Luận văn Thạc sĩ Kinh tế: Rủi ro hệ thống của ngân hàng Việt Nam và các cú sốc kinh tế vĩ mô

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC KINH TẾ TP.HCM

----------

THÁI MỸ PHƢƠNG

RỦI RO HỆ THỐNG CỦA NGÂN HÀNG VIỆT NAM VÀ CÁC CÚ SỐC KINH TẾ VĨ MÔ

LUẬN VĂN THẠC SĨ KINH TẾ

Tp.HCM- Năm 2017

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC KINH TẾ TP.HCM

----------

THÁI MỸ PHƢƠNG

RỦI RO HỆ THỐNG CỦA NGÂN HÀNG VIỆT NAM

VÀ CÁC CÚ SỐC KINH TẾ VĨ MÔ

Chuyên ngành: Tài chính- Ngân hàng

Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƢỜI HƢỚNG DẪN KHOA HỌC:

PGS. TS. HỒ VIẾT TIẾN

Tp.HCM- Năm 2017

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi.Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác.

Tp. Hồ Chí Minh, năm 2017

Tác giả

Thái Mỹ Phương

MỤC LỤC

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC VIẾT TẮT

DANH MỤC HÌNH VẼ

DANH MỤC BẢNG BIỂU

Chương 1. Giới thiệu ........................................................................................................... 3

Chương 2. Nền tảng lý thuyết của bài nghiên cứu và nội dung các nghiên cứu trước đây . 6

2.1. Nền tảng lý thuyết: ................................................................................................. 6

2.1.1. Rủi ro hệ thống ............................................................................................ 6

2.1.2. Cú sốc vĩ mô ................................................................................................ 9

Vấn đề khai thác tín hiệu , rủi ro, sự không chắc chắn và hành vi có hệ

2.1.3. thống của các ngân hàng ............................................................................................ 11

2.2. Các nghiên cứu trước đây .................................................................................... 12

Chương 3. Nguồn dữ liệu và phương pháp nghiên cứu .................................................... 18

3.1. Mô tả dữ liệu ........................................................................................................ 18

3.1.1 Các biến đại diện cho hành vi nhất quán (bầy đàn) của của ngân hàng: ...... 18

3.1.2 Đòn bẫy tổng hợp (dtl): ................................................................................. 21

3.1.3. Tăng trưởng GDP đo lường mức sức mạnh tăng trưởng kinh tế. .............. 22

3.1.4. Lạm phát là nhân tố bóp méo tín hiệu đưa ra bởi giá cả tương đối. .......... 25

3.1.5. Output gap đo lường chu kỳ kinh doanh. .................................................. 26

3.2. Phương pháp nghiên cứu: .................................................................................... 29

3.2.1 Mô hình trong bài nghiên cứu trong bài nghiên cứu của Christian Calmes và Raymond Theoret (2014) .......................................................................................... 29

3.2.2 Mô hình EGARCH của Nelson (1991) ......................................................... 33

3.2.3 Phương pháp nghiên cứu trong bài ............................................................... 34

Chương 4. Kết quả nghiên cứu .......................................................................................... 37

4.1. Kiểm định tính dừng ............................................................................................ 37

4.2. Ước lượng OLS và kiểm định phương sai thay đổi (ARCH test) ....................... 38

4.3. Ước tính EGARCH cho disp(lta) và disp(snonin) ............................................... 40

4.4. Khả năng giải thích của rủi ro và sự không chắc chắn của vĩ mô với rủi ro hệ thống 45

4.5. Kiểm tra tính vững của mô hình bằng cách lượng cho lta và snonin .................. 47

Chương 5. Kết luận ............................................................................................................ 51

DANH MỤC VIẾT TẮT

ADF: Thống kê kiểm định Dickey-Fuller

AIC:Tiêu chuẩn thông tin Akaike

AR:Quá trình tự hồi quy

ARMA:Quá trình trung bình trượt tự hồi quy

EGARCH:Mô hình GARCH dạng mũ

GDP:Tổng sản phẩm quốc nội

MA:Quá trình trung bình trượt

ECB: Ngân hàng Trung ương Châu Âu

DANH MỤC HÌNH VẼ

Hình 3.1: Biểu đồ tỷ số cho vay / tài sản (lta) và tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (snonin) trung bình của các ngân hàng ở Việt Nam trong giai đoạn nghiên cứu ......................................................................................................................... 20

Hình 3.2: Biểu đồ tăng trưởng GDP theo quí 1 năm 2006 đến quí 4 năm 2010. ............. 23

Hình 3.3: Biểu đồ tăng trưởng GDP và phương sai tỷ số dư nợ/ tài sản từ quý 1 năm 2013 đến quý 3 năm 2016.................................................................................................. 24

Hình 3.4: Biểu đồ tăng trưởng GDP và phương sai tỷ số thu nhập ngoài lãi/ thu nhập hoạt động thuần từ quý 1 năm 2013 đến quý 3 năm 2016. ...................................................... 24

Hình 3.5: Biểu đồ của biến inf đại diện cho rủi ro lạm phát từ quý 1 năm 2013 đến quý 3 năm 2016. .......................................................................................................................... 25

DANH MỤC BẢNG BIỂU

Bảng 2.1: Kỳ vọng về dấu. ................................................................................................ 15

Bảng 3.1: Thống kê mô tả cho dữ liệu ngân hàng. ............................................................ 19

Bảng 3.2: Thống kê mô tả cho dữ liệu mức đòn bẩy tổng hợp. ........................................ 22

Bảng 3.3: Tóm tắt nguồn dữ liệu. ...................................................................................... 27

Bảng 4.1: Kết quả kiểm định tính dừng của các biến trong mô hình. ............................... 37

Bảng 4.2 : Kết quả tính dừng sai phân bậc 1. .................................................................... 37

Bảng 4.3: Kết quả ước tính OLS cho disp(lta) và disp(snonin) ........................................ 38

Bảng 4.4 : Kết quả kiểm định phương sai thay đổi (ARCH-test). .................................... 39

Bảng 4.5 : Kết quả EGARCH(1,1) .................................................................................... 42

Bảng 4.6 : Độ co dãn ngắn và dài hạn của các chỉ số vĩ mô và đòn bẩy tổng hợp. .......... 46

Bảng 4.7 : Kiểm định tính dừng của lta và snonin ............................................................ 48

Bảng 4.8 : Kết quả EGARCH(1,1) cho lta và snonin ....................................................... 49

Tóm tắt bài nghiên cứu

Đề tài nghiên cứu này thực hiện kiểm tra rủi ro hệ thống (systemic risk) của ngân hàng Việt Nam trong mối quan hệ với các cú sốc kinh tế vĩ mô. Ý tưởng của bài nghiên cứu là về hành vi đồng nhất của các ngân hàng khi có các cú sốc kinh tế vĩ mô tạo nên rủi ro hệ thống hay nói khác hơn liệu rằng các ngân hàng có hành động giống nhau (như là một nhóm) khi đối mặt với những rủi ro và sự không chắc chắn của kinh tế vĩ mô. Phương pháp tiếp cận của bài nghiên cứu là mô hình EGARCH. Mô hình EGARCH được sử dụng trong bài nghiên cứu vì nó có thể giải quyết được các vấn đề được đặt ra trong các bài nghiên cứu trước là về vấn đề phương sai thay đổi và tác động sự bất đối xứng mà mô hình OLS và GMM không thể khắc phục được. Mô hình ước tính tác động rủi ro và sự không chắc chắn của các nhân tố vĩ mô với phương sai của của lta (tỷ số dư nợ /tổng tài sản) và snonin (tỷ số thu nhập ngoài lãi /thu nhập hoạt động ròng) như trong mô hình trong bài nghiên cứu của Baeudry (2001) và được phát triển bởi Baun và các cộng sự (2002,2004, 2009), Quagliariello (2007, 2009) và Christian Calmes, Raymond Theoret (2014) và đã được điều chỉnh để phù hợp với Việt Nam. Mối quan hệ trong bài được nghiên cứu trong bối cảnh ngân hàng dựa vào thị trường.

Biến đại diện để đo lường rủi ro hệ thống ngân hàng là disp(lta) và disp(snonin) là phương sai của tỷ số lta và snonin, khi disp(lta) và disp giảm nghĩa là các ngân hàng hành động đồng nhất hơn trước các cú sốc vĩ mô, do đó làm tăng rủi ro hệ thống. Các nhân tố kinh tế vĩ mô trong mô hình nghiên cứu là tốc độ tăng trưởng kinh tế, lỗ hổng sản lượng (output_gap), lạm phát đại diện cho rủi ro vĩ mô. Ngoài ra, còn có các biến sự không chắc chắn trong tăng trưởng GDP và sự không chắc chắn lạm phát được tính bằng phương sai có điều kiện của tăng trưởng GDP và lạm phát. Sự khác biệt của bài so với các nghiên cứu trước là có sự phân biệt giữa rủi ro va sự không chắc chắn. Chúng là những nhân tố được cho rằng là tác động đến rủi ro hệ thống của ngân hàng tại Việt Nam, dữ liệu được thu thập hàng quý trong giai đoạn quý 1 năm 2006 đến quý 3 năm 2016. Bài nghiên cứu đã tìm ra mối quan hệ nghịch chiều giữa disp(lta) và disp(snonin) với các sự không chắc chắn trong tăng trưởng, sự không chắc chắn trong lạm phát. Kết quả phù hợp với giả thuyết của bài nghiên cứu và kết quả của các nghiên cứu trước đây. Nhờ kết quả của mô hình EGARCH (1,1), bài nghiên cứu cũng cho thấy có sự tác động của disp(lta) và disp(snonin) trong qua khứ đến hiện tại, do độ trễ của biến phụ thuộc trong mô hình có ý nghĩa thống kê. Bài nghiên cứu đã sử dụng mô hình EGARCH để ước tính do đó có sự phân biệt được ảnh hưởng của cú sốc âm và cú sốc

dương, kết quả cho thấy trong phạm vi các biến vĩ mô trong nghiên cứu cho ta kết quả có tồn tại hiệu ứng đòn bẫy trong thời kỳ nghiên cứu. Tiếp sau các mô hình nghiên cứu, để so sánh sức ảnh hưởng của các yếu tố ngoại sinh chính xác hơn, hệ số co dãn sẽ được tính toán cho từng biến vĩ mô. Qua đó ta thấy đòn bẩy là mạnh nhất, đặc biệt là khi tính cho disp(lta), điều đó cho thấy đòn bẩy có tác động khá lớn với các hoạt động cho vay tại các ngân hàng ở Việt Nam. Để bảo đảm tính vững cho kết quả nghiên cứu trong phần sau của bài sẽ tiến hành ước lượng EGARCH trực tiếp cho biến lta và snonin, với kỳ vọng là cùng có mối quan hệ tương tự giữa lta và snonin như chúng ta thấy giữa disp(lta) và disp(snonin). Kết quả kiểm tra phù hợp với mô hình ước tính ở phần trên của bài nghiên cứu.

Chƣơng 1. Giới thiệu

Bất ổn tài chính và khủng hoảng là hiện tượng định kỳ trong lịch sử, mặc dù không thường xuyên (Kindleberger, 1978; Reinhart và Rogoff, 2009). Cuộc khủng hoảng nổ ra vào tháng 8 năm 2007 và đến tháng 9 năm 2008 với sự sụp đổ của Lehman Brothers kết hợp với một số sự kiện khác đã trở thành sự sụp đổ có hệ thống. Đây là một trong những minh họa rõ ràng nhất trong lịch sử về một thực tế rằng hệ thống tài chính có thể có "rủi ro hệ thống" (systemic risk), trong đó các ngân hàng đóng một vai trò đặc biệt quan trọng. Một ví dụ khác là các cuộc khủng hoảng ngân hàng trong thời kỳ Đại khủng hoảng năm 1930 và của Nhật Bản và các nước Bắc Âu trong những năm 1990. Trong khi các nghiên cứu trước đó đã đưa ra nhiều yếu tố tác động sự bất ổn tài chính, song hiện nay rủi ro hệ thống (systemic risk) đang được chấp nhận rộng rãi như là một khái niệm cơ bản cho các nghiên cứu về những bất ổn tài chính nghiêm trọng.

Sau sự sụp đổ của Lehman Brothers năm 2008 gây ra các tác động lan tỏa này dẫn đến hiệu ứng đô-mi-nô và gây ra rủi ro nghiêm trọng đến hệ thống tài chính tại Mỹ. Sau sự kiện sụp đổ của hàng loạt các ngân hàng của Mỹ thì vấn đề rủi ro hệ thống (systemic risk) đặt biệt được quan tâm. Các bài nghiên cứu gần đây đã tập trung vào nghiên cứu những rủi ro hệ thống trong các mạng lưới phức tạp hơn. Rõ ràng, trong cuộc khủng hoảng năm 2008, các hành vi theo nhóm do sự tương tác giữa các công ty không phải là đơn giản và rất khó khăn để dự đoán. Trong thời gian gần đây, các nhà nghiên cứu đã tập trung vào các vấn đề đo lường và tránh rủi ro hệ thống trong mạng lưới phức tạp. Đã có nhiều bài nghiên cứu về đề tài này, song đến hiện nay chưa có một sự thống nhất về định nghĩa của rủi ro hệ thống trong các bài nghiên cứu. Trong bài này phân tích rủi ro hệ thống ngân hàng đứng trên khía cạnh việc các ngân hàng phản ứng lại các cú sốc ngoại sinh có thể dẫn đến tạo ra một mẫu hình chung (common pattern) làm tăng rủi ro hệ thống (systemic risk) (Jain and Gupta, 1987; Pecchino,1998; Borio và cộng sự, 2001; Hyytinen và cộng sự, 2003). Ví dụ như Jain và Gupta (1987) và Barron và Valev (2000) sử dụng kiểm nghiệm nhân quả Granger và tìm thấy rằng các ngân hàng nhỏ ở Mỹ đã phỏng theo các hành vi cho vay của các ngân hàng lớn trong việc cho vay đối với các nước đang phát triển trong những năm 1980 và 1990. Nakagawa (2008) tìm thấy mối quan hệ lãnh đạo về hành vi cho vay của các ngân hàng ở Nhật Bản, các ngân hàng ngân hàng địa phương phỏng theo hành vi cho vay của các ngân hàng lớn ở các thành phố đô thị và các ngân hàng địa phương trong cùng khu vực sẽ theo sau nhau về hành vi cho vay. Bài nghiên cứu này tập trung

vào vấn đề các hành vi theo nhóm này của các ngân hàng, qua đó các ngân hàng phản ứng đồng thời với sự thay đổi chế độ chung và phân bổ tài sản theo cùng một cách. Trong điều kiện các yếu tố khác không thay đổi, càng có nhiều hành vi này xảy ra, nhiều khả năng là hệ thống ngân hàng sẽ thiếu khả năng phục hồi do đó sự ổn định tài chính sẽ có nguy cơ nhiều hơn.

Trong những năm gần đây ở Việt Nam, hoạt động ngân hàng ngày càng đóng vai trò quan trọng đối với nền kinh tế. Hệ thống ngân hàng ổn định và hiệu quả là một yếu tố quan trọng trong sự phát triển kinh tế ở Việt Nam. Do đó việc xem xét rủi ro hệ thống của các ngân hàng là vô cùng quan trọng hay nói cách khác việc nghiên cứu mối quan hệ giữa rủi ro hệ thống (systemic risk) với các cú sốc vĩ mô là cần thiết, nó sẽ cho các nhà hoạch định chính sách các gợi ý về tầm quan trọng của các yếu tố vĩ mô trong đối với rủi ro của ngân hàng nói riêng và hệ thống tài chính nói chung.

Bài nghiên cứu này sẽ tập trung về xem xét rủi ro hệ thống (systemic risk) thông qua việc xem xét hành vi đồng nhất của các ngân hàng Việt Nam phản ứng với các cú sốc vĩ mô trên tất cả các hoạt động của ngân hàng (cho vay và hoạt động đem lại thu nhập ngoài lãi). Bằng sự thay đổi chế độ chung và phân bổ tài sản theo một cách giống nhau khi đối mặt với các cú sốc vĩ mô và làm tăng rủi ro hệ thống ((systemic risk). Sự khác biệt của bài nghiên cứu này so với các bài nghiên cứu trước là mở rộng phạm vi nghiên cứu của bao gồm tất cả các hoạt động kinh doanh ngân hàng, xem xét không chỉ hoạt động cho vay (dư nợ cho vay) mà còn hoạt động thu nhập ngoài lãi. Ngoài ra, trong mô hình bài nghiên cứu này có sự phân biệt rõ ràng giữa tác động của rủi ro và sự không chắc chắn của các biến vĩ mô.

Các biến được sử dụng đại diện trong bài là phương sai cross- sectional của tỷ số cho vay trên tổng tài sản (disp(lta)), phương sai cross- sectional của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (disp(snonin)) là hai biến đại diện cho hành vi có hệ thống của ngân hàng. Các biến được sử dụng để đo lường là tăng trưởng GDP (dln(gdp)), chênh lệch sản lượng (output_gap), lạm phát (inf), mức đòn bẫy tổng hợp (dtl), phương sai có điều kiện của tăng trưởng GDP (cv_gdp), trung bình có trọng số phương sai có điều kiện của tăng trưởng GDP (cv_gdp_w), phương sai có điều kiện của lạm phát (cv_inf).

Các biến được chọn trên được đưa vào mô hình để xem xét mối quan hệ giữa hành vi đồng nhất cá ngân hàng là sự phân tán cross-sectional của các tài sản rủi ro của ngân hàng (trên bảng cân đối và ngoài bảng cân đối ). Mục tiêu của bài nghiên cứu

giống với Christian Calmes và Raymond Theoret (2014) là nhằm khẳng định hai vấn đề:

1. Các cú sốc vĩ mô có tác động đến hành vi đồng nhất của các ngân

hàng trên các hoạt động ngoài lãi chứ không phải chỉ hoạt động cho vay.

Khi có các cú sốc vĩ mô, các ngân hàng sẽ phản ứng theo nhóm (clustering behaviour) hay nói cách khác hành vi của các ngân hàng đồng nhất hơn để phản ứng lại các cú sốc và điều đó làm gia tăng rủi ro hệ thống (systemic risk). Bài nghiên cứu là để xác nhận rằng rủi ro và sự không chắc chắn của các nhân tố vĩ mô có loại tác động đến hành vi đồng nhất của các ngân hàng và làm tăng rủi ro hệ thống (systemic risk ).

Bài nghiên cứu sử dụng phương pháp nghiên cứu của Christian Calmes và Raymond Theoret (2014), đây là một phương pháp được thiết kế đặc biệt để phát hiện các loại tác động không đối xứng mà những cú sốc kinh tế vĩ mô có thể có đến rủi ro hệ thống ngân hàng (bank systemic risk) và đã được điều chỉnh cho phù hợp với tình hình thực tế thu thập được tại Việt Nam. Dựa trên cách tiếp cận EGARCH(1,1) cung cấp một ước lượng chính xác hơn về các tác động tương đối rủi ro kinh tế vĩ mô (first moment) và không chắc chắn (second moment) với rủi ro có tính hệ thống của ngân hàng Việt Nam. Ngoài ra, phần cuối của bài nghiên cứu,để kiểm tra tính vững của kết quả nghiên cứu, ước lượng EGARCH(1,1) sẽ được thực hiện cho tỷ số lta và snonin thay vì cho disp(lta) và disp(snonin). Bài nghiên cứu thực hiện dựa trên số liệu chuỗi thời gian gồm 43 quan sát cho mỗi biến từ quí 1 năm 2006 đến tháng 3 năm 2016. Kết quả được tóm tắt trong phần kết quả nghiên cứu và phần kết luận.

Phần còn lại của bài nghiên cứu bao gồm các phần sau:

Phần hai : Trình bày lý thuyết nên và các nghiên cứu trước đây.

Phần ba : Mô tả dữ liệu và phương pháp nghiên cứu.

Phần bốn : Kết quả nghiên cứu.

Phần năm : Kết luận rút ra từ bài nghiên cứu.

Chƣơng 2. Nền tảng lý thuyết của bài nghiên cứu và nội dung các nghiên cứu trƣớc đây

2.1. Nền tảng lý thuyết:

2.1.1. Rủi ro hệ thống

Rủi ro hệ thống (Systemic risk khác với systematic risk), là rủi ro xuất phát từ biến cố nhỏ nhưng có thể kích hoạt bất ổn nghiêm trọng hoặc làm sụp đổ toàn bộ một ngành công nghiệp hay nền kinh tế. Rủi ro có hệ thống góp phần trong cuộc khủng hoảng tài chính năm 2008. Rủi ro hệ thống (systemic risk) không nên nhầm lẫn với rủi ro hệ thống (systematic risk). Systemic risk chỉ những rủi ro do sự liên kết (interlinkages) và phụ thuộc lẫn nhau (interdependencies) trong một hệ thống hay thị trường. Khi đó, sự đổ vỡ của một tổ chức hay một nhóm các tổ chức có thể gây ra sự đổ vỡ nối tiếp .

Theo Aglietta và Mouto (1993), rủi ro hệ thống là rủi ro mà một nền kinh tế ở trạng thái cân bằng đột nhiên đạt đến một trạng thái cân bằng kém hiệu quả hơn do phản ứng với một cú sốc ngoại sinh. Nghiên cứu chi tiết của các học giả, từ Diamond và Dybvig (1983) đến Tirole và Rochet (1996), lại cho rằng loại rủi ro này mà kết quả của rủi ro đạo đức, sự lây lan, thông tin không hoàn hảo và "quá lớn để sụp đổ". Các công ty được coi là một “rủi ro hệ thống” khi được gọi là "quá lớn để sụp đổ". Các tổ chức này ảnh hưởng tương đối rất lớn đến ngành của mình hoặc tạo nên một phần quan trọng của nền kinh tế tổng thể. Một công ty được đánh giá là có mối quan hệ mật thiết với nhiều công ty khác cũng là một nguồn gốc của rủi hệ thống.

Dow (2000) chỉ ra rằng trong loại phổ biến nhất của rủi ro hệ thống là rủi ro đạo đức, rủi ro đạo đức đóng một vai trò quan trọng trong việc phá vỡ các động lực của các tổ chức tài chính. Rủi ro hệ thống phát sinh từ: hoạt động quá mức nguy hiểm của một hoặc một nhóm các người giao dịch, một loại của văn hóa tổ chức (hướng về phía lợi nhuận ngắn hạn), một sự thất bại chung của quản lý ngân hàng (hoặc toàn bộ hệ thống tài chính), dẫn đến không có khả năng đáp ứng với hoàn cảnh kinh tế thay đổi.

Không có sự đồng thuận về các khái niệm về rủi ro hệ thống. Rủi ro hệ thống tiến hóa cùng với sự phát triển của thị trường tài chính, các quy định và hành vi tập thể của những người tham gia thị trường. Cho đến nay các nghiên cứu so sánh các định nghĩa rủi ro hệ thống nhấn mạnh có nhiều loại rủi ro hệ thống.

Một bài nghiên cứu về rủi ro hệ thống của Galati và Moessner (2010) kết luận rằng mặc có nhiều bài nghiên cứu về đề tài này, vẫn chưa có sự thống nhất về định nghĩa của rủi ro hệ thống. Ví dụ như Sheldon và Maurer (1998) đưa ra một định nghĩa phi tiêu chuẩn bằng cách xem xét rủi ro hệ thống đối với những người tham gia thị trường tài chính là Nessie, quái vật Loch Ness. Mọi người đều biết và nhận thức về sự rủi ro. Mọi người có thể mô tả chính xác các mối đe dọa. Nessie được ví như rủi ro hệ thống có mặt ở khắp nơi, nhưng không ai biết khi nào và nơi mà nó có thể tấn công. Không có bằng chứng rằng bất cứ ai đã thực sự gặp phải nó, nhưng không có ai nghi ngờ về tồn tại của nó.

Định nghĩa của rủi ro hệ thống cũng được cung cấp bởi ECB (2010). Rủi ro hệ thống là rủi ro xảy ra một chuỗi sự kiện có tính hệ thống. Sự kiện hệ thống có thể được hiểu một cách rộng rãi như những bất ổn tài chính lan rộng đến mức mà các định chế trung gian tài chính bị suy yếu và tăng trưởng kinh tế và phúc lợi vật chất bị thiệt hại đáng kể. Tuy nhiên, việc nghiên cứu sẽ là hữu ích nhất từ khi đứng từ quan điểm của người tiến hành giám sát vĩ mô, nhằm phòng ngừa rủi ro hệ thống.

Theo Eijffinger (2012) chỉ ra rằng rủi ro hệ thống, bất kể thình thành từ nguyên nhân gì, cũng sẽ gây mất sự tín nhiệm và tăng sự không chắc chắn về các chức năng của hệ thống tài chính. Khái niệm về rủi ro hệ thống nằm trong hiệu ứng lây lan và tác động tiêu cực đến nền kinh tế.

Pawel Smaga (2014) so sánh định nghĩa rủi ro hệ thống trong các nghiên cứu

trước đây đã đưa ra kết luận như sau:

Thường nhấn mạnh rằng rủi ro hệ thống liên quan đến một phần lớn của hệ thống tài chính hoặc một số lượng đáng kể của các tổ chức tài chính và được coi là nguyên nhân phá vỡ hiệu suất của hệ thống tài chính và chức năng của mình. Mặt khác, chỉ một phần nhỏ các nhà nghiên cứu kể đến sự mất lòng tin như một tính năng của rủi ro hệ thống và sự tiến triển của nó.

Một yếu tố quan trọng của rủi ro hệ thống là việc truyền tải các cú sốc giữa các yếu tố liên kết với nhau của hệ thống, mà cuối cùng có thể có một tác động tiêu cực đến nền kinh tế.

Trong các nghiên cứu, định nghĩa rủi ro hệ thống bắt đầu xuất hiện vào giữa thập niên 90 của thế kỷ XX, nhưng "sáng tạo" của họ

đã tăng cường rõ ràng sau khi sự bùng nổ của cuộc khủng hoảng tài chính toàn cầu. o

Trước khi cuộc khủng hoảng, các định nghĩa nhấn mạnh hơn về hiệu ứng lan truyền và quy mô lớn của hiện tượng này. Tuy nhiên, sau sự bùng nổ của cuộc khủng hoảng, ngoài quy mô lớn của các hiện tượng, các nhà nghiên cứu chú ý nhiều hơn tới những rối loạn về chức năng hệ thống tài chính.

Theo Rasmus Rüffer (1999) về nguyên tắc, bản chất của các cuộc khủng hoảng hệ thống ngân hàng có thể có thể do ba nguyên nhân không nhất thiết phải loại trừ lẫn nhau: không may mắn, hiệu ứng lan truyền hay một cú sốc tiêu cực chung. Mặc dù sự có thể xuất hiện vấn đề đồng thời tại các ngân hàng do sự không may mắn của một nhóm các ngân hàng, nhưng tần số của các cuộc khủng hoảng hệ thống gần đây cho thấy rằng không may mắn không thể giải thích cho khủng hoảng hệ thống ngân hàng . Ông cho rằng mặc dù về lý thuyết các tác giả đã đưa ra các giải thích khác nhau cho khủng hoảng hệ thống của ngân hàng nhưng lại không đưa ra được lý do tại sao các ngân hàng nên hành động giống nhau và phải hứng chịu đồng thời cho cùng một loại rủi ro để thông qua đó tạo khả năng một cuộc khủng hoảng mang tính hệ thống. Để giải thích khía cạnh hệ thống này, đa số các các bài nghiên cứu gần đây thường giải thiên về giải thích bằng hành vi bầy đàn của các ngân hàng. Hành vi bầy đàn dưới tác động lan truyền sẽ chuyển thành khủng hoảng ngân hàng có tính hệ thống khi có tác động một cú sốc vĩ mô. Tuy nhiên, các cú sốc nên được xem là nhân tố kích hoạt khủng hoảng chứ không phải là biến độc lập gây ra khủng hoảng.

Trong bài nghiên cứu này, rủi ro hệ thống được xem xét dưới góc độ tài chính hành vi, nó được định nghĩa như là mức độ mà các ngân hàng hoạt động theo nhóm (bầy đàn) trước các cú sốc vĩ mô. Được đo lường bằng disp(lta) và disp(snonin) là phương sai của tỷ số lta (tỷ số cho vay/tổng tài sản) và snonin (tỷ số thu nhập ngoài lãi trên thu nhập ròng), khi phương sai của hai tỷ số này giảm nghĩa là các ngân hàng hành động đồng nhất hơn trước các cú sốc vĩ mô, do đó làm tăng rủi ro hệ thống.

Bisias et al. (2012) và Oosterloo và de Haan (2003) kết luận rằng định nghĩa về rủi ro hệ thống tập trung vào các khía cạnh khác nhau của hiện tượng này, như là sự mất cân bằng, sự sụp đổ của sự tín nhiệm, sự tiếp xúc tương quan của các tổ chức tài chính, tác động tiêu cực của nền kinh tế, sự bất đối xứng thông tin, hiệu ứng phản hồi, bong bóng tài sản, sựu lây lan và ngoại tác tiêu cực. Một sự thiếu sự đồng thuận về

định nghĩa và tính chất phức tạp của rủi ro hệ thống ám chỉ có các biện pháp và nguyên tắc để đo lường rủi ro hệ thống khác nhau.

Theo Chan-Lau (2013), việc xây dựng các biện pháp đo lường rủi ro hệ thống có thể làm theo một trong hai phương pháp: từ trên xuống (top-down) hoặc từ dưới lên (bottom-up). Trong cách tiếp cận từ trên xuống, rủi ro hệ thống có thể được suy ra từ việc xem xét các lịch sử của dữ liệu chuỗi thời gian của các biến kinh tế được xem là có liên quan đến rủi ro hệ thống. Trong cách tiếp cận từ dưới lên, ước tính về rủi ro của các công ty riêng lẻ được từ các số liệu kế toán và giá cả thị trường và rủi ro của các công ty riêng lẻ đó được xem là số liệu đầu vào trong việc ước tính rủi ro hệ thống (systemic risk). Trong bài nghiên cứu này phương pháp đo lường được sử dụng là từ trên xuống (bottom-up). Rủi ro hệ thống được xem xét trong mối quan hệ với các cú sốc vĩ mô, cụ thể là rủi ro và sự không chắc chắn của tăng trưởng GDP, rủi ro và sự không chắc chắn của lạm phát và chênh lệch sản lượng (ouput_gap) và cả đòn bẫy tổng hợp của ngành.

2.1.2. Cú sốc vĩ mô

Theo Thomas Sargent, nền kinh tế liên tục chịu tác động của những sự kiện

không thể lường trước. Giá dầu bất ngờ tăng, Ngân hàng Trung ương thay đổi lãi suất, hay tiêu dùng đột ngột giảm. Những sự kiện không lường trước ấy thường được gọi là những "cú sốc". Nền kinh tế cũng chịu tác động của những thay đổi dài hạn hơn, ví dụ như thay đổi chính sách tiền tệ theo hướng kiềm chế lạm phát hay thay đổi chính sách tài khóa theo hướng thắt chắt ngân sách.

Theo thời gian thì cú sốc được phân thành hai loại là cú sốc tạm thời (temporary shock) là những cú sốc có tác động nhất thời và đột ngột đến nền kinh tế trong ngắn hạn và cú sốc dài hạn (dai dẳng) là cú sốc có tác động đến nền kinh tế trong thời gian dài hạn, ví dụ như những thay đổi của công nghệ, phát minh,…

Những cú sốc kinh tế vĩ mô ám chỉ bất kỳ xáo trộn nào trong nền kinh tế. Những cú sốc hầu hết là không thể đoán trước được và không có bất kỳ tín hiệu nào nhưng nó lại ảnh hưởng đến nền kinh tế vĩ mô. Những cú sốc này có thể xảy ra do các nguyên nhân khác nhau như giá dầu tăng vọt, sự sụt giảm đột ngột về nhu cầu đối với bất kỳ hàng hóa nào, sự sụt giảm khó lường trong việc cung cấp bất kỳ hàng hóa, việc áp đặt các hàng rào thuế quan mới ở các nước xuất khẩu và nhiều yếu tố khác như thế này. Trong lĩnh vực kinh tế, „những cú sốc‟ như khủng hoảng tài chính, các giai đoạn

lạm phát và mất giá đồng tiền, suy thoái, và những thay đổi đột ngột về điều kiện thị trường thế giới đối với các loại hàng hóa cơ bản (commodities) nhìn chung là không thể dự đoán được. Nhưng những cú sốc trước đó có thể làm kim chỉ nam cho những rủi ro sắp xảy ra trong lương lai. Việc lên danh mục những cú sốc như thế mang lại cái nhìn rõ nét về các khuynh hướng dài hạn được báo trước bởi các cuộc khủng hoảng tài chính hoặc kinh tế trước đó, đồng thời cho thấy tác động của mối tương tác giữa các yếu tố chính về kinh tế và địa chính trị đối với chiến lược quốc tế.

Tóm lại, các cú sốc vĩ mô là sự thay đổi một cách ngẫu nhiên, không thể đoán được của các biến vĩ mô. Đó là một trong những lý do giải thích cho việc sử dụng phương pháp EGARCH trong bài nghiên cứu. Hiện tượng phương sai thay đổi xuất hiện trong kết quả nghiên cứu khi sử dụng phương pháp OLS có thể được giải thích do chuỗi dữ liệu thu thập được của bài nghiên cứu còn tồn tại những yếu tố mang tính quy luật, chứ không phải chỉ có tính ngẫu nhiên, việc sử dụng mô hình EGARCH là để giải quyết vấn đề này. Trong bài nghiên cứu, cú sốc vĩ mô được đại diện bởi hai biến là rủi ro và sự không chắc chắn của các nhân tố vĩ mô (như tăng trưởng GDP, lạm phát). Trong bài nghiên cứu có sự phân biệt rõ ràng giữa rủi ro và sự không chắc chắn của các nhân tố vĩ mô. Rủi ro được định nghĩa là ẩn số có xác suất đo lường được, trong khi không chắc chắn liên quan đến ẩn số không có khả năng đo lường được kết quả. Sự không chắc chắn và rủi ro là những khái niệm có liên quan nhiều trong kinh tế và thị trường chứng khoán. Các định nghĩa về rủi ro và sự không chắc chắn đã được thành lập bởi Frank H. Knight trong cuốn sách năm 1921 của mình, "Rủi ro, không chắc chắn, và lợi nhuận", trong đó, ông định nghĩa rủi ro là một xác suất đo lường liên quan đến các sự kiện trong tương lai, và ông lập luận rằng rủi ro sẽ không tạo ra lợi nhuận. Rủi ro được tính toán sử dụng mô hình lý thuyết, hoặc bằng cách tính toán tần số quan sát các sự kiện để suy luận xác suất. Sự không chắc chắn là không thể định lượng được, vì các sự kiện trong tương lai là quá không thể đoán trước, và thông tin là không đủ. Sự không chắc chắn về sự kiện này không phải là một cái gì đó mà có thể được tính toán bằng mô hình trước. Mặc dù ngẫu nhiên của các sự kiện nền tảng cho cả hai nguyên tắc, điều quan trọng là phải phân biệt sự khác nhau có liên quan đến đầu tư. Một nhà đầu tư có cơ hội để tính toán rủi ro bằng cách suy luận xác suất qua để bảo vệ danh mục đầu tư của mình. Sự không chắc chắn là không thể định lượng được và do đó không cung cấp các cơ hội như nhau để bảo vệ đầu tư. Cả hai nguyên tắc làm việc song song và áp dụng trong tình huống đầu tư, hoặc thậm chí triển vọng của việc đầu tư vào thị trường chứng khoán.

2.1.3. Vấn đề khai thác tín hiệu , rủi ro, sự không chắc chắn và hành vi có hệ thống của các ngân hàng

Để phân tích tác động của cú sốc vĩ mô đến rủi ro có tính hệ thống của ngân hàng trong bài nghiên cứu dựa lý thuyết nền “vấn đề khai thác tín hiệu” (a signal extraction problem) được phát triển bởi Lucas(1973). Với giả thuyết là có sự hiện diện của các vấn đề thông tin, các cú sốc tổng hợp có thể gây nhiễu chất lượng tín hiệu của giá cả và làm méo mó phân bổ nguồn lực ngân hàng một cách có hệ thống (Bernanke và Gertler, 1989; Kyotaki và Moore, 1997;. Beaudry et al, 2001; Vives, 2010).

Có nhiều nghiên cứu về ảnh hưởng của rủi ro trong kinh tế vĩ mô dẫn đến các ngân hàng phản ứng giống nhau (tạo ra mẫu hình chung) (ví dụ, Barth et al, 1999;. Borio et al, 2001;. Bikker và Hu, 2002; Bikker và Metzemakers, 2005; Baele et al, 2007 Wagner, 2007;. Somoye và Ilo, 2009; Nijskens và Wagner, 2011). Tuy nhiên, dù rằng tất cả những rủi ro và sự không chắc chắn đều có khả năng ảnh hưởng đến hành vi của hệ thống ngân hàng, song vài tác giả cho rằng vai trò của sự không chắc chắn của các nhân tố vĩ mô cao hơn khi đưa vào các nghiên cứu hành vi bầy đàn của các ngân hàng do việc sử dụng mô hình ước lượng OLS và GMM không có tính đến hiện tượng phương sai thay đổi, sự phân biệt giữa cú sốc âm và cú sốc dương, làm cho một số biến không có ý nghĩa thống kê.

Các nhà nghiên cứu đều nhận thấy rằng trong điều kiện tuyệt đối, tính đồng nhất về hành vi của ngân hàng sẽ tăng lên để phản ứng với sự gia tăng rủi ro và sự không chắc chắn của các biến kinh tế vĩ mô, và sẽ dẫn đến làm giảm sự phân tán cross-section danh mục đầu tư của ngân hàng.

Khi nghiên cứu mức độ đồng nhất khi ngân hàng điều chỉnh để đối mặt với các cú sốc kinh tế vĩ mô trong các bài nghiên cứu trước đây thường áp dụng một chiến lược nghiên cứu dựa trên các mô hình đảo (island paradigm) phát triển bởi Lucas (1973). Cách tiếp cận này đã được áp dụng thành công, bao gồm các phân tích của sự phân tán cross-sectional của công ty, thị trường tài chính, và danh mục (Beaudry 2001;. Baum et al, 2002, 2004;. Hwang và Salmon, 2004; Quagliariello, 2007; Vives, 2010).

Trong các nghiên cứu trước đây về lĩnh vực ngân hàng, Baum và cộng sự (2004, 2009) và Quagliariello (2009) nghiên cứu cụ thể những cú sốc kinh tế vĩ mô ảnh hưởng đến tín hiệu về lợi nhuận kỳ vọng của ngân hàng như thế nào. Tình trạng khó khăn về mặt lý thuyết chính của họ là bất ổn kinh tế lớn gây cản trở khả năng của các

ngân hàng thấy trước những cơ hội đầu tư. Từ kết quả nghiên cứu ông đã đưa ra kết luận là suy giảm chất lượng thông tin nên dẫn đến sự thu hẹp của sự phân tán cross- section của các thành phần của danh mục đầu tư ngân hàng, các ngân hàng phân bổ tài sản trong danh mục đầu tư của họ đồng nhất hơn khi bất ổn kinh tế vĩ mô tăng. Hay nói khác hơn khi có rủi ro hay sự không chắc chắn cao trong các nhân tố vĩ mô sẽ làm cho hành vi của các ngân hàng đồng nhất hơn.

2.2. Các nghiên cứu trƣớc đây

Trong hai thập kỷ qua, đã có nhiều bài nghiên cứu về tác động của các cú sốc vĩ mô đến hành vi đồng nhất của các ngân hàng và dẫn đến tăng rủi ro hệ thống (systemic risk). Nhiều bài nghiên cứu trong đó đã thất bại khi chỉ rõ rằng rủi ro của các nhân tố vĩ mô không có tác động đến hành vi đồng nhất của các ngân hàng khi sử dụng phương pháp OLS, bên cạnh đó các nghiên cứu chứng minh rằng khi có cú sốc vĩ mô (đa số trong các bài nghiên cứu sử dụng sự không chắc chắn đại diện cho cú sốc vĩ mô), các ngân hàng sẽ phản ứng đồng nhất hơn, làm tăng rủi ro hệ thống (systemic risk).

Pecchino(1998) với bài nghiên cứu “Risk averse bank managers: Exogenous shocks, portfolio reallocations and market spillovers”, sử dụng dữ liệu của Mỹ. Ông kết luận là ảnh hưởng của một cú sốc với chi phí của ngân hàng hoặc lợi nhuận cho vay không chỉ giới hạn ở ngân hàng mà còn có tsc động lan tràn đến ngân hàng khác. Các cú sốc theo ngành có thể gây ra hậu quả toàn cầu, và các cú sốc toàn cầu được tăng cường bởi sự lan tỏa.

Theo Barth và Caprio (1999), sử dụng dữ liệu của 45 nước, kiểm tra mối liên hệ giữa những hạn chế về quy định đối với hoạt động của các ngân hàng, khả năng của các chính phủ và các hệ thống quan liêu hoạt động có hiệu quả, mức độ phát triển và hiệu quả của ngành ngân hàng và sự mỏng manh của hệ thống ngân hàng, ông đã kết luận rằng khi có các cú sốc vĩ mô, các ngân hàng sẽ có phản ứng như nhau (common pattern).

Beaudry, Caglayan và Schiantarelli (2001) nghiên cứu “Monetary Instability, the Predictability of Prices, and the Allocation of Investment: An Empirical Investigation Using U.K. Panel Data” bằng cách sử dụng dữ liệu theo thời gian từ năm 1970 đến 1990, với các nhân tố vĩ mô được sử dụng trong mô hình là sự không chắc chắn liên quan đến lạm phát và cung tiền. Bài nghiên cứu sử dụng phương pháp ARCH, bài nghiên cứu đã trình bày một phân tích mà ông tranh luận rằng sự gia tăng

bất ổn kinh tế vĩ mô có thể dẫn đến giảm đáng kể trong sự phân tán cross-sectional của tỷ lệ đầu tư và làm bóp méo sự phân bổ nguồn lực.

Bài nghiên cứu của Baum và cộng sự (2002) với nghiên cứu: “The impact of economic uncertainnty on bank lending behaviour”. Bài nghiên cứu điều tra mối quan hệ giữa sự không chắc chắn vĩ mô (lạm phát và sản xuất công nghiệp) với hành vi cho vay của các ngân hàng bằng cách sử dụng 2 chuỗi dữ liệu khác nhau của các ngân hàng thương mại của Mỹ, thứ nhất là chuỗi dữ liệu theo năm từ 1981 đến 2000, chuỗi dữ liệu thứ hai là dữ liệu theo quý từ quý 1 năm 1991 đến quý 4 năm 2000. Sử dụng mô hình GARCH, họ cho ra kết luận rằng với sự có mặt của sự không chắc chắn vĩ mô vĩ mô, các ngân hàng trở nên thận trọng hơn, và hành động phối hợp này sẽ dẫn đến việc thu hẹp sự phân bố các tỷ lệ cho vay/tài sản (lta) của các ngân hàng..

Baum và cộng sự (2004) với nghiên cứu: “The second moments matter: The response of bank lending behavior to macroeconomic”, sử dụng một mô hình danh mục đầu tư và một mẫu của các ngân hàng Mỹ. Ông cho rằng McEvoy (1956) đã cung cấp cho chúng ta một bức chân dung độc đáo về sự phân bố tỷ lệ nợ trên tổng tài sản của các ngân hàng nhưng kể từ thời điểm đó, không ai khác cung cấp thông tin thống kê tương tự. Baum đã kế thừa nghiên cứu của McEvoy bằng cách dựa trên số liệu của các ngân hàng thương mại của Mỹ, dữ liệu được lấy theo quý từ quý 1 năm 1979 đến quý 3 năm 2003. Cú sốc vĩ mô trong bài nghiên cứu được đại diện bởi sự không chắc chắn trong chỉ số sản xuất công nghiệp và lạm phát. Ông kết luận rằng bài nghiên cứu cho ra kết quả mạnh mẽ ủng hộ cho giả thuyết rằng sự không chắc chắn sẽ dẫn tới sự thu hẹp sự phân tán (phương sai) của tỷ lệ cho vay trên tổng tài sản, làm gián đoạn việc phân bổ nguồn vốn vay. Kết quả của họ cho thấy rằng khi sự bất ổn về kinh tế vĩ mô – đại diện bởi phương sai có điều kiện của một biến kinh tế vĩ mô có liên quan tăng lên sẽ làm cho sự phân tán của tỷ số cho vay trên tổng tài sản giảm đi vì sự không chắc chắn cản trở khả năng của ngân hàng để dự đoán cơ hội đầu tư. Nói cách khác, họ cho rằng sự không chắc chắn cao hơn làm cho tín hiệu về lợi nhuận kỳ vọng mà các ngân hàng nhận được bị nhiễu nhiều hơn. Do đó, sự không chắc chắn sẽ đẩy các ngân hàng phải cân bằng lại thành phần tài sản của họ theo các tín hiệu mới (tồi tệ hơn) được cung cấp bởi thị trường tín dụng, tác động tiêu cực đến việc phân bổ các nguồn tài chính. Điều này thúc đẩy hành vi bầy đàn và dẫn các ngân hàng hành xử đồng nhất hơn.

Thông qua cách tiếp cận tương tự, Garcia và Calmes (2005) cũng đạt kết luận tương tự cho hệ thống ngân hàng Canada. Kết quả của họ, mặc dù dựa trên hồi quy đơn

OLS, xác nhận rằng có một mối quan hệ tiêu cực giữa biến đại diện cho sự không chắc chắn về kinh tế vĩ mô và sự phân tán của tỷ lệ cho vay/tài sản giữa các ngân hàng. Nói cách khác, cũng có những định chế trung gian ở Canada cho thấy hành vi bầy đàn khi họ đối phó với sự không chắc chắn tăng lên.

Theo Quagliariello (2007), với nghiên cứu “Macroeconomic Uncertainty and Banks‟ Lending Decisions: The Case of Italy.”, bài nghiên cứu xem xét vai trò sự không chắc chắn vĩ mô đến sự lựa chọn của các ngân hàng trong việc phân bổ tài sản, bằng cách sử dụng dữ liệu thep quý từ quý 1 năm 1990 đến quý 1 năm 2005, phương pháp sử dụng là GARCH. Kế thừa mô hình nghiên cứu của Baum và cộng sự (2004), ông phát hiện rằng khi có sự không chắc chắn trong điều kiện vĩ mô tăng lên sẽ làm giảm sự phân tán của tỷ số lta (cho vay/tài sản).

Baum và cộng sự (2009) với bài nghiên cứu: “The second moment matters: the impact of macroeconomic uncertainty on the allocation of loanable funds” dựa trên số liệu rất lớn của Hoa Kỳ kéo dài 1979-2003, bài nghiên cứu cho thấy rằng sự gia tăng bất ổn kinh tế vĩ mô có hệ thống tạo ra một sự suy giảm đáng kể trong sự phân tán (phương sai) cross-sectional của tỷ lệ các khoản vay trên tài sản sau một năm. Các tác giả cho rằng mô hình này luôn được quan sát thấy bất kể cách phân tán (phương sai) cross-sectional được định nghĩa như thế nào, dù là xem xét tổng dư nợ hay các khoản vay của các hộ gia đình, hoặc các khoản vay thương mại và công nghiệp ngay cả khi có sự thay đổi chế độ kiểm soát tiền tệ, lạm phát, chỉ số hàng đầu hoặc thay đổi pháp lý.

Theo Calmès và Théoret (2014) với bài nghiên cứu “ Bank systemic risk and macroeconomic shocks : Canada and U.S evidence “ sử dụng số liệu của 6 ngân hàng lớn của Canada và dữ liệu của 20 ngân hàng của Mỹ từ quý 1 năm 2007 đến quý 2 năm 2010. Bài nghiên cứu này hai ông thực hiện ước lượng cho các hoạt động ngoài lãi chứ không chỉ hoạt động cho vay. Bằng các biến vĩ mô là sự không chắc chắn tăng trưởng kinh tế, sự không chắc chắn lạm phát, tăng trưởng kinh tế, chênh lệch sản lượng, lạm phát và đòn bẫy tổng hợp. Hai ông cho ra kết luận rằng các cú sốc vĩ mô tác động đến hành vi theo nhóm của các ngân hàng vì tất cả các biến đều có ý nghĩa thống kê do đó làm tăng rủi ro hệ thống. Trong đó, tác động của sự không chắc chắc vĩ mô (sự không chắc chắn tăng trưởng kinh tế, sự không chắc chắn lạm phát) đều âm, chứng tỏ khi sự không chắc chắn trong điều kiện vĩ mô càng tăng thì càng làm hành vi đồng nhất của các ngân hàng. Hệ số của tăng trưởng GDP và chênh lệch sản lượng là dương. Riêng

đòn bẫy tổng hợp có tác động âm lên hoạt động cho vay nhưng lại có tác động dương lên hoạt động ngoài lãi.

Ngoài ra còn nhiều bài nghiên cứu khác như của Gambera (2000), Meyer và Yeager (2001) đã tìm thấy một số biến vĩ mô có tác động đến hoạt động cho vay (tỷ số lta) của các ngân hàng ở Mỹ.

Dựa trên xem xét các nghiên cứu trước đây ta có thể đưa ra một vài giả thuyết kỳ vọng về dấu của các biến cho mô hình nghiên cứu trong bài. Một sự gia tăng trong sự không chắc chắc của kinh tế vĩ mô như sự không chắc chắc trong tăng trưởng GDP hay sự không chắc chắn trong lạm phát (được đo lường bằng phương sai có điều kiện của tăng trưởng GDP và bằng phương sai có điều kiện của lạm phát) sẽ kết hợp với một sự giảm trong disp(lta) và disp(snonin) .

Do đó: cv_gdp   disp(lta) hoặc disp(snonin) 

cv_gdp_w   disp(lta) hoặc disp(snonin) 

cv_inf   disp(lta) hoặc disp(snonin )

Khi rủi ro trong tăng trưởng GDP tăng lên, nghĩa là tốc độ tăng trưởng GDP giảm thì các ngân hàng sẽ đồng nhất hơn trong các hành vi phản ứng lại cú sốc này, do đó phương sai của tỷ số lta và snonin giảm.

Khi có lạm phát sẽ bóp méo các tín hiệu cho giá cả tương đối, khi đó các ngân hàng sẽ có phản ứng đồng nhất hơn. Nên khi lạm phát tăng lên sẽ làm disp(lta) và disp(snonin) giảm. Tương tự như rui ro tăng trưởng GDP và lạm phát, rủi ro trong chênh lệch sản lượng cũng được xem làm tăng sự đồng nhất của các ngân hàng.

Do đó: dln(gdp)   disp(lta) hoặc disp(snonin) 

lạm phát (inf)  disp(lta) hoặc disp(snonin )

output_gap   lợi nhuận chứng khoán 

Bảng 2.1: Kỳ vọng về dấu.

Tác động lên rủi ro Biến Chiều hƣớng hệ thống

Tăng trưởng GDP tăng tăng (+)

dln(gdp)

tăng giảm (-)

Lạm phát Inf Chênh lệch sản tăng lượng tăng (+)

Output-gap Mức đòn bẫy tổng

tăng thể giảm (-)

dtl Phương sai có điều tăng kiện của tăng trưởng GDP giảm (-)

tăng cv_gdp Phương sai có điều kiện theo tỷ trọng của tăng trưởng GDP giảm (-)

Cv_gdp_w Phương sai có điều kiện của lạm phát tăng giảm (-)

Cv_inf

Theo Calmès và Théoret (2014), trong bài nghiên cứu hai ông đã giới thiệu một biến đại diện cho rủi ro của ngành ngân hàng, được gọi là mức đòn bẫy tổng hợp. Hai ông cho rằng khi đòn bẫy tăng lên nghĩa là rủi ro của ngành ngân hàng tăng lên, khi đó sẽ tác động làm cho các ngân hàng hành xử đồng nhất hơn.

Do đó: dtl   lợi nhuận chứng khoán 

Ngoài ra còn có rất nhiều bài nghiên cứu về các nhân tố vĩ mô khác ngoài các nhân tố trên. Thông qua việc xem xét các bài nghiên cứu trên thế giới, ta đặt ra câu hỏi liệu rằng ở Việt Nam dưới tác động của các cú sốc vĩ mô các ngân hàng Việt Nam có những hành vi đồng nhất trong phản ứng dẫn đến làm tăng rủi ro hệ thống hay không ?

Bài nghiên cứu dưới đây xem xét rủi ro hệ thống đứng dưới gốc độ hành vi của các ngân hàng, cách mà các ngân hàng phản ứng đồng nhất với những cú sốc bên ngoài có thể dẫn đến có một mô hình chung và làm tăng rủi ro hệ thống (như Jain và Gupta, 1987; Pecchino, 1998; Borio et al, 2001;.. Hyytinen et al, 2003 ). Với điểm dặc biệt là

bài nghiên cứu thực hiện cho cả hoạt động ngoài lãi của các ngân hàng mà không chỉ hoạt động cho vay như đa số các nghiên cứu trước đây. Bên cạnh đó bài nghiên cứu còn xem xét cả rủi ro của các biến vĩ mô, không chỉ là sự không chắc chắn, đó là một trong những thiếu sót trong các bài nghiên cứu trước mà Calmes (2014) đã chỉ ra.

Chƣơng 3. Nguồn dữ liệu và phƣơng pháp nghiên cứu

3.1. Mô tả dữ liệu

Trong nghiên cứu thực nghiệm ở Việt Nam, bài nghiên cứu này sử dụng mô

hình tương tự như bài nghiên cứu của Christian Calmès và Raymond Théoret (2014).

Mẫu dữ liệu được lấy theo quý từ quý 1 năm 2006 đến quý 3 năm 2016 (43 quan sát). Với mục tiêu nghiên cứu mối quan hệ giữa rủi ro hệ thống và các cú sốc vĩ mô, bài nghiên cứu sẽ thực hiện với 8 biến: disp(lta) (phương sai của tỷ số dư nợ/tổng tài sản), disp(snonin) (phương sai của tỷ số thu nhập ngoài lãi/ thu nhập hoạt động thuần), dln(gdp) (tốc độ tăng trưởng GDP), output_gap (chênh lệch sản lượng), inf (lạm phát), dtl (mức đòn bẫy tổng hợp), cv_gdp (phương sai có điều kiện của tốc độ tăng trưởng GDP), cv_gdp_w (phương sai có điều kiện của tốc độ tăng trưởng GDP có trọng số), cv_if (phương sai có điều kiện của lạm phát). Các biến vĩ mô như tăng trưởng GDP, output gap và lạm phát là các biến đại diện cho rủi ro vĩ mô. Ngoài ra, điểm đặc biệt của bài nghiên cứu là có sự phân biệt rõ ràng giữa tác động của rủi ro và tác động của sự không chắc chắn, biến đại diện cho sự không chắc chắn được sử dụng là phương sai có điều kiện của tăng trưởng GDP và lạm phát.

3.1.1 Các biến đại diện cho hành vi nhất quán (bầy đàn) của của ngân hàng:

Trong bài nghiên cứu này, với các số liệu của ngân hàng sẽ được thu thập từ 9 ngân hàng ở Việt Nam bao gồm (Viettinbank, BIDV, Agribank, Vietcombank, Sacombank, Eximbank, ACB, SCB, OCB ) từ quý 1 năm 2006 đến quý 3 năm 2016 (43 quan sát). ngân hàng lớn trong nước chiếm khoảng 80% của kinh doanh ngân hàng ở Việt Nam. Việc lựa chọn khoảng thời này là do hạn chế về mặt số liệu quá khứ, trước năm 2006 đa số các ngân hàng chưa có số liệu về báo cáo tài chính theo quý và việc thu thập số liệu trong giai đoạn trước cũng có thể dẫn đến kém hiệu quả trong nghiên cứu. Từ năm 2006 số lượng các ngân hàng công bố báo cáo tài chính quý ngày càng tăng lên. Cũng từ năm 2006 hoạt động của ngân hàng ngày càng được chú ý và vai trò ngân hàng trong nền kinh tế cũng tăng lên. Số liệu của ngân hàng được thu thập là dư nợ, tổng tài sản từ bảng cân đối kế toán; thu nhập ngoài lãi và thu nhập hoạt động được thu thập từ báo cáo hoạt động kinh doanh của ngân hàng.

Do các cú sốc vĩ mô tác động làm bóp méo sự phân bổ cả thu nhập từ lãi và thu nhập ngoài lãi, do đo danh mục tài sản rủi ro mà chúng ta phân tích trong bài nghiên cứu này sẽ bao gồm luôn cả hoạt động cho vay và thu nhập ngoài lãi. Bài nghiên cứu tập trung vào cơ chế mà khi có sự biến đổi trong bất ổn kinh tế vĩ mô có thể ảnh hưởng đến sự sẵn sàng mở rộng tín dụng của các ngân hàng. Với một mô hình tối ưu hóa danh mục đầu tư đơn giản, trong đó các nhà quản lý phải cân bằng lại danh mục đầu tư tài sản của mình để duy trì một mức độ rủi ro và lợi nhuận kỳ vọng thích hợp, ngụ ý rằng các ngân hàng sẽ được dự kiến sẽ giảm cho vay với các khoản vay rủi ro khi nhận ra rằng có sự không chắc chắn cao hơn về yếu tố kinh tế vĩ mô, và khả năng cao hơn dẫn đến vỡ nợ của khách hàng vay. Trong trường hợp không có thông tin riêng của khách hàng, nếu tất cả các ngân hàng nhận thức nguy cơ cao xảy ra cú sốc vĩ mô, mỗi ngân hàng dự kiến sẽ giảm sự phụ thuộc của họ vào các khoản cho vay, đo bằng tỷ số dư nợ/ tổng tài sản (lta), chạy từ 0 đến 1.

Để kiểm định giả thuyết bài nghiên cứu sử dụng phương sai của của tỷ số dư nợ/ tổng tài sản (lta) của tất cả các ngân hàng trong mẫu theo từng quý để đo độ phân tán của tỷ số lta giữa các ngân hàng. Tương tự với các khoản cho vay,theo lý thuyết khi có các cú sốc vĩ mô sẽ làm cho các hoạt động cho vay của các ngân hàng giảm, khi thu nhập từ lãi giảm đi mặc dù thu nhập ngoài lãi có thể không tăng song tỷ số snonin vẫn tăng. Phân tán cross-sectional (phương sai) được xem như là một thước đo sự khác biệt của tỷ số lta (dư nợ/ tài sản) và snonin của các ngân hàng.

Biến lta và snonin trong bài được tính theo phương trung bình cộng đơn giản của tỷ số lta và snonin của tất cả các ngân hàng có trong mẫu trong một thời điểm t. Biến disp(lta) và disp(snonin) là phân tán cross-sectional của lta và snonin . Được tính bằng phương sai của tỷ số lta hoặc snonin của các ngân hàng có trong mẫu tại thời điểm một quý.

Ví dụ như giá trị disp(lta) của quý 1 năm 2006 sẽ được tính bằng cách lấy

phương sai của tỷ số lta của một chuỗi các ngân hàng trong mẫu tại quý 1 năm 2006.

Trung vị

skewess Kurtosis

Lta(%)

Trung bình 60.9553

Độ lệch chuẩn 62.09764 11.0436

Số lớn nhất 85.375

Số nhỏ nhất 27.157

-0.4932 0.203

Snonin(%)

21,317

19,732

27,733

186,945

-171,961

-1,15

18,117

Bảng 3.1: Thống kê mô tả cho dữ liệu ngân hàng.

Disp(lta)

124,294

97,216

100,291

345,209

2,116

0,71480

-0,604

Disp(snonin) 734,375

294,923

1089,935

4486,112 22,273

2.43

5,315

Các ngân hàng Việt Nam có tỷ lệ cho vay trên tài sản (lta) cao hơn trong giai đoạn đầu của thời kỳ nghiên cứu như trong hình 3.1 bên dưới. Tỷ lệ lta trung bình là 60.9553% , mặc dù khi lta cao hơn sẽ tạo ra nguồn thu nhập cao cho các ngân hàng nhưng cũng sẽ tiềm ẩn nhiều rủi ro nên những năm gần đây các ngân hàng đã chủ động giảm bớt tỷ lệ này ở mức hợp lý. Ví dụ như năm 2004 tỷ số lta trung bình của các ngân hàng là 86,8% sang năm 2005 giảm còn 85,6% đến năm 2006 còn 76% (nguồn số liệu từ: phòng nguồn vốn và kế hoạch tổng hợp).

Tài sản của các ngân hàng Việt Nam trong mẫu nằm trong khoảng 533,47 tỷ đồng đến 950.377,914 tỷ đồng . Trong suốt thời kỳ nghiên cứu tổng tài sản của các ngân hàng không ngừng tăng lên, một phần do sự thành công của sáp nhập và mua lại. Đặc biệt là trong giai đoạn vừa qua làn sóng mua bán, sáp nhập ngân hàng tiếp tục nóng với hàng loạt các thương vụ như MHB - BIDV, PG Bank - Vietinbank, Mekong Bank - Maritime Bank.

Hình 3.1: Biểu đồ tỷ số cho vay / tài sản (lta) và tỷ số thu nhập ngoài lãi trên thu

nhập hoạt động thuần (snonin) trung bình của các ngân hàng ở Việt Nam trong giai

đoạn nghiên cứu

Tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần của ngân hàng ở Việt Nam có xu hướng giảm như tỷ số lta. Tỷ số snonin trung bình là 21.317%, tỷ số snonin của các ngân hàng ở Việt Nam giảm chủ yếu là do thua lỗ trong các hoạt động đầu từ ngoài lãi của ngân hàng. Ví dụ như Sacombank trong quý IV/2015 là thu nhập từ các hoạt động khác giảm 18,9 tỷ đồng do các khoản đầu tư lỗ.

Đối với các ngân hàng ở Việt Nam, thu nhập ngoài lãi có khi âm,vì chi phí ngoài lãi nhìn chung vượt quá khoản thu từ dịch vụ, từ hoạt động kinh doanh ngoại hối, mua bán chứng khoán.v.v , mặc dù tỷ lệ khoản thu từ hoạt động này trong tổng các nguồn thu của ngân hàng đã tăng rất nhanh trong những năm gần đây.

3.1.2 Đòn bẫy tổng hợp (dtl):

Tại sao các chỉ số đòn bẩy thông thường không cho thấy bất kỳ tín hiệu về các rủi ro hệ thống trước khi xảy ra cuộc khủng hoảng cho vay dưới chuẩn? (Philippe Bergevin & Christian Calmès & Raymond Théoret, 2013). Đây là câu hỏi được đặt ra trong những thập kỷ gần đây, trong khi các ngân hàng đã trải qua một sự biến to lớn. Các ông cho rằng ngân hàng theo định hướng thị trường được đặc trưng bởi một loại rủi ro mới là rủi ro có hệ thống, một rủi ro mà bản chất là phụ thuộc vào tài khoản ngoại bảng cân đối và chỉ số đòn bẩy tiêu chuẩn không được trang bị để nắm bắt các loại rủi ro ngân hàng mới. Họ đã giới thiệu một khuôn khổ thực nghiệm mới cho phép khai thác các tính chất chu kỳ của biện pháp độ đàn hồi đòn bẩy, trong khi đồng thời kiểm soát những thông tin nhiễu. Tóm lại, nhờ vào bộ lọc Kalman, có thể tính toán mức độ tối ưu của đòn bẩy ngân hàng. Phương pháp này mang tính chu kỳ, dự báo các tín hiệu về rủi ro hệ thống xảy ra trước khi nó bùng nổ của họ. Bằng cách xem xét tất cả các hoạt động của ngân hàng (ngân hàng theo hướng thị trường) các biện pháp đòn bẩy thời gian khác nhau có xu hướng có hệ thống thu chênh lệch giá được vốn điều lệ và nguy cơ OBS nó đòi hỏi.

Mức đòn bẫy tổng hợp (DTL) được định nghĩa là tính đàn hồi của lợi nhuận (π)

Đối với thu nhập hoạt động . DTL= ,tốc độ tăng trưởng lợi nhuận so với tốc

độ tăng trưởng của thu nhập hoạt động. Tỷ lệ này cho thấy phần trăm thay đổi trong lợi nhuận sau khi thu nhập hoạt động tăng 1%. Tỷ lệ này càng cao, các đòn bẩy hơn một ngân hàng càng lớn. Như trong trường hợp của đòn bẩy đo bằng tỷ lệ tài sản trên vốn chủ sở hữu, DTL cao hơn, tác động bất lợi khi doanh thu hoạt động giảm vào khả năng thanh toán của ngân hàng càng tăng, trong trường hợp này được đo bằng lợi nhuận.

Trung vị

skewess Kurtosis

Trung bình

Số lớn nhất

Số nhỏ nhất

0.773

0.781

Độ lệch chuẩn 0,49083

5.375

0.157

-0.4932 0.203

dtl

Bảng 3.2: Thống kê mô tả cho dữ liệu mức đòn bẩy tổng hợp.

Trái với các đòn bẩy tiêu chuẩn, DTL bao gồm các rủi ro xuất phát từ ngành nghề kinh doanh phi truyền thống của ngân hàng, và bởi vì các hoạt động này cũng ảnh hưởng đến doanh thu và lợi nhuận hoạt động, nó có thể giải thích cho mọi hoạt động ngân hàng,. Thật vậy, DTL cung cấp các phản ứng của tổng lợi nhuận ngân hàng khi thay đổi 1% tổng thu nhập hoạt động. Do đó nó là một chỉ số về phóng đại tác động thu nhập hoạt động trên lợi nhuận, mà điều đó sẽ tác động đến tất cả dòng tiền được tạo ra bởi ngân hàng, và tài khoản ngoại bảng.

Nếu biến X có tác động đòn bẩy lên biến Y, đo độ nhạy cảm của Y với những biến động trong X đó là độ co dãn của Y đối với X. Tuy nhiên, đòn bẩy ngân hàng thường được định nghĩa là một đơn giản X / Y tỷ lệ vì biến đổi trong tài sản và vốn được giả định là triệt tiêu lẫn nhau. Tuy nhiên, trong cách tiếp cận tiêu chuẩn này, giá trị vốn chủ sở hữu được giả định để gây ra tất cả tăng hoặc giảm tài sản. Trong thực tế, trong bối cảnh các ngân hàng theo hướng thị trường, vốn có thể được tài trợ bằng nợ thêm hoặc bán tài sản, mà không trực tiếp ảnh hưởng đến vốn cổ phần. Nói cách khác, với thanh khoản do cá khoản mục ngoại bảng (OBS) gây ra, mối quan hệ giữa những thay đổi trong tài sản và những thay đổi trong vốn chủ sở hữu không còn là một ánh xạ trực tiếp nữa.

Trong môi trường ngân hàng này, để đánh giá đúng đòn bẩy ngân hàngphải từ bỏ cách tiếp cận truyền thống và xem xét các biện pháp đo lường biến đổi theo thời gian. Ngẫu nhiên, phân tích an toàn vĩ mô là chủ yếu liên quan với các biến động ngắn hạn trong đòn bẩy tổng hợp, do đó, các chỉ số đàn hồi (đòn bẫy) cũng cần cung cấp các thông tin về rủi ro ngân hàng. Trong bài nghiên cứu này, tôi sử dụng chỉ số mức độ tổng đòn bẩy (dtl) (DeYoung và Roland, 2001) để đại diện rủi ro của ngành ngân hàng. Một đặc điểm nổi trội của biện pháp này là nó bao gồm tất cả các hoạt động ngân hàng, và đặc biệt là mọi thành phần của các hoạt động ngoại bảng (OBS).

3.1.3. Tăng trưởng GDP đo lường mức sức mạnh tăng trưởng kinh tế.

Hình 3.2: Biểu đồ tăng trưởng GDP theo quí 1 năm 2006 đến quí 4 năm

2010.

Số liệu GDP cũng được lấy theo quý từ quý 1 năm 2006 đến quý 3 năm 2016.

Dữ liệu được lấy từ trang www.gso.gov.vn. Của tổng cục thống kê. Biến đại diện cho

rủi ro trong tăng trưởng GDP (dln(gdp)) trong bài nghiên cứu là số liệu hàng quý, được tính như sau: bằng log (GDPt/GDPt-1).

Còn biến số đại diện cho sự không chắc chắn trong tăng trưởng GDP (cv_gdp)

được tính bằng cách lấy phương sai có điều kiện trong chu trình ARMA(2,2)-GARCH

cho biến GDP.

Theo như thống kê, ta có thể thấy được có những năm như cuối 2008, đầu 2009 tốc độ tăng trưởng giảm khoảng 3%. Chúng ta biết rằng các vấn đề thông tin và chi phí đại diện thường cao hơn trong giai đoạn tăng trưởng chậm và đặc biệt là trong các cuộc khủng hoảng, khi các ngân hàng đang tiếp xúc nhiều nhất với rủi ro đạo đức và lựa chọn bất lợi. Kinh doanh ngân hàng thường là rủi ro cao hơn trong giai đoạn này, bởi

vì giá trị tài sản thế chấp giảm (Boyd và Gertler, 1994; Kyotaki và Moore, 1997). Chúng ta cũng biết rằng cả phương sai (sự phân tán cross-section) của tỷ số khoản vay

trên tài sản và phương sai (phân tán cross-section) của phần thu nhập ngoài lãi thu nhỏ

trong giai đoạn tăng trưởng chậm, và đặc biệt là trong các cuộc khủng hoảng tài chính,

450

400

350

300

250

200

disp(lta)

150

dln(gdp)

100

khi đó khả năng phục hồi của hệ thống ngân hàng ở mức thấp nhất.

Hình 3.3: Biểu đồ tăng trưởng GDP và phương sai tỷ số dư nợ/ tài sản từ

60000

50000

40000

30000

disp(snonin)

20000

dln(gdp)

10000

450 400 350 300 250 200 150 100 50 0

3 1 0 2 _ 1 Q

3 1 0 2 _ 2 Q

3 1 0 2 _ 3 Q

3 1 0 2 _ 4 Q

4 1 0 2 _ 1 Q

4 1 0 2 _ 2 Q

4 1 0 2 _ 3 Q

4 1 0 2 _ 4 Q

5 1 0 2 _ 1 Q

5 1 0 2 _ 2 Q

5 1 0 2 _ 3 Q

5 1 0 2 _ 4 Q

6 1 0 2 _ 1 Q

6 1 0 2 _ 2 Q

6 1 0 2 _ 3 Q

quý 1 năm 2013 đến quý 3 năm 2016.

Hình 3.4: Biểu đồ tăng trưởng GDP và phương sai tỷ số thu nhập ngoài lãi/

thu nhập hoạt động thuần từ quý 1 năm 2013 đến quý 3 năm 2016.

Nhìn trong hai hình 3.3 và 3.4 với số liệu thực tế của Việt Nam, ta có thể hy vọng

một mối quan hệ cùng chiều giữa biến tăng trưởng GDP và didp(lta) và disp(snonin)

trong ước lượng đúng như kỳ vọng của bài nghiên cứu.

3.1.4. Lạm phát là nhân tố bóp méo tín hiệu đưa ra bởi giá cả tương đối.

Nhân tố đầu tiên được đề cập trong mô hình gây tác động hành vi đồng nhất của ngân hàng Việt Nam là tỷ lệ lạm phát. Cũng như những bài nghiên cứu trước đây, tỷ lệ lạm phát trong mô hình nghiên cứu được đại diện bởi chỉ số giá cả tiêu dùng (CPI), số liệu chỉ số CPI sẽ lấy năm gốc là năm 2005 (CPI 2005 =100%), dữ liệu được thu thập từ quý 1/2006 đến quý 3/2016 . Chỉ số CPI được sử dụng trong bài nghiên cứu lấy từ Thống kê tài chính quốc tế (IFS). Biến đại diện cho sự không chắc chắc trong lạm phát (cv_inf) được tính bằng phương sai có điều kiện của chu trình AR(1)-GARCH. Còn biến rủi ro liên quan đến lạm phát (inf) được tính bằng log(CPIt/CPIt-1).

Hình 3.5: Biểu đồ của biến inf đại diện cho rủi ro lạm phát từ quý 1 năm

2013 đến quý 3 năm 2016.

Tình hình lạm phát trong những năm gần đây khá thâm trầm, tốc độ lạm phát tăng ở mức hai con số chẳng hạn như năm 2007 tăng 12.67% và năm 2008 tăng 22.3% . Trong những năm gần đây với chính sách kiềm chế lạm phát của nhà nước tỷ lệ lạm phát đã có xu hướng giảm ví dụ như năm 2011 từ mức lạm phát 2 con số 18.93% đến năm 2012 giảm còn 1 con số là 6. 81 % và năm 2013 còn 5.92%. Tuy nhiên lạm phát

tại Việt nam vẫn còn cao hơn rất nhiều so với một số nước trong khu vực. Theo lý thuyết kinh tế học, tăng trưởng, lạm phát, cán cân thanh toán, thất nghiệp là những yếu tố kinh tế vĩ mô đáng quan tâm, ảnh hưởng tới cân đối vĩ mô của nền kinh tế, trong đó yếu tố lạm phát là vấn đề được quan tâm hàng đầu của bất kỳ một quốc gia nào. Trong thời gian gần đây, lạm phát luôn được Chính phủ quan tâm và dành nhiều nỗ lực nhằm kiềm chế lạm pháp ở mức hợp lý đồng thời bảo đảm tăng trưởng kinh tế bền vững. Tuy nhiên, tốc độ tăng chỉ số CPI trong những năm gần đây, đặc biệt là năm 2011 luôn thu hút sự quan tâm và chú ý của các nhà nghiên cứu kinh tế và dư luận xã hội.

Theo Ngân hàng đầu tư Merrill Lynch của Mỹ (Anatomy of an inflation shock,

2008 ). Việt Nam có những biểu hiện của một “cú sốc” lạm phát bao gồm:

- Thứ nhất, lạm phát tăng mạnh, khiến ngân hàng trung ương phải phản ứng mạnh bằng

chính sách tiền tệ.

- Thứ hai, thanh khoản thắt chặt, lãi suất cao, triển vọng tăng trưởng xấu đi.

- Thứ ba, giá cả của những mặt hàng chịu ảnh hưởng lớn của yếu tố tâm lý, như chứng

khoán và bất động sản giảm nhanh; đồng nội tệ có thể lên giá hoặc xuống giá.

- Và thứ tư, đồng nội tệ có thể lên giá hoặc xuống giá. Nếu chính sách tiền tệ được thắt

chặt từ từ và thị trường vẫn tin tưởng vào chính sách vĩ mô, đồng nội tệ có thể lên giá.

Nhưng nếu bất ổn xảy ra, triển vọng tăng trưởng xấu đi và dòng vốn ngoại chảy ra,

đồng nội tệ sẽ mất giá mạnh.

Khi có một cú sốc lạm phát tạo ra nhiễu tín hiệu thị trường và làm giảm chất lượng thông tin dẫn đến giảm phân tán cross-section của tài sản danh mục đầu tư của ngân hàng, do các ngân hàng sẽ phân bổ lại tài sản đồng nhất hơn khi có sự không chắc chắn của yếu tố vĩ mô tăng lên (Baum và các cộng sự (2004, 2009) và Quagliariello (2009)).

3.1.5. Output gap đo lường chu kỳ kinh doanh.

Output gap là độ chênh lệch, thường tính bằng %, giữa sản lượng thực tế và sản lượng tiềm năng của một nền kinh tế. (Sản lượng tiềm năng – potential output hoặc natural GDP là mức sản lượng mà nền kinh tế có thể phát triển bền vững trong dài hạn). Output gap lớn hơn 0 thường được coi là dấu hiệu của dư cầu, gây áp lực tăng giá, do

đó sẽ phải tăng lãi suất nhằm tránh cho nền kinh tế phát triển quá nóng cũng như kiềm chế lạm phát. Output gap nhỏ hơn 0 được coi là dấu hiệu lạm phát sẽ giảm.

Để ước tính output gap, nguời ta thường dùng bộ lọc Hodrick – Prescott (Prescott, Nobel kinh tế 2004) để ước tính sản lượng tiềm năng (thực ra là tính trend level of output và lấy đó làm potential output. Cụ thể, với giả định GDP gồm 2 thành phần, 1 thành phần mang tính xu hướng (trend component) và 1 thành phần mang tính chu kỳ (cyclical component), người ta sử dụng bộ lọc Hodrick-Prescott loại bỏ thành phần chu kỳ để lấy thành phần xu hướng và coi đó là sản lượng tiềm năng. Đây là một mô hình thống kê thuần túy và có nhược điểm là chỉ phù hợp với những nền kinh tế phát triển, đặc biệt là Mỹ và khả năng dự báo là không cao. Tuy nhiên đây là phương pháp đơn giản do chỉ dùng một biến số là GDP thực tế, thường là lấy số liệu quý.

Bảng 3.3: Tóm tắt nguồn dữ liệu.

Biến Số liệu Nguồn

Tỷ số khoản dư nợ cho vay/tổng tài http://www.cophi sản của 9 ngân hàng. Số liệu được thu thập eu68.vn tử báo cáo tài chính (bản cân đối kế toán) Lta và trang web các của mỗi ngân hàng. ngân hàng

Tỷ số thu nhập ngoài lãi/ thu nhập http://www.cophi

hoạt động ròng. Số liệu được thu thập tử eu68.vn Snonin báo cáo kết quả hoạt động kinh doanh của và trang web các

mỗi ngân hàng. ngân hàng

Phân tán cross-sectional của lta. Ví dụ: trong một quý, disp(Ita) sẽ

Dis(lta)

bằng phương sai của lta của các ngân hàng có trong mẫu.

Phân tán cross-sectional của snonin . Disp(snoni Ví dụ: : trong một quý, disp(Ita) sẽ n) bằng phương sai của snonin của các ngân

hàng có trong mẫu.

www.gso.gov.vn dln(gdp)

Là tăng trưởng GDP hàng quý, bằng log (GDPt/GDPt-1). output gap được tính bằng cách loại bỏ xu

Output-gap: hướng bộ lọc Hodrick-prescott .

www.gso.gov.vn Inf tỷ lệ lạm phát theo quí, bằng log(CPIt/CPIt-1)

Mức đòn bẫy tổng thể. Đây là một

biện pháp dựa trên tính co dãn của đòn bẩy

ngân hàng (Calmès và Théoret, 2013). Trong

nghiên cứu này, nó là thước đo rủi ro hệ

thống ngân hàng.

Nó thu được bởi hồi qui thu nhập

ròng của ngân hàng (lợi nhuận hoặc lỗ) với

thu nhập thuần từ hoạt động bằng cách sử dtl dụng bộ lọc Kalman. Số liệu trước khi hồi

qui sẽ được loại bỏ xu hướng Phương pháp

loại bỏ xu hướng được sử dụng là bộ lọc

Hodrick-Prescott. Kết quả là sự nhạy cảm

(hệ số) của hồi qui thu nhập ròng với thu nhập hoạt động ròng theo thời gian là một

thước đo '' mức độ đòn bẩy tổng thể (dtl) ''.

IMF cv_gdp Là phương sai có điều kiện của tăng trưởng GDP. Nó là phương sai có điều kiện của innovation của một chu trình ARMA

(2,2) (Mô hình có tự hồi quy bậc 2 và trung

bình trượt bậc 2), phương trình áp dụng cho

các chuỗi dữ liệu thời gian với biến tăng

trưởng GDP. Phương sai có điều kiện này

được tính toán bằng cách sử dụng quá trình GARCH. Nó là biến đại diện cho sự không

chắc chắn trong tăng trưởng GDP (moment

thứ hai).

Phương sai có điều kiện theo tỷ trọng

của tăng trưởng GDP. Nó là bình quân gia

quyền của cv_GDP tính của bốn quý với tỷ Cv_gdp_w

trọng giảm 0,4, 0,3, 0,2 và 0,1.

Phương sai có điều kiện của lạm phát,

phương sai có điều kiện của innovation của

chu trình AR(1) (Mô hình tự hồi quy bậc 1),

phương trình trung bình- áp dụng cho chuỗi Cv_inf dữ liệu lạm phát. Phương sai có điều kiện

này được tính toán bằng cách sử dụng quá

trình GARCH

3.2. Phƣơng pháp nghiên cứu:

3.2.1 Mô hình trong bài nghiên cứu trong bài nghiên cứu của Christian Calmes và Raymond Theoret (2014)

Bài nghiên cứu sau đây sử dụng mô hình trong bài nghiên cứu của Christian Calmès và Raymond Théoret (2014) mô hình này được áp dụng cho chuỗi dữ liệu theo thời gian. Bài nghiên cứu này tiến hành phân tích tác động của nhân tố vĩ mô gây ra các rủi ro cho hệ thống ngân hàng.

Theo Baum et al. (2004, 2009), danh mục đầu tư ngân hàng bao gồm hai loại tài sản: một tài sản phi rủi ro (chứng khoán) và một tài sản rủi ro. Tuy nhiên, vì những cú sốc kinh tế vĩ mô có thể bóp méo sự phân bổ kinh phí cho cả các hoạt động có thu nhập từ lãi và thu nhập ngoài lãi, các tài sản rủi ro bao gồm các khoản vay và các hoạt động có thu nhập ngoài lãi. Chính xác hơn, để kiểm tra giả thuyết, bài nghiên cứu xem xét các mô hình đơn giản hình thức sau đây:

(1)

Trong đó disp j, t là một biến số đo lường phương sai sự phân tán cross-sectional của một tài sản rủi ro j tại thời điểm t. mv,t là moment đầu tiên của một biến kinh tế vĩ mô đại diện cho rủi ro; 2 c; mv; t là phương sai có điều kiện tương ứng của các biến kinh tế vĩ mô (ví dụ, moment thứ hai đo lường sự không chắc chắn kinh tế vĩ mô); và t là innovation (sai số hồi qui). Ví dụ, moment đầu tiên của một biến kinh tế vĩ mô có thể là tăng trưởng GDP, và moment thứ hai là phương sai có điều kiện của tăng trưởng GDP. Cuối cùng, mô hình còn bao gồm biến trễ của biến phụ thuộc để kiểm soát cho tự tương quan của phần dư và để giải thích cho sự chậm trễ trong việc điều chỉnh các dispj quan sát, t tới mức mục tiêu.

Điểm khác biệt trong mô hình bài nghiên cứu này là có sự phân biệt rõ ràng giữa rủi ro và sự không chắc chắn của biến kinh tế vĩ mô. Rủi ro vĩ mô có liên quan đến sự xuất hiện của của các điều kiện vĩ mô chắc chắn được đo lường được bằng phần trăm xảy ra trong tương lai. Sự không chắc biến động không dự báo được. Lý do về sự phân biệt đó được Christian Calmès và Raymond Théoret giải thích như sau: rủi ro vĩ mô tác động đến hoạt động thu nhập ngoài lãi nhiều hơn, còn sự không chắc chắn ảnh hưởng chủ yếu đến hoạt động kinh doanh cho vay. Mặc khác, có thể giả định rằng các hoạt động thu nhập ngoài lãi tương đối ít bị tác động bởi sự không chắc chắn kinh tế vĩ mô hơn so với các khoản vay bởi vì ít nhất về mặt lý thuyết nó có thể dễ dàng được phòng ngừa hơn. Thật vậy, các sản phẩm cấu trúc tài chính, có tỷ trọng lớn trong những hoạt động, được thiết kế để đối phó biến động và cải thiện chia sẻ rủi ro thị trường tài chính chia sẻ rủi ro. Mặt khác, mang lại tính thanh khoản cao, họ cũng phỏng đoán rằng các hoạt động thu nhập ngoài lãi tương đối nhạy cảm hơn với rủi ro kinh tế vĩ mô (output gap và tốc độ tăng trưởng GDP), và đối với chiều hướng này các chu kỳ rủi ro hệ thống của ngân hàng trong thực tế là khá đáng kể.(Lucas và Stokey 2011)

(2)

Phân tích tác động của một yếu tố kinh tế vĩ mô tại một thời điểm. Ví dụ, đối với phân tán cross-section của lta cho sự không chắc chắn trong tăng trưởng GDP, phương trình (1)có thể được thể hiện như mô hình dưới đây

Với:

disp(lta)t: là sự phân tán cross-sectional của lta cv_gdpt: là phương sai có điều kiện của tăng trưởng GDP. dln(gdp)t: là tăng trưởng GDP. Output_gapt: là số liệu output gap. Là độ lệch của logarit

của GDP thực tế với xu hướng Hodrick-Prescott (H-P) của nó.

dtlt: đo lường đòn bẫy tổng thể. disp(lta)t-1: biến trễ của biến phụ thuộc

Christian Calmès và Raymond Théoret cũng đã xem xét các biến kinh tế vĩ mô và tài chính khác, nhưng những yếu tố này không cải thiện sự phù hợp của mô hình. Ví dụ, các tác giả thường đưa vào mô hình phương sai có điều kiện của sản xuất công nghiệp để mô hình bất ổn kinh tế vĩ mô, nhưng trong thiết lập mô hình của bài nghiên cứu khi đưa vào biến này khồn cho ra kết quả tốt hơn so với GDP. Các biến kinh tế vĩ mô 'gián tiếp'khác, chẳng hạn như hàng tồn kho công ty, tỷ lệ thất nghiệp, chỉ số hàng đầu và tỷ lệ công suất công nghiệp cũng được tìm thấy là cho ra kết quả kém trong khuôn khổ bài nghiên cứu. Mô hình trên phân tích sự tác động của sự không chắc chắn tăng trưởng GDP qua các giai đoạn. β1 được kỳ vọng là mang dấu âm, bởi vì khi sự không chắc chắn (cv_gdp) tăng sẽ liên quan đến sự giảm trong disp(lta). Còn đối vơi các β2 và β3 được kỳ vọng mang dấu dương. Vì khi có một giảm trong tăng trưởng GDP (GDP tăng trưởng chậm ) sẽ làm giảm disp(lta) nghĩa là các ngân hàng sẽ vi đồng nhất hơn. Tăng trưởng GDP là biến đo lường sức mạnh tăng trưởng kinh tế, trong khi biến output_gap đo lường chu kỳ kinh doanh. Thật tế khi rủi ro vĩ mô tăng lên; ví dụ khi tăng trưởng GDP và output gap giảm, ngân hàng có những hành vi đồng nhất hơn, như họ làm trong trường hợp sự không chắc chắn vĩ mô tăng lên. Hệ số β4 của đòn bẫy dtl được kỳ vọng là âm, ngân hàng có những hành vi đồng nhất hơn trong những lúc rủi ro ngân hàng tăng.

Biến cv_gdp được xây dựng như trong bảng tóm tắt biến. Thực tế cv_gdp là

phương sai có điều kiện của mô hình ARMA áp dụng cho tăng trưởng GDP.

Còn biến dtl là thước đo rủi ro của ngân hàng, được xây dựng bằng cách hồi qui thu nhập ròng (NI) và thu nhập hoạt động ròng bằng cách sử dụng bộ lọc Kalman. Thu nhập ròng và thu nhập hoạt động trước khi hồi qui đã được loại bỏ xu hướng bằng bộ lọc Hodrick- Prescott. Độ nhạy cảm của thu nhập trên thu nhập hoạt động là độ co dãn, thước đo của đòn bẫy. Christian Calmès và Raymond Théoret cho rằng theo như kinh nghiệm cách tính đòn bẫy này tốt trong việc xem xét rủi ro hệ thống của ngân hàng. Hai ông cho rằng độ co dãn được dùng làm đòn bẫy sẽ đại diện cho rủi ro ngân hàng tốt hơn đòn bẫy tiêu chuẩn kế toán được đo lường bằng tỷ số tổng tài sản trên vốn cổ phần hoặc đòn bẫy được qui định trong Basel I và II.

Để ước lượng disp(lta) với một phiên bản làm trơn của phương sai có điều kiện tăng trưởng GDP Mô hình này sử dụng phương trình (2) thay biến cv_gdp_w vào chỗ biến cv_gdp.

(3)

Mô hình thứ 2 sử dụng trong bài nghiên cứu, disp(lta) được xem xét trong mối quan hệ với sự không chắc chắc của lạm phát thay cho biến sự không chắc chắn của tăng trưởng GDP:

(4)

Với:

là phương sai có điều kiện của lạm phát.

disp(lta)t: là phương sai cross-sectional của lta cv_inft: dln(gdp)t: là tăng trưởng GDP. Output_gapt: là số liệu output gap. Inft: là tỷ lệ lạm phát theo quí. dtlt: đo lường đòn bẫy tổng thể

disp(lta)t-1: biến trễ của biến phụ thuộc

Mô hình này được lập từ mô hình thứ nhất thay sự không chắc chắn GDP bằng sự không chắc chắn của lạm phát. Tương tự phương trình trên, γ1 được kỳ vọng mang dấu âm, với giải thích tương tự. γ4 được kỳ vọng mang dấu âm vì khi lạm phát tăng thì sự bóp méo tín hiệu thị trường tăng, và chất lượng thông tin suy giảm dẫn đến giảm disp(lta), do các ngân hàng sẽ phân phối lại cac danh mục tài sản đồng nhất hơn.(Beaudry và các cộng sự 2001)

Khi ước tính cho disp(snonin), tương tự với disp(lta), thay thế 3 mô hình trên

bởi Snonin .

3.2.2 Mô hình EGARCH của Nelson (1991)

Kiểm định GARCH xác nhận sự hiện diện của một sự bất đối xứng dương của bình phương phần dư (innovation) trong các ước tính của bài nghiên cứu. Do đó bài nghiên cứu phải dựa trên một phương pháp tiếp cận EGARCH để ước tính ba phiên bản của mô hình kinh điển của bài nghiên cứu (Franses và Van Dijk, 2000). Trong cách tiếp cận như vậy, sự biến động của phần dư (innovation), ký hiệu là t là một hàm số của các phần dư trễ (lagged innovation) ( t-1). Ví dụ, tiến trình EGARCH đã được áp dụng cho mô hình lợi nhuận chứng khoán. Tin tốt được định nghĩa là một trạng thái trong đó et-1> 0; tức là., một sự gia tăng trong giá cổ phiếu. Ngược lại, tin xấu liên quan đến một trạng thái trong đó et-1 <0; tức là, một sự giảm giá chứng khoán. Tin tốt và tin xấu như vậy là khía cạnh xác định dấu của t-1 . Trên thị trường chứng khoán, tin xấu thường có một tác động lớn hơn so với tin tức tốt, vì vậy với tin tức có độ lớn tương tự thì việc bất ngờ bị giảm lợi nhuận (do tin xấu) có xu hướng biến động nhiều hơn so với một bất ngờ tăng lợi nhuận (do tin tức tốt) (Black, 1976). Nói cách khác, Christian Calmès và Raymond Théoret cho rằng việc áp đặt một điều kiện về phương sai có điều kiện của phần dư phải đối xứng như các tác giả trước đã làm là quá hạn chế trong trường hợp của bài nghiên cứu.

Trong bối cảnh của các mô hình của bài nghiên cứu (phương trình (2) và (3)), tin tức tốt (et-1 > 0) có thể liên quan đến tin một lỗ hổng sản lượng (ouput gap) dương t liên quan đến mô hoặc một tỷ lệ tăng trưởng GDP dương. Bằng chứng là sau đó, hình là cao hơn trong thời gian tin tức tốt so với trong thời gian tin tức xấu. Bởi vì lta

và snonin là một hàm số dương của lỗ hổng sản lượng, t cao hơn khi snonin và lta tăng và thấp hơn khi chúng giảm. Để giải thích cho tác động không đối xứng này (trên các biến động có điều kiện của sự đổi mới của disp(lta) và disp(snonin)) do đó bài nghiên cứu sẽ sử dụng mô hình của Nelson (1991) như sau:

(5)

p để mà có thể được tổng quát cho một EGARCH (p, q) quá trình bằng cách thêm trễ . Trong phương trình này, tin tức tốt, et-1 > 0, và tin xấu et-1 và trễ q cho

<0, có thể có tác động khác nhau về phương sai có điều kiện. Mô hình EGARCH là là được kèm với một hệ số không đối xứng vì mức độ . Có sự bất đối xứng nếu

khác 0 đáng kể. Trong đó, tin xấu có một hiệu ứng đòn bẩy đối với biến động nếu <0, và hiệu ứng này là theo cấp số nhân, vì phương sai được ước tính trong một logarit. Ngược lại, nếu > 0 có bất đối xứng dương trong mô hình ước tính phần dư. Tóm lại, so với GARCH chuẩn (Bollerslev, 1986), phương pháp ước lượng EGARCH cho phép tin tức tốt và tin xấu để có một tác động khác nhau về biến động , và những tin tức quan trọng hơn, thì tác động lớn hơn vào biến động (Engle và Ng, 1993)

Một minh họa cho những lợi thế của phương pháp EGARCH này có thể được nhìn thấy, trong đó cho thấy biến động của disp(lta) và disp(snonin) theo nhóm cho một loạt các ngân hàng. Với mô hình này, nó rất hữu ích để sử dụng mô hình EGARCH đúng với sự biến động của phương sai có điều kiện. Thật vậy, ngay cả khi dựa vào OLS hay đơn giản MLE cho các biến kết quả được tạo ra thống nhất với các ước tính ban đầu nhưng hệ số kiểm định t thì không có ý nghĩa thống kê( kiểm định F hoặc kiểm định Wald của nhóm các hệ số vẫn có ý nghĩa; Pagan, 1984, 1986). Vấn đề này được đề cập trong các nghiên cứu trước đó (ví dụ, Beaudry et al, 2001;.. Baum et al, 2002, 2004, 2009; Quagliariello, 2007, 2008, 2009), nhưng nó đã không được giải thích trước đó.

3.2.3 Phương pháp nghiên cứu trong bài

Phương pháp nghiên cứu trong bài là phương pháp định lượng. Với chuỗi dữ

liệu thời gian theo quí.Trong phần đầu tiên ta ước lượng mô hình theo mô hình Christian Calmès và Raymond Théoret (2014) bằng cách sử phương pháp tự hồi quy

phương sai có điều kiện (EGARCH(1,1)). Cuối cùng, để đảm bảo tính vững của mô

hình, theo Somoye và Ilo (2009) ước tính mô hình EGARCH(1,1) cho 2 biến lta và

Snonin là biến phụ thuộc thay cho disp(lta) và disp(snonin) có thêm biến trend vào

mô hình của biến phụ thuộc lta để tính đến sự tự tương quan của chuỗi dữ liệu lta.

a. Kiểm định tính dừng

Trong phân tích chuỗi thời gian, bất kì một chuỗi thời gian nào có tính chất dừng mới cho ra một kết quả ước lượng đáng tin cậy. Do đó, vấn đề đầu tiên trong việc ước lượng và định dạng mô hình EGARCH là kiểm định xem chuỗi dữ liệu chúng ta đang quan sát là dừng hay không. Nếu chuỗi dữ liệu là dừng thì ta tiến hành ước lượng trên chuỗi dữ liệu này, nếu chuỗi là không dừng ta sẽ tiến hành lấy sai phân và xem xét tính dừng của chuỗi sai phân. Việc lấy sai phân sẽ dừng lại khi kết quả của chuỗi sai phân là dừng. nếu chuỗi dừng sau khi lấy sai phân p lần, ta gọi chuỗi dữ liệu gốc ban đầu là chuỗi tích hợp bậc p, kí hiệu I(p).

Bài nghiên cứu này sử dụng phương pháp truyền thống và phổ biến nhất trong các công cụ của kinh tế lượng, đó là phương pháp kiểm tra nghiệm đơn vị của Dickey- Fuller ( 1979) “Distribution of the Estimators for Autoregressive Time Series with a Unit Root,” Journal of the American Statistical Association để xem xét tính dừng của chuỗi dữ liệu quan sát.

Trong phương pháp ADF ta cần kiểm định hai giả thuyết:

Ho: pk = 0 (chuỗi dừng)

H1 : pk ≠ 0 (chuỗi không dừng)

Ta ước lượng mô hình: t = p/se (p) có phân phối theo quy luật DF.

Nếu |t| >|tβ| thì bác bỏ giả thuyết Ho và khi đó thì chuỗi dữ liệu là dừng. Việc kiểm định này sẽ được thực hiện bằng phần mềm eview, kết quả kiểm định sẽ được trình bày ở phân sau.

Kiểm định sự thay đổi phương sai có điều kiện (ước ượng OLS cho disp(Ita) và

disp( snonin) và kiểm định ARCH-test :

b. Để thực hiện kiểm định phương sai ta thực hiện các bước như sau

B1: Ước lượng mô hình hồi quy phụ OLS cho thấy sự không phù hợp khi ước

tính mô hình .

B2 : Kiểm định giả thuyết bằng ARCH-test

t ) thu được để kiểm định hiệu ứng ARCH hay nói khác hơn là kiểm định hiệu ứng phương sai có điều kiện của sai số thay đổi. Phương pháp kiểm định là phương pháp nhân tử Lagrange của Engle (1982)

Sử dụng phần dư (u2

Theo phương pháp này ta sẽ ước lượng mô hình hồi quy phụ của u2

Với Ho : không có hiệu ứng ARCH

H1 : có hiêu ứng ARCH

, trong đó ω = là trung bình của u2 Đặt SSRo =

SSR1 =

Trong đó là giá trị ước lượng của εt trong phương trình hồi quy phụ. Sau đó

tính:

Nếu F> thì bác bỏ giả thuyết Ho, ngược lại chấp nhận Ho.

Khi ta bác bỏ giả thuyết Ho thì lúc đó có hiện tượng phương sai thay đổi xảy ra.

c. d. Ước lượng mô hình EGARCH (1,1) cho disp(lta) và disp( snonin). Tính các hệ số biểu thị khả năng giải thích của rủi ro và sự không

chắc chắn của vĩ mô với rủi ro hệ thống.

Kiểm tra tính vững bằng cách ước lượng mô hình EGARCH(1,1) ) cho 2 biến lta và Snonin là biến phụ thuộc thay cho disp(lta) và disp(snonin) có thêm biến trend vào mô hình của biến phụ thuộc lta để tính đến sự tự tương quan của chuỗi dữ liệu lta.

Chƣơng 4. Kết quả nghiên cứu

4.1. Kiểm định tính dừng

Một trong những yêu cầu của mô hình EGARCH là chuỗi dữ liệu phải dừng. Trên cơ sở dữ liệu chuỗi thời gian, để kiểm định tính dừng của chuỗi thời gian dựa vào kiểm định ADF (Augmented Dickey-Fuller) truyền thống.

Bảng 4.1: Kết quả kiểm định tính dừng của các biến trong mô hình.

Giá trị tới hạn Biến ADF Prob

Disp(lta) Disp(snonin) Cv_gdp Cv_gdp_w Cv_inf Dln(gdp) Output_gap Inf Dtl -1.82729 1.247102 -8.13287 -2.3037 -12.9096 -3.14361 -2.35126 -3.18151 -7.10016 1% -3.596616 -3.511262 -3.511262 -3.511262 -3.511262 -3.511262 -3.596616 -3.511262 -3.511262 5% -2.933158 -2.896779 -2.896779 -2.896779 -2.896779 -2.896779 -2.933158 -2.896779 -2.896779 0.3626 0.9979 0.000* 0.1756 0.000* 0.0316** 0.1629 0.0062* 0.0000*

Ghi chú: * có ý nghĩa ở mức 1%, ** có ý nghĩa ở mức 5%

Với mức ý nghĩa 1% và 5%, từ bảng kết quả nhận thấy có 5 biến trong tổng số 9 biến của mô hình là dừng. Do yêu cầu tính dừng của mô hình, kiểm tra tính dừng ở sai phân bậc 1 (I(1)) của 4 biến còn lại với kiểm địnhh ADF tiếp tục được thực hiện.

Bảng 4.2 : Kết quả tính dừng sai phân bậc 1.

Giá trị tới hạn Biến ADF Prob 1% 5%

Disp(lta) -7.34399 -3.511262 -2.896779 0.000*

Disp(snonin) Cv_gdp_w Output_gap -3.090237 -6.90325 -5.178345 -3.511262 -3.511262 -3.511262 -2.896779 -2.896779 -2.896779 0.0356** 0.0000* 0.0002*

Ghi chú: * có ý nghĩa ở mức 1%, ** có ý nghĩa ở mức 5%

Như vậy kết quả nghiên cứu cho thấy các biến: disp(lta) (phương sai cross- sectional của lta), disp(snonin) (phương sai cross-sectional của tỷ số snonin), cv_gdp (phương sai có điều kiện của tốc độ tăng trưởng GDP) và output_gap (chênh lệch sản lượng) trong kiểm định đều không dừng ở chuỗi gốc và dừng ở sai phân bậc 1 với mức ý nghĩa 1% và 5%. Trong các bước tiếp theo sẽ không sử dụng chuỗi dữ liệu gốc mà sử dụng sai phân bậc 1 để thực hiện việc tính toán trên 4 biến này.

4.2. Ƣớc lƣợng OLS và kiểm định phƣơng sai thay đổi (ARCH test)

Các kết quả liên quan đến việc ước lượng OLS của disp(lta) và disp(snonin) đều không đạt yêu cầu (bảng 4.3). Trong phương trình (2) hệ số của biến cv_gdp là âm, đúng như kỳ vọng nhưng lại không có ý nghĩa thống kê.

Tương tự thì cv_gdp_w cũng có hệ số âm và không có ý nghĩa thống kê. Ngược lại phương sai có điều kiện của lạm phát (cv_inf) thì có hệ số dương ngược với dấu kỳ vọng và cũng không có ý nghĩa thống kê. Kết quả OLS của disp(snonin), hệ số của phương sai có điều kiện của tốc độ tăng trưởng GDP (cv_gdp) là dương, sai với kỳ vọng về dấu. Còn hai biến cv_gdp_w và cv_inf thì đúng kỳ vọng. Nói chung ở cả 6 phương trình dù có đúng hay sai dấu kỳ vọng thì tất cả các hệ số đều không có ý nghĩa thống kê.

Bảng 4.3: Kết quả ước tính OLS cho disp(lta) và disp(snonin)

Hằng số (2) -61.5673 (0.5327) (3) -53.7356 (0.5549) (2) 756.6001 (0.4358) (3) 1722.246 (0.3754)

Cv_gdp - - - - Disp(lta) (1) -62.7675 (0.5027) -4.33363 (0.6668) Disp(snonin) (1) 973.9718 (0.3234) 15.21062 (0.9810)

Cv_gdp_w - - - - -4.60927 (0.7965) -2788.001 (0.1777)

Cv_inf - - - - -135.936 (0.8317)

Dln(gdp) - - -

Output_gap 0.0227 (0.0038)* 0.0217152 (0.0044)* 53.8065 (0.2832) -0.00029 (0.5124) 53.34257 (0.3055) -0.00032 (0.4809)

Inf - - - - 4.730272 (0.5303) 31.81071 (0.5138) -0.0003 (0.4929) 5.427606 (0.2726) 0.02284 (0.004)* -172.595 (0.7410)

Dtl

yt-1 -0.03601 (0.9016) 0.85 (0.000)* -0.02125 (0.9419) 0.85156 (0.000)* -0.02597 (0.9283) 0.767169 (0.000)* 14.24152 (0.6357) 0.142552 (0.6952) 11.09341 (0.7044) 0.135415 (0.7017) 13.60847 (0.7410) 0.133516 (0.7164)

0.243919 0.281628

0.69964 R-squared Adj. R-squared 0.65792 2.21797 DW

0.249853 0.698628 0.71830 0.656772 0.670512 0.159910 10201809 0.142689 1.809147 2.250473 2.131181 1.781824 1.931507 Ghi chú: Đối với mỗi biến disp(lta) và disp(snonin) -ở cột (1) và (3) tương ứng là các mô hình với các phương sai có điều kiện của GDP và lạm phát là những yếu tố không chắc chắn cho kinh tế vĩ mô (phương trình (2) và (3)). Cột (2) được tạo ra từ cột (1), ngoại trừ các yếu tố bất ổn kinh tế vĩ mô là phương sai có điều kiện có trọng số GDP thay vì giá trị đúng của nó. Các biến trong bảng này được mô tả trong bảng 3.1. p-value của hệ số trong ngoặc. Các giá trị p-value được điều chỉnh cho phương sai thay đổi và tự tương quan với các thủ tục HAC. * có ý nghĩa ở mức 1%.

Như đã thảo luận trước đó, kết quả không đạt yêu cầu khi thực hiện phương pháp OLS có thể liên quan đến việc đã bỏ qua phương sai sai số có điều kiện thay đổi. Thật vậy, để sửa chữa cho thất bại khi sử dụng phương pháp OLS do điều kiện về phương sai sai số thay đổi có điều kiện dẫn đến ước tính sai thống kê t và sai số chuẩn (Judge et al., 1985). Việc sai sót này có thể làm cho các thông số ước tính sai.

Bảng 4.4 : Kết quả kiểm định phương sai thay đổi (ARCH-test).

(2) (3)

Disp(lta)

Phương trình (1) 0.26 (0.0696)** 0.288573 (0.0682)** 0.292523 (0.0645)**

Skewness of 0.33333 0.2849 0.19249

F-statistic

Obs*R- squared 3.518042 (0.0682)* 3.392435 (0.0655)** 3.619131 (0.0645)** 3.481638 (0.0621)**

Disp(snonin) 2.893664 (0.0969)** 2.831937 (0.0924)**

1.350599 (0.0833)** 1.082518 (0.0022)* 1.619272 (0.0403)*

Skewness of 4.8064 1.536195 4.687945

F-statistic

Obs*R- squared 3.16399 (0.0833)*** 3.074530 (0.0795)** 4.508514 (0.0403)* 4.242457 (0.0394)*

Ghi chú: 2

t-1 tương ứng trong phương trình hồi qui 2

4.3. Bảng này cung cấp hệ số của 2 2 t-1, và giá trị p-value trong ngoặc.

10.75265 (0.0022)* 8.822205 (0.0030)* t-1 là bình phương phần dư trễ tương ứng với mô hình trong bảng t cho

Bảng 4.4 cung cấp các bài kiểm tra phương sai thay đổi cho sáu phương trình hồi quy OLS tại bảng 4.3. Nhìn chung, p-values của các bài kiểm tra xác nhận sự hiện diện của phương sai thay đổi có điều kiện trong các ước lượng OLS.

Bảng 4.4 cũng cho thấy rằng sự phần dư bình phương là lệch dương trong tất cả các hồi quy tức là, sự phân bố của phần dư sẽ hiển thị một sự bất đối xứng dương. Những kiểm định này do đó chỉ ra rằng một phương pháp EGARCH có thể thích hợp hơn để ước lượng mô hình của bài nghiên cứu.

4.3. Ƣớc tính EGARCH cho disp(lta) và disp(snonin)

Cột (1) của bảng 4.5 hiển thị các kết quả ước lượng cho phương trình (2) (phần phương pháp nghiên cứu) và xác nhận rằng disp(lta) đóng vai trò tiêu cực của sự không chắc chắn kinh tế vĩ mô. Điều đó có nghĩa là hệ số ước lượng của cv_gdp là bằng - 4.868387 và có ý nghĩa ở mức 1%. Hệ số của phương sai có điều kiện có trọng số của tăng trưởng GDP (cv_gdp_w) là -5.8942, lớn hơn về giá trị tuyệt đối so với hệ số của cv_gdp và có ý nghĩa ở mức 5% . Từ kết quả đó cho thấy có một sự chậm trễ trong việc điều chỉnh disp(lta) trong cột (2)). Và kết quả này đúng với kỳ vọng về dấu của bài nghiên cứu và phù hợp với kết quả từ các nghiên cứu trước đây của các tác giả khác.

Theo như lý thuyết như ở phần trên ta biết rằng mức độ tăng trưởng kinh tế cũng tăng lên cùng với disp(lta) (phương sai của tỷ số lta), kết quả trên bảng 4.5 đã xác nhận cho kỳ vọng rằng các ngân hàng hoạt động với tỷ lệ cho vay trên tổng tài sản(lta) đồng nhất hơn khi kinh tế tăng trưởng chậm và có khủng hoảng xảy ra, nghĩa là khi có tình trạng tăng trưởng chậm hay khủng hoảng (cú sốc vĩ mô) thì các ngân hàng có xu hướng đưa tỷ lệ lta gần nhau hơn. Ngoài ra, các hệ số ước lượng của dln(gdp) tương đương

với 0.4609378 và có ý nghĩa ở mức 1%. Song kết quả này cũng phần nào cho thấy first-moment dường như đóng một vai trò lớn hơn so với các kết quả trong các nghiên cứu trước đó. Ví dụ, Quagliariello (2009) nhận thấy rằng khi thực hiện kiểm tra mối quan hệ các biến kiểm soát tính cho hoạt động kinh tế tổng hợp hay lạm phát (tức là, first-moment) với sự phân tán cross-sectional (phương sai) của tỷ lệ đầu tư vào tài sản rủi ro của ngân hàng thì kết quả không có ý nghĩa thống kê. Tương tự như vậy, Baum và các cộng sự (2002, 2004), các biến kiểm soát cũng đóng một vai trò nhỏ trong các ước lượng OLS. Một lời giải thích chính đáng cho lý do tại sao first-moment có ý nghĩa hơn trong trường hợp của bài nghiên cứu này cũng như Christian Calmes và Raymond Theoret (2014), đó là liên quan đến vấn đề giả thuyết phương sai thay đổi bị bỏ qua trong các nghiên cứu trước đó.

Tuy nhiên, kết quả từ phương pháp EGARCH(1,1) trong bảng 4.5 lại cho thấy hệ số output_gap bằng 0.56 và không có ý nghĩa thống kê điều này khác với kết quả nghiên cứu trong bài nghiên cứu của Christian Calmes và Raymond Theoret, trong khi hai ông tìm thấy rằng hệ số output_gap dương và có ý nghĩa ở mức 1%. Thật vậy, trong những bài nghiên cứu trước đó, phương sai có điều kiện của sai số phương trình đã không bao giờ được quy định một cách rõ ràng.

Phương trình (2) cũng mang lại kết quả thú vị khi xem xét rủi ro ngân hàng cho hành vi nhóm (hiện tượng bầy đàn) của các ngân hàng khi có các cú sốc vĩ mô, rủi ro của ngân hàng được đo bằng chỉ số của chúng ta về mức đòn bẩy tổng hợp của ngân hàng, dtl. Theo như kỳ vọng, sự tăng lên trong dtl sẽ đi cùng với một sự giảm trong disp(lta), hệ số của dtl trong phuong trình được ước lượng là -0.015969 và ý nghĩa ở mức 10% (cột (1)). Kết quả của cột (1) này đã chứng thực quan điểm cho rằng các ngân hàng hành xử đồng nhất đối với tỷ lệ lta khi rủi ro của ngân hàng tăng, và nó cũng là phù hợp với giả thuyết ở trên cho rằng sự tăng lên trong rủi ro và sự không chắc chắn của kinh tế vĩ mô chuyển động cùng với disp(lta). Nếu sử dụng một đo lường thông thường của đòn bẩy như các tỷ lệ tài sản trên vốn cổ phần thay vì sử dụng dtl, các hệ số ước tính cũng là âm, nhưng rủi ro trong trường hợp này được đo lường không chính xác (Calmes và Theoret, 2013) , dẫn đến hệ số cho ra không hoàn toàn chính xác. Với hệ số của biến trễ của biến phụ thuộc ở 0.53569 và ý nghĩa ở mức 1%, cột (1) cũng cho thấy rằng hành vi phổ biến này là một hiện tượng dai dẳng (Nakagawa và Uchida, 2011).

Cột (3) của bảng 4.5 là kết quả tương ứng với mô hình (3), mô hình bao gồm phương sai có điều kiện của lạm phát như là một đại diện cho bất ổn kinh tế vĩ mô. Kết quả phù hợp với giả thuyết của chúng ta về một mối quan hệ ngược chiều giữa sự phân tán cross-sectional của tài sản rủi ro và sự không chắc chắn, hệ số ước tính của cv_inf là âm, bằng -0.38623 và tuy nhiên lại không có ý nghĩa thống kê . Theo dự kiến, disp(lta) di chuyển ngược chiều với mức độ lạm phát (inf), và hệ số ước lượng của nó được tính là -5.86064 đúng với kỳ vọng và ý nghĩa ở mức 1%. Kết quả này hỗ trợ các cho tranh luận của Beaudry và các cộng sự (2001) rằng lạm phát mà tạo ra nhiễu cho các tín hiệu thị trường và khích lệ hành vi bầy đàn của các ngân hàng trong việc đưa tỷ số cho vay trên tổng tài sản gần với nhau . Trong khía cạnh khác, xem xét sự không chắc chắn trong lạm phát thay vì sự không chắc chắn của GDP không làm thay đổi vai trò của biến tăng trưởng kinh tế (dln(gdp)). Đặc biệt, các hệ số của dln(gdp) tăng lên từ 0.4609378 đến 0.624878, và hệ số chênh lệch sản lượng (ouput_gap) cũng là dương, bằng 0.2 song nó lại không có ý nghĩa thống kê tương tự như cột (1).

Bảng 4.5 : Kết quả EGARCH(1,1)

Hằng số Disp(lta) (2) -104.23 (0.0124) (3) -115.567 (0.0000)* Disp(snonin) (2) 17425.88 (0.0000)* (3) 514.2837 (0.0142)

Cv_gdp - - - - (1) -65.64048 (0.1672) -4.868387 (0.0086)* (1) 1421.281 (0.0000)* -51.17277 (0.0000)*

- Cv_gdp_w - - - -5.8942 (0.048)* -43.8701 (0.0000)

- Cv_inf - - - -43.92689 (0.3978)

Dln(gdp) - - -

0.4609378 (0.0087)* 0. 56 (0.8872) Output_ga p 48.10 (0.000)* 15.29 (0.0765)** 0.500218 (0.015)** 0. 19 (0.9672)

- Inf - - -

Dtl

-0.015969 (0.08)*** 0.53569 20.30081 (0.0000)* 0.404395 30.07161 (0.000)* 0.33143 -0.38623 (0.5827) 0.624878 (0.0000)* 0. 2 (0.9236) -5.86064 (0.0064)* -0.00533 -0.15160 (0.9236) (0.2020) 0.570156 0.370288 74.06 (0.0000)* -13.41969 (0.7890) 40.10081 (0.000)* 0.231783 yt-1

(0.0000)* (0.000)* (0.00000)* (0.0340)* (0.0576)***

(0.0000)* EGARCH

1.686848 (0.0046)* 2.788722 (0.0005)* 1.041771 (0.0000) 1.5196 (0.000)* 1.634634 (0.0000)*

0.20074 (0.0541) 0.247802 (0.4571) -0.210566 (0.5369) -0.473435 (0.1854) -0.450726 (0.3033)

0.571219 (0.0039) 0.066195 (0.008)** 0.493626 (0.0000)* -0.208494 (0.0482) 0.402928 (0.0706)*** 1.97347 (0.0394) ** 0.36367 (0.1829) 0.19266 (0.0508) **

0.674919 0.67636 0.708718 0.610101 0.64419 0.625949

0.583489 0.58534 0.614757 0.5123734 0.6344 0.61738

R-squared Adj. R- squared DW 2.4504 1.704979 2.025777 1.647613

2.371941 1.70773 Ghi chú: Đối với mỗi biến phụ thuộc disp(lta) và disp(snonin) cột (1) và (3) tương ứng là các mô hình với các phương sai có điều kiện của GDP và lạm phát là những yếu tố không chắc chắn kinh tế vĩ mô (phương trình (2) và (3)). Cột (2) được xây dựng lại từ cột (1), ngoại trừ yếu tố bất ổn kinh tế vĩ mô là phương sai có điều kiện có trọng số của GDP thay vì giá trị đúng của nó. Các biến trong bảng này được mô tả trong bảng 3.1. Các phương trình cho disp(lta) và disp(snonin) được ước tính bằng cách sử dụng phương pháp EGARCH (1,1). Hệ số p-value được viết trong dấu ngoặc.

Giả thuyết chính của bài viết này là hành vi của các ngân hàng giống nhau với tỷ số snonin (thu nhập nhoài lãi/ thu nhập hoạt động thuần) khi có cú sốc vĩ mô. Các hệ số ước lượng trong bảng 4.5 phần lớn đáp ứng đầy đủ mong đợi này. Trong đó, bất ổn kinh tế, được đo bằng phương sai có điều kiện của GDP (hay lạm phát), được kỳ vọng có mối quan hệ ngược chiều với disp(snonin). Ví dụ, hệ số cv_gdp ước lượng - 511.7277 và ý nghĩa ở mức 1% , trị tuyệt đối của hệ số này cao hơn rất nhiều sao với biến phụ thuộc là disp(lta). Điều đó chứng tỏ rằng sự không chắc chắn trong tăng trưởng GDP tác động đến disp(snonin) hay nói khác hơn khi có sự tăng lên về sự không chắc chắn trong tăng trưởng GDP, tỷ số snonin của các ngân hàng có xu hướng gần bằng nhau. Khi thay thế bằng trung bình có trọng số phương sai có điều kiện của tăng trưởng GDP cũng mang lại kết quả tương tự, hệ số ước lượng của cv_gdp_w là bằng -4387.01 (cột (2)), có ý nghĩa ở mức 1%. Tương tự như vậy, khi cv_gdp được sử dụng như là đại diện cho sự không chắc chắn vĩ mô, các hệ số ước lượng của biến trễ

của biến phụ thuộc bằng -0.404395, thấp hơn 0.53569 tương ứng thu được cho biến phụ thuộc disp(lta). Điều này đặt các kết quả cho thấy rằng disp(snonin) là ít dai dẳng hơn so với disp(lta), hiện tượng này có thể được giải thích là các hoạt động thu nhập ngoài lãi phản ứng nhanh hơn với các điều kiện kinh tế vĩ mô.

Ta thấy rằng disp(snonin) dường như nhạy cảm với sự không chắc chắn lạm phát hơn disp(lta). Hệ số cv_inf là -43.92689 nhưng lại không có ý nghĩa, trong khi hệ số tương ứng cho disp(lta) là -0.38623 và không có ý nghĩa thống kê (cột (3)). Quan trọng hơn, disp(snonin) có mối quan hệ cùng chiều với với tốc độ tăng trưởng kinh tế nhưng độ lớn phụ thuộc vào yếu tố kinh tế vĩ mô được sử dụng làm đại diện cho sự không chắc chắn vĩ mô. Ví dụ, đối với phương trình sử dụng phương sai có điều kiện tăng trưởng GDP, hệ số ước tính chênh lệch sản lượng (ouput_gap) tương đương với 48.10 và ý nghĩa ở mức 1%, còn các hệ số tương ứng cho disp(lta), tại 0.56 thấp hơn rất nhiều. Từ đó ta có thể thấy khi có sự không chắc chắn trong tăng trưởng GDP thì chênh lệch sản lượng tác động đến disp(snonin) lớn hơn so với disp(lta).

Đối với tất cả các biến ngoại sinh được xem xét, các biến liên quan đến cả rủi ro và không chắc chắn, kết quả đã ủng hộ giả thuyết của bài nghiên cứu. Đặc biệt, disp(snonin) dường như nhạy cảm hơn với những cú sốc kinh tế vĩ mô hơn là disp(lta). Trong khi các hoạt động cho vay vốn của ngân hàng là có thể chịu được những cú sốc ngoại sinh, hoạt động thu nhập ngoài lãi thể hiện những biến động và nhạy cảm với điều kiện kinh tế vĩ mô. Quan sát này bổ sung cho các quan điểm những tiến bộ trong quản lý rủi ro đã làm cho các nguồn tín dụng sẵn sàng từ các ngân hàng lớn hơn chứ không phải chỉ là làm giảm rủi ro ngân hàng (Cebenoyan và Strahan, 2004; Instefjord, 2005)

Như một nhận xét cuối cùng, ta thấy rằng phương trình của disp(lta) và disp(snonin) cũng khác nhau đối với hệ số của biến kiểm soát rủi ro ngân hàng là dtl,. Trái với kết quả của ước lượng cho disp(lta), trong kết quả ước lượng của disp(snonin) khi dtl tăng dẫn đến một sự gia tăng tương ứng trong disp(snonin). Các ước lượng hệ số của dtl thì dương và có ý nghĩa ở mức 1%, bất kể các biến được sử dụng đại diện cho bất ổn kinh tế vĩ mô là gì. Ví dụ, hệ số là bằng 20.30081 khi cv_gdp được sử dụng để đo lường sự không chắc chắn, và 30.07161 khi cv_gdp được sử dụng. Kết quả này liên quan đến thực tế là khi dtl tăng, các ngân hàng cho thấy một xu hướng giảm tỷ lệ lta của họ, nhưng không nhất thiết phải giảm hoạt động thu nhập ngoài lãi của họ. Tác giả thường dựa vào chênh lệch vốn điều lệ quy định để giải thích phản ứng ngược

chiều với đòn bẩy này (Jones, 2000; Calomiris và Mason, 2004;. Ambrose et al, 2005; Kling, 2009; Brunnermeier, 2009;. Cardone Riportella et al, 2010; Blundell Wignall và Atkinson, 2010; Vives, 2010). Khi dtl tăng nghĩa là khi rủi ro ngân hàng tăng, khiến các ngân hàng đang có xu hướng giảm bớt các khoản mục từ bảng cân đối đưa ra tài khoản ngoại bảng để tạo vốn mới hoặc tạo thanh khoản bổ sung. Khi các yếu tố khác không đổi, chuyển từ bảng cân đối ra ngoài bảng cân đối này có xu hướng giảm disp(lta) và lta, và để tăng disp(snonin) và snonin.

Trong bảng 4.5 ở trên là kết quả ước tính tiến trình EGARCH phần dư của biến phụ thuộc như một vấn đề của thực tế, những thiếu sót về đặc điểm kỹ thuật của phần dư trong các thí nghiệm dựa trên ước tính OLS và Generalized phương pháp Moments (GMM) có thể giải thích lý do tại sao các tác giả thường thấy không có vai trò quan trọng đối với các first-moment (các biến đại diện cho rủi ro vĩ mô) của các biến giải thích.

Theo bảng 4.5, đối với disp(lta) ước tính hệ số bất đối xứng của EGARCH (1,1) là lớn hơn 1 và con số này có ý nghĩa thống kê ở mức 1% và 5% dù cho sự không chắc chắn của nhân tố vĩ mô được xem xét là gì. Nói cách khác, có hiệu ứng đòn bẫy trên disp(lta), khi có một tín hiệu tích cực về tốc độ tăng trưởng GDP, chênh lệch sản lượng hay lạm phát disp(lta) tăng và biến động của disp(lta) sẽ lớn hơn.

của Tương tự khi xem xét hiệu ứng đòn bẩy của disp(snonin) ta thấy disp(snonin) cũng dương và có ý nghĩa ở mức 1%, song độ lớn lại thấp hơn so với disp(lta). Như vậy thông tin tốt cũng có hiệu ứng đòn bẫy lên disp(snonin), nó sẽ biến động nhiều hơn khi disp(snonin) tăng lên. Ngược lại, sự biến động của disp(lta) và disp(snonin) giảm đồng thời với sự phân tán giảm hay disp(lta) và disp(snonin) giảm. Do đó, kết quả của chúng là nhất quán về sự biến động ước tính của disp(lta) và disp(snonin): có sự bất đối xứng có ý nghĩa trong quá trình biến động của hai biến này và không đối xứng này là cả tích cực và cao cũng như mạnh mẽ đến nhiều các yếu tố ngoại sinh kiểm tra.

4.4. Khả năng giải thích của rủi ro và sự không chắc chắn của vĩ mô với

rủi ro hệ thống

Để so sánh sức mạnh tương đối của các yếu tố ngoại sinh chính xác hơn, bảng 4.6 trình bày độ co dãn ngắn hạn và dài hạn trong ước lượng của disp(lta) và disp(snonin). Độ

co dãn của Y theo X được tính bằng cách sử dụng công thức sau: Coef x , trong đó

và tương ứng, với mức trung bình của Xt và Yt

coef là hệ số ước tính của X, và tính trong giai đoạn lấy mẫu quan sát. Độ co dãn được tính tại điểm trung bình của mỗi biến độc lập và do đó có thể được gọi là '' độ co dãn tại điểm trung bình ''. Giá trị p- value của độ đàn hồi chính là p-value của hệ số được sử dụng để tính toán độ đàn hồi.

Độ co dãn dài hạn được tính bằng cách nhân độ co dãn ngắn hạn bởi với , với λ là

hệ số của biến trễ của biến phụ thuộc.

Bảng 4.6 : Độ co dãn ngắn và dài hạn của các chỉ số vĩ mô và đòn bẩy tổng hợp.

Cv_gdp Cv_gdp_w Cv_inf Dtl Dln(gdp) inf

-0.06393 -0.18283 -0.09856 -0.169 -0.18873 -0.73984 -0.05055 -0.25235

-0.02737 -0.04595 -0.02266 -0.03389 -0.08165 0.639131978 -0.14997 4.402281123 -0.05799 0.01275 -0.07549 0.02141 - - -0.03806 -0.04954

Disp(lta) Ngắn hạn Dài hạn Disp(snonin) Ngắn hạn Dài hạn

Khi sử dụng cv_gdp_w làm đại diện cho sự không chắc chắn, độ co dãn của disp(lta) bằng -0.09856 trong ngắn hạn và khoảng gần gấp đôi là -0.169 trong thời gian dài hạn đây là một kết quả phù hợp với các nghiên cứu khác như Baum (2002, 2004, 2009) hay Calmes (2014) là trong dài hạn thì tác động của các cú sốc kinh tế lên rủi ro hệ thống lớn hơn trong ngắn hạn. Ví dụ, trong nghiên cứu của Baum và các cộng sự (2002, 2004, 2009), tăng 100% trong sự không chắc chắn, đại diện bởi cv_gdp_w mà không phải là bất thường trong thời gian khủng hoảng, dẫn đến làm giảm đi 10% trong disp(lta) sau một năm. Trong bài nghiên cứu các ngân hàng Việt Nam này, khi sự không chắc chắc đại diện bởi cv_gdp_w tăng lên 100% thì disp(lta) giảm 9.856% sau một năm (trong ngắn hạn) hay trong dài hạn thì nó sẽ giảm đi 16.9% . Tương tự với 2 biến còn lại là cv_gdp và cv_inf, hệ số co dãn của disp(lta) vẫn âm và trong dài hạn trị tuyệt đối độ co dãn cao hơn trong ngắn hạn. Điều này khẳng định một điều là dù rằng các ngân hàng sẽ có những chiến lược khác nhau trong việc quản lý danh mục cho vay khi đối mặt với các cú sốc vĩ mô, nhưng họ có xu hướng phản ứng với các cú sốc vĩ mô theo cùng một cách, tỷ số lta và snonin của các ngân hàng sẽ gần nhau.

Bằng cách so sánh, độ co dãn của disp(snonin) và độ co dãn disp(lta) trong ngắn hạn và dài hạn, ta có thấy rằng hệ số co dãn của disp(snonin) nhìn chung thấp hơn độ co dãn của disp(lta) về mặt trị tuyệt đối. Ví dụ như với sự không chắc tăng trưởng

GDP ta có trong ngắn hạn độ lớn của hệ số co dãn disp(lta) là 0.06393 sẽ cao hơn độ lớn hệ số co dãn của disp(snonin) là 0.02737. Tương tự dài hạn ta có trị tuyệt đối hệ số co dãn của disp(lta) là 0.18283 sẽ cao hơn trị tuyệt đối hệ số co dãn của disp(snonin) là 0.04595. Kết quả này cho thấy rằng với sự không chắc chắn kinh tế vĩ mô, danh mục cho vay của các ngân hàng nhạy cảm hơn so với các hoạt động tạo thu nhập từ phí,....

Cũng trong bảng 4.6, ta có thể thấy hệ số co dãn trong ngắn hạn và dài hạn của disp(lta) và disp(snonin) khi sự không chắc trong tăng trưởng GDP thấp hơn so với trong trường hợp có sự không chắc chắc trong lạm phát. Điều này phù hợp với bài nghiên cứu của Beaudry (2001)), khi ông cũng đưa ra kết quả rằng disp(snonin) bị ảnh hưởng nhiều bởi sự không chắc chắn lạm phát hơn bởi sự không chắc chắn liên quan đến tăng trưởng kinh tế. Điều này có thể do sự liên kết chặt chẽ giữa hiệu suất lạm phát và thị trường chứng khoán (Calmès và Théoret, 2012).

Độ co dãn ngắn hạn và dài hạn của disp(lta) tương ứng là -0.08165 và -0.14997, về độ lớn thì hệ số không cao so với các hệ số co dãn khác. Khác với nghiên cứu các tác giả trước đây. Ví dụ như Calmès và Théoret (2014) họ tính được trị tuyệt đối độ co dãn của disp(lta) với mức đòn bẫy tổng hợp là khá lớn, đặc biệt trong dài hạn là 1.12 cao hơn 1 cho các ngân hàng ở Canada.

Tuy nhiên giống với các nghiên cứu trước đó rằng giá trị tuyệt đối độ đàn hồi trong dài hạn và ngắn hạn của disp(snonin) đối với dtl là thấp hơn bằng 0.02141 và 0.01275, và mang dấu ngược lại với trường hợp disp(lta). Phát hiện này cho thấy rằng mức đòn bẫy tổng hợp có tác động cùng chiều lên lên disp(snonin), trong khi có tác động ngược chiều lên disp (lta ). Điều này có thể được giải thích như sau, khi mức đòn bẫy tổng hợp tăng lên, rủi ro của các ngân hàng nhiều hơn do đó, họ có xu hướng giảm tỷ lệ cho vay trên tổng tài sản. Tuy nhiên đối với thu nhập ngoài lãi sẽ không bị ảnh hưởng bởi đòn bẫy tổng hợp, khi đó dù thu nhập ngoài lãi tăng hay giữ nguyên thì tỷ trọng của nó trong thu nhập hoạt động thuần vẫn tăng. Nói cách khác,chênh lệch vốn điều (đòn bẫy) có khả năng gây ảnh hưởng rõ rệch về hành vi theo nhóm của các ngân hàng trong thời gian dài.

4.5. Kiểm tra tính vững của mô hình bằng cách lƣợng cho lta và snonin

Để kiểm tăng thêm sự ủng hộ cho các kết quả ước tính trong bài nghiên cứu, ta thực hiện tra độ vững của của mô hình. Sử dụng phương pháp kiểm tra tính vững của Somoye and Ilo (2009) đã được sử dụng trong bài nghiên cứu của Calmès và Théoret

(2014). Ta cũng ước tính phương trình (2) và (3) (trong phần phương pháp nghiên cứu) nhưng thay vì biến phụ thuộc là phương sai của lta và snonin, trong phần này sẽ trực tiếp ước tính cho biến phụ thuộc là lta và snonin. Đặc biệt trong phần này có thêm biến trend, việc thêm biến trend vào mô hình bài nghiên cứu khi ước tính cho hai biến phụ thuộc là lta và snonin là để loại bỏ tính xu hướng của bài nghiên cứu. Khi nhìn vào hình 3.1 của bài nghiên cứu, có thể thấy được lta và snonin đều có xu hướng giảm trong khoảng thời gian quan sát. Biến trend (có giá trị từ 0 đến N) để loại bỏ xu hướng giảm dần trong hai chuỗi dữ liệu này.

Khi không có các cú sốc lta tăng lên do rủi ro giảm, disp(lta) có xu hướng tăng lên và ngược lại disp(lta) giảm khi lta giảm. Biện luận tương tự với mối quan hệ cùng chiều của snonin và disp(snonin). Trong phần phân tích trên ta có thể thấy được disp(lta) và disp(snonin) cùng biến động khi có các cú sốc (hệ số của các biến phụ thuộc là giống nhau trừ mức đòn bẫy tổng hợp). Vì thế chúng ta có thể kỳ vọng cùng có mối quan hệ tương tự giữa lta và snonin như chúng ta thấy giữa disp(lta) và disp(snonin).

Đầu tiên để thực hiện ước lượng đầu tiên phải kiểm tra tính dừng của hai chuỗi

dữ liệu lta và snonin. Đó là điều kiện cần thiết của phương trình EGARCH.

Bảng 4.7 : Kiểm định tính dừng của lta và snonin

ADF Prob Biến Giá trị tới hạn 1% 5%

-2.9854 -3.59661 -2.93315 0.045** Lta

-4.0814 -3.59661 -2.93315 0.0027*

Snonin

10%.

Ghi chú: * có ý nghĩa ở mức 1%, ** có ý nghĩa ở mức 5%, *** có ý nghĩa ở mức

Bảng 4.7 cho thấy kết quả là cả hai biến đều dừng ở chuỗi dữ liệu gốc và có ý nghĩa ở mức 1% và 5%. Tiếp theo là ước tính EGARCH(1,1) cho lta và snonin, đặc biệt trong phần này có thêm biến trend.

Bảng 4.8 đã khẳng định sự mong đợi trên về mối quan hệ tương tự giữa lta và snonin . Các biến lta và snonin đều có hệ số âm với các biến cv_gdp và cv_inf là biến đo lường sự không chắc chắn, và hệ số đều có ý nghĩa thống kê. Hai biến lta và snonin

cũng hiển thị cùng chu kỳ, lta và snonin di chuyển cùng chiều với với chênh lệch sản lượng. Tuy nhiên, hệ số trong ước lượng snonin là có ý nghĩa thống kê còn trong ước lượng lta thì không có ý nghĩa thống kê. Điều này cho thấy mối liên hệ giữa snonin và rủi ro kinh tế vĩ mô mạnh hơn. Kết quả này cũng phù hợp với kết quả thu được cho disp(snonin) và disp(lta) ở phần trên.

Bảng 4.8 : Kết quả EGARCH(1,1) cho lta và snonin

lta snonin

Mô hình 1 Sự không chắc chắn trong GDP

Cv_gdp

Output_gap

Dtl

Trend 0.605078 (0.0000)* -0.000312 (0.0608)*** 0.00134 (0.4860) -0.00018 (0.0104)** 0.000054 (0.0658)*** 39.39743 (0.000)* -1.345239 (0.0496)** 0.000034 (0.0066)* 0.07 (0.0262)** -0.522461 (0.0000)*

EGARCH

1.93398 (0.0049)* 0.064318 (0.8685) 0.568430 (0.0005)* 64.87 1.6754 -0.938054 (0.000)* -0.383017 (0.000)* 0.735511 (0.000)* 43.2978 1.438735

Adj. R-squared DW Mô hình 2 Sự không chắc chắn lên quan đến lạm phát

Cv_inf

Output_gap

0.71683 (0.0000)* -0.020924 (0.5944) 0.0000023 (0.73228) 0.001767 inf 44.45421 (0.0000)* -1.364388 (0.0718)*** 0.0000188 (0.0574)*** -0.165060

Dtl

Trend (0.7228) -0.0000086 (0.9691) -0.002213 (0.0068)*** (0.8210) 0.034594 (0.5197) -0.748184 (0.0000)*

EGARCH

0.403372 (0,0006)* 0.40193 (0.019)** 0.115599 (0.0712)* 0.400965 0.435277 -0.449493 (0.0439)** -0.771648 (0.0459)** 0.118120 (0.7852) 0.361418 1.334097

10%.

Adj. R-squared DW Ghi chú: * có ý nghĩa ở mức 1%, ** có ý nghĩa ở mức 5%, *** có ý nghĩa ở mức

Hơn nữa, giống như trong các kết quả thu được cho disp(snonin) và disp(lta), hệ số của dtl là âm trong ước lượng lta và dương trong ước lượng snonin. Sự gia tăng rủi ro ngân hàng đi cùng với việc giảm tỷ lệ lta và tăng tỷ lệ snonin, kết quả này phù hợp với kết luận của Calmès và Théoret (2014).

Chƣơng 5. Kết luận

Mục tiêu của bài nghiên cứu này để tìm hiểu tác động của các cú sốc vĩ mô đến rủi ro hệ thống (systemic risk). Trong bài nghiên cứu này rủi ro hệ thống được định nghĩa là mức độ mà các ngân hàng hành xử đồng nhất với nhau để phản ứng với các cú sốc ngoại sinh. Điểm khác biệt của bài nghiên cứu so với các nghiên cứu trước đó bài nghiên cứu này có sự phân biệt rõ rằng giữa biến rủi ro (có xác suất xảy ra) và sự không chắc chắn (không biết trước xác suất xảy ra). EGARCH là công cụ được đánh giá cao trong việc giải thích cho các hiện tượng tài chính với độ biến động cao, và nó còn khắc phục được hạn chế của các mô hình OLS và GMM (không có tác động bất đối xứng) đã được sử dụng trong các bài nghiên cứu trước đó nên nó trở thành phương pháp tiếp cận được sử dụng trong bài nghiên cứu này.

Để thực hiện phân tích thực nghiệm, bài nghiên cứu này tiến hành các kiểm định theo mô hình trong bài nghiên cứu của Calmès và Théoret (2014) với biến độc lập là tốc độ tăng trưởng GDP, chênh lệch sản lượng, lạm phát, mức đòn bẫy tổng hợp và biến trễ của biến phụ thuộc. Ngoài ra, biến phụ thuộc là phương sai của tỷ số cho vay trên tổng tài sản, phương sai của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần. Bài nghiên cứu sử dụng dữ liệu quý từ quý 1 năm 2006 đến quý 3 năm 2016.

Kết quả của bài nghiên cứu cho thấy kết có ý nghĩa quả mạnh mẽ về việc thêm tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần của ngân hàng vào mô hình và khẳng định các cú sốc vĩ mô tác động đến cả tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần được tạo ra từ các hoạt động khác của ngân hàng chứ không phải chỉ hoạt động cho vay, điều này đáp ứng mục tiêu thứ nhất của bài nghiên cứu. Từ kết quả bài nghiên cứu thấy được tất cả các yếu tố khác đều có ảnh hưởng đến hành vi đồng nhất của các ngân hàng còn một nhân tố còn lại là chênh lệch sản lượng thì cho ra hệ số không có ý nghĩa thống kê. Tuy nhiên hệ số ước lượng đều đúng theo dấu kỳ vọng. Hay nói khác hơn, hành vi đồng nhất của các ngân hàng Việt Nam thay đổi hạn chế trước những thay đổi của chênh lệch sản lượng. Kết quả cũng cho thấy rằng hành vi theo nhóm của các ngân hàng chủ yếu quan sát thấy trong các giai đoạn tăng trưởng chậm, và đặc biệt là trong các cuộc khủng hoảng tài chính. Chính xác hơn, trong giai đoạn này, chênh lệch sản lượng giảm đi, sự biến động của tăng trưởng GDP tăng và cả hai biến di chuyển cùng chiều với phương sai của tỷ số cho vay trên tổng tài sản (disp(lta)) và phương sai của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (disp(snonin)) do hệ số mang dấu dương.

Căn cứ vào hệ số ước lượng, ta có thể thấy rằng hệ số của ước lượng cho phương sai của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (disp(snonin)) có độ lớn hầu hết lớn hơn so với trong ước lượng phương sai của tỷ số cho vay trên tổng tài sản (disp(lta)). Ví dụ như hệ số của biến phương sai có điều kiện của tăng trưởng GDP (cv_gdp) trong mô hình ước tính cho phương sai của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (disp(snonin)) có độ lớn là 4.86838 trong khi đó của disp(lta) là 51.17277. Điều này cho ta kết luận rằng các cú sốc vĩ mô tác động đến hành vi đồng nhất của tỷ số phương sai của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (snonin) nhiều hơn, hay nói khác hơn hành vi theo nhóm của của các ngân hàng có thể phổ biến hơn cho hoạt động ngoài lãi so với hoạt động cho vay, kết luận này phù hợp với bài nghiên cứu của Baum (2002, 2004, 2009).

Các kết quả đều cho ta kết quả rằng tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (snonin) và phương sai của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (disp(snonin)) cùng di chuyển nhiều hơn so với các điều kiện vĩ mô so với tỷ số cho vay trên tổng tài sản (lta) và phương sai của tỷ số cho vay trên tổng tài sản disp(lta). Kết quả này phù hợp với kết quả của nhiều nghiên cứu cho thấy rằng thu nhập hoạt động ngoài lãi trong tổng số hoạt động ngân hàng có liên quan với sự gia tăng các biến động điều kiện kinh doanh của ngân hàng (Stiroh, 2004; Stiroh và Rumble, 2006; Calmès và Liu, 2009; Calmès và Théoret, 2010; UHDE và Michalak, 2010; Nijskens và Wagner, 2011; Sanya và Wolfe, 2011).

Ngoài ra, kết quả cũng chỉ ra rằng bất đối xứng thông tin là có ý nghĩa cho cả hai biến phương sai của tỷ số cho vay trên tổng tài sản và phương sai của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần do hệ số trong các ước lượng EGARCH đều có ý nghĩa thống kê. Phương pháp EGARCH áp dụng để ước lượng mô hình có tính đến hiện tượng phương sai thay đổi. Nhược điểm trong các nghiên cứu trước đó khi kết luận rủi ro vĩ mô không có ý nghĩa trong mô hình nghiên cứu là do các vấn đề phương sai thay đổi, phương sai thay đổi có thể làm cho các hệ số ước lượng về rủi ro kinh tế vĩ mô không có ý nghĩa thống kê. Những phát hiện của nghiên cứu này cho thấy sự biến động của phương sai của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần và phương sai của tỷ số cho vay trên tổng tài sản giảm đồng thời khi phương sai của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần và phương sai của tỷ số cho vay trên tổng tài sản giảm. Do đó, các hành vi mang tính chu kỳ của phương sai của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần và phương sai của tỷ số cho vay trên tổng tài sản thực sự có thể lớn hơn so với báo cáo trước đó.

Bài nghiên cứu có ý nghĩa quan trọng về chính sách công. Hành vi đồng nhất của các ngân hàng có thể làm tăng rủi ro hệ thống các ngân hàng trong thời gian suy thoái kinh tế và khủng hoảng. Sự không chắc chắn kinh tế vĩ mô và rủi ro kinh tế vĩ mô tăng tác động lớn hơn với tỷ số snonin cũng như disp(snonin), do đó do đó chính sách đảm bào an toàn vĩ mô (macroprudential policies) nên theo dõi các hoạt động thu nhập ngoài lãi của các ngân hàng lớn chặt chẽ hơn. Ở đây, thông tin về các thành phần của các hoạt động ngoài lãi này vẫn còn thiếu nghiêm trọng hoặc khó tiếp cận.

TÀI LIỆU THAM KHẢO

Adrian, T., Shin, H.S., 2009. The Shadow Banking System: Implications for

Financial Regulation. Staff Report, Federal Reserve Bank of New York.

Baele, L., DeJonghe, O., Vennet, R.V., 2007. Does the stock market value bank

diversification? Journal of Banking and Finance 31, 1999–2023.

Barrell, R., Davis, E.P., Karim D., Liadzze, I., 2010. Evaluating off-Balance Sheet Exposures in Banking Crisis Determination Models. Working Paper, Brunel University.

Barth, J.-R., Caprio, G., Levine, R., 1999. Financial Regulation and

Performance. Cross-country Evidence. Working Paper 2037, World Bank.

Baum, C.-F., Caglayan, M., Ozkan, N., 2002. The Impact of Macroeconomic

Uncertainty on Bank Lending Behavior. Working Paper, University of Liverpool.

Baum, C.-F., Caglayan, M., Ozkan, N., 2004. The Second Moment Matters: The Response of Bank Lending Behavior to Macroeconomic Uncertainty. Working Paper, Boston College.

Baum, C.-F., Caglayan, M., Ozkan, N., 2009. The second moment matters: the impact of macroeconomic uncertainty on the allocation of loanable funds. Economics Letters 102, 87–89.

Beaudry, P., Caglayan, M., Schiantarelli, F., 2001. Monetary instability, the predictability of prices, and the allocation of investment: an empirical investigation using panel data. American Economic Review 91, 648–662.

Bernanke, B-.S., Gertler, N., 1989. Agency cost, net worth, and business

fluctuations. American Economic Review 79, 14–31.

Bernanke, B.-S., Gertler, N., 1995. Inside the black box: the credit channel of

monetary policy transmission. Journal of Economic Perspectives 9, 27–48.

Bikker, J.A., Hu, H., 2002. Cyclical patterns in profits, provisioning, and lending of banks and procyclicality of the new Basel capital requirements. Banca Nazionale del Lavoro Quarterly Review 55, 143–175.

Bikker, J.A., Metzemakers, P.-A.-J., 2005. Bank provisioning behavior and procyclicality. Journal of International financial Markets, Institutions and Money 15, 141–157.

Black, F., 1976. Studies of stock price volatility of changes. American Statistical

Association Journal, 177–181.

Bloom, M., 2009. The impact of uncertainty shocks. Econometrica 77 (3), 623–

685.

Blundell-Wignall, A., Atkinson, P., 2010. Thinking beyond Basle III: necessary

solutions for capital and liquidity. Financial Markets Trends 20, 1–23.

Bollerslev, T., 1986. Generalized autoregressive conditional heteroskedasticity.

Journal of Econometrics 31, 307–328.

Calmès, C., Théoret, R., 2010. The impact of off-balance-sheet activities on banksreturns: An application of the ARCH-M to Canadian data. Journal of Banking and Finance 34, 1719–1728.

Calmès, C., Théoret, R., 2012. The rise of market-oriented banking and the hidden benefits of diversification. Aestimatio, The IEB International Journal of Finance 5, 88–125.

Calmès, C., Théoret, R., 2013. Market-oriented banking, financial stability and macroprudential indicators of leverage. Journal of International Financial Markets, Institutions and Money 27, 13–34.

Calmès, C., Théoret, R., 2014. Bank systemic risk and macroeconomic shocks:

Canadian and US. Journal of Banking and Finance.

Calomiris, C.W., Mason, J.R., 2004. Credit card securitization and

regulatoryarbitrage. Journal of Financial Services Research 26, 5–27.

Cardone Riportella, C., Samaniego Medina, R., Tujilo Ponce, A., 2010. What drives bank securitization? The Spanish experience. Journal of Banking and Finance 34, 2639–2651.

Cebenoyan, A.S., Strahan, P.E., 2004. Risk management, capital structure and

lending at banks. Journal of Banking and Finance 28, 19–43.

Christiano, L., Motto, R., Rostagno, M., 2013. Risk Shocks. Working Paper,

NBER.

De Jonghe, O.G., 2010. Back to the basics in banking? A micro-analysis of

banking system stability. Journal of Financial Intermediation 19, 387–417.

De Veirman, E., Levin, A.T., 2011. Cyclical Changes in Firm Volatility.

Working Paper, The Australian National University.

Engle, R.F., Ng, V.K., 1993. Measuring and testing the impact of news on

volatility. Journal of Finance 48, 1749–1778.

Farhi, E., Tirole, J., 2009. Collective Moral Hazard, Maturity Mismatch and

Systemic Bailouts. Working Paper, NBER.

Franses, P.H., van Dijk, D., 2000. Non-Linear Time Series Models in Empirical

Finance. Cambridge University Press, Cambridge.

Fuller, W.A., 1987. Error Models. John Wiley & Sons.

Gauthier, C., Lehar, A., Souissi, M., 2010. Macroprudential Regulation and

Systemic Capital Requirements, Working Paper 2010–4, Bank of Canada.

Gennaioli, N., Shleifer, A., Vishny, R.W., 2011. A Model of Shadow Banking.

Working Paper, NBER.

Greene, W.H., 2000. Econometric Analysis. Prentice Hall, New Jersey.

Haiss, P.R., 2005. Banks, Herding and Regulation: A Review and Synthesis.

Working Paper, Europe Institute.

Huizinga, J., 1993. Inflation, uncertainty, relative price uncertainty, and investment in U.S. manufacturing. Journal of Money, Credit and Banking 25, 521–549.

Hwang, S., Salmon, M., 2004. Market stress and herding. Journal of Empirical

Finance 11, 585–616.

Hyytinen, A., Kuosa, I., Takalo, T., 2003. Law or finance: evidence from

Finland. European Journal of Law and Economics 16, 59–89.

Instefjord, N., 2005. Risk and herding: do credit derivatives increase bank risk?

Journal of Banking and Finance 29, 333–345.

Jain, A.-K., Gupta, S., 1987. Some evidence on „„herding‟‟ behavior of U.S.

banks. Journal of Money Credit and Banking 19, 78–89.

Jones, D., 2000. Emerging problems with the Basel Capital Accords: regulatory

capital arbitrage and related issues. Journal of Banking Finance 24, 35–58.

Judge, G.G., Griffiths, W.E., Lutkepohl, H., Lee, T.C., 1985. The Theory and

Practice of Econometrics, second ed. Wiley, New York.

Kashyap, A.K., Stein, J.C., 2000. What do a million observations on banks say about the transmission of monetary policy? American Economic Review 90, 407–428.

Kling, A., 2009. Not What they had in mind: A History of Policies that Produced the Financial Crisis of 2008. Working Paper, Mercatus Center, George Mason University

Kyotaki, N., Moore, J., 1997. Credit cycles. Journal of Political Economy 105,

211–248.

Lepetit, L., Nys, E., Rous, P., Tazari, A., 2008. Bank income structure and risk: an empirical analysis of European banks. Journal of Banking and Finance 32, 1452– 1467.

Lewbel, A., 1997. Constructing instruments for regressions with measurement error when no additional data are available, with an application to patents and R&D. Econometrica 65, 1201–1213.

Loutskina, E., 2011. The role of securitization in bank liquidity and funding

management. Journal of Financial Economics 100, 663–684.

Lucas Jr., R.E., 1973. Some international evidence on output-inflation trade-offs.

American Economic Review 63, 326–334.

Lucas, R.E. Jr., Stokey, N.L., 2011. Liquidity Crises, Understanding Sources and Limiting Consequences: A Theoretical Framework. The Region, Federal Reserve Bank of Minneapolis, pp. 1–11.

Nakagawa, R., Uchida, H., 2011. Herd behaviour of Japanese banks after

financial deregulation. Economica 78, 618–636.

Nelson, D.B., 1991. Conditional heteroskedasticity in asset returns: a new

approach. Econometrica 59, 347–370.

Nijskens, R., Wagner, W., 2011. Credit risk transfer activities and systemic risk: how banks became less risky individually but posed greater risks to the financial system at the same time. Journal of Banking and Finance 35, 1391–1398.

Pagan, A.R., 1984. Econometric issues in the analysis of regressions with

generated regressors. International Economic Review 25, 221–247.

Pagan, A.R., 1986. Two stage and related estimators and their applications.

Review of Economic Studies 53, 517–538.

Pecchino, R., 1998. Risk averse bank managers: exogenous shocks, portfolio

reallocations and market spillovers. Journal of Banking and Finance 22, 161–174.

Pindyck, R.S., Rubinfeld, D.L., 1998. Econometric Models and Econometric

Forecasts, fourth ed. Irwin-McGraw-Hill, New York.

Quagliariello, M., 2007. Macroeconomic Uncertainty and Banks‟ Lending

Decisions: The Case of Italy. Working Paper 615, Banca d‟Italia.

Quagliariello, M., 2008. Does macroeconomy affect bank stability? A review of

the empirical evidence. Journal of Banking Regulation 9, 102–115.

Quagliariello, M., 2009. Macroeconomic uncertainty and banks‟ lending

decisions: the case of Italy. Applied Economics 41, 323–336.

Rajan, R.G., 2005. Has financial developments made the world riskier?

Working Paper, NBER.

Rajan, R.G., 2006. Has financial developments made the world riskier?

European Financial Management 12, 499–533.

Sanya, S., Wolfe, S., 2011. Ownership Structure, Revenue Diversification and

Risk Insolvency in European Banks. Working Paper, IMF.

Schoenmaker, D., 2013. Governance of International Banking: The Financial

Trilemma. Oxford University Press, Oxford.

Somoye, R.O.C., Ilo, B.M., 2009. The impact of macroeconomic instability on the banking sector lending behavior in Nigeria. Journal of Money, Investment and Banking 7, 88–100.

Stiroh, K.J., 2004. Diversification in banking: is noninterest income the answer?

Journal of Money, Credit and Banking 36, 853–882.

Stiroh, K.J., Rumble, A., 2006. The dark side of diversification: the case of U.S.

financial holding companies. Journal of Banking and Finance 30, 2131–2161.

Uhde, A., Michalak, T.C., 2010. Securitization and systematic risk in European

banking: empirical evidence. Journal of Banking and Finance 34, 3061–3077.

Vives, X., 2010. Strategic Complementarity, Fragility, and Regulation.

Working Paper. IESE Business School.

Wagner, W., 2007. The liquidity of bank assets and banking stability. Journal of

Banking and Finance 31, 121–139.

Wagner, W., 2008. The homogenization of the financial system and financial

crises. Journal of Financial Intermediation 17, 330–356.

Wagner, W., 2010. Diversification at financial institutions and systemic crises.

Journal of Financial Intermediation 19, 373–386.

Luận văn Thạc sĩ Kinh tế: Rủi ro hệ thống của ngân hàng Việt Nam và các cú sốc kinh tế vĩ mô

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC KINH TẾ TP.HCM

THÁI MỸ PHƢƠNG

RỦI RO HỆ THỐNG CỦA NGÂN HÀNG VIỆT NAM VÀ CÁC CÚ SỐC KINH TẾ VĨ MÔ

LUẬN VĂN THẠC SĨ KINH TẾ

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC KINH TẾ TP.HCM

THÁI MỸ PHƢƠNG

RỦI RO HỆ THỐNG CỦA NGÂN HÀNG VIỆT NAM

VÀ CÁC CÚ SỐC KINH TẾ VĨ MÔ

Chuyên ngành: Tài chính- Ngân hàng

Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƢỜI HƢỚNG DẪN KHOA HỌC:

PGS. TS. HỒ VIẾT TIẾN

Tóm tắt bài nghiên cứu

Chƣơng 1. Giới thiệu

Chƣơng 2. Nền tảng lý thuyết của bài nghiên cứu và nội dung các nghiên cứu trƣớc đây

Chƣơng 3. Nguồn dữ liệu và phƣơng pháp nghiên cứu

Chƣơng 4. Kết quả nghiên cứu

Chƣơng 5. Kết luận

Có thể bạn quan tâm

Nghiên cứu các nhân tố ảnh hưởng đến quyết định chấp nhận sử dụng dịch vụ ngân hàng điện tử tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam - Chi nhánh Buôn Hồ (Đắk Lắk)

Luận văn Thạc sĩ: Quản lý hoạt động phát triển nhận thức cho trẻ mẫu giáo ở các trường mầm non, huyện Hoàng Su Phì, tỉnh Hà Giang

Tóm tắt Luận án Tiến sĩ: Ảnh hưởng của chính sách thuế đến phát triển bền vững doanh nghiệp nhỏ và vừa tại Việt Nam

Tác động của khả năng sinh lợi và cơ hội tăng trưởng đến cấu trúc vốn của 100 doanh nghiệp niêm yết hàng đầu Việt Nam

Tác động của cấu trúc sở hữu vốn đến thận trọng kế toán: Bằng chứng thực nghiệm tại các ngân hàng thương mại cổ phần niêm yết trên thị trường chứng khoán Việt Nam

Ảnh hưởng của các yếu tố môi trường tinh thần đến hiệu quả công việc của nhân viên ngân hàng thương mại cổ phần tại Thành phố Hồ Chí Minh

Tác động của biến động dòng tiền đến đòn bẩy tài chính: Nghiên cứu thực nghiệm Việt Nam

Nhận biết rủi ro và ý định sử dụng dịch vụ tài chính kỹ thuật số của giới trẻ Việt Nam

Mối quan hệ giữa phát triển công nghệ thông tin và truyền thông với hiệu quả kinh doanh ngân hàng: Nghiên cứu tại thị trường mới nổi Việt Nam

Tập bài giảng Kinh tế học đại cương

Bài giảng Kinh tế học vĩ mô - Ths. Nguyễn Thị Lệ

Tài liệu học tập môn Thị trường chứng khoán

Chuyển đổi số và rủi ro tài chính tại các ngân hàng thương mại: Bằng chứng thực nghiệm từ các ngân hàng thương mại Việt Nam

Bài giảng Tài chính nhà quản trị: Chương 1 - Tổng quan về Quản trị tài chính

Bài giảng Tài chính nhà quản trị: Chương 2 - Phân tích báo cáo tài chính

Bài giảng Tài chính nhà quản trị: Chương 3 - Quản trị vốn lưu động

Bài giảng Tài chính nhà quản trị: Chương 4 - Giá trị của tiền tệ theo thời gian

Bài giảng Tài chính nhà quản trị: Chương 5 - Định giá chứng khoán

Bài giảng Tài chính nhà quản trị: Chương 6 - Rủi ro và lợi nhuận

Bài giảng Tài chính nhà quản trị: Chương 7 - Chi phí sử dụng vốn

Tài liêu mới

Luận án Tiến sĩ: Nghiên cứu xây dựng thuật toán thích nghi và học tăng cường cấu trúc Actor - Critic điều khiển bám quỹ đạo cho robot di động đa hướng mecanum

Luận án Tiến sĩ: Cơ cấu bệnh tim mạch và chất lượng cuộc sống của người cao tuổi mắc suy tim, rung nhĩ điều trị tại Bệnh viện Thống Nhất, thành phố Hồ Chí Minh

Tóm tắt Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

Tóm tắt Luận án Tiến sĩ: Nghiên cứu xây dựng giải pháp đảm bảo an toàn thông tin cho quá trình học liên kết dựa trên mật mã

Tóm tắt Luận án Tiến sĩ: Phát triển năng lực đánh giá công nghệ cho học sinh trong dạy học môn Công nghệ 11 ở trường trung học phổ thông

Tóm tắt Luận án Tiến sĩ: Nghiên cứu phân loại chi cầu diệp – Bulbophyllum Thouars (Orchidaceae) ở vùng Tây Nguyên bằng phương pháp hình thái và phân tử

Tóm tắt Luận án Tiến sĩ: Nghiên cứu đặc điểm phân bố và dinh dưỡng của các loài lưỡng cư ở Vườn Quốc gia Bến En và Khu bảo tồn thiên nhiên Pù Luông, tỉnh Thanh Hóa

Luận án Tiến sĩ: Tổng hợp luật dẫn và điều khiển cho một lớp tên lửa đối hải trên cơ sở ứng dụng mạng nơ ron và hệ mờ

Luận án Tiến sĩ: Nghiên cứu tổng hợp hệ điều khiển góc Pitch tua bin gió trong điều kiện có nhiễu tác động

Luận án Tiến sĩ: Nghiên cứu hóa học lipid của hai loài san hô thủy tức Millepora dichotoma và Millepora platyphylla ở Việt Nam

Luận án Tiến sĩ: Nghiên cứu kiểm soát phân phối công suất kéo trên cầu chủ động của ô tô con bằng ABS

Luận án Tiến sĩ: Ứng dụng phản ứng Domino vào tổng hợp các dẫn xuất Podophyllotoxin, Pyrimidine và đánh giá hoạt tính sinh học của các chất tổng hợp được

Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và một số hoạt tính sinh học của cây chùm ngây (Moringa oleifera)

Tóm tắt Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và ứng dụng ức chế ăn mòn cho thép của cao chiết xuất từ cây Lộc vừng thuộc họ Lecythidaceae

Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

AI tóm tắt

Giới thiệu tài liệu

Đối tượng sử dụng

Từ khoá chính

Nội dung tóm tắt

Giới thiệu

Về chúng tôi

Việc làm

Quảng cáo

Liên hệ

Chính sách

Thoả thuận sử dụng

Chính sách bảo mật

Chính sách hoàn tiền

DMCA

Hỗ trợ

Hướng dẫn sử dụng

Đăng ký tài khoản VIP

093 303 0098

support@tailieu.vn

Phương thức thanh toán