Nghiên cứu ảnh hưởng của các vụ việc tiêu cực đến các ngân hàng thương mại Việt Nam

Nội dung text: Nghiên cứu ảnh hưởng của các vụ việc tiêu cực đến các ngân hàng thương mại Việt Nam

1. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 NGHIÊN CỨU ẢNH HƢỞNG CỦA CÁC VỤ VIỆC TIÊU CỰC ĐẾN CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM RESEARCH ON THE EFFECTS OF NEGATIVE CASES TO VIETNAMESE COMMERCIAL BANKS Phạm Hồng Linh, Tạ Thanh Huyền, Đỗ Thu Hằng, Nguyễn Thị Diễm Hương Học viện Ngân hàng huyentt@hvnh.edu.vn TÓM TẮT Trong vài năm trở lại đây, số lượng các vụ bê bối trong lĩnh vực ngân hàng xuất hiện rất nhiều trên các phương tiện truyền thông đã đặt ra câu hỏi cho các nhà nghiên cứu về ảnh hưởng của chúng đối với ngân hàng. Các bằng chứng và lý luận đều chỉ ra rằng các vụ việc bê bối hay các sự kiện tổn thất hoạt động này không chỉ gây tổn cho các tổ chức xảy ra vụ việc còn về mặt tài chính mà còn ảnh hưởng nghiêm trọng đến danh tiếng của ngân hàng. Hậu quả có thể kéo theo bao gồm sự suy giảm giá trị cổ phiếu và vốn hóa thị trường; sự suy giảm dòng tiền dự kiến trong tương lai; mất khách hàng hiện tại và khách hàng tiềm năng trong tương lai; phá hủy niềm tin vào ngân hàng và lợi thế cạnh tranh; suy giảm các mối quan hệ kinh doanh hiện tại hoặc tương lai và các nhà quản lý có thể áp đặt các gánh nặng tuân thủ lớn hơn. Bài nghiên cứu cố gắng tìm ra ảnh hưởng đối với các ngân hàng sau các vụ việc tiêu cực. Kết quả nghiên cứu chỉ ra rằng các ngân hàng Việt Nam đều bị ảnh hưởng sau các vụ bê bối lớn mặc dù ảnh hưởng lên danh tiếng của các ngân hàng sau các sự kiện này là chưa rõ ràng. Một kết quả thu được khác của nghiên cứu là đã khái quát được các vấn đề lý thuyết liên quan đến rủi ro hoạt động và sự kiện tổn thất hoạt động, rủi ro danh tiếng và tổn thất danh tiếng; lược khảo các nghiên cứu về các phương pháp đo lường ảnh hưởng danh tiếng, từ đó, thiết kế ra được một phương pháp có thể quan sát được ảnh hưởng của việc công bố thông tin lên giá trị của công ty trong điều kiện của Việt Nam; nghiên cứu cũng tìm thấy một số bằng chứng cho thấy thị trường Việt Nam hoạt động khá hiệu quả. Từ khóa: Ngân hàng, rủi ro hoạt động, tổn thất danh tiếng, tổn thất hoạt động. ABSTRACT In the past few years, the increasing number of scandals in the banking sector appearing in the media raised questions for researchers about their influence on banks. Both theory and practice indicate that these scandals or operational loss events not only cause harm to the financial institutions but also seriously affect the reputation of the banks. Possible consequences include decline in stock value and market capitalization; decrease in expected future cash flow; losing current and potential customers; destroying trust in banks and competitive advantage; diminishing current or future business relationships and regulators may impose greater compliance burdens. The paper attempted to find impacts on banks after negative events. The findings of the study indicate that major scandals have a certain impact on Vietnamese banks, although the effect on their reputation is less clear. The other results of the study are generalizing theoretical issues related to operational risks and operational loss events, reputational risks and reputational losses; reviewing studies on methods of measuring reputational loss, which help to develop a model that can observe the influence of information disclosure on the value of a company in the context of Vietnam. The study also found some evidence that the Vietnamese market operates quite effectively. Key words: Bank, operational risk, operational loss, reputational risk, reputational loss. 1. Các khái niệm cơ bản 1.1. Rủi ro hoạt động và sự kiện tổn thất hoạt động Rủi ro hoạt động là một chủ đề luôn giành được nhiều sự quan tâm trong suốt quá trình phát triển của nền kinh tế nói chung và ngành ngân hàng nói riêng. Định nghĩa rủi ro hoạt động đã được các học giả phát triển, sửa đổi trong một khoảng thời gian dài như Cooke (2004), Frame (2002) hoặc trong nghiên cứu của SAS (2007). Định nghĩa chính thức về rủi ro hoạt động được đưa ra từ Basel 2, theo đó, “Rủi ro hoạt động là rủi ro tổn thất do các quy trình, con người và hệ thống nội bộ không đầy đủ hoặc không thành 598
2. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 công hoặc từ các sự kiện bên ngoài (BCBS 2003a, tr.2). Định nghĩa về rủi ro hoạt động này dựa trên cơ sở các nguyên nhân rủi ro hoạt động cơ bản được chia thành bốn loại: con người, quy trình, hệ thống và các sự kiện bên ngoài. Định nghĩa này bao gồm rủi ro pháp lý, nhưng không bao gồm rủi ro chiến lược, danh tiếng và hệ thống (BCBS 2001). Theo quan điểm kinh doanh, rủi ro hoạt động có thể được coi là rủi ro do sản xuất hàng hóa và dịch vụ cho khách hàng của một công ty dịch vụ tài chính, tức là những rủi ro phát sinh từ sự đổ vỡ trong quá trình sản xuất mà có bao gồm chuỗi giá trị của tổ chức. Khi rủi ro hoạt động xảy ra đồng nghĩa với việc xuất hiện các sự kiện tổn thất hoạt động. Basel 2, sự kiện tổn thất hoạt động được phân thành 7 nhóm chính bao gồm (1) Gian lận nội bộ; (2) Gian lận bên ngoài; (3) Thực tiễn về việc làm và an toàn tại nơi làm việc; (4) Khách hàng, sản phẩm và thực tiễn kinh doanh; (5) Thiệt hại đối với tài sản vật chất; (6) Gián đoạn trong kinh doanh và thất bại của hệ thống; (7) Thực hiện, phân phối và quản lý quy trình. Ủy ban tin rằng mỗi sự kiện nên được báo cáo riêng rẽ và đưa ra hướng dẫn về cái gì sẽ tạo ra một sự kiện (BCBS, 2002). 1.2. Rủi ro danh tiếng Có nhiều định nghĩa khác nhau về rủi ro danh tiếng. Định nghĩa đầu tiên về rủi ro danh tiếng là do Hội đồng Quản trị của Hệ thống Dự trữ Liên bang (Board of Governors of the Federal Reserve System) (2004): “Rủi ro danh tiếng là khả năng mà công bố tiêu cực liên quan đến thực tiễn kinh doanh của một tổ chức, kể cả khi điều đó đúng hoặc sai, sẽ làm suy giảm cơ sở khách hàng, kiện tụng tốn kém, hoặc giảm doanh thu”. Rủi ro danh tiếng thường được định nghĩa là rủi ro của rủi ro (Eckert và Gatzert, 2017). Trong nghiên cứu về Solvency II, khung pháp lý Châu Âu dành cho các công ty bảo hiểm, Comité Européen des Assurances (CEA) và Groupe Consultatif Actuariel Européen (2007) đã định nghĩa rủi ro danh tiếng là “rủi ro do các thông tin có hại liên quan đến hoạt động kinh doanh của doanh nghiệp, dù chính xác hay không, gây mất lòng tin vào vào tính toàn vẹn của tổ chức. Trong một bài viết tư vấn gần đây của khung quy định ngân hàng Basel II, BIS (2009) đã đưa ra một định nghĩa cập nhật về các trạng thái rủi ro danh tiếng như sau: “Rủi ro danh tiếng được định nghĩa là rủi ro phát sinh từ nhận thức tiêu cực từ phía khách hàng, đối tác, cổ đông, nhà đầu tư hoặc cơ quan quản lý, có thể ảnh hưởng xấu đến khả năng duy trì hoạt động kinh doanh hiện tại hoặc các hoạt động kinh doanh mới và việc tiếp cận các nguồn vốn của ngân hàng (ví dụ, thông qua các thị trường liên ngân hàng hoặc chứng khoán hóa). Nhìn chung, rủi ro danh tiếng là bất kỳ rủi ro nào có thể làm tổn hại vị trí hoặc giá trị của một tổ chức trong mắt các bên thứ ba. Nó cũng có thể xảy ra khi mà danh tiếng của một công ty hao mòn dần dần. Tuy nhiên, rõ ràng là thị trường cổ phiếu phản ứng rất mạnh với các thiệt hại danh tiếng gây ra bởi một số sự kiện hoạt động tiêu cực. Thật vậy, giá cổ phiếu của công ty có thể được giả định là giá trị hiện tại được chiết khấu của dòng tiền được tạo ra. Bất kỳ sự kiện danh tiếng nào đều sẽ tác động đến các dòng tiền hiện tại hoặc tương lai dự kiến và do đó làm cổ phiếu của công ty mất giá. Chúng ta có thể giả định rằng, một thông báo tổn thất có thể được diễn giải rằng kiểm soát, quản lý của công ty yếu kém. Trong trường hợp này, cổ đông có thể sẽ bán cổ phiếu nếu họ nghi ngờ rằng sẽ tiếp tục có những khoản lỗ trong tương lai. Do đó chúng ta có thể giả định rằng một hiệu ứng danh tiếng có thể được đo gián tiếp thông qua tác động của một công bố lỗ trên giá trị vốn cổ phần của một công ty. 2. Lƣợc khảo các nghiên cứu về đo lƣờng tổn thất danh tiếng Một trong những vấn đề xoay quanh rủi ro danh tiếng là vấn đề định lượng. Trước khi có thể giải quyết thỏa đáng rủi ro danh tiếng, người quản lý rủi ro phải có một số phương tiện để định lượng tác động tài chính của mình để có thể áp dụng các nguồn lực tương xứng để giải quyết vấn đề (Way và cộng sự, 2013). Way và các cộng sự (2013) đã chỉ ra nếu tác động tài chính của rủi ro danh tiếng được coi là nhỏ, thì không cần phải đầu tư nguồn lực đáng kể để giải quyết rủi ro, nhưng nếu ngược lại thì cần phải có nguồn lực để bù đắp các tổn thất. Chính vì thế, việc đo lường danh tiếng và tổn thất danh tiếng cũng dành được sự quan tâm của nhiều tác giả. 599
3. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 Vào năm 2007, Eccles, và các cộng sự đã lưu ý rằng 70% đến 80% giá trị doanh nghiệp có được từ các tài sản vô hình như tài sản thương hiệu và lợi thế thương mại, và do đó, các tổ chức rất dễ bị ảnh hưởng bởi các yếu tố tác động làm tổn hại đến danh tiếng của họ (Eccles, 2007). Các tác giả này cho thấy việc định giá doanh nghiệp và danh tiếng của công ty có liên quan đến nhau và các yếu tố làm tổn hại đến uy tín của công ty sẽ dẫn đến thiệt hại cho việc định giá của công ty. Từ đây dẫn đến ý tưởng là dữ liệu định giá doanh nghiệp theo thời gian đã tích hợp vào nó một lượng giá trị uy tín nhất định. Và như vậy có thể tách ra thành phần “uy tín” và định lượng nó đồng thời cũng gợi ý đến những yếu tố tiềm năng tác động đến rủi ro danh tiếng. Một cách tiếp cận để định lượng danh tiếng của công ty là lấy giá thị trường (giá trị của tất cả các cổ phiếu trên thị trường) trừ đi giá trị ròng của bảng cân đối kế toán của công ty (tài sản của công ty trừ đi các khoản nợ của công ty hay chính là vốn chủ sở hữu). Katz (2010) cho rằng chính giá trị đó phản ánh rủi mức độ danh tiếng của tổ chức. Ưu điểm của mô hình này là rất dễ áp dụng, nhưng có những nhược điểm - hầu hết liên quan đến việc sử dụng bảng cân đối kế toán như một phương tiện để tính giá trị hữu hình của công ty. Vì bảng cân đối đại diện cho giá trị ròng của công ty vào một ngày cụ thể, nó chỉ đơn giản phản ánh giá trị tại thời điểm đó. Chẳng hạn, nếu bảng cân đối kế toán được công bố kể từ ngày 1 tháng 1 năm 2013, việc định giá tài sản ròng của công ty có thể chỉ chính xác trong một thời gian ngắn, và vì thế bảng cân đối kế toán công bố càng lâu thì việc sử dụng dữ liệu càng kém hợp lý. Một vấn đề khác với bảng cân đối kế toán là chúng hiếm khi phản ánh chính xác giá trị của các tài sản được liệt kê trong đó bởi vì theo GAAP, một tài sản phải được ghi nhận theo nguyên giá chứ không phải giá trị thị trường thực tế của nó (Ross và cộng sự, 2002). Do đó, theo giả thuyết thị trường hiệu quả, khi nhận ra giá trị thực của tài sản trên bảng cân đối kế toán, bản thân thị trường sẽ làm tăng giá cổ phiếu của một công ty nắm giữ các tài sản đó để phản ánh tốt hơn giá trị thực của công ty, được tính bằng giá cổ phiếu trên thị trường nhân với số lượng cổ phiếu phát hành (Ross và các cộng sự, 2002). Do đó, điều này đặt ra câu hỏi là liệu sự khác biệt giữa giá trị thị trường và giá trị ròng của bảng cân đối kế toán có thực chất là do danh tiếng (Katz, 2010). Mặc dù điều này có thể đúng với một số công ty, đặc biệt là những công ty có ít tài sản vốn trên bảng cân đối kế toán, có những vấn đề với việc áp dụng phương pháp như vậy. Ý tưởng rằng danh tiếng và tổn thất danh tiếng có thể được định lượng bằng cách sử dụng dữ liệu thị trường chứng khoán có nguồn gốc từ Giả thuyết thị trường hiệu quả (Efficiency Market Hypothesis – EMH). Theo EMH, giá cổ phiếu của một công ty giao dịch công khai phản ánh tất cả các thông tin được biết công khai về công ty và nếu thông tin mới được công khai, thị trường sẽ điều chỉnh giá cổ phiếu nhanh chóng và hiệu quả để phản ánh thông tin có sẵn (Cleary và Jones, 2000). Do đó, theo giả thuyết thị trường hiệu quả, một khi sự kiện ngành xảy ra và được biết đến rộng rãi thì thị trường sẽ điều chỉnh giá một cách nhanh chóng và hiệu quả, và do đó ảnh hưởng đến việc xác định giá thị trường của công ty. Điều đó trả lời cho câu hỏi đo lường tác động kinh tế tiêu cực của các biến cố đến công ty (Way và các cộng sự, 2013). Dựa vào giả thuyết thị trường hiệu quả, các mô hình đo lường rủi ro danh tiếng được ra đời. Năm 2005, Perry và de Fontnouvelle (2005) đã đề xuất một mô hình để định lượng tổn thất danh tiếng sau khi thông báo về một sự kiện mất mát hoạt động lớn trong ngành tài chính. Về bản chất, mô hình của họ kiểm tra các tổn thất về giá trị thị trường của một công ty sau khi một khoản lỗ tài chính có thể định lượng đã được công ty công bố. Theo giả thuyết thị trường hiệu quả, họ lập luận, các thị trường nên di chuyển để điều chỉnh định giá thị trường của công ty theo số tiền thua lỗ được công bố. Tuy nhiên, họ đã nhận thấy rằng, trong những trường hợp như vậy, tổn thất thị trường thường lớn hơn số tiền thua lỗ được công bố. Sự khác biệt giữa hai con số, họ lập luận, là sự mất mát về mặt danh tiếng. Một số nghiên cứu khác đã sử dụng logic tương tự và áp dụng một mô hình tương tự trong nỗ lực định lượng sự mất danh tiếng sau khi thông báo về sự kiện mất mát như Gillet và cộng sự, 2010; Stur, 2013 và Fiordelisi và cộng sự, 2013. Trong các trường hợp trên, đã có thông báo về tổn thất có thể định lượng. Những tổn thất được biết đến sau đó được so sánh với tổn thất giá trị thị trường sau đó, với sự khác biệt trong hai khoản tiền đại diện cho tổn thất có thể định lượng về danh tiếng. Mô hình này dường như đã khắc phục nhược điểm được 600
4. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 thấy trong mô hình dựa trên bảng cân đối ở chỗ không dựa vào dữ liệu giá trị sổ sách từ bảng cân đối. Với mô hình này, giá trị thị trường của một công ty tại thời điểm A, trước khi có thông báo thua lỗ, được so sánh với giá trị thị trường của công ty tại thời điểm B, tại một thời điểm sau thông báo thua lỗ và giá trị cơ bản của tài sản của công ty không ảnh hưởng đến việc tính toán tổn thất danh tiếng.Một nhược điểm của mô hình này khi áp dụng nó vào các tình huống tai nạn công nghiệp là thường xảy ra sự cố công nghiệp và thị trường sẽ bắt đầu phản ứng tiêu cực với tin tức ngay lập tức trước khi có bất kỳ con số đáng tin cậy nào về tổn thất cứng thực tế. Trong một số trường hợp, có thể là vài tháng hoặc thậm chí nhiều năm trước khi tổng chi phí của một vụ tai nạn công nghiệp được biết đến. Một mô hình đo lường nữa được phát triển bởi Way và các cộng sự (2013), được coi là một biến thể của mô hình 2 do sử dụng logic tương tự như mô hình 2 để định lượng tổn thất danh tiếng sau một sự cố tổn thất. Trong mô hình này, con số đại diện cho các khoản lỗ cứng sẽ chỉ có sẵn vào lúc nào đó sau sự kiện thua lỗ, không giống như mô hình 2 khi tổn thất thị trường xảy ra sau khi thông báo về một mức lỗ được đo lường. Từ đó cho thấy mô hình không thể được sử dụng cho đến khi công ty có thể đưa ra ước tính về những tổn thất nặng nề mà nó đã phải chịu hoặc dự kiến sẽ phát sinh do một sự cố công nghiệp cụ thể. Điều đó cũng có nghĩa là mô hình này sẽ phải áp dụng cho các thời điểm cụ thể, điều này nghĩa là tổn thất danh tiếng dự kiến sẽ là một con số động và sẽ thay đổi theo thời gian. Mô hình được định nghĩa như sau: A = Giá trị thị trường trước sự kiện thua lỗ. Bi = Giá trị thị trường i ngày sau khi sự kiện tổn thất xảy ra. Li = Tổn thất danh tiếng i ngày sau sự kiện tổn thất. Hi = Lỗ cứng theo định lượng của công ty i ngày sau sự kiện tổn thất. Từ đó: Li = A - Bi - Hi (1) Trong đó, Hi sẽ không thay đổi thường xuyên. Tổn thất cứng là tổn thất bao gồm tổn thất sản phẩm, tổn thất thiết bị, tiền phạt của các cơ quan chính phủ, hoặc khoản tiền nhận được do hành động pháp lý chống lại công ty. Mặc dù dữ liệu thị trường chứng khoán trong quá khứ thường có thể thu thập, một trong những vấn đề lớn nhất với mô hình 3 là nó dựa vào việc có các số liệu trước đó để thể hiện các khoản lỗ cứng tại các thời điểm cụ thể và dựa trên việc nhìn lại các sự cố công nghiệp trong quá khứ, từ đó khó xác định chính xác những gì các khoản lỗ cứng dự kiến sẽ có tại những thời điểm cụ thể đó. Nhiều năm sau thực tế, có thể biết rõ những tổn thất nặng nề là gì, nhưng với mục đích của mô hình này, những số liệu xuất hiện rất lâu sau khi sự cố xảy ra không được sử dụng cho mô hình như công chúng và thị trường sẽ không biết những số liệu tại thời điểm trong câu hỏi. Để mô hình hoạt động hiệu quả nhất, dữ liệu phải phản ánh thông tin có sẵn tại thời điểm được đề cập vì đó là những gì thị trường sẽ sử dụng để định giá công ty tại thời điểm đó. Ngoài ra, nếu đó là mục tiêu cuối cùng để phát triển mô hình này thành mô hình dự đoán thay vì chỉ đơn giản là nhìn lại các sự kiện trong quá khứ, thì dữ liệu hiện tại vào thời điểm đó là bắt buộc (Way và các cộng sự, 2013). 3. Phƣơng pháp nghiên cứu 3.1. Xây dựng giả thuyết nghiên cứu Từ lược khảo các nghiên cứu, nhóm nghiên cứu nhận thấy, để theo dõi tác động của các sự kiện tổn thất hoạt động lên danh tiếng của công ty phù hợp với điều kiện Việt Nam có thể sử dụng phương pháp nghiên cứu sự kiện, là một phương pháp thường được sử dụng trong nghiên cứu tài chính doanh nghiệp (Woon, 2004). Dựa trên hầu hết các nghiên cứu sử dụng nghiên cứu sự kiện, đề tài giả định rằng thị trường chứng khoán có hiệu quả theo nghĩa là tất cả thông tin có sẵn công khai đã được phản ánh vào giá cổ phiếu của công ty. Nếu thông báo về sự kiện tổn thất hoạt động truyền tải thông tin tiêu cực và bất ngờ, giá cổ phiếu của tổ chức sẽ bị ảnh hưởng bất lợi. Trong một thị trường vốn hiệu quả, các thông báo về các sự kiện thua lỗ hoạt động được cho là mang tính thông tin nếu chúng dẫn đến sự thay đổi trong đánh giá 601
5. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 của các nhà đầu tư về dòng tiền trong tương lai của công ty. Nếu không, các thông báo được cho là không mang tính thông tin. Lập luận này dẫn đến giả thuyết sau đây: H11: Sự kiện tổn thất hoạt động làm thay đổi giá cổ phiếu của công ty bị ảnh hưởng. Nghĩa là, thông báo sự kiện tổn thất hoạt động là mang tính thông tin, cụ thể hơn, truyền đạt thông tin tiêu cực về giá trị của công ty. Theo lập luận của những người phản đối yêu cầu tăng vốn tự có để bù đắp rủi ro hoạt động, nếu các nhà đầu tư tránh các sự kiện tổn thất hoạt động bằng cách giữ danh mục đầu tư đa dạng, việc công bố tổn thất hoạt động sẽ không làm cho giá trị của một tổ chức tài chính thiệt hại vượt quá giá trị khoản tổn thất. Tuy nhiên, nếu thông báo truyền tải thông tin bất lợi ảnh hưởng đến kỳ vọng của các nhà đầu tư về dòng tiền trong tương lai thì giá trị thị trường có thể mất nhiều hơn khoản lỗ hoạt động. Nhóm nghiên cứu đưa ra suy luận rằng, phản ứng thị trường tiêu cực hơn sau các thông tin tổn thất hoạt động là hậu quả của các hiệu ứng danh tiếng, từ đó, dẫn đến giả thuyết sau: Giả thuyết H21: Các sự kiện tổn thất hoạt động truyền tải thông tin bất lợi về dòng tiền dự kiến trong tương lai của công ty và do đó khiến giá trị doanh nghiệp giảm nhiều hơn chính số tổn thất đó. Nhóm nghiên cứu tiếp tục nghiên cứu sâu hơn bằng cách liên kết các hiệu ứng danh tiếng này với các đặc tính của thông báo (như loại tổn thất). Đối với các tổ chức tài chính, sự tin tưởng của khách hàng là một tài sản quan trọng có thể bị lung lay đáng kể bởi một số loại sự kiện tổn thất hoạt động (Merton, 1995). Điều này dẫn đến giả thuyết thứ ba sau đây: Giả thuyết H31: Các loại tổn thất hoạt động khác nhau tác động khác nhau đến giá cổ phiếu của ngân hàng. 3.2. Phương pháp phân tích dữ liệu định lượng Nghiên cứu sử dụng Phương pháp nghiên cứu sự kiện là một phương pháp thường được sử dụng trong nghiên cứu tài chính doanh nghiệp (Woon, 2004) để phân tích dữ liệu. Phương pháp nghiên cứu sự kiện hướng đến việc quan sát tác động của các sự kiện lên giá cổ phiếu của ngân hàng bằng cách đo lường suất sinh lợi (SSL) bất thường (abnormal return) của cổ phiếu và so sánh sự khác biệt giữa SSL thực tế và SSL kỳ vọng của cổ phiếu trong cửa sổ sự kiện (event window) (Kumar và các cộng sự, 2012). 3.2.1. Các cửa sổ liên quan đến sự kiện Để có được kết quả đáng tin cậy và chính xác, các giả định của thị trường hiệu quả phải được tuân theo để thu được kết quả chính xác (Woon (2004), Fama (1970)). Tại các thị trường tài chính mới phát triển, thông tin có thể bị rò rỉ trước khi được công bố chính thức và tác động lên giá cổ phiếu trước ngày công bố chính thức. Do vậy, tại các thị trường này, cửa sổ sự kiện nên được mở rộng ra để có thể bao quát được sự rò rỉ thông tin (nếu có). Cửa sổ sự kiện (event window) là ngày sự kiện cộng/trừ vài ngày, vài tuần, hoặc vài tháng (dài hay ngắn phụ thuộc vào mức độ hiệu quả của thị trường). Trước và sau cửa sổ sự kiện lần lượt có cửa sổ ước lượng (estimate window) là khoảng trước cửa sổ sự kiện, được sử dụng để ước lượng SSL kỳ vọng, và cửa sổ sau sự kiện (post-event window) được xác định nhằm tiếp tục quan sát tác động dài hạn của sự kiện. Hình 2.1 mô phỏng thứ tự các cửa sổ: (Cửa sổ (Cửa sổ (Cửa sổ sau ước sự sự kiện) lượng) kiện) T0 T1 0 T2 T3  Hình 1: Các cửa sổ liên quan đến sự kiện nghiên cứu 602
6. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 Nhiều nghiên cứu đã đưa ra các cách khác nhau để xác định cửa sổ sự kiện. Ngày sự kiện có thể là ngày báo chí (ngày bài báo đầu tiên về sự kiện được phát hành như nghiên cứu) hoặc ngày thanh toán (ngày chính thức xác định khoản tổn thất). Về xác định cửa sổ sự kiện, các nghiên cứu đều chọn khoảng thời gian từ một số ngày trước đến một số ngày sau ngày công bố sự kiện để cho phép khả năng rò rỉ thông tin trước các sự kiện tổn thất cũng nhưđể thị trường phản ứng đầy đủ sau một sự kiện. Để phù hợp với địa điểm nghiên cứu là một thị trường kém phát triển hơn, nơi thông tin thường xuyên bị rò rỉ trước khi chính thức công bố trên báo chí là Việt Nam, nhóm nghiên cứu sẽ chọn một khoảng thời gian dài hơn (đặc biệt là trước khí sự kiện được công bố) để quan sát được rõ ràng diễn biến giá cổ phiếu, cụ thể sẽ là khoảng 40 ngày (làm việc) trước và 40 ngày (làm việc) sau ngày công bố sự kiện. Cửa sổ ước lượng sẽ sử dụng trong nghiên cứu này là khoảng thời gian 250 ngày làm việc tính từ ngày 41 trước ngày công bố sự kiện trở về trước. Ngoài ra, nghiên cứu cũng sẽ quan sát tác động của sự kiện trong nhiều cửa sổ sự kiện khác nhau tương tự như cách mà Perry và Fontnouvelle (2005) đã thực hiện với bốn cửa sổ sự kiện được chọn là (-40, +1) (-20, +1) (- 10, +5) (0, 20) và (0, 40). Với cách chia cửa sổ này, nghiên cứu có thể nhìn thấy ảnh hưởng của các sự kiện lên SSL bất thường của cổ phiếu chủ yếu vào khung thời gian nào (trước, xung quanh hay sau ngày sự kiện). 3.2.2. Xây dựng giả thuyết H11 SSL bất thường là đối tượng nghiên cứu quan sát, là chênh lệch giữa SSL thực tế và SSL kỳ vọng, có thể ước lượng được theo công thức: ARit = Rit – E(Rit|Xt) (1) Trong đó: ARit, Rit, E(Rit|Xt) lần lượt là SSL bất thường, SSL thực tế và SSL kỳ vọng của cổ phiếu i trong ngày t. Xt là thông tin sự kiện tổn thất hoạt động liên quan tới giá cổ phiếu i đang nghiên cứu. SSL thực tế là SSL khi sự kiện tổn thất hoạt động xảy ra trong khi SSL kỳ vọng của cổ phiếu i trong ngày t(E(Rit|Xt)) là SSL dự kiến nếu sự kiện không xảy ra được đo lường bằng mô hình thị trường (market model). Do đó, SSL bất thường là một thước đo trực tiếp về sự thay đổi bất ngờ về tài sản của các bên có liên quan đến sự kiện tổn thất hoạt động (Khortari & Warner, 2006). Để quan sát tác động của sự kiện trong suốt chiều dài của cửa sổ sự kiện, SSL bất thường bình quân lũy kế (CAR – Cumulative Abnormal Return) được sử dụng. Cụ thể, SSL bất thường lũy kế CAR(1,2) trong khoảng thời gian 1 đến 2 (T1<1≤2≤ T2) được tính theo công thức sau: ( ) ∑ (2) Mục tiêu của nghiên cứu sự kiện bây giờ chuyển thành để xác định xem liệu SSL tại thời điểm tổn thất hoạt động diễn ra có bất thường (khác có hệ thống) so với dự đoán hay không. 3.2.3. Xây dựng giả thuyết H21 Để có thể nắm bắt được ảnh hưởng của các sự kiện tổn thất hoạt động lên danh tiếng của các ngân hàng, khoản lỗ của bản thân sự kiện đó phải được tính tới (Sturm, 2013). Theo nghiên cứu của Gillet và các cộng sự, (2010) và Sturm (2013), SSL bất thường trung bình được điều chỉnh bằng cách đưa vào số lỗ hoạt động như Công thức (3). Theo đó, khoản lỗ hoạt động do ngân hàng i công bố chia cho giá thị trường của ngân hàng 푖 tại thời điểm 푡 và sau đó được thêm vào SSL bất thường trong ngày 푡: ( ) (3) Trong công thức trên, AR(Rep) là SSL bất thường của ngân hàng i trong ngày t được điều chỉnh theo lượng tổn thất danh nghĩa. ARit là SSL bất thường của ngân hàng i trong ngày t. OpLossi là tổn thất hoạt động được ngân hàng i công bố trong ngày t và Market Capi là giá trị vốn hóa của ngân hàng i trong ngày t. Theo cách tính này, SSL bất thường được điều chỉnh, nắm bắt và phản ánh tổn thất danh tiếng của mỗi ngân hàng và phản ứng của thị trường đối với rủi ro danh tiếng (Sturm, 2013). Tương tự như khi xây dựng giả thuyết H11 ở trên, có thể tính được SSL bất thường lũy kế được điều chỉnh theo lượng tổn thất danh nghĩa theo công thức sau: 603
7. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 ( ) ( ) ∑ ( ) (4) Mục tiêu nghiên cứu được điều chỉnh cụ thể hơn, đó là, xác định xem liệu SSL bất thường lũy kế được điều chỉnh theo lượng tổn thất danh nghĩa có bất thường (≠ 0) so với dự đoán không. 3.2.4. Xây dựng giả thuyết H31 Để có thể quan sát được sự khác nhau giữa tác động của các loại sự kiện tổn thất hoạt động lên tổn thất danh tiếng, nghiên cứu sẽ tạo biến D sẽ nhận các giá trị khác nhau theo loại sự kiện và thực hiện kiểm định để so sánh giá trị bình quân của SSL bất thường lũy kế và SSL bất thường lũy kế được điều chỉnh theo lượng tổn thất hoạt động theo loại sự kiện (kiểm định One Sample T Test). Giả thuyết H31 được điều chỉnh lại cụ thể như sau: H30: Không có sự khác biệt giữa các giá trị CAR và CAR(Rep) theo loại sự kiện. H31: Có sự khác biệt giữa các giá trị CAR và CAR(Rep) theo loại sự kiện. 3.3. Thu thập dữ liệu Dữ liệu được các thành viên trong nhóm nghiên cứu thu thập từ báo chí, bao gồm các sự kiện tổn thất hoạt động được công bố công khai trong khoảng thời gian gần 9 năm từ đầu năm 2010 đến hết tháng 6/2019. Dữ liệu thu thập bao gồm giá trị tổn thất, tên ngân hàng gặp phải sự kiện, thời gian xảy ra sự kiện, loại sự kiện, cũng như các tóm tắt, mô tả, giải thích khác về sự kiện. Mục tiêu của nghiên cứu là thu thập được một mẫu các sự kiện có thể gây ra tổn thất cho các ngân hàng thương mại Việt Nam. Để xây dựng mẫu, các tiêu chí được áp dụng để lọc dữ liệu: là sự kiện thuộc về tổn thất hoạt động xảy ra tại các ngân hàng trên lãnh thổ Việt Nam; tổn thất xảy ra không sớm hơn tháng 1 năm 2010. Sự kiện tổn thất hoạt động được xác định và phân loại theo định nghĩa của Ủy ban Basel về các loại sự kiện rủi ro hoạt động. Sau khi xác định thỏa mãn được hai điều trên thì nhóm sẽ thu đượcmẫu nghiên cứu đầu tiên để trợ giúp cho việc đánh giá sơ lược các sự kiện tổn thất hoạt động diễn ra trong khoảng thời gian quan sát như các sự kiện phát sinh chủ yếu trong thời gian nào, loại sự kiện nào là phổ biến, ngân hàng nào gặp nhiều sự cố nhất, quy mô bình quân của các loại sự kiện Từ mẫu nghiên cứu đầu tiên, nghiên cứu lại tiến hành sàng lọc để lựa chọn mẫu nghiên cứu sâu hơn. Trong đó, các sự kiện chỉ gây ra tổn thất nhỏ (dưới 100 tỷ) sẽ bị loại vì sự kiện quá nhỏ có thể đã nằm trong kỳ vọng của các cổ đông đối với giá cổ phiếu, tổn thất quá nhỏ không đủ làm họ thay đổi kỳ vọng ban đầu. Các sự kiện phát sinh tại các ngân hàng không niêm yết công khai cũng sẽ bị loại, vì không có dữ liệu thị trường (giá cổ phiếu, giá trị vốn hóa ) để nghiên cứu. Các tổ chức tài chính có nhiều sự kiện trong cửa sổ sự kiện (nhóm các sự kiện trong cùng một sự kiện cửa sổ có thể tạo ra ước tính sai lệch về các thông số cần thiết cho mô hình lý thuyết) đều bị loại trừ. Sau khi tiến hành rà soát, loại bỏ, mẫu cuối cùng được chọn bao gồm 5sự kiện tạo ra giá trị tổn thất tương đối lớn xảy ra tại 5 ngân hàng thương mại khác nhau được ký hiệu theo Bảng 1: Bảng 1: Các sự kiện đƣợc chọn nghiên cứu Ngân hàng Ký Stt Tên sự kiện (Mã CP) hiệu 1 Huyền Như lừa đảo, chiếm đoạt tiền ACB E1 2 Giám đốc Ngân hàng vi phạm một loạt quy định trong cho vay VCB E2 3 Đại gia thủy sản Phương Nam lừa đảo ngân hàng STB E3 4 Công tỷ CP Việt An (Lưu Bách Thảo) lừa đảo 8 ngân hàng VCB E4 5 Giám đốc ngân hàng chiếm đoạt tiền của khách hàng gửi tiền EIB E5 604
8. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 Tiếp theo, nhóm nghiên cứu thu thập giá cổ phiếu của các sự kiện được chọn, lấy chủ yếu từ nguồn từ các công ty chứng khoán. Đối với mỗi sự kiện, các tác giả đều cố gắng tìm kiếm ngày đầu tiên sự kiện được công bố trên báo (Ngày báo chí): các sự kiện đều được kiểm tra lại ngày công bốtheo cách thủ công trên Google và điều chỉnh nếu cần thiết. 4. Kết quả nghiên cứu 4.1. Kết quả ước lượng hệ số Beta Do không thể thu thập được lãi suất phi rủi ro trong điều kiện Việt Nam, nghiên cứu sử dụng mô hình thị trường một nhân tố với SSL của từng cổ phiếu phụ thuộc vào SSL chung của thị trường (với Rit là SSL của từng ngân hàng trong các sự kiện nghiên cứu, Rmt là SSL của chỉ số chứng khoán (HNX cho ACB và VN-Index cho các cổ phiếu còn lại). Nghiên cứu đã thực hiện các kiểm định Unit Root Test để xác định các chuỗi dữ liệu là chuỗi dừng hay không dừng. Kết quả kiểm định cho thấy chuỗi dữ liệu là chuỗi dừng, đủ điều kiện ban đầu để sử dụng trong ước lượnghệ số Beta bằng phương pháp bình phương nhỏ nhất OLS. Nghiên cứu cũng thực hiện các kiểm định Durbin-Watson về khuyết tật sai số ngẫu nhiên tự tương quan và kiểm định Breusch-Pagan-Godfrey về lỗi do phương sai sai số ngẫu nhiên thay đổi là các khuyết tật điển hình của mô hình hồi quy đơn dữ liệu chuỗi thời gian. Kết quả kiểm định đều cho thấy chưa có dấu hiệu tự tương quan hay phương sai sai số ngẫu nhiên không đồng nhất, các giả thiết của mô hình hồi quy được thỏa mãn, nghĩa là kết quả kiểm định t, F là đáng tin cậy, các ước lượng đều là không chệch và hiệu quả. Bảng 4.1 trình bày kết quả ước lượng các hệ số beta (cùng kiểm định t và F) của các cổ phiếu nghiên cứu tại cửa sổ trước sự kiện theo OLS: Bảng 2: Kết quả ƣớc lƣợng hệ số Beta Ngân hàng (Mã Beta Kiểm định F N CP) (t-statistics) F-statistics F-statistics 0.087743 ACB (E1) 30 5.685128 5.685128 (2.384351) 0.232354* VCB (E2) 249 3.300422 3.300422 (1.816706) 0.219226* STB (E3) 249 3.128882 3.128882 (1.768865) -0.392014* VCB (E4) 249 3.517746 3.517746 (-1.875566) 0.327421 EIB (E5) 249 5.772690 5.772690 (2.402642) Nguồn: Tự tính toán bằng phần mềm Eviews với *, , chỉ mức ý nghĩa lần lượt là dưới 10%, 5%, 1% Kết quả ước lượng cho thấy, hệ số beta trong các mô hình đều có ý nghĩa thống kê với mức ý nghĩa dưới 10%, trong đó có hai mô hình hệ số beta đạt mức ý nghĩa thống kê dưới 5%. Mức ý nghĩa dưới 10% mặc dù không thực sự lý tưởng để sử dụng trong dự báo nhưng có thể tạm chấp nhận trong điều kiện Việt Nam với thị trường chứng khoán còn khá sơ khai. Theo kết quả ước lượng từ mô hình thị trường, trước thời điểm từng sự kiện được công bố trên phương tiện thông tin đại chúng, chỉ có duy nhất cổ phiếu của ngân hàng ngoại thương Việt Nam trong sự kiện 4 đang biến động ngược chiều với chỉ số chứng khoán VN-Index, các cổ phiếu còn lại đều đang biến động cùng chiều với chỉ số chứng khoán. Mô hình thị trường và hệ số beta xác định ở trên được sử dụng để tính toán các chuỗi dữ liệu trong cửa sổ sự kiện như suất sinh lợi bất thường, suất sinh lợi bất thường lũy kế, suất sinh lợi bất thường lũy kế, suất sinh lợi bất thường lũy kế bình quân. 605
9. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 4.2. Kết quả kiểm định các giả thuyết nghiên cứu 4.2.1. Kết quả kiểm định giả thuyết H11 về tính thông tin của việc công bố sự kiện Hình 4.1 và 4.2 ở dưới mô tả diễn biến của Suất sinh lợi bất thường bình quân và SSL bất thường lũy kế bình quân của tất cả các cổ phiếu trong các cửa sổ sự kiện khác nhau. Có thể thấy rằng sự kiện xảy ra đã gây ra một số ảnh hưởng tiêu cực đến giá cổ phiếu của các ngân hàng. Tác động này có xu hướng lớn hơn ở thời kỳ trước và ngay sau ngày công bố sự kiện với bằng chứng là suất sinh lợi bình quân âm chủ yếu xuất hiện ở trước và gần thời điểm không (ngày sự kiện). Điều này cũng được chứng minh qua biểu đồ SSL bất thường lũy kế bình quân. SSL bất thường lũy kế bình quân của cổ phiếu trong các cửa sổ sự kiện sử dụng nhiều ngày trước ngày sự kiện có xu hướng thấp hơn các đường SSL lũy kế bình quân sử dụng ít ngày trước ngày sự kiện, đặc biệt là các đường SSL lũy kế bình quân sử dụng ngày bắt đầu là ngày sự kiện hầu như đều nằm trên vạch 0. Các đường SSL lũy kế bình quân cũng có xu hướng tăng rõ rệt liên tục bắt đầu từ khoảng 20 ngày sau ngày sự kiện. 5 10 4 5 3 2 0 1 -40-34-28-22-16-10 -4 2 8 14 20 26 32 38 -5 0 0 5 -5 15 20 25 30 35 40 -1 10 -10 -40 -35 -30 -25 -20 -15 -10 -2 CAAR (-40,40) CAR (-20,40) -3 -4 CAAR (-10,40) CAAR (0,40) Hình 2: Suất sinh lợi bất thƣờng Hình 3: Suất sinh lợi bất thƣờng lũy kế bình quân trong cửa sổ sự kiện bình quân trong các cửa sổ sự kiện (Nguồn: Tự tính toán) (Nguồn: Tự tính toán) Để làm rõ tác tác động của việc công bố thông tin sự kiện ảnh hưởng đến SSL bất thường của các ngân hàng cũng như đánh giá ý nghĩa thống kê của các tác động, nghiên cứu sử dụng kiểm định One Sample T Test để so sánh SSL bất thường lũy kế bình quân của các cổ phiếu trong cửa sổ sự kiệnvới 0. Bảng 4.2 trình bày kết quả kiểm tra sự khác biệt của SSL lũy kế của các cổ phiếu nghiên cứu trong các cửa sổ sự kiện so với giá trị 0 để tìm bằng chứng về tác động của sự kiện đối với tổ chức. Kết quả kiểm định đã xác nhận lại các phân tích trong biểu đồ. Giá trị SSL lũy kế bình quân trong các cửa sổ sự kiện (- 40, +1), (-20, +1), (-100, + 5)là nhỏ hơn 0trong khi giá trị trong các cửa sổ sau ngày sự kiện (0, +20) và (0, +40) đều dương có ý nghĩa thống kê. Điều này cho thấy thị trường có phản ứng đối với các sự kiệnxảy ra tuy nhiên phản ứng này chủ yếu diễn ra ở giai đoạn trước ngày sự kiện và một số ngày sau ngày sự kiện. Bảng 3: Kết quả kiểm địnhsự khác biệt của Suất sinh lợi lũy kế với 0 Suất sinh lợi lũy kế (CAR) Sự kiện (-40, +1) (-20, +1) (-10, +5) (0, +20) (0, +40) N = 42 N = 22 N = 16 N = 21 N = 41 CAAR -.94970 -3.40530 -2.46638 0.92127* 1.90159 E1 N/A -5.6331 -6.5872 -3.9129 -6.6914 E2 -10.2643 -15.5767* -0.7070 13.9353 19.0996 E3 2.5655 2.6452 -4.4975 -2.9810 -7.9083 E4 -7.5984 -3.9311 -1.4741 5.8769 14.0135 E5 13.5274 5.4692 0.9339 -8.3118 -9.0054 Nguồn: Tự tính toán bằng phần mềm SPSS với *, , chỉ mức ý nghĩa lần lượt là dưới 10%, 5%, 1% 606
10. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 Xét trong từng vụ việc cụ thể có, phản ứng của thị trường đối với việc công bố các sự kiện có sự khác biệt. Trong sự kiện của ngân hàng TMCP Á Châu thị trường phản ứng rất mạnh, SSL bất thường của cổ phiếu âm liên tiếp trong cả 4 giai đoạn cửa sổ sự kiện. Điều này là do Huyền Như đã bị bắt từ khá sớm (năm trước đó nhưng chưa được công bố) và thời điểm nghiên cứu cũng trùng khớp với thời điểm bầu Kiên và các lãnh đạo ACB bị bắt gây rúng động truyền thông và người gửi tiền tại ACB thời điểm đó. Kết quả là giá cổ phiếu của ACB liên tục giảm mặc dù giai đoạn trước đó ACB đang có SSL bình quân là dương. Hai vụ việc của ngân hàng ngoại thương, thị trường phản ứng từ khá sớm trước khi sự kiện được công bố và sau đó thì ngừng thậm chí giai đoạn sau phản ứng tích cực còn tăng lên. Còn với hai vụ việc xảy ra tại ngân hàng TMCP Sài gòn thương tín và ngân hàng TMCP, thị trường phản ứng tiêu cực mạnh hơn ở giai đoạn sau với SSL lũy kế bất thường đều âm khá mạnh ở giai đoạn sau. Phản ứng của thị trường trong vụ việc của ngân hàng TMCP Sài gòn thương tín cũng có những dấu hiệu ngay trước ngày công bố với SSL bất thường lũy kế âm trong giai đoạn 10 ngày trước và 5 ngày sau khi công bố sự kiện. Như vậy, 4/5 sự kiện nghiên cứu đều có bằng chứng về phản ứng của thị trường sớm từ trước thời điểm chính thức công bố cho thấy dấu hiệu về sự rò rỉ thông tin. 4.2.2. Kết quả kiểm định giả thuyết H21 về sự bất lợi của dòng tiền tương lai sau sự kiện Bảng 4.3 trình bày kết quả kiểm tra sự khác biệt của SSL bất thường lũy kế (sau khi đã loại bỏ giá trị tổn thất của bản thân sự kiện) của các cổ phiếu nghiên cứu cũng như SSL bất thường lũy kế bình quân trong các cửa sổ sự kiện so với giá trị 0 để tìm xem liệu sự kiện có kích hoạt các kỳ vọng bất lợi lớn hơn đối với hoạt động của các tổ chức bị tổn thất hay không. Kết quả kiểm tra cho thấy, sau khi đã bỏ đi tổn thất của chính sự kiện, suất sinh lợi lũy kế của cổ phiếu đều lớn hơn 0 với mức ý nghĩa thống kê rất tốt (<1%). Giá trị CAARRep dương trái với kỳ vọng đặt ra ban đầu khi nghiên cứu tác động của sự kiện là bằng chứng cho thấy thiệt hại không gây ra ảnh hưởng nghiêm trọng đến uy tín của Ngân hàng. Điều này cho thấy, khoản lỗ hoạt động được công bố nhỏ hơn nhiều so với mức tăng giá trị thị trường. Hình 4.3 làm rõ hình dạng của SSL lũy kế đã bỏ đi tác động của tổn thất. Biểu đồ chỉ rõ giá trị SSL bất thường lũy kế tăng liên tục ngay từ lúc bắt đầu của cửa sổ sự kiện. Bảng 4: Kết quả kiểm định sự khác biệt của Suất sinh lợi lũy kế với 0 (đã loại bỏ ảnh hƣởng riêng của tổn thất) Suất sinh lợi lũy kế đã loại bỏ ảnh hƣởng của tổn thất (CARRep) Sự kiện (-40, +1) (-20, +1) (-10, +5) (0, +20) (0, +40) CAARRep 29.6064 18.9312 14.8253 23.5593 45.5697 E1 N/A 42.0513 32.1448 48.9280 95.7478 E2 39.8602 12.2527 20.0003 39.5535 68.3809 E3 17.4959 10.4606 1.2003 4.5975 7.2037 E4 16.3898 9.3526 8.7012 18.5560 37.3844 E5 45.2163 20.5389 12.0799 6.1615 19.1319 Nguồn: Tự tính toán bằng phần mềm SPSS với *, , chỉ mức ý nghĩa lần lượt là dưới 10%, 5%, 1% 200 100 0 -40-35-30-25-20-15-10 -5 0 5 10 15 20 25 30 35 40 CAARRep (-40,40) CAARRep (-20,40) CARRep (-10,40) CARRep (0,40) Hình 4: Suất sinh lời bất thƣờng lũy kế bình quân (sau khi loại bỏ tác động riêng của tổn thất) 607
11. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 Kết quả này có thể giải thích một phần là là do các tổn thất quan sát được để nghiên cứu chưa đủ lớn để gây ra phản ứng lan rộng của nhà đầu tư về hoạt động dài hạn của ngân hàng. Một phần khác là do điều kiện nghiên cứu tại Việt Nam. Cụ thể, giá trị các tổn thất mà nhóm nghiên cứu có khả năng thu thập được không hẳn là tổn thất thực tế, mà chủ yếu là các mất mát của các ngân hàng từ các vụ thiệt hại. Phần nhiều trong số đó đều được tòa án phán quyết người gây ra mất mát phải bồi thường cho ngân hàng, nghĩa là ngân hàng có khả năng cao sẽ thu hồi được một phần số tiền trong đó và mất mát thực sẽ nhỏ hơn con số công bố. Kết quả là giá trị Suất sinh lợi tích lũy bỏ đi giá trị tổn thất mà nghiên cứu quan sát được để kiểm định có khả năng rất lớn là vượt quá kỳ vọng của nhà đầu tư. Ngoài ra, các ngân hàng của Việt Nam cũng đã có những phản ứng rất tốt khi xảy ra các sự kiện. Trong các vụ sai phạm được nghiên cứu, vụ việc có ảnh hưởng truyền thông lớn nhất là vụ Huyền Như lừa đảo, chiếm đoạt của các công ty, người dân và ngân hàng với số tiền lên đến 4.000 tỷ trong đó ACB bị thiệt hại khoảng 719 tỷ kéo theo đó là những sai phạm trong kinh doanh của bầu Kiên bị lộ. Vụ việc này ảnh hưởng nghiêm trọng đến ngân hàng TMCP Á Châu và đã có thời điểm rất nhiều người dân kéo đến rút tiền. Tuy nhiên, ACB đã có những phản ứng hiệu quả trong việc đối phó và hạn chế được tối đa ảnh hưởng của khủng hoảng. 4.2.3. Kết quả kiểm định giả thuyết H31 về loại sự kiện tổn thất có thể tác động khác nhau đến cổ phiếu của ngân hàng xảy ra sự kiện Các sự kiện được chọn nghiên cứu đều thuộc một trong hai loại (theo phân loại của Ủy ban Basel) là Gian lận nội bộ (loại 1) hoặc gian lận bên ngoài (loại 2) đều là những loại sự kiện tác động lớn đến các tổ chức theo Cumins và cộng sự (2005). Để kiểm tra xem liệu từng loại sự kiện có tác động khác nhau đến tổ chức không, dữ liệu được chia thành 2 nhóm (CAAR1 cho sự kiện thuộc về gian lận nội bộ và CAAR2 cho sự kiện thuộc về gian lận bên ngoài) để tính SSL bất thường lũy kế bình quân cho sự kiện thuộc loại 1 (gian lận nội bộ) và SSL bất thường lũy kế bình quân cho sự kiện thuộc loại 2 (gian lận bên ngoài). Kết quả kiểm định One Sample T Test về tác động của việc công bố sự kiện đến SSL bất thường lũy kế của các cổ phiếu trong các cửa sổ sự kiện được trình bày trong Bảng 4.4. Theo đó, phản ứng của thị trường đối với các sự kiện (được chia theo loại sự kiện) có hình mẫu khá tương đồng với kết quả kiểm định trên cơ sở tổng hợp. Nghĩa là thị trường phản ứng tiêu cực với sự kiện từ khá sớm trước ngày thông tin được công bố và kéo dài thêm một số ngày tiếp theo thể hiện qua 5/6 chuỗi giá trị SSL bất thường thường tích lũy bình quân ở các cửa sổ có giai đoạn trước sự kiện là nhỏ hơn không có ý nghĩa thống kê ở mức < 1%. Sau giai đoạn đó, phản ứng tiêu cực của thị trường hầu như không còn thậm chí các chuỗi SSL bất thường tích lũy bình quân còn tăng lên thể hiện thị trường đang có phản ứng tích cực qua giá cổ phiếu. Bảng 5: Kết quả kiểm định sự khác biệt của Suất sinh lợi bất thƣờng lũy kế với 0 của sự kiện theo loại Suất sinh lợi lũy kế (CAR) Sự kiện (-40, +1) (-20, +1) (-10, +5) (0, +20) (0, +40) CAAR1 .37414 -5.24686 -2.12012 .57016 1.13427 CAAR2 -2.51641 -.64296 -2.98579 1.44794 3.05256 Nguồn: Tự tính toán bằng phần mềm SPSS với *, , chỉ mức ý nghĩa lần lượt là dưới 10%, 5%, 1% Kết của kiểm định cho thấy giá cổ phiếu chủ yếu phản ứng tiêu cực chủ yếu ở giai đoạn trước và ngay sau ngày công bố sự kiện nên nghiên cứu chỉ thực hiện kiểm định sự khác biệt của tác động trong 2 giai đoạn (-20, +1) và (-10, +5) là 2 giai đoạn thị trường phản ứng tiêu cực với cả việc công bố thông tin sự kiện. Bảng 3.10 trình bày kết quả kiểm định sự khác biệt về tác động của các loại sự kiện khác nhau lênlên SSL bất thường lũy kế. Kết quả kiểm định đều có ý nghĩa thống kê cho thấy có sự khác biệt trong tác động của 2 loại sự kiện (trong các sự kiện được nghiên cứu) lên các ngân hàng. Theo đó, có khả năng thị trường phản ứng mạnh hơn với các sự kiện gian lận nội bộ ở thời điểm khoảng 20 ngày trước khi công bố sự kiện nhưng giai đoạn sau đó cho đến sau khi công bố sự kiện thì phản ứng với gian lận bên ngoài lại mạnh hơn. 608
12. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 Bảng 6: Kết quả Kiểm định sự khác biệt về tác động đối với các loại sự kiện khác nhau (-20, +1) (-10, +5) N = 22 N = 16 CAAR1 -5.24686 -2.12012 CAAR2 -.64296 -2.98579 Chênh lệch bình quân -4.6039 0.8657 T -5.799 2.001 Sig. (2-tailed) .000 .064 Nguồn: Tự tính toán bằng phần mềm SPSS 5. Kết luận Việc liên tục xuất hiện vụ việc tiêu cực, bê bối, các đại án trong lĩnh vực ngân hàng làm cho học giả và người liên quan băn khoăn liệu các sự vụ này có ảnh hưởng đến uy tín lâu dài của ngân hàng đòi hỏi cần nghiên cứu để giải quyết. Bài viết đã nghiên cứu một cách có hệ thống các mô hình đo lường từ đó thiết kế được một phương pháp có thể quan sát được ảnh hưởng của các vụ việc tiêu cực đến các ngân hàng. Cụ thể, một số kết quả của đề tài bao gồm: Thứ nhất, khái quát được các vấn đề lý thuyết liên quan đến rủi ro hoạt động và sự kiện tổn thất hoạt động, rủi ro danh tiếng và tổn thất danh tiếng. Thứ hai, lược khảo các nghiên cứu trước liên quan đến mối quan hệ giữa tổn thất hoạt động và tổn thất danh tiếng cũng như các phương pháp đo lường ảnh hưởng danh tiếng. Từ đó, nghiên cứu đã thiết kế ra được một phương pháp có thể quan sát được ảnh hưởng của việc công bố thông tin lên giá trị của công ty trong điều kiện của Việt Nam. Thứ ba, nghiên cứu đã tìm hiểu được sơ lược các sự vụ gây tổn thất tại ngân hàng về cơ cấu sự vụ cũng như nguyên nhân xuất hiện các vụ việc bê bối với tần suất dày đặc, tìm hiểu một số vụ việc lớn, điển hình đã gây tổn hại lớn cho các ngân hàng. Thứ tư, nghiên cứu đã tìm thấy một số bằng chứng như cho thấy thị trường Việt Nam hoạt động khá hiệu quả thể hiện qua việc giá chứng khoán có phản ứng trước các thông tin được công bố với bằng chứng là những thông tin tiêu cực đã gây ảnh hưởng làm giảm suất sinh lợi bất thường của chứng khoán. Mặc dù chưa tìm thấy bằng chứng của tổn thất cộng hưởng với các tổn thất danh tiếng bị phát hiện (nghĩa là tổn thất danh tiếng), tuy nhiên, điều này được giải thích là do thông tin thiệt hại thực tế không được công bố công khai cũng như các ngân hàng và các cơ quan nhà nước đặc biệt là NHNN đã có cách thức xử lý thỏa đáng. Nghiên cứu cũngchỉ ra được những bằng chứng về hạn chế trong quản lý thông tin, hay thực trạng thông tin thường xuyên bị rò rỉ trước khi công bố chính thức. TÀI LIỆU THAM KHẢO [1] Basel Committee (2001) Working Paper of the Regulatory Treatment of Operational Risk. Bank for International Settlements. [2] Basel Committee (2003) Sound Practices for the Management and Supervision of Operational Risk. Bank for International Settlements: Basel Committee Publications No. 96. [3] Board of Governors of the Federal Reserve System (2004). Commercial Bank Examination Manual. Division of Banking Supervision and Regulation, 2014. [4] Cooke, D. L. (2004). The dynamics and control of operational risk. Calgary. [5] Comité Européen des Assurances (CEA), GroupeConsultatifActuarielEuropéen. 2007. Solvency II Glossary. Brussels. 609
13. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 [6] Cummins, J. D., Lewis, C. M., & Wei, R. (2006). The market value impact of operational loss events for US banks and insurers. Journal of Banking & Finance, 30(10), 2605-2634. [7] Eccles, R. G., Newquist, S. C., & Schatz, R. (2007). Reputation and its risks. Harvard Business Review, 85(2), 104. [8] Eckert, C., &Gatzert, N. (2017). Modeling operational risk incorporating reputation risk: An integrated analysis for financial firms. Insurance: Mathematics and Economics, 72, 122-137. [9] Fama, E.F. (1970). Efficient capital markets: a review of theory and empirical work. Journal of Finance, 25(2):383–417. [10] Fiordelisi, F., Soana, M. G., &Schwizer, P. (2014). Reputational losses and operational risk in banking. The European Journal of Finance, 20(2), 105-124. [11] Frame (2002). Survey research in operations management: a process-based perspective. International journal of operations & production management, 22(2), 152-194. [12] Gillet, R., Hübner, G., &Plunus, S. (2010). Operational risk and reputation in the financial industry. Journal of Banking & Finance, 34(1), 224-235. [13] Katz, D. (2010). What’sa Reputation Worth?. CFO (2010, May). [14] Khortari, S.P. & Warner, J.B. (2006), The econometrics of event studies. /econ/files/2011/01/KothariWarner2.pdf [Accessed 3.6.2015]. [15] Kumar, S. Mahadevan, A. &Gunasekar, S. (2012), Market reaction to dividend announcement: an empirical study using event study technique. PrestigeInternational Journal of Management & IT- Sanchayan, 1(1):141-153. [16] Merton, R. C. (1995). A functional perspective of financial intermediation. Financial management, 23-41. [17] Perry, J., & De Fontnouvelle, P. (2005). Measuring reputational risk: The market reaction to operational loss announcements. Available at SSRN 861364. [18] SAS (2007) Operational risk Framework in Bank presentation. [19] Ross, S. A., Westerfield, R., Jordan, B. D., & Firer, C. (2002). Fundamentals of corporate finance. Boston, MA: Irwin/McGraw-Hill. [20] Sturm, P. (2013). How much should creditors worry about operational risk? The credit default swap spread reaction to operational risk events. The Journal of Operational Risk, 8(4), 3. [21] Way, B., Khan, F., &Veitch, B. (2013). Is reputational risk quantifiable. In The International Conference on Marine Safety and Environment (IMSE 2013), Kuala Lumpur, Malaysia. [22] Woon, W. S. (2004). Introduction to the event study methodology. Singapore Management University, 4(7). [23] Thông tư 13/2018/TT-NHNN ngày 18/5/2018 do Thống đốc Ngân hàng Nhà nước ban hành quy định về hệ thống kiểm soát nội bộ của ngân hàng thương mại, chi nhánh ngân hàng nước ngoài. 610