Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng 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: Tác động của cạnh tranh và tập trung ngành đến ổn định ngân hàng nghiên cứu tại 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. Phương pháp đo lường

3.1.1. Phương pháp ổn định ngân hàng thương mại

Do ổn định ngân hàng còn là một khái niệm phức tạp, điều này dẫn đến hiện nay vẫn chưa có sự thống nhất trong cách đo lường sự ổn định của các NHTM. Một số nhà nghiên cứu đề xuất đo lường sự ổn định của hệ thống ngân hàng thông qua một chỉ tiêu đơn giản là tỷ lệ nợ xấu trên tổng dư nợ tín dụng, một cách khác để đo lường rủi ro trong hoạt động ngân hàng là tính toán mức độ biến động của lợi nhuận để đánh giá mức độ ổn định trong hoạt động cũng như khả năng sinh lợi của ngân hàng. Một chỉ tiêu phổ biến khác để đo lường ổn định hoạt động ngân hàng là hệ số Z-score.

Chỉ số này bắt nguồn từ nghiên cứu của Roy (1952) trong việc đo lường khả năng ngân hàng bị mất thanh khoản, tình trạng này xảy ra khi tổn thất trong hoạt động kinh doanh vượt quá VCSH của ngân hàng. Chỉ số Z-score được đo lường thông qua công thức: (1)

Trong đó:

• 𝑍 − 𝑠𝑐𝑜𝑟𝑒_𝑡: hệ số Z – score năm t
• 𝑅𝑂𝐴_𝑡: Tỷ suất sinh lợi trên tổng tài sản của các ngân hàng năm t
• 𝜎(𝑅𝑂𝐴)_𝑡: độ lệch chuẩn ROA của ngân hàng trong ba năm tại thời điểm năm t
• : tỷ lệ vốn cổ phần trên tổng tài sản ngân hàng năm t.

Với giả định lợi nhuận của NHTM có dạng phân phối chuẩn, do vậy, Z-score nghịch đảo có thể được dùng để ước lượng khả năng vỡ nợ của một ngân hàng (Jiménez & cộng sự, 2013). Một ngân hàng sẽ bị xem là vỡ nợ khi dự trữ vốn của họ bị sử dụng hết do tổn thất, nghĩa là khi lợi nhuận của ngân hàng bị âm ở mức đủ lớn dẫn tới ROA < E⁄A, khi đó, ngân hàng sẽ bị xem là phá sản. Z-score cao hơn nghĩa là ngân hàng ổn định hơn. Hệ số này đã đồng thời xem xét ổn định ngân hàng ở cả ba khía cạnh quan trọng trong hoạt động kinh doanh của ngân hàng, bao gồm mức an toàn vốn (đo lường thông quản VCSH/TTS), hiệu quả hoạt động (thông qua chỉ số ROA) và mức biến động hoạt động ngân hàng (thông qua độ lệch chuẩn của ROA) (Leaven & Levine, 2009). Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng.

Một số phiên bản khác của chỉ số Z-score ước tính độ lệch chuẩn của ROA chỉ trên một phần thời gian của mẫu, 3 năm hoặc 5 năm để làm chỉ số này trở nên nhạy hơn (Anginer & cộng sự, 2012). Tuy nhiên, theo Niu (2012) thì để đảm bảo tiêu chí số lượng quan sát được nhiều nhất có thể, giá trị độ lệch chuẩn ROA nên được tính toán trong toàn bộ giai đoạn nghiên cứu.

Như vậy, trong đề tài này tác giả sẽ sử dụng hệ số Z-score làm biến đại diện cho ổn định của hệ thống ngân hàng. Ngoài ra, tác giả còn sử dụng tỷ lệ nợ xấu trên tổng dư nợ để xem xét rủi ro tín dụng ngân hàng để từ đó đánh giá sử ổn định của một NHTM.

3.1.2. Phương pháp ước lượng mức độ tập trung thị trường

Để đo lường mức độ tập trung thị trường, các nhà nghiên cứu thường sử dụng các chỉ số giải thích mức độ cạnh tranh của cấu trúc thị trường được phát triển bởi Dickson (1980). Phương pháp phổ biến trong đo lường mức độ tập trung của ngân hàng là thông qua chỉ số HHI (Herfindahl-Hirschman), đây là chỉ số được sử dụng rộng rãi ở nhiều quốc gia khi đề cập đến mức độ tập trung và cạnh tranh trong lĩnh vực ngân hàng (Bikker & Haaf, 2002). Chỉ số này được xác định thông qua công thức: (2)

Trong đó: S_i: Thị phần ngân hàng thứ i;  n: Số lượng ngân hàng trong hệ thống

Chỉ số HHI có giá trị từ 1/n đến 1, HHI càng cao thì mức độ tập trung ngành càng lớn, cụ thể mức độ tập trung thị trường dựa trên cơ sở sau:

• 𝐻𝐻𝐼 < 0.01: Thị trường không mang tính tập trung.
• 0.01 ≤ 𝐻𝐻𝐼 ≤ 0.1: Thị trường có tính tập trung ở mức độ thấp
• 0.1 ≤ 𝐻𝐻𝐼 ≤ 0.18: Thị trường tập trung ở mức độ vừa phải
• 0.18 ≤ 𝐻𝐻𝐼: Thị trường có mức độ tập trung cao

3.1.3. Phương pháp đo lường mức độ cạnh tranh ngân hàng Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng.

Mức độ cạnh tranh của ngân hàng nhận được rất nhiều sự quan tâm của các nhà nghiên cứu, do vậy, phương pháp đo lường sức mạnh thị trường cũng rất đa dạng, nhưng nhìn chung có hai cách tiếp cận chính là cách tiếp cận cấu trúc và phi cấu trúc. Cách tiếp cận cấu trúc được phát triển dựa trên nền tảng lý thuyết mô hình Cấu Trúc – Hành vi – Kết quả (Structure – Conduct – Performance – SCP) do Bain (1951) phát triển. Mô hình này cho rằng cấu trúc ảnh hưởng đến hành vi và hình vi sẽ tác động đến kết quả, do vậy cấu trúc sẽ có ảnh hưởng đến kết quả. Mô hình SCP cho rằng, các ngân hàng sẽ được hưởng lợi từ các thị trường có mức độ tập trung cao, vi điều này cho pép họ tận dụng quyền lực thì trường và kiếm được các khoản lợi nhuận lớn thông qua việc đưa ra mức lãi suất thấp với người gửi tiền và áp đặt mức lãi suất cao đối với người vay vốn (Berger & cộng sự, 2004; Yeyati & Micco, 2007). Từ các lập luận này, lý thuyết SCP cho rằng cấu trúc thị trường ảnh hưởng đến các hành vi cạnh tranh của các ngân hàng, do vậy mức độ cạnh tranh sẽ được đo lường thông qua các thước đo liên quan đến mức độ tập trung ngành.

Đối với cách tiếp cận phi cấu trúc, Fungáčová & cộng sự (2010) cho rằng, thước đo mức độ cạnh tranh của ngân hàng nên bắt nguồn từ việc phân tích các hành vi của ngân hàng và cách tiếp cận này cần sử dụng dữ liệu được cung cấp bỏi các ngân hàng.

Lerner (1934) đã phát triển một chỉ số để đo lường sức mạnh thị trường dựa trên mức giá cao hơn so với chi phí biên của ngân hàng và thường được biết đến là chỉ số Lener. Boone (2008) đã xây dựng một chỉ số khác được gọi là chỉ số Boone thông qua việc tính hệ số co giãn của lợi nhuận trên mức chi phí của ngân hàng, giá trị chỉ số này càng cao nghĩa là mức độ cạnh tranh của các ngân hàng càng khốc liệt.

Các chỉ số đo lường này có thể được bổ sung hoặc thay thế cho nhau, nhưng theo Lapteacru (2014) các chỉ số này đôi khi lại cho ra các kết quả trái ngược nhau.

Thông qua phân tích thực nghiệm các ngân hàng tại Mỹ, Bolt & Humphrey (2015) không thể thay thế được cho nhau. Thước đo cạnh tranh theo cách tiếp cận cấu trúc có ưu thế là không đòi hỏi quá nhiều dữ liệu và dễ dàng tiếp cận được ở cấp độ quốc gia hoặc ngành. Tuy nhiên, chỉ số này chỉ mang tính chất tỉnh và ngắn hạn, và nó cùng cũng bỏ qua hành vi cạnh tranh giữa các doanh nghiệp trong ngành. Ngoài ra, giả định về cấu trúc quyết định tới hiệu quả hoạt động của ngân hàng cũng được cho là không phù hợp vì cấu trúc ngành có thể bị doanh nghiệp biến đổi khi họ theo đuổi lợi ích riêng. Nghiên cứu của Peltzman (1977) chỉ ra rằng cấu trúc thị trường của ngành có thể bị thay đổi do hiệu quả hoạt động của các ngân hàng có hiệu quả cao sẽ đẩy mạnh việc gia tăng quy mô và mở rộng thị phần, điều này thị trường sẽ trở nên tập trung hơn. Như vậy, phương pháp cấu trúc được cho là thiếu thực tế trong việc đo lường mức độ cạnh tranh của ngân hàng vì nó không xem xét hành vi của các ngân hàng trên thị trường Claessens & Laeven (2004). Dự trên dữ liệu từ các ngân hàng

Trung Quốc, Wu & cộng sự (2019) đã phân tích cả hai cách tiếp cận trên và kết luận rằng theo cách tiếp cận cấu trúc chỉ phù hợp trong việc đo lường mức độ tập trung ngành trong khi cách tiếp cận phi cấu trúc phù hợp với việc đo lượng mức độ cạnh tranh hoặc sức mạnh thị trường.

Đối với cách tiếp cận phi cấu trúc, Maudos & Solís (2011) cho rằng chỉ số Lerner phù hợp hơn chỉ số Boone. Chỉ số Boone khai thác sự dịch chuyển trong việc phân bổ từ đôn vị thiếu hiệu quả sang đơn vị hiệu quả, đây là một đặc tính nổi bật trong việc tăng cường sức mạnh thị trường, tuy nhiên, hiệu quả của ngân hàng đôi khi không chỉ thể hiện ở chị phí thấp hơn hay lợi nhuận cao hơn, do vậy chỉ số Lener được cho rằng là đáng tin cậy hơn khi nó bắt nguồn từ các vấn đề tối ưu hóa hoạt động của ngân hàng, do vậy cơ sở lý thuyết của Lener được đánh giá là vững chắc hơn so với chỉ số Boone (Maudos & Solís, 2011). Hơn thế nữa, hầu hết các phương pháp đo lường cạnh tranh thường dùng cho tổng thể cả ngành trong khi đó chỉ số Lener là một trong số ít phương pháp đo lường cạnh tranh ở cấp độ từng ngân hàng theo thời gian, nhờ vậy, chúng ta có thể phân tích được các hình vi khác nhau và đánh giá được sức mạnh cạnh tranh của các ngân hàng trong cùng một thị trường và giữa các năm (Berger & cộng sự, 2008). Coccorese (2009) nhận định rằng, chỉ số Lenner thể hiện những hành vi bắt nguồn từ cạnh tranh độc quyền, thậm chí là độc quyền của ngành ngân hàng do vậy nó phản ánh chính xác hơn sứ mạnh cạnh tranh của từng ngân hàng. Arrise (2010) cho rằng chỉ số Lener đã phản ánh được mối quan hệ giữa các biến quan trọng, giúp đánh giá tốt hơn sự nhất quán của các ngân hàng trong việc tận dụng sức mạnh thị trường và khả năng sinh lời. Vì các lý do này, nên chỉ số Lerner còn một số nhược điểm như không tính đến mức độ thay thế sản phẩm Vives (2008) hoặc không xem xét đến mức độ chấp nhận rủi ro của các ngân hàng De Guevara & cộng sự (2005), nhưng với các ưu thế của mình so với các chỉ tiêu khác, chỉ số Lenner được rất nhiều nhà khoa học sử dụng làm biến đại diện đo lường mức độ cạnh tranh của ngân hàng (De Guevara & cộng sự, 2007; Berger & cộng sự 2009; Ariss, 2010; Ahamed & Mallick, 2017).

Carbo-Valverde & cộng sự (2009) lập luận Lerner được xem là chỉ số đo lường cạnh tranh ngân hàng phù hợp nhất, nó đo lường mức chênh lệch giữa giá cả và chi phí cận biện, được đo lường thông qua phần trăm giá cả, nghĩa là chỉ số này phản ánh việc ngân hàng có thể định giá sản phẩm của họ cao hơn chi phí biên (Ahamed & Mallick, 2017). Berger & cộng sự (2009) cho rằng, Lerner là chỉ số phù hợp nhất để ước tính sức mạnh thị trường ở cấp từng ngân hàng, nó được hiểu là nghịch đảo của cạnh tranh, hàm ý rằng chỉ số Lerner càng lớn, sức mạnh thị trường của ngân hàng càng cao và thị trường ngân hàng kém cạnh tranh hơn. Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng.

Chỉ số Lerner được tính toán thông qua công thức: (3)

Trong đó:

• P: Giá đầu ra được ước tính bằng tổng doanh thu trên tổng tài sản.
• MC: Chi phí biên của ngân hàng.

Chi phí biên MC của ngân hàng không trực tiếp đo lường được, vì vậy Berger & cộng sự (2009); Assefa & cộng sự (2013) đã đề xuất đo lường biến số này một cách gián tiếp thông qua hai bước.

Bước 1: Ước lượng phương trình tổng chi phí (4)

Trong đó:

• TC: Tổng chi phí
• Q: Tổng tài sản
• W₁: giá vốn tiền gửi (tổng chi phí lãi/tổng tiền gửi)
• W₂: giá vốn vật chất (chi phí ngoài lãi/tổng tài sản cố định)
• W₃: giá lao động (chi phí tiền lương/tổng tài sản)

Tác giả sẽ sử dụng hồi quy Bayes với phân phối thông tin tiên nghiệm là N(0, 100) để ước tính các hệ số trong phương trình tổng chi phí.

Bước 2: Sau khi thu được các hệ số từ việc hồi quy Bayes phương trình tổng chi phí, tác giả tiếp ước tính chi phí biên (MC), được xác định bằng cách lấy đạo hàm cấp một của phương trình tổng chi phí (5)

Sau khi ước tính được MC, tác giả sẽ thay giá trị này vào phương trình (3) để ước tính chỉ số Lerner. Giá trị này càng thấp thì sức mạnh thị trường của từng ngân hàng càng thấp, đồng nghĩa mức độ cạnh tranh trên thị trường càng cao và ngược lại.

3.2. Mô hình nghiên cứu và giả thuyết nghiên cứu Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng.

Từ cơ sở lý thuyết và các nghiên cứu trước, có thể thấy tác động của cạnh tranh đến ổn định vẫn nhiều sự tranh cải, nghiên cứu của Goetz (2018) chỉ ra rằng cạnh tranh sẽ giúp cải thiện ổn định ngân hàng, ngược lại Leroy & Lucotte (2017) và SaifAlyousfi, Saha & Md-Rus (2018) cho rằng cạnh tranh sẽ làm tăng sự rủi ro cho hệ thống ngân hàng. Do vậy, để đánh giá tác động của cạnh tranh ngân hàng đến ổn định tài chính, tác giả sẽ kiểm định hai giả thuyết đối ứng như sau:

• Giả thuyết 1: Cạnh tranh làm tăng sự ổn định của ngân hàng.
• Giả thuyết 2: Cạnh tranh làm giảm sự ổn dịnh của ngân hàng.

Mặc dù hầu hết kết quả của các nghiên cứu thực nghiệm gần đây đều cho thấy tập trung ngân hàng làm giảm sự ổn định của hệ thống ngân hàng (Saif-Alyousfi, Saha & Md-Rus, 2018 và JItsma, Spierdijk & Shaffer, 2017), nhưng Berger (1995) lập luận rằng, tập trung ngân hàng sẽ tạo ra các ngân hàng lớn mạnh, điều này sẽ tạo ra điều kiện thuận lợi cho việc thu thập thông tin, giám sát khoản vay, giảm nợ xấu sẽ nâng cao hơn sự ổn định của các ngân hàng này. Hơn thế nữa, các ngân hàng này cũng giữ một vị thế quan trọng trong hệ thống ngân hàng, do vậy, sự ổn định của các ngân hàng này sẽ giúp lành mạnh hệ thống tài chính quốc gia. Như vậy, tương tự với yếu tố cạnh tranh, để đánh giá tác động của tập trung ngành đến ổn định ngân hàng thì tác giả cũng sẽ kiểm định hai giả thuyết đối ứng sau:

• Giả thuyết 3: Tập trung ngành giúp cải thiện sự ổn định ngân hàng.
• Giả thuyết 4: Tập trung ngành làm giảm sự ổn định ngân hàng.

Ngoài phân tích tác động của cạnh tranh và tập trung ngành đến ổn định hệ thống ngân hàng, tác giả cũng xem xét sự ảnh hưởng các yếu tố thuộc nội tại ngân hàng đến ổn định ngân hàng, cụ thể:

Vốn chủ sở hữu trên Tổng tài sản (VCSH/TTS). Anginer & Demirgüç-Kunt (2014) khẳng định rằng việc các NHTM gia tăng tỷ lệ VCSH sẽ giúp cải thiện khả năng kháng cự của ngân hàng trước các cú sốc thu nhập, đảm bảo năng lực tài chính cho ngân hàng trong việc đáp ứng nhu cầu rút tiền cũng như các thỏa thuận khác với khách hàng. Anginer & Demirgüç-Kunt (2014) cũng đã cho rằng khi tấm đệm vốn cao sẽ giúp chủ sở hữu các ngân hàng thương mại giám sát chặt chẽ hơn các hoạt động đầu tư của ngân hàng. Nhiều bằng chứng thực nghiệm đã ủng hộ quan điểm này, Aggarwal & Jacques (1998) sử dụng dữ liệu ngân hàng thương mại trong giai đoạn 1990 đến 1993 tại Mỹ đã phát hiện việc các ngân hàng duy trì tỷ lệ vốn trên mức dự trữ bắt buộc đã giúp họ ngăn chặn những sự sụp đổ trong các tình huống nghiêm trọng bất ngờ. Editz & cộng sự (1998) đã chứng minh các quy định về dự trữ bắt buộc có tác động tích cực đến sự ổn định và lành mạnh của hệ thống ngân hàng tại Vương quốc Anh. Bouwman & cộng sự (2013) cũng đưa ra nhận định về tác động tích cực của tỷ lệ VCSH đối với sự tồn tại của các ngân hàng nhỏ. Từ các nghiên cứu thực nghiệm này, tác giả đưa ra giả thuyết thứ 5: Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng.

• Giả thuyết 5: Tỷ lệ VCSH trên TTS giúp cải thiện sự ổn định hệ thống ngân hàng.

Quy mô ngân hàng, được thể hiện qua tổng tài sản ngân hàng càng lớn, sẽ tạo điều kiện cho các ngân hàng cải thiện quy trình tín dụng, họ có nhiều nguồn lực để phân bổ cho quá trình phân tích tín dụng, giảm thiểu thông tin bất cân xứng, giúp nâng cao chất lượng các khoản vay. Ngoài ra, các ngân hàng có quy mô lớn sẽ dễ dàng hơn trong việc thực hiện đa dạng hóa các khoản đầu tư của mình, nhờ vậy giảm thiểu rủi ro kinh doanh. Adusei (2015) cho rằng các ngân hàng có quy mô tài sản lớn có thể xây dựng “vùng đệm vốn hóa” cao, điều này sẽ giúp họ ít nhạy cảm hơn trước các cú sốc thanh khoản và các cú sốc vĩ mô khác; bên cạnh đó, các ngân hàng lớn có thể củng cố giá trị điều lệ, điều này cho phép họ ngăn chặn những hành vi chấp nhận rủi ro của nhà quản lý, qua đó cải thiện sự lành mạnh tài chính của ngân hàng. Các nghiên cứu của Saif-Alyousfi, Saha & Md-Rus (2018); Leroy & Lucotte (2017) và JItsma, Spierdijk & Shaffer (2017) đều đưa ra bằng chứng quy mô ngân hàng giúp nâng cao tính ổn định của ngân hàng, do vậy tác giả sẽ đưa ra giả thuyết tiếp theo như sau:

• Giả thuyết 6: Quy mô ngân hàng sẽ cải thiện sự ổn định ngân hàng.

Bên cạnh yếu tố vốn, quy mô ngân hàng, đa dạng hóa hoạt động, được đo lường thông qua thu nhập phi lãi, cũng ảnh hưởng đáng kể đến sự ổn định của các ngân hàng. Odesanmi & Wolfe (2007) nhận định rằng, các hoạt động giúp tạo ra thu nhập phi lãi như dịch vụ thanh toán, dịch vụ thẻ, bán bảo hiểm qua kênh ngân hàng… được mở rộng sẽ giúp các ngân hàng tận dụng tối đa cơ sở hạ tầng cũng như nguồn nhân lực, qua đó giúp giảm chi phí hoạt động trên doanh thu giảm, giúp gia tăng lợi nhuận. Hơn thế nữa, phát triển các dịch vụ ngoài lãi sẽ giúp các ngân hàng phân tán và giảm thiểu rủi ro, đặc biệt là rủi ro tín dụng. Do vậy, tác giả đề xuất giả thuyết thứ 7 như sau:

• Giả thuyết 7: Đa dạng hóa giúp giảm thiểu rủi ro của ngân hàng.

Adrian & Shin (2013) nhận định rằng, khi các NHTM mở rộng chính sách tín dụng, họ sẽ có xu hướng hạ thấp tiêu chuẩn vay vốn, đẩy mạnh xét duyệt các khoản vay rủi ro hơn nhằm theo đuổi lợi nhuận. Ngoài ra, khi các ngân hàng đồng thời mở rộng hoạt động cho vay, điều này thường diễn ra trong giai đoạn ngân hàng trung ương nới lỏng chính sách tiền tệ để đối phó với suy thoái kinh tế, giải pháp này có thể thúc đẩy tăng trưởng kinh tế; tuy nhiên việc mở rộng chính sách tín dụng có thể tích lũy rủi ro tiềm ẩn, gây ra tình trạng bong bóng tài sản, đặc biệt là bất động sản dẫn tới nguy cơ nợ xấu của các ngân hàng tăng cao, dẫn tới sự ổn định của hệ thống ngân hàng bị xói mòn (Bernanke & Gertler, 1989). Từ các lập luận này, giả thuyết 8 của nghiên cứu này được đề xuất:

• Giả thuyết 8: Tăng trưởng tín dụng làm giảm sự ổn định của các ngân hàng.

Bên cạnh các yếu tố nội tại, tác giả cũng xem xét tác động của quan điểm chính sách tiền tệ, được đo lường thông qua lãi suất chính sách, đến sự ổn định hệ thống ngân hàng. Freixas & cộng sự (2016), Altunbas & cộng sự (2018) cho rằng khi chính sách tiền tệ được nới lỏng trong thời gian dài sẽ có khuynh hướng làm xói mòn sự ổn định của các ngân hàng. Cơ chế tác động này thường được phân tích qua hai khía cạnh: Thứ nhất, khi NHTW duy trì một mức lãi suất chính sách thấp trong thời gian dài để hỗ trợ tăng trưởng kinh tế, điều này có thể phát một tín hiệu đến cho các NHTM và thúc đẩy họ gia tăng tỷ lệ đòn bẩy tài chính, mở rộng hoạt động đầu tư vào các dự án rủi ro hơn với kỳ vọng suất sinh lợi cao hơn (Altunbas & cộng sự, 2018). Bên cạnh đó, khi NHTW nới lỏng cung tiền, NHTM sẽ là kênh truyền dẫn chính dòng tiền này thông qua hoạt động tín dụng. Để giải phóng lượng vốn hấp thụ, họ có thể sẽ giảm tiêu chuẩn tín dụng, dẫn tới chất lượng khoản vay giảm, do vậy nợ xấu có nguy cơ tăng lên, điều này sẽ làm xói mòn sự lành mạnh tài chính của các NHTM (Mishkin, 2012).

Thứ hai, khi lãi suất chính sách giảm, năng lực trả nợ của người đi vay sẽ tăng lên, điều này sẽ khuyến khích họ gia tăng vay vốn để tài trợ cho các hoạt động đầu tư rủi ro của mình như thị trường chứng khoán hoặc bất động sản. Việc dòng vốn liên tục chảy vào khu vực tài sản có thể kích hoạt chu kỳ bùng nổ giá tài sản (Jiménez & cộng sự, 2012), hậu quả khi bong bóng tài sản bị vỡ, nợ xấu của các ngân hàng sẽ tăng mạnh, gây ra nguy cơ mất khả năng thanh khoản cho các ngân hàng. Cuộc khủng hoảng cho vay dưới chuẩn vào năm 2007 ở Mỹ là một ví dụ rõ nét cho tác động này. Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng.

Từ những phân tích này, tác giả đề xuất giả thuyết tiếp theo cho nghiên cứu như sau:

• Giả thuyết 9: Lãi suất chính sách thấp làm tăng rủi ro của hệ thống ngân hàng.

Bên cạnh các yếu tố nội tại của ngân hàng, tác giả cũng xem xét tác động của các yếu tố vĩ mô đến ổn định ngân hàng là tăng trưởng kinh tế và lạm phát. Theo Kjosevski & cộng sự (2019) thì kinh tế tăng trưởng cao sẽ giúp thu nhập khả dụng của cá nhân và hộ gia đình tăng, điều này sẽ giúp cải thiện được năng lực hoàn thành nghĩa vụ tài chính của người đi vay, và hơn thế nữa khi thu nhập tăng sẽ khuyến khích chi tiêu của nền kinh tế, qua đó tác động tích cực đến hoạt động của các doanh nghiệp, từ đó giúp giảm nợ xấu và gia tăng sự lành mạnh của hệ thống ngân hàng. Ngược lại, lạm phát sẽ làm giảm thu nhập thực của các chủ thể trong nền kinh tế, giảm khả năng chi tiêu của các chủ thể, điều này dẫn đến ứ đọng hàng hóa và hậu quả là lợi nhuận của các doanh nghiệp sẽ giảm, thậm chí thua lỗ, nợ xấu trong nền kinh tế tăng và làm giảm sự ổn định của các ngân hàng (Abuzayed & cộng sự, 2018). Như vậy, các giả thuyết tiếp theo trong nghiên cứu này là:

• Giả thuyết 10: Tăng trưởng kinh tế giúp cải thiện ổn định ngân hàng.
• Giả thuyết 11: Lạm phát làm giảm sự ổn định của ngân hàng.

Ngoài nhân tố tăng trưởng kinh tế và lạm phát ảnh hưởng đến hoạt động ngân hàng, đại dịch Covid-19 xuất hiện vào cuối năm 2020 và bùng nổ trong năm 2021 đã gây ra những tác động nghiêm trọng đến nền kinh tế Việt Nam cũng như các nước trên thế giới. IFM (2021) nhận định rằng, tác động của đại dịch Covid là nghiêm trọng hơn rất nhiều so với các với các dịch bệnh đã xãy ra như SARS năm 2001, dịch cúm H1N1 (2009), dịch hô hấp Trung Đông MERS (2012), Ebola (2013), Zika (2015). Không chỉ tổn thất về người, mức độ tổn thất về kinh tế thậm chí còn vượt xa cuộc khủng hoảng tài chính 2008. Từ nhận định này, tác giả đưa ra giả thuyết:

Giả thuyết 12: Đại dịch Covid-19 làm xói mòn sự ổn định của hệ thống ngân hàng.

Từ các giả thuyết nghiên cứu, tác giả đề xuất mô hình nghiên cứu như sau:

Mô hình 1:  LnZscore_i,t = α₁HHI_t + α₂LERNER_i,t + α₃SIZE_i,t + α₄CAP_i,t + α5NITAi,t+α6CREi,t + α7ITPi,t + α8GDPt + α9INFt+α10COVIDt + εi,t

Mô hình 2: NPL_i,t = β₁HHI_t + β₂LERNER_i,t + β₃SIZE_i,t + β₄CAP_i,t + β5NITAi,t+β6CREi,t + β7ITPi,t + β8GDPt + β9INFt + β10COVIDt + εi,t với i là ngân hàng thứ i và t là thời gian

Bảng 3.1. Mô tả các biến trong mô hình Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng.

Nguồn: Tổng hợp của nhóm tác giả

3.3. Phương pháp ước lượng – Cách tiếp cận Bayes

Mặc dù, ổn định ngân hàng thường được các nghiên cứu tiến hành theo cách tiếp cận kinh tế lượng tần suất, nhưng nhược điểm lớn của phương pháp này chính là độ chính xác của mô hình phụ thuộc lớn vào số lượng quan sát trong mẫu nghiên cứu, tuy nhiên không phải lúc nào cũng dễ dàng có được số lượng quan sát lớn. Muthén & Curran (1997) nhận định rằng, một nghiên cứu được tiến hành với số lượng mẫu không đủ lớn có thể dẫn đến rủi ro thổi phồng sai lầm lại II, điều này sẽ làm giảm sự chính xác trong việc suy diễn các kết quả thống kê. Để khắc phục vấn đề này, các nhà nghiên cứu sẽ tiến hành nghiên cứu trên một tổng thể lớn nhằm đáp ứng yêu cầu về số quan sát tuy nhiên điều này sẽ khiến các nhà nghiên cứu không thể phân tích một nhóm nhỏ đối tượng đặc thù mà mình quan tâm.

Đối với cách tiếp cận Bayes, nhà nghiên cứu không chỉ dựa vào dữ liệu mình thu thập được mà dữ liệu này còn có thể kết hợp với thông tin tiên nghiệm để tiến hành nghiên cứu thông qua việc tính toán phân phối hậu nghiệm. Mariëlle & cộng sự (2017) khẳng định rằng phân tích dữ liệu theo trường phái Bayes có thể khắc phục được nhược điểm mẫu nhỏ nhờ vào việc suy diễn kết quả nghiên cứu dưới dạng phân phối xác suất các giá trị tham số, bất kể về kích thước mẫu.

Ngoài khắc phục được vấn đề mẫu nhỏ, cách diễn giải các kết quả thống kê của trường phái Bayes cũng được cho là phù hợp với thực tế hơn là cách tiếp cận tần suất truyền thống (Hung & Thach, 2018; Hung & cộng sự, 2019). Cụ thể, với cách tiếp cận tần suất giả định rằng, các hệ số hồi quy trong mô hình là chưa biết nhưng cố định, hệ số này được tính thông qua vô số lần thí nghiệm giống nhau và lặp đi lặp lại.

Giả định này được cho là phù hợp với lĩnh vực về khoa học tự nhiên hơn là khoa học xã hội (Nguyễn Ngọc Thạch & Nguyễn Trần Xuân Linh, 2019). Ví dụ, chúng ta rất khó để có thể thuyết phục được các nhà hoạch định chính sách rằng các yếu tố tác động đến ổn định ngân hàng là một thí nghiệm được lặp đi lặp lại trong nhiều năm với các điều kiện giống nhau hoàn toàn. Trong khi đó, phân tích Bayes được dựa trên giả định các dữ liệu quan sát là cố định và hệ số hồi quy được xem là đại lượng ngẫu nghiên, nó có dao động, nó chịu ảnh hưởng bởi các yếu tố gây nhiễu phụ thuộc vào đặc thù của từng đối tượng. Vì vậy, kết quả hồi quy Bayes sẽ được thể hiện qua hàm phân phối xác suất hậu nghiệm. Tóm lại, cách tiếp cận Bayes sẽ trả lời câu hỏi nghiên cứu thông qua phân phối cho thông số trong mô hình, trong khi phân tích tần suất cung cấp ước lượng điểm cho các hệ số hồi quy, điều này làm cho cách diễn giải của phương pháp Bayes phù hợp với thực tế hơn (Nguyễn Ngọc Thạch & cộng sự, 2021). Tuy nhiên, Bayes cũng có nhược điểm lớn do Bayes là thuật toán phức tạp nên chi phí tính toán lớn, nhưng McNeish (2016) nhấn mạnh rằng với sự phát triển mạnh mẽ của khoa học máy tính thì phương pháp Bayes đã trở nên dễ tiếp cận và phổ biến hơn, ngày càng có nhiều nghiên cứu thực nghiệm đã chuyển hướng sang cách tiếp cận Bayes để mô hình hóa dữ liệu mẫu nhỏ. Van de Schoot (2016) đã ghi nhận rằng số lượng nghiên cứu thực nghiệm sử dụng phương pháp Bayes đã tăng gần gấp 5 lần từ năm 2010 đến năm 2015. Cũng vì lý do này, tác giả sẽ áp dụng kinh tế lượng Bayes để đánh giá tác động của cạnh tranh và tập trung ngành đến ổn định hệ thống ngân hàng thương mại Việt Nam giai đoạn 2011-2021.

Để tiến hành phân tích mô phỏng Bayes trong nghiên cứu này, tác giả sẽ áp dụng thuật toán Metropolis-Hastings, kích thước chuỗi MCMC là 10.000 cùng với cách lấy mẫu Gibbs để tăng hiệu quả trong mô phỏng chuỗi MCMC. Do các nghiên cứu trước được thực hiện theo cách tiếp cận tần suất, nên thông tin tiên nghiệm trong nghiên cứu này là không có sẵn. Tuy nhiên, với số liệu thu thập từ 27 NHTM trong giai đoạn 2011-2021 là tương đối lớn, phân phối tiên nghiệm sẽ tác động không quá đáng kể đối với phân phối hậu nghiệm. Vì vậy, đối với trường hợp mẫu lớn và thông tin tiên nghiệm không có sẵn, Block & cộng sự (2011) đề xuất phân bố Gaussian với các phân phối khác nhau cho các mô hình nghiên cứu, và sau đó sử dụng phân tích nhân tố Bayes để lựa chọn mô phỏng có thông tin tiên nghiệm phù hợp nhất với dữ liệu mô hình nghiên cứu.

Bảng 3.2. Mô phỏng thông tin tiên nghiệm Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng.

Nguồn: Tổng hợp của tác giả Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng.

Các mô phỏng tại bảng 3.2 thể hiện mức độ thông tin trong các tiên nghiệm giảm dần với Mô phỏng 1.1 (đối với mô hình 1), Mô phỏng 2.1 (đối với mô hình 2) có thông tin tiên nghiệm mạnh nhất và Mô phỏng 1.5 (đối với mô hình 1), Mô phỏng 2.5 (đối với mô hình 2) có thông tin tiên nghiệm yếu nhất. Sau khi thiết lập các mô phỏng với mức độ thông tin khác nhau cho các tiên nghiệm trong mô hình nghiên cứu, tác giả sẽ thực hiện hồi quy các mô phỏng được đề xuất. Bước tiếp theo, kỹ thuật phân tích nhân tố Bayes (Bayes Factor) và Kiểm định mô hình Bayes (Bayes Test Model) sẽ được sử dụng để lựa chọn các mô phỏng có thông tin tiên nghiệm phù hợp với dữ liệu mô hình nghiên cứu. Sau khi lựa chọn được thông tin tiên nghiệm phù hợp, tác giả sẽ tiến hành mô phỏng mô hình Bayes và thực hiện phân tích kết quả mô phỏng.

Kết luận chương 3

Dựa trên cơ sở lý thuyết và tổng quan các nghiên cứu trước đã được trình bày tại chương 2, trong chương này, luận văn đã trình bày các phương pháp đo lường tập trung ngành, cạnh tranh ngân hàng và ổn định ngân hàng. Đồng thời, dựa vào các nghiên cứu đã được thực hiện, tác giả đã đề xuất các giả thuyết nghiên cứu và mô hình nghiên cứu; theo đó, bên cạnh tập trung ngành và cạnh tranh ngân hàng, tác giả còn xem xét về vai trò của các yếu tố khác bao gồm các yếu tố thuộc nội tại ngân hàng gồm quy mô ngân hàng, tỷ lệ VCSH trên tổng tài sản, tốc độ tăng trưởng tín dụng của các ngân hàng, đa dạng hóa hoạt động được đo lường thông qua thu nhập ngoài lãi, các yếu tố kinh tế vĩ mô bao gồm lãi suất chính sách, tăng trưởng kinh tế GDP và lạm phát. Ngoài ra, trong nghiên cứu này tác giả còn xem xét tác động của đại dịch Covid đến ổn định ngân hàng. Bên cạnh đó, trong chương này tác giả còn giới thiệu về phương pháp kinh tế lượng Bayes, các lợi thế của Bayes trong phân tích định lượng đặc biệt là vấn đề mẫu nhỏ. Luận văn: PPNC Tác động của cạnh tranh đến ổn định ngân hàng.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY: 

===>>> Luận văn: Kết quả nghiên cứu cạnh tranh đến ổn định 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