Các nhân tố ảnh hưởng đến nợ xấu của Ngân hàng thương mại Việt Nam

Nội dung text: Các nhân tố ảnh hưởng đến nợ xấu của Ngân hàng thương mại Việt Nam

1. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 Các nhân tố ảnh hưởng đến nợ xấu của Ngân hàng thương mại Việt Nam Factors Influencing Non-Performing Loans of Vietnamese Commercial Banks Nguyễn Thị Ánh Hoa Trường Đại học Bà Rịa Vũng Tàu Email của tác giả liên hệ: [hoanta@bvu.edu.vn] THÔNG TIN TÓM TẮT Ngày nhận: 01/08/2021 Bài nghiên cứu này phân tích số liệu của 22 ngân hàng thương Ngày nhận lại: 19/08/2021 mại đang hoạt động tại Việt Nam trong giai đoạn 2012 - 2020 Duyệt đăng: 18/09/2021 để kiểm định tác động của các nhân tố kinh tế vĩ mô và nhân Từ khóa: tố vi mô đến tỷ lệ nợ xấu của các ngân hàng thương mại Việt Nam. Phương pháp được sử dụng để ước lượng là phương Nợ xấu, ngân hàng thương mại Việt Nam, nhân tố tác động, pháp phân tích hồi quy dữ liệu bảng gồm mô hình hồi quy gộp REM, FGLS (Pooled OLS), mô hình ảnh hưởng cố định (FEM) và mô hình các tác động ngẫu nhiên (REM). Bằng phương pháp bình phương tối thiểu tổng quát khả thi (FGLS) với ưu điểm có thể khắc phục hiện tượng phương sai thay đổi và tự tương quan, bài nghiên cứu đã tìm thấy 5 trong 6 nhân tố vĩ mô và nhân tố vi mô có ảnh hưởng đến nợ xấu của các ngân hàng thương mại Việt Nam. Từ kết quả nghiên cứu, tác giả đề xuất một số khuyến nghị dựa trên các nhân tố vĩ mô và nhân tố vi mô có ý nghĩa trong nghiên cứu đối với các nhà quản trị ngân hàng và cơ quan quản lý nhàn ước nhằm góp phần hạn chế nợ xấu và thúc đẩy ngành ngân hàng phát triển bền vững. ABSTRACT This study analyzes the data of 22 commercial banks Keywords: operating in Vietnam in the period 2012 - 2020 to test the impact of macro-economic factors and micro-factors on the Non-Performing loan, Vietnamese commercial banks, bad debt ratio of Vietnamese commercial banks. The method influencing factors, REM, used to estimate is the panel data regression analysis method FGLS including pooled regression model (Pooled OLS), fixed effects model (FEM) and random effects model (REM). By the method of feasible generalized least squares (FGLS) with the advantage of being able to overcome the phenomenon of variable variance and autocorrelation, the study found 5 out of 6 macro and micro factors. From the research results, the author has proposed some recommendations based on the macro and micro factors that are significant in the research for bank administrators and state management agencies in order to contribute to limiting reducing bad debt and promoting sustainable development of the banking industry. 52
2. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 1. Giới thiệu Hệ thống trung gian tài chính nói chung và ngân hàng thương mại nói riêng đóng vai trò rất quan trọng đối với sự phát triển của nền kinh tế thị trường, là cầu nối giữa các chủ thể trong nền kinh tế, làm cho các chủ thể gắn bó, phụ thuộc lẫn nhau, tăng sự liên kết và năng động của toàn bộ hệ thống. Do đó, sự ổn định và phát triển của ngành ngân hàng được xem là nhân tố then chốt đối với sự phát triển của nền kinh tế. Theo Kwambai và Wandera (2013), các NHTM đóng vai trò quan trọng ở các khu vực kinh tế phát triển, chính là cầu nối cho vốn được luân chuyển từ nơi thừa vốn đến nơi thiếu vốn. Thặng dư được chuyển sang thâm hụt thông qua quá trình cho vay, giúp phân bổ vốn giữa người gửi tiền và người đi vay. Nói cách khác, hoạt động cho vay nói riêng và cấp tín dụng nói chung vô cùng quan trọng và cần thiết đối với các NHTM. Tuy nhiên, gắn liền với hoạt động cho vay là các rủi ro mà không một ngân hàng hoặc một nền kinh tế nào có thể tránh khỏi đó chính là nợ xấu. Kể từ những năm 2008, năm bắt đầu của khủng hoảng tài chính thế giới, tỷ lệ nợ xấu đã tăng lên đáng kể. Từ đó, chủ đề nợ xấu luôn thu hút được nhiều sự chú ý không chỉ đối với ngành ngân hàng mà còn cả các quốc gia trên thế giới. Đối với hệ thống ngân hàng, hoạt động cho vay kém hiệu quả dẫn đến rủi ro tín dụng. Đây được xem là rủi ro nghiêm trọng nhất khi mà các khoản nợ xấu cao có thể dẫn đến sụt giảm lợi nhuận và giảm hiệu quả hoạt động của một ngân hàng trong dài hạn. Tỷ lệ nợ xấu cao sẽ ảnh hưởng đến nguồn lực, khiến cho các ngân hàng sử dụng vốn kém hiệu quả kèm theo đó là các vấn đề về khả năng thanh toán cho các khoản thanh toán của ngân hàng. Nợ xấu còn ảnh hưởng đáng kể đến các chức năng của ngân hàng thông qua sự suy yếu tài sản ngân hàng và sự suy giảm trong thu nhập khi các khoản nợ không thu hồi được ngày càng lớn. Ahmed và các cộng sự (2006) cho rằng, mức độ nợ xấu cao trong hệ thống ngân hàng có thể cho thấy tồn tại rủi ro hệ thống, từ đó có thể ảnh hưởng đến lượng tiền gửi và hạn chế hoạt động của các trung gian tài chính, kết quả là sẽ có tác động tiêu cực đến sự tăng trưởng đầu tư và kinh tế. Đặc biệt, nếu tình trạng nợ xấu không được cải thiện, sẽ khiến các ngân hàng thương mại bị mất uy tín trong hoạt động kinh doanh tín dụng của mình hay trong trường hợp xấu nhất là dẫn đến phá sản. Đối với thị trường mới nổi và các nền kinh tế phát triển, nợ xấu là một trong những nguyên nhân chính gây bất lợi đến sự ổn định và tăng trưởng vĩ mô thậm chí có thể đến khủng hoảng tài chính. Theo báo cáo của Ngân hàng Nhà nước cho biết tính từ năm 2012 đến cuối tháng 12/2019, toàn hệ thống các tổ chức tín dụng đã xử lý được 1.064 nghìn tỷ đồng nợ xấu. Trong năm 2019 tại Việt Nam, tỷ lệ nợ xấu nội bảng của toàn hệ thống ở mức 1,89%, hoàn thành mục tiêu dưới 2% mà Chính phủ đặt ra. Sang năm 2020, nợ xấu lại có xu hướng tiếp tục tăng trên 2% và tổng nợ xấu của các NHTM đã tăng khoảng 30% sau chín tháng năm 2020, nguyên nhân là do nền kinh tế bị ảnh hưởng bởi đại dịch Covid-19. Do ảnh hưởng của dịch bệnh Covid-19, thu nhập của doanh nghiệp và người dân bị giảm sút, tác động tiêu cực đến năng lực trả nợ của doanh nghiệp và người vay vốn nên tình trạng nợ xấu phát sinh là khó tránh khỏi. Mặc dù, công tác cơ cấu lại hệ thống các tổ chức tín dụng gắn với xử lý nợ xấu trong thời gian đại dịch Covid-19 đã đạt được kết quả đáng khích lệ, tuy nhiên vẫn còn tồn tại những khó khăn, vướng mắc trong quá trình xử lý nợ xấu. Hiện nay, kiểm soát và xử lý nợ xấu là một vấn đề trọng tâm của hệ thống ngân hàng để tạo nền tảng tài chính cho các ngân hàng dần phục hồi ổn định thì việc xem xét và phân tích các nhân tố ảnh hưởng đến nợ xấu trở thành nhiệm vụ quan trọng và cấp thiết. Xuất phát từ thực tiễn nêu trên, bài nghiên cứu này phân tích “Những nhân tố tác động đến nợ xấu tại NHTM Việt Nam” với kỳ vọng từ kết quả nghiên cứu sẽ đề xuất một số ý kiến nhằm cải thiện tỷ lệ nợ xấu của các NHTM giai đoạn 2012-2020 cho thời gian sắp tới. 53
3. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 2. Cơ sở lý thuyết 2.1 Khái niệm nợ xấu Có rất nhiều góc nhìn và quan điểm khác nhau về khái niệm nợ xấu nó tùy thuộc vào cách tiếp cận cũng như quan điểm của những người nghiên cứu. Thuật ngữ “nợ xấu” trong tiếng Anh ngoài từ “Non -performing loan” có thể được thay thế bằng các thuật ngữ khác như “Bad debt” hay “Doubtful debt” (Fofack, 2005). Nợ xấu chỉ các khoản vay quá hạn trên 90 ngày không thu hồi được gốc và lãi (Rose, 2009; Miskin, 2010). Nhìn chung, khái niệm nợ xấu không hoàn toàn đồng nhất ở các quốc gia khác nhau. Sau đây là một số khái niệm về nợ xấu được tham khảo phổ biến như sau: Theo AEG (2014), “Về cơ bản một khoản nợ được coi là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên 90 ngày; hoặc các khoản lãi suất chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc chậm trả theo thoả thuận; hoặc các khoản phải thanh toán đã thanh toán dưới 90 ngày nhưng có những lý do để nghi ngờ rằng các khoản thanh toán sẽ được thực hiện đầy đủ”. Cùng quan điểm với AEG, nhận định của Quỹ tiền tệ quốc tế (IMF- International Monetary Fund) được đưa ra như sau: “Một khoản cho vay được coi là không sinh lời (nợ xấu) khi tiền thanh toán lãi và/hoặc tiền gốc đã quá hạn 90 ngày trở lên, hoặc các khoản thanh toán lãi đến 90 ngày hoặc hơn đã được tái cơ cấu hay gia hạn nợ, hoặc các khoản thanh toán dưới 90 ngày nhưng có các nguyên nhân nghi ngờ việc trả nợ sẽ không được thực hiện đầy đủ” (IMF's Complication Guide on Financial Soundness Indicators, 2004). Nói cách khác, để các định nợ xấu liên quan đến 2 yếu tố: (i) Quá hạn trên 90 ngày và (ii) Nghi ngờ khả năng trả nợ. Trong khi đó, định nghĩa về nợ xấu vẫn chưa được Ủy ban Basel về Giám sát ngân hàng (BCBS) xác định một cách cụ thể. Ủy ban Basel xác định khoản nợ bị coi là không có khả năng hoàn trả khi một trong hai điều kiện sau xảy ra: (i) ngân hàng thấy người vay không có khả năng trả nợ đầy đủ khi ngân hàng chưa thực hiện bất cứ động thái gì để thu hồi nợ ví dụ như xử lý tài sản đảm bảo; (ii) người vay đã quá hạn trả nợ quá 90 ngày. Và BCBS đặc biệt nhấn mạnh đến khái niệm “mất mát có thể xảy ra trong tương lai” (expected loss) khi đánh giá một khoản vay. Tại Việt Nam, nợ xấu được hiểu là những khoản nợ đang tồn tại trên danh mục tín dụng của ngân hàng có chất lượng dưới chuẩn (under standard) trong hệ thống phân hạng nợ của ngân hàng. Định nghĩa nợ xấu theo tiêu chuẩn của Việt Nam được NHNN quy định tại Quyết định số 493/2005/QĐ-NHNN ngày 22/04/2005 và theo Thông tư số 02/2013/TTNHNN ngày 21/01/2013 của Ngân hàng Nhà nước thì nợ xấu là nợ thuộc các nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn). Trong đó, tiêu chí đánh giá nợ xấu được quy định trong Thông tư này cũng chủ yếu dựa vào thời gian quá hạn trả nợ trên 90 ngày và khả năng trả nợ của khách hàng. Tỷ lệ nợ xấu/tỷ lệ nợ quá hạn trên 90 ngày = dư nợ quá hạn trên 90 ngày/tổng dư nợ cho vay*100%. Tóm lại, theo các khái niệm trên thì nợ xấu được xác định theo 2 yếu tố chính: (i) nợ quá thời hạn thanh toán cả gốc, lãi từ 90 ngày trở lên và (ii) sự nghi ngờ về khả năng trả nợ của người đi vay. Bài viết cũng sử dụng tỷ lệ nợ xấu trên tổng dư nợ trong các báo cáo chính thức theo tiêu chuẩn kế toán Việt Nam của các NHTM trong việc thực hiện nghiên cứu định lượng. 2.2. Phân loại nợ xấu Theo quy định của NHNN Việt Nam, nợ của các TCTD được chia thành 5 nhóm theo chất lượng như sau: 54
4. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 Nhóm 1 - Nợ đủ tiêu chuẩn. Tất cả các khoản tín dụng được ngân hàng chấp nhận cấp tín dụng phải hội đủ tiêu chuẩn để xếp vào nhóm này. Gồm các khoản nợ có gốc và lãi trong hạn. Đồng thời, không có xuất hiện khó khăn nào trong việc thanh toán nợ và dự báo có thể trả nợ đầy đủ theo cam kết. Nhóm 2 - Nợ cần chú ý. Là các khoản nợ trong tình trạng có thể gặp phải nguy cơ không thanh toán đầy đủ, khả năng trả nợ giảm sút dấu hiệu này được phát hiện trong quá trình giám sát khoản vay. Tuy chưa nghiêm trọng nhưng khi nợ từ nhóm 1 chuyển xuống nhóm 2 cho thấy tình trạng đang xấu đi, do vậy NH cần quan tâm và có biện pháp kịp thời. Nhóm 3 - Nợ dưới tiêu chuẩn. Là nợ có khả năng tổn thất một phần gốc và lãi, gốc và/hoặc lãi đã quá hạn trên 90 ngày, hoặc tài sản đảm bảo của khoản nợ đó bị giảm giá trị dẫn đến mất mát nếu không có biện pháp xử lý kịp thời. Nhóm 4 - Nợ nghi ngờ. Là nợ có khả năng tổn thất cao được xác định là không thể thu hồi được gốc và/hoặc lãi đã quá hạn trên 180 ngày. Nhóm 5 - Nợ không có khả năng thu hồi. Các khoản nợ được cho là mất vốn khi gốc và/hoặc lãi đã quá hạn trên 1 năm. Trong đó, các khoản nợ xấu bao gồm nợ từ nhóm 3 trở xuống. 2.3. Tình hình nghiên cứu về các nhân tố tác động đến nợ xấu. Bảng 1. Tổng hợp các nghiên cứu có liên quan về các nhân tố ảnh hưởng đến nợ xấu Mô hình Dấu tương quan các nhân tố với Tác giả Phạm vi nghiên cứu nợ xấu Các NHTM và quỹ Salas và Mô hình dữ tiết kiệm Tây Ban Quy mô NH (-); GDP (-); Dự phòng Suarina liệu bảng Nha trong giai đoạn rủi ro (+); Tăng trưởng tín dụng (+). (2002) động 1985-1987 9 NH lớn tại Hy Louzis và Mô hình dữ Lạp trải dài từ quý cộng sự liệu bảng, GDP (-); Quy mô NH (-); ROE (-). I 2003 tới quý III (2012) GMM. 2009 Dimitrios và NHTM tại Ai Cập Mô hình dữ Quy mô ngân hàng (+); dự phòng cộng sự trong giai đoạn liệu bảng, rủi ro (+); ROE (+); GDP (-). (2012) 2003-2009 GMM. 10 NH lớn nhất từ 16 nền kinh tế tại Mô hình dữ Tỷ lệ thất nghiệp (+); Lạm phát (+); Trung, Đông và liệu bảng, Tỷgiá hối đoái (-); Tăng trưởng tín Nir (2013) Đông Nam Châu D-GMM và dụng (+); ROE (-); tỷ lệ VCSH/TS Âu (CESEE) giai S-GMM (-). đoạn 1998-2011 85 ngân hàng ở ba Mô hình hồi quốc gia (Ý, Hy GDP (-); ROA (-); Lãi suất (-); Tốc Messai và quy dữ liệu Lạp và Tây Ban độ tăng trưởng tín dụng (+); Tỷ lệ Jouini (2013) bảng và Nha) trong giai thất nghiệp (+). FEM đoạn 2004-2008 55
5. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 Mô hình Dấu tương quan các nhân tố với Tác giả Phạm vi nghiên cứu nợ xấu NHTM và tổ chức tiết kiệm trên 50 Mô hình GDP (-); Tỷ lệ lạm phát (+); Quy Amit Ghosh tiểu bang Hoa Kỳ FEM và D- mô ngân hàng (+); Dự phòng rủi ro (2015) và Quận Columbia GMM (+); Tăng trưởng tín dụng (+). trong giai đoạn 1984-2013 22 NHTM Việt Mô hình ROE (-); GDP (-); Nợ xấu trong quá Vinh (2015) Nam trong giai FEM và khứ (+); Quy mô NH (+); Tăng đoạn 2007-2014 GMM trưởng tín dụng (+). 25 NHTM Việt Mô hình dữ Tùng và Vân Chất lượng quản trị nhân lực (-); Tỷ Nam giai đoạn liệu bảng, (2015) suất sinh lời thời điểm trước (-) 2004-2014 GMM Mô hình Phước và 22 NHTM hoạt ROE (-); Tăng trưởng tín dụng (+); Pooled OLS cộng sự động trong giai Tổng tài sản (-); Dự phòng rủi ro gộp, FEM (2017) đoạn từ 2006-2015 (+) và REM 27 NHTMCP Việt Tỷ lệ nợ xấu năm trước (+); Chi phí Mô hình Thảo và Đan Nam giai đoạn dự phòng rủi ro tín dụng (+); Chi GMM sai (2018) 2005-2016 phí hoạt động (+); Lợi nhuận của phân ngân hang (-); ROE (-); GDP (-) Nguồn: Tổng hợp từ tác giả 2.4. Mô hình nghiên cứu Thông qua việc khảo lược các công trình nghiên cứu trước đây về vấn đề liên quan đến nợ xấu và khung lý thuyết liên quan đến nợ xấu thì tác giả tổng hợp các yếu tố sau ảnh hưởng đến nợ xấu và cũng là các yếu tố mà tác giả sẽ dự kiến đưa vào mô hình nghiên cứu đề xuất của mình. Trong đó tác giả lựa chọn mô hình của tác giả Amit (2015) do bài nghiên cứu này sử dụng các biến nghiên cứu có nét tương đồng với hoàn cảnh kinh tế Việt Nam phù hợp để điều chỉnh và có thể nghiên cứu được tại Việt Nam. Tuy nhiên tại Việt Nam thì yếu tố lạm phát ảnh hưởng đến nền kinh tế rất nhiều do ảnh hưởng tới vật giá sẽ kéo theo các ảnh hưởng đến chi phí sản xuất nên cũng ảnh hưởng đến số tiền vay của các doanh nghiệp và tiêu thụ hàng hóa trong nên kinh tế. Tác giả nhận thấy nghiên cứu Nir (2013) lại có nghiên cứu đến biến lạm phát bổ sung vào nghiên cứu của tác giả Amit (2015) nhưng nghiên cứu của Nir (2013) lại chủ yếu tập trung vào các yếu tố vĩ mô hơn là các yếu tố nội tại của ngân hàng để nghiên cứu tác động của chúng đến nợ xấu của NHTM. Vì vậy tác giả quyết định chọn bù đắp khe hở của hai nghiên cứu này để ra mô hình nghiên cứu cho đề tài này. Mô hình nghiên cứu đề xuất như sau: NPLi,t = 휷 + 휷 *SIZEi,t + 휷 *ROEi,t + 휷 *LLRi,t + 휷ퟒ* GROWi,t + 휷 *GDPt + 휷 *INFt + εi,t Trong đó: i và t = [1,2, , N], với i là số NHTM (22NHTM) và t là số năm nghiên cứu (9 năm); 훽0 = hệ số chặn; εi,t = sai số; Biến phụ thuộc là tỷ lệ nợ xấu NPLi,t được xác định bằng tổng tỷ lệ nợ xấu ngân hàng thứ i trong năm t trên dư nợ cho vay; Các biến độc lập bao gồm quy mô ngân hàng (SIZEi,t), tỷ suất sinh lời (ROEi,t), tốc độ tăng trưởng tín 56
6. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 dụng (GOWi,t), tỷ lệ dự phòng rủi ro tín dụng (LLRi,t), tốc độ tăng trưởng (GDPi,t) và tỷ lệ lạm phát (INFi,t). Bảng 2 Mô tả các biến trong mô hình Kì vọng Yếu tố Chỉ tiêu Kí hiệu Đo lường dấu Quy mô ngân hàng SIZEi,t Log(Tổng tài sảni,t) (+) Tỷ suất sinh lợi nhuận Lợi nhuận sau thuếi,t ROEi,t (-) trên vốn chủ sở hữu Vốn chủ sở hữu bình quân Yếu tố i,t Tỷ lệ trích lập dự Dự phòng rủi ro tín dụngi,t vi mô LLRi,t (+) phòng rủi ro tín dụng Tổng dư nợ tín dụngi,t Tốc độ tăng trưởng tín Dư nợ i,t − Dư nợ i,t−1 GROWi,t (+) dụng Dư nợ i,t−1 Tốc độ tăng trưởng GDP t − GDP t−1 tổng sản phẩm quốc GDPt (-) Yếu tố GDP nội t−1 vĩ mô CPI t − CPI t−1 Tỷ lệ lạm phát INFt (+) CPI t−1 Nguồn: Tác giả tổng hợp 3. Phương pháp nghiên cứu 3.1. Dữ liệu nghiên cứu Bộ dữ liệu vĩ mô: dữ liệu vĩ mô trong bài nghiên cứu này bao gồm tốc độ tăng trưởng GDP và tỷ lệ lạm phát hằng năm thuộc giai đoạn 2012 - 2020, tác giả lựa chọn lấy số liệu từ các website chính thống của World Bank (WB) và Tổng cục Thống kê (GSO) được thể hiện dưới dạng tỷ lệ phần trăm. Bộ dữ liệu vi mô: chủ yếu là dữ liệu thứ cấp được thu thập từ báo cáo tài chính hợp nhất và báo cáo thường niên được kiểm toán của 22 NHTM Việt Nam giai đoạn 2012 - 2020. 3.2 Phương pháp ước lượng mô hình Để thực hiện những mục tiêu nghiên cứu đã được đề cập ở trên, bài viết kết hợp giữa phương pháp định tính và phương pháp định lượng. Đối với phương pháp định tính, tác giả sử dụng các phương pháp như là mô tả, liệt kê và tổng hợp những nghiên cứu thực nghiệm trước đó, lược khảo các lý thuyết và các bài nghiên cứu trước theo từ khóa của đề tài để hình thành nên cơ sở lý thuyết và những yếu tố ảnh hưởng đến nợ xấu tại NHTM. Kết hợp sử dụng phương pháp phân tích so sánh và tổng hợp để thảo luận kết quả nghiên cứu cũng như đề xuất những kiến nghị. Đối với phương pháp định lượng, để ước lượng mô hình nghiên cứu tác giả sử dụng phương pháp hồi quy bình phương nhỏ nhất với 3 dạng mô hình dành riêng cho phân tích dữ liệu bảng là mô hình hồi quy gộp (Pooled OLS), mô hình ảnh hưởng cố định (Fix effect model - FEM) và mô hình các tác động ngẫu nhiên (Random effect model - REM). Đồng 57
7. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 thời kết hợp với phương pháp bình phương tối thiểu tổng quát khả thi (FGLS) để khắc phục các khuyết tật như hiện tượng phương sai của sai số thay đổi và hiện tượng tự tương quan 4. Kết quả nghiên cứu Thống kê mô tả mẫu nghiên cứu Bảng 3 Kết quả thống kê mô tả mẫu nghiên cứu Tên biến Giá trị Độ lệch Giá trị nhỏ Giá trị trung bình chuẩn nhất lớn nhất NPL 0,0372 0,0368 0 0,1592 SIZE 8,3611 0,6145 7,0367 9,2599 ROE 0,1161 0,0781 0 0,2799 LLR 0,0157 0,0075 0 0,0381 GROW 0,0907 0,0398 0,0323 0,2374 GDP 0,0599 0,0127 0,0291 0,0731 INF 0,0368 0,0184 0,006 0,0681 Nguồn: Trích xuất từ phần mềm STATA Tỷ lệ nợ xấu có giá trị trung bình là 3.72%, độ lệch chuẩn 3.68% đối với độ lệch chuẩn này thì giá trị giao động của NPL là không có thay đổi nhiều qua các năm tại giai đoạn này. Giá trị nhỏ nhất là 0% (Ngân hàng VAB năm 2018), giá trị lớn nhất là 15.92% (Ngân hàng VPB năm 2020). Theo kết quả thu thập được thì giá trị NPL qua các năm của ngân hàng không có giá trị đột biến do đây là tỷ lệ mà các ngân hàng luôn cố gắng giữ ở mức độ ổn định và thấp nhất có thể. Quy mô ngân hàng có giá trị trung bình là 8.3611, độ lệch chuẩn 61.45% đối với độ lệch chuẩn này thì quy mô ngân hàng có mức độ biến động lớn qua các năm tại mỗi ngân hàng và khoảng cách quy mô của các ngân hàng ngày càng được nới rộng. Giá trị nhỏ nhất là 7.0367 (Ngân hàng KLB năm 2017), giá trị lớn nhất là 9.2599 (Ngân hàng VPB năm 2020). Vào thời điểm những năm gần đây các ngân hàng ra sức gia tăng quy mô của mình để tạo được thương hiệu và dành lại thị phần cho mình trong hệ thống ngân hàng. ROE có giá trị trung bình là 11.61%, độ lệch chuẩn là 7.81% đối với độ lệch chuẩn này thì mức độ chênh lệch qua các năm tại mỗi ngân hàng khá lớn. Giá trị nhỏ nhất là 0% (Ngân hàng SCB năm 2012), giá trị lớn nhất là 27.99% (Ngân hàng VPB năm 2020). Khoảng cách về ROE của các ngân hàng trong giai đoạn này rất cao, nó thấy được sự cách biệt của các ngân hàng lớn và ngân hàng nhỏ trong hệ thống ngân hàng qua quá trình thu lợi nhuận của mình. Cụ thể các ngân hàng lớn như VCB, BID, CTG vẫn giữ được ROE của mình với mức tăng trưởng đều đặn. Tỷ lệ dự phòng rủi ro tín dụng có giá trị trung bình là 1.57%, độ lệch chuẩn là 0.75% với mức độ lệch chuẩn này ta có thể thấy các ngân hàng không có sự thay đổi về tỷ lệ dự phòng rủi ro qua các năm quá nhiều vì đây là tỷ lệ mà các ngân hàng luôn muốn duy trì ở mức thấp nhất có thể. Giá trị nhỏ nhất là 0 (Ngân hàng TPB năm 2012 và PVB năm 2013), giá trị lớn nhất là 3.81% (Ngân hàng VPB năm 2020). Tốc độ tăng trưởng tín dụng có giá trị trung bình là 9.07%, độ lệch chuẩn là 3.98% giá trị nhỏ nhất là 0.0323 (Ngân hàng SCB năm 2018), giá trị lớn nhất là 0.2374 (Ngân hàng BVB năm 2013). Tốc độ tăng trưởng kinh tế GDP có giá trị trung bình là 5.99%, độ lệch chuẩn là 1.27% giá trị nhỏ nhất là 2.91% vào năm 2020 đối sánh với tình hình thực tế Việt Nam đây là năm xảy ra đại dịch Covid 19 làm cho tình hình kinh tế cả nước tuột dốc, sản 58
8. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 xuất và tiêu thu hàng hóa đình trệ làm cho GDP năm nay thấp nhất lịch sử trong giai đoạn 10 năm gần đây và giá trị lớn nhất là 7.31% vào năm 2014. Tỷ lệ lạm phát có giá trị trung bình là 3.68%, độ lệch chuẩn là 1.84% đối với tỷ lệ lạm phát độ lệch chuẩn thấp vì chính phủ luôn cố gắng duy trì làm phát ổn định để ổn định tình hình tiêu thụ và giá sản phẩm lưu thông. Giá trị nhỏ nhất là 0.6% vào năm 2012 và giá trị lớn nhất là 6.81% vào năm 2020. Trong giai đoạn này thì năm 2020 với ảnh hưởng của đại dịch Covid 19 đã ảnh hưởng rất nhiều đến tình hình kinh doanh trong nước đã làm cho tỷ lệ lạm phát tăng rất nhanh, tình hình hàng hóa không được sản xuất ổ ạt, tiêu thu chậm nên giá cả hàng hóa leo thang. Sự tương quan của các biến trong mô hình Bảng 4 Ma trận hệ số tương quan của các biến độc lập trong mô hình SIZE ROE LLR GROW GDP INF SIZE 1.0000 ROE 0.6293 1.0000 LLR 0.5220 0.5168 1.0000 GROW 0.0691 0.1886 0.3582 1.0000 GDP -0.1584 -0.0191 -0.0791 -0.0404 1.0000 INF 0.6869 0.5248 0.5331 0.1371 -0.2150 1.0000 Nguồn: Trích xuất từ phần mềm STATA Theo bảng 4, ma trận tương quan nhằm xác định sự tác động cũng như mức độ tác động của các biến độc lập theo từng cặp. Điều này giúp ta thấy được các cặp biến độc lập nào có tương quan với nhau, tức là ảnh hưởng đến nhau trong mô hình hệ số tương quan giữa các biến có giá trị không cao, cao nhất là 0.6869 chuẩn so sánh theo Farrar và Glauber (1967) là 0.8 vì vậy không có hiện tượng đa cộng tuyến nghiêm trọng. Kết quả ước lượng mô hình Pooled OLS, tác động cố định (FEM) và tác động ngẫu nhiên REM Bảng 5 Tổng hợp kết quả hồi quy Pooled OLS, FEM và REM Các yếu tố Mô hình Pooled OLS Mô hình FEM Mô hình REM ảnh hưởng SIZE 0.0067 0.0123 0.0079 ROE 0.0495 0.0666 0.054 LLR 1.5197 1.5540 1.5342 GROW 0.4012 0.4343 0.4144 GDP 0.0181 0.0113 0.0156 INF 0.4572 0.2733 0.4122 Constant -0.1030 -0.1478 -0.1125 R-Squared 0.7297 0.7816 0.7794 Adj R-Squared 0.7212 0.7236 0.7292 F(6,191) 85.92 101.43 561.99 Nguồn: Kết quả chạy từ phần mềm STATA 59
9. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 Kết quả hồi quy của ba mô hình thì mức độ phù hợp của ba mô hình đều cao trên 70%, dấu tương quan của các biến độc lập đến nợ xấu của cả ba mô hình đều giống nhau điều này chứng minh sự phù hợp của số liệu nghiên cứu. Mặt khác tại kết quả của ba mô hình thì biến GDP không có ý nghĩa thống kê hay không có tác động đến nợ xấu. Vì vậy tiến hành kiểm định mô hình phù hợp cuối cùng để có kết quả nghiên cứu chính thức. So sánh sự phù hợp giữa mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM) Để lựa chọn mô hình thích hợp để nghiên cứu hơn giữa mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM), tác giả sử dụng kiểm định Hausman. Giả thuyết kiểm định như sau: Giả thuyết H0: Không có tương quan giữa các biến độc lập và phần dư (mô hình REM phù hợp); Giả thuyết H1: Có tương quan giữa các biến các biến độc lập và phần dư (mô hình FEM phù hợp) Theo kết quả kiểm định Hausman, giá trị P-value = 0.000 thấp hơn 0.05 vì vậy chấp nhận giả thuyết giả thuyết H1, bác bỏ giả thuyết H0 đồng nghĩa sẽ là mô hình tác động ngẫu nhiên FEM là mô hình phù hợp nghiên cứu hơn. Trong ba mô hình kiểm định Pooled Ols, mô hình tác động cố định FEM và mô hình tác động ngẫu nhiên REM thì mô hình FEM là mô hình có tính vững nhất. Vì vậy, kết quả kiểm định Hausman ủng hộ cho việc chọn mô hình FEM là mô hình phù hợp nhất để phân tích các kết quả tiếp theo của nghiên cứu. Kiểm định các hiện tượng khuyết tật và khắc phục khuyết tật cho mô hình tác động cố định FEM Bảng 6 Kết quả kiểm định khuyết tật của mô hình tác động cố định FEM Hiện tượng phương sai thay đổi Hiện tượng tự tương quan H0: sigma(i)^2 = sigma^2 for all i H0: no first order autocorrelation chi2 (22) = 172.58 F( 1, 21) = 37.617 Prob>chi2 = 0.0000 Prob > F = 0.0000 Nguồn: Kết quả chạy từ phần mềm STATA Kết quả của kiểm định Prob>chi2 = 0.0000 thấp hơn 0.05 vì vậy ta bác bỏ H0 chấp nhận H1 hay đã có xảy ra hiện tượng phương sai thay đổi và hiện tượng tự tương quan trong mô hình tác động cố định FEM. Khắc phục khuyết tật trong mô hình tác động cố định FEM Bảng 7 Kết quả ước lượng mô hình bằng phương pháp FGLS Biến phụ thuộc NPL Biến độc lập Hệ số hồi quy Sai số chuẩn Giá trị P-value SIZE 0.0109 0.0031 0,000 ROE 0.0774 0,0200 0.000 LLR 1.1723 0.1890 0.000 GROW 0.4941 0.0323 0.000 GDP 0.0897 0,0734 0.222 60
10. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 Biến phụ thuộc NPL Biến độc lập Hệ số hồi quy Sai số chuẩn Giá trị P-value INF 0.4430 0,0944 0.000 Constant -0.1499 0.0252 0.000 Số quan sát 198 Wald chi2(8) 821.66 Prob > chi2 0.0000 Nguồn: Kết quả chạy từ phần mềm STATA Với biến phụ thuộc là NPL sau khi sử dụng FGLS để khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi, mô hình có ý nghĩa ở mức ý nghĩa 1% (do Prob =0.0000) nên mô hình hồi quy được xây dựng là phù hợp. Bảng 8 Tóm tắt kết quả nghiên cứu NPL Biến độc lập Giả thuyết Kết quả nghiên cứu Kỳ vọng dấu Kỳ vọng dấu P-value Mức ý nghĩa SIZE + + 0.000 Có ý nghĩa thống kê ROE - + 0.000 Có ý nghĩa thống kê LLR + + 0.000 Có ý nghĩa thống kê GROW + + 0.000 Có ý nghĩa thống kê GDP - + 0.222 Không có ý nghĩa thống kê INF + - 0.000 Có ý nghĩa thống kê R2 0.7816 Nguồn: Tác giả tổng hợp Mô hình hồi quy: NPLi,t = -0.1499 + 0.0109*SIZEit + 0.0774*ROEit + 1.1723*LLRit + 0.4941* GROWit + 0.443*INFt 5. Kết luận và hàm ý chính sách 5.1 Kết luận của nghiên cứu Trong hoạt động của NHTM Việt Nam thì quy mô ngân hàng là một trong những nhân tố khẳng định được vị thế của ngân hàng trong thị trường, nó còn thể hiện năng lực cạnh tranh của ngân hàng trong hệ thống ngân hàng. Vì vậy, khi quy mô càng lớn thì các ngân hàng càng tham vọng muốn kiếm được lợi nhuận nhiều hơn vì thế sẽ tích cực gia tăng hoạt động tín dụng từ đó tạo ra nguy cơ gây ra nợ xấu do chất lượng tín dụng có thể bị bỏ qua. Đây cũng chính là kết luận của nhóm tác giả Salas và Suarina (2002); Amit (2015); Vinh (2015). Khi các NHTM Việt Nam hoạt động tín dụng tốt thì sẽ tạo ra nhiều lợi nhuận, lợi nhuận này chính là cố gắng giảm bớt hay hạn chế được tối đa nợ xấu và việc trích lập dự phòng. Tuy nhiên tại nghiên cứu này thì kết quả này đi ngược lại suy luận đó nhưng lại đồng kết quả với nhóm tác giả Dimitrios và cộng sự (2012) cho rằng nếu các NHTM muốn đẩy mạnh tình trạng nóng của hoạt động tín dụng để gia tăng lợi nhuận thì sẽ gia tăng dư nợ càng nhiều vì vậy điều này đồng nghĩa với việc lợi nhuận có thể tăng thêm nhưng nợ xấu từ đó cũng gia tăng vì thời điểm này ngân hàng có thể bỏ qua các yếu tố quản lý rủi ro tín dụng chặt chẽ và nới lỏng việc cho vay để gia tăng lợi nhuận từ hoạt động tín dụng nhiều hơn. 61
11. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 Chính vì vậy trong hoàn cảnh tín dụng nóng thì tỷ suất lợi nhuận tăng tiềm tàng nguy cơ gia tăng nợ xấu. Tỷ lệ trích lập dự phòng chính là tỷ lệ mà ngân hàng bảo hiểm rủi ro cho những khoản nợ xấu đến nợ, nợ khó đòi hay nợ có khả năng mất vốn của mình. Vì vậy tỷ lệ này ngân hàng sẽ trích lập khi các khoản nợ có rủi ro xuất hiện. Chính vì thế tỷ lệ này càng tăng thì khả năng ngân hàng gặp nợ xấu càng nhiều hay nói cách khác lợi nhuận trong hoạt động tín dụng của ngân hàng có khả năng giảm. Đây cũng chính là kết luận của nhóm tác giả Amit (2015); Thảo và Đan (2018). Đối với NHTM tại Việt Nam việc tăng trưởng tín dụng là một tín hiệu đáng mừng vì ngân hàng có thể luân chuyển các nguồn vốn từ huy động đến các đối tượng cần vốn thông qua hoạt động tín dụng. Tuy nhiên nó lại mang một rủi ro tiềm ẩn đó chính là khi tăng trưởng tín dụng càng mạnh nếu ngân hàng có thể kiểm soát tốt việc thu hồi nợ gốc và lãi sẽ làm ngân hàng ngày càng giàu có nhưng nếu do tăng trưởng tín dụng mà không thu hồi được lãi cũng như nợ gốc thì làm tình trạng nợ xấu ngày càng nghiêm trọng đe dọa đến hoạt động của ngân hàng. Đây cũng chính là kết luận của nhóm tác giả Salas và Suarina (2002); Amit Ghosh (2015); Phước và cộng sự (2017). Trong nghiên cứu này của tác giả thì đối với yếu tố tốc độ tăng trưởng kinh tế thì kết quả nghiên cứu cho thấy yếu tố không có ý nghĩa thống kê trong mô hình vì vậy tốc độ tăng trưởng không có tác động đến nợ xấu tại các NHTM Việt Nam. Luận giải cho vấn đề này thì trong môi trường kinh tế phát triển thì việc trả nợ của khách hàng còn phụ thuộc vào ý chí trả nợ của khách hàng với ngân hàng mặt khác khách hàng có thể chiếm dụng vốn của ngân hàng làm việc sai mục đích nên dù kinh tế có tăng trưởng vẫn ảnh hưởng đến khả năng trả nợ. Thêm một khác đó chính là việc công nợ chồng chéo của các doanh nghiệp làm cho chậm trễ tiến độ cho ngân hàng. Nền kinh tế có lạm phát sẽ làm cho sức mua của đồng tiền giảm, giá cả hàng hóa tăng theo làm cho các chi phí sản xuất hàng tăng theo ảnh hưởng đến việc lưu thông hàng bán hàng khó khăn thừ đó tình hình kinh doanh của khách hàng sẽ khó khăn hơn sẽ dẫn đến việc chậm tiến độ trả tiền cho ngân hàng vì vậy sẽ phát sinh nợ xấu tại các ngân hàng thương mại điều này tương đồng với kết quả nghiên cứu của Nir (2013). 5.2. Các hàm ý chính sách - Những hàm ý chính sách dành cho đặc thù ngân hàng Đối với tỷ lệ trích lập dự phòng: Trích lập dự phòng ảnh hưởng trực tiếp đến lợi nhuận các NHTM, là nguyên nhân ảnh hưởng đến quá trình cho vay các NHTM, dẫn đến sự gia tăng tỷ lệ nợ xấu. Các NHTM, đặc biệt là các nhà quản trị cần có chính sách trích lập dự phòng hợp lý, hài hòa giữa quản trị những tổn thất do nợ xấu gây ra đồng thời đảm bảo lợi nhuận để đầu tư và phát triển. Đối với hoạt động tăng trưởng tín dụng: Kết quả nghiên cứu cho thấy tốc độ tăng trưởng khoản vay có mối quan hệ cùng chiều với tỷ lệ nợ xấu. Vì vậy trong quá trình cho vay các NHTM cần thận trọng hơn, bởi lẽ hoạt động của NHTM chịu tác động của quá trình thanh lọc chặt chẽ của nhà nước, áp lực lợi nhuận trong nền kinh tế thị trường, sự cạnh tranh của các NHTM diễn ra khá gay gắt, một số NHTM có tốc độ tăng trưởng tín dụng kỳ trước thấp sẽ cố gắng chạy đua tín dụng hệ lụy kéo theo là tỷ kệ nợ xấu tăng lên. Để tỷ lệ nợ xấu được duy trì ở mức an toàn, các NHTM cần xem xét, đánh giá việc tăng trưởng của các 62
12. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 khoản vay, tránh chạy đua trong lợi nhuận, tăng trưởng tín dụng cao nhưng chất lượng tín dụng kém dễ dẫn đến nợ xấu tăng cao, bên cạnh đó NHTM cần có biện pháp hỗ trợ doanh nghiệp để họ có thể tiếp cận nguồn vốn vay với chi phí thấp nhất, các khoản mục cho vay phải dựa trên tiềm lực tài chính, dự án khả thi, và sức khỏe thực sự của doanh nghiệp, vì dòng vốn cho vay nếu không được sử dụng hiệu quả sẽ rất khó kiểm soát và gặp nhiều rủi ro. Đối với yếu tố tỷ suất lợi nhuận ROE: Các NHTM Việt Nam hiện đang trong thời điểm cạnh tranh nhau rất nhiều về thị phần hoạt động hay sức ảnh hưởng trong hệ thống ngân hàng. Đa phần các ngân hàng muốn phát triển tín dụng và tăng sức nóng của tăng trưởng tín dụng để thu được nhiều lợi nhuận hơn. Vì vậy, các công cụ quản lý tín dụng được nới lỏng để gia tăng các khoản vay đây chính là việc dẫn đến nợ xấu. Chính vì thế, đối với tỷ suất sinh lời các NHTM cần phải chọn chiến lược hoạt động bền vững ổn định, tránh tình trạng tăng trưởng tín dụng nóng, đồng thời hoạt động tín dụng gắn chặt với các công cụ quản lý hoạt động tín dụng để phòng ngừa các rủi ro tín dụng và hạn chế nợ xấu cho ngân hàng. Đối với yếu tố quy mô ngân hàng: Các NHTM Việt Nam cần có chiến lược tài cấu trúc ngân hàng hợp lý và trong công tác gia tăng tổng tài sản hay quy mô ngân hàng. Việc gia tăng tổng quy mô ngân hàng nhằm gia tăng thị phần cho ngân hàng trong hoạt động kinh doanh nhưng đối với hoạt động tín dụng thì các ngân hàng cần có chiến lược độc lập giữa việc phát triển quy mô ngân hàng và phát triển hoạt động tín dụng. Để hạn chế việc do muốn mở rộng quy mô thì dẫn đến tăng trưởng tín dụng nóng để gia tăng lợi nhuận điều này sẽ tiềm ẩn rủi ro tín dụng và dẫn đến nợ xấu tăng cao. - Ngoài ra các khuyến nghị liên quan đến các hoạt động của ngân hàng như sau: Kiểm tra đánh giá chính xác tình hình nợ xấu hiện nay: Phân loại nợ xấu để có biện pháp riêng xử lý phù hợp. Nợ xấu của các NHTM là do không có khả năng chi trả của khách hàng, trong đó phần lớn là doanh nghiệp, mối tương tác hai chiều giữa hoạt động cấp tín dụng NHTM và quá trình sản xuất kinh doanh có mối liên hệ chặt chẽ, xử lý không tốt dẫn đến sự sụp đỗ dây chuyền cho nền kinh tế. Nâng cao hệ thống quản trị rủi ro và kiểm soát dòng tiền của khách hàng vay vốn: Dựa trên kết quả nghiên cứu cho thấy tỷ lệ dự phòng trên tổng nợ xấu tỷ lệ có xu hướng tăng cùng chiều với diễn biến nợ xấu, điều này giải thích hệ thống giám sát, quản trị rủi ro ngân hàng yếu kém, chưa tiến hành trích lập dự phòng đúng theo quá trình phát sinh hình thành nợ xấu, khoản mục trích lập dự phòng chưa được các ngân hàng trích lập tương xứng so với nợ xấu phát sinh nên dẫn đến tình trạng nợ cũ chưa xử lý hết thì phải xử lý nợ xấu phát sinh. Bên cạnh đó để phòng ngừa nợ xấu tăng cao trong tương lai thì chính các ngân hàng cần có hệ thống giám sát, quản lý chặt chẽ về hoạt động tín dụng làm giảm thiểu tối đa các rủi ro từ phía các ngân hàng cấp tín dụng, phía khách hàng vay vốn và những rủi ro từ các chính sách kinh tế vĩ mô của nhà nước. Xây dựng, hoàn thiện hệ thống quản trị rủi ro theo chuẩn mực quốc tế Basel II theo đó yêu cầu quản lý rủi ro dường như mang đến sự thay đổi đáng kể trong kinh doanh cơ bản của ngân hàng. Quản trị kém dẫn đến nhiều hoạt động rủi ro cao, yếu tố quản trị có vai trò quan trọng trong việc giảm tỷ lệ nợ xấu của NHTM, quản trị yếu kém không chỉ gây tổn thất cho một ngân hàng mà nó còn mang rủi ro nhất định mang tính dây chuyền cho ngân hàng khác, kết quả nghiên cứu cho thấy các ngân hàng tỷ lệ lợi nhuận ròng trên vốn chủ sở hữu cao, kiểm soát tốt chi phí kinh doanh cũng như 63
13. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 kiểm soát tốt nợ xấu sẽ góp phần giảm thiểu tỷ lệ nợ xấu, vì vậy các ngân hàng cần quan tâm hơn nữa đến công tác quản trị rủi ro, góp phần đẩy lùi nợ xấu tại các NHTM Việt Nam. Đẩy mạnh công tác thu hồi nợ: Qua kết quả đạt được trong quá trình xử lý nợ xấu trong những năm gần đây, bên cạnh bán nợ cho VAMC, các NHTM cũng cần chủ động xử lý nợ xấu bằng các biện pháp như: xử lý tài sản đảm bảo thu hồi nợ vay. Đối với các doanh nghiệp có tiềm năng, tình hình quản trị tốt đang gặp khó khăn về tài chính các NHTM có biện pháp hỗ trợ kịp thời, bằng cách chứng khoán hóa nợ gốc và lãi nhằm cứu doanh nghiệp khỏi nguy cơ phá sản và đảm bảo nguồn vốn cho ngân hàng. - Hàm ý chính sách liên quan đến các tác động vĩ mô: Trong nghiên cứu yếu tố vĩ mô gây tác động đến nợ xấu được kết luận đó chính là tỷ lệ lạm phát. Khi mô trường kinh tế có lạm phát cao thì chính phủ sẽ có những chính sách tiền tệ thắt chặt từ đó làm cho lãi suất cho vay của các ngân hàng và tỷ lệ dự trữ bắt buộc của NHTM sẽ tăng lên. Vì vậy, vào những thời điểm này các NHTM không nên mở rộng hoạt động tín dụng hoặc cần thận hơn với việc chọn khách hàng có lịch sử giao dịch tốt để làm việc để tránh tính trạng dẫn đến nợ xấu cho ngân hàng. Tài liệu tham khảo Ahmed, A. S., Kilic, E., & Lobo, G. J. (2006). Does recognition versus disclosure matter? Evidence from value-relevance of banks recognized and disclosed derivative financial instruments. The Accounting Review, 81(3), 567-588. Bùi Duy Tùng và Đặng Thị Bạch Vân (2015). Ảnh hưởng của các yếu tố nội tại đến nợ xấu các ngân hàng thương mại Việt Nam. Tạp chí Phát triển kinh tế, 26(10), trang 111 - 128. Dimitrios P. Louzis; Angelos T. Vouldis; Vasilios L. Metaxas (2012). Macroeconomic and bank-specific determinants of non-performing loans in Greece: A comparative study of mortgage. Business and consumer loan portfolios, 36(4), 0-1027. Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013). Phân tích thực tiễn về những yếu tố quyết định đến nợ xấu tại các ngân hàng thương mại Việt Nam. Kỷ yếu hội thảo khoa học: Seminar Nghiên cứu kinh tế và Chính sách số 7. Fofack (2005). Non-performing Loans in Sub-Saharan Africa: Causal Analysis and Macroeconomic Implications. World Bank Policy Research Working Paper, 3769. IMF (2004). Financial Soundness Indicators (FSIs): Compilation Guide. Ghosh, A. (2015). Banking-industry specific and regional economic determinants of non-performing loans: Evidence from US states. Journal of Financial Stability, 20, pp.93- 104. Keeton, W.R. and Morris, C. (1987). Why Do Banks’ Loan Losses Differ? Federal Reserve Bank of Kansas City. Economic Review, Vol.72, No.5, 3-21. Klein, N. (2013). Non-performing loans in CESEE: Determinants and Impact on Macroeconomic Perfomance. IMF Country Report, No. 13/86. Kwambai, K. D., & Wandera, M. (2013). Efects of credit information sharing on non performing loans: the case of Kenya. commercial bank Kenya. European Scientific Journal, ESJ, 9(13). 64
14. Nguyễn Thị Ánh Hoa. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số 01/09-2021 Louzis, P., Vouldis, T. and Metaxas, L. (2012). Macroeconomic and bank- specific determinants of non-performing loans in Greece: a comparative study of mortgage, business and consumer loan portfolios. Journal of Banking and Finance, Vol.36, No.4, 1012-1027. Messai, A.S. and Jouini, F. (2013). Micro and macro determinants of non- performing loans. International journal of economics and financial issues, 3(4), pp.852-860. Ngân hàng nhà nước (2005). Về việc ban hành quy định về phân loại nợ, trích lập và sử dụng dự phòng để xử lý rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng, Nguồn website Thư viện pháp luật truy cập ngày 15/06/2020. Nguyễn Kim Phước và cộng sự (2017). Tác động của các yếu tố nội bộ đến nợ xấu của các ngân hàng thương mại Việt Nam. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 59(2), 88-99. Nguyễn Thị Hồng Vinh (2017). Nợ xấu của hệ thống ngân hàng thương mại Việt Nam. Luận án tiến sỹ kinh tế, Trường Đại học Ngân hàng TP.HCM. Nguyễn Văn Tiến (2009). Giáo trình Ngân Hàng Thương Mại. Hà Nội, Việt Nam: NXB Thống Kê. Phan Thị Thu Hà (2013). Giáo trình ngân hàng thương mại. Hà Nội, Việt Nam: NXB Kinh tế quốc dân. Phạm Thái Hà (2016). Nợ xấu - Nhận diện và đo lường. Tài chính vĩ mô, số 07, trang 12-15. Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018). Các yếu tố ảnh hưởng đến tỷ lệ nợ xấu của các ngân hàng thương mại cổ phần Việt Nam. Chính sách và thị trường tài chính, số 194 (Tháng 7/2018), trang 1-10. Trầm Thị Xuân Hương, Hoàng Thị Minh Ngọc (2013). Giáo trình nghiệp vụ ngân hàng thương mại. TPHCM, Việt Nam: NXB Kinh tế TP HCM. Salas, V. and Saurina, J. (2002). Credit Risk in Two Institutional Regimes: Spanish Commercial and Savings Banks. Journal of Financial Services Research, Vol.22, No.3, 203-224. 65