Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng

Mục lục

Đánh giá post

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng 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 ảnh hưởng đến rủi ro tín dụng 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 QUY TRÌNH NGHIÊN CỨU

Hình 3.1 Quy trình nghiên cứu

Bước 1: Tìm hiểu cơ sở lý thuyết và các nghiên cứu liên quan

Nghiên cứu tiến hành tổng hợp các cơ sở lý thuyết và hệ thống chỉ tiêu đánh giá liên quan đến Rủi ro tín dụng, đồng thời rà soát các công trình nghiên cứu đã được thực hiện trong và ngoài nước. Mục tiêu là xây dựng nền tảng để đề xuất mô hình nghiên cứu và giả thuyết phù hợp với thực tiễn hoạt động của các Ngân hàng Thương mại cổ phần tại Việt Nam. Ngoài ra, nghiên cứu cũng phân tích các lý thuyết và kết quả nghiên cứu trước đó ở cả bối cảnh quốc tế và trong nước nhằm xác định những khoảng trống hiện tại trong lĩnh vực này, từ đó định hướng cho các nghiên cứu tiếp theo.

Bước 2: Xây dựng mô hình nghiên cứu

Trên cơ sở kế thừa các lý thuyết nền tảng đã được công bố trong các nghiên cứu trước, tác giả thực hiện thiết lập mô hình nghiên cứu nhằm làm rõ mối quan hệ giữa các biến số trong bối cảnh nghiên cứu. Trong đó, các biến phụ thuộc và biến độc lập được xác định và giải thích cụ thể. Đồng thời, các giả thuyết nghiên cứu cũng được hình thành dựa trên cơ sở lý thuyết và các kết quả thực nghiệm đã được kiểm chứng trong các nghiên cứu trước. Mô hình nghiên cứu được đề xuất với định hướng sử dụng phương pháp hồi quy nhằm phân tích mối quan hệ giữa các biến, đồng thời kiểm định các giả thuyết đã xây dựng, qua đó làm rõ các yếu tố ảnh hưởng và mức độ tác động giữa chúng trong phạm vi nghiên cứu.

Bước 3: Thu thập và xử lý dữ liệu

Tác giả áp dụng dữ liệu thứ cấp được khai thác từ nhiều nguồn công bố chính thức trên trang web của 25 Ngân hàng Thương mại tại Việt Nam, bao gồm báo cáo tài chính, báo cáo thường niên, báo cáo quản trị và kết quả Hoạt động kinh doanh trong giai đoạn 11 năm, từ năm 2014 – 2024. Trên cơ sở dữ liệu thu thập được, các chỉ số tài chính liên quan được tính toán và xử lý nhằm phục vụ cho việc phân tích và kiểm định các giả thuyết trong đề tài nghiên cứu.

Bước 4: Thống kê mô tả Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Phương pháp này cho phép tính toán các thống kê mô tả cơ bản như giá trị trung bình, độ lệch chuẩn, giá trị cực tiểu và cực đại, qua đó cung cấp cái nhìn tổng quan về mức độ phân tán cũng như sự biến động của các biến trong mô hình nghiên cứu. Những thông số này không chỉ giúp mô tả đặc điểm của tập dữ liệu mà còn hỗ trợ tác giả trong việc nhận diện các xu hướng chủ đạo, từ đó đưa ra các nhận định chính xác và có cơ sở khoa học về mức độ ảnh hưởng của các yếu tố trong nghiên cứu thực nghiệm.

Bước 5: Kiểm định mô hình và thảo luận kết quả nghiên cứu

Nghiên cứu đã áp dụng các phương pháp hồi quy bao gồm: Phương pháp bình phương nhỏ nhất thông thường (OLS), phương pháp hồi quy cố định (FEM), mô hình tác động ngẫu nhiên (REM) và phương pháp hồi quy GMM. Để lựa chọn mô hình hồi quy phù hợp và tối ưu, tác giả tiến hành các kiểm định quan trọng như: kiểm định F-Test (so sánh FEM với Pooled OLS), kiểm định Hausman (so sánh FEM và REM), và kiểm định Breusch-Pagan (so sánh REM với Pooled OLS).

Đồng thời, tác giả thực hiện các kiểm tra về hiện tượng vi phạm giả định của mô hình như kiểm định hiện tượng đa cộng tuyến, phương sai sai số thay đổi và tự tương quan. Trong trường hợp mô hình phát hiện các sai phạm này, phương pháp hồi quy bình phương tối thiểu tổng quát (FGLS) sẽ được áp dụng nhằm hiệu chỉnh mô hình, đảm bảo độ tin cậy và tính chính xác của kết quả phân tích.

Bước 6: Đề xuất hàm ý chính sách

Trên cơ sở các kết quả đã được phân tích thu được, tác giả đã đề xuất những khuyến nghị nhằm góp phần giảm thiểu Rủi ro tín dụng tại các Ngân hàng Thương mại cổ phần ở Việt Nam. Việc xác định rõ những hạn chế còn tồn tại trong mô hình hiện hành là một bước quan trọng, không chỉ giúp điều chỉnh phương pháp tiếp cận cho phù hợp hơn với thực tiễn, mà còn tạo tiền đề cho các nghiên cứu chuyên sâu trong tương lai. Những phát hiện từ nghiên cứu có thể được xem là nền tảng định hướng cho việc xây dựng các chính sách quản trị Rủi ro tín dụng hiệu quả hơn trong bối cảnh ngành ngân hàng ngày càng cạnh tranh và biến động.

3.2 MÔ HÌNH VÀ GIẢ THUYẾT NGHIÊN CỨU Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

3.2.1 Mô hình nghiên cứu đề xuất

Dựa trên cơ sở lý thuyết nền và kế thừa những nghiên cứu thực nghiệm của một số tác giả trước như Nguyễn Thị Như Quỳnh (2018), Nguyễn Thu Hương và cộng sự (2023), Trần Ngọc Bảo (2024), Zheng và cộng sự (2018), Seid Muhammed và cộng sự (2023), tác giả đề xuất mô hình để đánh giá ảnh hưởng của các yếu tố đến Rủi ro tín dụng của các Ngân hàng Thương mại tại Việt Nam như sau:

NPLi,t = β0 + β1NPLi,t-1 + β2SIZEi,t + β3CIRi,t + β4STLi,t + β5LTLi,t + β6ROAi,t + β7CAPi,t + β8RPPIt + β9GDPt + β10INFt + εit

Trong đó:

Biến phụ thuộc: Rủi ro tín dụng (NPL)

Biến độc lập: Tỷ lệ nợ xấu năm trước (NPLt-1), Quy mô ngân hàng (SIZE), Tỷ lệ chi phí trên thu nhập (CIR), Khoản cho vay ngắn hạn (STL), Khoản cho vay dài hạn (LTL), Tỷ suất lợi nhuận trên tổng tài sản (ROA), Tỷ lệ Vốn chủ sở hữu của ngân hàng (CAP), Chỉ số giá bất động sản (RPPI), Tốc độ tăng trưởng kinh tế (GDP), Tỷ lệ lạm phát (INF).

Bên cạnh đó:

Hệ số i, t tương ứng với ngân hàng và năm khảo sát
β0 là hệ số chặn
β1–β10 là các hệ số góc của các biến độc lập
εit là phần dư thống kê.

3.2.2 Giả thuyết nghiên cứu Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

3.2.2.1 Biến phụ thuộc – Rủi ro tín dụng của ngân hàng (NPL)

NPL = Tổng nợ xấu / Tổng dư nợ cho vay

Sau khi xem xét một số quan điểm trong các nghiên cứu trước đó, tác giả cho rằng Rủi ro tín dụng đại diện cho một loại tổn thất mà các ngân hàng phải đối mặt, bao gồm cả tổn thất về tài chính và phi tài chính. Trong đó nợ xấu được xem là một chỉ tiêu phản ánh mức độ Rủi ro tín dụng của ngân hàng. Sự gia tăng tỷ lệ nợ xấu là một vấn đề đáng lo ngại đối với các Ngân hàng Thương mại, do có thể tác động tiêu cực đến dòng tiền, làm suy giảm Hiệu quả hoạt động và ảnh hưởng đến khả năng sinh lợi của ngân hàng theo DeYoung (1997). Nguyên nhân của Rủi ro tín dụng thường là do khách hàng không thể hoặc không trả đủ số nợ, hoặc không trả đúng hạn theo các điều khoản và cam kết trong hợp đồng tín dụng và các tài liệu liên quan. Rủi ro tín dụng được xem là một trong những rủi ro quan trọng nhất mà các ngân hàng phải đối mặt và thành công của Hoạt động kinh doanh của họ phụ thuộc nhiều vào khả năng đo lường chính xác và quản lý hiệu quả rủi ro này hơn là bất kỳ rủi ro nào khác.

3.2.2.2 Biến độc lập

Tỷ lệ nợ xấu năm trước (NPL)

Tỷ lệ nợ xấu của năm trước đóng vai trò quan trọng trong việc đánh giá Rủi ro tín dụng hiện tại và tương lai của ngân hàng. Nhiều nghiên cứu đã chỉ ra rằng, tỷ lệ nợ xấu cao trong quá khứ là một dấu hiệu của việc kiểm soát rủi ro còn kém, tiêu chuẩn tín dụng lỏng lẻo, hoặc ảnh hưởng của các yếu tố vĩ mô bất lợi, từ đó làm gia tăng xác suất tổn thất tín dụng trong các kỳ tới theo (Beck, Jakubik & Piloiu, 2013). Theo quan điểm này, tỷ lệ nợ xấu năm trước có thể được xem như một biến giải thích quan trọng cho Rủi ro tín dụng hiện tại. Ngoài ra, từ góc độ quản trị, tỷ lệ nợ xấu cao trong năm trước sẽ ảnh hưởng đến khả năng huy động vốn và lòng tin của nhà đầu tư, từ đó gián tiếp làm tăng chi phí vốn và hạn chế khả năng mở rộng tín dụng của ngân hàng trong tương lai (Makri, Tsagkanos & Bellas, 2014). Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Theo Trần Huy Hoàng và Lê Thị Mỹ Tiên (2022) nợ xấu trong quá khứ là nhân tố nội tại thể hiện khả năng quản trị rủi ro trong cho vay của ngân hàng và có tác động cùng chiều lên nợ xấu năm hiện tại. Điều này cho thấy, chất lượng tín dụng có xu hướng giảm ở năm trước sẽ kéo theo nợ xấu năm sau tăng và ngược lại. Nợ xấu trong quá khứ cao thể hiện khả năng quản trị rủi ro trong cho vay của ngân hàng kém dẫn đến nợ xấu gia tăng trong hiện tại. Giả thuyết nghiên cứu được đưa ra như sau:

H1: Tỷ lệ nợ xấu năm trước (NPL) tác động cùng chiều đến Rủi ro tín dụng

Quy mô ngân hàng (SIZE)

Mối quan hệ giữa quy mô ngân hàng và Rủi ro tín dụng là một chủ đề đã được nghiên cứu rộng rãi, tuy nhiên vẫn còn tồn tại nhiều quan điểm trái chiều. Một số nghiên cứu như Svrtinov và cộng sự (2019), Koju và cộng sự (2018) cho rằng khi quy mô ngân hàng gia tăng, tài sản của ngân hàng cũng mở rộng theo, kéo theo việc đẩy mạnh hoạt động cho vay và sử dụng đòn bẩy tài chính cao hơn, từ đó làm gia tăng Rủi ro tín dụng. Ngược lại, các nghiên cứu của Tehulu và Olana (2014), Ekinci và Poyraz (2019) lại lập luận rằng quy mô ngân hàng lớn giúp giảm thiểu Rủi ro tín dụng nhờ khả năng quản lý rủi ro hiệu quả hơn, cùng với việc đa dạng hóa danh mục đầu tư và dịch vụ tài chính. Bên cạnh đó, các ngân hàng quy mô lớn thường sở hữu hệ thống công nghệ quản lý rủi ro tiên tiến hơn, hỗ trợ việc kiểm soát và đánh giá chất lượng tín dụng một cách toàn diện, từ đó góp phần hạn chế rủi ro liên quan đến nợ xấu.

Công thức quy mô bằng log của tổng tài sản năm t của ngân hàng và ảnh hưởng hầu hết đến hoạt động tín dụng nên được chọn để làm biến độc lập trong những nghiên cứu trước. Theo Tehulu và Olana (2014), Kasana và Naveed (2016), Ngọc Bảo (2024) và Dessie (2016) thì SIZE tương quan âm Rủi ro tín dụng. Ngân hàng có quy mô lớn có nguồn lực tài chính dồi dào, cho phép đa dạng hóa danh mục tín dụng, và tạo điều kiện đầu tư vào công nghệ tiên tiến từ đó tạo vị thế, uy tín và sức cạnh tranh mạnh hơn. Dựa trên những phân tích trên, tác giả đưa ra giả thuyết nghiên cứu như sau:

H2: Quy mô ngân hàng (SIZE) tác động ngược chiều đến Rủi ro tín dụng

Tỷ lệ chi phí trên thu nhập (CIR) Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Biến CIR thể hiện mức độ hiệu quả trong quản lý chi phí hoạt động của ngân hàng. Chỉ số này được sử dụng để xác định khả năng kiểm soát chi phí, thông qua tỷ lệ giữa tổng chi phí hoạt động và tổng thu nhập từ Hoạt động kinh doanh. CIR càng thấp cho thấy ngân hàng quản lý chi phí hiệu quả hơn, trong khi CIR cao phản ánh chi phí hoạt động lớn so với thu nhập, tiềm ẩn rủi ro về hiệu quả và khả năng sinh lợi.

Theo nghiên cứu của Nguyễn Quỳnh Hoa (2021) chỉ ra rằng, khi tỷ lệ chi phí hoạt động trên thu nhập (CIR) tăng cao, tức là ngân hàng phải dành một phần lớn nguồn lực để chi trả cho các hoạt động vận hành, điều này có thể khiến ngân hàng không đủ khả năng giải quyết các vấn đề tín dụng một cách hiệu quả, từ đó làm gia tăng Rủi ro tín dụng. Tương tự, như với nghiên cứu của Kasana và Neveed (2016), Haryono và cộng sự (2016) cùng các tác giả khác cũng cho thấy rằng một ngân hàng có khả năng quản lý chi phí tốt sẽ kiểm soát hiệu quả các hoạt động khác, bao gồm cả chính sách tín dụng, qua đó góp phần giảm thiểu Rủi ro tín dụng. Ngược lại, nếu ngân hàng quản lý chi phí kém, Rủi ro tín dụng có xu hướng gia tăng. Dựa trên những phát hiện này, tác giả đưa ra giả thuyết sau:

H3: Hiệu quả chi phí hoạt động (CIR) tác động ngược chiều đến Rủi ro tín dụng

Khoản cho vay ngắn hạn (STL)

Một trong những yếu tố có ảnh hưởng đến Rủi ro tín dụng chính là các khoản cho vay ngắn hạn. Đối với khoản vay ngắn hạn, tiềm ẩn rủi ro thấp hơn, vì áp lực tài chính và những bất ổn trong tương lai không có nhiều thời gian để tích lũy. Đây là kết quả được chứng minh tại các nghiên cứu của Vũ Xuân Dương (2022) và Trần Đức Thắng (2023). Vì vậy có thể thấy khoản vay ngắn hạn tác động cùng chiều với Rủi ro tín dụng. Từ đó tác giả đưa ra giả thuyết như sau:

H4: Khoản cho vay ngắn hạn (STL) tác động cùng chiều đến tỷ lệ Rủi ro tín dụng

Khoản cho vay dài hạn (LTL) Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Thời gian hoàn trả vốn gốc là yếu tố quan trọng mà người đi vay cần xem xét kỹ lưỡng trước khi đưa ra quyết định vay vốn, đồng thời ngân hàng cũng phải cân nhắc dựa trên thu nhập và khả năng trả nợ của khách hàng để xây dựng phương án cho vay hợp lý. Theo nghiên cứu của Bekhet và Eletter (2014) và Yibrie và Ramakrishna (2017), khi thời gian đáo hạn của khoản vay càng dài, áp lực trả nợ của khách hàng càng giảm do họ có thể linh hoạt hơn trong việc sử dụng và sắp xếp nguồn tài chính. Điều này giúp tăng khả năng trả nợ đúng hạn, từ đó góp phần giảm thiểu các khoản nợ kém hiệu quả. Giả thuyết được đưa ra như sau:

H5: Khoản cho vay dài hạn (LTL) tác động ngược chiều đến tỷ lệ Rủi ro tín dụng

Tỷ suất lợi nhuận trên tổng tài sản (ROA)

“Tỷ suất sinh lời trên tổng tài sản có mối tương quan âm với Rủi ro tín dụng” (Dao và cộng sự, 2020; Khoirunisa và Karnasi, 2023). ROA được sử dụng để đo lường khả năng sinh lời trong việc sử dụng tài sản của ngân hàng nhằm tạo ra lợi nhuận. Khi Hoạt động kinh doanh của ngân hàng hiệu quả chứng tỏ ROA càng cao, từ đó nâng cao vị thế trên thị trường và thu hút nhiều khách hàng tiềm năng có uy tín về tín dụng tốt, góp phần làm giảm Rủi ro tín dụng.

Nhiều nghiên cứu trước đây như của Nguyễn Thị Hồng Vinh (2015) hay Zribi và Boujelbène (2011) đã chỉ ra rằng “một ngân hàng có khả năng sinh lời cao sẽ có ít động lực tạo ra mức thu nhập cao hơn”, điều này ngụ ý rằng họ sẽ ít chịu tổn thất khi không tham gia vào các hoạt động tín dụng có rủi ro không thấp. Ngược lại, các ngân hàng hoạt động với hiệu quả kém sẽ cố gắng sinh lời bằng cách cấp các khoản tín dụng không đạt chuẩn, dẫn đến việc dễ xảy ra các khoản nợ xấu hơn tại những ngân hàng này. Do đó, tác giả kỳ vọng rằng trong mô hình này sẽ có một mối quan hệ đối nghịch giữa hai biến.Vì vậy, tác giả đưa ra giả thuyết nghiên cứu như sau:

H6: Tỷ suất lợi nhuận trên tổng tài sản (ROA) tác động ngược chiều đến Rủi ro tín dụng

Tỷ lệ Vốn chủ sở hữu của ngân hàng (CAP) Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

VCSH đóng vai trò then chốt trong hoạt động của Ngân hàng Thương mại, không chỉ giúp ngân hàng nâng cao khả năng chống đỡ rủi ro phá sản và bù đắp các tổn thất tài chính, mà còn góp phần củng cố uy tín đối với khách hàng và nhà đầu tư. Bên cạnh đó, Vốn chủ sở hữu còn cung cấp nền tảng tài chính vững chắc cho quá trình tăng trưởng, điều tiết quy mô hoạt động và phát triển sản phẩm – dịch vụ của ngân hàng. Do đó, quy mô cũng như cấu trúc hoạt động của ngân hàng chịu ảnh hưởng trực tiếp từ mức độ và chất lượng của nguồn Vốn chủ sở hữu.

Dựa trên lý thuyết và từ kết quả của các nghiên cứu trước đây, cho thấy tỷ lệ vốn cao hơn sẽ giúp giảm Rủi ro tín dụng của ngân hàng. Điều này được giải thích bởi việc vốn cao cung cấp khả năng tài chính để đối phó với các khoản nợ không thể thu hồi được hoặc khó thu hồi. Tỷ lệ vốn cao cũng có thể giảm nguy cơ vỡ nợ và tăng cường sự tin tưởng của khách hàng vào sự ổn định tài chính của ngân hàng. Trong nghiên cứu của Zribi và Boujelbène (2011), tác giả đã kết luận rằng tỷ lệ vốn (CAP) có ý nghĩa thống kê và có mối quan hệ âm với Rủi ro tín dụng, tức là các ngân hàng có mức vốn cao sẽ ít có xu hướng chấp nhận rủi ro so với những ngân hàng có mức vốn thấp hơn. Dựa trên các nghiên cứu trước, tác giả phát triển giả thuyết về mối quan hệ giữa tỷ lệ vốn và Rủi ro tín dụng như sau:

H7: Tỷ lệ Vốn chủ sở hữu của ngân hàng (CAP) tác động ngược chiều đến tỷ lệ Rủi ro tín dụng

Chỉ số giá bất động sản (RPPI)

Chỉ số giá bất động sản là chỉ tiêu tương đối (tính bằng %) phản ánh xu hướng và mức độ biến động giá bất động sản theo thời gian. Chỉ số giá bất động sản được tính dựa trên danh mục mặt hàng bất động sản đại diện cho thị trường trong một thời kỳ nhất định. Khi chỉ số giá bất động sản có những diễn biến tích cực kéo theo giá cổ phiếu của ngân hàng cũng chuyển biến tích cực hơn, khiến cho tỷ lệ nợ xấu của ngân hàng giảm theo. Năm 2024, thị trường bất động sản được đánh giá còn nhiều khó khăn, dòng tiền luân chuyển chậm và áp lực từ trả nợ trái phiếu là những thành phần bất lợi, ảnh hưởng lên nợ xấu của toàn hệ thống (Nguyễn Minh Phong, 2024). Hay theo một nghiên cứu khác của Ye, Pan & Li (2025) cho thấy giá nhà tăng tạm thời giúp giảm Rủi ro tín dụng, nhưng về dài hạn lại làm gia tăng nợ xấu, do ngân hàng nới lỏng tiêu chuẩn cho vay và tăng Rủi ro tín dụng, nhấn mạnh sự cần thiết của quản lý thận trọng trong giai đoạn bùng nổ bất động sản. Từ các nghiên cứu trước, tác giả có thể đưa ra giả thuyết như sau: Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

H8: Chỉ số giá bất động sản (RPPI) tác động cùng chiều với Rủi ro tín dụng

Tốc độ tăng trưởng kinh tế (GDP)

Tốc độ tăng trưởng kinh tế rất quan trọng để đánh giá mức độ biến động của nền kinh tế. Yếu tố này ảnh hưởng trực tiếp đến Hiệu quả hoạt động của ngân hàng và chất lượng tín dụng. Nhiều nghiên cứu đã chỉ ra mối quan hệ “ngược chiều” giữa tăng trưởng kinh tế và Rủi ro tín dụng. Nghiên cứu của Haryono (2016), Duy Khánh (2021) và Dessie (2016) đều nhận định mối quan hệ tiêu cực này. Khi nền kinh tế tăng trưởng, các doanh nghiệp hoạt động hiệu quả, nhu cầu vay vốn gia tăng, doanh thu và lợi nhuận của doanh nghiệp và cá nhân cũng tăng lên, từ đó nâng cao khả năng trả nợ. Ngược lại, trong giai đoạn suy thoái, lợi nhuận của khách hàng ít đi khiến việc thanh toán nợ vay kém hơn, từ đó làm Rủi ro tín dụng tăng cao cho ngân hàng. Cùng quan điểm với những nghiên cứu trước đó, tác giả đưa ra giả thuyết như sau:

H9: Tốc độ tăng trưởng kinh tế (GDP) tác động ngược chiều với Rủi ro tín dụng

Tỷ lệ lạm phát (INF)

Lạm phát là tốc độ tăng giá chung của hàng hóa và dịch vụ trong nền kinh tế, dẫn đến giảm sức mua của đồng tiền. Nghiên cứu của Dessie (2016) thể hiện sự đồng dấu giữa lạm phát và Rủi ro tín dụng. Trong thực tế, lạm phát cao thường đi kèm với lãi suất cho vay cao, khiến năng lực thanh toán của khách hàng suy yếu do doanh thu bị giảm sút. Trong bối cảnh thu nhập không tăng tương ứng với mức độ lạm phát, người vay sẽ phải chi trả nhiều hơn cho khoản vay, dẫn đến khả năng thanh toán nợ giảm đi.

Khi lạm phát gia tăng, sức mua của người tiêu dùng suy giảm, trong khi khả năng thanh toán của doanh nghiệp cũng bị ảnh hưởng tiêu cực, từ đó làm gia tăng Rủi ro tín dụng trong nền kinh tế. Các nghiên cứu của Paragina và Muchtar (2021), cũng như Naili và Lahrichi (2022), cho thấy lạm phát cao dẫn đến thu nhập thực tế giảm, gây khó khăn cho các chủ thể vay vốn trong việc thực hiện nghĩa vụ trả nợ. Bên cạnh đó, Nguyễn Kim Quốc Trung (2022) cũng nhận định rằng tình trạng lạm phát không được kiểm soát có thể gây đình trệ hoạt động sản xuất – kinh doanh, làm gia tăng áp lực tài chính và qua đó đẩy mạnh Rủi ro tín dụng trong hệ thống ngân hàng. Tác giả đồng ý với tương quan dương của tỷ lệ lạm phát và Rủi ro tín dụng dựa trên lập luận trên. Giả thuyết của tác giả là:

H10: Tỷ lệ lạm phát (INF) tác động cùng chiều với Rủi ro tín dụng

Bảng 3.1. Định nghĩa biến nghiên cứu và nguồn tài liệu tham khảo

3.3. PHƯƠNG PHÁP HỒI QUY Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

3.3.1. Phương pháp bình phương nhỏ nhất thông thường OLS (Ordinary Least Squares)

Phương pháp OLS được coi là đơn giản và phổ biến nhất trong việc ước lượng tham số trong mô hình hồi quy tuyến tính. Nó giúp xác định một mô hình tuyến tính giữa một biến phụ thuộc với một hoặc nhiều biến độc lập. Việc ước lượng các tham số mô hình trong OLS được thực hiện bằng cách tối thiểu hóa tổng bình phương sai số giữa giá trị dự đoán và giá trị quan sát được. Tổng bình phương sai số được tính bằng cách lấy tổng bình phương của hiệu giữa giá trị quan sát và giá trị dự đoán. Điều này có nghĩa là chúng ta cần tìm các giá trị của β0, β1, β2,…, βk sao cho tổng bình phương của hiệu giữa Y và giá trị dự đoán Y’ là nhỏ nhất.

3.3.2. Phương pháp hồi quy cố định FEM (Fixed Effects Model)

Mô hình tác động cố định (Fixed Effects Model – FEM) là một phương pháp trong phân tích dữ liệu bảng (panel data) được sử dụng để ước lượng các tham số của mô hình hồi quy. Mô hình này cho rằng các yếu tố đặc thù, không quan sát được của từng cá thể (như quốc gia, công ty, hay cá nhân) có thể tác động đến biến phụ thuộc, và những yếu tố này là không thay đổi theo thời gian (cố định). FEM cho phép kiểm soát những yếu tố không quan sát được này bằng cách giả định rằng chúng là hằng số trong suốt quá trình nghiên cứu. Trong FEM, mỗi cá thể có thể có một điểm cắt riêng, nhưng các hệ số hồi quy của các biến độc lập là giống nhau cho tất cả các cá thể. Mô hình này hữu ích khi muốn loại bỏ ảnh hưởng của những yếu tố cố định này để tập trung vào tác động của các biến giải thích chính.

3.3.3. Phương pháp mô hình hồi quy ngẫu nhiên REM (Random Effects Model) Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Mô hình tác động ngẫu nhiên (Random Effects Model – REM) dùng để ước lượng các tham số hồi quy khi các cá thể trong mẫu có những yếu tố đặc thù nhưng những yếu tố này được giả định là ngẫu nhiên và không cố định theo thời gian. Không giống như mô hình FEM, mô hình tác động ngẫu nhiên coi các yếu tố đặc thù của từng cá thể là biến ngẫu nhiên và không tương quan với các biến giải thích trong mô hình. REM cho phép sử dụng cả biến thiên giữa các cá thể (cross-sectional) lẫn biến thiên theo thời gian (time-series) để ước lượng, giúp tăng hiệu quả của các ước lượng. Mô hình này thường được sử dụng khi cho rằng các khác biệt giữa các cá thể là ngẫu nhiên và không có mối quan hệ với các biến độc lập trong mô hình.

3.3.4. Các kiểm định trong mô hình

Kiểm định F-Test: phương pháp ước lượng mô hình OLS và mô hình FEM

Kiểm định F-test được sử dụng để đánh giá sự hiệu quả giữa mô hình OLS và mô hình FEM bằng cách so sánh chúng. Giả thuyết cho kiểm định này được đặt ra như sau: H0: Mô hình OLS là tốt nhất, tức là các yếu tố cố định không đóng góp đáng kể vào mô hình hồi quy. H1: Mô hình FEM là tốt hơn mô hình OLS, tức là các yếu tố cố định đóng góp đáng kể vào mô hình hồi quy. Để thực hiện kiểm định F-test, ta tính toán F-statistic dựa trên các giá trị RSS của mô hình OLS và mô hình FEM. Nếu giá trị F-statistic > α (trong đó α = 0.05), ta bác bỏ giả thuyết H0 và kết luận rằng mô hình FEM là tốt hơn mô hình OLS. Ngược lại, nếu giá trị F-statistic ≤ α, ta chấp nhận giả thuyết H0 và cho rằng mô hình OLS là tốt nhất.

Kiểm định Breusch – Pagan Lagrangian: phương pháp ước lượng mô hình Pooled OLS và mô hình REM

Kiểm định Breusch-Pagan được sử dụng để kiểm tra tính đồng nhất của sai số trong mô hình REM. Giả thuyết của kiểm định này được đặt như sau: H0: Mô hình phù hợp là OLS. Sai số của mô hình REM là không đồng nhất. H1: Mô hình phù hợp là REM. Sai số của mô hình REM là đồng nhất. Nếu giá trị F-statistic thu được từ kiểm định Breusch-Pagan > α (trong đó α = 0.05), ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1, tức là sai số của mô hình REM là không đồng nhất và mô hình OLS không phù hợp trong trường hợp này. Ngược lại, nếu giá trị F-statistic ≤ α, ta chấp nhận giả thuyết H0 và lựa chọn mô hình REM.

Kiểm định Hausman: phương pháp ước lượng mô hình FEM và mô hình REM

Kiểm định Hausman được sử dụng để so sánh sự khác biệt giữa các ước lượng của mô hình REM và mô hình FEM. Giả thuyết của kiểm định này là: “H0: Lựa chọn mô hình REM. Không có tương quan giữa sai số ngẫu nhiên và các biến giải thích. H1: Lựa chọn mô hình FEM. Tìm thấy tương quan giữa sai số ngẫu nhiên và các biến giải thích. ”Nếu giá trị F-statistic thu được từ kiểm định Hausman ≤ α (trong đó α = 0.05), ta bác bỏ giả thuyết H0 và kết luận rằng mô hình REM không phù hợp với dữ liệu và mô hình FEM nên được sử dụng. Ngược lại, nếu giá trị F-statistic > α, ta chấp nhận giả thuyết H0 và có thể tiếp tục sử dụng REM để ước lượng mô hình. Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

3.3.5. Kiểm định khuyết tật mô hình Kiểm định hiện tượng đa cộng tuyến

Hiện tượng đa cộng tuyến trong mô hình hồi quy xuất hiện khi các biến độc lập có liên hệ chặt chẽ với nhau, dẫn đến tình trạng trùng lặp thông tin trong mô hình. Hệ quả của đa cộng tuyến là độ chính xác của mô hình giảm sút, ảnh hưởng đến việc giải thích các hệ số hồi quy. Do đó, việc xử lý đa cộng tuyến là bước quan trọng để đảm bảo tính chính xác và hiệu quả của mô hình hồi quy.

Kiểm định phương sai sai số

Thực hiện đánh giá phương sai của sai số là bước không thể thiếu trong quá trình đánh giá mô hình hồi quy vì nó ảnh hưởng đến độ chính xác và mức độ tin cậy của ước lượng. Hiện tượng phương sai sai số có thể dẫn đến ước lượng sai số không chính xác, gây ra sự chêch lệch trong các kiểm tra giả thuyết, dự báo và quyết định dựa trên mô hình hồi quy. Do đó, việc phát hiện và giải quyết hiện tượng này rất quan trọng.

Kiểm định này cũng có thể được sử dụng để kiểm tra tính phù hợp của mô hình FEM và REM. Nếu mô hình FEM vi phạm giả định về đồng nhất của phương sai sai số, thì mô hình REM có thể là một lựa chọn tốt hơn. Tuy nhiên, nếu mô hình REM vi phạm giả định về đồng nhất của phương sai sai số và tương quan giữa sai số, thì có thể cần phải tìm kiếm các phương pháp ước lượng khác như phương pháp GMM.

Kiểm định tự tương quan

Sau khi đã thực hiện ước lượng sai số từ mô hình tuyến tính, tác giả tiến hành kiểm định tự tương quan của sai số thông qua phương pháp kiểm định Wooldridge, còn được gọi là kiểm định Breusch-Godfrey. Phương pháp này được áp dụng để kiểm tra sự tự tương quan giữa các sai số trong mô hình hồi quy, đặc biệt hữu ích trong việc đánh giá các mô hình dự báo thời gian, nơi tự tương quan có thể xuất hiện do tính chu kỳ của dữ liệu. Để kiểm tra có tồn tại tự tương quan của sai số hay không, ta sử dụng kiểm định chi-squared. Với giả thuyết: Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

H0: Không có hiện tượng tự tương quan giữa các sai số trong mô hình H1: Có tồn tại hiện tượng tự tương quan giữa các sai số trong mô hình.

Nếu giá trị p-value của kiểm định nhỏ hơn ngưỡng ý nghĩa α (α= 0.05), ta có thể bác bỏ giả thuyết không tồn tại tự tương quan và kết luận rằng mô hình có tồn tại hiện tượng tự tương quan giữa các sai số.

Hiện tượng tự tương quan trong sai số của mô hình hồi quy đồng nghĩa với việc sai số tại một thời điểm (t) phụ thuộc vào sai số tại thời điểm (t-1) trước đó hoặc tại một thời điểm khác trong quá khứ. Tự tương quan có thể xảy ra khi mô hình thiếu các biến quan trọng hoặc khi mô hình chưa đủ bao quát các yếu tố ảnh hưởng tới sai số. Khi tự tương quan xảy ra, các ước lượng của các hệ số có thể bị chệch, không chính xác.

3.3.6. Phương pháp ước lượng khắc phục khuyết tật Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Phương pháp FGLS (Feasible Generalized Least Squares)

Sau khi đã chọn mô hình hồi quy tuyến tính phù hợp và thực hiện các kiểm định để phát hiện khuyết tật trong mô hình, nếu nghiên cứu chỉ ra sự tự tương quan và/hoặc phương sai không đồng nhất của các biến độc lập, chúng ta có thể sử dụng mô hình FGLS (Feasible Generalized Least Squares) để ước lượng mô hình. Lệnh xtgls được sử dụng để xác định ma trận hiệp phương sai của sai số và thực hiện ước lượng FGLS dựa trên nó. Qua đó, ta có thể điều chỉnh sai số để cải thiện hiệu quả ước lượng các tham số trong mô hình. Sử dụng ước lượng tác động ngẫu nhiên trong mô hình FGLS cho phép thực hiện các điều chỉnh tùy ý trên giá trị sai số của mô hình.

Phương pháp hồi quy GMM (Generalized Method of Moments)

Nghiên cứu sử dụng phương pháp GMM nhằm xử lý vấn đề nội sinh trong mô hình. Ước lượng GMM khắc phục những khuyết tật của ước lượng cố định FEM, REM là phương sai sai số thay đổi, sự tự tương quan các biến trong mô hình nghiên cứu. Đây được xem là một cách để kết hợp các nguồn dữ liệu với quan sát thông qua phương pháp thống kê. GMM là một phương pháp tổng quát hơn các phương pháp hồi quy khác. GMM được sử dụng để ước tính những tham số trong một mô hình hồi quy không có giả định về mô hình bị sai khớp hoặc phân phối giả định. GMM được sử dụng trong điều kiện GMM có giá trị của các tham số được kết quả ước tính tốt nhất dựa trên số liệu của những biến độc lập. Phương pháp GMM giúp giảm thiểu một tiêu chuẩn nhất định của giá trị trung bình mẫu của các điều kiện về thời gian.

TÓM TẮT CHƯƠNG 3

Trong Chương 3, nghiên cứu sẽ thực hiện việc xác định các biến thích hợp trong mô hình, trong đó Rủi ro tín dụng được lựa chọn làm biến phụ thuộc. Các biến còn lại, bao gồm tỷ lệ nợ xấu năm trước, quy mô ngân hàng, tỷ lệ chi phí trên thu nhập, khoản cho vay ngắn hạn, khoản cho vay dài hạn, tỷ lệ sinh lời trên tổng tài sản, tỷ lệ Vốn chủ sở hữu của ngân hàng, chỉ số giá bất động sản, tỷ lệ tăng trưởng, tỷ lệ lạm phát, sẽ được xem xét là các biến độc lập. Tiếp theo, mô hình nghiên cứu sẽ được xây dựng dựa trên các giả thuyết đề ra, đồng thời tiến hành thu thập dữ liệu và trình bày tóm tắt quy trình thực hiện nghiên cứu. Luận văn: PPNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:

===>>> Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng

Dịch Vụ Viết Luận Văn 24/7 Chuyên cung cấp dịch vụ làm luận văn thạc sĩ, báo cáo tốt nghiệp, khóa luận tốt nghiệp, chuyên đề tốt nghiệp và Làm Tiểu Luận Môn luôn luôn uy tín hàng đầu. Dịch Vụ Viết Luận Văn 24/7 luôn đặt lợi ích của các bạn học viên là ưu tiên hàng đầu. Rất mong được hỗ trợ các bạn học viên khi làm bài tốt nghiệp. Hãy liên hệ ngay Dịch Vụ Viết Luận Văn qua Website: https://hotrovietluanvan.com/ – Hoặc Gmail: hotrovietluanvan24@gmail.com

Post Views: 6