Luận văn Thạc sĩ Tài chính ngân hàng: Các yếu tố ảnh hưởng đến rủi ro phá sản của các ngân hàng thương mại Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM

TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH

TRƯƠNG VŨ BẢO DUNG

CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN RỦI RO PHÁ SẢN CỦA CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM LUẬN VĂN THẠC SỸ TÀI CHÍNH NGÂN HÀNG TP. HỒ CHÍ MINH – NĂM 2017

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM

TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH

TRƯƠNG VŨ BẢO DUNG

CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN RỦI RO PHÁ SẢN CỦA CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM LUẬN VĂN THẠC SỸ TÀI CHÍNH NGÂN HÀNG Chuyên ngành: Tài chính – Ngân hàng

Mã số: 60 34 02 01

Người hướng dẫn khoa học: TS. NGUYỄN THẾ BÍNH TP. HỒ CHÍ MINH – NĂM 2017

LỜI CAM ĐOAN

Luận văn này chưa từng được trình nộp để lấy học vị thạc sĩ tại bất cứ một

trường đại học nào. Luận văn này là công trình nghiên cứu riêng của tác giả, kết quả

nghiên cứu là trung thực, trong đó không có các nội dung đã được công bố trước

đây hoặc các nội dung do người khác thực hiện ngoại trừ các trích dẫn được dẫn

nguồn đầy đủ trong luận văn.

TP. Hồ Chí Minh ngày 24 tháng 10 năm 2017

Tác giả

Trương Vũ Bảo Dung

MỤC LỤC

LỜI CAM ĐOAN ....................................................................................................... i MỤC LỤC .................................................................................................................. ii DANH MỤC CÁC TỪ VIẾT TẮT .......................................................................... iv DANH MỤC CÁC BẢNG .......................................................................................... v DANH MỤC BIỂU ĐỒ .............................................................................................. v CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU ............................................................... 1 1.1. Đặt vấn đề ...................................................................................................... 1 Tính cấp thiết của đề tài ................................................................................. 2 1.2. 1.3. Mục tiêu của đề tài ......................................................................................... 3 Câu hỏi nghiên cứu ........................................................................................ 4 1.4. Đối tượng và phạm vi nghiên cứu ................................................................. 4 1.5. Phương pháp nghiên cứu ............................................................................... 4 1.6. Nội dung nghiên cứu ..................................................................................... 5 1.7. Đóng góp của đề tài ....................................................................................... 5 1.8. 1.9. Kết cấu của đề tài ........................................................................................... 5 CHƯƠNG 2: CƠ SỞ LÝ LUẬN VÀ CÁC BẰNG CHỨNG THỰC NGHIÊM VỀ CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN RỦI RO PHÁ SẢN NGÂN HÀNG THƯƠNG MẠI ............................................................................................................................. 6 2.1. Lý thuyết về rủi ro phá sản của NHTM ......................................................... 6 2.1.1. Các khái niệm về phá sản ngân hàng NHTM ................................................ 6 2.1.2. Rủi ro phá sản ngân hàng ............................................................................... 8 Đo lường rủi ro phá sản NHTM .................................................................... 9 2.2. 2.3. Các yếu tố ảnh hưởng đến rủi ro phá sản của NHTM ................................. 11 2.3.1. Yếu tố bên trong ........................................................................................... 12 2.3.1.1. Capital adequacy (Mức độ an toàn vốn) ...................................................... 13 2.3.1.2. Asset quality (Chất lượng tài sản Có) .......................................................... 14 2.3.1.3. Management ability (Năng lực quản lý) ...................................................... 15 2.3.1.4. Earnings strength (Khả năng sinh lời) ......................................................... 17 2.3.1.5. Liquidity Sufficiency (Khả năngthanh khoản) ............................................ 18 2.3.1.6. Sensitivity to market risk (Mức độ nhạy cảm với rủi ro thị trường) ............ 19 2.3.2. Yếu tố bên ngoài .......................................................................................... 20 2.4. Một số nghiên cứu trước về dự báo phá sản NHTM ................................... 24 Kết luận chương 2 ..................................................................................................... 33 CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU .............................. 34 3.1. Mô hình nghiên cứu ..................................................................................... 34 3.1.1. Biến phụ thuộc ............................................................................................. 35 3.1.2. Các biến độc lập Xit...................................................................................... 35 3.1.3. Giả thuyết nghiên cứu .................................................................................. 37 Thiết kế nghiên cứu ..................................................................................... 40 3.2. 3.3. Thu thập và xử lý số liệu ............................................................................. 41 3.3.1. Cỡ mẫu ......................................................................................................... 41 3.3.2. Phương pháp thu thập và xử lý số liệu ......................................................... 41

iii

Phương pháp ước lượng .............................................................................. 41 3.4. Các kiểm định .............................................................................................. 46 3.5. Kết luận chương 3 ..................................................................................................... 47 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN .................................. 48 Thống kê mô tả dữ liệu ................................................................................ 48 4.1. Phân tích đa cộng tuyến ............................................................................... 49 4.2. Phân tích tương quan mô hình nghiên cứu .................................................. 50 4.3. Phân tích lựa chọn mô hình nghiên cứu ...................................................... 50 4.4. Kiểm định phương sai của sai số không đổi ................................................ 51 4.5. Kiểm định tự tương quan ............................................................................. 52 4.6. Tổng hợp kết quả kiểm định ........................................................................ 52 4.7. Kết quả kiểm định độ phù hợp của các biến bằng phương pháp GLS ........ 53 4.8. Kết luận chương 4 ..................................................................................................... 58 CHƯƠNG 5: HÀM Ý VÀ KHUYẾN NGHỊ ........................................................... 59 Hàm ý .......................................................................................................... 59 5.1. Khuyến nghị giải pháp quản trị rủi ro phá sản trong hệ thống NHTM Việt 5.2. Nam thời gian tới ...................................................................................................... 59 5.2.1. Khuyến nghị đối với các NHTM ................................................................. 59 5.2.1.1. Sử dụng đòn bẩy hợp lý và cấu trúc vốn vững mạnh .................................. 59 5.2.1.2. Quản trị thanh khoản .................................................................................... 61 5.2.1.3. Tăng quy mô NHTM.................................................................................... 62 5.2.1.4. Tăng trưởng phù hợp với tăng trưởng GDP ................................................. 63 5.2.2. Khuyến nghị đối với Chính phủ và NHNN ................................................. 63 5.2.2.1. Khuyến nghị đối với Chính phủ ................................................................... 63 5.2.2.2. Khuyến nghị đối với NHNN ........................................................................ 64 Hạn chế nghiên cứu và hướng nghiên cứu tiếp theo ................................... 66 5.3. Kết luận chương 5 .................................................................................................... 67 KẾT LUẬN ............................................................................................................... 68 TÀI LIỆU THAM KHẢO ......................................................................................... vi PHỤ LỤC 1 ............................................................................................................. xiii PHỤ LỤC 2 ............................................................................................................... xv PHỤ LỤC 3 ............................................................................................................. xvi PHỤ LỤC 4 ............................................................................................................... ix

DANH MỤC CÁC TỪ VIẾT TẮT

STT Nghĩa đầy đủ Từ tiếng Anh Ký hiệu viết tắt

1 BCTC 2 CAR Capital Adequacy Ratio

3 CIC Credit information center

4 CPI 5 ctg 6 DPRR

7 FDIC

8 FDICIA

FEM 9 IMF 10 11 GDP Consumer Price Index Federal Deposit Insurance Corporation Federal Deposit Insurance Corporation Improvement Act of 1991 Fixed Effects Model International Monetary Fund Gross Domestic Product

12 GLS General Least Square

13 GNP

14 NCUA

Báo cáo tài chính Tỷ lệ an toàn vốn tối thiểu Trung tâm Thông tin tín dụng Quốc gia Việt Nam Chỉ số giá tiêu dùng Các tác giả Dự phòng rủi ro Tổng công ty Bảo hiểm tiền gửi Liên bang Đạo luật Cải thiện Tổng công ty Bảo hiểm Tiền gửi Liên bang năm 1991 Phương pháp tác động cố định Quỹ tiền tệ quốc tế Tổng sản phẩm quốc nội Phương pháp bình phương bé nhất tổng quát khả thi Tổng sản lượng quốc gia Cục Quản lý các tổ hợp tín dụng Hoa Kỳ Ngân hàng Nhà nước Việt Nam Ngân hàng thương mại

Gross National Product National Credit Union Administration 15 NHNN 16 NHTM 17 NHTMCP Ngân hàng thương mại cổ phần 18 NHTW

19 OLS Ordinary Least Squares

20 PCI Per Capita Income

21 REM Random Effects Model

22 ROA Return on Assets

23 ROE Return On Equity

24 TCTD 25 TNHH 26 VCSH

27 WLS Weighted Least Squares Ngân hàng Trung Ương Phương pháp bình phương nhỏ nhất Quy mô sản lượng quốc gia tính bình quân trên đầu người Phương pháp tác động ngẫu nhiên Tỷ số Lợi nhuận trên tài sản Tỷ số Lợi nhuận trên vốn chủ sở hữu Tổ chức tín dụng Trách nhiệm hữu hạn Vốn chủ sở hữu Phương pháp ước lượng bình phương bé nhất có trọng số

DANH MỤC CÁC BẢNG

Bảng 2.1: Tóm tắt các nghiên cứu về các yếu tố ảnh hưởngđến rủi ro phá sản của

NHTM ......................................................................................................................... 29

Bảng 3.1: Các giả thuyết về mối tương quan của các yếu tố ảnh hưởng rủi ro phá

sản NHTM ................................................................................................................... 39

Bảng 4.1: Thống kê mô tả các biến ............................................................................. 48

Bảng 4.2: Phân tích đa cộng tuyến qua phương pháp phương sai phóng đại ............. 50

Bảng 4.3: Hệ số tương quan giữa các biến ................................................................. 50

Bảng 4.4: Kết quả Kiểm định phương sai của sai số không đổi ................................. 51

Bảng 4.5: Kết quả kiểm định tự tương quan ............................................................... 52

Bảng 4.6: Kết quả Kiểm định bằng phương pháp GLS .............................................. 53

DANH MỤC BIỂU ĐỒ

Biểu đồ 4.1: Z-score các NHTM Việt Nam qua các năm ........................................... 54

Biểu đồ 4.2: Z-score trung bình và LEV trung bình các NHTM Việt Nam

qua các năm ................................................................................................................. 55

Biểu đồ 4.3: Z-score trung bình và LDR các NHTM Việt Nam qua các năm............ 56

Biểu đồ 4.4: Z-score trung bình và Tổng tài sản bình quân các NHTM Việt Nam

qua các năm ................................................................................................................. 57

Biểu đồ 4.5: Z-score trung bình các NHTM Việt Nam và GDP Việt Nam qua các

năm .............................................................................................................................. 58

CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU

1.1. Đặt vấn đề

Trong sự phát triển của kinh tế xã hội, Ngân hàng là một yếu tố không thể

thiếu bởi các chức năng cơ bản của nó. Trước hết, ngân hàng có vai trò sống còn đối

với hoạt động kinh tế, bởi vì ngân hàng tái phân bổ tiền tiết kiệm từ người thặng dư

tạm thời, tới người đi vay - những người có thể sử dụng vốn tốt hơn. Đồng thời,

ngân hàng trở thành trung gian thanh toán ở hầu hết các quốc gia. Thay mặt cho

khách hàng, ngân hàng thực hiện thanh toán giá trị hàng hóa và dịch vụ, hình thành

mạng lưới thanh toán điện tử trong và ngoài nước và cung cấp tiền mặt khi khách

hàng cần.

Tại Việt Nam, từ khi hình thành nên hệ thống Ngân hàng hai cấp bao gồm

NHTW và NHTM, các NHTM thực hiện hoạt động kinh doanh về tiền tệ và ngày

càng được mở rộng cả về số lượng cũng như chất lượng, góp phần thúc đẩy phát

triển kinh tế đất nước. Bên cạnh đó ngành Ngân hàng còn có đóng góp lớn cho ngân

sách thông qua việc thực hiện nghĩa vụ thuế. NHTM còn là trung gian truyền dẫn

hiệu quả việc thực hiện các chính sách tiền tệ của NHNN. Hiện nay, các NHTM

Việt Nam ngày càng hội nhập sâu rộng, nâng tầm trở thành định chế tài chính lớn,

đủ sức cạnh tranh và hợp tác với các định chế tài chính lớn nước ngoài.

Chính bởi tầm quan trọng trong cung cấp tín dụng và vận hành hệ thống thanh

toán, cùng với vai trò to lớn của NHTM, nên sự phá sản của các ngân hàng có thể

gây ra tác động tiêu cực tới nền kinh tế so với sự sụp đổ của các hoạt động kinh

doanh khác. Tính đến thời điểm này, NHNN chưa phải áp dụng biện pháp phá sản

đối với bất kỳ ngân hàng yếu kém nào, Nguyên nhân là do: (i) ngân hàng phá sản sẽ

tác động xấu đến hệ thống, thị trường và tâm lý của người dân; (ii) dù đã có luật

nhưng các thủ tục phá sản, định giá, thanh lý tài sản rất phức tạp, trong khi Việt

Nam lại chưa có kinh nghiệm và khả năng để đáp ứng được các yêu cầu này. Tuy

nhiên theo cơ chế thị trường và xu hướng hội nhập ngày càng sâu rộng, NHTM

cũng là một doanh nghiệp, một thành phần của nền kinh tế, việc phá sản đối với các

NHTM là hoàn toàn có thể xảy ra. Chính vì vậy, nhận diện những yếu tố ảnh hưởng

đến rủi ro dẫn đến phá sản đối với hoạt động của các NHTM trong bối cảnh hiện

này là vấn đề cần được làm rõ.

Đây là lý do học viên chọn đề tài: “Các yếu tố ảnh hưởng đến rủi ro phá

sản của các ngân hàng thương mại Việt Nam” để nghiên cứu trong luận văn của

mình, với mong muốn, kết quả của nghiên cứu sẽ góp phần bổ sung thêm cơ sở

khoa học trong quản trị và quản lý điều hành hoạt động của các NHTM trong thời

gian tới.

1.2. Tính cấp thiết của đề tài

Từ lâu thị trường tài chính đã có niềm tin rằng Chính phủ sẽ không để một

ngân hàng nào phá sản, nhằm bảo đảm quyền lợi của người gửi tiền, giảm thiểu

nguy cơ rủi ro lây lan, ảnh hưởng đến an toàn hệ thống ngân hàng. Thực tế, năm

2015, với thực trạng hoạt động yếu kém của 3 NHTM là VNCB, Oceanbank, GP

Bank, nhằm xử lý dứt điểm các yếu kém của 3 ngân hàng, NHNN đã quyết định

thực hiện biện pháp mua bắt buộc toàn bộ cổ phần của 3 ngân hàng này với giá 0

đồng và chỉ định các NHTMCP có vốn Nhà nước (Vietcombank, VietinBank) tham

gia quản trị, điều hành và thực hiện phương án cơ cấu lại, thay vì để các ngân hàng

này phá sản. Đề án “Cơ cấu lại hệ thống các tổ chức tín dụng giai đoạn 2011 -

2015” đã đi qua với nhiều thương vụ sáp nhập diễn ra, một vài ngân hàng đã biến

mất và hàng loạt ngân hàng yếu kém được xử lý dứt điểm.

Đầu tiên là thương vụ sáp nhập 3 ngân hàng Ficombank, TinNghiaBank, SCB

thành SCB; TrustBank đổi tên thành VNCB; WesternBank sáp nhập vào Tổng công

ty Tài chính Cổ phần Dầu khí Việt Nam (PVFC) rồi đổi tên thành PVcomBank;

Habubank nhập vào SHB; DaiABank vào HDBank; TienPhongBank gọi vốn từ

Tập Đoàn Vàng Bạc Đá Quý DOJI rồi đổi tên thành TPBank; Navibank tìm được

nhà đầu tư, tự tái cơ cấu và đổi tên thành NCB. Tiếp đó là các thương vụ BIDV

nhận MHB; Maritime Bank nhận MDB và Sacombank nhận Southernbank.

Điều này đặt ra câu hỏi, phải chăng niềm tin của thị trường là đúng, tại sao

các ngân hàng yếu kém lại không phá sản mà sẽ được NHNN tìm mọi cách giúp

đỡ, tự cơ cấu hoặc chỉ định ngân hàng khác thực hiện tiếp nhận, phương án khác là

mua lại với giá 0 đồng?

Với việc là chủ thể quan trọng, trung gian của nền kinh tế, việc phá sản các

NHTM sẽ gây ảnh hưởng mang tính dây chuyền, đặc biệt là tại Việt Nam, khi thị

trường tài chính chưa đủ mạnh để ứng phó với rủi ro, hành lang pháp lý chưa hoàn

chỉnh cho phá sản NHTM. Tuy nhiên đó là câu chuyện của quá khứ, gần đây, khi

cụm từ phá sản ngân hàng ngày càng được nhắc đến nhiều cho thấy, thị trường đã

chuẩn bị tâm lý cho điều xấu nhất xảy ra. Không chỉ chuẩn bị tâm lý, những điều

kiện thiết yếu cũng đã được chuẩn bị, như quỹ bảo hiểm tiền gửi đã lớn, tăng số

tiền được trả cho tất cả các khoản tiền gửi (gồm cả gốc và lãi) của một cá nhân tại

ngân hàng tham gia bảo hiểm tiền gửi từ 50 triệu đồng lên 75 triệu đồng, và cuối

cùng là hành lang pháp lý.

Luật Phá sản 2014 có hiệu lực từ ngày 01/01/2015 được kỳ vọng nhằm khắc

phục các bất cập đã nảy sinh trong quá trình thực hiện Luật Phá sản 2004 và tạo lập

cơ chế mới xử lý phá sản doanh nghiệp hiệu quả hơn, bảo vệ tốt hơn quyền và lợi

ích hợp pháp của các bên liên quan. Điểm mới cơ bản của Luật Phá sản 2014 là đã

luật hóa các quy định về phá sản TCTD, xây dựng cơ chế xử lý phá sản phù hợp

với các TCTD; khắc phục những bất cập trước đây, quy định rõ hơn về việc nộp

đơn yêu cầu mở thủ tục phá sản đối với TCTD.

Đã có hành lang pháp lý cơ sở, Đề tài “Các yếu tố ảnh hưởng đến rủi ro phá

sản của các ngân hàng thương mại Việt Nam” sẽ giúp dự báo rủi ro phá sản của

các NHTM, đồng thời thị trường sẽ có cái nhìn khách quan hơn đối với việc phá sản

ngân hàng, các nhà đầu tư đưa ra được lựa chọn đúng đắn hơn, NHNN cũng có thể

xác định được những NHTM cần chú ý trong đề án tái cơ cấu giai đoạn 2016 -2020

đang thực hiện.

1.3. Mục tiêu của đề tài

1.3.1. Mục tiêu tổng quát

Xác định và ước lượng mức độ ảnh hưởng của các yếu tố đến rủi ro phá sản

của các NHTM Việt Nam giai đoạn 2008 – 2016.

1.3.2.Mục tiêu cụ thể

- Xây dựng mô hình ước lượng các yếu tố ảnh hưởng đến rủi ro phá sản các

NHTM;

- Xác định các yếu tố ảnh hưởng và ước lượng mức độ ảnh hưởng đến rủi ro

phá sản của các NHTM tại Việt Nam giai đoạn 2008 – 2016;

- Đề xuất một số gợi ý chính sách nhằm kiểm soát rủi ro phá sản đối với các

NHTM tại Việt Nam.

1.4. Câu hỏi nghiên cứu

Để đạt được mục tiêu nghiên cứu trên đây, cần giải quyết các câu hỏi:

- Các yếu tố nào ảnh hưởng đến rủi ro phá sản của các NHTM?

- Các yếu tố và mức độ ảnh hưởng của các yếu tố đó đến rủi ro phá sản các

NHTMCP tại Việt Nam trong giai đoạn 2008-2016?

- Cần thực hiện các giải pháp và kiến nghị nào nhằm hạn chế rủi ro phá sản

đối với các NHTM tại Việt Nam trong thời gian tới?

1.5. Đối tượng và phạm vi nghiên cứu

- Đối tượng nghiên cứu của luận văn là các yếu tố ảnh hưởng đến rủi ro phá

sản của các NHTM tại Việt Nam.

- Phạm vi nghiên cứu:

Về không gian nghiên cứu: Các ngân hàng thương mại cổ phần (NHTMCP)

tại Việt Nam (danh sách các ngân hàng xem tại phụ lục 1).

Về thời gian nghiên cứu: Số liệu thu thập từ năm 2008-2016.

1.6. Phương pháp nghiên cứu

- Phương pháp nghiên cứu sử dụng chính trong đề tài này là phương pháp nghiên

cứu định lượng bằng việc sử dụng mô hình kinh tế lượng để ước lượng mức độ

ảnh hưởng của các yếu tố đế rủi ro phá sản của các NHTM tại Việt Nam giai

đoạn 2008 - 2016.

- Dữ liệu sử dụng trong nghiên cứu: Do việc thu thập thông tin từ BCTC của các

NHTMCP không đầy đủ, một số NHTM không công bố BCTC đầy đủ qua các

năm, do đó chỉ thu thập được thông tin từ các BCTC của 25 NHTMCP tại Việt

Nam hiện nay trong khoảng thời gian 2008 – 2016.

- Sử dụng phần mềm STATA trong xử lý thống kê.

1.7. Nội dung nghiên cứu

Để giải quyết các mục tiêu nghiên cứu đã xác định, nội dung nghiên cứu của

luận văn bao gồm:

i. Hệ thống hoá các lý thuyết về rủi ro phá sản của NHTM, các yếu tố ảnh

hưởng đến rủi ro phá sản NHTM.

ii. Khảo cứu các nghiên cứu thực nghiệm đã công bố để thiết lập mô hình ước

lượng các yếu tố ảnh hưởng đến rủi ro phá sản của các NHTM tại Việt Nam.

iii. Thu thập và xử lý dữ liệu theo mô hình đã xác định nhằm xác định và ước

lượng các yếu tố ảnh hưởng đến rủi ro phá sản của các NHTM cổ phần tại

Việt Nam;

iv. Phân tích kết quả từ mô hình nghiên cứu để đề xuất các gợi ý chính sách.

1.8. Đóng góp của đề tài

Về thực tiễn, kết quả nghiên cứu xác định và ước lượng các yếu tố ảnh hưởng

đến rủi ro phá sản của các NHTMCP tại Việt Nam sẽ giúp các NHTM, các cơ quan

quản lý Nhà nước về tiền tệ ngân hàng có thêm cơ sở khoa học thực nghiệm trong

hoạch định các chính sách quản trị và quản lý.

1.9. Kết cấu của đề tài

Ngoài phần mở đầu, kết luận và danh mục tài liệu tham khảo, đề tài được chia

thành 5 chương sau:

CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU

CHƯƠNG 2: CƠ SỞ LÝ LUẬN VÀ CÁC BẰNG CHỨNG THỰC NGHIÊM

VỀ CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN RỦI RO PHÁ SẢN NGÂN HÀNG

THƯƠNG MẠI

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

CHƯƠNG 5: HÀM Ý VÀ KHUYẾN NGHỊ

CHƯƠNG 2: CƠ SỞ LÝ LUẬN VÀ CÁC BẰNG CHỨNG THỰC

NGHIÊM VỀ CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN RỦI RO PHÁ SẢN

NGÂN HÀNG THƯƠNG MẠI

2.1. Lý thuyết về rủi ro phá sản của NHTM

2.1.1. Các khái niệm về phá sản ngân hàng NHTM

Khái niệm “phá sản” thường được hiểu : (1) là tình trạng một tổ chức kinh

doanh bị mất khả năng thanh toán và bị cơ quan Nhà nước (thông thường là tòa án)

ra quyết định tuyên bố phá sản, hoặc (2) là thủ tục pháp lý liên quan đến một tổ

chức kinh doanh để giải quyết tình trạng mất khả năng thanh toán của tổ chức đó.

Tuy nhiên trong nghiên cứu, việc phá sản doanh nghiệp không chỉ là các quyết định

của Tòa án hay việc doanh nghiệp tự nộp đơn phá sản mà tùy vào thời điểm, thị

trường được nghiên cứu mà các tác giả có quan điểm khác nhau về phá sản và nguy

cơ phá sản.

Altman (1968) nghiên cứu tại Mỹ cho rằng các doanh nghiệp phá sản khi

không giải quyết được nghĩa vụ nợ và nộp đơn xin phá sản.

Shelagh Hefferman (2005) cho rằng khả năng phá sản của các doanh nghiệp

xảy ra khi doanh nghiệp lâm vào tình trạng mất khả năng thanh toán, khi nợ phải trả

vượt quá tài sản hoặc tài sản ròng âm

Tuy nhiên quan điểm về phá sản doanh nghiệp cần được xem xét khi áp dụng

vào NHTM do những đặc thù khác biệt trong kinh doanh. NHTM hoạt động trong

lĩnh vực tài chính tiền tệ, đây là lĩnh vực nhạy cảm và tác động trực tiếp đến mọi

hoạt động trong nền kinh tế. Hoạt động kinh doanh của các NHTM có thể xuất hiện

nhiều rủi ro và chịu ảnh hưởng dây chuyền với nhau, khi một ngân hàng mất khả

năng thanh toán sẽ tạo ra tác động lan truyền đến các NHTM khác. Chính vì thế

Chính phủ và NHNN luôn kiểm soát chặt chẽ hoạt động của ngân hàng nhằm ổn

định hệ thống tiền tệ và hạn chế nguy cơ khủng hoảng xảy ra ảnh hưởng đến toàn

nền kinh tế. Trong trường hợp xảy ra khủng hoảng, các đơn vị quản lý cũng sẽ thực

hiện rất nhiều biện pháp khác nhau trước khi để phá sản thực sự diễn ra.

Sự phá sản ngân hàng, trong thuật ngữ tiếng Anh có thể kể đến như Bank

failure, Bank bankruptcy, Bank insolvency, trong đó Bank failure được sử dụng

nhiều hơn cả. Nếu Bank failure và Bank bankruptcy chỉ về sự phá sản ngân hàng

nói chung, thì Bank insolvency lại chỉ riêng trường hợp ngân hàng phá sản do mất

khả năng thanh toán.

Daniel Martin (1977), một chuyên gia của Ngân hàng Dự trữ Liên Bang Mỹ

tại New York trong một nghiên cứu về dự báo sớm khả năng phá sản NHTM đã cho

rằng, ngân hàng sẽ phá sản nếu giá trị ròng bị âm hoặc nếu tiếp tục hoạt động sẽ dẫn

tới thiệt hại ngay lập tức dẫn đến giá trị ròng âm. Tuy nhiên, hầu hết các tình huống

thất bại của ngân hàng được giải quyết bằng những cách không dẫn đến phá sản

theo nghĩa hợp pháp. Giám sát sáp nhập bắt buộc, trong đó ngân hàng yếu hơn được

sáp nhập vào một ngân hàng mạnh hơn theo ý kiến của cơ quan quản lý nhà nước,

được áp dụng thường xuyên hơn là để ngân hàng phá sản thực tế.

Kaufman G.G. - Cato J. (1996) trong nghiên cứu Sự thất bại của ngân hàng,

rủi ro hệ thống và các điều tiết về ngân hàng đã định nghĩa, một ngân hàng không

thành công về mặt kinh tế khi giá trị thị trường của tài sản giảm xuống dưới giá trị

thị trường của nợ phải trả, do đó giá trị thị trường của vốn (giá trị ròng) trở nên âm.

Vào thời điểm đó, ngân hàng không thể mong đợi trả hết tiền cho người gửi tiền đầy

đủ và đúng thời hạn.

Theo Business dictionary, phá sản ngân hàng xảy ra khi ngân hàng mất khả

năng thanh toán và không thể đáp ứng các nghĩa vụ tín dụng của nó, và buộc phải

đóng cửa bởi các cơ quan quản lý. Điều này thường xảy ra khi ngân hàng có các

khoản nợ quá lớn và không có khả năng thanh toán bằng các nguồn vốn có sẵn và

không còn các khoản tiền cần thiết để duy trì dòng tiền mặt ổn định.

Khác với các định nghĩa trên, Logan A. (2001) và Shelagh Hefferman (2005)

đều đưa ra khái niệm về phá sản NHTM là khi ngân hàng mất khả năng thanh toán,

bị sáp nhập hoặc bị mua lại bởi một ngân hàng lớn khỏe mạnh, được sự kiểm soát

của chính phủ hoặc ngân hàng đó phải nhận sự cứu trợ từ NHTW. Khái niệm này về

bản chất không phải là việc ngân hàng nộp đơn phá sản, mà là ngay khi ngân hàng

không thanh toán được các khoản nợ, và bị các cơ quan quản lý áp dụng các biện

pháp đặc biệt để kiểm soát rủi ro lan rộng.

Có thể tóm lại, phá sản NHTM xảy ra theo nghĩa hẹp là khi ngân hàng không

thể thanh toán được các khoản nợ bằng nguồn vốn tự có và nộp đơn phá sản. Theo

nghĩa rộng, phá sản ngân hàng còn được tính trong các trường hợp bị mua lại bởi

các ngân hàng mạnh, bị cơ quan quản lý áp dụng các biện pháp đặc biệt như chỉ

định sáp nhập hoặc quốc hữu hóa.

2.1.2. Rủi ro phá sản ngân hàng

Thuật ngữ rủi ro hay nguy cơ phá sản ngân hàng (Bank failure risk) được sử

dụng trong nghiên cứu nước ngoài với hàm ý tổng hợp các rủi ro ngân hàng gặp

phải dẫn đến phải đối mặt với sự phá sản.

Sherrill Shaffer (2012) trong nghiên cứu về rủi ro phá sản NHTM tại Úc đã

nêu ra rủi ro phá sản hay nguy cơ thất bại là tập hợp của các rủi ro ngân hàng gặp

phải, tăng giảm rủi ro này bằng cách điều chỉnh các yếu tố rủi ro trong ngân hàng.

Ví dụ như rủi ro tín dụng, rủi ro thanh khoản cao hơn thì rủi ro phá sản cao hơn.

Tại Việt Nam, Nguyễn Thanh Dương (2013) cho rằng việc giảm thu nhập dẫn

tới làm thâm hụt vốn sẽ khiến ngân hàng lâm vào trạng thái khánh kiệt và đứng

trước nguy cơ phá sản.

Phạm Tiến Đạt (2013) khi đánh giá rủi ro trong NHTM nhằm phục vụ cho

hoạt động kiểm toán BCTC, đã cho rằng Rủi ro vỡ nợ là rủi ro khi ngân hàng không

đủ VCSH để bù đắp cho sự sụt giảm đột ngột trong giá trị tài sản do hậu quả của

các loại rủi ro khác, thiếu kinh nghiệm quản lý vĩ mô, do sự suy thoái của nền kinh

tế, tỷ trọng huy động tiền gửi nhỏ, chủ yếu dựa vào các khoản vay, sự gia tăng các

vụ vỡ nợ trong danh mục cho vay của các khách hàng. Có thể thấy định nghĩa này

đã chỉ ra dấu hiệu cụ thể để xác định phá sản ngân hàng, đó là giá trị tài sản suy

giảm dẫn đến VCSH không đủ bù đắp. Nguyên nhân do: (i) hậu quả của các loại rủi

ro khác trong ngân hàng, như rủi ro tín dụng, rủi ro thanh khoản, rủi ro lãi suất,…

hoặc (ii) do quản lý yếu kém, hoặc (iii) suy thoái kinh tế.

Tóm lại, rủi ro phá sản NHTM là rủi ro xảy ra khi NHTM đứng trước nguy cơ

nộp đơn phá sản, hoặc bị kiểm soát bởi cơ quan có thẩm quyền, hoặc bị bắt buộc

sáp nhập vào ngân hàng khác. Rủi ro phá sản NHTM xảy ra do nguyên nhân từ các

rủi ro khác trong hoạt động của NHTM, xuất phát từ nội tại ngân hàng hoặc từ môi

trường kinh doanh bên ngoài, mà biểu hiện đầu tiên là không đủ VCSH để bù đắp

cho sự sụt giảm đột ngột trong giá trị tài sản, mất khả năng thanh khoản.

2.2. Đo lường rủi ro phá sản NHTM

Một trong những nghiên cứu đầu tiên về phá sản doanh nghiệp là của Beaver

(1966), trong nghiên cứu về “Financial Ratios as Predictors of Failure” (Các chỉ số

tài chính dự báo sự phá sản), cho rằng một trong những dấu hiệu để nhận biết công

ty phá sản là công ty không thanh toán được trái phiếu công ty khi đến hạn, không

chi trả được cổ tức cho cổ phiếu ưu đãi, có tài khoản ngân hàng bị thấu chi. Beaver

đã tiến hành so sánh 6 tỷ số tài chính: dòng tiền/tổng nợ; thu nhập ròng/tổng tài sản;

tổng nợ/tổng tài sản; vốn lưu động/tổng tài sản; tỷ lệ thanh toán hiện thời; khoảng

phi tín dụng (no-credit interval) giữa các công ty vỡ nợ và không vỡ nợ. Kết quả

cho thấy sự khác biệt giữa 2 nhóm này. Từ đó nghiên cứu cho rằng có thể dự đoán

được nguy cơ vỡ nợ qua các tỷ số tài chính.

Kế thừa nghiên cứu của Beaver (1966), Altman (1968) đã đưa ra nghiên cứu

“Financial ratios, discriminant analysis and the prediction of corporate bankruptcy”

(Các tỷ số tài chính, phân tích biệt số và dự báo phá sản công ty). Mô hình Altman

Z - score là kết quả thực nghiệm trên 66 doanh nghiệp sản xuất từ năm 1946 - 1965

(trong đó 33 doanh nghiệp phá sản và 33 doanh nghiệp không phá sản); là chỉ số kết

hợp 5 tỷ số tài chính khác nhau với các trọng số khác nhau. Mô hình cho kết quả dự

báo có độ chính xác đến 95% các công ty phá sản trong thời gian trước 1 năm và

72% trong vòng 2 năm. Mô hình chỉ số Z lúc này được ứng dụng cho các doanh

nghiệp sản xuất đã cổ phần hóa.

Năm 1977 Altman, Haldenman và Narayanan đã xây dựng mô hình mới để

xác định nguy cơ phá sản của các tập đoàn (mô hình ZETA). Mô hình sử dụng dữ

liệu trong giai đoạn 1969 đến 1975 gồm 53 công ty phá sản và 58 công ty không

phá sản. Các công ty này được chia thành 2 nhóm sản xuất và thương mại bán lẻ.

Đặc biệt mô hình sử dụng phương pháp phân tích phân biệt số, đây là phương pháp

được sử dụng phổ biến trong các mô hình dự báo sau này.

Mô hình cho kết quả dự báo có độ chính xác đến 95% các công ty phá sản

trong thời gian trước 1 năm và đến 70% các công ty phá sản trong thời gian trước 5

năm. Nghiên cứu cho thấy rằng không có sự khác biệt lớn giữa các công ty thuộc

lĩnh vực sản xuất và lĩnh vực khác. Tuy nhiên, nghiên cứu chỉ đưa ra các biến để dự

báo phá sản nhưng không đưa ra các hệ số cho các biến nên không được sử dụng

rộng rãi và kiểm định tính thực tiễn bởi các nghiên cứu khác.

Đến năm 2000 Altman và các cộng sự đã phát triển từ mô hình dự báo năm

1968 thành ba mô hình dự báo khác nhau, trong đó có mô hình được áp dụng cho

các doanh nghiệp phi sản xuất, trong đó có ngân hàng.

Boyd, J. H. và Graham, S. L. (1986), trong nghiên cứu “The profitability and

risk effects of allowing bank holding companies to merge with other financial firms:

a simulation study” (Lợi nhuận và rủi ro tác động đến việc cho phép ngân hàng cổ

phần kết hợp với các công ty tài chính khác: một nghiên cứu mô phỏng), dựa trên ý

tưởng về z-index, chỉ số liên quan trực tiếp đến xác suất âm VCSH được tóm tắt

bằng phương trình:

μ+k

z =

𝜎

Trong đó μ là trung bình lợi nhuận trên tài sản (phần trăm), k là phần trăm vốn

cổ phần trong tài sản, và σ là độ lệch chuẩn về lợi nhuận trên tài sản như là một đại

diện cho sự biến động. Theo thống kê, z đo lường độ lệch chuẩn mà lợi nhuận giảm

tới mức độ nào để làm suy giảm VCSH, theo giả định về mức độ bình thường của

lợi nhuận của các ngân hàng. Mức z cao hơn tương ứng với khoảng cách lớn hơn

đối với sự cạn kiệt tài sản và do đó sự ổn định của các ngân hàng lớn hơn.

Từ đó Boyd và các cộng sự đã đưa ra mô hình Z-score chuyên sử dụng cho

việc đánh giá nguy cơ xảy ra mất khả năng thanh toán tại các hệ thống tín dụng nói

chung và hệ thống ngân hàng nói riêng.

ROA+

Vốn chủ sở hữu bình quân Tổng tài sản bình quân Độ lệch chuẩn của ROA

Z-score =

Chỉ số Z-score càng cao thì mức độ rủi ro mất khả năng thanh toán của ngân

hàng càng thấp. Đến năm 1988 Hannan & Hanweck phát triển chỉ số rủi ro Z-

score như sau:

Vốn chủ sở hữu Tổng tài sản

ROA bình quân+

Z-score = Độ lệch chuẩn của ROA

Chỉ số Z-score này nêu lên tương tác giữa rủi ro danh mục ngân hàng và

VCSH, đồng thời cho rằng rủi ro mất khả năng thanh toán phụ thuộc hai thành tố

này. Z-score thể hiện việc giảm thu nhập sẽ làm thâm hụt vốn, từ đó khiến ngân

hàng lâm vào trạng thái khánh kiệt và đứng trước nguy cơ phá sản.

Cihak & Hesse (2008), để lượng hóa sự ổn định, nghiên cứu áp dụng chỉ số

Z-score được tính như sau:

Vốn chủ sở hữu bình quân Tổng tài sản bình quân

ROA Bình quân+

Z-score = Độ lệch chuẩn của ROA

Theo Foos (2010) đưa nghiên cứu bổ sung sử dụng chỉ số Z-score như sau

Vốn chủ sở hữu Tổng tài sản

Bình quân(ROA +

Z-score = ) Độ lệch chuẩn của ROA

Cho đến nay chỉ số Z-score được áp dụng rộng rãi cho các nghiên cứu về sức

khỏe và rủi ro mất khả năng thanh toán của ngân hàng. Trong thời gian gần đây, các

bài nghiên cứu thường sử dụng công thức tính Z-score theo Cihak & Hesse (2008)

như các nghiên cứu của Dan J. Jordan và ctg (2010), Nguyễn Thanh Dương (2013),

Phan Thị Nhi Khánh (2016).

2.3. Các yếu tố ảnh hưởng đến rủi ro phá sản của NHTM

Dựa trên các nghiên cứu trước đó, xác định được các yếu tố chính ảnh hưởng

tới rủi ro phá sản bao gồm 2 nhóm: Yếu tố bên trong và Yếu tố bên ngoài.

2.3.1. Yếu tố bên trong

Ngày nay, có rất nhiều lý thuyết về việc xác định các yếu tố bên trong ảnh

hưởng tới hoạt động của NHTM. Việc đánh giá hoạt động của các NHTM hiện nay

trên thế giới thường được thực hiện theo hai mô hình CAMELS và FIRST. Mô hình

CAMELS đã được áp dụng từ những năm 1970 - là hệ thống xếp hạng, giám sát

tình hình ngân hàng của Mỹ. Mô hình này dựa trên báo cáo tài chính, dựa trên thang

điểm từ 1 - 5 để các nhà quản lý đưa ra đánh giá, xếp hạng ngân hàng. Có 6 nhân tố

mà mô hình CAMELS đưa ra là: vốn, chất lượng tài sản, quản lý, lợi nhuận, thanh

khoản và độ nhạy cảm rủi ro đối với thị trường. Do vậy, mô hình này tập trung

nhiều tới khía cạnh tài chính hơn là phi tài chính. Trong khi đó, mô hình xếp hạng

ngân hàng FIRST của Nhật Bản được xét ở 10 yếu tố: quản lý kinh doanh, tuân thủ

pháp luật, quản lý bảo vệ khách hàng, quản lý rủi ro toàn diện, quản lý vốn,… Với

mô hình FIRST, các yếu tố phi tài chính)được chú ý hơn. Ngoài ra các công ty độc

lập, tư nhân nổi tiếng trên thị trường như Moody, Standard & Fitch… đưa ra các kết

quả xếp hạng ngân hàng và kết quả được công bố cho công chúng biết. Tuy nhiên

các tổ chức này thường quan tâm tới khả năng sinh lời trong tương lai của các ngân

hàng mà không phải khả năng thất bại, phá sản của ngân hàng trong tương lai.

Trong số các mô hình trên, hệ thống đánh giá CAMELS được hầu hết các

ngân hàng và tổ chức tài chính trên thế giới áp dụng, và được coi là một phương

pháp được công nhận rộng rãi trên thế giới đối với việc phân tích tài chính trong

ngành ngân hàng. Đây là một công cụ rất hữu ích trong việc đưa ra các dự đoán liệu

ngân hàng có lành mạnh hay không và nó cho phép các nhà phân tích tài chính xác

định giá trị của ngân hàng với mức độ tin cậy nhất, đặc biệt trên khía cạnh tài chính

và đối với những hệ thống NHTM chưa thu thập được nhiều thông tin phi tài chính.

Trong nghiên cứu xác định các yếu tố ảnh hưởng tới rủi ro phá sản ngân hàng của

các tác giả Yaraslau Taran (2012), Unuafe Okaro Kenneth, Afolabi M. Adeniyi

(2014) đã dụng mô hình CAMEL đề xác định các biến độc lập.

Hệ thống đánh giá CAMEL do Cục Quản lý các tổ hợp tín dụng Hoa Kỳ

(NCUA) xây dựng, song không chỉ có Hoa Kỳ mà còn có nhiều nước trên thế giới

áp dụng. Sau khủng hoảng kinh tế châu Á 1997, hệ thống đánh giá CAMEL được

Quỹ Tiền tệ Quốc tế và Nhóm Ngân hàng Thế giới khuyến nghị áp dụng ở các nước

bị khủng hoảng như một trong các biện pháp để tái thiết khu vực tài chính.

CAMELS là chữ viết tắt bằng tiếng Anh của 6 nhân tố mà theo nhận định của

cộng đồng ngân hàng thế giới, muốn duy trì được tính lành mạnh và ổn định của

một ngân hàng, cần phải có 6 yếu tố này.

Capital adequacy (Mức độ an toàn vốn),

Asset quality (Chất lượng tài sản),

Management Ability (Năng lực quản lý),

Earnings strength (Lợi nhuận),

Liquidity risk (Rủi ro thanh khoản),

Sensitivity to market risk (Mức độ nhạy cảm với rủi ro thị trường).

Đây là 6 yếu tố trong hệ thống đánh giá nhằm kiểm tra và giám sát mức độ an

toàn và vững mạnh của các NHTM, được đưa ra trong đạo luật FDICIA của Mỹ.

Hệ thống đánh giá sẽ cho điểm từ 1 đến 5 đối với 6 yếu tố này, sau đó sẽ giúp

hình thành mức điểm tổng hợp, cũng với thang điểm từ 1 đến 5. Ngân hàng có mức

điểm tổng hợp từ 1 đến 2 được xem là an toàn, trong khi từ 3 đến 5 được xem là

không đáp ứng yêu cầu.

Ưu điểm của mô hình CAMELS là các tiêu chí đánh giá năng lực và tình hình

tài chính được định lượng và áp dụng đồng nhất với tất cả các ngân hàng. Cùng với

đó, việc đánh giá hiệu quả và mức độ rủi ro của một TCTD có thể dễ dàng thực hiện

qua các việc xếp hạng/đánh giá trong nhiều thời kỳ liên tiếp và dưới cùng những chỉ

tiêu thống nhất.

2.3.1.1. Capital adequacy (Mức độ an toàn vốn)

Mức độ an toàn vốn thể hiện ở số vốn tự có để hỗ trợ hoạt động kinh doanh

của ngân hàng.Vốn tự có của NHTM tuy chiếm tỷ lệ nhỏ trong tổng nguồn vốn của

NHTM nhưng là điều kiện tiên quyết để thành lập ngân hàng, vận hành kinh doanh

và phát triển. Theo Nguyễn Thị Cẩm Giang và ctg (2013), một số chỉ tiêu đánh giá

mức độ an toàn vốn của NHTM như sau:

CAR- tỷ lệ an toàn vốn

CAR = (Vốn cấp I + Vốn cấp II) / (Tài sản đã điều chỉnh rủi ro)

Theo Nguyễn Văn Chương và ctg (2013), tỷ số này giúp xác định được khả

năng của ngân hàng thanh toán các khoản nợ có thời hạn và đối mặt với các loại rủi

ro khác như rủi ro tín dụng, rủi ro vận hành. Khi ngân hàng đảm bảo được tỷ số này

nghĩa là đã tự tạo ra một tấm đệm chống lại những cú sốc về tài chính để tự bảo vệ

mình và những người gửi tiền.

Đòn bẩy, là tỷ số VCSH/Tổng huy động. Khi ngân hàng huy động vốn nhiều

có thể đối mặt rủi ro thanh khoản và rủi ro lãi suất. Đòn bẩy vừa thể hiện góc nhìn

về tổng huy động so với VCSH để đánh giá ngân hàng tuân theo luật định ra sao,

vừa có góc nhìn về VCSH như là khoảng đệm bảo vệ ngân hàng những rủi ro xảy

ra. Trong các nghiên cứu của mình, Andrew Logan (2001), Yaraslau Taran (2012)

Nguyễn Thanh Dương (2013), Nguyễn Hữu Thạch (2015),đều đồng ý với quan

điểm trên và cho rằng tỷ số VCSH/Tổng huy động càng tăng thì rủi ro phá sản

NHTM sẽ giảm. Tuy nhiên Montgomery và ctg (2003) lại chỉ ra biến động ngược

lại nhưng dường như không có ảnh hưởng đáng kể tới phá sản NHTM do hệ số rất

nhỏ.

2.3.1.2. Asset quality (Chất lượng tài sản Có)

Tài sản Có của NHTM bao gồm tiền mặt, ngân hàng còn giữ các chứng khoán

ngắn hạn, có tính lỏng cao… tại quỹ, cho vay, đầu tư và tài sản cố định. Việc xác

định quy mô, cơ cấu và chất lượng các thành phần trong tài sản Có nhằm đảm bảo

ngân hàng hoạt động an hoàn và có lãi, trong đó, cho vay chiếm tỷ trọng lớn nhất và

ảnh hưởng trực tiếp tới chất lượng của tài sản Có. Việc quản lý cho vay không tốt sẽ

dẫn tới rủi ro tín dụng, đặc biệt là nợ xấu - nguy cơ lớn dẫn tới đổ vỡ. Khi thị trường

nhận thấy chất lượng tài sản kém sẽ dẫn tới mất niềm tin vào ngân hàng, điều này

có thể dẫn tới rủi ro thanh khỏan do việc đổ xô rút tiền gửi của người gửi tiền. Mặt

khác, việc không khai thác hết được tiềm năng sinh lời của tài sản Có sẽ dẫn tới rủi

ro nguồn vốn.

Một số chỉ tiêu phản ánh chất lượng tài sản Có của NHTM:

Tỷ số Nợ xấu/tổng dư nợ của ngân hàng, tỷ số này càng nhỏ càng tốt. Nợ xấu

là một trong hững dấu hiệu quan trọng cảnh báo tình hình sức khỏe của Ngân hàng,

đo lường rủi ro tín dụng ngân hàng. Tỷ số nợ xấu càng cao, nguy cơ khách hàng

không trả được nợ càng cao, dẫn tới khả năng mất vốn và sụt giảm doanh thu, ngân

hàng sẽ lâm vào tình trạng khó khăn (Montgomery và ctg (2003); Halling M.,

Hayden E. (2006)).

Tỷ số DPRR tín dụng/Tổng dư nợ cho vay bao gồm dự phòng của ngân

hàng. Nguyễn Hữu Thạch (2015) cho rằng khi tỷ số này càng cao thì rủi ro tín dụng

càng cao, nợ xấu tăng cao, chất lượng tài sản giảm, lợi nhuận sụt giảm và khả năng

phá sản của NHTM sẽ tăng lên và ngược lại. Andrea M. Maechler & ctg (2009)

nghiên cứu biến có tính chất tương tự là DPRR tín dụng/ doanh thu thuần cũng cho

kết quả như trên. Tuy nhiên Nguyễn Thanh Dương (2013) lại cho rằng tỷ số này

không có tác động đến rủi ro phá sản NHTM.

Tỷ số Chi phí DPRR tín dụng/Thu nhập lãi thuần của ngân hàng. Nguyễn

Thanh Dương (2013)cho rằng tỷ số này vừa thể hiện chất lượng tài sản vừa theo dõi

tình hình nợ xấu được xử lí ảnh hưởng đến thu nhập ra sao. Khi thu nhập không đủ

bù rủi ro sẽ khiến ngân hàng xa rời mục tiêu tạo lợi nhuận. Phan Thị Nhi Khánh

(2016) cho rằng chi phí DPRR tín dụng tăng hàm ý chất lượng tài sản cho vay giảm,

nợ xấu tăng, xử lý nợ xấu bằng nguồn dự phòng ảnh hưởng tới thu nhập, rủi ro phá

sản tăng.Dan J. Jordan &ctg (2010) sử dụng tỷ số chi phí dự phòng nợ xấu/tổng nợ,

tỷ số này cao hơn cho thấy khả năng thất bại ngân hàng cao hơn. Ngược lại Halling

M. & Hayden E. (2006) cho rằng tỷ số này nghịch biến với rủi ro bởi vì các ngân

hàng có điều kiện tài chính tốt thường chủ động tăng cường dự phòng, ngược lại

những ngân hàng khó khăn sẽ tìm cách giảm chi phí dự phòng xuống thấp nhất.

2.3.1.3. Management ability (Năng lực quản lý)

Yếu tố này đánh giá năng lực của nhà quản lý trên mọi mặt hoạt động của

NHTM, thể hiện ở các quyết định, các quy trình, quy định được triển khai nhằm

thực hiện các mục tiêu của hội đồng quản trị, việc kiểm soát tuân thủ, hệ thống

thông tin quản lý có đầy đủ và chặt chẽ hay không. Năng lực quản lý đóng vai trò

quan trọng trong việc vận hành hoạt động kinh doanh của ngân hàng. Nếu năng lực

quản lý yếu kém sẽ dẫn đến các quyết định kinh doanh sai lầm, chẳng hạn như định

hướng chú trọng cho vay ngành nghề có rủi ro cao và không lường trước sự khủng

hoảng của ngành nghề đó, hoặc có thể bỏ sót những dấu hiệu sai phạm trong việc

tuân thủ quy trình của cấp dưới, bất cứ biểu hiện nào cũng dẫn đến nguy cơ phá sản

cho NHTM.

Các yếu tố nhằm đánh giá năng lực quản lý chủ yếu mang tính chất định tính

như chiến lược kinh doanh của ngân hàng, cơ cấu tổ chức và mô hình hoạt động,

chất lượng quản trị rủi ro hoạt động,…Các yếu tố có thể định tính đã được sử dụng

trong phân tích như:

Quy mô ngân hàng, trong các nghiên cứu, quy mô ngân hàng thường được

xác định là quy mô tổng tài sản. Logan A. (2001) Yaraslau Taran (2012) tìm thấy

mối quan hệ đồng biến giữa rủi ro phá sản và quy mô ngân hàng theo tổng tài sản,

các NHTM lớn có khả năng đa dạng hóa các rủi ro trên dòng sản phẩm và quản lý

rủi ro tốt hơn các ngân hàng nhỏ. Ngược lại, Yong Tan và ctg (2013) lại tìm thấy

mối quan hệ nghịch biến với hàm ý các NHTM lớn hơn phải gánh chịu nhiều rủi ro

hơn do cho vay và đầu tư nhiều hơn. Nghiên cứu của Phan Thị Nhi Khánh (2016)

không tìm thấy mối quan hệ giữa quy mô ngân hàng theo tổng tài sản.

Tỷ số Thu nhập ròng/Tổng số nhân viên, theo Halling M. & Hayden E.

(2006), đây là chỉ số về hiệu quả làm việc của nhân viên, chỉ ra rằng chất lượng

quản lý không phải là một yếu tố tiên đoán quan trọng cho các vấn đề tài chính cho

toàn bộ ngành ngân hàng nhưng có thể tạo sự khác biệt cho nhóm các ngân hàng có

nguy cơ phá sản. Các ngân hàng quản lý hiệu quả có rủi ro phá sản thấp hơn.

Tỷ số Chi phí hoạt động/Thu nhập hoạt động thuần, trong nghiên cứu của

Yaraslau Taran (2012) và Nguyễn Hữu Thạch (2015) chỉ ra, khi tăng các chi phí

cho hoạt động (đa số là lương và trợ cấp) sẽ giúp NHTM hoạt động ổn định hơn và

tránh nguy cơ phá sản.

2.3.1.4. Earnings strength (Khả năng sinh lời)

Mọi hoạt động kinh doanh suy cho cùng là vì mục tiêu lợi nhuận, do đó, khả

năng sinh lời là yếu tố đánh giá trước tiên việc kinh doanh thành công hay thất bại

của NHTM. Các nguồn thu của NHTM chia thành các khoản thu từ hoạt động tín

dụng (thu lãi cho vay, thu lãi chiết khấu, phí cho thuê tài chính, phí bảo lãnh…); thu

từ hoạt động từ dịch vụ thanh toán và ngân quỹ (thu lãi tiền gửi, dịch vụ thanh toán,

dịch vụ ngân quỹ…); thu khác (từ lãi góp vốn, mua cổ phần, mua bán chứng khoán,

kinh doanh ngoại tệ, vàng bạc đá quí, thu từ nghiệp vụ uỷ thác, đại lý, thu từ kinh

doanh bảo hiểm,…).

Khả năng sinh lời không chỉ thể hiện số lợi nhuận tạo ra của ngân hàng mà

còn phản ánh cơ cấu lợi nhuận, chất lượng của lợi nhuận. Nếu lợi nhuận có được từ

những nguồn thu bất thường, hay lợi nhuận quá phụ thuộc vào một loại nguồn thu

nào đó đều là những dấu hiệu không tốt.

Các chỉ tiêu phản ánh khả năng sinh lời của NHTM:

ROA là tỷ số lợi nhuận ròng trên tài sản (Return on total assets) của ngân

hàng. Công thức: Lợi nhuận ròng dành cho cổ đông thường/Tổng tài sản.

ROA đo lường khả năng sinh lợi trên mỗi đồng tài sản của NHTM. Tài sản

của một NHTM được hình thành từ nguồn vốn vay và VCSH. Cả hai nguồn vốn

này được sử dụng để tài trợ cho các hoạt động của ngân hàng. Hiệu quả của việc

chuyển vốn đầu tư thành lợi nhuận được thể hiện qua ROA. Theo Yaraslau Taran

(2012), ROA càng cao thì càng tốt vì Ngân hàng đang kiếm được nhiều tiền hơn

trên lượng đầu tư ít hơn, do đó rủi ro ít hơn. Phan Thị Nhi Khánh (2016) cho rằng

tăng tỷ số này tức là tăng lợi nhuận sau thuế, giúp NHTM khuếch đại quy mô, tăng

vốn, tạo uy tín trên thị trường, tăng trưởng huy động à cho vay, làm giảm rủi ro của

ngân hàng.

ROE là tỷ số lợi nhuận ròng trên VCSH (Return on common equity) của ngân

hàng. Công thức: Lợi nhuận ròng dành cho cổ đông thường/Vốn cổ phần thường.

Chỉ số này là thước đo chính xác để đánh giá một đồng vốn bỏ ra và tích lũy

tạo ra bao nhiêu đồng lời. Theo Halling M., Hayden E. (2006), tỷ số ROE càng cao

càng chứng tỏ công ty sử dụng hiệu quả đồng vốn của cổ đông, có nghĩa là công ty

đã cân đối một cách hài hòa giữa vốn cổ đông với vốn đi vay để khai thác lợi thế

cạnh tranh của mình trong quá trình huy động vốn, mở rộng quy mô. Cho nên hệ số

ROE càng cao thì các cổ phiếu càng hấp dẫn các nhà đầu tư hơn. Ngược lại, theo

kết quả nghiên cứu của Phan Thị Nhi Khánh (2016), chi phí cho VCSH cao hơn chi

phí cho vốn vay, khoản mục chi phí trung bình tăng, làm giảm lợi nhuận của

NHTM, rủi ro tăng cao.

Tỷ số Thu nhập lãi thuần/Tổng tài sản bình quân của ngân hàng. Tỷ số này

dùng để đánh giá ảnh hưởng của rủi ro lãi suất đến khả năng phá sản của ngân hàng,

vì thu nhập từ lãi là nguồn thu nhập chính của các NHTM. Tỷ số này tăng có thể do:

(i) Tăng thu nhập lãi thuần (từ việc kiểm soát các tài sản - nguồn vốn nhạy cảm với

lãi hiệu quả), hoặc (ii) Giảm tổng tài sản (từ việc giảm đầu tư, cho vay và giảm huy

động) hoặc do cả hai đều có thể giảm rủi ro cho ngân hàng (Yaraslau Taran (2012);

Nguyễn Hữu Thạch (2015)).

Tuy nhiên có khá nhiều nghiên cứu tìm thấy mối quan hệ nghịch biến của tỷ

số Thu nhập lãi thuần/Tổng tài sản bình quân tới rủi ro phá sản NHTM. Logan A.

(2001) cho rằng sự phụ thuộc vào thu nhập lãi thuần làm tăng rủi ro cho NHTM.

Theo kết quả nghiên cứu của Dan J. Jordan &ctg (2010), tỷ số thu nhập từ lãi/tài sản

sinh lời cao hơn dẫn đến khả năng thất bại của ngân hàng cao hơn. Có thể đây là

thước đo rủi ro và các ngân hàng cho vay rủi ro sẽ có lãi cao hơn nhưng không đủ

để bù đắp cho nguy cơ vỡ nợ cao hơn. Thu nhập từ lãi cao hơn cũng có thể là do các

tổ chức tăng lãi suất cho vay hoặc thực hiện lãi suất mặc định đối với khách hàng

vay đang gặp khó khăn về tài chính. Nguyễn Thanh Dương (2013) và Phan Thị Nhi

Khánh (2016) cũng có kết quả nghiên cứu tương tự.

2.3.1.5. Liquidity Sufficiency (Khả năngthanh khoản)

NHTM thường xuyên huy động tiền gửi kỳ hạn ngắn với lãi suất thấp và cho

vay kỳ hạn dài với lãi suất cao hơn, do đó NHTM luôn có nhu cầu về thanh khoản

rất lớn. Tính thanh khoản của NHTM là khả năng đáp ứng nhu cầu rút tiền gửi và

giải ngân các khoản tín dụng đã cam kết tức thời. Theo định nghĩa ủa Ủy ban Basel

(1996), rủi ro thanh khoản xảy ra khi ngân hàng không có khả năng cung ứng đầy

đủ lượng tiền mặt cho nhu cầu thanh khoản tức thời; hoặc cung ứng đủ nhưng với

chi phí cao. Nói cách khác, đây là loại rủi ro xuất hiện trong trường hợp ngân hàng

thiếu khả năng chi trả do không chuyển đổi kịp các loại tài sản ra tiền mặt hoặc

không thể vay mượn để đáp ứng yêu cầu của các hợp đồng thanh toán. Vì thanh

khoản ảnh hưởng trực tiếp tới niềm tin của thị trường nên đây là một trong những

rủi ro tác động nhanh nhất, trực tiếp dẫn đến nguy cơ phá sản NHTM, gây ra ảnh

hưởng lan truyền, có thể sụp đổ toàn hệ thống.

Một số chỉ tiêu đánh giá khả năng thanh khoản của NHTM như sau:

Tỷ số Tổng dư nợ cho vay/ Tổng huy động của ngân hàng. Tỷ số này dùng

đo lường thanh khoản, tỷ số này tăng thì rủi ro thanh khoản tăng vì mất cân đối giữa

cung và cầu thanh khoản (Montgomery & ctg (2004)). Trong khi đó Nguyễn Thanh

Dương (2013) tìm thấy mối quan hệ nghịch biến do khi khó khăn thanh khoản xuất

hiện dẫn đến việc các NHTM cạnh tranh tăng lãi suất huy động, làm tỷ số này giảm

nhưng rủi ro lại tăng cao.

Tỷ số Tài sản thanh khoản/ Tổng huy động ngắn hạn của ngân hàng. Tài

sản thanh khoản xem như là khoản dự trữ để đối phó sự cố người gửi tiền đồng loạt

yêu cầu rút tiền gửi trước hạn. Tỷ số này càng cao thì thanh khoản càng tốt, từ đó sẽ

hạn chế khả năng phá sản (Andrea M. M. & ctg (2009); Nguyễn Hữu Thạch

(2015)). Trong khi đó Nguyễn Thanh Dương (2013) không tìm thấy sự ảnh hưởng

của tỷ số này tới rủi ro phá sản NHTM.

2.3.1.6. Sensitivity to market risk (Mức độ nhạy cảm với rủi ro thị trường)

Độ nhạy với rủi ro thị trường chính là đo lường độ nhạy của thu nhập hay vốn

tự có của NHTM với biến động của lãi suất thị trường, tỷ giá hối đoái, giá cả hàng

hóa, và giá cổ phiếu.

Việc đo lường mức độ nhạy cảm với rủi ro thị trường của các NHTM cần

được sử dụng các mô hình chuyên biệt về đo lường nhạy cảm và nghiên cứu chuyên

sâu, do đó trong phạm vi đề tài sẽ không đo lường yếu tố này.

2.3.2. Yếu tố bên ngoài

Có rất nhiều yếu tố bên ngoài từ môi trường kinh tế, chính trị và xã hội ảnh

hưởng tạo thành môi trường kinh doanh của NHTM, một sự thay đổi dù nhỏ của

những yếu tố này sẽ có ảnh hưởng trực tiếp theo hướng tích cực hoặc tiêu cực lên

NHTM. Và với những NHTM chưa có sự chuẩn bị ứng phó, hay khả năng ứng phó

với sự thay đổi kém thì nguy cơ phá sản là có thể xảy ra.

Theo Nguyễn Việt Hùng (2008), nếu môi trường kinh tế, chính trị và xã hội ổn

định sẽ tạo điều kiện thuận lợi cho hoạt động của các NHTM, vì đây cũng là điều

kiện làm cho quá trình sản xuất của nền kinh tế được diễn ra bình thường, đảm bảo

khả năng hấp thụ vốn và hoàn trả vốn của các doanh nghiệp trong nền kinh tế. Khi

nền kinh tế có tăng trưởng cao và ổn định, các khu vực trong nền kinh tế đều có nhu

cầu mở rộng hoạt động sản xuất, kinh doanh do đó nhu cầu vay vốn tăng làm cho

các ngân hàng thương mại dễ dàng mở rộng hoạt động tín dụng của mình đồng thời

khả năng nợ xấu có thể giảm vì năng lực tài chính của các doanh nghiệp cũng được

nâng cao. Ngược lại, khi môi trường kinh tế, chính trị và xã hội trở nên bất ổn thì lại

là những nhân tố bất lợi cho hoạt động của các NHTM như nhu cầu vay vốn giảm;

nguy cơ nợ quá hạn, nợ xấu gia tăng làm giảm hiệu quả hoạt động của các NHTM.

Một số yếu tố được đề cập nhiều trong các nghiên cứu trước là:

i. Mức độ tăng trưởng kinh tế

Tăng trưởng kinh tế là sự gia tăng của tổng sản phẩm quốc nội (GDP) hoặc

tổng sản lượng quốc gia (GNP) hoặc quy mô sản lượng quốc gia tính bình quân trên

đầu người (PCI) trong một thời gian nhất định. Chỉ tiêu được sử dụng để đánh giá

tăng trưởng kinh tế tới rủi ro phá sản NHTM được sử dụng nhiều nhất là Tốc độ

tăng trưởng GDP.

Các nghiên cứu của Andrea M. M. & ctg (2009); Yong Tana & ctg (2013) đều

cho rằng khi GDP tăng, lượng sản xuất của nền kinh tế tăng, sức khỏe của nền kinh

tế là tương đối tốt, ngân hàng và khách hàng có điều kiện kinh doanh thuận lợi.

Nhưng trong thời kỳ suy thoái, các điều kiện kinh doanh bất lợi, khách hàng bị ảnh

hưởng về kinh doanh, có thể phá sản, ngân hàng sẽ ít khách hàng hơn và có thể đối

diện rủi ro tín dụng khi khách hàng không trả được nợ. Do đó, tăng trưởng GDP

được kỳ vọng có tương quan nghịch chiều với rủi ro. Tuy nhiên trong nghiên cứu

của Phan Thị Nhi Khánh (2016) cho rằng, các NHTM đối mặt với rủi ro cao hơn

trong thời gian ký kết hợp đồng kinh tế, do đó tăng trưởng GDP ảnh hưởng tiêu cực

tới rủi ro phá sản NHTM.

ii. Lạm phát

Trong phạm vi một quốc gia, lạm phát là sự tăng mức giá chung của hàng hóa

và dịch vụ trong nền kinh tế theo thời gian, hay nói cách khác, là sự mất giá trị hay

suy giảm sức mua của một loại tiền tệ.

Lạm phát ảnh hưởng tới mọi mặt của kinh tế xã hội. Trong điều kiện nền kinh

tế chưa đạt đến mức toàn dụng, lạm phát tự nhiên thúc đẩy kinh tế chuyển động và

thúc đẩy đầu tư, tiêu dùng. Tuy nhiên tỷ lệ lạm phát cao hoặc không thể dự báo

trước lại có hại cho nền kinh tế, khi đồng tiền mất giá quá nhanh, việc đầu tư kinh

doanh mang về lợi nhuận không đủ bù đắp sự mất giá, người dân sẽ dừng hoạt động

kinh doanh và chuyển sang tích trữ hàng hóa có giá trị, từ đó cũng ảnh hưởng rất

lớn đến hoạt động của ngân hàng. Và khi nền kinh tế đình trệ, việc NHTM phá sản

là không thể tránh khỏi, do đó lạm phát được kỳ vọng có tương quan thuận chiều

với rủi ro. Các nghiên về ảnh hưởng của lạm phát tới rủi ro phá sản NHTM mang

lại các kết quả khác nhau. Ví dụ như Andrea M. M. & ctg (2009) cho kết quả tác

động cùng chiều; Yong Tana & ctg (2013) cho kết quả tác động ngược chiều; Phan

Thị Nhi Khánh (2016) lại cho rằng lạm phát không có tác động tới rủi ro phá sản

NHTM.

iii. Tâm lý thị trường và chính sách của Chính Phủ

Too-big-to-fail (quá lớn để sụp đổ) là thuật ngữ quốc tế ra đời kể từ năm 1984,

sau trường hợp Tổng công ty bảo hiểm tiền gửi liên bang Mỹ (FDIC) cứu trợ cho

Continental Illinois. Thuật ngữ này ám chỉ các tổ chức, thể chế tài chính – ngân

hàng, doanh nghiệp có quy mô, ảnh hưởng rất lớn trong mỗi nền kinh tế, buộc các

chính phủ phải tăng cường hỗ trợ họ khỏi sụp đổ khi có bất cứ bất ổn tài chính nào

xảy ra, nhằm tránh những hệ lụy đối với nền kinh tế.

Với lý lẽ này, áp dụng trong hệ thống ngân hàng thì các ngân hàng lớn có vai

trò đặc biệt trong việc dẫn dắt hệ thống tài chính - kinh tế sẽ được Chính Phủ bảo hộ

và giúp đỡ vượt qua khó khăn.

Theo Frederic S. Mishkin (2006) nghiên cứu tại Mỹ, mặt tốt về việc có mạng

lưới an toàn của chính phủ là nó có thể ngăn ngừa những cơn khủng hoảng của ngân

hàng. Mạng lưới này tại Mỹ chính là bảo hiểm tiền gửi cho người gửi tiền, đặc biệt

cho các NHTM lớn, ngoài ra còn có nhiều biện pháp khác nhằm giúp đỡ NHTM

gặp khó khăn. Tuy nhiên mặt xấu là nó tạo ra những rủi ro nguy hiểm về đạo đức

cho các ngân hàng tạo ra những nguy cơ cao hơn. Khi người gửi tiền được bảo vệ

đầy đủ, họ biết rằng mình sẽ không bị lỗ nếu ngân hàng không thành công, và do đó

ít có động lực để giám sát các hoạt động của ngân hàng và rút vốn nếu ngân hàng có

quá nhiều rủi ro. Nếu không có sự giám sát từ người gửi tiền, các ngân hàng biết

rằng họ có thể tham gia vào các hoạt động rủi ro mà không bị trừng phạt, và điều

này có thể làm tăng khả năng xảy ra thất bại của ngân hàng. Nguy cơ về đạo đức do

mạng lưới an toàn của chính phủ thậm chí còn nghiêm trọng hơn đối với các tổ

chức ngân hàng lớn bởi vì khi họ thất bại, nó có thể dẫn đến rủi ro hệ thống trong đó

toàn bộ hệ thống ngân hàng đang bị đe dọa. Sự thất bại của một tổ chức lớn không

chỉ có thể gây ra những thất bại ngay lập tức của các đối tác của ngân hàng và phần

còn lại của hệ thống tài chính mà còn có thể dẫn đến một cuộc khủng hoảng niềm

tin có thể lan tràn tới các ngân hàng khác và các tổ chức tài chính, thất bại lan

truyền và một cuộc khủng hoảng tài chính nổ ra. Do các chi phí tiềm năng cho nền

kinh tế từ sự thất bại của ngân hàng lớn, các chính phủ rất miễn cưỡng để các tổ

chức ngân hàng lớn bị thất bại, hoặc, nếu có, chịu mọi chi phí cho người gửi tiền,

ngay cả khi bảo hiểm tiền gửi được giới hạn ở một số tiền nhất định. Một biểu hiện

cụ thể của hiện tượng này xảy ra khi Continental Illinois là một trong 10 ngân hàng

lớn nhất ở Hoa Kỳ, trở nên mất khả năng thanh toán vào tháng 5 năm 1984. FDIC

không chỉ bảo đảm cho người gửi tiền đến hạn mức bảo hiểm 100.000 USD mà còn

đảm bảo tất cả các tài khoản vượt quá 100.000 USD và thậm chí ngăn ngừa thiệt hại

cho chủ sở hữu trái phiếu của Continental Illinois.

Đối với hệ thống NHTM Việt Nam hiện tại, có vẻ như bất cứ NHTM nào cũng

có thể xem là “Too-big-to-fail”, vì sự sụp đổ của một ngân hàng không chỉ ảnh

hưởng tới hoạt động của ngân hàng khác, mà còn ảnh hưởng tới tâm lý thị trường,

người gửi tiền sẽ mất lòng tin vào hệ thống dẫn đến sự mất thanh khoản nghiêm

trọng của toàn hệ thống. Do đó, tới thời điểm hiện tại, chưa có một ngân hàng nào,

dù là quy mô nhỏ so với toàn hệ thống, thực sự phá sản.

Tuy nhiên việc bảo hộ của Chính Phủ có thể dẫn tới sự chủ quan của hệ thống,

các nhà quản lý sẽ mở rộng các hoạt động kinh doanh, chấp nhận rủi ro cao hơn để

đạt lợi nhuận cao hơn,… Những điều này gây ra mối nguy hiểm không thể lường

trước và không thể lượng hóa, đặc biệt là khi ngân hàng không còn nhận được sự

bảo hộ.

Ngoài ra, như đã phân tích, các chính sách vĩ mô của Chính Phủ và NHNN sẽ

ảnh hưởng trực tiếp đến hoạt động của các NHTM, đặc biệt là các NHTM Nhà

nước. Mặc dù những chính sách này luôn được ban hành với mục đích đảm bảo an

toàn hoạt động và thúc đẩy NHTM phát triển lành mạnh, tuy nhiên, không phải

NHTM nào cũng có thể đáp ứng ngay lập tức những yêu cầu, quy định được ban ra.

Các NHTM này sẽ tìm cách né tránh hoặc “lách” qua những khe hở, hay sử dụng

mọi biện pháp để đạt được yêu cầu của quy định, điển hình như cuộc chạy đua tăng

vốn của NHTM, dẫn đến sự sở hữu chéo nghiêm trọng của các NHTM Việt Nam,

khiến rủi ro tăng cao.

Đôi khi một ngân hàng đang có thanh khoản tốt, hoạt động kinh doanh ổn định

vẫn có thể sụp đổ chỉ bởi một vài tin đồn thất thiệt. Điều này xảy ra khi người gửi

tiền đồng loạt yêu cầu ngân hàng thanh toán tiền gửi trước hạn, đe doạ vượt qua tất

cả các ngưỡng chịu đựng đã được dự báo và phòng ngừa, phá vỡ hoàn toàn trạng

thái thanh khoản của các ngân hàng dày công xây dựng, thậm chí của cả các ngân

hàng vốn đang được cho là an toàn. Tuy nhiên rất khó dự báo trước về việc phát

sinh tin đồn, do vậy, ngay cả khi có được trạng thái thanh khoản tốt, các ngân hàng

cũng không thể chủ quan.

2.4. Một số nghiên cứu trước về dự báo phá sản NHTM

Các nghiên cứu nước ngoài:

Andrew Logan (2001) sửdụng mô hình hồi quy Logit khi nghiên cứu các yếu

tố ảnh hưởng đến Cuộc khủng hoảng ngân hàng nhỏ của Anh vào đầu những năm

1990. Với báo cáo này, các chỉ số quan trọng nhất của phá sản trong tương lai là sự

phụ thuộc lớn vào thu nhập lãi ròng, khả năng sinh lợi thấp, đòn bẩy thấp, tài sản

ngắn hạn thấp so với nợ và tăng trưởng tín dụng thấp . Hầu hết các chỉ số này đều

cho thấy các ngân hàng đã thất bại vào giữa năm 1991. Như vậy, không giống như

những ngân hàng không phá sản, các ngân hàng sau đó thất bại đã cho thấy một chu

kỳ bùng nổ và bứt phá rõ rệt trong tăng trưởng cho vay.

Montgomery H., Tran B. H., Santoso W.,Besar D., (2004) đã sử dụng mô

hình hồi quy Logit để xác định nguyên nhân phá sản của các NHTM Nhật Bản và

Indonesia trong giai đọan 1997 – 2003. Mô hình này bao gôm 17 biến độc lập, đã

chỉ ra tỷ số cho vay trên tổng huy động, tỷ số đòn bẩy VCSH trên trong dư nợ, tỷ số

vốn điều lệ trên dư nợ đồng biến với rủi ro, tuy nhiên nghiên cứu này không bao

gồm các biến về kinh tế vĩ mô, các yếu tố ảnh hưởng từ bên ngoài.

Halling M., Hayden E. (2006) trong nghiên cứu ‘Bank failure Prediction: A

Two-Step Survival Time Approach’ đã sử dụng mô hình hồi quy Logit với 1100

ngân hàng của Áo trong những năm 1995 – 2002, trong đó khoảng 150 ngân hàng

phá sản. Nghiên cứu này đã có nhiều sáng tạo khiến cho kết quả nghiên cứu trở nên

đáng tin cậy hơn. Thứ nhất, nghiên cứu áp dụng cách tiếp cận thời gian tồn tại - mô

hình logit rời rạc với nhiều điểm thời gian tồn tại - cho phép các biến số khác nhau

theo thời gian và dữ liệu bị kiểm duyệt theo khoảng thời gian. Thứ ba, sử dụng bộ

dữ liệu toàn bộ do Ngân hàng quốc gia Áo cung cấp, bao gồm tất cả các ngân hàng

Áo trong giai đoạn 1995-2002 và 50 biến độc lập về các rủi ro vỡ nợ tiềm ẩn khác

nhau, trong đó có 17 biến có ý nghĩa thống kê. Hơn nữa, nghiên cứu cũng áp dụng

mô hình logit hiện đang được sử dụng trong các thủ tục Phân tích ngoại tại của

Ngân hàng Quốc gia Áo.

Kết quả nghiên cứu chỉ ra tỷ số lợi nhuận kinh doanh trên tổng tài sản đồng

biến với rủi ro, trong khi tỷ sốchi phí dư phòng nợ xấu của năm trước nghịch biến

với rủi ro. Tuy nhiên nghiên cứu này quá lớn và có rất nhiều số liệu được lấy từ

nguồn dữ liệu Ngân hàng Quốc gia Áo mà không thể thu thập tại Việt Nam nên

nhiều biến không khả thi khi áp dụng vào mô hình nghiên cứu của tác giả. Do đó,

trong phần tóm tắt của nghiên cứu này chỉ nêu các biến khả thi thu thập tại Việt

Nam.

Andrea M. Maechler, Srobona Mitra, and DeLisle Worrell (2009) đã công

bố nghiên cứu thực hiện cho IMF là‘Decomposing Financial Risks and

Vulnerabilities in Emerging Europe’(Phân tích những rủi ro tài chính và những

điểm yếu tại các nước Châu Âu). Nghiên cứu sử dụng mô hình hồi quy đa biến với

biến phụ thuộc là Z-score, để đánh giá ảnh hưởng của rủi ro tín dụng, rủi ro thị

trường, rủi ro thanh khoản và kinh tế vĩ mô (lạm phát và tăng trưởng GDP) đến hoạt

động của 13 ngân hàng tại khu vực Châu Âu và 8 ngân hàng các nước láng giềng từ

năm 1997 đến 2004. Kết quả cho thấy rủi ro tín dụng có ảnh hưởng quan trọng tới

sự mất ổn định trong kinh doanh ngân hàng, khi tăng trưởng tín dụng tăng lên, các

ngân hàng dễ bị tổn thương hơn. Khi tăng trưởng tín dụng tăng lên, điều quan trọng

là đảm bảo giám sát quy mô, nhằm giảm thiểu rủi ro. Các ngân hàng trải qua sự mở

rộng tín dụng nhanh trong bối cảnh chính sách tín dụng chặt chẽ hơn thể hiện sự ổn

định thấp hơn. Việc trích lập DPRR cao hơn có liên quan đến sự ổn định thấp hơn,

vì khả năng sinh lời thấp hơn và sự biến động về lợi nhuận cao hơn. Các ngân hàng

ngoài EU10 có xu hướng có mức độ rủi ro cao hơn các ngân hàng trong EU10 do

mức vốn hóa tương đối thấp. Không có sự khác biệt đáng kể giữa các hồ sơ rủi ro

của ngân hàng lớn hơn và nhỏ hơn, mặc dù sự biến động trở lại của các ngân hàng

lớn hơn có xu hướng thấp hơn, cho thấy hiệu quả đa dạng hóa.

Dan J. Jordan, Dr. Douglas Rice, Jacques Sanchez, Christopher Walker,

Donald H. Wort (2010) trong nghiên cứu “Predicting Bank Failures: Evidence

from 2007 to 2010” (Dự đoán Ngân hàng phá sản: Bằng chứng trong giai đoạn

2007-2010) đã sử dụng mô hình hồi quy đa biến với Z-score là biến phụ thuộc, đưa

ra 9 yếu tố ảnh hưởng đến rủi ro phá sản của 225 Ngân hàng phá sản ở Mỹ trong

giai đoạn 2007 đến 2010.

Các kết quả của nghiên cứu này cho thấy mô hình bao gồm các biến được liệt

kê có thể dự đoán với 88,2%, 78,6%, 71,4% và 66,0% độ chính xác liệu một ngân

hàng sẽ thất bại trong vòng 1 năm, 2 năm, 3 năm hoặc 4 năm.

Yaraslau Taran (2012) đã thực hiện nghiên cứu “What factors can predict

that a bank will get introuble during a crisis? Evidence from Ukraine” (Những yếu

tố nào dự đoán ngân hàng sẽ gặp khó khăn trong khủng hoảng? Bằng chứng từ

Ukraine). Bài nghiên cứu sử dụng dữ liệu ngân hàng cho các giai đoạn khủng hoảng

1997-1998 và 2007-2008 để tìm các yếu tố dự đoán khó khăn ngân hàng trong cả

những thời kỳ khủng hoảng tài chính. Bài nghiên cứu chỉ ra 6 yếu tố dựa trên mô

hình CAMELảnh hưởng tới xác suất phá sản của ngân hàng là có hay không, với

biến phụ thuộc là biến giả.

Mục tiêu của nghiên cứu này là tìm ra các yếu tố có thể dự đoán ngân hàng

phá sản trong cả hai cuộc khủng hoảng ngân hàng Ukraine. Nghiên cứu bao gồm

một cuộc kiểm tra đầy đủ của các ngân hàng Ukraine trong một số khoảng thời gian

trước khi cuộc khủng hoảng. Các kết quả thu được thông qua việc sử dụng mô hình

kinh tế lượng logit.

Từ kết quả tính toán, các chỉ số an toàn vốn và thanh khoản được chứng minh

là yếu tố dự báo quan trọng trong dự báo. Các ngân hàng có vốn huy động thấp,

mức thanh khoản thấp có khả năng thất bại cao trong thời gian khủng hoảng. Các

yếu tố khác có ảnh hưởng đến sự thất bại của ngân hàng phụ thuộc vào tình hình

kinh tế và thị trường cụ thể. Tại thời điểm nghiên cứu, hệ thống ngân hàng ở

Ukraine gần giống với năm 2008 so với năm 1998, do đó tỷ số các khoản tiền gửi

bán lẻ trong nợ phải trả là một yếu tố cần xem xét để xác định các ngân hàng đáng

tin cậy. Tiền gửi có kỳ hạn của ngân hàng càng cao, ngân hàng càng dễ gặp rủi ro

trước cuộc khủng hoảng tài chính. Ý nghĩa của nghiên cứu này đối với các cơ quan

có thẩm quyền là phải giữ các quy định chặt chẽ về vốn và thanh khoản để ngăn

ngừa thất bại trong tương lai của ngân hàng.

Yong Tan và Christos Floros (2013) thực hiện nghiên cứu “Risk, capital and

efficiency in Chinese Banking” (Rủi ro, vốn và hiệu quả tại Ngân hàng Trung

Quốc). Nghiên cứu đánh giá mối quan hệ giữa hiệu quả của ngân hàng, rủi ro và

vốn đối với một mẫu 101 các NHTM Trung Quốc từ năm 2003-2009, sử dụng ba

chỉ số hiệu quả và bốn chỉ số rủi ro theo phương pháp phân tích dữ liệu bảng. Các

bằng chứng thực nghiệm cho thấy mối quan hệ giữa rủi ro (DPRR đại diện cho rủi

ro tín dụng) và hiệu quả trong ngành ngân hàng Trung Quốc, trong khi mối quan hệ

giữa rủi ro (Z-score) và mức vốn hóa là ngược chiều và có ý nghĩa thống kê. Điều

này được giải thích bởi thực tế các ngân hàng có mức vốn hóa cao có nhiều khả

năng hấp thụ các khoản lỗ lũy kế từ các khoản vay không hiệu quả, từ đó làm giảm

rủi ro. Kết quả nghiên cứu còn chỉ ra lợi nhuận trên tổng tài sản (ROA) và quy mô

ngân hàng (SIZE) có quan hệ cùng chiều với rủi ro, lạm phát tác động ngược chiều

và các biến về thanh khoản lại không tìm thấy tác động có ý nghĩa thống kê.

Tại Nigeria, Unuafe Okaro Kenneth, Afolabi M. Adeniyi(2014) đã thực

hiện nghiên cứu “Prediction of Bank Failure Using Camel and Market Information:

Comparative Appraisal of Some Selected Banks in Nigeria” (Sử dụng Mô hình

CAMEL và thông tin thị trường để dự đoán sự phá sản của Ngân hàng: Đánh giá so

sánh một số ngân hàng được lựa chọn ở Nigeria). Bài nghiên cứu sử dụng mô hình

CAMEL và mô hình chỉ số Z-Score để đo lường rủi ro phá sản của các ngân hàng

tại Nigeria trong khoảng thời gian từ 2006-2010.

Kết quả chỉ ra rằng mô hình của Unuafe O. Kenneth, Afolabi M. Adeniyi

(2014) đã dự đoán chính xác 95% trong số 11 ngân hàng phá sản được tiến hành

nghiên cứu. Tuy nhiên mẫu phân tích quá nhỏ và phương pháp nghiên cứu hoàn

toàn dựa vào kết quả mô hình Z-Score của Altman, không mang tính đặc thù riêng.

Ngoài ra bài phân tích hoàn toàn tính toán dựa trên mô hình có sẵn mà không tiến

hành phân tích hồi quy để tìm ra sự ảnh hưởng thật sự tại Nigeria của các yếu tố.

Ta có thể thấy, trong các bài nghiên cứu trên, các phương pháp như phân tích

CAMEL, phân tích hồi quy Logit, Z-Score và phân tích hồi quy đa biến dựa trên

biến phụ thuộc Z-Score là một trong những mô hình có tính phổ biến cao trong việc

dự đoán nguy cơ phá sản của các doanh nghiệp nói chung và NHTM nói riêng ở các

nước trên thế giới.

Tuy nhiên, các tài liệu nói trên là đều xuất phát từ các nước có nền kinh tế có

sự phát triển khác nhau Mỹ, Isarel, Nigeria, Ghana, Ukaine, Trung Quốc…, nên

không gắn với thực tiễn Việt Nam.

Các nghiên cứu tại Việt Nam:

Nguyễn Thanh Dương (2013) trong “Phân tích rủi ro trong hoạt động ngân

hàng” đã đề cập đến rủi ro ngân hàng dưới giác độ tổng các rủi ro, bao gồm rủi ro

thanh khoản, rủi ro lãi suất, rủi ro tín dụng,… Chỉ tiêu rủi ro là Z-Score theo Cihak

và Hess (2008), được xác định dựa trên 7 chỉ tiêu để xác định rủi ro ngân hàng. Sử

dụng mô hình hồi quy tuyến tính đa biến, phương pháp bình phương nhỏ nhất OLS,

kết quả nghiên cứu cho thấy có 4 biến có ý nghĩa thống kê bao gồm NIR, LLP,

LDR, LEV. Tuy nhiên, nghiên cứu tập trung vào các biến nội bộ trong ngân hàng

mà chưa có các biến liên quan đến kinh tế vĩ mô như tăng trưởng kinh tế hay lạm

phát, trong khi các biến này rất dễ thu thập số liệu và rất có thể có ảnh hưởng đến

các rủi ro của NHTM.

Nguyễn Hữu Thạch (2015) thực hiện nghiên cứu “Ảnh hưởng của rủi ro tài

chính đến khả năng phá sản các NHTM Việt Nam”. Nghiên cứu đã chỉ ra các yếu tố

thuộc về rủi ro tài chính ảnh hưởng đến rủi ro phá sản, các yếu tố này được xác định

dựa trên lý thuyết về rủi ro của NHTM, ảnh hưởng lên biến phụ thuộc là Z-score

theo mô hình Roy (1952). Nghiên cứu chỉ ra các biến về rủi ro tín dụng, rủi ro lạm

phát và thanh khoản đều có ảnh hưởng tới rủi ro phá sản, và trong khoảng thời gian

nghiên cứu, lạm phát và tăng trưởng kinh tế có tác động giảm thiểu rủi ro. Tuy

nhiên, nghiên cứu chưa nêu rõ về định nghĩa và các mô hình nghiên cứu rủi ro phá

sản NHTM, biến phụ thuộc được tính theo giá trị trung bình nhưng các biến độc lập

lại tính theo giá trị tuyệt đối tại thời điểm cuối năm nên chưa thực sự phù hợp.

Phan Thị Nhi Khánh (2016) thực hiện nghiên cứu “Yếu tố tác động đến rủi

ro phá sản của các NHTM Việt Nam”. Tương tự như nghiên cứu của Nguyễn Hữu

Thạch (2015), nghiên cứu này xác định các yếu tố tác động đến rủi ro phá sản được

xác định dựa trên lý thuyết về rủi ro của NHTM, biến phụ thuộc là Z-score theo mô

hìnhCihak & Hesse (2008). Theo đó, các biến về lợi nhuận ROA, cấu trúc vốn như

VCSH/ tổng tài sản có tác động nghịch chiều với rủi ro và có tác động lớn nhất, các

biến về rủi ro thanh khoản có tác động ít hoặc không tác động, về vĩ mô thì chỉ có

GDP có tác động cùng chiều với rủi ro còn lạm phát không có tác động. Tuy nhiên,

bài nghiên cứu không nêu ra định nghĩa về rủi ro phá sản NHTM, đồng thời các

biến độc lập có nhiều biến giống nhau về bản chất như ROE, ROA, đặc biệt ROA

lại là yếu tố quan trọng nhất cấu thành nên Z-Score, cho nên các biến này không

nên đưa vào nghiên cứu. Ngoài ra, biến phụ thuộc được tính theo giá trị trung bình

nhưng các biến độc lập lại tính theo giá trị tuyệt đối tại thời điểm cuối năm nên

chưa thực sự phù hợp.

Bảng 2.1: Tóm tắt các nghiên cứu về các yếu tố ảnh hưởng đến rủi ro phá

sản của NHTM

Kết

Tác giả

Mô hình

Phạm vi

Tên biến

quả

Logit

Anh, 1990-

DEPC: Quy mô của mười tiền gửi lớn nhất thể

Andrew

+

1994

hiện dưới dạng tỷ lệ phần trăm của tổng tiền gửi

Logan (2001)

LEV = VCSH/tổng nguồn vốn

-

LG90: Tăng trưởng cho vay cho khu vực tư

+

nhân trong năm 1990 đến quý thứ hai

PROFPR= Lợi nhuận (trừ thuế và các khoản dự

+

phòng) thu được trong năm qua/tổng tài sản.

SIZE: tổng tài sản

-

STED = (Tổng tài sản có kỳ hạn còn lại dưới 8

+

ngày trừ đi tổng số nợ phải thu trong cùng một

khoảng thời gian)/tổng tài sản.

TA90: Tăng trưởng tổng tài sản trong năm đến

+

quý II của năm 1990 trừ đi sự tăng trưởng tổng

tài sản trong năm đến quý II năm 1989

Kết

Tác giả

Mô hình

Phạm vi

Tên biến

quả

Logit

Nhật Bản

ETA = VCSH/Tổng Tài sản

+

Montgomery

và

H., Tran B.

CaD = VCSH/Tổng tiền gửi

+

Indonesia

H.,

Santoso

LtE = Tổng dư nợ/VCSH

+

–

1997

W.,Besar

ROE = Thu nhập/VCSH

+

2003

D.,(2004)

ERA = VCSH/(Tài sản - Tiền mặt - Tiền gửi

+

không kỳ hạn tại NHTW

- Trái phiếu Chính Phủ)

STA = Chứng khoán/Tổng tài sản

+

NPL = nợ xấu/tổng dư nợ

+

Logit

Áo, 1995 –

Nợ xấu/Tổng dư nợ

Halling M.,

2002

Hayden E.

Tốc độ tăng của DPRR tín dụng

(2006)

Chi phí DPRR tín dụng/Tổng dư nợ

Tốc độ tăng của tổng tài sản

ROE = Lợi nhuận/VCSH

Thu nhập ròng/Tổng số nhân viên

hồi quy

khu

vực

Prov = DPRR tín dụng/doanh thu thuần

Andrea M.

+

đa

biến

Châu Âu

Maechler,

Cg = Tỷ lệ tăng trưởng tổng dư nợ

-

với biến

và 8 ngân

Srobona

Sd_exchg = Độ lệch chuẩn của sự thay đổi tỷ

-

phụ

hàng

các

Mitra,

and

giá hàng tháng

thuộc

là

nước

láng

DeLisle

Liq = tài sản ngắn hạn/nguồn vốn ngắn hạn

+

Z-score

giềng

Worrell

Fodlta: biến giả các ngân hàng có > 50% vốn

+

(EU10+S8)

(2009)

nước ngoài

1997

Credgdp = Tín dụng khu vực tư nhân/GDP

-

2004

Topen = (Xuất khẩu + Nhập khẩu)/GDP

+

Infl: Lạm phát

+

hồi quy

Mỹ, 2007 -

Tỷ số thu nhập ngoài lãi/thu nhập từ lãi

Dan

J. +

đa

biến

2010

Jordan, Dr.

Tỷ số tài sản không sinh lãi/tổng tài sản

+

với biến

Douglas Rice,

Tỷ số thu nhập từ lãi/tài sản sinh lãi

+

phụ

Jacques

Tỷ số vốn cấp 1/tổng tài sản

-

Kết

Tác giả

Mô hình

Phạm vi

Tên biến

quả

thuộc

là

Biến giả Tập đoàn ngân hàng (bank holding

Sanchez,

+

Z-score

company)

Christopher

Walker,

Biến giả Ngân hàng tiết kiệm (Savings Bank)

-

Donald

H.

Biến giả Ngân hàng thuộc vùng MSA (Vùng

+

Wort (2010)

thống kê đô thị - Metropolitan Statistical Areas)

Tỷ số chi phí dự phòng nợ xấu/tổng dư nợ tín

+

dụng

Tỷ số cho vay bất động sản/tổng tài sản

+

CAMEL

Ukraine

Tỷ sốVCSH/Tổng tài sản

Yaraslau

-

và Logit

1997-1998

Taran (2012)

Tỷ số Cho vay cá nhân/Danh mục Tín dụng và

/

và

2007-

Đầu tư

2008

Tỷ số Chứng khoán/Danh mục Tín dụng và Đầu

/

tư

Tỷ số Tăng trưởng danh mục tín dụng

+

Tỷ số Chi phí hoạt động/Thu nhập hoạt động

-

thuần

Tỷ sốROA = Lợi nhuận/Tổng tài sản

-

Tỷ số (Tiền mặt + Chứng khoán Chính phủ)/

-

Tổng tài sản

Tỷ số Tiền gửi bán lẻ/Tổng nợ

+

Tỷ số Tiền gửi liên ngân hàng/Tổng nợ

+

Tổng tài sản

-

hồi quy

Trung

Profitability (ROA) = Lợi nhuận/Tổng tài sản

Yong Tan và

-

đa

biến

Quốc

từ

Christos

Size = Log (Tổng tài sản)

+

với biến

năm 2003-

Floros (2013)

Liquidity = Nợ/Tổng tài sản

-

phụ

2009

Taxation = Thuế/Lợi nhuận trước thuế

+

thuộc

là

Non-traditional activity (OBSOTA) = Tài sản

-

Z-score

ngoại bảng/Tổng tài sản

Labour productivity (LP) = tổng doanh thu/số

-

Kết

Tác giả

Mô hình

Phạm vi

Tên biến

quả

nhân viên

Concentration (C3) = Tỷ lệ của ba ngân hàng

-

lớn về tổng tài sản so với tổng tài sản của ngành

ngân hàng

Banking sector development (BSD) = Tỷ lệ tài

+

sản ngành ngân hàng so với GDP

Stock market development (SMD) = Tỷ lệ vốn

+

hóa thị trường chứng khoán so với GDP

Inflation (IR) = Tỷ lệ lạm phát hàng năm

-

GDP growth = Tốc độ tăng trưởng GDP hàng

-

năm

hồi quy

LLR - tỷ số dự phòng nợ xấu/tổng dư nợ

/

Nguyễn

Việt Nam,

đa

biến

Thanh

2006 -2011

LLP - tỷ số chi phí DPRR tín dụng/tổng tài sản

+

với biến

Dương (2013)

sinh lời bình quân

phụ

LEV - đòn bẩy: tỷ số tổng huy động/VCSH

-

thuộc

là

NIR - tỷ số thu nhập lãi thuần/tổng thu nhập

+

Z-score,

CtI - tỷ số chi phí lương và trợ cấp/tổng tài sản

/

Cihak và

sinh lời bình quân

Hess

LDR - tỷ số cho vay/tổng tiền gửi

-

(2008)

LAD - tỷ số tài sản thanh khoản/tổng tài sản

/

huy động ngắn hạn

hồi quy

Việt Nam,

LLR = DPRR tín dụng/dư nợ

+

Nguyễn Hữu

đa

biến

2004

Thạch (2015)

LTD = Dư nợ cho vay/huy động ngắn hạn

-

với biến

2014

LAD = (tài sản thanh khoản – Huy động ngắn

-

phụ

hạn)/Tổng huy động

thuộc

là

NIR = thu nhập lãi thuần/tổng tài sản bình quân

-

Z-score,

LEV =VCSH/tổng huy động

-

Roy

CtI = chi phí hoạt động/thu nhập lãi thuần

-

(1952).

Kết

Tác giả

Mô hình

Phạm vi

Tên biến

quả

hồi quy

Việt Nam,

CAP=VCSH/tổng tài sản

-

Phan Thị Nhi

đa

biến

2007

Khánh (2016)

SIZE = Logarit tự nhiên tổng tài sản

/

với biến

2014

ROA = Lợi nhuận sau thuế/Tổng tài sản

-

phụ

ROE = Lợi nhuận sau thuế/Tổng VCSH

+

thuộc

là

FC = Chi phí lãi/Tổng tiền gửi

/

Z-score,

LLP= Chi phí DPRR tín dụng/Thu nhập lãi

+

Cihak &

thuần

Hesse

TLA = Tổng dư nợ cho vay/Tổng tài sản

-

(2008)

LDR = Tổng dư nợ cho vay/Tổng huy động

/

NIR = Thu nhập lãi thuần/Tổng tài sản bình

+

quân

GDP tốc độ tăng trưởng GDP

+

INF lạm phát

/

Nguồn: tác giả tự tổng hợp

Dấu (+) có nghĩa biến độc lập đồng biến với rủi ro phá sản, dấu (-) có nghĩa

biến độc lập nghịch biến với rủi ro phá sản, (/) có nghĩa biến độc lập có tác động tới

rủi ro phá sản không mang ý nghĩa thống kê trong kỳ nghiên cứu.

Kết luận chương 2

Chương 2 đã trình bày lý thuyết về rủi ro phá sản NHTM và lược khảo các

nghiên cứu trước đó về các yếu tố ảnh hưởng lên rủi ro phá sản NHTM. Các nghiên

cứu thực nghiệm trong nước và quốc tế này có giá trị tham khảo rất lớn, việc phân

tích các điểm được và chưa được của các nghiên cứu này, đặc biệt là các nghiên cứu

trong nước, giúp tác giả xác định được mô hình nào có thể áp dụng, các biến nào

nên và không nên cho vào mô hình, và ước tính dấu kỳ vọng cho từng biến và tìm ra

khoảng trống nghiên cứu để tiến hành nghiên cứu trong luận văn.

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

3.1.Mô hình nghiên cứu

Trong phần sơ lược những nghiên cứu trước, hiện tại các phương pháp như

phân tích hồi quy Logit, phân tích hồi quy đa biến dựa trên biến phụ thuộc Z-Score

hiện đang được áp dụng nhiều trên thế giới đề nghiên cứu về rủi ro phá sản các

ngân hàng. Tuy nhiên ở các nước chưa phân biệt rõ ngân hàng phá sản và không

phá sản như Việt Nam thì việc áp dụng mô hình Logit là khá khó khăn. Thậm chí

việc xác định ngân hàng hiện đang được kiểm soát đặc biệt để đưa vào dạng phá sản

cũng khó khăn do thông tin không được công bố rộng rãi. Do vậy, đối với các quốc

gia như Việt Nam, sử dụng mô hình Z-score và phân tích hồi quy đa biến dựa trên

biến phụ thuộc Z-Score là phù hợp.

Đề tài sử dụng kết quả nghiên cứu của Cihak & Hesse (2008) về chỉ số Z-

Score đo lường nguy cơ phá sản của NHTM, do mô hình này đồng thời tách biệt

được hai giá trị bình quân của hai thành tố ROA và VCSH/tổng tài sản, từ đó làm

cho việc đo lường trở nên chính xác và nếu có sử dụng các phương pháp phân tách

thì cũng mang tính hiệu quả cao hơn những cách còn lại.

Đối với hệ thống NHTM Việt Nam hiện tại, việc thu thập thông tin tài chính là

đơn giản hơn, do đó mô hình CAMELS phù hợp để áp dụng nghiên cứu và xác định

các biến độc lập. Thực tế tại Việt Nam, NHNN đã ban hành quyết định quy định

xếp loại ngân hàng TMCP số 06/2008/QĐ-NHNN ngày 12/03/2008, áp dụng 5 chỉ

số CAMEL vào đánh giá xếp hạng ngân hàng, tuy nhiên vẫn thiếu chỉ tiêu “S”.

Tháng 9/2017, NHNN đưa ra dự thảo Thông tư quy định về xếp hạng tổ chức tín

dụng, chi nhánh ngân hàng nước ngoài thay thế Quyết định số 06/2008/QĐ-NHNN,

trong đó các TCTD sẽ được NHNN xếp hạng theo 6 tiêu chí CAMELS. Điều này

cho thấy việc áp dụng mô hình CAMELS tại Việt Nam đang được chú trọng hơn

bao giờ hết, do đó việc xác định các biến độc lập theo mô hình này là phù hợp.

Ngoài ra, việc xác định các biến độc lập được tham khảo từ các nghiên cứu

của Yaraslau Taran (2012) nghiên cứu những yếu tố dự đoán tình trạng khó khăn

ngân hàng tại Ukraine; Yong Tan và Christos Floros (2013) dự đoán sự phá sản của

NHTM ở Trung Quốc vì những nghiên cứu này mang tính cập nhật, các thị trường

này có những nét tương đồng, có ý nghĩa tham khảo cho các NHTM Việt Nam.

Đồng thời tham khảo kết quả nghiên cứu của Nguyễn Thanh Dương (2013),

Nguyễn Hữu Thạch (2015), Phan Thị Nhi Khánh (2016) và bổ sung thêm hoặc bỏ

bớt một số biến để xem xét các yếu tố ảnh hưởng một cách đầy đủ nhất.

Mô hình tổng quát dự kiến: Zit = β0 + βiXit + εit

3.1.1. Biến phụ thuộc

Zit = Ei(ROAit)+ (Ebqit/Abqit) σi(ROAit)

ROAit : Suất sinh lợi trên tổng tài sản bình quân ngân hàng (i), năm (t).

Ei(ROAit) :Trung bình ROA ngân hàng (i).

σi(ROAit) :Độ lệch chuẩn ROA của ngân hàng (i).

Ebqit/Abqit:Tỷ lệ VCSH bình quân /Tổng tài sản bình quân của ngân hàng (i)

tại năm (t).

Chỉ số Z càng lớn thì rủi ro phá sản của NHTM càng thấp.

3.1.2. Các biến độc lập Xit

(i) C (Capital Adequacy): Mức độ an toàn vốn

Trong các chỉ tiêu đánh giá mức độ an toàn vốn là CAR và đòn bẩy - tỷ số

VCSH/Tổng huy động, tác giả nhận thấy, các các công bố của NHTM Việt Nam hệ

số CAR hiện tại chưa chính xác, có mâu thuẫn với tính toán của các chuyên gia,

đồng thời trong các nghiên cứu trước, chỉ số này ít được sử dụng để đánh giá mức

độ tác động của an toàn vốn tới rủi ro phá sản NHTM, thay vào đó chỉ tiêu đòn bẩy

lại được sử dụng nhiều hơn. Do đó trong nghiên cứu của mình, tác giả sử dụng chỉ

tiêu đón bẩy là tỷ số VCSH/Tổng huy động là biến độc lập để phân tích tác động tới

chỉ số Z.

LEVit – đòn bẩy, là tỷ số VCSH bình quân/Tổng huy động bình quân của ngân

hàng (i) tại năm (t).

(ii) A (Asset Quality): Chất lượng tài sản

Trong các tỷ số đo lường chất lượng tài sản, tỷ số nợ xấu tại Việt Nam hiện

chưa thể hiện chính xác thực tế, con số công bố thường xuyên sai khác với tính toán

của các chuyên gia, do đó chưa nên sử dụng tỷ số này vào phân tích.

So với DPRR tín dụng, Chi phí DPRR tín dụng phản ánh chính xác chi phí cần

thiết để xử lý nợ xấu trong năm, ảnh hưởng trực tiếp tới lợi nhuận, do đó tác giả lựa

chọn tỷ số Chi phí DPRR tín dụng/Thu nhập lãi thuần để đánh giá chất lượng tài sản

của NHTM.

LLPitlà tỷ số Chi phí DPRR tín dụng/Thu nhập lãi thuần của ngân hàng (i) tại

năm (t).

(iii) M (Management Ability): Năng lực quản lý

Đánh giá về chỉ tiêu năng lực quản lý rất khó lượng hóa. Tác giả đưa ra biến

sốtuy nhiên không đại diện cho toàn bộ năng lực quản lý của ngân hàng. Trong các

biến số đã nêu, do giới hạn về thu thập dữ liệu, tác giả sẽ chỉ nghiên cứu tác động

của quy mô theo tổng tài sản ảnh hưởng tới rủi ro phá sản của NHTM.

SIZEit là chỉ tiêu quy mô của ngân hàng (i) tại năm (t), tính dựa trên tổng tài

sản.

(iv) E (Earning Strength): Khả năng sinh lời

So với các biến số ROA, ROE thì tỷ số Thu nhập lãi thuần/ Tổng tài sản bình

quân được các tác giả trong các nghiên cứu trước sử dụng nhiều hơn cả trong việc

đánh giá tác động của khả năng sinh lời tới rủi ro phá sản, do đó tác giả lựa chọn tỷ

số này để tiến hành nghiên cứu.

NIRit là tỷ số Thu nhập lãi thuần/Tổng tài sản bình quân của ngân hàng (i) tại

năm (t).

(v) L (Liquidity Sufficiency): Khả năng thanh khoản.

Trong hệ thống NHTM hiện nay, chỉ số trực quan nhất về thanh khoản là tỷ số

Tổng dư nợ cho vay/Tổng huy động. Tỷ số này được đưa vào các nghiên cứu và cho

các kết quả trái ngược nhau.Mặt khác nghiên cứu Nguyễn Thanh Dương (2013)

không tìm thấy sự ảnh hưởng của tỷ số Tài sản thanh khoản/Tổng huy động ngắn

hạn tới rủi ro phá sản NHTM Việt Nam. Do đó tác giả lựa chọn tỷ số Tổng dư nợ

cho vay/ Tổng huy động cho nghiên cứu để tìm ra tác động thực sự của biến số này.

LDRit là tỷ sốTổng dư nợ cho vay bình quân/Tổng huy động bình quân (i) tại

năm (t).

(vi) Các biến số khác

GDPi là mức độ tăng trưởng GDP, GDPit = GDPit - GDPit-1 GDPit-1

INFi là chỉ số lạm phát, INFit = CPIit - CPIit-1 CPIit-1

Trong đó, CPI là chỉ số giá.

εit = sai số ngẫu nhiên.

3.1.3. Giả thuyết nghiên cứu

Giả thuyết H1: NHTM duy trì đòn bẩy VCSH trên nguồn vốn huy động càng

cao, rủi ro phá sản ngân hàng càng thấp.

Đòn bẩy tài chính liên quan đến việc lựa chọn một tỷ lệ vay nợ và tỷ lệ VCSH,

đây là hai nguồn tài trợ chính trong nguồn vốn của bất kì một doanh nghiệp nào.

Chính vì thế, việc nghiên cứu đòn bẩy tài chính còn được xem như việc nghiên cứu

cấu trúc vốn (capital structure) tức xem xét có bao nhiêu phần trăm trong vốn được

tài trợ bởi nợ, bao nhiêu phần trăm trong vốn được tài trợ bởi VCSH. Nhiệm vụ của

nhà quản trị tài chính là cần đưa ra một cấu trúc vốn tối ưu nhằm gia tăng giá trị

ngân hàng. Giả thuyết này phù hợp với kết quả nghiên cứu của Logan A. (2001);

Yaraslau Taran (2012); Nguyễn Thanh Dương (2013); Nguyễn Hữu Thạch (2015).

Giả thuyết H2: Chất lượng tài sản càng cao thì rủi ro phá sản của NHTM

càng cao.

Chi phí DPRR tín dụng đại diện cho chất lượng tài sản là các khoản tín dụng.

Chi phí này cáng cao, chứng tỏ các khoản nợ xấu tăng cao, do đó rủi rocho NHTM

càng cao. Giả thuyết này phù hợp với các nhiên cứu của Dan J. Jordan &ctg (2010);

Nguyễn Thanh Dương (2013); Phan Thị Nhi Khánh (2016).

Giả thuyết H3: Khả năng sinh lời càng cao thì rủi ro phá sản của NHTM

càng thấp.

Khả năng sinh lời trong luận văn được đại diện bởi tỷ số Thu nhập lãi thuần/

Tổng tài sản bình quân. Với bất cứ một NHTM nào, lợi nhuận luôn là yếu tố đặt ra

hàng đầu. Khi lợi nhuận ngân hàng tăng lên, nhiều khả năng ngân hàng hoạt động

hiệu quả, do đó rủi ro của NHTM sẽ được giảm xuống. Giả thuyết này phù hợp với

nghiên cứu của Yaraslau Taran (2012); Nguyễn Hữu Thạch (2015).

Giả thuyết H4: Khả năng thanh khoản càng cao thì rủi ro phá sản của

NHTM càng thấp.

Khả năng thanh khoản được đại diện bởi tỷ số dư nợ cho vay trên tổng huy

động. Giả thuyết này phù hợp với kết quả nghiên cứu của Montgomery & ctg

(2004).

Giả thuyết H5: Quy mô ngân hàng càng lớn thì rủi ro phá sản của NHTM

càng thấp.

Quy mô NHTM được tính bằng chỉ tiêu tổng tài sản. Khi tổng tài sản tăng lên

tức nguồn vốn huy động và VCSH tăng, có nguồn lực để NHTM mở rộng hoạt

động cho vay, đầu tư và mua sắm các tài sản cố định phục vụ hoạt động kinh doanh

của ngân hàng. Quy mô càng tăng thì rủi ro của NHTM càng giảm xuống, đây cũng

là kết quả nghiên cứu của các tác giả Logan A. (2001); Yaraslau Taran (2012).

Giả thuyết H6: Tăng trưởng kinh kế có mối quan hệ nghịch biến với rủi ro

phá sản của NHTM.

GDP đại diện cho độ lớn của nền kinh tế, trong môi trường kinh tế phát triển,

hoạt động của NHTM có nhiều điều kiện để phát triển, mở rộng cho vay và đầu tư,

do đó thu lại lợi nhuận cao hơn, do đó rủi ro của NHTM được giảm thiểu. Giả

thuyết này phù hợp kết quả nghiên cứu của các tác giả Andrea M. M. & ctg (2009);

Yong Tana & ctg (2013).

Giả thuyết H7: Lạm phát có mối quan hệ đồng biến với rủi ro phá sản của

NHTM.

Trong điều kiện kinh tế Việt Nam, nền kinh tế còn chưa mạnh, dễ bị tác động

bởi các biến động của lạm phát, lạm phát tăng lên dễ khiến lãi suất thực của các

NHTM bị giảm xuống, do đó ảnh hưởng đến rủi ro của NHTM. Đây cũng là kết quả

nghiên cứu của Andrea M. M. & ctg (2009).

Bảng 3.1: Các giả thuyết về mối tương quan của các yếu tố ảnh hưởng

đến rủi ro phá sản NHTM

Giả

Ký

Kỳ vọng

Biến

Cách tính

Các nghiên cứu trước

thuyết

hiệu

với Z

Vốn CSH bình

Logan A. (2001); Montgomery

quân/Tổng huy

& ctg (2004); Yaraslau Taran

Đòn bẩy

động bình quân

(2012); Nguyễn Thanh Dương

LEVit

(2013); Nguyễn Hữu Thạch

(2015)

Chi phí DPRR

Halling M. & Hayden E.

tín dụng/Thu

(2006); Dan J. Jordan &ctg

Tỷ số Chi

phí DPRR

nhập lãi thuần

(2010); Nguyễn Thanh Dương

LLPit

tín dụng

(2013); Phan Thị Nhi Khánh

(2016)

Thu nhập lãi

Logan A. (2001); Dan J. Jordan

thuần/Tổng tài

&ctg (2010); Yaraslau Taran

Tỷ số Thu

sản bình quân

(2012); Nguyễn Thanh Dương

nhập lãi

NIRit

(2013); Nguyễn Hữu Thạch

thuần

(2015); Phan Thị Nhi Khánh

(2016)

Tỷ số Tổng

Tổng dư nợ cho

Montgomery & ctg (2004);

dư nợ cho

vay bình quân/

Nguyễn Thanh Dương (2013);

LDRit

vay trên huy

Tổng huy động

Phan Thị Nhi Khánh (2016)

động

bình quân

Log (tổng tài sản

Logan A. (2001);

Quy mô

bình quân)

Yong Tan và ctg (2013);

SIZEit

ngân hàng

Yaraslau Taran (2012);

Kỳ vọng

Giả

Ký

Biến

Cách tính

Các nghiên cứu trước

với Z

thuyết

hiệu

Phan Thị Nhi Khánh (2016)

Mức độ tăng

Andrea M. M. & ctg (2009);

trưởng kinh

Yong Tan& ctg (2013); Phan

GDPt

tế

Thị Nhi Khánh (2016)

Andrea M. M. & ctg (2009);

Lạm phát

Yong Tan& ctg (2013); Phan

INFt

Thị Nhi Khánh (2016)

Nguồn: Tác giả tự tổng hợp Vậy, mô hình nghiên cứu dự kiến như sau:

Zit = β0 + β1 LEVit + β2 LLPit + β3 NIRit + β4 LDRit + β5SIZEit + β6GDPt + β7INFt + εit

3.2.Thiết kế nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng với dữ liệu bảng thông qua kỹ

thuật phân tích hồi quy tuyến tính đa biến để lượng hóa sự tác động của các biến

độc lập lên biến phụ thuộc trong mô hình. Các bước cụ thể như sau:

Trước tiên, nghiên cứu sẽ kiểm định hiện tượng đa cộng tuyến giữa các biến

độc lập trong mô hình thông qua hệ số nhân tử phóng đại phương sai (VIF), nếu hệ

số VIF lớn hơn hoặc bằng 10 thì hiện tượng đa cộng tuyến được đánh giá là nghiêm

trọng (Gujrati, 2003).

Sau đó, nghiên cứu hồi quy theo 3 cách: hồi quy tuyến tính theo phương pháp

bình phương nhỏ nhất tổng quát (Pooled OLS); hồi quy ảnh hưởng cố định (FEM)

và hồi quy ảnh hưởng ngẫu nhiên (REM). Để lựa chọn phương pháp hồi quy nào là

phù hợp nhất trong ba phương pháp trên, các kiểm định được sử dụng là: kiểm định

F-test và kiểm định Breusch and Pagan Lagrangian Multiplier (Breush & Pagan,

1979). Kiểm định F-test để chọn lựa giữa mô hình Pooled OLS và mô hình FEM.

Kiểm định Breusch and Pagan Lagrangian Multiplier để biết được nên chọn mô

hình Pooled OLS hay mô hình REM. Để lựa chọn giữa mô hình FEM và REM, sử

dụng kiểm định Hausman.

Sau khi lựa chọn được mô hình phù hợp, nghiên cứu tiến hành kiểm định hiện

tượng tự tương quan và hiện tượng phương sai của sai số thay đổi, nếu có hiện

tượng tự tương quan và/hoặc phương sai của sai số thay đổi thì nghiên cứu sẽ

chuyển sang phương pháp bình phương bé nhất tổng quát khả thi (General Least

Square – GLS). Wooldridge (2002) cho rằng, phương pháp này rất hữu dụng khi

kiểm soát được hiện tượng tự tương quan và hiện tượng phương sai của sai số thay

đổi.

3.3.Thu thập và xử lý số liệu

3.3.1. Cỡ mẫu

Đối với phân tích hồi quy đa biến: cỡ mẫu tối thiểu cần đạt được tính theo

công thức là 50 + 8 x m (m: số biến độc lập) (Tabachnick và Fidell, 1996).

Với dữ liệu bảng bao gồm 25 NHTM, thu thập số liệu từ năm 2008 đến 2016, tuy

nhiên số liệu được tính trung bình nên số năm tính toán trong mô hình thực tế là 8

năm, như vậy mẫu nghiên cứu 25 x 8 = 200 quan sát, đáp ứng yêu cầu về độ phù

hợp.

3.3.2. Phương pháp thu thập và xử lý số liệu

Dữ liệu ngân hàng để tính toán các biến độc lập được thu thập từ BCTC có

kiểm toán của 25 NHTM Việt Nam giai đoạn 2008-2016, các yếu tố ảnh hưởng

được tính bằng giá trị trung bình 2 năm liên tiếp.

Dữ liệu vĩ mô như GDP và lạm phát được thu thập từ báo cáo của Tổng cục

Thống kê Việt Nam trong giai đoạn 2008-2016.

Các dữ liệu thu thập sử dụng cho phân tích được thể hiện ở Phụ lục 2.

3.4.Phương pháp ước lượng

Thống kê mô tả

Trong bước đầu tiên, tác giả sử dụng các phương pháp thống kê mô tả nhằm

phân tích sơ bộ các thuộc tính của mẫu nghiên cứu như: giá trị lớn nhất, giá trị nhỏ

nhất, giá trị trung bình, phương sai và độ lệch chuẩn.

Phương pháp bình phương nhỏ nhất tổng quát (Pooled OLS)

Cách tiếp cận đơn giản nhất là giả định rằng các hệ số hồi quy (hệ số chặn và

hệ số góc) là không thay đổi giữa các đối tượng quan sát cũng như không thay đổi

theo thời gian. Một giả định quan trọng nữa là các biến độc lập phải là các biến

ngoại sinh chặt (strictly exogenous). Một biến gọi là ngoại sinh chặt nếu nó không

phụ thuộc vào các giá trị quá khứ, hiện tại, và tương lai của sai số ngẫu nhiên.

Mặc dù vậy, giả thiết rằng các đối tượng quan sát có cùng hệ số chặn và hệ số

góc không đổi theo thời gian có thể rất phi thực tế. Ngoài ra, rất có thể sai số ngẫu

nhiên là thay đổi giữa các đối tượng quan sát hoặc thay đổi theo thời gian. Hoặc vừa

thay đổi theo các đối tượng quan sát cũng như theo thời gian.

Mô hình của phương pháp này:

Yit = β0 + ∑βXit + uit

Trong đó, Yitlà biến phụ thuộc ngân hàng thứ i và t là mốc thời gian. Xit là các

biến độc lập, β0 là hệ số chặn cho các ngân hàng quan sát, βlà hệ số góc, uit là phần

dư.

Như đã đề cập ở trên, điểm yếu nhất của Pooled OLS là mô hình này không

nói cho chúng ta biết phản ứng (hay hành vi) của biến phụ thuộc có thay đổi giữa

các ngân hàng và thay đổi theo thời gian hay không. Nếu chúng ta xử lý vấn đề này

bằng cách “gộp” các đặc trưng riêng của từng ngân hàng vào sai số ngẫu nhiên thì

lại dẫn đến tình huống khác: sai số ngẫu nhiên có thể tương quan (correlated) ở một

mức độ nào đó với biến độc lập và do vậy là vi phạm các giả định về mô hình hồi

quy tuyến tính cổ điển. Điều này có thể làm cho các ước lượng thu được là chệch

(biased) và không vững (inconsistent).

Phương pháp tác động cố định (Fixed Effects-FEM)

Với giả định mỗi ngân hàng đều có những đặc điểm riêng biệt có thể ảnh

hưởng đến các biến độc lập, FEM phân tích mối tương quan này giữa phần dư của

mỗi ngân hàng với các biến độc lập qua đó kiểm soát và tách ảnh hưởng của các đặc

điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến độc lập để chúng ta có

thể ước lượng những ảnh hưởng thực (net effects) của biến độc lập lên biến phụ

thuộc. Mô hình ước lượng được sử dụng trong phương pháp này là:

Yit = β0 + ∑βi Xit + uit

Phương pháp tác động cố định đã thêm vào chỉ số i cho hệ số chặn βiđể phận

biệt hệ số chặn của từng ngân hàng khác nhau có thể khác nhau, sự khác biệt này có

thể do đặc điểm khác nhau của từng ngân hàng hoặc do sự khác nhau trong chính

sách quản lý, hoạt động của ngân hàng.

Tuy nhiên mô hình này sẽ xuất hiện hạn chế nếu đưa vào quá nhiếu biến độc

lập là biến giả, hoặc các biến độc lập xảy ra hiện tượng đa cộng tuyến sẽ làm cho

các ước lượng không chính xác.

Phương pháp tác động ngẫu nhiên (Random Effects-REM)

Điểm khác biệt giữa phương pháp tác động ngẫu nhiên và phương pháp tác

động cố định được thể hiện ở sự biến động giữa các ngân hàng. Nếu sự biến động

giữa các ngân hàng có tương quan đến biến độc lập trong mô hình tác động cố định

thì trong mô hình tác động ngẫu nhiên sự biến động giữa các ngân hàng được giả sử

là ngẫu nhiên và không tương quan đến các biến độc lập.

Chính vì vậy, nếu sự khác biệt giữa các ngân hàng có ảnh hưởng đến biến phụ

thuộc thì phương pháp REM sẽ thích hợp hơn so với phương pháp FEM. Trong đó,

phần dư của mỗi ngân hàng (không tương quan với biến độc lập) được xem là một

biến độc lập mới. Mô hình ước lượng trong phương pháp này có dạng:

Yit = β0 + ∑βi Xit + uit + eit

ei: Sai số thành phần của các ngân hàng khác nhau (đặc điểm riêng khác nhau

của từng ngân hàng).

uit: Sai số thành phần kết hợp khác của cả đặc điểm riêng theo từng ngân hàng

và theo thời gian.

Nhìn chung phương pháp REM hay phương pháp FEM tốt hơn cho nghiên

cứu phụ thuộc vào giả định có hay không sự tương quan giữa eivà biến độc lập X.

Nếu giả định rằng không tương quan thì phương pháp FEM phù hợp hơn và ngược

lại.

So sánh giữa phương pháp Pooled OLS và phương pháp FEM

Để lựa chọn giữa hai phương pháp này, ta sử dụng kiểm định F-test, với giả

thuyết H0: Chọn Pooled Regression.

Kiểm định F phải có giá trị p-value nhỏ hơn α (1%, 5%, 10%) để kiểm chứng

mức độ phù hợp của mô hình hồi quy với tổng thể .

Nếu p-value F <α nghĩa là mô hình hồi quy có ý nghĩa áp dụng và suy luận ra

tính chất của tổng thể.

So sánh giữa phương pháp Pooled OLS và phương pháp REM

Kiểm định Breusch and Pagan Lagrangian Multiplier

Giả thuyết H0: Phương sai của các ngân hàng là không đổi.

- Nếu p-value < α thì bác bỏ giả thuyết H0

- Nếu p-value > α thì chấp nhận giả thuyết H0

So sánh giữa phương pháp REMvà phương pháp FEM.

Theo Baltagi (2008) và Gujarati (2004), kiểm định Hausman được sử dụng để

lựa chọn phương pháp ước lượng phù hợp giữa hai phương pháp ước lượng tác

động cố định và tác động ngẫu nhiên. Giả thuyết H0 cho rằng không có sự tương

quan giữa sai số đặc trưng giữa các đối tượng ui với các biến độc lập Xit trong mô

hình với cặp giả thuyết được kiểm định như sau:

Kiểm định Hausman:

H0: Cov(Xit,ui) = 0 (random effects)

H1: Cov((Xit,ui) ≠ 0 (fixed effects)

- Nếu p-value < α thì bác bỏ giả thuyết H0

- Nếu p-value > α thì chấp nhận giả thuyết H0

Như vậy, theo giả thuyết H0 ước lượng REM là hợp lý nhưng lại không phù

hợp ở giả thuyết thay thế. Ước lượng FEM là hợp lý cho cả giả thuyết H0 và giả

thuyết thay thế. Tuy nhiên, ước lượng tác động cố định là phù hợp hơn so với ước

lượng tác động ngẫu nhiên trong trường hợp giả thuyết H0 bị bác bỏ. Ngược lại,

không bác bỏ được sự tương quan giữa sai số và các biến độc lập trong trường hợp

chưa có đủ bằng chứng để bác bỏ H0 thì ước lượng tác động cố định không còn phù

hợp và ước lượng ngẫu nhiên sẽ ưu tiên được sử dụng.

Phương pháp bình phương bé nhất tổng quát khả thi (General Least Square

– GLS

Ý tưởng của phương pháp là như sau: giả sử đã biết dạng thay đổi của phương

sai sai số, khi đó dùng các phép biến đổi tương đương để đưa về một mô hình mới

mà sai số ngẫu nhiên trong mô hình này có phương sai sai số không đổi, sau đó sử

dụng phương pháp OLS để ước lượng mô hình mới này.

Để minh họa phương pháp GLS khi mô hình có hiện tượng phương sai sai số

thay đổi,chúng ta xét mô hình:

Y = β1 + β2 X2 +...+ βk Xk + u

Giả sử mô hình thỏa mãn các giả thiết của mô hình OLS, ngoại trừ giả thiết

phương sai sai số không đổi. Và giả sử rằng phương sai sai số là thay đổi theo dạng:

2 = 2X2i

i

Khi đó ta thực hiện như sau:

Chia hai vế của mô hình cho X2i và thu được:

Hay:

* ta dễ dàng chứng tỏ được rằng sai số ngẫu nhiên mới trong

Trong đó:

Với mô hình Yi

mô hình, u*, có phương sai là không đổi và bằng 2 . Do đó có thể áp dụng OLS để

thu đượccác ước lượng tốt nhất cho các hệ số j (j=1,k), và từ đó suy ra ước lượng

cho các hệ số j. Việc biến đổi một mô hình có khuyết tật thành mô hình không có

khuyết tật và sử dụng OLS cho mô hình đã biến đổi như trên được gọi là phương

pháp bình phương bé nhất tổng quát.

Việc chuyển từ mô hình về thực chất là gán trọng số X2i cho quan sát thứ i. Vì

vậy phương pháp ước lượng thông qua mô hình mới còn được gọi là phương pháp

ước lượng bình phương bé nhất có trọng số (WLS – weighted least squares).

3.5.Các kiểm định

Kiểm định đa cộng tuyến

Đa cộng tuyến xảy ra khi các biến độc lập có tương quan với nhau gây ra hiện

tượng dấu của hệ số hồi quy bị đảo chiều hoặc các biến độc lập mất ý nghĩa thống

kê. Để kiểm tra hiện tượng này tác giả dung hệ số phóng đại phương sai VIF.

VIFj =

1 1 − Rj2 Với Rj là hệ số xác định của mô hình hồi quy phụ. Đa cộng tuyến xảy ra khi 1

trong những VIF tìm được >10 (Gujrati, 2003).

Kiểm định phương sai thay đổi

Bản chất các mối quan hệ kinh tế, hoặc công cụ và phương pháp thu thập, xử

lý số liệu làm cho phương sai của các sai số thay đổi khi giá trị của biến độc lập X

thay đổi gây ra hiện tượng Hệ số ước lượng không còn hiệu quả vì phương sai

không còn là phương sai nhỏ nhất, việc kiểm định giả thuyết không còn đáng tin

cậy. Những kết quả dự báo không còn là tối ưu.

Kiểm định Modofied Wald được dung để kiểm định phương sai sai số ui thay

đổi qua các thực tế trong trường hợp mô hình sử dụng FEM hoặc sử dụng kiểm định

nhân từ Lagrange trong trường hợp mô hình sử dụng REM

H0: Var (u) = 0: Phương sai qua các thực tế là không đổi.

Với p-value > α giả thuyết H0 được chấp nhận.

Kiểm định tự tương quan

Do quán tính của các chuỗi thời gian mang tính chu kỳ tự tương quan xảy ra

khi sai số của thời kỳ này có tương quan với sai số của thời kỳ trước đó.

Kiểm định Wooldridge được dung để kiểm định tự tương quan trong dữ liệu

bảng.

H0: Không có hiện tượng tự tương quan.

Với p-value > α giả thuyết H0 được chấp nhận.

Nếu mô hình được chọn có xảy ra hiện tượng tự tương quan hay phương sai

thay đổi qua các ngân hàng, tác giả sử dụng phương pháp ước lượng bình phương

tối thiểu tổng quát khả thi (General Least Square – GLS) để khắc phục hiện tượng

này.

Kết luận chương 3

Từ cơ sở lý thuyết của chương 2 về rủi ro phá sản NHTM và các yếu tố ảnh

hưởng, đồng thời kế thừa thành tựu và khắc phục những hạn chế của những nghiên

cứu trước đó, tác giả xác định mô hình cần sử dụng để phân tích và các biến trong

mô hình.

Chương 3 đã tổng hợp kiến thức về phân tích phân tích hồi quy dữ liệu bảng

theo các phương pháp OLS, FEM, REM, GLS và các kiểm định đảm bảo mô hình

lựa chọn mang tính vững, phù hợp. Điểm quan trọng nhất là Chương 3 đã phân tích

và luận giải về cách thức trình tự phân tích để thực hiện từng mục tiêu, các phương

pháp ước lượng và kiểm định để xác định từng yếu tố ảnh hưởng đến rủi ro phá sản

của NHTM.

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

4.1. Thống kê mô tả dữ liệu

Dữ liệu được thu thập từ 25 NHTM Việt Nam giai đoạn 2008-2016 với các

thông số về thống kê được thể hiện ở bảng sau:

Bảng 4.1: Thống kê mô tả các biến

Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12

Bảng 4.1 khái quát các thông số cơ bản của dữ liệu nghiên cứu, bao gồm giá

trị trung bình, đô lệch chuẩn, giá trị nhỏ nhất và lớn nhất, từ đó chỉ ra sự phân tán

giữa các quan sát trong mẫu.

Mức trung bình của rủi ro thể hiện qua Z-score là 21.3894, Z-score biến động

lớn với độ lệch chuẩn là 9.4540, trải dài từ giá trị nhỏ nhất là 2.2199 của TPBank

năm 2016, thể hiện mức độ rủi ro rất cao, tới giá trị lớn nhất là 46.8612 của ngân

hàng NamABank năm 2012 thể hiện mức độ an toàn tương đối cao.

Biến LEV thể hiện đòn bẩy VCSH trên tổng huy động, có giá trị trung bình là

0.1179, trải từ mức giá trị nhỏ nhất là 0.0460 tới 0.4146, dù giá trị lớn nhất và nhỏ

nhất cách nhau khá xa, tuy nhiên độ lệch chuẩn chỉ là 0.0611, do đó có thể thấy sự

phân tán không cao giữa các ngân hàng. Giá trị LEV nhỏ nhất là tại SCB năm 2016

và lớn nhất tại LPB năm 2009.

Biến LLP thể hiện chi phí DPRR tín dụng trên thu nhập lãi thuần, giá trị trung

bình là 0.2096, giá trị nhỏ nhất là -0.3011 tại SHB năm 2012, giá trị lớn nhất là

1.6142 tại SCB năm 2010, thể hiện mức độ rủi ro tín dụng rất cao do chí phí DPRR

tín dụng gấp 1.6 lần thu nhập lãi thuần. Độ lệch chuẩn là 0.1781 cho thấy mức độ

phân tán cao của biến LLP giữa các ngân hàng.

Biến NIR thể hiện Thu nhập lãi thuần/Tổng tài sản bình quân, với mức trung

bình 0.0291, giá trị nhỏ nhất thể hiện khả năng sinh lời thấp, với giá trị -0.0070 tại

TPBank năm 2011, và giá trị lớn nhất cho thấy khả năng tận dụng vốn giá rẻ hay

chênh lệch lớn giữa lãi suất cho vay và huy động, với giá trị 0.0718 tại VPB năm

2016. Với độ lệch chuẩn là 0.0116, cho thấy mức độ phân tán không cao giữa các

ngân hàng.

Biến LDR là tỷ số Tổng dư nợ cho vay bình quân trên Tổng huy động bình

quân, thể hiện khả năng thanh khoản của ngân hàng. Giá trị trung bình của biến này

là 0.5729, với độ lệch chuẩn là 0.1533 cho thấy mức độ phân tán không quá cao

giữa các ngân hàng. Giá trị nhỏ nhất là 0.2173 tại TPBank năm 2011, thể hiện mức

độ thanh khoản cao, nhưng cần lưu ý về hiệu quả sử dụng vốn. Giá trị lớn nhất là

0.9916 tại OCB năm 2009, đây là tỷ lệ rất cao, cho thấy nguy cơ xảy ra rủi ro thanh

khoản cho ngân hàng là rất lớn.

Biến SIZE thể hiện quy mô ngân hàng dựa trên tổng tài sản bình quân, với giá

trị trung bình là 133 ngàn tỷ, giá trị tổng tài sản thấp nhất là 5 ngàn tỷ tại KLB năm

2009, và cao nhất là là 929 ngàn tỷ tại BIDV năm 2009. Với độ lệch chuẩn là 165

ngàn tỷ cho thấy mức phân tán giá trị rất cao.

Biến GDP thể hiện tốc độ tăng trưởng GDP hàng năm của Việt Nam, với giá

trị trung bình là 5.95%, độ lệch chuẩn là 0.50% cho thấy mức tăng trưởng tương đối

ổn định qua các năm.

Biến INF thể hiện tỷ lệ lạm phát, với giá trị trung bình là 7.21%, khoảng biến

thiên 5.15% với giá trị nhỏ nhất là 0.63% vào năm 2015 và lớn nhất là 18.68% vào

năm 2011, cho thấy có sự biến động lớn về tỷ lệ lạm phát trong thời kỳ 2009-2016.

4.2. Phân tích đa cộng tuyến

Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến

tính với nhau. Nghiên cứu tiến hành kiểm định giả thuyết không bị hiện tượng đa

cộng tuyến bằng cách dùng chỉ tiêu VIF.

Bảng 4.2: Phân tích đa cộng tuyến qua phương pháp phương sai phóng đại

Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12

VIF của tất cả các biến độc lập đều nhỏ hơn 10 nên hiện tượng đa cộng tuyến

trong mô hình được đánh giá là không nghiệm trọng (Gujrati, 2003).

4.3. Phân tích tương quan mô hình nghiên cứu

Bảng 4.3: Hệ số tương quan giữa các biến

Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12

Dựa vào bảng 4.3, ta thấy:

+ Biến độc lập GDP tác động ngược chiều đến Z.

+ Các biến độc lập còn lại tác động cùng chiều đến Z.

+ Không có hiện tượng đa cộng tuyến nghiêm trọng (tự tương quan giữa các

biến độc lập trong mô hình) do các hệ số tương quan có giá trị khá thấp, cao nhất là

0.7165, trong khi chuẩn so sánh theo Farrar & Glauber (1967) là 0.8.

Kết quả tương quan trên phù hợp với hầu hết các nghiên cứu trước trên thế

giới và phù hợp với kỳ vọng của tác giả trong giai đoạn nghiên cứu này tại Việt

Nam.

4.4. Phân tích lựa chọn mô hình nghiên cứu

Để phân tích lựa chọn ra mô hình nghiên cứu phù hợp ta so sánh giữa các mô

hình: Pooled Regression, Fixed effects model, Random effects model

i. So sánh giữa các mô hình: Pooled Regression và Fixed effectsmodel:

Tác giả tiến hành so sánh giữa các mô hình Pooled Regression và Fixed

effects model với giả thuyết H0: Chọn Pooled Regression, tức giả thuyết rằng tất cả

các hệ số đều giống nhau giữa các ngân hàng đều giống nhau.

Nhận xét: Với mức ý nghĩa 1%, ta có: F = 0.0000 < 1% nên bác bỏ giả thuyết

H0. Hay nói cách khác, mô hình tác động cố định FEM phù hợp hơn mô hình Pooles

OLS, do đó giữa hai mô hình kiểm định, ta chọn mô hình FEM.

ii. So sánh giữa các mô hình: Fixed effectsmodel vàRandom effects model

Kiểm định Hausman được sử dụng để lựa chọn phương pháp ước lượng phù

hợp giữa hai phương pháp ước lượng tác động cố định và tác động ngẫu nhiên. Giả

thuyết H0 cho rằng không có sự tương quan giữa sai số đặc trưng giữa các đối tượng

ui với các biến độc lập trong mô hình.

Với bộ dữ liệu thu thập được, chi2 đạt giá trị âm, nên tác giả ưu tiên lựa chọn

mô hình FEM.

Kết luận chung: Sau khi so sánh ba mô hình, ta chọn mô hình FEM.

4.5. Kiểm định phương sai của sai số không đổi

Phương sai của sai số thay đổi sẽ làm cho các ước lượng thu được bằng

phương pháp hồi quy thông thường trên dữ liệu bảng vững nhưng không hiệu quả,

các kiểm định hệ số hồi quy không còn đáng tin cậy. Từ đó dẫn đến hiện tượng ngộ

nhận các biến độc lập trong mô hình nghiên cứu có ý nghĩa, lúc đó kiểm định hệ số

hồi quy và R bình phương không dùng được. Bởi vì phương sai của sai số thay đổi

làm mất tính hiệu quả của ước lượng, nên cần thiết phải tiến hành kiểm định giả

thuyết phương sai của sai số không đổi bằng kiểm định White, với giả thuyết H0:

Không có hiện tượng phương sai thay đổi.

Bảng 4.4: Kết quả Kiểm định phương sai của sai số không đổi

Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12

Với mức ý nghĩa α = 1%, kiểm định White cho kết quả là: Prob = 0.0041.

Vậy, Prob < 1% nên bác bỏ giả thuyết H0  có hiện tượng phương sai thay

đổi.

4.6. Kiểm định tự tương quan

Giữa các sai số có mối quan hệ tương quan với nhau sẽ làm cho các ước lượng

thu được bằng phương pháp hồi quy thông thường trên dữ liệu bảng vững nhưng

không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Nghiên cứu

tiến hành kiểm định giả thuyết không bị tự tương quan trên dữ liệu bảng, với giả

thuyết H0: không có sự tự tương quan.

Bảng 4.5: Kết quả kiểm định tự tương quan

Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12

Với mức ý nghĩa α = 1%, kiểm định cho kết quả là: Prob = 0.0000.

Vậy, Prob < 1% nên bác bỏ giả thuyết H0  có sự tự tương quan.

4.7. Tổng hợp kết quả kiểm định

Qua kết quả kiểm định từng phần ở trên, ta thấy: mô hình có hiện tượng đa

cộng tuyến được đánh giá là không nghiêm trọng. Tuy vậy, mô hình có hiện tượng

phương sai thay đổi và có sự tự tương quan. Do đó, tác giả sử dụng phương pháp

bình phương bé nhất tổng quát khả thi (General Least Square – GLS) để phân tích.

Theo Wooldridge (2002), phương pháp GLS có thể khắc phục hiện tượng phương

sai thay đổi và tự tương quan nhằm đảm bảo ước lượng thu được vững và hiệu quả.

4.8. Kết quả kiểm định độ phù hợp của các biến bằng phương pháp GLS

Bảng 4.6: Kết quả Kiểm định bằng phương pháp GLS

Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12

Với biến phụ thuộc là Zit, sau khi sử dụng phương pháp bình phương bé nhất

tổng quát khả thi (GLS) để khắc phục hiện tượng tự tương quan và hiện tượng

phương sai thay đổi, mô hình có ý nghĩa ở mức ý nghĩa 1% (do Prob = 0.0000) nên

kết quả mô hình phù hợp và có thể sử dụng được.

Vậy, kết quả mô hình hồi quy có phương trình như sau:

Zit =-19.12287 + 95.08786LEVit + 7.185449LDRit+ 1.523246 SIZEit

-58.61537GDPt + εit

Kết quả mô hình cho thấy các biến LEVit, GDPt, LDRit, SIZEit tác động có ý

nghĩa thống kê và các biến còn lại LLPit¸ NIRit, INFt tác động không có ý nghĩa

thống kê với mức ý nghĩa 10%. Cụ thể như sau:

i. Chỉ số Z – rủi ro phá sản của NHTM:

2009

2014

2015

2016

45 40 35 30 25 20 15 10 5 0

B I E

B V

D B

B P L

B L K

B T S

B C S

B C T

B P V

B H S

B C V

G T C

B C A

B B A

B C O

B V N

B S M

B B M

k n a B P T

K N A B G P

K N A B D H

K N A B A E S

K N A B A T E I V

k n a b n o g a S

K N A B A M A N

Biểu đồ 4.1: Z-score các NHTM Việt Nam qua các năm

Nguồn: Tổng hợp từ số liệu nghiên cứu

Biểu đồ 4.1 cho thấy chỉ số Z các NHTM Việt Nam qua các năm 2009, 2014,

2015 và 2016. Như đã trình bày ở phần lý thuyết, chỉ số này càng cao, rủi ro phá sản

các NHTM càng thấp. Từ biểu đồ có thể thấy năm 2009, sau khi khủng hoảng kinh

tế thế giới tác động tới Việt Nam, chỉ số Z có sự cách biệt rất lớn giữa các NHTM,

chỉ số Z cao nhất là của BIDV và thấp nhất thuộc về TPBank. TPBank vẫn duy trì

chỉ số Z thấp nhất trong mẫu nghiên cứu vào các năm tiếp theo và không cải thiện

về giá trị chỉ số này, điều này cho thấy Ngân hàng này đang đối diện các nguy cơ

cao về rủi ro, cần đặc biệt chú trọng, điều này cũng phù hợp với việc TPBank là 1

trong 9 ngân hàng phải tái cơ cấu bắt buộc theo thông báo của NHNN năm 2012.

Ngoài ra, trong những ngân hàng có chỉ số Z thấp các năm gần đây có những cái tên

như LienvietPostBank, Saigonbank, SeaBank, Eximbank. Các ngân hàng lớn và

nhận được nhiều sự quan tâm của thị trường như BIDV, Vietcombank, Vietinbank,

VIB và MBB luôn nằm trong top những ngân hàng có giá trị chỉ số Z cao nhất.

Biểu đồ còn thể hiện xu hướng biến động giảm của chỉ số Z qua các năm, cho

thấy sức khỏe của các NHTM Việt Nam đang suy giảm. Kết quả thể hiện qua biểu

đồ cho thấy sự phản ánh tương đối phù hợp của chỉ số Z đến sức khỏe của các

NHTM Việt Nam hiện tại.

ii. Mức độ an toàn vốn: Biến LEVit mang dấu (+), tác động cùng chiều và

mạnh nhất (95.08786) đến Zit và có ý nghĩa thống kê với mức ý nghĩa 1%. Điều này

cho thấy đòn bẩy có mối quan hệ ngược chiều với rủi ro phá sản, khi tỷ số Vốn

CSH bình quân/Tổng huy động bình quân tăng 1 đơn vị thì rủi ro phá sản ngân hàng

giảm 95.08786 đơn vị. VCSH càng tăng, hoặc Tổng huy động càng giảm hoặc cả

hai sẽ càng giảm thiểu rủi ro phá sản của NHTM. Việc tăng VCSH giúp cải thiện

khả năng đối phó với các cú sốc tài chính, việc giảm Tổng huy động sẽ giúp ngân

hàng giảm thiểu rủi ro thanh khoản và rủi ro lãi suất.

0.18

24.5253

0.16

22.5708

22.5280

21.8441 21.6281

0.14

0.1529

20.5564

19.2915

0.12

18.1706

0.1244

0.1241

0.1229

0.1191

0.10

0.1079

0.08

0.0993

LEV

0.0926

0.06

0.04

0.02

0.00

2009

2010

2011

2012

2013

2014

2015

2016

Biểu đồ 4.2: Z-score trung bình và LEV trung bình các NHTM Việt Nam qua các năm

Nguồn: Tổng hợp từ số liệu nghiên cứu

Biểu đồ 4.2 cho thấy xu hướng biến động giảm của chỉ số Z qua các năm, song

song với đó là chỉ số LEV - tỷ lệ Vốn CSH/Tổng huy động của ngân hàng cũng có

xu hướng giảm. Các năm qua, huy động vốn của các ngân hàng liên tục tăng, theo

tính toán của tác giả, tốc độ tăng trưởng trung bình huy động vốn của các ngân hàng

trong mẫu nghiên cứu từ 2008-2016 là 30%, trong khi đó tốc độ tăng của vốn chủ

sở hữu chỉ là 18%, do đó, chỉ số LEV giảm trong các năm cho thấy ngân hàng huy

động vốn càng nhiều có thể đối mặt rủi ro thanh khoản và rủi ro lãi suất.

Kết quả này phù hợp với dấu kỳ vọng cũng như các nghiên cứu trước đó của

Logan A. (2001); Yaraslau Taran (2012); Nguyễn Thanh Dương (2013); Nguyễn

Hữu Thạch (2015).

iii. Khả năng thanh khoản: Biến LDRit mang dấu (+), tác động cùng chiều

(7.185449) đến Zit và có ý nghĩa thống kê với mức ý nghĩa 1%. Điều này cho thấy

LDR có mối quan hệ ngược chiều với rủi ro phá sản, khi tỷ số Tổng dư nợ cho vay

bình quân/ Tổng huy động bình quân tăng 1 đơn vị thì rủi ro phá sản ngân hàng

giảm 7.185449 đơn vị.

0.6324

0.7

0.6030

0.5933

0.5673

0.5666

0.5617

0.5381

0.6

0.5206

0.5

0.4

0.3

LDR

0.2

0.1

0.0

2009

2010

2011

2012

2013

2014

2015

2016

Biểu đồ 4.3: Z-score trung bình và LDR các NHTM Việt Nam qua các năm

Nguồn: Tổng hợp từ số liệu nghiên cứu

Theo Thông tư số 36/2014/TT-NHNN ngày 20/11/2014 quy định các giới hạn,

tỷ lệ bảo đảm an toàn trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng

nước ngoài, Thông tư 06/2016/TT-NHNN ngày 27/5/2016 sửa đổi bổ sung Thông

tư số 36/2014/TT-NHNN, Quyết định số 2509/QĐ-NHNN ngày 27/12/2016 về tỷ lệ

dư nợ cho vay so với tổng tiền gửi của Ngân hàng TMCP mà Nhà nước sở hữu trên

50% vốn điều lệ, tỷ lệ dư nợ cho vay so với tổng tiền gửi tối đa:

+ NHTM nhà nước và NHTM mà Nhà nước sở hữu trên 50% vốn điều lệ:

90%;

+ NHTMCP khác: 80%

Nhìn vào biểu đồ 4.3 có thể thấy LDR - Tổng dư nợ cho vay/ Tổng huy động

của ngân hàng đều nằm trong mức quy định cho phép, và xu hướng ngày càng tăng

và ngược chiều với rủi ro.

Kết quả này trái với kỳ vọng về dấu, để giải thích vấn đề này có thể thấy, LDR

của các NHTM Việt Nam trong giai đoạn 2008-2016 có mức trung bình là 0.5729,

các quan sát của các NHTM qua các năm tăng dần đều và không có biến động đột

biến. Số lượng các quan sát có LDR lớn hơn 0.8 chỉ có 13 quan sát trên tổng 200

quan sát, cho thấy chỉ số LDR hiện đang ở mức an toàn, việc tăng thêm LDR sẽ

tăng thêm cho vay trên tổng huy động, mang lại lợi nhuận cao hơn cho NHTM,

giảm thiểu rủi ro phá sản. Tuy nhiên cũng cần lưu ý khi nghiên cứu biến này trong

thời gian dài hơn và LDR trung bình của NHTM ở mức cao hơn.

Kết quả này phù hợp với các nghiên cứu của Halling M. & Hayden E. (2006);

Dan J. Jordan &ctg (2010).

iv. Quy mô: Biến SIZEit mang dấu (+), tác động cùng chiều (1.523246) đến Zit

và có ý nghĩa thống kê với mức ý nghĩa 1%. Điều này cho thấy quy mô tổng tài sản

có mối quan hệ ngược chiều với rủi ro phá sản, khi tỷ số tổng tài sản tăng 1 đơn vị

thì rủi ro phá sản ngân hàng giảm 1.523246 đơn vị. Việc tăng tổng tài sản sẽ gia

tăng năng lực tài chính của NHTM, kết quả này phù hợp với dấu kỳ vọng cũng như

các nghiên cứu trước đó của Logan A. (2001) và Yaraslau Taran (2012).

250,000,000 trđ

Tổng tài sản

215,008,728

200,000,000 trđ

181,687,594

154,835,677

150,000,000 trđ

135,453,125

124,172,813

109,772,913

100,000,000 trđ

83,896,520

59,120,299

50,000,000 trđ

0 trđ

2009

2010

2011

2012

2013

2014

2015

2016

Biểu đồ 4.4: Z-score trung bình và Tổng tài sản bình quân các NHTM Việt Nam qua các năm

Nguồn: Tổng hợp từ số liệu nghiên cứu

v. Tăng trưởng kinh tế:

Biến GDPt mang dấu (-) tác động ngược chiều (-58.61537) đến Zit và có ý

nghĩa thống kê với mức ý nghĩa 5%. Điều này cho thấy tăng trưởng GDP có mối

quan hệ cùng chiều với rủi ro phá sản, khi tỷ số tăng trưởng GDP tăng 1 đơn vị thì

rủi ro phá sản ngân hàng tăng 58.61537 đơn vị. Kết quả này trái với kỳ vọng về dấu

nhưng phù hợp với kết quả nghiên cứu của Phan Thị Nhi Khánh (2016). Để giải

thích có thể thấy, khi nền kinh tế tăng trưởng, việc cho vay ra của các NHTM nhiều

hơn, từ đó rủi ro tín dụng và rủi ro lãi suất tăng cao hơn trong thời kỳ này.

Biểu đồ 4.5: Z-score trung bình các NHTM Việt Nam và tăng trưởng GDP

6.68%

6.21%

5.98%

6.24%

6.42%

5.42%

5.40%

5.25%

GDP

2009

2010

2011

2012

2013

2014

2015

2016

Việt Nam qua các năm

Nguồn: Tổng hợp từ số liệu nghiên cứu

Tốc độ tăng trưởng GDP của Việt Nam qua các năm có xu hướng tăng, và

biến động không nhiều qua các năm. Biểu đồ 4.5 cho thấy có sự biến động ngược

chiều của GDP với chỉ số Z, tức biến động cùng chiều với rủi ro.

Kết luận chương 4

Thông qua kết quả nghiên cứu định lượng mô hình với mẫu quan sát là 25

NHTM Việt Nam trong giai đoạn 2008-2016, với các kiểm định phù hợp, tác giả đã

đưa ra mô hình nghiên cứu các yếu tố tác động đến rủi ro phá sản các NHTM Việt

Nam, bao gồm các yếu tố LEV, LDR, SIZE, GDP, trong đó LEV, LDR, SIZE tác

động ngược chiều và GDP tác động cùng chiều tới rủi ro phá sản NHTM. Kết quả

nghiên cứu sẽ góp phần đưa ra các giải pháp kiến nghị trong chương tiếp theo.

CHƯƠNG 5: HÀM Ý VÀ KHUYẾN NGHỊ

5.1. Hàm ý

Dựa trên cơ sở lý thuyết và các nghiên cứu trước đó, tác giả đã tiến hành phân

tích các yếu tố ảnh hưởng đến rủi ro phá sản tại 25 NHTM Việt Nam trong giai

đoạn 2008-2016.

Từ các kết quả thu được từ phân tích định lượng, các yếu tố ảnh hưởng đến rủi

ro phá sản bao gồm các yếu tố Đòn bẩy(LEV),Tỷ số Tổng dư nợ cho vay trên huy

động(LDR),Quy mô ngân hàng(SIZE),Mức độ tăng trưởng kinh tế(GDP), trong đó

LEV, LDR,SIZE tác động ngược chiều và GDP tác động cùng chiều tới rủi ro phá

sản NHTM trong mẫu nghiên cứu. Từ đó tác giả đưa ra một số hàm ý từ kết quả

nghiên cứu như sau:

Thứ nhất, sử dụng đòn bẩy hợp lý bằng việc tăng quy mô VCSH, hoặc giảm

tổng huy động, hoặc cả hai sẽ giúp ngân hàng giảm thiểu rủi ro, điều này hoàn toàn

phù hợp với thực tế.

Thứ hai, tổng dư nợ cho vay trên huy động vốn thể hiện cho khả năng thanh

khoản của NHTM, tỷ số này tăng sẽ mang lại lợi nhuận cao hơn cho NHTM, giảm

thiểu rủi ro phá sản trong ngắn hạn, khi NHTM chưa khai thác hiệu quả nguồn vốn

huy động.

Thứ ba, quy mô tổng tài sản càng tăng sẽ gia tăng năng lực tài chính của

NHTM, từ đó giảm thiểu rủi ro phá sản. Điều này phù hợp với thực tế.

Thứ tư, kinh tế vĩ mô có ảnh hưởng đến rủi ro phá sản NHTM, đặc biệt là sự

tăng trưởng GDP có tác động làm tăng rủi ro cho các ngân hàng.

5.2. Khuyến nghị giải pháp quản trị rủi ro phá sản trong hệ thống NHTM Việt

Nam thời gian tới

5.2.1. Khuyến nghị đối với các NHTM

5.2.1.1. Sử dụng đòn bẩy hợp lý và cấu trúc vốn vững mạnh

Kết quả mô hình hồi quy cho thấy tăng quy mô VCSH, hoặc giảm tổng huy

động, hoặc cả hai sẽ càng giảm thiểu rủi ro phá sản của NHTM. Do đó, NHTM cần

xác định tỷ số đòn bẩy hợp lý để giảm lãng phí vốn mà không cần thay đổi mô hình

kinh doanh; tối ưu hóa các nguồn vốn khan hiếm để đạt được hiệu quả trong sử

dụng VCSH. Việc giảm tổng huy động chỉ nên áp dụng trong ngắn hạn để giảm

thiểu rủi ro trước mắt, trong dài hạn, để đảm bảo hoạt động kinh doanh an toàn, việc

tăng VCSH mới là biện pháp dài hạn được chú trọng. Muốn thực hiện điều này,

NHTM cần cải thiện năng lực trong đánh giá đúng về mức độ an toàn của vốn; phân

bổ, quản trị vốn hiệu quả hơn và tiết kiệm vốn; đo lường hiệu quả hoạt động và

quản lý dựa trên giá trị VCSH.

Ngoài nguồn vốn hình thành ban đầu, VCSH còn được bổ sung trong quá trình

hoạt động. VCSH của ngân hàng có thể gia tăng theo nhiều phương thức khác nhau

tùy thuộc vào điều kiện cụ thể trong quá trình hoạt động sản xuất kinh doanh của

ngân hàng, bao gồm nguồn từ lợi nhuận giữ lại và nguồn bổ sung từ việc phát hành

thêm cổ phần, tăng vốn từ cổ đông hiện hữu, sáp nhập với NHTM trong nước, bán

cổ phần cho nhà đầu tư chiến lược nước ngoài hay phát hành trái phiếu tăng vốn cấp

2 trên thị trường quốc tế.

Việc tăng vốn từ cổ đông hiện hữu chỉ thuận lợi khi cổ đông hiện hữu có sức

mạnh tài chính và không muốn giảm tỷ số sở hữu; sẽ bất lợi nếu cổ đông hiện hữu

không đủ sức mạnh tài chính.

Tăng vốn từ phát hành thêm cổ phiếu chỉ thuận lợi khi thị trường cổ phiếu

tăng trưởng tốt, tuy nhiên thị trường chứng khoán Việt Nam hiện rấtbiến động, hoạt

động chưa ổn định, rất khó lường trước trong trường hợp cần tăng vốn nhanh.

Phương án tăng vốn qua bán cổ phần cho nhà đầu tư chiến lược nước

ngoàiđược khá nhiều NHTM quan tâm, vì nhà đầu tư nước ngoài có tiềm lực tài

chính mạnh và nhiều kinh nghiệm quản lý. Tuy nhiên các NHTM nên lựa chọn các

nhà đầu tư thực sự có ý định làm ăn lâu dài tại Việt Nam và thành công trên thị

trường tài chính quốc tế và cũng nên chấp nhận cái mới, cải tổ phương thức kinh

doanh, quản rị rủi ro… Chỉ khi đó, NHTM trong nước mới tận dụng được kinh

nghiệm của nhà đầu tư chiến lược nước ngoài, bên cạnh tận dụng nguồn lực tài

chính mạnh.

Phương án sáp nhập với ngân hàng nội chỉ phù hợp khi một ngân hàng mạnh

sáp nhập với ngân hàng yếu hơn, phương án này thuận lợi khi các NHTM trong

nước có cùng văn hóa, cách thức kinh doanh, sự hiểu biết thị trường trong nước.

Tuy nhiên, bất lợi là các ngân hàng mạnh cũng đang phải tập trung lành mạnh hóa

hoạt động của mình, không muốn gánh thêm ngân hàng yếu kém. Hơn nữa, sự sáp

nhập giữa hai ngân hàng nội với nhau cũng khó mang lại sự thay đổi căn bản về mặt

quản trị..

Phương án cuối cùng là phát hành trái phiếu tăng vốn cấp 2 trên thị trường

quốc tế. Phương án này phù hợp với các NHTM có tên tuổi trên thị trường và có

tiềm lực tài chính bởi chi phí phát hành lớn hơn nhiều so với phát hành cổ phiếu.

5.2.1.2. Quản trị thanh khoản

Tỷ số tổng dư nợ cho vay trên tổng huy động là một trong những tỷ số thanh

khoản được sử dụng khá phổ biến ở nhiều nước trong hoạt động quản lý và giám sát

ngân hàng nhằm nâng cao chất lượng quản trị rủi ro thanh khoản của các ngân hàng,

đảm bảo sự ổn định và an toàn của hệ thống.

Hiện tại chỉ số tổng dư nợ cho vay trêntổng huy động trung bình các NHTM

trong thời gian 2008-2016 đang ở mức xấp xỉ 60%, cho thấy chỉ số này hiện đang ở

mức an toàn, việc tăng thêm cho vay trên tổng huy động, mang lại lợi nhuận cao

hơn cho NHTM, giảm thiểu rủi ro phá sản.

Để vừa đảm bảo mục tiêu quản trị thanh khoản, vừa gia tăng lợi nhuận cho

ngân hàng một cách bền vững, tác giả đề xuất gia tăng chỉ số dư nợ cho vay trên

tổng huy động bằng cách tăng đồng thời cả hai yếu tố và tăng dần tỷ lệ cho vay trên

tổng huy động đối với các ngân hàng đang ở mức thấp.

Nếu nguồn vốn được coi là yếu tố đầu vào trong quá trình kinh doanh của một

NHTM thì nguồn vốn huy động sẽ được coi là yếu tố đầu vào thường xuyên, chủ

yếu nhất. Nguồn vốn này có ảnh hưởng lớn tới kết quả hoạt động kinh doanh của

NHTM, nếu ngân hàng huy động được nguồn vốn dồi dào với chi phí thấp sẽ giúp

mở rộng tín dụng, đầu tư, đồng thời giúp cho ngân hàng bù đắp được thiếu hụt trong

thanh toán.

Cơ cấu nguồn vốn huy động có ảnh hưởng trực tiếp tới cơ cấu cho vay của

NHTM. Vốn tự có của ngân hàng chỉ được sử dụng như bước đệm cuối cùng, khi

nhu cầu thanh toán cấp bách,NHTM cho vay chủ yếu bằng vốn huy động được.

Nguồn vốn huy động trung và dài hạn là tốt nhất để mở rộng nghiệp vụ tín dụng đầu

tư dài hạn, nhưng hiện nay việc huy động vốn trung và dài hạn chưa đáp ứng được

nhu cầu nên NHTM có thể dùng vốn huy động ngắn hạn để cho vay trung và dài

hạn nhưng không được vượt quá tỷ lệ nhất định theo quy định (40% kể từ đầu năm

2018 theo Thông tư 06/2016/TT-NHNN) vì điều đó sẽ dẫn đến nguy cơ mất khả

năng thanh khoản của ngân hàng.

Đối với tăng trưởng tín dụng, các NHTM cần chú ý tăng trưởng theo cơ cấu

hợp lý, tránh tập trung tăng trưởng nóng vào một số lĩnh vực rủi ro cao như bất

động sản, chứng khoán.

5.2.1.3. Tăng quy mô NHTM

Kết quả mô hình hồi quy cho thấy tăng trưởng quy mô sẽ giúp NHTM giảm

thiểu được rủi ro. Quy mô tổng tài sản của NHTM bao gồm ngân quỹ, chứng khoán,

cho vay, tài sản cố định & các tài sản có khác, trong đó cho vay chiếm tỷ trọng lớn

nhất. Việc tăng quy mô tổng tài sản cho thấy sự phát triển và hoạt động ổn định của

NHTM, cho vay nhiều hơn, mua sắm các tài sản cố định nhiều hơn, gia tăng đầu tư

hay nâng cao tính thanh khoản nhờ dự trữ tiền ngân quỹ nhiều hơn. Để tăng được

tổng tài sản, điều quan trọng là gia tăng nguồn vốn từ vốn huy động và gia tăng vốn

tự có. Các biện pháp này đã được trao đổi ở các mục trên.

Điều quan trọng là, các NHTM cần có lộ trình phù hợp cho quá trình mở rộng

quy mô của mình, xác định cơ cấu tài sản phù hợp, kiểm soát thận trọng trong việc

sử dụng đòn bẩy, đảm bảo các rủi ro gia tăng do việc mở rộng quy mô nằm trong

tầm kiểm soát của ngân hàng.Việc tăng trưởng quá nóng ở các tài sản cho vay, đầu

tư hoặc mua sắm thêm các tài sản cố định có thể dẫn tới việc sử dụng không hiệu

quả nguồn vốn huy động được, gây rủi ro cho ngân hàng.

5.2.1.4. Tăng trưởng phù hợp với tăng trưởng GDP

Biến tăng trưởng kinh tế trong mô hình tác động làm tăng rủi ro phá sản của

NHTM, tức trong nền kinh tế tăng trưởng thì rủi ro của NHTM càng tăng. NHTM là

thành phần không thể thiếu, có vai trò thúc đẩy sự phát triển của nền kinh tế, tuy

nhiên chính các ngân hàng cũng cần dự đoán được tình hình tăng trưởng kinh tế

trong tương lai để điều chỉnh tăng trưởng, đặc biệt là tăng trưởng tín dụng phù hợp.

Nghiệp vụ cho vay là nghiệp vụ sinh lợi chủ yếu của NHTM, bằng cách cho

vay các doanh nghiệp công nghiệp, thương nghiệp để thực hiện các khoản thanh

toán và dự trữ hàng hoá; cho vay đầu tư phát triển dưới hình thức tài trợ vay trung

và dài hạn; cho vay lĩnh vực nông nghiệp; cho vay cá nhân trong lĩnh vực sản xuất

kinh doanh và lĩnh vực tiêu dùng. Thực hiện tốt nghiệp vụ cho vaygóp phần thúc

đẩy tăng trưởng kinh tế ở nhiều mặt như phân phối lại vốn, tài trợ cho các ngành

kinh tế kém phát triển. Về mặt chính sách, tín dụng được coi như một công cụ trong

chính sách tiền tệ quốc gia để thực hiện điều hoà lưu thông tiền làm cho tiền tệ ổn

định, đồng thời là phương tiện nối liền kinh tế trong nước với kinh tế thế giới. Tóm

lại khi nền kinh tế tăng trưởng kéo theo tốc độ tăng trưởng tín dụng của NHTM

ngày càng cao và quy mô tín dụng của NHTM là yếu tố chịu ảnh hưởng nhiều nhất

của tăng trưởng kinh tế.

Tuy nhiên, nghiệp vụ cho vay lại mang tính rủi ro cao, đặc biệt là rủi ro tín

dụng, do đó, trong bối cảnh nền kinh tế vĩ mô có nhiều biến động, các NHTM cần

có biện pháp định hướng, kiểm soát tăng trưởng tín dụng phù hợp, tránh tập trung

tín dụng vào những ngành tăng trưởng nóng.Điều này đòi hỏi NHTM cần tích cực

đầu tư nghiên cứu, phát triển nguồn nhân lực cho công tác dự báo, quản trị rủi ro thị

trường.

5.2.2. Khuyến nghị đối với Chính phủ và NHNN

5.2.2.1. Khuyến nghị đối với Chính phủ

Kết quả mô hình cho thấy tăng trưởng kinh tế có ảnh hưởng tới rủi ro phá sản

các NHTM, do đó Chính Phủ cần có những chính sách nhằm tạo điều kiện thuận lợi

cho kinh tế vĩ mô tăng trưởng ổn định, tạo môi trường kinh doanh thuận lợi cho hệ

thống NHTM. Đặc biệt khi nền kinh tế tăng trưởng, và có sự tăng trưởng nhanh ở

các ngành mà NHTM tham gia cho vay với tỷ trọng lớn, Chính Phủ cần tích cực

thanh tra giám sát, đảm bảo tăng trưởng ổn định, bền vững.

Chính Phủ cần tiếp tục cải thiện môi trường kinh doanh, củng cố và phát triển

hệ thống tài chính, thị trường chứng khoán để thu hút đầu tư trong và ngoài nước.

Đồng thời cần xây dựng hệ thống thông tin đầy đủ hơn về tình hình hoạt động của

các NHTM, minh bạch các thông tin cơ bản để thúc đẩy hoạt động kinh doanh và

thu hút đầu tư vào các NHTM hoạt động tốt, mặt khác để thị trường không bị ảnh

hưởng nặng khi NHTM yếu kém phá sản.

5.2.2.2. Khuyến nghị đối với NHNN

Thứ nhất, về hành lang pháp lý cho việc phá sản NHTM

Tại thời điểm hiện tại Dự thảo Luật sửa đổi, bổ sung một số điều của Luật

Các TCTD đang được Quốc hội xem xét thông qua tại Kỳ họp thứ 4 Quốc hội khóa

XIV, trong đó nổi bật là quy định về phương án cơ cấu lại TCTD được kiểm soát

đặc biệt và cho phép phá sản ngân hàng.Theo NHNN, cơ quan soạn thảo Dự thảo

Luật, thẩm quyền quyết định chủ trương và phê duyệt phương án phá sản thuộc

Chính phủ. Chủ trương phá sản chỉ xem xét theo nguyên tắc là biện pháp cuối cùng

khi TCTD được kiểm soát đặc biệt không có khả năng thực hiện hoặc thực hiện

không thành công các phương án khác (phục hồi, sáp nhập, hợp nhất, giải thể hoặc

chuyển giao bắt buộc).

Tuy nhiên đây mới chỉ là hành lang pháp lý cơ bản, các chỉ tiêu định lượng để

xác định NHTM yếu kém cần đưa vào diện kiểm soát đặc biệt không được nêu rõ.

Thứ hai, thông tin tình hình hoạt động của NHTM

Thực tế hiện nay các đánh giá, xếp hạng ngân hàng của cơ quan quản lý chưa

được công khai, thị trường chỉ được tiếp cận các thông tin xếp hạng do các tổ chức

tín nhiệm quốc tế công bố và các thông tin về hoạt động kinh doanh ngân hàng

được các ngân hàng công bố cũng chưa chắc phản ánh đúng tình trạng hoạt động.

Hiện nay các ngân hàng nhỏ đang có xu hướng huy động tiền gửi lãi suất cao

hơn các ngân hàng lớn. Điều này giúp các ngân hàng nhỏ thu hút được người gửi,

cạnh tranh nguồn vốn với ngân hàng lớn, người dân gửi ở ngân hàng nhỏ vẫn yên

tâm vì khoản tiền gửi gần như được bảo lãnh. Nếu người dân không có thông tin về

tình trạng hoạt động của NHTM để chủ động về tiền gửi của mình thì trong trường

hợp xảy ra tình huống đột xuất sẽ khiến người dân thiệt hại lớn. Do đó cần sớm

minh bạch thông tin của hệ thống, để hoạt động của NHTM vận hành theo quy luật

thị trường, khi đó nếu có đổ vỡ xảy ra, cú sốc cho thị trường sẽ được giảm thiểu.

Ngoài ra, cần đảm bảo chất lượng thông tin tại trung tâm thông tin tín dụng

(CIC) nhanh chóng, kịp thời, chính xác về khách hàng, đảm bảo tình hình hoạt động

của NHTM thông suốt, không cho vay nhầm khách hàng hoặc đánh giá sai khách

hàng tốt. Từ đó công khai được thông tin nợ xấu của toàn hệ thống.

Thứ ba, công tác kiểm tra, giám sát hoạt động của NHTM

NHNN cần kiểm soát, giám sát quá trình mở rộng quy mô của các NHTM

theo sự phát triển kinh tế, đồng thời tích cực thúc đẩy ứng dụng mô hình của Ủy ban

Basel vào kiểm soát hoạt động ngân hàng, mở rộng phạm vi ngân hàng áp dụng.

Các hoạt động kiểm tra giám sát cần thực hiện có khoa học, tránh chồng chéo nhau

gây ảnh hưởng tới hoạt động của NHTM.

Thứ tư, công tác nghiên cứu và dự báo

Với vai trò quản lý vĩ mô của nhà nước trong lĩnh vực tài chính ngân hàng,

NHNN cần xây dựng hệ thống thông tin số liệu của riêng mình, cập nhật nhanh tình

hình của hệ thống, tránh phụ thuộc hoàn toàn vào số liệu thống kê hoặc số liệu các

NHTM cung cấp. Từ đó tiến hành phân tích định kỳ xu hướng biến động rủi ro, như

mức độ rủi ro tín dụng, rủi ro thanh khoản, rủi ro hoạt động,... của hệ thống, rủi ro

chính trị, rủi ro về môi trường kinh doanh, các rủi ro đã, đang xảy ra đối với hệ

thống NHTM tại các nước khác,... Đây là những cảnh báo rất hữu ích cho hoạt động

NHTM trong nước.

Thứ năm,chuẩn bị nguồn lực phục vụ cho việc phá sản NHTM

Để chuẩn bị cho phá sản NHTM là một chặng đường dài về học tập kinh

nghiệm, phương pháp của các nước trên thế giới, xác định được NHTM nào thuộc

diện phá sản, đào tạo nguồn nhân lực cho việc xây dựng phương án và tiến hành

phá sản, các biện pháp ứng phó với biến động của thị trường,… Do đó, NHNN cần

có bước chuẩn bị ngay từ bây giờ, mà bước đầu tiên là xác định được các yếu tố nào

ảnh hưởng tới rủi ro phá sản của NHTM. Với nguồn lực và thông tin của mình,

nghiên cứu của NHNN sẽ chính xác và có giá trị thực tiễn hơn. Nhưng điều quan

trọng nhất vẫn là làm sao để phát hiện thật sớm ngân hàng yếu kém để thực hiện các

giải pháp kiểm soát, phục hồi hoạt động ngân hàng, tránh xảy ra phá sản.

5.3. Hạn chế nghiên cứu và hướng nghiên cứu tiếp theo

Thứ nhất, về lựa chọn mô hình nghiên cứu:

Như đã sơ lược trong phần tổng quan các nghiên cứu trước, khi nghiên cứu về

khả năng phá sản của ngân hàng, có nhiều nghiên cứu ở nước ngoài sử dụng mô

hình hồi quy Logit với biến phụ thuộc là biến giả, nhận giá trị 0 (ngân hàng không

phá sản) hoặc 1 (ngân hàng phá sản). Tuy nhiên, tại Việt Nam dochưa thể xác định

ngân hàng phá sản và ngân hàng không phá sản, nên tác giả chỉ có thể sử dụng mô

hình hồi quy đa biến với phương pháp OLS với biến phụ thuộc là Z –score để

nghiên cứu. Trong tương lai, khi ở Việt Nam có sự xuất hiện của ngân hàng phá sản

và việc phá sản NHTM trở thành điều tất yếu đối với các NHTM yếu kém, thì các

nghiên cứu tiếp theo nên sử dụng mô hình hồi quy Logit để đo lường sự ảnh hưởng

và có những dự báo chính xác hơn về các yếu tố ảnh hưởng đến rủi ro phá sản của

các NHTM.

Thứ hai, về nguồn dữ liệu:

Dữ liệu nghiên cứu gần như là yếu tố quan trọng nhất quyết định sự tin cậy

của mô hình. Tuy nhiênnguồn dữ liệu về các NHTM tại Việt Nam chỉ có thể thu

thập từ BCTC mà các ngân hàng cung cấp, mà không phải từ một cơ quan thống kê

độc lập và cung cấp dữ liệu đầy đủ, do đó nguồn dữ liệu còn mang tính chủ quan,

hoặc gặp thiếu sót trong quá trình thu thập dữ liệu làm ảnh hưởng tới kết quả.

Mặt khác, một số NHTM không công bố BCTC đầy đủ, thường là các NHTM

nhỏ và hoạt động chưa tốt, việc nghiên cứu chỉ tiến hành được trên 25 NHTMdo đó

việc nghiên cứu các yếu tố ảnh hưởng chỉ phản ánh được phần lớn mà không phải

toàn bộ các NHTM Việt Nam hiện tại.

Số liệu BCTC là số liệu thời điểm, trong khi những tài sản và nguồn vốn tài

chính là ngắn hạn hoặc có thể mua, bán, hoặc có thể trả lại trong một thời gian

ngắn, một số dữ liệu thời điểm có thể không phản ánh một cách chính xác được quá

trình biến động của chúng. Đồng thời tại thời điểm cuối năm, các NHTM có tâm lý

“làm đẹp” BCTC, do đó các số liệu về quy mô có thể chưa phản ánh đúng thực

trạng tại NHTM. Mặc dù tác giả đã khắc phục bằng cách tính số bình quân của 2

năm, tuy nhiên việc lấy số bình quân theo bán niên, quý, tháng, thậm chí theo ngày

sẽ phản ánh chính xác hơn, trong đó chỉ có phương án bán niên hoặc quý là khả thi,

tuy nhiên việc thu thập số liệu sẽ mất nhiều thời gian và sẽ ít NHTM được lấy dữ

liệu nghiên cứu hơn.

Thứ ba, về các biến độc lập:

Các biến độc lập là các biến đại diện cho các yếu tố ảnh hưởng đến rủi ro phá

sản còn hạn chế. Trong tương lai, các nghiên cứu khác trong lĩnh vực nên bổ sung

thêm nhiều biến đại diện hơn cho mỗi yếu tố, từ đó có thể tìm ra nhiều tiêu chí

nhằm tạo ra hệ thống cảnh báo sớm hơn cho mỗi rủi ro, từ đó có thể tìm ra nhiều

tiêu chí nhằm tạo ra hệ thống cảnh báo sớm cho khả năng phá sản NHTM Việt

Nam.

Các biến độc lập trong luận văn tập trung vào các yếu tố tài chính có thể lượng

hóa mà chưa có các biến phi tài chínhảnh hưởngđến khả năng phá sản của NHTM

Việt Nam. Trong các nghiên cứu tiếp theo, có thể xem xét bổ sung thêm các biến

như môi trường kinh doanh, trình độ nhân sự,… nhằm định lượng được các rủi ro

phi tài chính để hoàn thiện quá trình nghiên cứu ảnh hưởng của các rủi ro đến khả

năng phá sản của NHTM.

Kết luận chương 5

Trong chương 5, luận văn đã tóm tắt lại những kết quả quan trọng của nghiên

cứu. Từ đó đưa ra đề xuất một số khuyến nghị và giải pháp chủ yếu nhằm hạn chế

rủi ro phá sản của các NHTM Việt Nam. Bên cạnh đó, những hạn chế của đề tài

cũng đã được nêu ra và tác giả cũng đã đề xuất những hướng nghiên cứu tiếp theo

nhằm hoàn thiện hướng nghiên cứu của đề tài.

KẾT LUẬN

Trong thời điểm hiện nay, sự ổn định của hệ thống NHTM Việt Nam là vấn đề

không chỉ được Chính Phủ, NHNN quan tâm mà còn nhận được sự quan tâm của

công chúng, các nhà đầu tư trong và ngoài nước. Với những rủi ro đang tiềm ẩn,

hoạt động kinh doanh của các NHTM đang gặp nhiều bất ổn, nếu không có các biện

pháp hạn chế rủi ro sẽ có thể dẫn đến sụp đổ dây chuyền. Việc nhận dạng và đo

lường ảnh hưởng của các yếu tố đến rủi ro phá sản của các NHTM Việt Nam trở

thành vấn đề mang tính cấp thiết trong hoạt động kinh doanh và quản trị của ngân

hàng.

Xuất phát từ mục tiêu trên, đề tài đã tập trung phân tích vấn đề trên cơ sở lý

thuyết, đánh giá thực tiễn và áp dụng mô hình định lượng để đạt được mục tiêu đề

ra. Bên cạnh đó, đề tài cũng đã đưa ra một số khuyến nghị nhằm giảm thiểu rủi ro

phá sản của các NHTM Việt Nam.

Bên cạnh những kết quả đạt được, đề tài vẫn còn hạn chế với những khó khăn

trong việc cung cấp thông tin, thu thập dữ liệu. Hy vọng rằng trong thời gian tới,

các nghiên cứu tiếp theo sẽ tiếp tục bổ sung và hoàn thiện đề tài hơn nữa.

TÀI LIỆU THAM KHẢO

Tài liệu Tiếng Việt

1. Hoàng Tùng (2011),‘Phân tích rủi ro tín dụng doanh nghiệp bằng mô hình hồi

quy logistic’, Tạp chí Khoa học và Công nghệ Đà Nẵng, số 43/2011 trang 17-

22.

2. Lâm Minh Chánh, 2009, ‘Chỉ số Z: Công cụ phát hiện nguy cơ phá sản và

xếp hạng định mức tín dụng.’

Truy cập tại , [ngày truy cập 01/03/2016]

3. Lê Thị Tuấn Nghĩa và Phạm Mạnh Hùng, 2016,‘Các nhân tố ảnh hưởng đến

đòn bẩy tài chính của ngân hàng thương mại và một số khuyến nghị’.

Truy cập tại:

?leftWidth=20%25&showFooter=false&showHeader=false&dDocName=SB

V245046&rightWidth=0%25¢erWidth=80%25&_afrLoop=5953060304

05000#%40%3F_afrLoop%3D595306030405000%26centerWidth%3D80%2

525%26dDocName%3DSBV245046%26leftWidth%3D20%2525%26rightW

idth%3D0%2525%26showFooter%3Dfalse%26showHeader%3Dfalse%26_a

df.ctrl-state%3Dvfk3l4tes_9>, [ngày truy cập 27/10/2016]

4. NHNN, 2008, Quyết định số 06/2008/QĐ-NHNN ngày 12/03/2008 Ban hành

Quy định xếp loại ngân hàng thương mại cổ phần.

5. NHNN, 2016, Thông tư 06/2016/TT-NHNN, sửa đổi, bổ sung một số điều

của thông tư số 36/2014/TT-NHNN ngày 20/11/2014, quy định về các giới

hạn, tỷ lệ bảo đảm an toàn trong hoạt động của tổ chức tín dụng, chi nhánh

ngân hàng nước ngoài.

6. NHNN, 2017, dự thảo Thông tư quy định về xếp hạng tổ chức tín dụng, chi

nhánh ngân hàng nước ngoài thay thế Quyết định số 06/2008/QĐ-NHNN

ngày 12/3/2008 ban hành Quy định xếp loại ngân hàng thương mại cổ phần.

vii

7. Nguyễn Đăng Tùng, Bùi Thị Len, 2014, ‘Đánh giá nguy cơ phá sản của các

ngân hàng niêm yết trên thị trường chứng khoán việt nam bằng chỉ số altman

Z – score’, Tạp chí Khoa học và Phát triển, tập 13, số 5, trang 833-840.

8. Nguyễn Đình Thiên, Nguyễn Chí Minh, 2017, ‘Mô hình đo lường rủi ro tín

dụng tại các doanh nghiệp niêm yết’, Tạp chí Tài chính, Kỳ 1 tháng 4/2017

9. Nguyễn Hữu Thạch 2015, Ảnh hưởng của rủi ro tài chính đến khả năng phá

sản các NHTM Việt Nam, Luận văn Thạc sĩ kinh tế, Đại học Kinh tế TP.HCM

10. Nguyễn Phúc Cảnh và Vũ Xuân Hùng, 2014, ‘Ứng dụng mô hình Z-score

vào quản lý rủi ro tín dụng cho các ngân hàng thương mại Việt Nam’, Tạp

Chí Phát Triển & Hội Nhập, Số 15 (25), Tháng 03-04/2014, trang 46-50.

11. Nguyễn Quang Dong, Nguyễn Thị Minh, 2012, Giáo trình kinh tế lượng,

NXB Đại học Kinh tế quốc dân.

12. Nguyễn Thanh Dương, 2013, ‘Phân tích rủi ro trong hoạt động ngân hàng’,

Tạp Chí Phát Triển & Hội Nhập, Số 9 (19), Tháng 03-04/2013, trang 29-39.

13. Nguyễn Thị Cẩm Giang, Lê Diễm Mân, Nguyễn Thùy Yến Trinh, 2013,

‘Đánh giá mức độ lành mạnh các tổ chức tài chính tại việt nam - khung phân

tích CAMELS có phải là sự lựa chọn hoàn hảo?’, Chuyên sanKinh tế Tài

Chính Ngân hàng, Số 07, Tháng 09/2013, trang 7-9.

14. Nguyễn Thị Nga , 2016, ‘Vận dụng phương pháp thống kê trong phân tích

rủi ro phá sản tại doanh nghiệp’, Tạp chí Tài chính, số tháng 8/2016, kỳ II.

15. Nguyễn Văn Chương, Nguyễn Thị Cẩm Giang, Phan Thị Thanh Thuận,

2013, ‘Tỷ lệ an toàn vốn “CAR” – 1 từ, 3 chữ nhưng nhiều vấn đề’, Chuyên

san Kinh tế Tài Chính Ngân hàng, Số 07, Tháng 09/2013, trang 10-13.

16. Nguyễn Việt Hùng 2008, Phân tích các nhân tố ảnh hưởng đến hiệu quả hoạt

động của các ngân hàng thương mại ở Việt Nam, Luận án Tiến sĩ Kinh tế, Đại

học Kinh Tế Quốc Dân.

17. Nhật Linh, 2017, ‘Công khai "sức khỏe", tránh "sốc" khi cho phép phá sản

ngân hàng yếu kém’. Truy cập tại:

viii

http://anninhthudo.vn/kinh-doanh/cong-khai-suc-khoe-tranh-soc-khi-cho-

phep-pha-san-ngan-hang-yeu-kem/747746.antd [ngày truy cập 24/10/2017]

18. Phạm Tiến Đạt, 2013, ‘Đánh giá rủi ro trong ngân hàng thương mại khi kiểm

toán báo cáo tài chính’, Tạp chí Khoa học và Đào tạo ngân hàng, số 131, Quý

II/2013.

19. Phan Huy Hồng 2002, ‘Bàn về các vấn đề của pháp luật vỡ nợ quốc tế’, Tạp

chí Khoa Học Pháp Luật, Số 8/2002,

Truy cập tại

phap-luat-vo-no-quoc-te.26686/#ixzz42hJD46nY>, [ngày truy cập

01/03/2016]

20. Phan Thị Nhi Khánh 2016, Yếu tố tác động đến rủi ro phá sản của các

NHTM Việt Nam, Luận văn Thạc sĩ kinh tế, Đại học Kinh tế TP.HCM

21. Quốc hội nước Cộng Hòa Xã Hội Chủ Nghĩa Việt Nam, 2010, Luật Các tổ

chức tín dụng, Số: 47/2010/QH12, ngày 16/06/2010

22. Quốc hội nước Cộng Hòa Xã Hội Chủ Nghĩa Việt Nam, 2014, Luật Phá sản,

Số: 51/2014/QH13, ngày 19/06/2014.

Tài liệu Tiếng Anh

1. Allan H. Willett, 2002, The Economic Theory of Risk and Insurance,

University Press of the Pacific

2. Andrea M. Maechler, Srobona Mitra, and DeLisle Worrell,

2009,‘Decomposing Financial Risks and Vulnerabilities in Emerging

Europe’- IMF Staff Papers, Vol. 57, No. 1, trang 25-60

3. Andrew Logan, 2001, The United Kingdom’s small banks’ crisis of the early

1990s: what were the leading indicators of failure? - Bank of England

Working Paper, No. 139, trang 1-37

4. Altman Edward I, 1968, ‘Financial Ratios, Discriminant Analysis and the

Prediction of Corporate Bankruptcy’, Journal of Finance, vol. 23(4), trang

589-609.

5. Altman Edward I, 1977, ‘The Z-score Bankruptcy Model: Past, Present, and

Future.’

6. Altman Edward I, 1993, ‘Corporate Finance Distress and Bankruptcy’.

7. AtlmanEdward I, 2000, ‘Predicting Financial Distress of Companies:

Revisiting The Z-Score and ZETA Models’, truy cập tại

[ngày truy cập:

01/03/2016]

8. Anjum Sanobar, 2012, ‘Business bankruptcy prediction models: A significant

study of the Altman’s Z-score model’, Asian Journal of Management

Research, vol. 3(1), trang 212 - 219, truy cập tại

[ngày truy cập: 01/03/2016].

9. Beaver, W.H., 1966, Financial Ratios as Predictors of Failure, Journal of

Accounting Research, Vol. 4 (Supplement), pp. 71-111.

10. Boyd, J. H., & Graham, S. L., 1988, The profitability and risk effects of

allowing bank holding companies to merge with other financial firms: a

simulation study, Federal Reserve Bank of Minneapolis Quarterly Review

2,3-20,

Truy cập tại [ngày

truy cập: 01/03/2016]

11. Businessdictionary

Truy cập tại

12. Daniel Martin (1977), ‘Early warning of bank failure’, Journal of Banking &

Finance, Volume 1, Issue 3, Pages 249-276

13. Farrar, D. and Glauber, R. (1967), ‘Multicollinearity in Regression Analysis:

The Problem Revisited’, Review of Economics and Statistics, Vol.49, Pages

92-107.

14. Foos D., Norden L. and M. Weber, 2010, ‘Loan growth and riskiness of

banks’, Journal of Banking & Finance, Vol. 34, Issue 12, Pages 2929–2940

Truy cập tại

mannheim.de/1779/1/SSRN_ID1045001_code303097.pdf>[Ngày truy cập

01/03/2016]

15. Frank H. Knight, 1964, Risk Uncertainty and Profit, Martino Fine Books (tái

bản 2014)

16. Frederic S. Mishkin, 2006, ‘How Big a Problem Is Too Big to Fail? A

Review of Gary Stern and Ron Feldman's “Too Big to Fail: The Hazards of

Bank Bailouts”’, Journal of Economic Literature, Vol. XLIV (December

2006), pp. 988-1004

17. Grice, J and Ingram, R., 2001, ‘Tests of the generalizability of Altman’s

bankruptcy prediction model’, Journal of Business Research, vol. 54, trang

53-61,

Truy cập tại,

[ngày truy cập: 01/03/2016].

18. Gujarati, D. (2003). Basic Econometrics (4th edn), New York: McGraw-Hill.

19. Halling M., Hayden E., 2006, ‘Bank failure Predicttion: A Two-Step

Survival Time Approach’, SSRN.

20. Hannan, Timothy H. and Hanweck, Gerald A., 1988,‘Bank insolvency risk

and the market for large certificates of deposit’- Journal of Money, Credit and

Banking, Vol. 20, No. 2, trang 203-211

21. Irving Pfeffer, 1956, Insurance and Economic Theory, Public for S. S.

Huebner Foundation for Insurance Education, Univ. of Pennsylvania

22. Jordan Dan J.; Rice Douglas; Sanchez Jacques; Walker Christopher; Wort

Donald H., 2010, Predicting Bank Failures: Evidence from 2007 to 2010,

Truy cập tại

_evidence_from_2007_to_2010_-_11082010.pdf> [ngày truy cập:

01/03/2016]

23. Kaufman G.G. - Cato J., 1996, ‘Bank failures, systemic risk, and bank

regulation’, The Cato Journal, Vol. 16, No. 1 (Spring/Summer 1996)

Truy cập tại

/publication/23778765_Bank_failures_systemic_risk_and_bank_regulation/li

nks/56a7a38708aeded22e36f04d.pdf>, [ngày truy cập: 01/03/2016].

24. Logan A., 2001, ‘The UK’s small bank’s crisis of the early 1990s: what were

the leading indicators of failure’, Banking of England, truy cập tại

ngày truy cập:

01/03/2016]

25. Martin Čihák and Heiko Hesse, 2008, ‘Islamic Banks and Financial Stability:

An Empirical Analysis’, IMF Working Paper, No. 08/16.

26. Merton Robert C., 1977, ‘An analytic derivation of the cost of deposit

insurance and loan guarantees, An application of modern option pricing

theory’, Journal of Banking and Finance Vol 1/1977, pages 3-11

27. Montgomery H., Tran B. H., Santoso W.,Besar D., 2004, ‘Coordinate

failure? A cross-country bank failure prediction model’, ADB Institute

Discussion Paper, No. 32, truy cập tại

[ngày truy cập: 01/03/2016]

28. Ohlson, J. A. 1980, ‘Financial Ratios and the Probabilistic Prediction of

Bankruptcy’, Journal of accounting research, Vol. 18. No.l, truy cập tại

[ngày truy cập:

01/03/2016]

29. Peter S. Rose, 2001, Commercial Bank Management, McGraw-Hill/Irwin.

30. PWC 2006, Asset/Liability Management Benchmark Study: Analysis of a

PWC survey 2006.

31. Roy A. D., 1952, ‘Safety First and the Holding of Assets’, Econometrica,

Vol. 20, No. 3 (Jul., 1952), Pages 431-449

32. Shelagh Heffernan, 2005, Modern Banking, John Wiley & Sons Ltd,

England

33. Sherrill Shaffer, 2012, ‘Bank failure risk: Different now?’, Economics

Letters, Volume 116, Issue 3, Pages 613-616

xii

34. Shilo Lifschutz, Arie Jacobi, 2010, ‘Predicting Bankruptcy: Evidence from

Israel’, International Journal of Business and Management, Vol. 5, No. 4.

35. Sori, Z. M. and Karbhari, Y., 2004, “Bankruptcy prediction during the IMF

crisis: evidence from Malaysian listed industrial companies”, Truy cập tại:

[ngày truy cập:

01/03/2016]

36. Stephen Kealhofer, 1995.Managing default risk in portfolios Of Derivatives,

In Derivative Credit Risk, Ch.4.Risk Publications, pages 49 - 66.

37. Tabachnick, B. G., & Fidell, L. S., 1996, Using Multivariate Statistics, (3rd

ed.). New York: Harper Collins.

38. Unuafe Okaro Kenneth, Afolabi M. Adeniy, 2014, ‘Prediction of Bank

Failure Using Camel and Market Information: Comparative Appraisal of

Some Selected Banks in Nigeria’, Research Journal of Finance and

Accounting, Vol.5, No.3.

39. Whalen Gary, 1991, ‘A proportional hazard model of bank failure: an

examination of its usefulness as an early warning tool’, Federal Reserve Bank

of Cleveland Economic Review, Vol. 27, pages 21-31.

40. Wooldridge, J. (2002). Introductory Econometrics: A Mordern Approach,

2nd Ed., South-Western College.

xiii

PHỤ LỤC 1

Danh sách 25 NHTMCP Việt Nam được chọn lấy mẫu nghiên cứu

TT

Tên ngân hàng

Tên giao dịch

Trang chủ

Tên viết tắt trong bộ dữ liệu

Vốn điều lệ (tỷ VND)

9,377

ACB

acb.com.vn

5,335

SeaBank

SEABANK

seabank.com.vn

4,800

ABBank

ABB

abbank.vn

11,750

MSB

msb.com.vn

Maritime Bank, MSB

8,878 Techcomank

TCB

techcombank.com.vn

3,000 Kienlongbank

KLB

kienlongbank.com

namabank.com.vn

4,000 NamABank

NAMA BANK

3,500

NVB

ncb-bank.vn

9,345

VPB

vpbank.com.vn

Ngân hàng TMCP Á Châu Ngân hàng TMCP Đông Nam Á Ngân hàng TMCP An Bình Ngân hàng TMCP Hàng Hải Việt Nam Ngân hàng TMCP Kỹ Thương Việt Nam Ngân hàng TMCP Kiên Long Ngân hàng TMCP Nam Á Ngân hàng TMCP Quốc Dân Ngân hàng TMCP Việt Nam Thịnh Vượng

8,100

HDBank

HDBANK

hdbank.com.vn

Ngân hàng TMCP Phát triển Thành phố Hồ Chí Minh

11,256

MBB

mbbank.com.vn

4,000

VIB

vib.com.vn

3,080

Saigonbank

saigonbank.com.vn

Saigonbank, SGB

18,853

STB

sacombank.com.vn

Sacombank, STB

3,098

vietabank.com.vn

Ngân hàng TMCP Quân Đội Ngân hàng TMCP Quốc tế Ngân hàng TMCP Sài Gòn Công Thương Ngân hàng TMCP Sài Gòn Thương Tín Ngân hàng TMCP Việt Á

VietABank, VAB

VIETA BANK

xiv

TT

Tên ngân hàng

Tên giao dịch

Trang chủ

Tên viết tắt trong bộ dữ liệu

Vốn điều lệ (tỷ VND)

3,000

PGBANK

pgbank.com.vn

Ngân hàng TMCP Xăng dầu Petrolimex

Petrolimex Group Bank, PG Bank

12,355

EIB

eximbank.com.vn

Eximbank, EIB

Ngân hàng TMCP Xuất Nhập Khẩu Việt Nam

26,650

VCB

vietcombank.com.vn

Vietcombank, VCB

Ngân hàng TMCP Ngoại thương Việt Nam

37,234

CTG

vietinbank.vn

Vietinbank, CTG

Ngân hàng TMCP Công Thương Việt Nam

34,187

BIDV, BID

BID

bidv.com.vn

Ngân hàng TMCP Đầu tư và Phát triển Việt Nam

8,866 SHBank, SHB

SHB

shb.com.vn

Ngân hàng TMCP Sài Gòn-Hà Nội

3,400

OCB

ocb.com.vn

Ngân hàng TMCP Phương Đông

6,460

LPB

LienVietPost Bank, LPB

lienvietpostbank.com. vn

14,294 Sài Gòn, SCB

SCB

scb.com.vn

5,550

TPBank

tpb.vn

Ngân hàng TMCP Bưu Điện Liên Việt Ngân hàng TMCP Sài Gòn Ngân hàng TMCP Tiên Phong

TienPhong Bank, TP Bank

PHỤ LỤC 2

Tên viết tắt các NHTM được nêu trong bài nghiên cứu không được chọn lấy

mẫu nghiên cứu

TT

Tên ngân hàng

Tên viết tắt trong luận văn

1 Ngân hàng TMCP Đại Á

2 Ngân Hàng TMCP Đệ Nhất

DaiABank

Ficombank

GP Bank

4 5 Ngân Hàng TMCP Phát Triển Mê Kông

Ngân Hàng Thương Mại Trách Nhiệm Hữu Hạn Một Thành Viên Dầu Khí Toàn Cầu ( trước đây là Ngân hàng TMCP Dầu Khí Toàn Cầu) Ngân Hàng TMCP Nhà Hà Nội

Habubank MDB

MHB

8 Ngân hàng TMCP Đại Chúng Việt Nam 9 Ngân hàng TMCP Phương Nam 10 Ngân Hàng TMCP Việt Nam Tín Nghĩa 11 Ngân hàng TMCP Đại Tín

Oceanbank Ngân hàng TMCP Phát triển nhà đồng bằng sông Cửu Long Ngân Hàng Thương Mại Trách Nhiệm Hữu Hạn Một Thành Viên Đại Dương (trước đây là Ngân hàng TMCP Đại Dương)

PvcomBank Southernbank TinNghiaBank TrustBank

13 Ngân hàng TMCP Phương Tây

VNCB Ngân Hàng Thương Mại Trách Nhiệm Hữu Hạn Một Thành Viên Xây dựng Việt Nam (trước đây là Ngân hàng TMCP Xây dựng Việt Nam)

WesternBank

xvi

PHỤ LỤC 3

Kết quả hồi quy mô hình và kiểm định lựa chọn mô hình

- Phân tích hồi quy theo Pooled Regression:

Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12

- Phân tích hồi quy theo Fixed effectsmodel:

Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12

xvii

- Phân tích hồi quy theo Random effects model:

Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12

- Kiểm định Hausman:

Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12

PHỤ LỤC 4

Dữ liệu các biến sử dụng trong mô hình các yếu tố ảnh hưởng đến rủi ro phá sản NHTM Việt Nam

Ma NH

Nam

Z

LEV

LLP

NIR

LDR

TaiSan

SIZE

GDP

INF

ACB ACB ACB ACB ACB ACB ACB ACB SEABANK SEABANK SEABANK SEABANK SEABANK SEABANK SEABANK SEABANK ABB ABB ABB ABB ABB ABB

Ngan Hang 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 3 3 3 3 3 3

2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014

15.447182 13.809392 11.801501 13.005099 17.091853 16.808247 15.586835 14.669044 26.859480 19.720594 11.204259 9.891381 11.325802 11.077441 10.807664 9.717443 37.511326 25.581207 21.487657 20.124207 18.885886 16.978469

0.070003 0.102639 0.020503 0.380671 0.061118 0.054616 0.022327 0.425470 0.050425 0.044854 0.027185 0.410566 0.056809 0.075884 0.030048 0.475164 0.079076 0.194836 0.025584 0.660854 0.077501 0.184511 0.027530 0.695640 0.070767 0.150327 0.030879 0.707179 0.065763 0.176670 0.031677 0.731713 0.219362 0.113823 0.027295 0.396998 0.150439 0.145757 0.026196 0.403921 0.077765 0.080235 0.010873 0.276816 0.067370 0.129744 0.013148 0.220161 0.078737 0.084991 0.011129 0.261959 0.076752 0.278570 0.009050 0.356533 0.074604 0.081120 0.013903 0.487797 0.066008 0.351746 0.019594 0.576827 0.267522 0.107173 0.034465 0.615256 0.165035 0.077444 0.037455 0.591417 0.133585 0.304484 0.047062 0.566986 0.123483 0.099276 0.039228 0.496216 0.114463 0.272442 0.024274 0.455957 0.100850 0.288983 0.023766 0.436634

136,593,589 8.135430 186,491,999 8.270660 243,061,135 8.385716 228,663,463 8.359197 171,453,298 8.234146 173,104,380 8.238308 190,533,378 8.279971 217,568,931 8.337597 26,432,611 7.422140 42,919,282 7.632652 78,167,079 7.893024 88,079,653 7.944876 77,465,574 7.889109 80,024,050 7.903221 82,470,255 7.916297 94,060,902 7.973409 20,006,105 7.301163 32,266,887 7.508757 39,778,824 7.599652 43,777,823 7.641254 51,820,698 7.714503 62,546,280 7.796201

0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598

0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409

Ma NH

Nam

Z

LEV

LLP

NIR

LDR

TaiSan

SIZE

GDP

INF

Ngan Hang 3 3 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 6 6 6 6 6 6 6

ABB ABB MSB MSB MSB MSB MSB MSB MSB MSB TCB TCB TCB TCB TCB TCB TCB TCB KLB KLB KLB KLB KLB KLB KLB

2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015

16.232267 15.672313 10.586369 10.398443 12.755523 15.148756 15.554519 16.225786 19.879718 24.621834 13.548593 11.245263 10.883572 11.631341 12.843719 13.683118 13.562101 13.405315 29.601054 30.767634 31.180272 27.165705 25.007326 22.420619 20.469288

0.095614 0.402608 0.024989 0.472722 0.091718 0.360240 0.026343 0.556851 0.059582 0.125715 0.026494 0.385166 0.058351 0.071706 0.021425 0.328937 0.074000 0.003804 0.013560 0.325329 0.090370 0.253142 0.017922 0.324229 0.093195 0.201810 0.014877 0.283843 0.097901 0.615729 0.011097 0.264341 0.124244 0.810583 0.015209 0.277994 0.160378 0.773947 0.022879 0.372480 0.093340 0.192608 0.032962 0.493298 0.073899 0.121734 0.026222 0.420148 0.070909 0.064522 0.032032 0.376733 0.077109 0.283347 0.028383 0.393573 0.087317 0.326124 0.025592 0.444567 0.094498 0.391220 0.034484 0.492273 0.093457 0.502918 0.039216 0.572110 0.092111 0.449643 0.038105 0.651131 0.262188 0.071983 0.047093 0.856576 0.276304 0.067369 0.049746 0.756178 0.281374 0.041073 0.057664 0.649059 0.233701 0.067670 0.059187 0.612524 0.206478 0.079692 0.051779 0.650772 0.179424 0.098874 0.035692 0.672992 0.161613 0.079823 0.033972 0.713489

65,919,768 7.819016 69,315,667 7.840831 48,254,049 7.683534 89,609,064 7.952352 114,855,541 8.060152 112,149,187 8.049796 108,519,129 8.035506 105,741,812 8.024247 104,340,009 8.018451 98,458,569 7.993254 75,840,233 7.879900 121,436,360 8.084349 165,411,189 8.218565 180,232,381 8.255833 169,415,131 8.228952 167,399,229 8.223753 183,947,698 8.264694 213,678,369 8.329761 5,208,735 6.716732 10,028,119 7.001219 15,213,493 7.182229 18,215,100 7.260432 19,976,557 7.300521 22,238,021 7.347096 24,213,082 7.384050

0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668

0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063

Ma NH

Nam

Z

LEV

LLP

NIR

LDR

TaiSan

SIZE

GDP

INF

Ngan Hang 6 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9

KLB NAMABANK NAMABANK NAMABANK NAMABANK NAMABANK NAMABANK NAMABANK NAMABANK NVB NVB NVB NVB NVB NVB NVB NVB VPB VPB VPB VPB VPB VPB VPB VPB

2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016

18.005773 39.264388 34.934599 40.988701 46.861215 36.834630 25.747545 24.061904 22.794388 18.413094 19.951483 29.455698 34.572031 30.127327 23.431841 18.369702 13.576532 33.144403 28.008306 25.154338 22.252437 21.142888 19.621945 20.715304 23.419341

0.137169 0.117095 0.028203 0.734212 0.184877 0.082808 0.024109 0.616940 0.160088 0.168348 0.020632 0.470249 0.195047 0.095859 0.022895 0.411356 0.231031 0.180681 0.025568 0.459918 0.170837 0.190793 0.017912 0.481462 0.110779 0.113804 0.020648 0.474058 0.102183 0.248639 0.026931 0.567970 0.095807 0.419641 0.029330 0.628281 0.081973 0.284209 0.019392 0.564258 0.089768 0.085503 0.025333 0.583540 0.140536 0.093883 0.034819 0.635327 0.169874 0.120622 0.033230 0.684716 0.144303 0.041080 0.023531 0.595446 0.107825 0.082262 0.018221 0.506184 0.081754 0.136220 0.017936 0.471427 0.058175 0.207383 0.016255 0.413227 0.120005 0.077918 0.033523 0.695602 0.097399 0.093961 0.024660 0.516814 0.085228 0.072724 0.028678 0.414744 0.073126 0.134780 0.032009 0.382534 0.068569 0.219460 0.036478 0.426670 0.062386 0.185118 0.037195 0.488624 0.066824 0.316575 0.057983 0.583074 0.077960 0.350286 0.071775 0.666897

27,866,868 7.445088 8,414,572 6.925032 12,723,417 7.104604 16,773,256 7.224617 17,523,006 7.243609 22,394,983 7.350151 33,037,375 7.519006 36,381,486 7.560880 39,160,785 7.592851 14,797,616 7.170192 19,353,170 7.286752 21,256,217 7.327486 22,040,631 7.343224 25,329,785 7.403632 32,955,713 7.517931 42,533,536 7.628731 58,620,506 7.768050 23,065,008 7.362954 43,675,015 7.640233 71,312,485 7.853166 92,697,111 7.967066 111,920,323 8.048909 142,252,874 8.153061 178,558,903 8.251782 211,323,673 8.324948

0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621

0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267

xii

Ma NH

Nam

Z

LEV

LLP

NIR

LDR

TaiSan

SIZE

GDP

INF

HDBANK HDBANK HDBANK HDBANK HDBANK HDBANK HDBANK HDBANK MBB MBB MBB MBB MBB MBB MBB MBB VIB VIB VIB VIB VIB VIB VIB VIB Saigonbank

Ngan Hang 10 10 10 10 10 10 10 10 11 11 11 11 11 11 11 11 12 12 12 12 12 12 12 12 13

2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009

31.468903 20.816360 20.015206 24.210926 26.485437 24.863365 23.534542 20.245965 37.273147 33.537043 29.081593 28.112930 30.421812 31.904325 35.030721 37.731165 21.337243 23.350962 27.968398 36.197215 40.620580 37.081483 36.779260 32.841344 10.255939

0.137558 0.158827 0.016365 0.571302 0.084148 0.042036 0.019523 0.404334 0.080334 0.065789 0.032962 0.347928 0.100615 0.351424 0.017382 0.393798 0.111932 0.620096 0.004451 0.521359 0.104039 0.280190 0.017541 0.512186 0.097697 0.288044 0.031500 0.527097 0.081584 0.212396 0.036436 0.585593 0.111800 0.198242 0.032430 0.447987 0.097713 0.155223 0.039401 0.485669 0.081100 0.122769 0.042039 0.472128 0.077443 0.307027 0.041995 0.459453 0.085728 0.308992 0.034407 0.496463 0.091115 0.286910 0.036947 0.541103 0.102714 0.287225 0.034724 0.582156 0.112758 0.254433 0.033864 0.638918 0.060864 0.098973 0.024851 0.547249 0.067711 0.139540 0.027843 0.490220 0.083748 0.260782 0.039119 0.484160 0.113605 0.248926 0.036871 0.532221 0.130333 0.450006 0.027282 0.550891 0.116856 0.518128 0.029109 0.520495 0.115726 0.217170 0.028419 0.581337 0.101203 0.230797 0.027817 0.629587 0.173022 0.164047 0.044371 0.896413

14,342,672 7.156630 26,758,327 7.427459 39,707,324 7.598871 48,904,126 7.689346 69,504,736 7.842014 92,875,622 7.967902 103,005,269 8.012859 128,390,104 8.108532 56,677,197 7.753408 89,315,743 7.950928 124,227,345 8.094217 157,220,728 8.196510 177,995,514 8.250409 190,435,119 8.279747 210,765,583 8.323800 235,616,530 8.372206 45,679,000 7.659717 75,232,936 7.876408 95,459,657 7.979820 81,057,896 7.908795 70,949,038 7.850947 78,767,815 7.896349 82,484,896 7.916374 94,412,895 7.975031 11,540,637 7.062230

0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540

0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705

xiii

Ma NH

Nam

Z

LEV

LLP

NIR

LDR

TaiSan

SIZE

GDP

INF

Ngan Hang 13 13 13 13 13 13 13 14 14 14 14 14 14 14 14 15 15 15 15 15 15 15 15 16 16

Saigonbank Saigonbank Saigonbank Saigonbank Saigonbank Saigonbank Saigonbank STB STB STB STB STB STB STB STB VIETABANK VIETABANK VIETABANK VIETABANK VIETABANK VIETABANK VIETABANK VIETABANK PGBANK PGBANK

2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010

12.907146 14.264908 15.144599 15.877320 15.299200 13.803832 12.741867 18.617852 16.972389 17.195667 17.036568 17.341897 17.644011 15.134608 13.308219 21.924922 23.152255 26.847389 27.061943 24.837760 20.970677 17.911083 14.355297 14.865485 14.251193

0.235095 0.113640 0.039901 0.868713 0.269498 0.238172 0.052332 0.853712 0.292830 0.284927 0.063976 0.943114 0.312929 0.227776 0.046440 0.957047 0.297020 0.361143 0.044302 0.931150 0.257602 0.430759 0.037104 0.855741 0.231034 0.214913 0.034378 0.807794 0.118926 0.122639 0.026707 0.615024 0.106373 0.081693 0.030347 0.615508 0.107951 0.067604 0.039763 0.616084 0.106450 0.204899 0.044261 0.666589 0.108804 0.065581 0.042281 0.731785 0.111142 0.146632 0.037386 0.754875 0.092011 0.322347 0.027428 0.710730 0.078496 0.173165 0.012849 0.663080 0.137560 0.181623 0.026816 0.814134 0.146893 0.144861 0.026660 0.728154 0.175941 0.000000 0.021297 0.627610 0.177673 0.021672 0.013450 0.611519 0.159963 0.064685 0.018083 0.612732 0.130408 0.030495 0.012736 0.545327 0.108070 0.291295 0.028460 0.516207 0.083194 0.435141 0.016130 0.531238 0.146335 0.149232 0.035491 0.596018 0.138840 0.172028 0.038572 0.729008

14,343,960 7.156669 16,088,560 7.206517 15,108,817 7.179230 14,768,629 7.169340 15,254,038 7.183385 16,786,041 7.224948 18,398,318 7.264778 86,228,857 7.935653 128,203,040 8.107898 146,927,827 8.167104 146,793,621 8.166707 156,748,069 8.195202 175,590,120 8.244500 241,172,446 8.382328 312,918,555 8.495431 13,046,311 7.115488 19,949,821 7.299939 23,298,007 7.367319 23,560,874 7.372191 25,820,641 7.411967 31,311,572 7.495705 38,734,346 7.588096 51,671,686 7.713253 8,301,355 6.919149 13,398,418 7.127054

0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642

0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886

xiv

Ma NH

Nam

Z

LEV

LLP

NIR

LDR

TaiSan

SIZE

GDP

INF

PGBANK PGBANK PGBANK PGBANK PGBANK PGBANK EIB EIB EIB EIB EIB EIB EIB EIB VCB VCB VCB VCB VCB VCB VCB VCB CTG CTG CTG

Ngan Hang 16 16 16 16 16 16 17 17 17 17 17 17 17 17 18 18 18 18 18 18 18 18 19 19 19

2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011

16.217744 18.011941 16.734318 15.040280 15.439356 16.050763 28.059989 17.109855 12.212137 11.750562 11.621552 10.986270 11.910239 13.391815 25.462733 26.347484 28.619262 34.238221 35.982634 31.567834 27.729221 25.358666 22.534577 20.306254 22.339076

0.163186 0.111306 0.064567 0.787728 0.186325 0.288281 0.053252 0.834174 0.169755 0.297293 0.024572 0.733083 0.148486 0.157961 0.025922 0.643311 0.153426 0.320910 0.025971 0.694650 0.161079 0.292611 0.028091 0.783738 0.299403 0.069300 0.034747 0.681313 0.158308 0.091969 0.029334 0.593579 0.104658 0.051074 0.033708 0.480962 0.099857 0.048824 0.027714 0.465117 0.098522 0.109734 0.016097 0.511396 0.091998 0.291856 0.017139 0.564235 0.101513 0.422048 0.023844 0.664422 0.117120 0.353354 0.024302 0.755979 0.068274 0.121335 0.027223 0.569499 0.071268 0.183333 0.029082 0.606034 0.079038 0.279634 0.036841 0.618262 0.098751 0.301910 0.028011 0.633975 0.105015 0.326478 0.024409 0.644958 0.089284 0.382340 0.022962 0.622567 0.075968 0.392680 0.024697 0.611045 0.067906 0.345758 0.025340 0.619389 0.060418 0.131770 0.020352 0.688694 0.053026 0.250163 0.039538 0.684733 0.059766 0.244625 0.048406 0.675393

16,980,203 7.229943 18,416,490 7.265207 22,063,323 7.343671 25,327,555 7.403593 25,230,388 7.401924 24,752,974 7.393627 56,848,089 7.754716 98,279,619 7.992463 157,338,957 8.196836 176,861,521 8.247633 169,995,735 8.230438 164,990,363 8.217459 142,497,471 8.153807 126,825,592 8.103207 238,723,166 8.377895 281,558,612 8.449569 337,171,810 8.527851 390,605,298 8.591738 441,741,175 8.645168 522,994,842 8.718497 625,695,146 8.796363 731,150,766 8.864007 218,687,783 8.339825 305,757,932 8.485378 414,167,290 8.617176

0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624

0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868

Ma NH

Nam

Z

LEV

LLP

NIR

LDR

TaiSan

SIZE

GDP

INF

Ngan Hang 19 19 19 19 19 20 20 20 20 20 20 20 20 21 21 21

CTG CTG CTG CTG CTG BID BID BID BID BID BID BID BID SHB SHB SHB

2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011

25.048484 30.691872 33.028670 29.268160 25.956414 41.419452 45.097030 44.971276 41.304185 40.999353 39.632508 36.461970 33.657192 22.953405 17.605071 17.218904

0.068895 0.236588 0.038210 0.695202 0.088427 0.225604 0.033850 0.715533 0.096722 0.219609 0.028865 0.723504 0.083425 0.248367 0.026152 0.735656 0.071979 0.224151 0.025929 0.744610 0.060808 0.288524 0.025691 0.717788 0.067439 0.143245 0.027739 0.742065 0.067229 0.359375 0.032742 0.758072 0.060632 0.423017 0.029660 0.755280 0.060086 0.464717 0.027004 0.750336 0.057653 0.414723 0.028104 0.738619 0.052082 0.293883 0.025736 0.732686 0.047191 0.392532 0.025235 0.746650 0.126018 0.162671 0.030749 0.513400 0.091795 0.123209 0.030984 0.517433 0.089405 0.053509 0.031101 0.477977

482,067,092 8.683107 539,949,338 8.732353 618,805,072 8.791554 720,362,607 8.857551 864,091,255 8.936560 271,475,883 8.433731 331,349,928 8.520287 386,011,612 8.586600 445,270,007 8.648623 516,585,322 8.713142 599,363,228 8.777690 750,505,011 8.875354 928,652,409 8.967853 20,925,254 7.320671 39,251,029 7.593851 61,011,202 7.785410

0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624

0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868

SHB

2012

17.164624

0.089071

0.020003 0.500046

93,763,578 7.972034

0.0525

0.0909

SHB

2013

16.119127

0.082655

0.016175 0.555354

130,081,709 8.114216

0.0542

0.0659

- 0.301110 - 0.234253

21 21 21 22 22 22

SHB SHB SHB OCB OCB OCB

2014 2015 2016 2009 2010 2011

14.254856 12.624793 12.175493 33.329079 32.749525 29.788595

0.071399 0.227674 0.017437 0.618893 0.061748 0.227838 0.019779 0.669101 0.059118 0.311802 0.019038 0.709391 0.207964 0.081149 0.041582 0.997642 0.203334 0.029444 0.038830 0.810310 0.180276 0.085374 0.039823 0.665233

156,330,675 8.194044 186,869,843 8.271539 219,325,940 8.341090 11,390,958 7.056560 16,187,935 7.209191 22,559,575 7.353331

0.0598 0.0668 0.0621 0.0540 0.0642 0.0624

0.0409 0.0063 0.0267 0.0705 0.0886 0.1868

xvi

Ma NH

Nam

Z

LEV

LLP

NIR

LDR

TaiSan

SIZE

GDP

INF

OCB OCB OCB OCB OCB LPB LPB LPB LPB LPB LPB LPB LPB SCB SCB SCB SCB SCB SCB SCB SCB TPBank TPBank

Ngan Hang 22 22 22 22 22 23 23 23 23 23 23 23 23 24 24 24 24 24 24 24 24 25 25

2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010 2011 2012 2013 2014 2015 2016 2009 2010

28.057657 25.507463 22.182844 18.910958 16.329070 22.766503 12.350153 9.838604 9.594692 8.586499 7.177708 6.490472 5.896499 28.502039 29.070313 24.966347 25.722018 26.662898 22.480880 18.718814 16.123827 7.984468 6.061356

0.167201 0.212647 0.044844 0.686461 0.148457 0.237263 0.041764 0.713603 0.124907 0.281098 0.029914 0.651610 0.102654 0.273630 0.030066 0.609177 0.085706 0.198284 0.029325 0.632270 0.414633 0.043476 0.052901 0.446735 0.178638 0.046974 0.046772 0.343493 0.133062 0.036543 0.045165 0.280922 0.128823 0.125098 0.040046 0.329300 0.111632 0.124773 0.031106 0.400014 0.088470 0.099011 0.025398 0.427415 0.077517 0.173559 0.027777 0.503905 0.068227 0.122348 0.032261 0.581710 0.086270 0.244881 0.017891 0.637008 0.088199 1.614213 0.008041 0.611953 0.074425 0.313836 0.018052 0.585807 0.076935 0.000000 0.028131 0.617697 0.080076 0.347175 0.012006 0.579439 0.066251 0.000000 0.009664 0.561817 0.054135 0.505378 0.016287 0.579829 0.045998 0.499105 0.008719 0.611327 0.253502 0.095625 0.032930 0.330659 0.180556 0.229918 0.013455 0.314290

26,426,816 7.422045 30,109,673 7.478706 35,945,060 7.555639 44,271,050 7.646120 56,631,139 7.753055 12,409,940 7.093770 26,175,826 7.417900 45,558,529 7.658570 61,272,517 7.787266 73,003,469 7.863343 90,197,997 7.955197 104,194,569 8.017845 124,726,320 8.095958 46,544,264 7.667866 57,337,675 7.758440 69,098,448 7.839468 113,609,790 8.055416 165,112,081 8.217779 211,620,330 8.325557 276,867,869 8.442273 336,598,027 8.527112 6,573,587 6.817802 15,808,893 7.198901

0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642 0.0624 0.0525 0.0542 0.0598 0.0668 0.0621 0.0540 0.0642

0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886 0.1868 0.0909 0.0659 0.0409 0.0063 0.0267 0.0705 0.0886

TPBank

2011

4.245458

0.119064 0.000000

0.217318

22,887,253 7.359594

0.0624

0.1868

- 0.006972

TPBank

2012

4.962441

0.142562 0.264334 0.013729 0.278389

20,002,811 7.301091

0.0525

0.0909

xvii

Ma NH

Nam

Z

LEV

LLP

NIR

LDR

TaiSan

SIZE

GDP

INF

TPBank TPBank TPBank TPBank

Ngan Hang 25 25 25 25

2013 2014 2015 2016

5.895706 3.800141 2.854934 2.219890

0.174668 0.126536 0.025867 0.448111 0.104950 0.127863 0.023195 0.420014 0.076142 0.096062 0.021972 0.405175 0.057805 0.128127 0.023305 0.436580

23,604,205 7.372989 41,782,798 7.620998 63,849,195 7.805155 91,001,422 7.959048

0.0542 0.0598 0.0668 0.0621

0.0659 0.0409 0.0063 0.0267