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

Chia sẻ chuyên mục Đề Tài Luận văn: KQNC 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.

4.1 THỐNG KÊ MÔ TẢ

Thống kê mô tả các biến nghiên cứu được khái quát bằng các chỉ số thống kê như số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất, qua đó cho thấy sự phân tán giữa các biến trong mẫu nghiên cứu.

• Bảng 4.1 Bảng thống kê mô tả

Bảng 4.1 trình bày thống kê mô tả cho các biến được sử dụng trong mô hình nghiên cứu với tổng số 275 quan sát, bao gồm một biến phụ thuộc và mười biến độc lập, phản ánh cả đặc điểm vi mô của ngân hàng và các yếu tố vĩ mô của nền kinh tế.

Biến phụ thuộc trong mô hình là rủi ro tín dụng (NPL) – đại diện cho tỷ lệ nợ xấu trên tổng dư nợ của các ngân hàng. Kết quả cho thấy, NPL có giá trị trung bình là 2,24%, độ lệch chuẩn là 2,50%, với giá trị nhỏ nhất là 0,47% và lớn nhất lên đến 30,35%. Điều này phản ánh mức độ Rủi ro tín dụng giữa các ngân hàng có sự chênh lệch đáng kể, có thể do sự khác biệt về chiến lược tín dụng, chất lượng quản trị rủi ro, hoặc ảnh hưởng từ môi trường kinh doanh tại từng thời điểm.

Biến NPLt-1, đại diện cho tỷ lệ nợ xấu của năm trước – đóng vai trò như một biến độ trễ để kiểm soát tính động trong mô hình – có giá trị trung bình gần tương đồng với NPL hiện tại (2,26%), độ lệch chuẩn là 2,30%, và có cùng giá trị biên (từ 0,47% đến 30,35%). Sự tương đồng này phản ánh tính ổn định tương đối của Rủi ro tín dụng qua các năm, đồng thời cho thấy khả năng tồn tại của hiệu ứng quán tính trong biến động nợ xấu.

Trong các biến giải thích, quy mô ngân hàng (SIZE) được đo lường thông qua logarit tự nhiên của tổng tài sản, có giá trị trung bình là 14,32 và dao động trong khoảng từ 13,20 đến 15,44. Điều này cho thấy các ngân hàng trong mẫu có sự khác biệt về quy mô, phản ánh rõ nét cấu trúc không đồng đều của hệ thống ngân hàng Việt Nam. Tỷ lệ chi phí trên thu nhập (CIR) – một chỉ báo về Hiệu quả hoạt động – có giá trị trung bình là 21,41%, độ lệch chuẩn 5,26%, cho thấy có sự chênh lệch đáng kể về khả năng kiểm soát chi phí giữa các ngân hàng. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Về cơ cấu nguồn vốn, khoản cho vay ngắn hạn (STL) và khoản cho vay dài hạn (LTL) có giá trị trung bình lần lượt là 48,02% và 29,70%. Mức độ phân bổ giữa hai loại hình vay này phản ánh sự đa dạng trong chiến lược quản trị tài chính và cân đối nguồn vốn của các ngân hàng. Biến ROA – tỷ suất lợi nhuận trên tổng tài sản – có giá trị trung bình khá thấp (0,98%) và dao động từ âm 4,78% đến dương 3,65%, phản ánh sự khác biệt đáng kể về hiệu quả sinh lời giữa các ngân hàng trong mẫu. Một số ngân hàng có ROA âm, cho thấy tình trạng thua lỗ hoặc hiệu suất sử dụng tài sản kém trong giai đoạn nghiên cứu.

Biến CAP, đại diện cho tỷ lệ Vốn chủ sở hữu trên tổng tài sản, có giá trị trung bình là 9,03%, cho thấy các ngân hàng duy trì mức độ vốn hóa tương đối ổn định. Đây là yếu tố quan trọng giúp nâng cao khả năng chống chịu rủi ro và đáp ứng các yêu cầu về an toàn vốn theo chuẩn mực quốc tế.

RPPI – chỉ số giá bất động sản – có giá trị trung bình là 2,94%, nhưng dao động từ – 1,95% đến 7,14%, phản ánh rõ sự biến động của thị trường bất động sản Việt Nam trong giai đoạn nghiên cứu. Do bất động sản là lĩnh vực có mối quan hệ mật thiết với hoạt động tín dụng, những biến động này có thể ảnh hưởng đáng kể đến Rủi ro tín dụng của các ngân hàng.

Cuối cùng là hai biến vĩ mô gồm tăng trưởng GDP và tỷ lệ lạm phát (INF) lần lượt có giá trị trung bình là 5,95% và 2,15%, với độ lệch chuẩn tương đối thấp. Điều này cho thấy nền kinh tế Việt Nam trong giai đoạn nghiên cứu duy trì được mức tăng trưởng khá ổn định và kiểm soát được lạm phát trong giới hạn phù hợp.

4.2 PHÂN TÍCH TƯƠNG QUAN

Phân tích tương quan là một bước không thể thiếu trong quy trình nghiên cứu, giúp xác định mức độ và hướng tác động giữa các biến độc lập. Việc xem xét hệ số tương quan hỗ trợ nhận diện hiện tượng đa cộng tuyến, qua đó đề xuất các biện pháp hiệu chỉnh để nâng cao độ chính xác của mô hình.

• Bảng 4.2 Ma trận tương quan

Trong nghiên cứu này, phương pháp phân tích tương quan Pearson được áp dụng để đánh giá mối quan hệ tuyến tính giữa hai biến số. Hệ số tương quan Pearson, ký hiệu là r, có giá trị dao động trong khoảng từ -1 đến +1.

• Khi r = +1, điều đó cho thấy mối quan hệ tuyến tính hoàn toàn đồng biến giữa hai biến, tức là khi một biến tăng thì biến còn lại cũng tăng theo một tỷ lệ tương ứng. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.
• Khi r = -1, thể hiện mối quan hệ tuyến tính hoàn toàn nghịch biến, nghĩa là khi một biến tăng thì biến kia giảm theo tỷ lệ tương ứng.
• Khi r = 0, hai biến không có mối liên hệ tuyến tính với
• Khi 0 < r < 1, hệ số càng gần +1 thì mối quan hệ tuyến tính đồng biến giữa hai biến càng mạnh.
• Khi -1 < r < 0, hệ số càng gần -1 thì mối quan hệ tuyến tính nghịch biến càng mạnh, tức là khi một biến tăng thì biến kia có xu hướng giảm tương ứng.

Để đánh giá mức độ tương quan giữa các biến, tác giả đã áp dụng ma trận hệ số tương quan. Theo Wooldrige (2002), nếu hệ số tương quan giữa các biến lớn hơn 0.8 hoặc nhỏ hơn -0.8, mô hình nghiên cứu sẽ gặp phải hiện tượng đa cộng tuyến.

Với kết quả trên cho thấy, các cặp biến dao động có hệ số tương quan thấp nhất và cao nhất lần lượt là -0,4957 và 0,7823 vẫn nằm trong ngưỡng từ -0.8 đến 0.8. Từ đó cho thấy mô hình không gặp vấn đề đa cộng tuyến nghiêm trọng, đảm bảo tính phù hợp và ổn định cho các phân tích hồi quy tiếp theo.

4.3 KIỂM TRA ĐA CỘNG TUYẾN

Bảng dưới đây trình bày kết quả kiểm định đa cộng tuyến giữa các biến độc lập thông qua hệ số phóng đại phương sai (Variance Inflation Factor – VIF). VIF là công cụ phổ biến nhằm đánh giá mức độ tương quan tuyến tính giữa các biến giải thích trong mô hình hồi quy. Theo lý thuyết, khi VIF > 10, có thể xuất hiện hiện tượng đa cộng tuyến nghiêm trọng; trong khi giá trị VIF từ 5–10 được coi là mức cảnh báo trung bình.

• Bảng 4.3 Kết quả đa cộng tuyến

Kết quả cho thấy tất cả các biến đều có VIF dưới 5, trong đó biến có VIF cao nhất là ROA (3.21), tiếp đến là INF (3.03), đều dưới ngưỡng cảnh báo. Các biến còn lại như RPPI, CAP, SIZE, GDP, NPLt-1, STL, LTL và CIR đều có giá trị VIF từ khoảng 1.39 đến 2.23, cho thấy mức độ tương quan tuyến tính giữa chúng với các biến còn lại là thấp.

Giá trị trung bình của VIF là 2.09, thấp hơn nhiều so với ngưỡng rủi ro, cho thấy hiện tượng đa cộng tuyến không đáng kể trong mô hình. Điều này đảm bảo rằng các ước lượng hồi quy là đáng tin cậy và không bị sai lệch do quan hệ tuyến tính chặt chẽ giữa những biến độc lập.

4.4 KẾT QUẢ MÔ HÌNH HỒI QUY Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

4.3.1 Kết quả hồi quy mô hình Pooled (OLS), FEM và REM

Kết quả hồi quy từ ba mô hình (Pooled OLS, FEM và REM) cho thấy hệ số hồi quy của biến NPLt-1 đều dương và có ý nghĩa thống kê cao ở mức 1% (p-value = 0.000). Điều này phản ánh tính bền vững của nợ xấu qua thời gian, tức tỷ lệ nợ xấu trong kỳ trước có ảnh hưởng tích cực đáng kể đến nợ xấu hiện tại.

Biến RPPI (chỉ số giá bất động sản) có hệ số dương và có ý nghĩa thống kê ở mức 5% trong mô hình Pooled OLS và REM, đồng thời có ý nghĩa ở mức 10% trong mô hình FEM. Kết quả này hàm ý rằng sự gia tăng giá bất động sản có thể làm gia tăng Rủi ro tín dụng, thông qua việc mở rộng cho vay hoặc tăng định giá tài sản đảm bảo.

Ngược lại, biến GDP mang hệ số âm và có ý nghĩa thống kê ở mức 1–5% trong cả ba mô hình, cho thấy tăng trưởng kinh tế cao góp phần giảm tỷ lệ nợ xấu. Khi nền kinh tế tăng trưởng, khả năng trả nợ của doanh nghiệp và cá nhân được cải thiện, qua đó giúp hệ thống ngân hàng giảm Rủi ro tín dụng.

Các biến còn lại như SIZE, CIR, STL, LTL, ROA, CAP và INF không có ý nghĩa thống kê rõ ràng (p-value > 0.1) trong hầu hết các mô hình, cho thấy tác động của các yếu tố này đến nợ xấu là không đáng kể hoặc chưa nhất quán.

Về mức độ giải thích, hệ số R-squared của ba mô hình dao động từ 0,54 đến 0,64, cho thấy các biến độc lập giải thích được khoảng 54–64% biến thiên của tỷ lệ nợ xấu. Cả ba mô hình đều sử dụng 275 quan sát, đảm bảo tính ổn định của ước lượng.

• Bảng 4. 4 Kết quả hồi quy mô hình Pooled OLS, FEM và REM

Đánh giá lựa chọn mô hình giữa ba mô hình OLS, FEM và REM

• Phân tích lựa chọn mô hình Pooled OLS và mô hình FEM:

Để thực hiện so sánh hai mô hình Pooled OLS và mô hình FEM với nhau, tác giả thực hiện kiểm định F-Test với giả thuyết như sau: Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

H0: Mô hình Pooled OLS phù hợp hơn với nghiên cứu. (sig > 5%) H1: Mô hình FEM phù hợp hơn với nghiên cứu. (sig < 5%)

• Bảng 4. 5 Kết quả kiểm định lựa chọn giữa mô hình Pooled OLS và mô hình FEM

Từ bảng kết quả kiểm định ta thấy giá trị P-value = 0,3643 > α = 5%. Do đó, chấp nhận giả thuyết H0 với mức ý nghĩa 5%. Vì vậy, mô hình OLS phù hợp hơn so với mô hình FEM.

• Phân tích lựa chọn mô hình Pooled OLS và mô hình REM:

Để thực hiện so sánh hai mô hình REM và mô hình Pooled OLS với nhau, tác giả thực hiện kiểm định Breusch & Pagan với giả thuyết như sau:

H0: Mô hình Pooled OLS phù hợp hơn với nghiên cứu. (sig > 5%) H1: Mô hình REM phù hợp hơn với nghiên cứu. (sig < 5%)

• Bảng 4. 6 Kết quả kiểm định lựa chọn giữa mô hình Pooled OLS và mô hình REM

Từ bảng kết quả kiểm định trên, có thể nhận thấy giá trị P-value bằng 1.0000, lớn hơn α = 5%. Do đó, chúng ta bác bỏ giả thuyết H1 với mức ý nghĩa 5%. Vì thế, mô hình OLS được cho là phù hợp hơn so với mô hình REM.

Bằng cách so sánh hai kiểm định F-Test, Breusch & Pagan, tác giả có thể kết luận rằng mô hình phù hợp nhất trong số ba mô hình là mô hình OLS. Do đó, tác giả sẽ dùng mô hình OLS để kiểm định các khuyết tật của mô hình.

4.3.2 Kiểm định các khuyết tật của mô hình Hiện tượng tự tương quan Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Để xác định liệu mô hình có bị ảnh hưởng bởi hiện tượng tương quan hay không, tác giả sẽ áp dụng kiểm định Breusch–Pagan với giả thuyết như sau:

H0: Mô hình không bị hiện tượng tự tương quan. (sig > 5%) H1: Mô hình bị hiện tượng tự tương quan. (sig < 5%)

• Bảng 4. 7 Kết quả hiện tượng tự tương quan

Kết quả kiểm định Breusch–Pagan/Cook–Weisberg cho thấy giá trị thống kê p-value = 0,0000. Do p-value nhỏ hơn 0,05 ta bác bỏ giả thuyết H₀ cho rằng phương sai của sai số là hằng số (homoskedasticity). Điều này cho thấy hiện tượng phương sai sai số thay đổi (heteroskedasticity) tồn tại trong mô hình hồi quy.

• Hiện tượng phương sai

Để xác định xem mô hình có hiện tượng tương quan hay không, tác giả sẽ áp dụng kiểm định Modified Ward với các giả thuyết như sau:

H0: Mô hình không bị hiện tượng phương sai. (sig > 5%) H1: Mô hình bị hiện tượng phương sai. (sig < 5%)

• Bảng 4.8 Kết quả kiểm định hiện tượng phương sai sai số thay đổi

Từ kết quả ta thấy giá trị P-value = 0,0000 < α = 5%. Kết luận, bác bỏ giả thuyết H0 với mức ý nghĩa 5%. Vì vậy, mô hình nghiên cứu bị hiện tượng phương sai.

Kết luận: Tổng quan, dựa vào trên kết quả của các kiểm định sau, tác giả có thể suy luận rằng mô hình nghiên cứu đang phải đối mặt với hiện tượng tương quan và hiện tượng phương sai. Do đó, sẽ thực hiện ước lượng mô hình bằng phương pháp FGLS để khắc phục hai vấn đề này và đảm bảo tính tin cậy cao cho kết quả nghiên cứu.

4.3.3 Ước lượng mô hình theo phương pháp GLS

Sau khi tiến hành kiểm định các giả định cơ bản của mô hình hồi quy, kết quả cho thấy tồn tại hiện tượng phương sai thay đổi và tự tương quan trong chuỗi số liệu bảng, điều này có thể làm sai lệch các ước lượng từ các mô hình hồi quy truyền thống như Pooled OLS, FEM, REM. Nhằm khắc phục các khuyết tật trên, nghiên cứu tiếp tục sử dụng phương pháp hồi quy FGLS – vốn là phương pháp ước lượng hiệu quả trong trường hợp sai số có phương sai không đồng nhất và có tự tương quan.

• Bảng 4.9 Kết quả ước lượng mô hình theo phương pháp GLS

Kết quả hồi quy theo phương pháp FGLS cho thấy biến độ trễ của tỷ lệ nợ xấu năm trước (NPLt-1) có hệ số dương 0.7313, đạt mức ý nghĩa thống kê cao (p-value < 0.000). Điều này khẳng định rõ nét tính quán tính trong xu hướng vận động của Rủi ro tín dụng: Mức độ nợ xấu ở kỳ trước có ảnh hưởng mạnh mẽ và kéo dài đến tình hình nợ xấu ở kỳ hiện tại. Diễn biến này phản ánh đặc điểm đặc thù của hoạt động tín dụng ngân hàng, khi những khoản nợ xấu chưa được xử lý kịp thời có xu hướng tích lũy và lan rộng theo thời gian, gây ra hiệu ứng dây chuyền tiêu cực đối với toàn bộ danh mục tín dụng. Đây là hồi chuông cảnh báo về tầm quan trọng của việc kiểm soát Rủi ro tín dụng ngay từ giai đoạn đầu phát sinh, tránh để tình trạng nợ xấu tích tụ dẫn tới những hệ lụy khó kiểm soát trong tương lai. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Đặc biệt, biến chỉ số giá bất động sản (RPPI) có hệ số dương 0.0594, đạt mức ý nghĩa 1% (p-value = 0.002), cho thấy khi giá bất động sản tăng lên, Rủi ro tín dụng của ngân hàng cũng có xu hướng gia tăng tương ứng. Kết quả này phần nào phản ánh đặc thù cấu trúc tín dụng tại Việt Nam, khi hoạt động cho vay bất động sản luôn chiếm tỷ trọng lớn trong tổng dư nợ ngân hàng. Trong bối cảnh thị trường bất động sản tăng trưởng nóng, các ngân hàng có xu hướng nới lỏng tiêu chuẩn tín dụng, mở rộng cho vay dưới áp lực cạnh tranh, từ đó tiềm ẩn những rủi ro nếu thị trường đảo chiều. Khi giá bất động sản suy giảm, giá trị tài sản bảo đảm bị thu hẹp, trong khi nghĩa vụ nợ vay vẫn giữ nguyên, làm gia tăng nguy cơ vỡ nợ và kéo theo gia tăng nợ xấu trong hệ thống ngân hàng.

Ngược lại, tốc độ tăng trưởng kinh tế (GDP) có hệ số âm (-0.0624), mang ý nghĩa thống kê ở mức 5% (p-value = 0.035), cho thấy sự phát triển ổn định của nền kinh tế góp phần tăng cường sức mạnh tài chính và khả năng thanh toán của doanh nghiệp cũng như cá nhân vay vốn. Khi nền kinh tế tăng trưởng ổn định, dòng tiền trong xã hội lưu thông thông suốt, việc làm gia tăng và cuộc sống của người dân được cải thiện, từ đó giảm thiểu nguy cơ khách hàng mất khả năng thanh toán, góp phần hạ thấp tỷ lệ nợ xấu tại các ngân hàng.

Trong khi đó, các yếu tố khác như quy mô ngân hàng (SIZE), hiệu quả chi phí (CIR), tỷ lệ vốn tự có (CAP), khả năng sinh lời trên tổng tài sản (ROA), khoản cho vay ngắn hạn (STL), khoản cho vay dài hạn (LTL) và lạm phát (INF) mặc dù được đưa vào mô hình nhưng chưa cho thấy ý nghĩa thống kê rõ rệt trong mô hình FGLS. Điều này cho thấy rằng tác động của các yếu tố nội tại ngân hàng có thể chưa thể hiện rõ ràng trong mẫu nghiên cứu hiện tại hoặc chịu ảnh hưởng đan xen giữa tác động ngắn hạn và dài hạn. Để phân tích đầy đủ và chính xác hơn, thì nghiên cứu sẽ tiến hành mở rộng bằng cách kiểm tra hiện tượng nội sinh để khắc phục triệt để bằng phương pháp ước lượng GMM nhằm xử lý tốt hơn.

4.3.4 Kiểm tra hiện tượng nội sinh của mô hình Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Trước khi thực hiện ước lượng mô hình, nghiên cứu tiến hành kiểm định Durbin và Wu-Hausman nhằm xác định các biến có khả năng nội sinh, từ đó lựa chọn phương pháp ước lượng phù hợp. Kết quả được trình bày trong Bảng 4.10 dưới đây.

• Bảng 4.10 Kết quả nội sinh

Kết quả kiểm định Durbin và Wu-Hausman cho thấy trong số các biến đưa vào mô hình, chỉ có hai biến NPLt-1 và STL có giá trị p-value nhỏ hơn 0.05, điều đó đồng nghĩa với việc chúng là các biến nội sinh. Sự hiện diện của nội sinh có thể gây ra hiện tượng sai lệch (bias) và không hiệu quả (inefficiency) trong ước lượng nếu sử dụng các phương pháp hồi quy thông thường như OLS. Do đó, đối với hai biến này, cần áp dụng các phương pháp ước lượng thích hợp GMM để đảm bảo tính nhất quán trong ước lượng. Ngược lại, các biến còn lại trong mô hình bao gồm SIZE, CIR, LTL, ROA, CAP, RPPI, GDP và INF đều có p-value lớn hơn 0.05 trong cả hai kiểm định, cho thấy không có dấu hiệu nội sinh, do đó chúng được xem là ngoại sinh và có thể đưa trực tiếp vào mô hình.

4.3.5 Ước lượng mô hình theo phương pháp GMM

Để đảm bảo độ tin cậy và tính hợp lệ của mô hình GMM hai bước (Two-step System GMM), các kiểm định chẩn đoán cần thiết đã được thực hiện, bao gồm: kiểm định tự tương quan phần dư (Arellano-Bond test) và kiểm định về tính ngoại sinh của các biến công cụ (Sargan và Hansen test).

Thứ nhất, kết quả kiểm định Arellano–Bond đối với tự tương quan bậc nhất (AR(1)) cho thấy giá trị thống kê z = -1.20 với p-value = 0.231. Mặc dù p-value không nhỏ hơn 0.05, điều này không đáng lo ngại vì trong GMM, phần dư bậc nhất thường có thể có tương quan. Điều quan trọng hơn là kiểm định tự tương quan bậc hai (AR(2)), với z = -0.96 và p-value = 0.335, không có bằng chứng về tự tương quan bậc hai. Đây là điều kiện cần thiết để bảo đảm tính hợp lệ của các công cụ trong GMM, đặc biệt là khi sử dụng biến trễ làm công cụ nội sinh. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Thứ hai, kết quả kiểm định Hansen cho thấy p-value = 0.190, lớn hơn 0.05, hàm ý rằng không có bằng chứng để bác bỏ giả thuyết H₀ về tính ngoại sinh của các công cụ. Nói cách khác, bộ công cụ được sử dụng trong mô hình là phù hợp và không bị lạm dụng. Hansen test là kiểm định mạnh hơn và tin cậy hơn Sargan test trong bối cảnh nhiều công cụ – do đó kết quả này củng cố thêm độ tin cậy của mô hình.

Thứ ba, kiểm định Difference-in-Hansen giúp kiểm tra riêng biệt tính hợp lệ của hai nhóm công cụ: Công cụ GMM và công cụ ngoài (IV). Cả hai kiểm định đều cho p-value cao (0.659 và 0.959), cho thấy không có bằng chứng cho thấy các công cụ bị nội sinh, và từ đó hỗ trợ tính đúng đắn của phương pháp lựa chọn công cụ trong mô hình.

Tổng thể, các kết quả kiểm định cho thấy mô hình GMM hai bước này không vi phạm giả định quan trọng, bộ công cụ sử dụng là hợp lệ, và sai số không có tự tương quan bậc hai – từ đó đảm bảo rằng các ước lượng hồi quy là đáng tin cậy và phù hợp về mặt thống kê.

Chỉ tiêu số nhóm = 25 phản ánh rằng mô hình được xây dựng dựa trên dữ liệu của 25 ngân hàng, đại diện cho quy mô mẫu phù hợp trong nghiên cứu định lượng về lĩnh vực ngân hàng. Với số nhóm (N = 25) lớn hơn số năm (T = 11), điều kiện về cấu trúc dữ liệu trong mô hình GMM động được đảm bảo, góp phần nâng cao tính ổn định của ước lượng.

Bên cạnh đó, mô hình sử dụng 23 biến công cụ để xử lý hiện tượng nội sinh giữa các biến trong mô hình, đặc biệt là giữa biến phụ thuộc trễ và phần sai số. Việc số công cụ nhỏ hơn số nhóm (23 < 25) cho thấy mô hình được thiết lập hợp lý và tránh được hiện tượng dư thừa công cụ (instrument proliferation), vốn là một vấn đề thường gặp trong các nghiên cứu GMM. Điều này đồng nghĩa rằng các công cụ được sử dụng có khả năng giải thích tốt cho các biến nội sinh, mà không làm giảm độ tin cậy của các kiểm định Hansen hoặc Sargan trong bước kiểm định tính hợp lệ của công cụ.

• Bảng 4.11 Kết quả hồi quy bằng phương pháp System GMM hai bước

Bảng trên trình bày kết quả hồi quy sử dụng phương pháp System GMM hai bước, cho thấy sự tác động có ý nghĩa thống kê của một số biến giải thích đối với tỷ lệ nợ xấu (NPL) của các ngân hàng. Cụ thể, biến độ trễ của nợ xấu (NPLt-1) có hệ số dương (0.6906) và có ý nghĩa thống kê cao (p < 0.01), phản ánh tính động học trong hành vi nợ xấu – tức nợ xấu trong quá khứ có ảnh hưởng đáng kể đến hiện tại. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Quy mô ngân hàng (SIZE) và Hiệu quả hoạt động (CIR) đều có tác động âm và có ý nghĩa thống kê ở mức 1%, hàm ý rằng các ngân hàng lớn hơn và hoạt động hiệu quả hơn có xu hướng kiểm soát nợ xấu tốt hơn. Trong khi đó, tỷ lệ vốn ngắn hạn so với tổng tài sản (STL) có tác động dương và ý nghĩa ở mức 1%, cho thấy việc phụ thuộc quá mức vào nguồn vốn ngắn hạn có thể làm gia tăng Rủi ro tín dụng.

Biến LTL có ý nghĩa thống kê ở mức 10%, với tác động dương nhẹ, gợi ý một mối liên hệ tích cực yếu với nợ xấu. Các biến ROA và CAP không có ý nghĩa thống kê, cho thấy lợi nhuận và khả năng vốn hóa không tác động đáng kể đến biến phụ thuộc trong mô hình này.

Ở cấp độ vĩ mô, chỉ số giá bất động sản (RPPI) có ảnh hưởng dương và có ý nghĩa thống kê ở mức 5%, cho thấy sự tăng trưởng giá tài sản có thể đi kèm với Rủi ro tín dụng cao hơn. Biến GDP có tác động âm rõ rệt và ý nghĩa ở mức 1%, khẳng định rằng tăng trưởng kinh tế góp phần làm giảm nợ xấu. Ngược lại, lạm phát (INF) lại có ảnh hưởng dương và ý nghĩa cao (p < 0.01), cho thấy môi trường lạm phát cao có thể làm trầm trọng thêm vấn đề tín dụng.

4.4 THẢO LUẬN KẾT QUẢ HỒI QUY

Kết quả hồi quy bằng phương pháp SGMM hai bước cho thấy mô hình có độ tin cậy cao, phản ánh tốt mối quan hệ động giữa các yếu tố vi mô – vĩ mô và tỷ lệ nợ xấu (NPL) của các Ngân hàng Thương mại Việt Nam trong giai đoạn nghiên cứu, cụ thể được trình bày ở bảng 4.12 dưới đây:

Bảng 4.12 Tổng hợp kết quả kiểm định của các giả thuyết

• Tỷ lệ nợ xấu năm trước (NPLt-1)

Hệ số của biến độ trễ của nợ xấu (NPLt-1) có hệ số dương 0.6906 và có ý nghĩa thống kê ở mức 1% (p = 0.000). Điều này phản ánh tính bền vững của nợ xấu trong hệ thống ngân hàng — tức là, tỷ lệ nợ xấu của kỳ trước có ảnh hưởng rất mạnh đến tỷ lệ nợ xấu của kỳ hiện tại. Khi nợ xấu trong quá khứ tăng 1 điểm phần trăm, nợ xấu kỳ này trung bình sẽ tăng thêm khoảng 0.69 điểm phần trăm. Kết quả này khẳng định hiện tượng “truyền dẫn Rủi ro tín dụng” theo thời gian, hàm ý rằng các ngân hàng Việt Nam vẫn đang đối mặt với khó khăn trong việc xử lý dứt điểm nợ xấu, khiến nợ cũ kéo dài và tích tụ qua các năm. Phát hiện này phù hợp với các nghiên cứu của Trần Huy Hoàng và Lê Thị Mỹ Tiên (2022), Bofondi và Ropele (2011), khi các tác giả cũng chỉ ra rằng nợ xấu trong hệ thống ngân hàng thường có tính trễ và khó triệt tiêu trong ngắn hạn do quy trình xử lý tài sản đảm bảo phức tạp, thiếu cơ chế thu hồi hiệu quả. Thực tế cho thấy trong giai đoạn hậu Covid-19, Ngân hàng TMCP Sài Gòn – Hà Nội đại diện cho nhóm ngân hàng có xu hướng gia tăng nợ xấu, sau khi duy trì mức khoảng 2% trong các năm 2018–2020, tỷ lệ nợ xấu của ngân hàng này tăng lên xấp xỉ 3% trong giai đoạn 2022–2024. Sự gia tăng này không diễn ra đột ngột trong một năm duy nhất mà có tính kế thừa giữa các kỳ, phản ánh việc các khoản nợ được cơ cấu hoặc thuộc nhóm rủi ro ở năm trước có thể chuyển thành nợ xấu thực sự ở năm sau. Đồng thời, quá trình xử lý tài sản bảo đảm và thu hồi nợ thường kéo dài, khiến tỷ lệ nợ xấu khó giảm nhanh trong ngắn hạn. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

• Quy mô ngân hàng (SIZE)

Biến quy mô ngân hàng (SIZE) có hệ số âm (-0.0086) và ý nghĩa thống kê ở mức 1% (p = 0.002), cho thấy mối quan hệ nghịch biến rõ ràng và có ý nghĩa giữa quy mô ngân hàng và tỷ lệ nợ xấu. Cụ thể, dấu âm của hệ số hồi quy hàm ý rằng khi quy mô ngân hàng – được đo lường thông qua logarit tự nhiên của tổng tài sản – tăng thêm 1 đơn vị, thì tỷ lệ nợ xấu (NPL) trung bình giảm khoảng 0.0086 điểm phần trăm, trong điều kiện các yếu tố khác không đổi. Điều này phản ánh thực tế rằng các ngân hàng có quy mô lớn thường có nền tảng tài chính vững mạnh hơn, khả năng tiếp cận nguồn vốn đa dạng và chi phí vốn thấp hơn, qua đó giúp họ dễ dàng phân tán rủi ro và tăng khả năng chịu đựng trước những cú sốc kinh tế. Hơn nữa, các ngân hàng lớn thường sở hữu hệ thống quản trị rủi ro hiện đại, quy trình thẩm định tín dụng chặt chẽ, cùng đội ngũ nhân sự có chuyên môn cao. Nhờ đó, khả năng giám sát, đánh giá và phân loại khách hàng được thực hiện một cách hiệu quả hơn, hạn chế tối đa nguy cơ phát sinh các khoản vay có vấn đề. Ngoài ra, với lợi thế về ứng dụng công nghệ thông tin và phân tích dữ liệu lớn, các ngân hàng quy mô lớn có thể đánh giá rủi ro khách hàng một cách chính xác và kịp thời, từ đó đưa ra quyết định cho vay hợp lý hơn so với các ngân hàng nhỏ. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Trường hợp của Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank) cho thấy quy mô lớn có thể góp phần làm giảm rủi ro tín dụng. Với tổng tài sản thuộc nhóm cao trong hệ thống và danh mục cho vay đa dạng theo ngành, khu vực và phân khúc khách hàng, ngân hàng này có khả năng phân tán rủi ro tốt hơn so với các ngân hàng quy mô nhỏ. Giai đoạn 2017–2022, Vietcombank duy trì tỷ lệ nợ xấu dưới 1%, ngay cả trong thời kỳ Covid-19, và chỉ tăng nhẹ lên quanh 1% trong giai đoạn 2023–2024 khi toàn ngành chịu áp lực từ thị trường bất động sản và trái phiếu doanh nghiệp. Kết quả này ủng hộ cho lý thuyết lợi thế kinh tế nhờ quy mô giúp giảm chi phí biên, nâng cao Hiệu quả hoạt động và khả năng phòng ngừa Rủi ro tín dụng. Đồng thời, nó cũng tương đồng với kết quả thực nghiệm của các nghiên cứu trước như Tehulu và Olana (2014), Kasana và Naveed (2016) và Vodová (2012), những nghiên cứu đều khẳng định rằng các ngân hàng có quy mô lớn thường có vị thế thị trường ổn định, năng lực quản trị rủi ro tốt hơn, và mức độ an toàn tín dụng cao hơn so với các ngân hàng nhỏ. Như vậy, kết quả hồi quy cho thấy quy mô ngân hàng là một yếu tố then chốt góp phần giảm thiểu Rủi ro tín dụng và nâng cao chất lượng tài sản của ngân hàng. Việc mở rộng quy mô hoạt động, tăng tổng tài sản và cải thiện năng lực tài chính không chỉ giúp ngân hàng củng cố vị thế cạnh tranh trên thị trường, mà còn tạo nền tảng vững chắc để nâng cao hiệu quả quản trị và đảm bảo sự ổn định bền vững trong dài hạn.

• Hiệu quả chi phí hoạt động (CIR)

Biến hiệu quả chi phí hoạt động (CIR) có hệ số hồi quy âm –0,114 và ý nghĩa thống kê cao ở mức 1% (p = 0,000), cho thấy tồn tại mối quan hệ nghịch chiều và có ý nghĩa kinh tế rõ ràng giữa hiệu quả chi phí và tỷ lệ nợ xấu (NPL) của ngân hàng. Dấu âm của hệ số chỉ ra rằng khi các ngân hàng quản trị chi phí hiệu quả hơn (tức CIR thấp hơn), tỷ lệ nợ xấu có xu hướng giảm đáng kể. Cụ thể, khi CIR giảm 1 điểm phần trăm, nợ xấu trung bình giảm khoảng 0,114 điểm phần trăm, phản ánh rằng cải thiện hiệu quả chi phí không chỉ mang lại lợi ích về mặt lợi nhuận mà còn góp phần trực tiếp vào việc giảm thiểu Rủi ro tín dụng. Kết quả này có thể được lý giải bởi việc kiểm soát chi phí chặt chẽ giúp ngân hàng duy trì bộ máy quản lý gọn nhẹ, quy trình thẩm định chặt chẽ và cơ chế giám sát tín dụng hiệu quả hơn, qua đó hạn chế các khoản cho vay kém chất lượng phát sinh. Về mặt thực tiễn, những ngân hàng có CIR thấp thường thể hiện khả năng tối ưu hóa quy trình nội bộ, nâng cao năng suất lao động và ứng dụng công nghệ số trong quản trị vận hành, giúp giảm chi phí hoạt động mà vẫn duy trì được chất lượng dịch vụ và năng lực giám sát rủi ro. Điều này đặc biệt quan trọng trong bối cảnh môi trường kinh doanh ngân hàng ngày càng cạnh tranh, biên lợi nhuận lãi ròng (NIM) bị thu hẹp và yêu cầu về an toàn vốn ngày càng cao. Ngân hàng nào kiểm soát được chi phí tốt hơn sẽ có nhiều nguồn lực hơn để đầu tư vào hệ thống quản trị rủi ro, công nghệ thẩm định tín dụng, phân tích dữ liệu khách hàng, từ đó tăng cường năng lực phát hiện sớm rủi ro và xử lý nợ tiềm ẩn. Kết quả nghiên cứu này ủng hộ cho lý thuyết về hiệu quả và chất lượng quản trị ngân hàng của Berger và DeYoung (1997), khi hai tác giả cho rằng các ngân hàng có hiệu quả chi phí cao thường gắn liền với hiệu quả cho vay và quản trị rủi ro tốt hơn, bởi năng lực quản trị nội bộ giúp giảm sai sót trong quy trình cấp tín dụng và nâng cao khả năng sàng lọc khách hàng. Tương tự, Nguyễn Trọng Cơ và Nghiêm Thị Thà (2015) cũng khẳng định rằng Hiệu quả hoạt động là một trong những yếu tố nền tảng giúp cải thiện chất lượng danh mục tín dụng và giảm thiểu các khoản vay kém hiệu quả trong hệ thống Ngân hàng Thương mại Việt Nam.

• Khoản cho vay ngắn hạn (STL) Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Biến khoản cho vay ngắn hạn (STL) có hệ số hồi quy dương 0,028 và ý nghĩa thống kê cao ở mức 1% (p = 0,003), phản ánh mối quan hệ đồng biến và có ý nghĩa kinh tế giữa mức độ sử dụng vốn khoản vay ngắn hạn và Rủi ro tín dụng (NPL) của ngân hàng. Dấu dương của hệ số cho thấy khi các ngân hàng phụ thuộc nhiều hơn vào nguồn vốn ngắn hạn trong tổng tài sản, rủi ro tín dụng có xu hướng gia tăng. Cụ thể, khi tỷ lệ vốn ngắn hạn tăng 1 điểm phần trăm, tỷ lệ nợ xấu trung bình tăng khoảng 0,028 điểm phần trăm, cho thấy cấu trúc nguồn vốn mất cân đối có thể gây áp lực lên chất lượng tín dụng của ngân hàng. Hiện tượng này có thể được lý giải bởi việc sử dụng quá mức vốn ngắn hạn để tài trợ cho các khoản cho vay trung và dài hạn, dẫn đến tình trạng mismatch kỳ hạn giữa tài sản và nguồn vốn. Khi thị trường xuất hiện biến động hoặc thanh khoản hệ thống bị thắt chặt, ngân hàng phải đối mặt với rủi ro tái cấp vốn (refinancing risk) và áp lực duy trì khả năng thanh toán ngắn hạn. Để giảm thiểu rủi ro thanh khoản, ngân hàng có thể buộc phải mở rộng cho vay ngắn hạn, tăng cường các khoản vay có rủi ro cao hơn hoặc nới lỏng tiêu chuẩn tín dụng nhằm duy trì lợi nhuận, từ đó làm gia tăng khả năng phát sinh nợ xấu. Điều này cho thấy việc quản lý kỳ hạn vốn huy động và duy trì tỷ trọng hợp lý giữa vốn ngắn hạn và dài hạn là yếu tố quan trọng trong việc kiểm soát RRTD. Kết quả nghiên cứu này phù hợp với bằng chứng thực nghiệm của White và Alam (2013), khi hai tác giả nhấn mạnh rằng sự mất cân đối kỳ hạn giữa huy động và cho vay là một trong những nguyên nhân chính làm gia tăng Rủi ro tín dụng trong hệ thống ngân hàng, đặc biệt tại các thị trường mới nổi có cấu trúc vốn ngắn hạn chiếm tỷ trọng lớn. Kết quả cũng phù hợp với thực tế hoạt động ngân hàng Việt Nam, nơi các Tổ chức tín dụng thường huy động vốn ngắn hạn nhưng cho vay trung và dài hạn, dẫn đến rủi ro tiềm ẩn khi điều kiện thanh khoản thay đổi.

• Khoản cho vay dài hạn (LTL)

Biến khoản cho vay dài hạn (LTL) có hệ số hồi quy dương 0,0165 và ý nghĩa thống kê ở mức 10% (p = 0,054), phản ánh mối quan hệ đồng biến nhưng tương đối yếu giữa tỷ lệ khoản vay dài hạn và Rủi ro tín dụng (NPL). Dấu dương của hệ số cho thấy rằng, khi các ngân hàng tăng tỷ trọng vốn dài hạn trong tổng tài sản, Rủi ro tín dụng có xu hướng gia tăng nhẹ. Cụ thể, khi tỷ lệ vốn dài hạn tăng 1 điểm phần trăm, tỷ lệ nợ xấu trung bình tăng khoảng 0,0165 điểm phần trăm. Kết quả này hàm ý rằng, mặc dù các khoản vay dài hạn thường mang lại nguồn thu ổn định và lãi suất cao hơn, song chúng cũng tiềm ẩn rủi ro lớn hơn trong bối cảnh biến động kinh tế hoặc khả năng dự báo kém của ngân hàng. Trong thực tế, các khoản tín dụng dài hạn có thời gian hoàn vốn kéo dài, chịu ảnh hưởng mạnh bởi chu kỳ kinh tế, lãi suất, và biến động thị trường đầu tư, khiến khả năng thu hồi vốn của ngân hàng trở nên rủi ro hơn so với cho vay ngắn hạn. Khi môi trường kinh doanh xấu đi hoặc khách hàng gặp khó khăn trong hoạt động sản xuất – kinh doanh, các khoản vay dài hạn dễ bị trì hoãn hoặc mất khả năng thanh toán. Ngoài ra, rủi ro lãi suất và rủi ro thanh khoản cũng có thể phát sinh khi ngân hàng huy động vốn ngắn hạn nhưng lại cho vay dài hạn, làm gia tăng áp lực cân đối nguồn vốn trong tương lai. Điều này cho thấy, việc mở rộng tín dụng dài hạn cần đi kèm với chiến lược quản lý rủi ro phù hợp, bao gồm thẩm định kỹ lưỡng dự án, kiểm soát dòng tiền và theo dõi sát khả năng trả nợ của khách hàng trong suốt vòng đời khoản vay. Kết quả nghiên cứu này tương đồng với phát hiện của Vũ Xuân Dương (2022), Trần Đức Thắng (2023) và Kiran (2024), khi các tác giả khẳng định rằng việc mở rộng danh mục tín dụng dài hạn nếu không được giám sát chặt chẽ và đánh giá rủi ro thường xuyên có thể làm gia tăng khả năng phát sinh nợ xấu, đặc biệt trong giai đoạn suy giảm kinh tế hoặc biến động lãi suất mạnh. Trong bối cảnh Việt Nam, nơi thị trường vốn trung – dài hạn còn chưa phát triển đồng bộ, việc ngân hàng tăng cho vay dài hạn có thể làm gia tăng Rủi ro tín dụng nếu thiếu các công cụ phòng ngừa và dự báo hiệu quả.

• Tỷ suất lợi nhuận trên tổng tài sản (ROA) và tỷ lệ Vốn chủ sở hữu (CAP) Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Đối với hai biến tài chính là tỷ suất lợi nhuận trên tổng tài sản (ROA) và tỷ lệ vốn hóa (CAP) có hệ số lần lượt là 0,0541 và –0,0021, song đều không có ý nghĩa thống kê (p > 0,1). Điều này cho thấy rằng, trong giai đoạn nghiên cứu, hiệu quả sinh lời và mức độ vốn hóa của ngân hàng chưa thể hiện tác động rõ rệt đến Rủi ro tín dụng (NPL). Nói cách khác, mặc dù các ngân hàng có khả năng sinh lời cao hơn thường được kỳ vọng quản lý rủi ro tốt hơn, song kết quả thực nghiệm lại không tìm thấy bằng chứng đủ mạnh để khẳng định mối quan hệ này trong bối cảnh hệ thống ngân hàng Việt Nam. Một cách lý giải hợp lý là ở Việt Nam, lợi nhuận (ROA) của các Ngân hàng Thương mại chủ yếu đến từ hoạt động tín dụng, chiếm tỷ trọng lớn trong tổng thu nhập. Khi nguồn thu phụ thuộc nhiều vào tín dụng, sự khác biệt về lợi nhuận giữa các ngân hàng không phản ánh rõ sự khác biệt về chất lượng quản trị rủi ro hay chính sách tín dụng. Ngoài ra, ROA thường bị ảnh hưởng bởi nhiều yếu tố ngắn hạn như biến động lãi suất, chính sách trích lập dự phòng, hay chi phí hoạt động, khiến mối quan hệ giữa lợi nhuận và nợ xấu trở nên không ổn định và khó nhận diện trong mô hình định lượng. Đối với biến tỷ lệ vốn hóa (CAP), hệ số mang dấu âm (–0,0021) nhưng không có ý nghĩa thống kê cho thấy xu hướng ngược chiều giữa Vốn chủ sở hữu và Rủi ro tín dụng tồn tại nhưng chưa đủ mạnh. Về lý thuyết, vốn hóa cao giúp ngân hàng có khả năng chống chịu tốt hơn trước các cú sốc tín dụng và duy trì ổn định tài chính, tuy nhiên trong thực tế Việt Nam, biên độ biến động của vốn điều lệ và hệ số an toàn vốn (CAR) giữa các ngân hàng còn hẹp, dẫn đến sự khác biệt về tác động chưa rõ rệt. Bên cạnh đó, các quy định về an toàn vốn (theo Basel II) mới chỉ được áp dụng đồng bộ trong những năm gần đây, nên hiệu ứng tích lũy của vốn hóa lên Rủi ro tín dụng có thể cần thêm thời gian để thể hiện rõ hơn. Kết quả này phù hợp với kết quả của những nghiên cứu quốc tế như Zribi và Boujelbène (2011) và Ghosh (2015), khi hai tác giả cho rằng tác động của khả năng sinh lời và vốn hóa đối với Rủi ro tín dụng thường mang tính gián tiếp – thông qua năng lực quản trị, cấu trúc tài sản, hoặc chiến lược cho vay của ngân hàng – hơn là ảnh hưởng trực tiếp đến tỷ lệ nợ xấu. Điều này hàm ý rằng, việc nâng cao lợi nhuận hoặc vốn hóa tự thân chưa đủ để giảm Rủi ro tín dụng, nếu ngân hàng không đồng thời cải thiện hệ thống quản trị rủi ro, đa dạng hóa danh mục tín dụng, và tăng cường giám sát chất lượng tài sản.

Trong nhóm biến vĩ mô, kết quả đã chỉ ra rằng chỉ số giá bất động sản (RPPI), tăng trưởng GDP, và lạm phát (INF) đều có tác động đáng kể đến tỷ lệ nợ xấu (NPL), phản ánh mối liên hệ chặt chẽ giữa diễn biến kinh tế vĩ mô và Rủi ro tín dụng trong hệ thống ngân hàng.

• Chỉ số giá bất động sản (RPPI) Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Trước hết, biến RPPI có hệ số dương 0,0335 và ý nghĩa thống kê ở mức 5% (p = 0,045), cho thấy khi giá bất động sản tăng 1 điểm, tỷ lệ nợ xấu trung bình tăng 0,0335 điểm phần trăm. Dấu dương của hệ số này phản ánh rằng sự gia tăng giá bất động sản – thường được xem là tín hiệu tích cực của thị trường – có thể dẫn đến Rủi ro tín dụng tiềm ẩn, nhất là trong bối cảnh tín dụng bất động sản chiếm tỷ trọng lớn trong danh mục cho vay. Khi giá tài sản tăng nhanh, ngân hàng có xu hướng mở rộng tín dụng mạnh mẽ, đặc biệt trong cho vay thế chấp hoặc mua nhà, nhằm tận dụng cơ hội lợi nhuận ngắn hạn. Tuy nhiên, điều này đồng thời làm gia tăng khả năng hình thành bong bóng tài sản, khi tín dụng được cấp dựa trên kỳ vọng giá tiếp tục tăng hơn là năng lực trả nợ thực tế của người vay. Một khi thị trường đảo chiều, giá trị tài sản thế chấp sụt giảm sẽ khiến rủi ro mất vốn và nợ xấu tăng mạnh. Kết quả này tương đồng với nhận định của Nguyễn Minh Phong (2024), khi tác giả cho rằng sự tăng trưởng quá nóng của giá bất động sản thường đi kèm với chu kỳ tín dụng mở rộng quá mức, qua đó làm trầm trọng thêm Rủi ro tín dụng trong giai đoạn suy thoái.

• Tốc độ tăng trưởng kinh tế (GDP)

Tiếp theo, biến GDP có hệ số âm –0,0929 và ý nghĩa thống kê cao ở mức 1% (p = 0,003), thể hiện mối quan hệ nghịch biến rõ rệt giữa tăng trưởng kinh tế và nợ xấu. Khi GDP tăng 1 điểm phần trăm, tỷ lệ nợ xấu giảm trung bình 0,0929 điểm phần trăm. Kết quả này phản ánh bản chất chu kỳ của Rủi ro tín dụng: Trong thời kỳ kinh tế tăng trưởng ổn định, doanh nghiệp mở rộng sản xuất, lợi nhuận cải thiện, và người vay có thu nhập cao hơn, qua đó tăng khả năng trả nợ đúng hạn. Ngược lại, trong giai đoạn suy giảm, dòng tiền bị thắt chặt, doanh thu sụt giảm, khiến khả năng thanh toán yếu đi, dẫn đến nợ xấu gia tăng. Khoảng thời gian từ 2017–2019, khi kinh tế Việt Nam tăng trưởng cao (GDP duy trì trên 6,5–7%/năm), hoạt động sản xuất – kinh doanh của doanh nghiệp cải thiện, dòng tiền và khả năng trả nợ được củng cố. Trong bối cảnh đó, tỷ lệ nợ xấu của VietinBank giảm và được kiểm soát quanh mức xấp xỉ 1–1,3%, thấp hơn so với giai đoạn trước tái cơ cấu. Phát hiện này phù hợp với các nghiên cứu của Haryono (2016), Dessie (2016) và Mankiw (2022), khi các tác giả cùng khẳng định rằng tăng trưởng kinh tế là yếu tố nền tảng giúp củng cố chất lượng tín dụng, vì nó không chỉ hỗ trợ doanh nghiệp trong Hoạt động kinh doanh mà còn tạo môi trường ổn định cho ngân hàng quản trị rủi ro hiệu quả hơn.

• Tỷ lệ lạm phát (INF) Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Cuối cùng, biến lạm phát (INF) có hệ số dương 0,1971 và ý nghĩa thống kê mạnh ở mức 1% (p = 0,004), cho thấy mối quan hệ cùng chiều đáng kể giữa lạm phát và nợ xấu. Khi lạm phát tăng 1 điểm phần trăm, tỷ lệ nợ xấu trung bình tăng 0,1971 điểm phần trăm, mức tác động lớn nhất trong nhóm biến vĩ mô. Điều này cho thấy rằng môi trường lạm phát cao có thể trực tiếp làm xấu đi chất lượng tín dụng thông qua nhiều kênh tác động: (i) sức mua của người dân giảm, làm suy yếu khả năng chi trả của người vay cá nhân; (ii) chi phí đầu vào của doanh nghiệp tăng, khiến lợi nhuận bị co hẹp; và (iii) lãi suất danh nghĩa có xu hướng tăng, làm tăng gánh nặng trả nợ. Ngoài ra, lạm phát cao còn gây biến động giá trị tài sản thế chấp, đặc biệt với bất động sản hoặc hàng tồn kho, khiến ngân hàng đối mặt với rủi ro mất giá trị đảm bảo khi khách hàng không trả được nợ. Năm 2022, khi lạm phát trong nước tăng trở lại sau đại dịch (chịu tác động từ giá năng lượng và chi phí đầu vào toàn cầu), mặt bằng lãi suất có xu hướng tăng theo chính sách thắt chặt tiền tệ. Điều này làm chi phí vốn của doanh nghiệp và người vay cá nhân tăng lên, đặc biệt ảnh hưởng đến phân khúc tín dụng tiêu dùng – lĩnh vực mà VPBank có tỷ trọng lớn. Trong bối cảnh đó, khả năng trả nợ của khách hàng suy giảm do thu nhập thực bị bào mòn và chi phí sinh hoạt tăng cao, khiến tỷ lệ nợ xấu của ngân hàng này gia tăng rõ rệt trong giai đoạn 2022–2023 (có thời điểm vượt 5%). Kết quả này phù hợp với các nghiên cứu của Castro (2013) và Aver (2008), khẳng định rằng ổn định kinh tế vĩ mô, nhất là kiểm soát lạm phát, đóng vai trò then chốt trong việc duy trì chất lượng tín dụng và an toàn hệ thống ngân hàng.

TÓM TẮT CHƯƠNG 4 Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Chương 4 tập trung trình bày quá trình phân tích dữ liệu và kết quả ước lượng mô hình nhằm xác định các yếu tố ảnh hưởng đến Rủi ro tín dụng của các Ngân hàng Thương mại cổ phần Việt Nam. Mở đầu chương, tác giả tiến hành thống kê mô tả các biến nghiên cứu, qua đó cho thấy tỷ lệ nợ xấu (NPL) trung bình của các ngân hàng trong mẫu đạt khoảng 2,24%, phản ánh sự khác biệt đáng kể về chất lượng tín dụng giữa các ngân hàng. Các biến giải thích bao gồm nhóm yếu tố vi mô (SIZE, CIR, STL, LTL, ROA, CAP) và nhóm yếu tố vĩ mô (RPPI, GDP, INF), được thu thập trong 275 quan sát thuộc giai đoạn nghiên cứu.

Kết quả kiểm định tương quan và hiện tượng đa cộng tuyến cho thấy mô hình không gặp vấn đề nghiêm trọng, đảm bảo độ tin cậy cho các ước lượng. Tuy nhiên, kiểm định phương sai sai số thay đổi và tự tương quan chỉ ra rằng các mô hình OLS, FEM và REM chưa đáp ứng đầy đủ các giả định hồi quy cổ điển. Do đó, tác giả sử dụng phương pháp FGLS và cuối cùng là System GMM hai bước nhằm khắc phục hiện tượng nội sinh và phản ánh đặc tính động của dữ liệu bảng.

Kết quả hồi quy FGLS chỉ ra rằng các biến có ý nghĩa thống kê gồm nợ xấu kỳ trước (NPLt-1), chỉ số giá bất động sản (RPPI) và tăng trưởng kinh tế (GDP). Trong đó, NPLt-1 và RPPI tác động cùng chiều, còn GDP tác động ngược chiều đến Rủi ro tín dụng. Khi áp dụng mô hình System GMM hai bước, kết quả ước lượng được cải thiện rõ rệt và khẳng định tính ổn định của mô hình. Cụ thể, biến L.NPL có tác động dương và mạnh mẽ, phản ánh tính dai dẳng của nợ xấu; trong khi SIZE và CIR có tác động ngược chiều và có ý nghĩa ở mức 1%, cho thấy quy mô và Hiệu quả hoạt động nội tại là yếu tố quan trọng giúp ngân hàng kiểm soát nợ xấu.

Ngoài ra, các biến STL và LTL có tác động cùng chiều, thể hiện rủi ro mất cân đối kỳ hạn giữa huy động và cho vay. Ở cấp độ vĩ mô, RPPI và INF có tác động làm gia tăng Rủi ro tín dụng, trong khi GDP tác động ngược chiều, hàm ý rằng môi trường kinh tế tăng trưởng và ổn định sẽ giúp giảm nợ xấu. Từ các kết quả định lượng này, chương 4 đã khẳng định được mối quan hệ chặt chẽ giữa các yếu tố vi mô – vĩ mô với Rủi ro tín dụng trong hệ thống ngân hàng Việt Nam, đồng thời tạo tiền đề cho việc đề xuất các giải pháp và hàm ý chính sách ở chương tiếp theo.

CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

5.1. KẾT LUẬN Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Luận văn được tiến hành với mục tiêu tổng quát là xác định và phân tích các yếu tố ảnh hưởng đến Rủi ro tín dụng của các Ngân hàng Thương mại cổ phần Việt Nam trong giai đoạn nghiên cứu, qua đó cung cấp các bằng chứng thực nghiệm và đề xuất giải pháp góp phần giúp năng lực quản trị rủi ro của hệ thống ngân hàng được nâng cao. Cụ thể, nghiên cứu hướng đến ba mục tiêu chính: (i) xác định các yếu tố tác động đến Rủi ro tín dụng của các Ngân hàng Thương mại cổ phần; (ii) đo lường mức độ và chiều hướng ảnh hưởng của từng yếu tố đến Rủi ro tín dụng; và (iii) đề xuất các hàm ý chính sách và khuyến nghị quản trị thực tiễn nhằm giảm thiểu Rủi ro tín dụng, góp phần củng cố sự ổn định của Hệ thống tài chính – ngân hàng Việt Nam.

Để đạt được các mục tiêu nêu trên, luận văn dựa trên nền tảng lý thuyết về quản trị Rủi ro tín dụng, mô hình ngân hàng và mối quan hệ giữa yếu tố vi mô – vĩ mô với chất lượng tài sản, đồng thời kế thừa và phát triển các mô hình nghiên cứu thực nghiệm tiêu biểu của 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) cùng nhiều công trình gần đây trong bối cảnh Việt Nam. Trên cơ sở đó, mô hình nghiên cứu được điều chỉnh để phù hợp với đặc thù hoạt động của các Ngân hàng Thương mại cổ phần Việt Nam, đặc biệt trong giai đoạn nền kinh tế chịu tác động của biến động chu kỳ tín dụng, đại dịch và thay đổi chính sách điều hành tiền tệ.

Về mặt phương pháp, nghiên cứu sử dụng mô hình System GMM hai bước nhằm xử lý vấn đề nội sinh giữa các biến, đồng thời phản ánh đặc tính động của mô hình Rủi ro tín dụng. Dữ liệu bảng được xây dựng từ báo cáo tài chính kiểm toán của các Ngân hàng Thương mại cổ phần và số liệu vĩ mô từ các nguồn tin cậy trong giai đoạn nghiên cứu. Kết quả hồi quy cho thấy mô hình có độ phù hợp cao và các kiểm định chẩn đoán (Sargan, AR(2)) đều đạt yêu cầu, chứng minh tính hợp lệ của công cụ và độ tin cậy của ước lượng.

Kết quả phân tích thực nghiệm chỉ ra rằng, khoảng 70% biến thiên của Rủi ro tín dụng (NPL) được mô tả thông qua các biến độc lập trong mô hình, phản ánh năng lực giải thích tốt của mô hình nghiên cứu. Cuối cùng, thông qua quá trình kiểm định các giả thuyết nghiên cứu, các biến có ý nghĩa thống kê và tác động cùng chiều đến Rủi ro tín dụng gồm “Tỷ lệ nợ xấu năm trước (NPLt-1), Khoản cho vay ngắn hạn (STL), Khoản cho vay dài hạn (LTL), Chỉ số giá bất động sản (RPPI) và Tỷ lệ lạm phát (INF)”. Những biến tác động ngược chiều bao gồm “Quy mô ngân hàng (SIZE), Hiệu quả chi phí hoạt động (CIR) và Tốc độ tăng trưởng kinh tế (GDP)”. Riêng hai yếu tố “Tỷ suất lợi nhuận trên tổng tài sản (ROA) và Tỷ lệ Vốn chủ sở hữu của ngân hàng (CAP)” được xác định là không có ý nghĩa thống kê trong mô hình. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

• Tổng hợp lại, kết quả nghiên cứu đã trả lời các câu hỏi sau:

Câu hỏi thứ nhất: Những yếu tố nào ảnh hưởng đến Rủi ro tín dụng của các Ngân hàng Thương mại cổ phần Việt Nam?

Kết quả nghiên cứu cho thấy các yếu tố ảnh hưởng đến Rủi ro tín dụng của các Ngân hàng Thương mại cổ phần Việt Nam gồm các yếu tố nội tại Tỷ lệ nợ xấu năm trước (NPLt-1), Quy mô ngân hàng (SIZE), Hiệu quả chi phí hoạt động (CIR), Khoản cho vay ngắn hạn (STL), Khoản cho vay dài hạn (LTL) và các yếu tố vĩ mô bao gồm Chỉ số giá bất động sản (RPPI), Chỉ số giá bất động sản (RPPI) và Tỷ lệ lạm phát (INF).

Câu hỏi thứ hai: Mức độ và chiều hướng ảnh hưởng của từng yếu tố đến Rủi ro tín dụng của các Ngân hàng Thương mại cổ phần Việt Nam?

Trong 10 yếu tố trên, có 5 yếu tố đã tác động cùng chiều đến Rủi ro tín dụng đó là Tỷ lệ nợ xấu năm trước (NPLt-1), khoản cho vay ngắn hạn (STL), khoản cho vay dài hạn (LTL), Chỉ số giá bất động sản (RPPI) và Tỷ lệ lạm phát (INF); trong khi Quy mô ngân hàng (SIZE), Hiệu quả chi phí hoạt động (CIR) và Tốc độ tăng trưởng kinh tế (GDP) tác động ngược chiều. Với hai biến Tỷ suất lợi nhuận trên tổng tài sản (ROA) và Tỷ lệ Vốn chủ sở hữu của ngân hàng (CAP) không có ý nghĩa thống kê.

Câu hỏi thứ ba: Các hàm ý chính sách nào có thể được áp dụng để giảm thiểu Rủi ro tín dụng và tăng cường sự ổn định tín dụng cho các Ngân hàng Thương mại cổ phần Việt Nam trong tương lai?

Dựa trên các kết quả nghiên cứu thực nghiệm, luận văn khẳng định rằng Rủi ro tín dụng của các ngân hàng Việt Nam chịu tác động đồng thời từ cả yếu tố quản trị nội bộ và môi trường kinh tế vĩ mô. Do đó, việc giảm thiểu Rủi ro tín dụng đòi hỏi nỗ lực phối hợp giữa chính sách vi mô (quản trị ngân hàng, kiểm soát chi phí, cơ cấu vốn hợp lý) và chính sách vĩ mô (ổn định tăng trưởng, quản lý thị trường bất động sản, kiểm soát lạm phát). Các hàm ý chính sách và khuyến nghị cụ thể về vấn đề này sẽ được trình bày chi tiết trong phần 5.2 – Hàm ý chính sách ngay sau đây.

5.2. HÀM Ý CHÍNH SÁCH Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Từ các kết quả thực nghiệm thu được, luận văn đề xuất một số hàm ý chính sách mang tính thiết thực và khả thi nhằm góp phần kiểm soát, phòng ngừa và giảm thiểu Rủi ro tín dụng trong hệ thống Ngân hàng Thương mại cổ phần Việt Nam. Các hàm ý này được xây dựng dựa trên cả góc độ ngân hàng vi mô và môi trường kinh tế vĩ mô, hướng đến mục tiêu nâng cao hiệu quả quản trị rủi ro và củng cố tính bền vững của Hệ thống tài chính quốc gia.

• Đối với tỷ lệ nợ xấu năm trước

Hoàn thiện hệ thống cảnh báo sớm và giám sát danh mục tín dụng gắn với thực tiễn vận hành. Kết quả nghiên cứu cho thấy nợ xấu có tính kéo dài và tác động mạnh mẽ của độ trễ (NPLt-1) đối với Rủi ro tín dụng hiện tại, hàm ý rằng các vấn đề nợ xấu chưa được xử lý triệt để trong quá khứ tiếp tục ảnh hưởng đến Hiệu quả hoạt động hiện nay. Do đó, các Ngân hàng Thương mại cổ phần cần triển khai và vận hành hệ thống cảnh báo sớm (Early Warning System – EWS) để nhận diện tín hiệu rủi ro ngay từ giai đoạn đầu của khoản vay.

Hệ thống này cần ứng dụng mạnh mẽ công nghệ số, đặc biệt là trí tuệ nhân tạo AI, học máy và dữ liệu lớn trong việc phân tích hành vi khách hàng, dòng tiền và biến động tài chính theo thời gian thực. Ví dụ, một số ngân hàng Việt Nam như Vietcombank, ACB hay Techcombank đã bắt đầu triển khai các mô hình chấm điểm tín dụng nội bộ tích hợp AI để tự động nhận diện khả năng vỡ nợ sớm – đây là hướng đi cần được nhân rộng.

Ngoài ra, cần thiết lập cơ chế giám sát danh mục tín dụng theo ngành và phân khúc rủi ro, qua đó giúp ngân hàng có thể chủ động điều chỉnh cấu trúc tín dụng, giảm tập trung cho vay vào các lĩnh vực nhạy cảm như bất động sản hay xây dựng khi rủi ro tăng cao. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

• Đối với quy mô ngân hàng

Thúc đẩy tái cấu trúc, sáp nhập và mở rộng quy mô ngân hàng để nâng cao năng lực chống chịu rủi ro. Kết quả hồi quy chỉ ra rằng quy mô ngân hàng (SIZE) có tác động ngược chiều với Rủi ro tín dụng, nghĩa là các ngân hàng có quy mô lớn thường kiểm soát rủi ro tốt hơn, nhờ lợi thế về vốn, nhân lực và công nghệ. Điều này gợi ý rằng, trong bối cảnh Việt Nam hiện nay, việc tái cấu trúc và hợp nhất các ngân hàng nhỏ, yếu kém vẫn là hướng đi cần thiết nhằm tạo ra các định chế tài chính có sức cạnh tranh cao và năng lực chống chịu tốt hơn trước biến động thị trường.

Chính phủ và Ngân hàng Nhà nước (NHNN) cần tiếp tục thực hiện chủ trương sáp nhập, mua bán và tái cơ cấu toàn diện hệ thống ngân hàng, đặc biệt đối với các Tổ chức tín dụng yếu kém. Bên cạnh đó, nên có những chính sách nhằm hỗ trợ kỹ thuật và tài chính để các ngân hàng nhỏ tiếp cận nguồn vốn giá rẻ, đầu tư vào hạ tầng công nghệ thông tin và đào tạo nhân sự chuyên sâu về quản trị Rủi ro tín dụng, nhằm thu hẹp khoảng cách năng lực với nhóm ngân hàng lớn.

• Đối với hiệu quả chi phí hoạt động

Cần tăng Hiệu quả hoạt động nội tại và kiểm soát chi phí để giảm thiểu rủi ro phát sinh. Biến hiệu quả chi phí (CIR) có ảnh hưởng ngược chiều với Rủi ro tín dụng, hàm ý rằng ngân hàng hoạt động càng hiệu quả thì khả năng phát sinh nợ xấu càng thấp. Do đó, việc nâng cao hiệu quả vận hành nội tại là một trong những giải pháp trọng yếu giúp kiểm soát Rủi ro tín dụng bền vững.

Các ngân hàng cần rà soát, tinh gọn bộ máy tổ chức, chuẩn hóa quy trình cho vay và thẩm định tín dụng để giảm thiểu các chi phí không tạo giá trị. Đồng thời, đẩy mạnh chuyển đổi số trong hoạt động tín dụng, kế toán, quản lý rủi ro và chăm sóc khách hàng nhằm tiết kiệm chi phí, nâng cao tốc độ xử lý hồ sơ, và giảm sai sót do yếu tố con người. Thực tiễn cho thấy, các ngân hàng tiên phong chuyển đổi số như MB, TPBank hay VPBank đã giảm đáng kể chi phí vận hành và tỷ lệ nợ xấu thông qua tự động hóa quy trình phê duyệt tín dụng và quản lý khách hàng.

• Đối với chỉ số giá bất động sản

Nghiên cứu chỉ ra rằng chỉ số giá bất động sản (RPPI) có tác động cùng chiều với Rủi ro tín dụng, cho thấy mối liên hệ chặt chẽ giữa biến động giá nhà đất và chất lượng tài sản ngân hàng. Trong bối cảnh thị trường bất động sản Việt Nam thời gian qua có dấu hiệu suy giảm thanh khoản và áp lực trái phiếu doanh nghiệp đáo hạn tăng mạnh, việc kiểm soát lĩnh vực này là yếu tố quyết định nhằm ngăn ngừa rủi ro lan truyền sang khu vực ngân hàng.

• Chính phủ cần ban hành chính sách điều tiết thị trường bất động sản ổn định, minh bạch và hướng đến nhu cầu thực, thông qua việc: Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Tăng cường minh bạch thông tin giá và giao dịch bất động sản: Cơ quan quản lý cần xây dựng cơ sở dữ liệu thống nhất, cập nhật thường xuyên về giá, số lượng và đặc điểm các giao dịch bất động sản trên toàn quốc. Các thông tin này nên được công bố công khai, dễ tiếp cận, giúp ngân hàng, nhà đầu tư và người dân có căn cứ đáng tin cậy trong việc ra quyết định.

Xây dựng chỉ số giá nhà ở quốc gia độc lập để phục vụ giám sát Rủi ro tín dụng: Cần thiết lập một cơ quan hoặc đơn vị độc lập có chức năng xây dựng, cập nhật và công bố chỉ số giá nhà ở quốc gia theo định kỳ. Chỉ số này sẽ là công cụ quan trọng để Ngân hàng Nhà nước và các Tổ chức tín dụng giám sát, dự báo biến động của thị trường, từ đó kịp thời điều chỉnh chính sách tín dụng, lãi suất và các biện pháp quản lý rủi ro phù hợp.

Kiểm soát hoạt động phát hành trái phiếu doanh nghiệp bất động sản và đảm bảo nguồn vốn vay ngân hàng được sử dụng đúng mục đích: Cơ quan quản lý cần siết chặt điều kiện phát hành trái phiếu doanh nghiệp, đặc biệt đối với các dự án có tính rủi ro cao hoặc chưa có tài sản đảm bảo rõ ràng. Đồng thời, các Ngân hàng Thương mại phải tăng cường kiểm tra, giám sát sau giải ngân để đảm bảo vốn vay được sử dụng đúng mục đích đã đăng ký.

Bên cạnh đó, để góp phần ổn định và phát triển bền vững thị trường bất động sản, các Ngân hàng Thương mại cần thực hiện chính sách tín dụng thận trọng và linh hoạt, kiểm soát chặt chẽ các khoản vay liên quan đến lĩnh vực đầu cơ, đồng thời ưu tiên nguồn vốn cho các dự án nhà ở xã hội, bất động sản thương mại có tính thanh khoản cao và rủi ro thấp hơn. Ngân hàng cần quản lý tỷ trọng cho vay bất động sản trong tổng dư nợ, đa dạng hóa danh mục tín dụng nhằm hạn chế rủi ro tập trung. Bên cạnh đó, việc giám sát mục đích sử dụng vốn vay phải được tăng cường để đảm bảo dòng vốn được sử dụng đúng cam kết và hiệu quả. Ngoài ra, ngân hàng nên xây dựng hệ thống cảnh báo sớm và đánh giá rủi ro thị trường, giúp kịp thời điều chỉnh chính sách tín dụng theo diễn biến thực tế. Song song đó, việc khuyến khích phát triển các kênh huy động vốn thay thế như quỹ đầu tư hoặc trái phiếu doanh nghiệp minh bạch cũng sẽ góp phần giảm áp lực lên tín dụng ngân hàng và hỗ trợ thị trường bất động sản phát triển ổn định, bền vững hơn. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

• Đối với tỷ lệ lạm phát

Triển khai, điều hành chính sách tiền tệ linh hoạt và phối hợp hài hòa với chính sách tài khóa. Kết quả nghiên cứu khẳng định lạm phát (INF) có tác động cùng chiều với rủi ro tín dụng, cho thấy khi áp lực giá cả tăng cao, khả năng trả nợ của doanh nghiệp và người dân suy giảm, làm gia tăng nợ xấu. Do đó, Ngân hàng Nhà nước cần tiếp tục điều hành chính sách tiền tệ chủ động, linh hoạt và phối hợp hiệu quả với chính sách tài khóa, nhằm kiểm soát lạm phát ở mức hợp lý, vừa hỗ trợ tăng trưởng vừa đảm bảo ổn định hệ thống tín dụng.

Cụ thể, cần duy trì thanh khoản hợp lý, lãi suất ổn định, đồng thời tăng cường giám sát tín dụng tiêu dùng và tín dụng rủi ro cao, đặc biệt là cho vay mua bất động sản, chứng khoán hoặc trái phiếu doanh nghiệp. Việc phối hợp nhịp nhàng giữa chính sách tiền tệ – tài khóa – an toàn vĩ mô sẽ giúp giảm áp lực lạm phát, bảo vệ sức mua của người dân, qua đó giảm thiểu khả năng phát sinh nợ xấu trong khu vực tín dụng hộ gia đình và doanh nghiệp nhỏ.

• Đối với tốc độ tăng trưởng kinh tế

Duy trì tăng trưởng kinh tế bền vững – “lá chắn” tự nhiên giảm Rủi ro tín dụng. Kết quả thực nghiệm cho thấy tăng trưởng GDP có tác động ngược chiều với Rủi ro tín dụng, nghĩa là khi nền kinh tế phát triển ổn định, khả năng trả nợ của khách hàng được cải thiện, góp phần giảm tỷ lệ nợ xấu. Vì vậy, việc duy trì tăng trưởng kinh tế bền vững và ổn định vĩ mô chính là “lá chắn” tự nhiên giúp giảm thiểu Rủi ro tín dụng cho hệ thống ngân hàng.

Chính phủ cần tiếp tục đẩy mạnh các chương trình phục hồi và phát triển kinh tế, hoàn thiện môi trường đầu tư, khả năng cạnh tranh quốc gia và thúc đẩy khu vực doanh nghiệp nhỏ và vừa – nhóm khách hàng chủ lực của hệ thống Ngân hàng Thương mại cổ phần – tiếp cận tín dụng hợp lý, sử dụng vốn hiệu quả và đúng mục đích. Đồng thời, cần chú trọng nâng cao chất lượng quản trị doanh nghiệp, năng lực tài chính và minh bạch thông tin, giúp ngân hàng đánh giá Rủi ro tín dụng chính xác hơn và giảm tổn thất tín dụng tiềm ẩn.

5.3. HẠN CHẾ VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO

Mặc dù nghiên cứu đã đạt được nhiều kết quả có ý nghĩa thực tiễn, song vẫn còn một số hạn chế nhất định. Thứ nhất, nghiên cứu chỉ tập trung vào dữ liệu của các Ngân hàng Thương mại cổ phần tại Việt Nam, chưa mở rộng sang các ngân hàng có vốn nhà nước hoặc ngân hàng nước ngoài hoạt động tại Việt Nam. Thứ hai, mô hình chưa phân tích sâu sự khác biệt giữa từng nhóm ngân hàng về đặc điểm hoạt động, loại hình tín dụng, chiến lược quản trị… Thứ ba, một số yếu tố định tính như chất lượng quản trị, đạo đức tín dụng, khả năng thẩm định tài sản thế chấp… chưa được đưa vào mô hình do hạn chế về dữ liệu.

Trong thời gian tới, các nghiên cứu tiếp theo có thể mở rộng mẫu nghiên cứu sang các quốc gia trong khu vực ASEAN để có sự so sánh tương quan, đồng thời kết hợp các yếu tố định tính bằng phương pháp nghiên cứu hỗn hợp nhằm mang lại góc nhìn toàn diện và sâu sắc hơn về nguyên nhân và giải pháp cho Rủi ro tín dụng trong ngành ngân hàng.

TÓM TẮT CHƯƠNG 5 Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

Chương 5 tổng hợp các kết quả nghiên cứu, rút ra các kết luận chính và đề xuất những hàm ý chính sách nhằm kiểm soát, phòng ngừa và giảm thiểu Rủi ro tín dụng trong hệ thống Ngân hàng Thương mại cổ phần Việt Nam. Dựa trên kết quả hồi quy bằng phương pháp System GMM hai bước, luận văn đã chỉ ra rằng Rủi ro tín dụng chịu tác động đồng thời từ các yếu tố nội tại của ngân hàng và các yếu tố kinh tế vĩ mô. Trong đó, biến độ trễ nợ xấu (NPLt-1) có tác động dương và mạnh mẽ nhất, khẳng định đặc điểm lan tỏa và tồn tại dai dẳng của nợ xấu. Quy mô ngân hàng (SIZE) và hiệu quả chi phí (CIR) có tác động ngược chiều, thể hiện vai trò tích cực của quy mô hoạt động và năng lực quản trị chi phí trong việc hạn chế rủi ro. Ngược lại, tỷ lệ vốn ngắn hạn (STL) và vốn dài hạn (LTL) có tác động cùng chiều, cho thấy rủi ro mất cân đối kỳ hạn vẫn là vấn đề đáng quan ngại trong hoạt động ngân hàng.

Ở cấp độ vĩ mô, tăng trưởng GDP có tác động ngược chiều với Rủi ro tín dụng, trong khi chỉ số giá bất động sản (RPPI) và lạm phát (INF) có tác động cùng chiều, phản ánh tác động hai mặt của chu kỳ kinh tế đối với hệ thống ngân hàng. Các kết quả này không chỉ củng cố bằng chứng lý thuyết đã được các nghiên cứu trước xác nhận mà còn cung cấp góc nhìn mới về Rủi ro tín dụng trong bối cảnh Việt Nam hiện nay – nơi thị trường tài chính đang trong quá trình hoàn thiện và chịu nhiều ảnh hưởng từ biến động kinh tế vĩ mô.

Trên cơ sở đó, nghiên cứu đề xuất sáu nhóm hàm ý chính sách trọng tâm. Một là, hoàn thiện hệ thống cảnh báo sớm và giám sát danh mục tín dụng dựa trên công nghệ AI, Big Data và Machine Learning. Hai là, đẩy mạnh tái cơ cấu và sáp nhập các ngân hàng yếu kém nhằm tăng cường quy mô và năng lực chống chịu rủi ro. Ba là, tối ưu hóa chi phí hoạt động, đẩy mạnh chuyển đổi số để nâng cao hiệu quả quản trị và giảm CIR. Bốn là, điều tiết thị trường bất động sản minh bạch, hạn chế tín dụng rủi ro cao và kiểm soát phát hành trái phiếu doanh nghiệp. Năm là, điều hành chính sách tiền tệ linh hoạt kết hợp với chính sách tài khóa để kiểm soát lạm phát và duy trì ổn định kinh tế. Cuối cùng, duy trì tăng trưởng kinh tế bền vững, cải thiện môi trường đầu tư và hỗ trợ doanh nghiệp nhỏ và vừa tiếp cận tín dụng hiệu quả.

Kết luận của chương 5 khẳng định rằng Rủi ro tín dụng tại các Ngân hàng Thương mại cổ phần Việt Nam là kết quả của sự tác động tổng hợp từ các yếu tố nội tại và vĩ mô, đòi hỏi sự phối hợp chặt chẽ giữa chính sách quản trị ngân hàng và điều hành vĩ mô. Những hàm ý chính sách được đề xuất không chỉ có giá trị thực tiễn đối với các ngân hàng trong việc củng cố hệ thống quản trị rủi ro, mà còn mang ý nghĩa tham khảo quan trọng cho cơ quan quản lý nhà nước trong việc điều tiết thị trường tài chính, hướng tới mục tiêu ổn định và phát triển bền vững của toàn bộ hệ thống ngân hàng Việt Nam. Luận văn: KQNC ảnh hưởng đến rủi ro tín dụng ở các Ngân hàng.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: Yếu tố 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