Luận văn: PPNC cấu trúc vốn đến khả năng sinh lời của NH

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC cấu trúc vốn đến khả năng sinh lời của NH hay nhất năm 2024 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: Ảnh hưởng của cấu trúc vốn đến khả năng sinh lời của các ngân hàng thương mại cổ phần Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

3.1 Cơ sở dữ liệu

Luận văn này sử dụng dữ liệu bảng, số liệu sử dụng là số liệu thứ cấp thu thập trên báo cáo tài chính của 27 NHTMCP Việt Nam, thời gian thu thập dữ liệu từ năm 2010 đến 2021, tương ứng 241 quan sát.  Theo Saona Hoffmann (2011), dữ liệu bảng là công cụ thích hợp nhất khi mẫu quan sát là sự kết hợp giữa dữ liệu chéo và dữ liệu chuỗi thời gian. Trong trường hợp này, lợi thế của việc sử dụng dữ liệu bảng là khắc phục được các đặc điểm không thể kiểm soát, liên tục và không đồng nhất của từng ngân hàng được đưa vào mẫu. Ngoài ra, dữ liệu bảng có chứa nhiều thông tin hữu ích hơn, tính biến thiên nhiều hơn, ít hiện tượng đa cộng tuyến giữa các biến hơn, nhiều bậc tự do hơn và hiệu quả cao hơn trong các ước tính. Hơn nữa, dữ liệu bảng làm tăng kích thước mẫu (số lượng quan sát), từ đó tăng độ chính xác của các ước lượng và vì vậy kết quả có ý nghĩa thống kê cao hơn (Tarek Al-Kayed và c.s., 2014). Cuối cùng, Arellano & Bonhomme (2017) cho rằng việc phân tích dữ liệu bảng sẽ tốt hơn trong việc xác định và đo lường các ảnh hưởng không thể quan sát được so với phân tích dữ liệu chéo hoặc dữ liệu chuỗi thời gian.

3.2 Mô hình nghiên cứu và giả thuyết nghiên cứu Luận văn: PPNC cấu trúc vốn đến khả năng sinh lời của NH.

Nghiên cứu này kế thừa mô hình của Nghiên cứu này được kế thừa theo các nghiên cứu của Saona Hoffmann (2011), Rahman và c.s. (2015), Emase (2017), Karabulut & Şen (2018), Matar & Eneizan, (2018), Nguyễn Thành Đạt (2021), Lâm Chí Dũng & Võ Hoàng Diễm Trinh (2020) và Ayalew (2021), tác giả sử dụng Xit là tập hợp các biến bên trong ngân hàng có khả năng tác động đến KNSL của ngân hàng đó, và có sự điều chỉnh để phù hợp với thực tế các NHTMCP Việt Nam trong bài cũng như khả năng và thời gian thu thập dữ liệu của nghiên cứu.

Tác giả đề xuất mô hình như sau:

• ROA_it = β₀ + β₁*ROA_it_L1 + β₂*CAP_it + β₃*SIZE_it + β₄*DEPOSIT_it + β₅*RISK_it + β₆*GDP_t + β₇*INF_t + e_it
• ROE_it = β₀ + β₁*ROE_it_L1 + β₂*CAP_it + β₃*SIZE_it + β₄*DEPOSIT_it +  β₅*RISK_it + β₆*GDP_t + β₇*INF_t + e_it
• NIM_it = β₀ + β₁* NIM_it_L1 + β₂*CAP_it + β₃*SIZE_it + β₄*DEPOSIT_it +  β₅*RISK_it + β₆*GDP_t + β₇*INF_t + e_it

Cụ thể các biến như sau:

Biến phụ thuộc là KNSL của các NHTMCP Việt Nam, được đại diện bởi ba chỉ tiêu là (1) Tỷ suất sinh lời trên vốn chủ sở hữu của ngân hàng i ở năm t (ROEit); (2) Tỷ suất sinh lời trên tổng tài sản của ngân hàng i ở năm t  (ROAit); (3) Tỷ lệ thu nhập lãi cận biên của ngân hàng i ở năm t  (NIMit) của ngân hàng i trong năm t.

Biến độc lập bao gồm:

• ROAit_L1: biến trễ bậc 1 của biến ROAit
• ROEit_L1: biến trễ bậc 1 của biến ROEit
• NIMit_L1: biến trễ bậc 1 của biến NIMit
• CAPit : Tỷ lệ vốn chủ sở hữu trên tổng nguồn vốn của ngân hàng i tại năm t;
• Quy mô ngân hàng i ở năm t (SIZEit); – Tỷ lệ cho vay ngân hàng i ở năm t (LOAN);
• Tỷ trọng tiền gửi khách ngân hàng hàng i ở năm t (DEPOSIT);
• Rủi ro tín dụng ngân hàng i ở năm t (RISK),

Và kết hợp với các yếu tố bên ngoài ngân hàng Zit, bao gồm:

• Tốc độ tăng trưởng GDP năm t (GDPt);
• Tỷ lệ lạm phát năm t (INFt).

Các biến trong mô hình được kế thừa từ kết quả nghiên cứu trước như:

Saona Hoffmann (2011), Rahman và c.s. (2015), Emase (2017), Karabulut & Şen (2018), Matar & Eneizan, (2018), Nguyễn Thành Đạt (2021), Lâm Chí Dũng & Võ Hoàng Diễm Trinh (2020) và Ayalew (2021), các biến này không mới nhưng trong nghiên cứu này với số liệu thu thập được cập nhật dựa trên Báo cáo tài chính hợp nhất của 27 NHTM Việt Nam từ năm 2010 đến năm 2021. Đây là khoảng thời gian đủ dài để có được số quan sát cần thiết, làm tăng mức độ tin cậy của các phương pháp thống kê sử dụng. Đây chính là khoảng trống và là điểm khác biệt của luận án so với các nghiên cứu trước.

Các quan điểm về cấu trúc vốn truyền thống (lý thuyết Lý thuyết Modigliani & Miller (1958), lý thuyết đánh đổi, lý thuyết chi phí đại diện) đều cho thấy một doanh nghiệp sẽ có lợi hơn khi sử dụng nguồn vốn đi vay, vì chi phí sử dụng vốn của nguồn vốn chủ sở hữu luôn cao hơn, có nghĩa là giới chủ luôn đặt một kỳ vọng cao hơn về mức độ sinh lời bằng đồng vốn họ tự bỏ ra so với việc đi vay. Vì lý do đó, biến CAP sẽ có kỳ vọng tác động trái chiều đến KNSL của các ngân hàng, có nghĩa là tỷ lệ vốn chủ sở hữu trên tổng nguồn vốn càng thấp thì KNSL của ngân hàng càng cao. Tuy nhiên, các nghiên cứu gần đây của  Saona Hoffmann (2011), Rahman và c.s. (2015), Lâm Chí Dũng & Võ Hoàng Diễm Trinh (2020) đều cho thấy CAP có tác động cùng chiều đến KNSL của các ngân hàng. Do vậy, giả thuyết cho nghiên cứu này được đặt ra như sau:

Giả thuyết : CAP có tác động cùng chiều đến KNSL của các NHTMCP Việt Nam. Luận văn: PPNC cấu trúc vốn đến khả năng sinh lời của NH.

Các biến kiểm soát của mô hình bao gồm Quy mô ngân hàng (SIZE), tỷ lệ cho vay, Tỷ lệ cho vay trên tổng tài sản của ngân hàng, Tỷ trọng tiền gửi khách hàng trên tổng nguồn vốn của ngân hàng, Rủi ro tín dụng, được tính bằng tỷ lệ trích lập dự phòng trên tổng nguồn vốn ngân hàng trong nghiên cứu này được kỳ vọng có ảnh hưởng đến KNSL, cụ thể:

Quy mô ngân hàng (SIZE) là chỉ tiêu được nhiều nhà nghiên cứu đưa vào các mô hình khi nghiên cứu về KNSL của các NHTM cũng như doanh nghiệp.

Tuy nhiên, việc chiều ảnh hưởng của quy mô ngân hàng đến KNSL lại có nhiều kết luận trái chiều nhau. Nghiên cứu của Athanasoglou và c.s. (2008) chỉ ra mối quan hệ cùng chiều giữa quy mô ngân hàng và KNSL, Rahman và c.s. (2015) chỉ ra mối quan hệ cùng chiều của quy mô ngân hàng đến ROA. Tuy nhiên, Ben Naceur & Goaied (2008) lại chỉ ra mối quan hệ ngược chiều giữa hai tiêu chí này.

Những nghiên cứu gần đây cho thấy quy mô ngân hàng lại có tác động ngược chiều đối với ROE trong nghiên cứu của Saona Hoffmann (2011), Rahman và c.s. (2015), Nguyễn Thành Đạt (2021). Và quy mô ngân hàng cũng có quan hệ ngược chiều đối với NIM trong nghiên cứu Ayalew (2021), Rahman và c.s. (2015). Có thể thấy các nghiên cứu gần đây đề cho thấy có mối quan hệ tác động có ý nghĩa (+/-) đến KNSL, do vậy trong nghiên cứu này tác giả kỳ vọng SIZE có tác động đến KNSL của các NHTMCP Việt Nam.

Nhiều nghiên cứu đưa ra mối quan hệ cùng chiều giữa tỷ lệ cho vay và KNSL của ngân hàng. Tức là ngân hàng cho vay được càng nhiều thì càng đem lại nhiều lợi nhuận, mặc dù khả năng rủi ro cũng tăng theo tỷ lệ khoản vay, kết quả được tìm thấy trong các nghiên cứu của Ayalew (2021), Rahman và c.s. (2015) với KNSL được đo lường bằng ROA (Ayalew, 2021; Rahman và c.s., 2015) và NIM (Ayalew, 2021; Rahman và c.s., 2015) và đo lường băng ROE (Rahman và c.s., 2015). Tuy nhiên, mối quan hệ giữa tỷ lệ cho vay và KNSL lại có tác động ngược chiều trong nghiên cứu của Saona Hoffmann (2011) khi KNSL được đo lường bằng ROE. Kết quả của Lâm Chí Dũng & Võ Hoàng Diễm Trinh, (2020) cũng là tác động ngược chiều đến KNSL khi đo lường bằng ROA, nhưng lại là thuận chiều khi KNSL đo lường bằng NIM. Trên thực tế hoạt động ngân hàng tại Việt Nam, thu nhập từ hoạt động cho vay luôn đóng vai trò chính, chiểm tỷ trọng rất lớn trong tổng thu nhập của ngân hàng thương mại. Vì vậy, tác giả đặt kỳ vọng tỷ lệ cho vay có ảnh hưởng cùng chiều đến KNSL của ngân hàng.

Đối với các NHTM có khả năng huy động tiền gửi càng lớn thì càng có cơ hội hạ thấp chi phí vốn bình quân. Từ đó KNSL có thế gia tăng. Kết luận này được tìm thấy trong nghiên cứu của Ayalew (2021) với mối quan hệ giữa Tỷ trọng tiền gửi khách hàng với KNSL (ROA, NIM) là cùng chiều. Kết quả của Lâm Chí Dũng & Võ Hoàng Diễm Trinh (2020) cũng là tác động thuận chiều của Tỷ trọng tiền gửi khách hàng đến KNSL khi đo lường bằng ROA, nhưng lại là ngược chiều khi KNSL đo lường bằng NIM Trong bài nghiên cứu này, tác giả đặt kỳ vọng tỷ lệ cho vay có ảnh hưởng cùng chiều đến KNSL của các ngân hàng.

Rủi ro tín dụng (RISK) luôn là thứ phát sinh kèm với việc cấp tín dụng, một ngân hàng kiểm soát được rủi ro, có một hệ thống sàng lọc khách hàng tốt sẽ đem lại KNSL cao hơn. Các kết quả của Saona Hoffmann (2011), Rahman và c.s. (2015), Ayalew (2021) đều cho thấy tác động ngược chiều của rủi ro tín dụng đến KNSL với KNSL được đo lường bằng ROA, ROE và NIM. Do đó, trong nghiên cứu này kỳ vọng của tác giả về ảnh hưởng của rủi ro tín dụng sẽ tác động ngược chiều với KNSL của ngân hàng. Luận văn: PPNC cấu trúc vốn đến khả năng sinh lời của NH.

Trong một xã hội có mức tăng trưởng GDP thấp, hoặc tăng trưởng âm, đồng nghĩa với việc khả năng thu hồi khoản vay cũng giảm sút, chất lượng tín dụng xấu ảnh hưởng đến lợi nhuận của ngân hàng. Hassan & Bashi, (2003), Rahman và c.s. (2015), Nguyễn Thành Đạt (2021) đều đưa ra quan điểm ảnh hưởng cùng chiều giữa tốc độ tăng trưởng GDP quốc gia và KNSL của ngân hàng. Tương tự như vậy với bài nghiên cứu này, tác giả cũng đưa ra quan điểm kỳ vọng tốc độ tăng trưởng GDP của Việt Nam sẽ có ảnh hưởng cùng chiều đến KNSL của NHTMCP Việt Nam.

Ảnh hưởng của lạm phát đến KNSL của ngân hàng phụ thuộc vào việc chi phí lương và các chi phí hoạt động khác của ngân hàng có tăng nhanh hơn lạm phát hay không (Gul và c.s. (2011). Rahman và c.s. (2015) và  Nguyễn Thành Đạt, (2021) đều tìm ra mối tương quan cùng chiều giữa lạm phát và KNSL của ngân hàng. Nếu tỷ lệ lạm phát được dự báo chính xác bởi người quản trị ngân hàng, từ đó ngân hàng có thể điều chỉnh lãi suất một cách hợp lý nhằm tăng trưởng doanh thu cao hơn mức tăng của chi phí, từ đó kiếm được lợi nhuận cao hơn. Trong bài nghiên cứu này, tác giả kỳ vọng có mối tương quan dương giữa lạm phát và KNSL của ngân hàng. Các biến nghiên cứu được tổng hợp và trình bày ở bảng 3.1

Bảng  3.1 Diễn giải các biến và đo lường

(Nguồn: Tác giả tổng hợp)  

3.3 Phương pháp ước lượng Luận văn: PPNC cấu trúc vốn đến khả năng sinh lời của NH.

Với phần mềm xử lý số liệu Stata 17 để phân tích số liệu. Do dữ liệu nghiên cứu có T nhỏ và N lớn (rất nhiều quan sát với ít mốc thời gian), tác giả áp dụng mô hình Mô hình bảng động (DPD) để xử lý không chỉ vấn đề nội sinh thông thường mà còn với vấn đề lỗi đo lường, và ước lượng mô hình bằng phương pháp GMM hệ thống (System GMM). Dữ liệu trong bài là dữ liệu dạng bảng không cân bằng, và dữ liệu sau khi thu thập được mã hóa và làm sạch, kiểm định mô hình nghiên cứu, sau đó tiến hành hồi quy đa biến và kiểm định với mô hình hồi quy.

• Kiểm định sự tương quan 

Nghiên cứu thực hiện đo lường hệ số tương quan giữa các biến phụ thuộc với từng biến giải thích. Phần mềm Stata 17 sẽ xây dựng ma trận hệ số tương quan. Các biến độc lập có tương quan với biến phụ thuộc hay không được kiểm định thông qua sử dụng kiểm định hệ số tương quan của tổng thể với giả thuyết Ho: p = 0 (không có sự tương quan). Nếu a > p- value thì bác bỏ giả thuyết Ho, hay nói cách khác là biến được kiểm định có tác động đến biến phụ thuộc với một hệ số có ý nghĩa thống kê.

• Xử lý dữ liệu bằng mô hình bằng ước lượng GMM Luận văn: PPNC cấu trúc vốn đến khả năng sinh lời của NH.

Trong kinh tế thương xảy ra vấn đề nội sinh khi thực hiện hồi quy giữa các biến. Hậu quả là nếu sử dụng các ước lượng thông thường như OLS, FEM, REM kết quả hồi quy có thể là giả mạo, và thường dẫn đến vi phạm giả thiết về phương sai không đổi và tự tương quan trong mô hình. Một trong các phương pháp thường được sử dụng để khắc phục hiện tượng này là sử dụng ước lượng GMM. Trong ghiên cứu này, để khắc phục những khuyết tật của mô hình vi phạm, tác giả sử dụng ước lượng GMM hệ thống 2 bước (twostep system GMM) do phương pháp này hiệu quả hơn so với ước lượng GMM khác (Krishnankutty và Chakraborty, 2014). Phương pháp S – GMM được Arellano & Bond (1991) và Blundell & Bond (1998) đề xuất bởi cách xử lý tối ưu trong trường hợp các biến trong mô hình là các biến giải thích liên tục, và tác động riêng lẻ có sự tương quan giữa các biến này với nhau , và có sự tương quan giữa sai số nhiễu với biến giải thích. Thêm vào đó là có tồn tại quan hệ tuyến tình giữa biến giải thích và biến phụ thuộc, trong mô hình có biến trễ. Khi ước lượng, độ vững của ước lượng GMM phụ thuộc vào giả định sai số không có tương quan chuỗi và giá trị của các biến công cụ sử dụng. Theo đó, Kiểm định Sargan giúp đánh giá vấn đề về sử dụng biến công cụ quá mức. Kiểm định Arellano–Bond được tác giả sử đụng nhằm đánh giá về tương quan chuỗi trong mô hình, qua đó cho thấy chất lượng của các biến công cụ.

Kết luận chương 3

Chương 3 giới thiệu mô hình nghiên cứu gồm các biến phụ thuộc là tỷ suất sinh lợi của ngân hàng, trong khi các biến độc lập lần lượt là cấu trúc vốn, quy mô, tỷ lệ tiền gửi, tiền vay, rủi ro ngân hàng, mức độ tập trung thị trường, tốc độ tăng trưởng GDP và lạm phát. Sử dụng dữ liệu bảng là số liệu của 27 NHTMCP Việt Nam, bài nghiên cứu sử dụng ước lượng GMM hệ thống để khắc phục cùng với các kiểm định Sargan và Arellano–Bond để đánh giá chất lượng của ước lượng.

Kết quả nghiên cứu sẽ được trình bày cụ thể trong chương 4. Kết quả nghiên cứu sẽ được trình bày cụ thể trong chương 4. Luận văn: PPNC cấu trúc vốn đến khả năng sinh lời của NH.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY: 

===>>> Luận văn: Kết quả nghiên cứu đến khả năng sinh lời của NH

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