường và đảm bảo ổn định hệ thống trong bối cảnh nền kinh tế bước vào giai đoạn phục hồi không đồng đều. Đây cũng là bằng chứng thực nghiệm quan trọng cho thấy tác động của đại dịch đã góp phần thúc đẩy sự chuyên nghiệp hóa trong quản trị rủi ro tín dụng của các ngân hàng Việt Nam.

4.4.3. So sánh kết quả với các nghiên cứu trước

Kết quả nghiên cứu của đề tài cho thấy năng lực quản trị rủi ro tín dụng trước khủng hoảng có vai trò then chốt trong việc giảm thiểu tác động tiêu cực của đại dịch COVID-19 đến rủi ro tín dụng, đồng thời ảnh hưởng này tiếp tục kéo dài trong giai đoạn hậu khủng hoảng. Kết quả này tương đồng với các phát hiện của Çolak và Öztekin (2021) trên mẫu dữ liệu ngân hàng toàn cầu, khi hai tác giả chứng minh rằng những ngân hàng có khả năng quản trị vốn và dự phòng rủi ro tốt hơn trước đại dịch đã duy trì hoạt động cho vay ổn định và ít chịu tác động từ cú sốc COVID-19 hơn.

Tương tự, nghiên cứu của Demirgüç-Kunt, Pedraza và Ruiz-Ortega (2021) cho thấy trong khủng hoảng COVID-19, mức độ sụt giảm tín dụng của ngân hàng có tương quan nghịch với năng lực quản trị rủi ro và vốn chủ sở hữu, tức là ngân hàng càng có bộ đệm vốn và dự phòng mạnh thì khả năng duy trì tín dụng càng cao. Kết quả thực nghiệm tại Việt Nam cũng phản ánh cùng xu hướng này: các ngân hàng có LP_pre cao đã mở rộng trích lập dự phòng trong giai đoạn khủng hoảng mà không làm suy giảm đáng kể hiệu quả hoạt động, trong khi nhóm ngân hàng có nền tảng rủi ro yếu hơn gặp nhiều khó khăn hơn trong việc thích ứng.

Ngoài ra, dấu dương của các biến tương tác Int_2020_21 và Int_2022_24 còn gợi ý rằng đại dịch COVID-19 đã tạo ra một hiệu ứng tăng cường phòng thủ (precautionary effect), tương tự kết luận của Gambacorta và Shin (2018), theo đó các ngân hàng sau khủng hoảng thường duy trì chính sách dự phòng thận trọng hơn nhằm hạn chế rủi ro tiềm ẩn. Đồng thời, việc hệ số ROE có ý nghĩa thống kê dương trong mô hình cũng phù hợp với kết quả của Athanasoglou, Brissimis và Delis (2008), khi cho rằng khả năng sinh lời là một trong những yếu tố quan trọng giúp ngân hàng chủ động ứng phó và kiểm soát rủi ro tín dụng trong các giai đoạn biến động kinh tế. Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Tuy nhiên, so với bối cảnh các nghiên cứu quốc tế, kết quả tại Việt Nam thể hiện một số đặc thù riêng. Thứ nhất, vai trò điều tiết của Ngân hàng Nhà nước Việt Nam trong thời kỳ khủng hoảng là yếu tố quan trọng giúp duy trì sự ổn định hệ thống, nhờ các chính sách cơ cấu lại nợ và hỗ trợ thanh khoản. Thứ hai, mức độ phản ứng khác biệt giữa nhóm ngân hàng lớn và nhỏ cho thấy đặc điểm phân hóa rõ rệt của hệ thống ngân hàng Việt Nam: các ngân hàng lớn có xu hướng ổn định và thận trọng hơn, trong khi các ngân hàng nhỏ linh hoạt hơn nhưng chịu áp lực rủi ro cao hơn. Thứ ba, việc duy trì tỷ lệ bao phủ nợ xấu cao trong giai đoạn hậu COVID-19 phản ánh định hướng quản trị rủi ro mang tính phòng ngừa ngày càng rõ nét trong hệ thống ngân hàng Việt Nam, phù hợp với tiến trình triển khai Basel II và Basel III.

Tổng thể, so sánh với các nghiên cứu trước cho thấy kết quả của đề tài vừa kế thừa, vừa mở rộng các bằng chứng thực nghiệm về vai trò của năng lực quản trị rủi ro trong khủng hoảng. Điểm khác biệt quan trọng của nghiên cứu này là làm rõ được tác động kéo dài của năng lực quản trị rủi ro sau đại dịch, cũng như sự phân hóa trong khả năng thích ứng giữa các nhóm ngân hàng Việt Nam. Điều này góp phần bổ sung thêm bằng chứng thực nghiệm quan trọng cho thấy quản trị rủi ro tín dụng không chỉ là yếu tố bảo vệ trong khủng hoảng, mà còn là nền tảng chiến lược cho sự ổn định và phát triển bền vững của ngân hàng trong dài hạn.

TÓM TẮT CHƯƠNG 4 Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Chương 4 đã trình bày toàn bộ kết quả phân tích thực nghiệm nhằm đánh giá tác động của năng lực quản trị rủi ro tín dụng trước khủng hoảng đến mức độ rủi ro tín dụng của các ngân hàng thương mại Việt Nam trong và sau đại dịch COVID-19, dựa trên mô hình dữ liệu bảng với phương pháp ước lượng tác động cố định hai chiều (PanelOLS – Two-way Fixed Effects).

Kết quả thống kê mô tả và phân tích tương quan cho thấy các biến trong mô hình có sự khác biệt đáng kể giữa hai giai đoạn trước và sau đại dịch, phản ánh sự thay đổi trong hành vi quản trị và hiệu quả hoạt động của các ngân hàng. Hệ số tương quan thấp giữa các biến giải thích khẳng định hiện tượng đa cộng tuyến không đáng kể, đảm bảo tính ổn định của mô hình hồi quy.

Kết quả ước lượng chính cho thấy hai biến tương tác Int_2020_21 và Int_2022_24 đều mang dấu dương và có ý nghĩa thống kê, khẳng định rằng năng lực quản trị rủi ro tín dụng trước đại dịch có tác động tích cực đến khả năng bao phủ nợ xấu trong cả giai đoạn khủng hoảng và hậu khủng hoảng. Điều này chứng tỏ các ngân hàng có chính sách dự phòng thận trọng và hiệu quả quản trị tốt trước khủng hoảng đã chủ động hơn trong việc ứng phó với cú sốc COVID-19 và duy trì khả năng kiểm soát rủi ro ở mức cao trong giai đoạn phục hồi.

Kết quả kiểm định bằng sai số chuẩn Driscoll–Kraay và phân tích theo mẫu con (ngân hàng lớn và nhỏ) cho thấy mô hình có độ tin cậy cao, đồng thời khẳng định xu hướng phản ứng khác biệt giữa các nhóm ngân hàng. Cụ thể, nhóm ngân hàng quy mô nhỏ thể hiện mức độ điều chỉnh mạnh mẽ hơn trong giai đoạn hậu COVID-19, trong khi nhóm ngân hàng lớn duy trì chính sách quản trị ổn định, phản ánh đặc trưng về năng lực tài chính và mức độ thận trọng khác nhau. Các kiểm định xu hướng song song và kiểm định giả tác động (placebo test) cũng xác nhận rằng kết quả nghiên cứu không bị chi phối bởi các yếu tố ngẫu nhiên, đảm bảo tính hợp lệ của mô hình DID.

Trong phần thảo luận, kết quả nghiên cứu được đối chiếu với các công trình quốc tế như Demirgüç-Kunt và cộng sự (2021), Çolak & Öztekin (2021), và Gambacorta & Shin (2018), cho thấy sự tương đồng trong vai trò của năng lực quản trị rủi ro đối với khả năng chống chịu của hệ thống ngân hàng trước khủng hoảng. Tuy nhiên, nghiên cứu cũng làm rõ đặc thù của bối cảnh Việt Nam, nơi mà sự hỗ trợ chính sách của Ngân hàng Nhà nước và sự khác biệt về quy mô đã tạo nên mức độ thích ứng đa dạng giữa các ngân hàng.

Tổng thể, chương 4 khẳng định rằng năng lực quản trị rủi ro tín dụng trước khủng hoảng đóng vai trò nền tảng trong việc giảm thiểu tác động tiêu cực của đại dịch và củng cố khả năng chống chịu của hệ thống ngân hàng Việt Nam. Đây là cơ sở thực nghiệm quan trọng để đề xuất các giải pháp chính sách trong chương 5, nhằm nâng cao hiệu quả quản trị rủi ro tín dụng và bảo đảm sự ổn định bền vững của hoạt động ngân hàng trong bối cảnh kinh tế đầy biến động.

CHƯƠNG 5. KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

5.1. Kết luận Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Nghiên cứu được thực hiện nhằm đánh giá tác động của đại dịch COVID-19 và giai đoạn hậu COVID đến năng lực quản trị rủi ro tín dụng của các ngân hàng thương mại cổ phần Việt Nam. Dữ liệu được thu thập trong giai đoạn 2015–2024 và được xử lý bằng phương pháp Difference-in-Differences (DID) với mô hình hồi quy tác động cố định hai chiều (Two-way Fixed Effects Model). Biến phụ thuộc phản ánh năng lực quản trị rủi ro tín dụng được đo lường thông qua tỷ lệ bao phủ nợ xấu (LLP/NPL).

Kết quả ước lượng cho thấy hai biến tương tác giữa năng lực quản trị trước khủng hoảng và các giai đoạn COVID-19 có hệ số dương và có ý nghĩa thống kê ở mức 5%. Cụ thể, biến Int_2020_21 (LP_pre × giai đoạn 2020–2021) thể hiện tác động tích cực của năng lực quản trị trước khủng hoảng đối với khả năng chống chịu rủi ro trong thời kỳ đại dịch. Trong khi đó, biến Int_2022_24 (LP_pre × giai đoạn 2022–2024) cũng mang dấu dương, cho thấy các ngân hàng có nền tảng quản trị tốt tiếp tục duy trì ưu thế về khả năng phục hồi và thích ứng trong giai đoạn hậu COVID.

Kết quả này khẳng định vai trò then chốt của năng lực quản trị rủi ro tín dụng trước khủng hoảng đối với sự ổn định của ngân hàng, phù hợp với nhận định của Çolak và Öztekin (2021) rằng mức độ chuẩn bị quản trị rủi ro trước cú sốc giúp giảm thiểu tổn thất khi khủng hoảng xảy ra. Điều này cũng phản ánh tính hiệu quả của cơ chế dự phòng nội tại – một bộ đệm quan trọng giúp hệ thống ngân hàng Việt Nam duy trì khả năng kiểm soát nợ xấu trong bối cảnh biến động chưa từng có của nền kinh tế.

Ngoài ra, các biến kiểm soát như ROE và LDR cũng thể hiện tác động phù hợp với kỳ vọng kinh tế học ngân hàng. Hệ số dương và có ý nghĩa của ROE cho thấy ngân hàng có hiệu quả sinh lời cao thường có khả năng quản trị rủi ro tín dụng tốt hơn. Ngược lại, LDR mang dấu âm, phản ánh rằng tỷ lệ cho vay trên huy động quá cao làm giảm “đệm an toàn” thanh khoản, qua đó có thể làm gia tăng rủi ro tín dụng. Các biến khác như CAR, CAP, Size và LoanGrowth tuy không có ý nghĩa thống kê mạnh nhưng vẫn mang dấu phù hợp với lý thuyết an toàn vốn và tăng trưởng tín dụng thận trọng.

Từ các phát hiện trên, nghiên cứu kết luận rằng năng lực quản trị rủi ro tín dụng trước khủng hoảng đóng vai trò quan trọng trong việc giảm thiểu tác động tiêu cực của COVID-19 và thúc đẩy quá trình phục hồi sau khủng hoảng. Các ngân hàng thương mại cổ phần Việt Nam có nền tảng quản trị tốt đã thể hiện khả năng thích ứng nhanh, kiểm soát rủi ro hiệu quả và duy trì ổn định hoạt động, góp phần củng cố an toàn của toàn hệ thống trong giai đoạn hậu COVID.

5.2. Đề xuất hàm ý quản trị

Kết quả nghiên cứu cho thấy năng lực quản trị rủi ro tín dụng trước khủng hoảng đóng vai trò quyết định trong việc giúp ngân hàng giảm thiểu tổn thất trong giai đoạn COVID-19 và phục hồi nhanh sau đó. Hai biến tương tác Int_2020_21 và Int_2022_24 mang dấu dương và có ý nghĩa thống kê đã chứng minh rằng các ngân hàng có nền tảng quản trị tốt hơn trước đại dịch có thể duy trì khả năng bao phủ nợ xấu cao hơn, kiểm soát tổn thất tín dụng hiệu quả hơn và nhanh chóng tái lập ổn định sau khủng hoảng. Từ kết quả này, có thể rút ra một số hàm ý quản trị mang tính hệ thống sau:

• Hàm ý ở cấp độ vi mô – đối với từng ngân hàng thương mại Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Thứ nhất, chuyển đổi cách tiếp cận quản trị rủi ro tín dụng từ bị động sang chủ động, dựa trên dữ liệu. Thực tế cho thấy nhiều ngân hàng vẫn xem quản trị rủi ro là một “bộ phận kiểm soát tuân thủ”, phản ứng sau khi rủi ro phát sinh. Kết quả nghiên cứu khẳng định rằng chính năng lực quản trị trước khủng hoảng mới là yếu tố bảo vệ ngân hàng khỏi tổn thất. Do đó, các ngân hàng cần xây dựng mô hình quản trị chủ động (forward-looking risk management), trong đó rủi ro được đo lường và dự báo thường xuyên bằng dữ liệu định lượng. Việc ứng dụng trí tuệ nhân tạo (AI) và học máy (machine learning) vào dự báo vỡ nợ, phân tích hành vi khách hàng hay ước lượng giá trị rủi ro tín dụng (Credit Value at Risk – CVaR) cần được triển khai rộng rãi, đặc biệt ở các ngân hàng có danh mục doanh nghiệp nhỏ và vừa.

Thứ hai, củng cố “bộ đệm rủi ro động” và chính sách trích lập dự phòng chu kỳ. Kết quả DID cho thấy các ngân hàng có LP_pre cao (tức đã duy trì mức dự phòng hợp lý trong giai đoạn trước COVID) chịu thiệt hại ít hơn. Điều này khẳng định vai trò của dự phòng động – cơ chế giúp ngân hàng trích lập nhiều hơn trong thời kỳ tăng trưởng và sử dụng bộ đệm khi suy thoái. Trong thực tế, Ngân hàng Nhà nước đã từng khuyến nghị xây dựng khung “dự phòng rủi ro động” tương tự chuẩn Basel III, nhưng việc áp dụng chưa đồng đều giữa các ngân hàng. Vì vậy, mỗi ngân hàng cần chủ động xác lập tỷ lệ dự phòng tối thiểu theo chu kỳ tín dụng nội bộ, không chỉ tuân thủ mức sàn quy định.

Thứ ba, nâng cao chất lượng thẩm định và đa dạng hóa danh mục tín dụng. Cú sốc COVID cho thấy các ngân hàng có danh mục tập trung vào các ngành nhạy cảm (du lịch, bất động sản, vận tải) bị ảnh hưởng nặng hơn. Điều này phản ánh hạn chế trong khâu định giá rủi ro ngành và đánh giá tính chu kỳ của danh mục tín dụng. Do đó, ngân hàng cần xây dựng mô hình lượng hóa rủi ro theo ngành, xác định hệ số điều chỉnh rủi ro (risk-weight adjustment) cho từng lĩnh vực, và áp dụng giới hạn tín dụng động theo thời gian. Cùng với đó, việc mở rộng các khoản vay xanh, tín dụng bền vững hay chuỗi cung ứng là hướng đi giúp giảm rủi ro tập trung và phù hợp xu thế chuyển đổi kinh tế.

Thứ tư, phát triển văn hóa rủi ro và hệ thống kiểm soát nội bộ tích hợp. Khủng hoảng COVID chứng minh rằng công nghệ hay quy trình chỉ là phần nổi; phần gốc rễ nằm ở văn hóa tổ chức. Một ngân hàng có văn hóa rủi ro mạnh sẽ khuyến khích cán bộ nhận diện sớm rủi ro, chủ động báo cáo và phối hợp để xử lý, thay vì né tránh. Do đó, ban lãnh đạo cần lồng ghép các chỉ tiêu tuân thủ và quản trị rủi ro vào đánh giá hiệu quả công việc, gắn trách nhiệm rủi ro với mọi cấp điều hành.

• Hàm ý ở cấp trung mô – đối với hiệp hội ngành và tổ chức trung gian

Thứ năm, phát triển nền tảng chia sẻ dữ liệu rủi ro và hệ thống cảnh báo sớm tập trung. Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Một nguyên nhân khiến khả năng quản trị rủi ro tín dụng giữa các ngân hàng khác biệt lớn là sự thiếu chia sẻ thông tin. Hiệp hội Ngân hàng Việt Nam (VNBA) và Trung tâm Thông tin Tín dụng Quốc gia (CIC) cần phối hợp xây dựng kho dữ liệu tập trung về tỷ lệ nợ xấu, tỷ lệ dự phòng, và mức độ tập trung tín dụng theo ngành để các ngân hàng có thể so sánh và hiệu chỉnh mô hình rủi ro của mình. Điều này sẽ tạo ra “chuẩn tham chiếu ngành” (industry benchmark) giúp giảm bất cân xứng thông tin, đồng thời hỗ trợ Ngân hàng Nhà nước giám sát hệ thống hiệu quả hơn.

Thứ sáu, tăng cường đào tạo và chia sẻ kinh nghiệm quản trị rủi ro trong khủng hoảng.

Các tổ chức trung gian như Học viện Ngân hàng, VNBA, IFC hoặc WB có thể tổ chức chương trình đào tạo định kỳ về quản trị rủi ro trong bối cảnh bất định (uncertainty management), đặc biệt là đối với rủi ro phi truyền thống như đại dịch, biến đổi khí hậu hay công nghệ. Việc chuẩn hóa kỹ năng và kiến thức của đội ngũ quản trị rủi ro sẽ giúp nâng cao năng lực ứng phó toàn ngành.

• Hàm ý ở cấp vĩ mô – đối với cơ quan quản lý nhà nước

Thứ bảy, hoàn thiện khung giám sát vĩ mô an toàn hệ thống ngân hàng. Cơ quan quản lý cần chuyển từ giám sát tuân thủ sang giám sát dựa trên rủi ro (risk-based supervision). Bên cạnh các chỉ tiêu truyền thống như CAR, NPL hay ROA, cần theo dõi thêm chỉ tiêu “tính chu kỳ của tín dụng” (credit cyclicality index) để phát hiện sớm sự tích tụ rủi ro. Việc triển khai khung giám sát dự phòng động và quy định stress test định kỳ cho các ngân hàng lớn sẽ giúp tăng cường khả năng cảnh báo sớm ở cấp hệ thống.

Thứ tám, tăng cường phối hợp chính sách và ổn định tài chính vĩ mô. COVID-19 cho thấy vai trò quan trọng của chính sách tiền tệ – tài khóa phối hợp chặt chẽ. Ngân hàng Nhà nước cần phối hợp với Bộ Tài chính trong việc điều tiết dòng vốn, tránh tình trạng tín dụng đổ dồn vào lĩnh vực rủi ro trong các giai đoạn phục hồi. Đồng thời, nên xem xét xây dựng “Báo cáo Ổn định Tài chính Quốc gia” (Financial Stability Review) thường niên, tương tự các nước OECD, để công khai đánh giá sức khỏe hệ thống ngân hàng và củng cố niềm tin thị trường.

5.3. Hạn chế của đề tài và hướng nghiên cứu mở rộng Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

Mặc dù đạt được những kết quả có giá trị cả về lý luận và thực tiễn, nghiên cứu vẫn tồn tại một số hạn chế nhất định. Việc thừa nhận các hạn chế không chỉ giúp nhìn nhận khách quan hơn về kết quả đạt được, mà còn mở ra hướng đi mới cho các nghiên cứu tiếp theo nhằm hoàn thiện hiểu biết về quản trị rủi ro tín dụng trong hệ thống ngân hàng Việt Nam.

Thứ nhất, nghiên cứu còn hạn chế về phạm vi mẫu và tính đại diện. Dữ liệu chủ yếu thu thập từ các ngân hàng thương mại cổ phần, chưa bao gồm nhóm ngân hàng có vốn nhà nước chi phối và ngân hàng nước ngoài đang hoạt động tại Việt Nam. Do sự khác biệt về quy mô, cấu trúc sở hữu và khẩu vị rủi ro, kết quả phân tích có thể chưa phản ánh đầy đủ đặc trưng của toàn bộ hệ thống. Trong tương lai, việc mở rộng mẫu sang các nhóm ngân hàng này sẽ giúp so sánh rõ hơn mức độ khác biệt trong năng lực quản trị rủi ro tín dụng giữa các loại hình.

Thứ hai, cách đo lường năng lực quản trị rủi ro tín dụng còn mang tính định lượng đơn chiều. Nghiên cứu sử dụng tỷ lệ bao phủ nợ xấu (LLP/NPL) làm biến đại diện, phản ánh chủ yếu khả năng dự phòng tài chính. Tuy nhiên, quản trị rủi ro tín dụng là một khái niệm đa chiều, còn bao gồm chất lượng thẩm định tín dụng, kiểm soát sau cho vay và mức độ tuân thủ quy trình. Những yếu tố này khó lượng hóa nên chưa được đưa vào mô hình. Do đó, hướng nghiên cứu tiếp theo có thể kết hợp phương pháp định lượng và khảo sát định tính để phản ánh toàn diện hơn năng lực quản trị rủi ro của ngân hàng.

Thứ ba, khung thời gian nghiên cứu mới dừng lại ở giai đoạn ngắn (2015–2024), trong đó COVID-19 được xem như cú sốc chính và giai đoạn 2022–2024 được xem là hậu COVID. Tuy nhiên, tác động của đại dịch đối với chất lượng tín dụng có thể kéo dài hơn, thông qua kênh kinh tế vĩ mô như tăng trưởng GDP, lạm phát, lãi suất hay nợ xấu tiềm ẩn. Do đó, các nghiên cứu tương lai nên mở rộng chuỗi thời gian và kết hợp thêm biến vĩ mô để kiểm định ảnh hưởng lan tỏa của môi trường kinh tế đến năng lực quản trị rủi ro.

Thứ tư, mô hình định lượng sử dụng trong nghiên cứu – phương pháp Difference-in-Differences hai giai đoạn – tuy cho phép nhận diện tác động nhân quả cơ bản, nhưng chưa thể hiện được diễn biến tác động theo thời gian hay sự khác biệt giữa các nhóm ngân hàng. Việc áp dụng mô hình DID mở rộng nhiều giai đoạn (multi-period DID), mô hình Event Study hoặc phương pháp Synthetic Control sẽ giúp mô tả chi tiết hơn cơ chế tác động và tăng độ tin cậy của kết quả.

Cuối cùng, dữ liệu nghiên cứu chủ yếu dựa vào báo cáo tài chính công khai, chưa phản ánh đầy đủ yếu tố công nghệ và đổi mới trong quản trị rủi ro tín dụng. Trong bối cảnh ngân hàng Việt Nam đang chuyển đổi mạnh mẽ sang mô hình số hóa, việc bổ sung các chỉ tiêu về năng lực ứng dụng công nghệ, mức độ tự động hóa và tích hợp dữ liệu phi truyền thống sẽ giúp đánh giá tốt hơn tác động của đổi mới công nghệ đến quản trị rủi ro tín dụng.

Từ những hạn chế nêu trên, một số hướng nghiên cứu mở rộng được gợi ý như sau:

• mở rộng không gian nghiên cứu sang cấp độ khu vực, so sánh năng lực quản trị rủi ro của các ngân hàng Việt Nam với các ngân hàng trong khối ASEAN;
• kết hợp phương pháp định lượng và định tính để hiểu rõ cơ chế vận hành nội tại của quản trị rủi ro tín dụng;
• đưa thêm các biến điều tiết như mức độ số hóa, cấu trúc sở hữu, hay chỉ số quản trị doanh nghiệp để phân tích các yếu tố làm thay đổi tác động của cú sốc COVID-19; và (iv) phát triển mô hình dự báo rủi ro tín dụng ứng dụng dữ liệu lớn và trí tuệ nhân tạo, hướng tới xây dựng hệ thống cảnh báo sớm cho từng nhóm ngân hàng.

Tựu trung, việc nhận diện rõ những hạn chế của đề tài không chỉ giúp củng cố tính khách quan của kết quả nghiên cứu mà còn khẳng định tiềm năng mở rộng của hướng nghiên cứu này trong tương lai. Nghiên cứu đã góp phần đặt nền tảng cho các công trình tiếp theo về quản trị rủi ro tín dụng trong bối cảnh nền kinh tế Việt Nam ngày càng hội nhập và chịu tác động mạnh từ các biến động toàn cầu. Luận văn: KQNC rủi ro tín dụng ngân hàng bối cảnh hậu Covid.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: Quản trị rủi ro tín dụng ngân hàng bối cảnh hậu Covid

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