Tác động của các nhân tố đến rủi ro phá sản của các ngân hàng thương mại niêm yết tại Việt Nam

Nội dung text: Tác động của các nhân tố đến rủi ro phá sản của các ngân hàng thương mại niêm yết tại Việt Nam

1. TÁC ĐỘNG CỦA CÁC NHÂN TỐ ĐẾN RỦI RO PHÁ SẢN CỦA CÁC NGÂN HÀNG THƯƠNG MẠI NIÊM YẾT TẠI VIỆT NAM Hoàng Thị Minh Duyên ThS.NCS. Vũ Thị Thúy Vân1 Trường Đại học Kinh tế Quốc dân Lương Thị Ngọc Thủy Ngân hàng TMCP Quân đội Tóm tắt Bài viết nghiên cứu t c động của một số nhân tố đến rủi ro phá sản của 6 ngân hàng niêm yết trên thị trường chứng khoán Việt Nam trong 20 quý, tương ứng với giai đoạn từ năm 2011 đến năm 2015. Dựa trên kết quả phân tích cho thấy, đòn bẩy tài chính và tỷ lệ thu nhập lãi thuần có mối liên hệ đến rủi ro phá sản của các ngân hàng thương mại niêm yết. Đây có thể coi là chỉ báo về sức khỏe ngân hàng giúp các ngân hàng đưa ra định hướng hoạt động sao cho phù hợp với chiến lược quản trị rủi ro trong từng thời kì. Từ khóa: Đòn bẩy, Rủi ro phá sản, Thu nhập lãi thuần. 1. Đặt vấn đề Trong quá trình tái cấu trúc giai đoạn 5 năm từ năm 2011 đến năm 2015, hệ thống ngân hàng Việt Nam đã trải qua nhiều biến động, đặc biệt phải kể đến việc Ngân hàng nhà nước mua lại ba ngân hàng thương mại OceanBank, GPBank, VNCB với giá 0 đồng, và một loạt các vụ sáp nhập khác. Cách xử lý này đối với ba ngân hàng được xem như biện pháp phù hợp trong điều kiện hiện nay và là những bước đi đầu tiên rất quan trọng để tiến tới triển khai thủ tục phá sản tổ chức tín dụng theo tố tụng tư pháp quy định tại Luật Phá sản mà Quốc hội thông qua năm 2014 (Lê Thị Nga, 2015). Tuy nhiên, với chức năng trung gian tài chính, các ngân hàng thương mại là cầu nối cho dòng vốn luân chuyển giữa các chủ thể kinh tế, điều này tất yếu dẫn đến quan ngại nếu ngân hàng phá sản, hệ thống tài chính có thể bị ảnh hưởng dây chuyền theo hiệu ứng Domino khiến nền kinh tế bị rơi vào khủng hoảng. 1 Email của tác giả chính: thuyvan1507@gmail.com 243
2. Thực tiễn đã minh chứng, cuộc khủng hoảng tài chính thế giới khởi đầu ở Mỹ năm 2009 được bắt nguồn từ sự phá sản của các ngân hàng thương mại bởi hoạt động cho vay thế chấp “dưới chuẩn” của các ngân hàng, đã dẫn đến sự suy thoái kinh tế toàn cầu. Do đó, việc lưu tâm một cách đúng mực đối với vấn đề quản lý và nghiên cứu về rủi ro phá sản tại các ngân hàng thương mại Việt Nam để đưa ra các biện pháp nâng cao sức khỏe ngân hàng, giảm thiểu tối đa khả năng ngân hàng đối mặt với phá sản là vô cùng quan trọng. Trước sự cấp thiết trong nghiên cứu về rủi ro phá sản ngân hàng thương mại tại thị trường Việt Nam, các đề tài nghiên cứu tính đến thời điểm hiện nay vẫn còn tồn tại những khoảng trống nghiên cứu. Thứ nhất, chưa có nhiều công trình nghiên cứu về rủi ro phá sản ngân hàng. Hầu hết các nghiên cứu trước đây mới chỉ tập trung vào các doanh nghiệp ngoài ngành tài chính - ngân hàng. Hơn nữa, rất ít các nghiên cứu về nhân tố tác động đến rủi ro phá sản ngân hàng tại Việt Nam được khai thác phân tích; trong khi đó trên thế giới, việc nghiên cứu về các nhân tố này đã được thực hiện khá đa dạng. Thứ hai, các nghiên cứu tại Việt Nam về rủi ro phá sản chủ yếu xoay quanh việc xác định ngưỡng phá sản bằng mô hình điểm số Z của Altman đối với các doanh nghiệp ngoài ngành tài chính - ngân hàng, số ít mới xếp ngân hàng vào nhóm Z và chưa chỉ ra được đặc trưng về rủi ro phá sản của ngân hàng. Hơn nữa, các nghiên cứu cũng chưa tập trung phân tích các nhân tố tác động đến rủi ro này. Trong khi đó, việc phân tích nhân tố là cơ sở quan trọng trong việc quản lý rủi ro hệ thống trên thị trường chứng khoán, có thể đóng vai trò như một chỉ báo về sức khỏe ngân hàng giúp các ngân hàng điều chỉnh hoạt động của mình sao cho phù hợp với chiến lược quản trị rủi ro trong từng thời kì. Xuất phát từ những khoảng trống nêu trên, việc nghiên cứu về các nhân tố tác động đến rủi ro phá sản của ngân hàng thương mại là rất cần thiết. 2. Phƣơng pháp nghiên cứu 2.1. Phương pháp thu thập số liệu Để phân tích tác động của các nhân tố đến rủi ro phá sản của các ngân hàng niêm yết trên thị trường chứng khoán Việt Nam, tác giả đã sử dụng dữ liệu thứ cấp được thu thập từ báo cáo tài chính của 6 ngân hàng niêm yết bao 244
3. gồm Ngân hàng TMCP Á Châu (ACB), Ngân hàng TMCP Công thương Việt Nam Vietinbank (CTG), Ngân hàng TMCP Xuất nhập khẩu Việt Nam Eximbank (EIB), Ngân hàng TMCP Sài Gòn Thương Tín Sacombank (STB), Ngân hàng TMCP Sài Gòn – Hà Nội (SHB), Ngân hàng TMCP Ngoại thương Việt Nam Vietcombank (VCB) trong 20 quý của giai đoạn nghiên cứu 5 năm từ đầu quý I năm 2011 đến hết quý IV năm 2015 và tiến hành xử lý số liệu. 2.2. Phương pháp xử lý số liệu Trước hết, từ bộ dữ liệu thu thập được, tác giả thực hiện tính toán các chỉ tiêu cần thiết cho bài nghiên cứu bằng phần mềm Microsoft Excel 2013. Sau đó đưa các số liệu này vào trong phần mềm thống kê Stata 13 theo mô hình Panel Data. Tác giả tiếp tục xử lý số liệu thu thập được thông qua việc phân tích tương quan giữa các biến độc lập và thống kê mô tả các biến có trong mô hình như việc quan sát phân tích các thống kê đặc trưng mô tả từng biến như: trung bình, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn. Tiếp đến, sử dụng phương pháp ước lượng trong xây dựng mô hình hồi quy với số liệu mảng, do đó có sự lựa chọn giữa 3 mô hình: mô hình tác động ngẫu nhiên (Random Effect Model), mô hình tác động cố định (Fixed Effect Model) hoặc OLS gộp (Pooled OLS) để hồi quy bằng phần mềm thống kê Stata. 2.3. Mô hình nghiên cứu Rủi ro phá sản của các ngân hàng thương mại niêm yết trong nghiên cứu được xác định dựa trên điểm số Z-score (Boyd & ctg, 2006). Trên thực tế, nguy cơ phá sản ngân hàng thể hiện qua điểm số Z đã được đo lường qua những khoảng thời gian ngắn như 3 năm (Boyd & cộng sự, 2006; Yeyati & Micco, 2007), trong khi những các nhà nghiên cứu khác còn xem xét ở mức 5 năm (Hannan & Hanweck, 1988) hoặc 6 năm (Laeven & Levine, 2009). Trong mẫu nghiên cứu về các ngân hàng tại Hoa Kỳ, Boyd & cộng sự (2006) đã sử dụng quan sát hàng quý để ước tính giá trị trung bình và độ lệch chuẩn của ngân hàng ROA để tính ra Z-score. Số liệu theo quý cũng được Yeyati & Micco (2007) sử dụng trong nghiên cứu, trong khi Hannan & Hanweck (1988) lại sử dụng dữ liệu 6 tháng. 245
4. Mỗi nghiên cứu đều tận dụng những đặc điểm phù hợp với mẫu nghiên cứu để đo lường Z-score. Trong bài nghiên cứu này, nhóm tác giả tập trung chủ yếu vào việc sử dụng các dữ liệu của 6 ngân hàng thương mại niêm yết trên thị trường chứng khoán Việt Nam, được công bố hằng quý. Như vậy, xem xét trong khoảng thời gian 5 năm (2011-2015) trên cơ sở báo cáo tài chính theo quý, sẽ mở rộng được quy mô mẫu. Ngoài ra, so sánh việc xem xét dưới khía cạnh mẫu nghiên cứu theo quý và theo năm, độ biến động ROA trong ngắn hạn (theo quý) sẽ được mong đợi cao hơn và thể hiện rõ hơn mức biến động trong dài hạn (theo năm).  nghĩa điểm số Z Tính chất của Z - score là khi Z - score càng lớn, khả năng dẫn tới khánh kiệt và phá sản ngân hàng càng thấp, và ngược lại. Ví dụ, trong trường hợp giảm thu nhập sẽ làm thâm hụt vốn, tức là Z - score giảm, tương đương với việc khiến ngân hàng lâm vào trạng thái khánh kiệt và đứng trước nguy cơ phá sản.  Mô hình kiểm định Để kiểm định tác động của các nhân tố đến rủi ro hệ thống, tác giả sử dụng mô hình hồi quy đối với số liệu mảng của 6 ngân hàng thương mại niêm yết trên thị trường chứng khoán Việt Nam. Biến phụ thuộc trong mô hình được lựa chọn là điểm số Z, đại diện cho rủi ro phá sản của các ngân hàng niêm yết trên thị trường. Các biến độc lập được lựa chọn trong mô hình là các chỉ tiêu tài chính đại diện cho các nhóm rủi ro tín dụng, rủi ro lãi suất, rủi ro thanh khoản và rủi ro phát sinh từ cơ cấu vốn tác động đến rủi ro phá sản của ngân hàng. Nghiên cứu lựa chọn mô hình kiểm định dựa trên mô hình đã được điều chỉnh phù hợp với thực tiễn Việt Nam trong nghiên cứu của Nguyễn Thanh Dương (2013). Tuy nhiên, khác với Nguyễn Thanh Dương, trong khi chạy mô hình, để đảm bảo không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập gây ảnh hưởng đến kết quả nghiên cứu, tác giả chỉ lựa chọn mỗi nhóm một chỉ tiêu đại diện để đưa vào phân tích. 246
5. Bảng 1: Ma trận hệ số tƣơng quan giữa các biến độc lập trong mô hình LLR LEV NIR LDR LLP LLR 1 LEV 0,033865 1 NIR 0,091594 0,077749 1 LDR 0,125955 0,075695 0,230512 1 LLP 0,927481 0,024989 -0,06661 0,101803 1 Nguồn: Tác giả tính toán dựa trên dữ liệu Stoxplus và phần mềm icrosoft Excel Để đảm bảo không bỏ sót biến quan trọng, nghiên cứu đã kiểm định khả năng xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình của Nguyễn Thanh Dương được trình bày trong Bảng 1. Kết quả cho thấy tồn tại hiện tượng đa cộng tuyến giữa hai biến LLR và LLP với hệ số tương quan r = 0.927> 0.8. Từ đó, tiến hành kiểm định độ phù hợp đối với mô hình hồi quy, tác giả đã loại biến LLP và giữ lại biến LLR đại diện cho rủi ro tín dụng tác động đến khả năng phá sản ngân hàng. Như vậy, dựa trên những nghiên cứu đã được tiến hành bởi các tác giả đi trước, cùng với những cân nhắc trong quá trình thực hiện, cũng như có những điều chỉnh cho phù hợp với đặc trưng của đối tượng nghiên cứu và thực tiễn Việt Nam, nghiên cứu đã tiến hành lựa chọn giữa các chỉ tiêu trong từng nhóm nhân tố để đưa vào mô hình. Mô hình kiểm định được xây dựng như sau: Zscoreit = α0 + α1 LLRit + α2LEVit + α3 NIRit + α4 LDRit + ui + εi Trong đó: Zscore (điểm số Z): Rủi ro phá sản i: biến của các phần tử chéo thứ i t: biến đc quan sát ở mức thời điểm t ui: thành phần sai số riêng biệt của từng phần tử chéo ei: sai số ngẫu nhiên thông thường 247
6. Các hệ số từ α1 đến α4 thể hiện tác động của các nhân tố đến rủi ro phá sản. Với một mức ý nghĩa xác định, nếu các hệ số này bằng không có nghĩa là hệ số không có ý nghĩa thống kê, tức nhân tố đưa ra không tác động đến rủi ro phá sản của các ngân hàng thương mại niêm yết trên thị trường chứng khoán Việt Nam. Bảng 2: Tóm tắt các biến từ nghiên cứu thực chứng Nhân tố Công thức Nghiên cứu thực nghiệm Hannan & Hanweck (1988); Jordan J. S. (1998); Marco T. G. & Fernandez Rủi ro M. D. (2004); Boyd & cộng sự Z-score= (2006); Yeyati & Micco (2007); phá sản Cihak M. & Hess H. (2008); Laeven & Levine, (2009). Foos D., Norden L. & Weber M. (2010). Rủi ro Whalen G. & Thomson J. B (1988); LLR= tín dụng Halling M. & Hayden E. (2006). Rủi ro Logan A. (2001); Halling M. & Hayden NIR= E. (2006); Jordan J. D. &cộng sự lãi suất (2011). Rủi ro Montgomery & cộng sự (2004); PWC thanh LDR= (2006, 2011). khoản Rủi ro (Estrella & cộng sự, 2000); Logan LEV = (2001); Montgomery (2004); Jordan J. tài chính D. & cộng sự (2011). 248
7. 3. Kết quả nghiên cứu 3.1. Kiểm định mối quan hệ tương quan giữa các biến lựa chọn trong mô hình Từ bộ số liệu thu thập và xử lý dữ liệu theo các biến dược lựa chọn trong mô hình, kết quả thống kê mô tả cụ thể như sau: Bảng 3. Thống kê mô tả các biến trong mô hình Variable Mean Std.Dev Min Max CV Z-score 161,8956 168,2058 8,747149 1105,087 1,038977 LLR 0,0023649 0,0032135 -0,0099146 0,0241354 1,358831 LEV 0,0834424 0,0158834 0,0473046 0,116441 0,190352 NIR 0,007361 0,0027302 0,0027302 0,012909 0,370901 LDR 0,572696 0,090061 0,362322 0,696362 0,157258 Nguồn: Tác giả tính toán dựa trên dữ liệu Stoxplus và phần mềm icrosoft Excel. Từ bảng thống kê mô tả có thể nhận thấy Z-score của 6 ngân hàng niêm yết trên thị trường chứng khoán Việt Nam nhận giá trị trung bình là 161,8956; ngoài ra, hệ số biến thiên CV của biến phụ thuộc Z-score khá cao là 1,039; cho thấy mức độ phân tán là tương đối đáng kể giữa các giá trị Z-score của các ngân hàng so với giá trị trung bình. Điều này càng có thể thấy rõ ràng qua thực tế là trong khi điểm số Z trong quý 2 năm 2013 của SHB có giá trị nhỏ nhất là 8,747 thì Ngân hàng STB trong quý 2 năm 2012 có điểm số Z đạt giá trị lớn nhất lên tới con số 1105,087. 3.2. Kết quả kiểm định mô hình Trước hết, nhóm tác giả tiến hành hồi quy với mô hình tác động ngẫu nhiên sau đó kiểm định lại mô hình có tồn tại ui hay không. 249
8. Bảng 4: Kết quả ƣớc lƣợng theo mô hình tác động ngẫu nhiên Các biến trong Hệ số hồi quy (α) Thống kê z P_value mô hình LLR 4552,742 1,00 0,315 LEV -2817,997 -2,23 0,026 NIR -16486,9 -2,10 0,036 LDR 191,971 1,02 0,305 C 397,6888 2,49 0,013 Độ tin cậy 95% Nguồn: Tác giả tính toán dựa trên dữ liệu của Stoxplus và phần mềm thống kê Stata. Sau đó sử dụng kiểm định Breusch - Pagan (xttest 0) để lựa chọn mô hình tác động ngẫu nhiên hay mô hình OLS gộp: Bảng 5: Kết quả kiểm định Breusch - Pagan Var Sd=sqrt(Var) Zscore 28293,2 168,2058 E 22878,94 151,2578 U 9419,529 97,05426 Test: Var(u)= 0 Chibar2 (01)= 7,76 Prob> chibar2= 0,0027 Nguồn: Tác giả tính toán dựa trên dữ liệu của Stoxplus và phần mềm thống kê Stata. Theo kết quả của kiểm định Breusch - Pagan, Prob= 0,0027< 5%, do đó đủ điều kiện bác bỏ H0: tức là không sử dụng mô hình OLS gộp. Khi đó, xuất hiện sự lựa chọn giữa hai mô hình tác động ngẫu nhiên và tác động cố định. Tác giả tiếp tục sử dụng kiểm định Hausman để lựa chọn mô hình cho dự báo: 250
9. Bảng 6: Kết quả kiểm định Hausman Test: H0: difference in coefficients not systematic chi2(4)= 4,48 Prob> chi2= 0,3445 Nguồn: Tác giả tính toán dựa trên dữ liệu của Stoxplus và phần mềm thống kê Stata. Tác giả nhận thấy Prob bằng 0,3445 lớn hơn mức ý nghĩa 5% nên không có mối tương quan giữa ui và các biến độc lập. Do đó, lựa chọn phù hợp ở đây là mô hình tác động ngẫu nhiên. Để khẳng định lần nữa mô hình tác động ngẫu nhiên có ý nghĩa trong dự báo, nghiên cứu tiến hành kiểm định bệnh của mô hình được lựa chọn như sau: Bảng 7: Kiểm định tƣơng quan chéo trong mô hình Pesaran‟s test of cross sectional independence = 0,245 Pr= 0,8603 Average absolute value of the off- diagonal elements= 0,305 Nguồn: Tác giả tính toán dựa trên dữ liệu của Stoxplus và phần mềm thống kê Stata. Theo kết quả kiểm định Pesaran có Prob = 0,8063 lớn hơn mức ý nghĩa thống kê nên không đủ điều kiện bác bỏ H0; do đó, mô hình không có tương quan chéo. Vậy, mô hình kiểm định có độ tin cậy cao trong dự báo. Bảng 4 về mô hình tác động ngẫu nhiên cho thấy kết quả hồi quy về sự tác động của các nhân tố đến rủi ro phá sản ngân hàng. Với độ tin cậy 95%, kết quả hồi quy từ mô hình tác động ngẫu nhiên đã chỉ ra tác động của nhân tố NIR và LEV có ý nghĩa thống kê. Từ kết quả hồi quy thu được hệ số ước lượng α tương ứng, cho thấy, NIR và LEV tác động ngược chiều với Zscore, tức là tác động cùng chiều với rủi ro phá sản. Điều này đồng nghĩa với việc khi tỷ lệ lãi thuần tăng lên (NIR tăng) và đòn bẩy tài chính tăng (LEV tăng) sẽ làm cho rủi ro phá sản tăng hoặc ngược lại. 251
10. Thứ nhất, đòn bẩy tài chính đo lường bằng hệ số tự tài trợ ngược chiều với rủi ro phá sản. Tuy kết quả có đi ngược lại với kỳ vọng ban đầu của nghiên cứu, và kết quả nghiên cứu trước đây của Montgomery (2004), nhưng có thể giải thích rằng với giả định vốn chủ sở hữu là ít biến đổi trong kì tài chính, tỷ lệ LEV chủ yếu phụ thuộc vào mức độ tăng trưởng của tổng huy động vốn. Nếu huy động vốn của ngân hàng không tốt, LEV tăng lên. Trong khi đó, vẫn cần nguồn tài trợ cho tín dụng, dẫn tới mất cân bằng trong cơ cấu tài trợ, đồng thời chi phí huy động vốn tăng lên, ngân hàng không hoạt động hiệu quả, đẩy ngân hàng đến đối mặt với rủi ro phá sản. Thực tế tại Việt Nam, giai đoạn 2011-2012 là giai đoạn các ngân hàng thương mại chạy đua lãi suất với xu thế tăng huy động để đáp ứng nhu cầu vốn cho nền kinh tế. Tuy nhiên, khi “bệnh khát vốn” của các ngân hàng đã trở nên “trầm kha” và lây lan trên diện rộng một cách không mong muốn thì vấn đề nằm ở chỗ, họ buộc phải tăng lãi suất lên dù biết đây không phải là “liều thuốc” hiệu quả thực sự vì “tác dụng phụ” của nó rất lớn, có những ngân hàng trong giai đoạn này đã bị khách hàng rút tới cả chục nghìn tỷ đồng, mà lý do chính là đem gửi ở ngân hàng khác có lãi suất cao hơn. Nhìn chung, liều thuốc này chỉ mang lại hiệu quả cho một số ngân hàng nhất định, số còn lại tổng huy động giảm xuống, đẩy tỷ lệ LEV tăng lên. Đồng thời thực trạng là ngân hàng đối mặt với rủi ro cao hơn rất nhiều. Thứ hai, rủi ro phá sản được nhận định chịu tác động thuận chiều từ phía tỷ lệ thu lãi thuần NIR, kết quả này tương đồng với nghiên cứu của Logan (2001); Halling (2006) và giả thuyết nghiên cứu đã đưa ra. Nếu ngân hàng phụ thuộc quá nhiều vào thu nhập lãi thuần (NIR càng cao) thì đồng thời danh mục cho vay chứa đựng nợ xấu và danh mục đầu tư không được định giá đúng cũng sẽ làm tăng rủi ro. Bên cạnh đó, rủi ro phá sản cũng được tìm thấy là có quan hệ ngược chiều với nhân tố tỷ lệ dự phòng rủi ro tín dụng và tỷ lệ LDR; tuy nhiên các hệ số này không có ý nghĩa thống kê với mức ý nghĩa 5%; đồng thời cũng trái với kỳ vọng ban đầu của nghiên cứu. Song, có thể giải thích rằng, một ngân hàng tăng trưởng tín dụng lành mạnh, đồng thời luôn sẵn sàng chủ động dự phòng rủi ro sẽ hạn chế được rủi ro phá sản. 252
11. 4. Kết luận Bài viết nghiên cứu tác động của một số nhân tố đến rủi ro phá sản của 6 ngân hàng niêm yết trên thị trường chứng khoán Việt Nam trong 20 quý, tương ứng với 5 năm từ 2011 đến 2015. Dựa trên kết quả phân tích đã cho thấy, có 2 nhân tố trong 4 nhân tố được đề xuất phân tích có mối liên hệ đến rủi ro phá sản mà các ngân hàng có thể phải đối mặt. Đặc biệt, với độ tin cậy 95%, trong số 2 nhân tố có ý nghĩa thống kê (đòn bẩy tài chính, và tỷ lệ thu nhập lãi thuần), các ngân hàng nên chú ý hơn tới tỷ lệ thu nhập lãi thuần của ngân hàng, do NIR tăng 1 đơn vị thì Z-score đã giảm 16486,9 đơn vị, tức là rủi ro phá sản đã tăng lên rất nhiều. Để giảm thiểu rủi ro phá sản, ngân hàng nên quan tâm điều chỉnh để không quá phụ thuộc vào thu nhập từ lãi. Tuy nhiên, việc đa dạng hóa thu nhập để giảm thu nhập từ lãi, ngân hàng cần cẩn trọng do có thể mất đi thị phần và khách hàng tiềm năng. Bên cạnh đó, chỉ tiêu đòn bẩy tài chính của ngân hàng (phản ánh qua hệ số tự tài trợ, tức LEV trong nghiên cứu này) cũng cần để tâm tới. Mặc dù vốn chủ sở hữu là tấm đệm giúp ngân hàng đối phó với biến động từ bên ngoài, song đây lại là nguồn vốn có chi phí huy động cao so với huy động vốn nợ; nếu ngân hàng duy trì tỷ lệ LEV cao sẽ tăng khả năng gặp phải rủi ro phá sản (1 đơn vị tăng LEV sẽ giảm 2817,9 đơn vị Z-score, đồng nghĩa với việc tăng rủi ro phá sản). Ngược lại, giả thuyết ban đầu của nhóm về tác động thuận chiều của nhân tố LLR và LDR tới rủi ro phá sản của ngân hàng bị bác bỏ với mức ý nghĩa 5%. Mặc dù chưa có ý nghĩa thống kê, nhưng kết quả về dấu của hai biến độc lập này cũng là chỉ báo đáng để ngân hàng lưu tâm. Tài liệu tham khảo 1. Boyd, J. H., De Nicolò, G., & Jalal, A. M. (2006), Bank risk-taking and competition revisited: New theory and new evidence. 2. Cihak M., Hesse H. (2008), Islamic Banks And Financial Stability: An Empirical Analysis, IMF working paper. 3. Estrella, A., Park, S., & Peristiani, S. (2000), Capital ratios as predictors of bank failure, Federal reserve bank of New York economic policy review, 6(2), p.33. 4. Foos D., Norden L., Weber M (2010), “Loan Growth And Riskiness Of Banks”, Journal of Banking and Finance, Vol. 34, p.2929-2940. 253
12. 5. Gary Whalen & James B. Thomson (1988), “Using Financial Data To Indentify Changes In Bank Condition”, SSRN. 6. Halling M., Hayden E. (2006), “Bank failure Predicttion: A Two-Step Survival Time Approach”, SSRN. 7. Hannan, T. H., & Hanweck, G. A. (1988).Bank insolvency risk and the market for large certificates of deposit. Journal of Money, Credit and Banking, 20(2), p.203-211. 8. Jordan J. S. (1998), “Problem Loans At New England Banks 1989-1992: Evidence Of Aggressive Loan Policies”, New England Economic Review, Federal Reserve Bank of Boston, p.23-38. 9. Jordan D. J., Rice D., Sanchez J., Walker C., Work D. H. (2011), “Predicting Bank Failures: Evidence From 2007 To 2010”, SSRN. 10. Laeven, L., & Levine, R. (2009), Bank governance, regulation and risk taking, Journal of Financial Economics, 93(2), p.259-275. 11. Lê Thị Nga (2015), truy cập từ “ san-ngan-hang-de-chong-lai-thoi-y-the-lam-lieu-20151026182225008.chn” 12. Logan A. (2001), “The UK‟s small bank‟s crisis of the early 1990s: what were the leading indicators of failure”, Banking of England, www.bankofengland.co.uk/workingpapers/index.htm. 13. Marco G. T. & Fernadez D. R. M. (2004), “Risk-taking behavior and ownership in the Banking Industry: the Spanish Evidence”, SSRN. 14. 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, 15. 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, tr.29- 39. 16. Yeyati, E. L., & Micco, A. (2007), Concentration and foreign penetration in Latin American banking sectors: Impact on competition and risk, Journal of Banking & Finance, 31(6), p.1633-1647. 254