Luan An Chau Dinh Linh Hoan Chinh Docx PDF 17072018102216SA

NGÂN HÀNG NHÀ NƯỚC VIỆT NAM BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH

-------------------------------
CHÂU ĐÌNH LINH
MỨC ĐỘ ẢNH HƯỞNG CỦA NỢ XẤU

ĐẾN HIỆU QUẢ NGÂN HÀNG TẠI HỆ THỐNG
NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
LUẬN ÁN TIẾN SĨ KINH TẾ
TP. HỒ CHÍ MINH – NĂM 2017

NGÂN HÀNG NHÀ NƯỚC VIỆT NAM BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH
-------------------------------

CHÂU ĐÌNH LINH
MỨC ĐỘ ẢNH HƯỞNG CỦA NỢ XẤU

ĐẾN HIỆU QUẢ NGÂN HÀNG TẠI HỆ THỐNG
NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
LUẬN ÁN TIẾN SĨ KINH TẾ
Chuyên ngành : Kinh tế Tài chính – Ngân hàng

Mã số : 62.34.02.01
Người hướng dẫn khoa học: TS. Lê Thẩm Dương

TS. Nguyễn Văn Tiến
TP. HỒ CHÍ MINH – NĂM 2017

i

LỜI CAM ĐOAN
Tác giả luận án có lời cam đoan về công trình khoa học này của mình, cụ thể:
Tôi tên là : Châu Đình Linh
Sinh ngày : 08 tháng 11 năm 1986 – Tại Phú Yên
Quê quán : Phú Yên
Hiện đang công tác tại : Trường đại học Ngân hàng TPHCM
Là nghiên cứu sinh khóa XIX của Trường đại học Ngân hàng TPHCM
Cam đoan đề tài: “Mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng tại hệ
thống ngân hàng thương mại Việt Nam”.
Mã số: 62.34.02.01
Người hướng dẫn khoa học: TS. Lê Thẩm Dương và TS. Nguyễn Văn Tiến
Luận án được thực hiện tại Trường đại học Ngân hàng TPHCM.
Luận án chưa từng được trình nộp để lấy học vị tiến sỹ tại một trường đại học
bất kỳ. Luận án là công trình nghiên cứu của riêng tôi, kết quả nghiên cứu là trung
thực, trong đó không có các nội dung đã được công bố trước đây hoặc các nội dung
do người khác thực hiện ngoại trừ những trích dẫn được dẫn nguồn đầy đủ trong
luận án.
Tôi xin hoàn toàn chịu trách nhiệm về lời cam đoan của tôi.
Ngoài ra, để hoàn thiện luận án, tôi đã nhận được sự hướng dẫn, giúp đỡ quý
báu của nhiều cá nhân và tập thể. Tôi xin cảm ơn tập thể Giảng viên trường đại học
Ngân hàng TPHCM đã giảng dạy, cung cấp cho tôi những kiến thức chuyên sâu về
lĩnh vực kinh tế. Đặc biệt, tôi xin cảm ơn người hướng dẫn khoa học Thầy Lê Thẩm
Dương và Thầy Nguyễn Văn Tiến đã hết sức nhiệt tình, sâu sát trong quá trình
hướng dẫn tôi thực hiện luận án này.
TPHCM, ngày 30 tháng 7 năm 2017
Châu Đình Linh

ii

DANH MỤC TỪ VIẾT TẮT
Từ viết tắt Nghĩa tiếng nước ngoài Nghĩa Tiếng Việt

NHNN Ngân hàng nhà nước
NHTMNN Ngân hàng thương mại nhà nước
NHTMCP Ngân hàng thương mại cổ phần
ROE Return On Equity Tỷ số lợi nhuận ròng trên vốn chủ sở hữu
ROA Return On Assets Tỷ số lợi nhuận ròng trên tài sản
ROS Return On Sale Tỷ suất sinh lời trên doanh thu thuần
C/I Costs Ratio Hệ số chi phí
SFA Stochastic Frontier Approach Phương pháp biên ngẫu nhiên
TFA Thick Frontier Approach Phương pháp phân tích TFA
DFA Distribution Free Approach Phương pháp phân tích DFA
DEA Data Envelopment Analysis Phương pháp phân tích bao dữ liệu
FDH Free Disposal Hull Phương pháp xử lý yếu tố tự do FDH
TE Technically Efficiency Hiệu quả kỹ thuật
AE Allocative Efficiency Hiệu quả phân bổ
CE Cost Efficiency Hiệu quả chi phí
SE Scale Efficiency Hiệu quả quy mô
PPF Production Possibility Đường giới hạn khả năng sản xuất
Frontier
DMUs Decision Making Units Các đơn vị ra quyết định
CCR Charnes, Cooper and Rhodes Mô hình CCR
BCC Banker, Charnes and Cooper Mô hình BCC
SBM Slack – based measures model Mô hình SBM
CRS Constant returns to scale Hiệu quả không đổi theo quy mô
VRS Variable Returns to Scale Hiệu quả thay đổi tùy thuộc vào quy mô
PTE Pure Technical Efficiency Hiệu quả kỹ thuật thuần
RE Revenue efficiency Hiệu quả doanh thu
SPE Standard profit efficiency Hiệu quả lợi nhuận tiêu chuẩn
APE Alternative profit efficiency Hiệu quả lợi nhuận tùy chọn

iii

PLL Provision for loan losses Dự phòng rủi ro tín dụng

SCP Structure – Conduct – Mô hình SCP
Performance
HHI Herfindahl – Hirschman Index Chỉ số HHI
NPLs Non – Performing Loans Nợ xấu
GMM General Method of Moments Phương pháp hồi quy mô – men tổng
quát
Tobit Phương pháp hồi quy kiểm duyệt
OLS Ordinary Least Square Phương pháp bình phương nhỏ nhất
2SLS 2 Stage Least Square Phương pháp hồi quy hai giai đoạn
PVAR Panel Vector Autoregression Mô hình tự hồi quy véc tơ dữ liệu bảng

iv

MỤC LỤC
LỜI CAM ĐOAN ........................................................................................................i
DANH MỤC TỪ VIẾT TẮT .................................................................................... ii
DANH MỤC HÌNH ...................................................................................................ix
DANH MỤC BẢNG .................................................................................................ix
PHẦN MỞ ĐẦU ........................................................................................................ 1
1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI .......................................................................... 1
2. MỤC TIÊU NGHIÊN CỨU VÀ CÂU HỎI NGHIÊN CỨU ................................. 3
3. ĐỐI TƯỢNG NGHIÊN CỨU VÀ PHẠM VI NGHIÊN CỨU.............................. 4
4. PHƯƠNG PHÁP NGHIÊN CỨU .......................................................................... 5
5. NHỮNG ĐÓNG GÓP MỚI CỦA LUẬN ÁN ....................................................... 6
6. BỐ CỤC CỦA LUẬN ÁN ..................................................................................... 9
CHƯƠNG 1. CƠ SỞ LÝ LUẬN VỀ HIỆU QUẢ NGÂN HÀNG, NỢ XẤU, VÀ
CƠ SỞ LÝ THUYẾT VỀ MỐI QUAN HỆ GIỮA NỢ XẤU VÀ HIỆU QUẢ
NGÂN HÀNG .......................................................................................................... 11
1.1. CƠ SỞ LÝ LUẬN VỀ HIỆU QUẢ NGÂN HÀNG .................................................. 11
1.1.1. Hiệu quả và hiệu quả ngân hàng ........................................................................ 11
1.1.1.1. Hiệu quả .............................................................................................. 11
1.1.1.2. Hiệu quả ngân hàng ............................................................................. 12
1.1.1.3. Mô hình nền (model background) và cách tiếp cận nhận diện đầu
vào/đầu ra ............................................................................................................... 15
1.1.2. Cách tiếp cận tham số (Parametric Frontier Approach) của cách tiếp cận cấu
trúc ...................................................................................................................................... 17
1.1.3. Cách tiếp cận phi tham số (Non – Parametric Approach) của cách tiếp cận cấu
trúc ...................................................................................................................................... 19
1.1.4. Phương pháp phân tích bao dữ liệu (DEA) ....................................................... 19
1.1.5. Các nhân tố ảnh hưởng đến hiệu quả ngân hàng............................................... 25
1.2.CƠ SỞ LÝ THUYẾT VỀ MỐI QUAN HỆ GIỮA NỢ XẤU VÀ HIỆU QUẢ
NGÂN HÀNG ...................................................................................................................... 26

v

1.2.1.Cơ sở lý luận về nợ xấu ....................................................................................... 26

1.2.1.1.Các quan điểm về nợ xấu ..................................................................... 26
1.2.1.2.Các tác động của nợ xấu ...................................................................... 27
1.2.1.3.Các nhân tố ảnh hưởng đến nợ xấu ...................................................... 28
1.2.2.Cơ sở lý thuyết về mối quan hệ giữa nợ xấu và hiệu quả ngân hàng................ 29
KẾT LUẬN CHƯƠNG 1 ......................................................................................... 31
CHƯƠNG 2. ĐÁNH GIÁ CÁC CÔNG TRÌNH NGHIÊN CỨU VỀ HIỆU
QUẢ NGÂN HÀNG, VÀ MỐI QUAN HỆ GIỮA NỢ XẤUVỚI HIỆU QUẢ
NGÂN HÀNG .......................................................................................................... 32
2.1.CÁC NGHIÊN CỨU THỰC NGHIỆM VỀ HIỆU QUẢ NGÂN HÀNG................ 32
2.1.1.Các nghiên cứu về hiệu quả ngân hàng trong một quốc gia.............................. 32
2.1.2.Nghiên cứu về hiệu quả ngân hàng chéo ở những quốc gia .............................. 35
2.2.CÁC NGHIÊN CỨU THỰC NGHIỆM VỀ HIỆU QUẢ NGÂN HÀNG Ở VIỆT
NAM ................................................................................................................................... 39
2.3. CÁC NGHIÊN CỨU VỀ MỨC ĐỘ ẢNH HƯỞNG CỦA NỢ XẤU ĐẾN HIỆU
QUẢ NGÂN HÀNG, VÀ MỐI QUAN HỆ GIỮA NỢ XẤU VỚI HIỆU QUẢ NGÂN
HÀNG ................................................................................................................................... 43
2.4.NHỮNG NHẬN ĐỊNH TỪ LƯỢC KHẢO CÁC CÔNG TRÌNH NGHIÊN CỨU
TRƯỚC ................................................................................................................................. 51
KẾT LUẬN CHƯƠNG 2 ......................................................................................... 53
CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU .................................................. 54
3.1. MÔ HÌNH ĐO LƯỜNG HIỆU QUẢ NGÂN HÀNG .............................................. 54
3.1.1. Mô hình đo lường hiệu quả chi phí (cost efficiency DEA model)................... 56
3.1.2. Mô hình đo lường hiệu quả ngân hàng khi có yếu tố nợ xấu – mô hình DEA
với đầu ra không mong muốn .............................................................................................. 58
3.2. MÔ HÌNH NGHIÊN CỨU VÀ PHƯƠNG PHÁP NGHIÊN CỨU NHẰM
PHÂN TÍCH MỨC ĐỘ ẢNH HƯỞNG CỦA NỢ XẤU ĐẾN HIỆU QUẢ NGÂN
HÀNG ................................................................................................................................... 60
3.2.1. Mô hình nghiên cứu đề xuất............................................................................. 60

vi

3.2.2. Phương pháp ước lượng S – GMM (system – Generalized method of

moments) cho mô hình dữ liệu bảng động (dynamic panel data models) ........................ 62
3.2.3. Mô hình vector tự hồi quy dữ liệu bảng (panel vector autoregression) và phân
tích nhân quả Granger .......................................................................................................... 66
3.3. DỮ LIỆU NGHIÊN CỨU ............................................................................................ 68
KẾT LUẬN CHƯƠNG 3 ......................................................................................... 72
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU ............................................................... 73
4.1. TỔNG QUAN HỆ THỐNG NGÂN HÀNG THƯƠNG MẠI VIỆT NAM, DIỄN
BIẾN NỢ XẤU VÀ HOẠT ĐỘNG XỬ LÝ NỢ XẤU ................................................... 73
4.1.1. Tổng quan hệ thống ngân hàng thương mại Việt Nam .................................... 73
4.1.2. Diễn biến nợ xấu tại hệ thống ngân hàng thương mại Việt Nam giai đoạn 2007
– 2014 .................................................................................................................................... 74
4.1.3. Diễn biến xử lý nợ xấu tại Việt Nam ................................................................. 76
4.2. KẾT QUẢ NGHIÊN CỨU VỀ ĐIỂM HIỆU QUẢ NGÂN HÀNG THÔNG QUA
MÔ HÌNH DEA VỚI NỢ XẤU LÀ ĐẦU RA KHÔNG MONG MUỐN ..................... 80
4.2.1. Điểm hiệu quả ngân hàng DEA với đầu ra không mong muốn là nợ xấu và
đánh giá sự ảnh hưởng của nợ xấu đến hiệu quả ngân hàng: Trường hợp các ngân hàng
thương mại nhà nước............................................................................................................ 81
4.2.2. Điểm hiệu quả ngân hàng DEA với đầu ra không mong muốn là nợ xấu và
đánh giá sự ảnh hưởng của nợ xấu đến hiệu quả ngân hàng: Trường hợp nhóm các ngân
hàng thương mại cổ phần ..................................................................................................... 86
4.3.KẾT QUẢ NGHIÊN CỨU VỀ MỨC ĐỘ ẢNH HƯỞNG CỦA NỢ XẤU ĐẾN
HIỆU QUẢ NGÂN HÀNG TẠI HỆ THỐNG NGÂN HÀNG THƯƠNG MẠI VIỆT
NAM ................................................................................................................................. 121
4.3.1. Tổng hợp kết quả nghiên cứu về hiệu quả ngân hàng .................................... 121
4.3.2. Kết quả nghiên cứu về mức độ ảnh hưởng của nợ xấu đến hiệu quả chi phí qua
mô hình dữ liệu bảng động với phương pháp S – GMM hai bước ................................. 123
4.3.3. Kết quả nghiên cứu về quan hệ nhân quả giữa nợ xấu và hiệu quả chi
phí bằng mô hình ước lượng PVAR ....................................................................... 126

vii

KẾT LUẬN CHƯƠNG 4 ....................................................................................... 132

CHƯƠNG 5. KẾT LUẬN, GIẢI PHÁP VÀ KIẾN NGHỊ ................................ 133
5.1.KẾT LUẬN .................................................................................................................. 133
5.1.1. Các kết luận về hiệu quả ngân hàng khi đo lường thông qua mô hình DEA với
đầu ra không mong muốn là nợ xấu. ................................................................................. 133
5.1.2. Kết luận về đo lường hiệu quả chi phí (cost efficiency) ................................. 139
5.1.3. Các kết luận về mức độ ảnh hưởng của nợ xấu đến hiệu quả chi phí của hệ
thống ngân hàng thương mại Việt Nam ............................................................................ 140
5.1.4. Các kết luận về sự tác động ngược lại của hiệu quả chi phí đến tỷ lệ nợ xấu
của hệ thống ngân hàng thương mại Việt Nam ................................................................ 142
5.2. GIẢI PHÁP.................................................................................................................. 143
5.2.1. Nhóm giải pháp nâng cao hiệu quả chi phí của hệ thống ngân hàng thương mại
Việt Nam ............................................................................................................................. 143
5.2.2. Nhóm giải pháp tổng thể nhằm quản trị nợ xấu và giảm trừ sự tác động của nợ
xấu đến hiệu quả chi phí ..................................................................................................... 145
5.2.3. Nhóm giải pháp cụ thể để loại trừ các hoạt động làm “quản lý kém” và gia
tăng hỗ trợ của các chính sách kinh tế vĩ mô ................................................................. 146
5.3. KIẾN NGHỊ................................................................................................................. 149
5.3.1. Kiến nghị các ngân hàng thương mại hướng đến mảng kinh doanh ngân hàng
bán lẻ như một chiến lược dài hạn nhằm nâng cao hiệu quả ngân hàng và giảm trừ sự tác
động của nợ xấu .................................................................................................................. 149
5.3.2. Kiến nghị các ngân hàng thương mại xây dựng mô hình quản trị ngân hàng
hiện đại nhằm hướng đến biên hiệu quả ngân hàng ......................................................... 150
5.3.3. Kiến nghị các ngân hàng thương mại áp dụng phương pháp quản lý nợ xấu
chủ động ............................................................................................................................. 151
5.3.4. Kiến nghị NHNN xây dựng hệ thống đo lường hiệu quả ngân hàng ............ 153
5.3.5. Nhóm kiến nghị cơ quan hoạch định chính sách nhằm hỗ trợ ổn định hệ thống
tài chính và thúc đẩy xử lý triệt để nợ xấu ........................................................................ 154
5.3.6. Kiến nghị về chính sách vĩ mô ......................................................................... 157

viii

5.4. HẠN CHẾ CỦA ĐỀ TÀI VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO ................. 158
KẾT LUẬN CHƯƠNG 5 ....................................................................................... 160
KẾT LUẬN............................................................................................................. 161
DANH MỤC CÔNG TRÌNH LIÊN QUAN ĐẾN LUẬN ÁN ĐÃ CÔNG BỐ CỦA
TÁC GIẢ ................................................................................................................ 166
PHỤ LỤC ............................................................................................................... 167

ix

DANH MỤC HÌNH
Hình 1.1: Ba mô hình theo ba cách tiếp cận Abraham Charnes et al. (1994) ...........22
Hình 1.2: Hiệu quả kỹ thuật theo định hướng đầu vào .............................................23
Hình 1.3: Hiệu quả kỹ thuật theo định hướng đầu ra ................................................24
Hình 4.1: Vòng tròn đơn vị về tính ổn định của mô hình .......................................128
Hình 4.2: Kết quả phân tích hàm phản ứng đẩy IRFs .............................................130
Hình 5.1: Các phương án quyết định bán nợ, giữ nợ hay đưa ra bảng cân đối kế toán
.................................................................................................................................152
DANH MỤC BẢNG
Bảng 3.1: Các ngân hàng thương mại (DMUs) trong mẫu nghiên cứu ....................69
Bảng 3.2: Số ngân hàng trong mẫu nghiên cứu giai đoạn 2007 – 2014 ...................70
Bảng 4.1: Tình hình nợ xấu của các NHTM Việt Nam từ 2007 đến 2014 ...............75
Bảng 4.2: Điểm hiệu quả ngân hàng của AGR khi có sự ảnh hưởng của đầu ra
không mong muốn là nợ xấu.....................................................................................82
Bảng 4.3: Điểm hiệu quả ngân hàng của BID khi có sự ảnh hưởng của đầu ra không
mong muốn là nợ xấu................................................................................................82
Bảng 4.4: Điểm hiệu quả ngân hàng của CTG khi có sự ảnh hưởng của đầu ra
Bảng 4.5: Điểm hiệu quả ngân hàng của VCB khi có sự ảnh hưởng của đầu ra
Bảng 4.6: Điểm hiệu quả ngân hàng của MHB khi có sự ảnh hưởng của đầu ra
Bảng 4.7: Điểm siêu hiệu quả ngân hàng (super – efficiency) .................................86
Bảng 4.8: Điểm hiệu quả ngân hàng của BVB khi có sự ảnh hưởng của đầu ra

x

Bảng 4.9: Điểm hiệu quả ngân hàng của MBB khi có sự ảnh hưởng của đầu ra
Bảng 4.10: Điểm hiệu quả ngân hàng của MDB khi có sự ảnh hưởng của đầu ra
Bảng 4.11: Điểm hiệu quả ngân hàng của NSB khi có sự ảnh hưởng của đầu ra
Bảng 4.12: Điểm hiệu quả ngân hàng của LVP khi có sự ảnh hưởng của đầu ra
Bảng 4.13: Điểm hiệu quả ngân hàng của TPB khi có sự ảnh hưởng của đầu ra
Bảng 4.14: Điểm hiệu quả ngân hàng của TCB khi có sự ảnh hưởng của đầu ra
Bảng 4.15: Điểm hiệu quả ngân hàng của SCB khi có sự ảnh hưởng của đầu ra
không mong muốn là nợ xấu ..........................................................................90
Bảng 4.16: Điểm siêu hiệu quả của các ngân hàng MBB, MDB, LVP, TPB, TCB,
NSB, SCB .................................................................................................................93
Bảng 4.17: Điểm hiệu quả ngân hàng của DAI khi có sự ảnh hưởng của đầu ra
Bảng 4.18: Điểm hiệu quả ngân hàng của EAB khi có sự ảnh hưởng của đầu ra
Bảng 4.19: Điểm hiệu quả ngân hàng của GPBank khi có sự ảnh hưởng của đầu ra
Bảng 4.20: Điểm hiệu quả ngân hàng của HAB khi có sự ảnh hưởng của đầu ra
Bảng 4.21: Điểm hiệu quả ngân hàng của PGBank khi có sự ảnh hưởng của đầu ra
Bảng 4.22: Điểm hiệu quả ngân hàng của PNB khi có sự ảnh hưởng của đầu ra

xi

Bảng 4.23: Điểm hiệu quả ngân hàng của OEB khi có sự ảnh hưởng của đầu ra
không mong muốn là nợ xấu...................................................................................100
Bảng 4.24: Điểm hiệu quả ngân hàng của TNB khi có sự ảnh hưởng của đầu ra
Bảng 4.25: Điểm hiệu quả ngân hàng của NAV khi có sự ảnh hưởng của đầu ra
Bảng 4.26: Điểm hiệu quả ngân hàng của CB khi có sự ảnh hưởng của đầu ra không
mong muốn là nợ xấu..............................................................................................102
Bảng 4.27: Điểm hiệu quả ngân hàng của PVcombank khi có sự ảnh hưởng của đầu
ra không mong muốn là nợ xấu ..............................................................................103
Bảng 4.28: Điểm hiệu quả ngân hàng của ABB khi có sự ảnh hưởng của đầu ra
không mong muốn là nợ xấu.................................................................................. 102
Bảng 4.29: Điểm hiệu quả ngân hàng của ACB khi có sự ảnh hưởng của đầu ra
Bảng 4.30: Điểm hiệu quả ngân hàng của BAN khi có sự ảnh hưởng của đầu ra
Bảng 4.32: Điểm hiệu quả ngân hàng của KLB khi có sự ảnh hưởng của đầu ra
Bảng 4.34: Điểm hiệu quả ngân hàng của NAB khi có sự ảnh hưởng của đầu ra
Bảng 4.35: Điểm hiệu quả ngân hàng của OCB khi có sự ảnh hưởng của đầu ra
Bảng 4.36: Điểm hiệu quả ngân hàng của EIB khi có sự ảnh hưởng của đầu ra
Bảng 4.38: Điểm hiệu quả ngân hàng của SHB khi có sự ảnh hưởng của đầu ra
Bảng 4.39: Điểm hiệu quả ngân hàng của SGB khi có sự ảnh hưởng của đầu ra

xii

Bảng 4.40: Điểm hiệu quả ngân hàng của STB khi có sự ảnh hưởng của đầu ra
Bảng 4.41: Điểm hiệu quả ngân hàng của VAB khi có sự ảnh hưởng của đầu ra
không mong muốn là nợ xấu VAB .........................................................................117
Bảng 4.42: Điểm hiệu quả ngân hàng của VIB khi có sự ảnh hưởng của đầu ra
Bảng 4.43: Điểm hiệu quả ngân hàng của VPB khi có sự ảnh hưởng của đầu ra
Bảng 4.44: Điểm siêu hiệu quả (super – efficiency) của các ngân hàng trong nhóm
nghiên cứu ...............................................................................................................120
Bảng 4.45: Tổng hợp điểm hiệu quả chi phí của ngân hàng ...................................121
Bảng 4.46: Thống kê mô tả điểm hiệu quả chi phí (cost efficiency) ......................123
Bảng 4.47: Thống kê mô tả các biến trong ước lượng S – GMM hai bước và mô
hình PVAR ..............................................................................................................123
Bảng 4.48: Kết quả ước lượng bằng phương pháp S – GMM hai bước lCE ..........124
Bảng 4.49: Kết quả ước lượng bằng phương pháp S – GMM hai bước cho lNPLR .. 125
Bảng 4.50: Xác định độ trễ tối ưu cho mô hình PVAR ..........................................126
Bảng 4.51: Kết quả kiểm định nghiệm đơn vị cho lCE và lNPLR .........................127
Bảng 4.52: Kết quả kiểm định tính ổn định của mô hình .......................................127
Bảng 4.53: Kết quả ước lượng bằng mô hình PVAR .............................................128
Bảng 4.54: Kết quả phân tích quan hệ nhân quả Granger ......................................129
Bảng 4.55: Kết quả phân tích ma trận phân rã phương sai FEVDs ........................130

1
PHẦN MỞ ĐẦU
1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI

Những nghiên cứu về hiệu quả ngân hàng ngày càng đa dạng về đối tượng, mô
hình, và phương pháp, đặc biệt là kể từ sau năm 1990. Tính đa dạng đó không chỉ
nằm ở phương pháp đo lường hiệu quả, mà còn nghiên cứu về mối quan hệ giữa
hiệu quả với một hoặc vài đối tượng nghiên cứu khác nhau như: nợ xấu, năng lực
cạnh tranh, giá trị vốn hóa ngân hàng… Trong đó, nợ xấu với hiệu quả được đánh
giá là vấn đề nổi cộm và ảnh hưởng mọi hoạt động kinh doanh ngân hàng.
Vì thế, mối quan hệ giữa nợ xấu với hiệu quả ngân hàng đã được nghiên cứu
kỹ lưỡng với nhiều thành tựu đáng kể cho đến nay. Lúc đầu, các nhà kinh tế học
như Mester (1996), Berger & DeYoung (1997), Berger & Mester (1997) là những
người đặt nền tảng về tầm quan trọng của nợ xấu khi phân tích hiệu quả ngân hàng.
Tiếp đến Keeton & Morris (1987), Berger & DeYoung (1997), và Koutsomanoli –
Filippaki et al. (2009) là những người phát triển các lý thuyết nhằm hỗ trợ giải thích
cho mối quan hệ giữa nợ xấu và hiệu quả ngân hàng. Các lý thuyết bao gồm: lý
thuyết “kém may mắn” (bad luck), lý thuyết “quản lý kém” (bad management), lý
thuyết “hà tiện” (skimping), lý thuyết “quản lý tránh rủi ro” (risk – averse
management).
Còn tại Việt Nam, nợ xấu được tích tụ và gia tăng mạnh trong thời gian trước
năm 2014. Những hoạt động tái cơ cấu ngân hàng, xử lý nợ xấu, thành lập công ty
Quản lý tài sản các Tổ chức Tín dụng (VAMC)…đã minh chứng cho thấy nợ xấu là
mối đe dọa đến ổn định tài chính quốc gia, an ninh hệ thống ngân hàng, và suy giảm
hiệu quả ngân hàng trầm trọng. Vì vậy, nghiên cứu về nợ xấu, hiệu quả ngân hàng,
và mối quan hệ giữa nợ xấu với hiệu quả ngân hàng trở nên cấp thiết nhằm tìm hiểu
bản chất và các nguyên nhân gây nên những tình trạng bất ổn của hệ thống ngân
hàng thương mại.
Do đó, luận án này sẽ tiến hành nghiên cứu về nợ xấu, hiệu quả ngân hàng và
mối quan hệ giữa chúng. Các đối tượng nghiên cứu trên được chuyển tải thông qua

2
đề tài mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng tại hệ thống ngân hàng
thương mại Việt Nam. Đề tài sẽ nghiên cứu sẽ được tiến hành ở các khía cạnh: (i)
Thứ nhất, đo lường điểm hiệu quả ngân hàng có tính đến nợ xấu là một đầu ra
không mong muốn, nhằm đánh giá mức độ ảnh hưởng của nợ xấu đến điểm số hiệu
quả của từng ngân hàng; (ii) thứ hai, tìm kiếm bằng chứng thực nghiệm về mức độ
ảnh hưởng của nợ xấu đến hiệu quả ngân hàng và ngược lại; (iii) thứ ba, luận án tìm
kiếm bằng chứng thực nghiệm về mối quan hệ nhân quả giữa nợ xấu và hiệu quả
ngân hàng. Từ đó, luận án sẽ phân tích được nguyên nhân gây ra nợ xấu, và mức độ
giải thích cho sự thay đổi của nợ xấu với hiệu quả chi phí tại hệ thống ngân hàng
thương mại Việt Nam.
Khi nghiên cứu mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng sẽ làm
luận án đạt được hai ý nghĩa về lý luận cũng như thực tiễn.
Về mặt lý luận. Thứ nhất, luận án hệ thống hóa các cơ sở lý thuyết về mối
quan hệ giữa nợ xấu với hiệu quả ngân hàng. Tìm hiểu những nhân tố tác động đến
nợ xấu và những yếu tố ảnh hưởng lên hiệu quả ngân hàng; thứ hai, luận án bổ sung
cách đánh giá mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng thông qua đo
lường điểm hiệu quả ngân hàng có nợ xấu là đầu ra không mong muốn. Bởi các
nghiên cứu về hiệu quả ngân hàng tại Việt Nam như Hùng (2008), Vu et al. (2010)
Dang – Thanh (2012), Minh et al. (2013), Chang et al. (2015)…chỉ đo lường điểm
hiệu quả nhưng chưa tính đến sự ảnh hưởng của nợ xấu; thứ ba, luận án sẽ tiến hành
đánh giá mối quan hệ giữa nợ xấu và hiệu quả ngân hàng tại hệ thống các ngân hàng
thương mại Việt Nam. Kết quả nghiên cứu sẽ là bằng chứng thực nghiệm đánh giá
để mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng, nguyên nhân gây ra nợ
xấu, mức độ giải thích cho sự thay đổi của nợ xấu và hiệu quả ngân hàng tại hệ
thống ngân hàng thương mại Việt Nam. Đồng thời, kết quả còn hỗ trợ kiểm định
các giả thuyết nghiên cứu về mối quan hệ giữa nợ xấu với hiệu quả ngân hàng tại
Việt Nam; thứ tư, luận án sử dụng nhiều phương pháp nghiên cứu khác nhau để
đảm bảo kết quả phản ánh tốt nhất về mức độ ảnh hưởng của nợ xấu đến hiệu quả
ngân hàng, bao gồm: Phương pháp bao dữ liệu DEA, phương pháp ước lượng S –

3
GMM hai bước cho mô hình dữ liệu bảng động, ước lượng GMM cho mô hình tự
hồi quy véc tơ dữ liệu bảng PVAR và kỹ thuật phân tích nhân quả Granger.
Về mặt thực tiễn. Một là, đánh giá mức độ ảnh hưởng của nợ xấu đến hiệu quả
ngân hàng, và phân tích mối quan hệ giữa nợ xấu với hiệu quả ngân hàng có vai trò
rất quan trọng giúp các ngân hàng hiểu rõ thực trạng hoạt động kinh doanh. Từ đó,
các nhà quản trị sẽ chủ động đưa ra những quyết sách chiến lược nhằm cải thiện vị
thế cạnh tranh so với các đối thủ trên thị trường; hai là, các bằng chứng thực nghiệm
kiểm định cho những giả thuyết nghiên cứu về mối quan hệ giữa nợ xấu với hiệu
quả ngân hàng. Ứng với mỗi lý thuyết sẽ giải thích được các nguyên nhân gây ra nợ
xấu, và những nguyên nhân này sẽ đưa đến các giải pháp phù hợp cho hệ thống
ngân hàng thương mại Việt Nam; ba là, các kết quả thực nghiệm sẽ giúp luận án đề
xuất các nhóm giải pháp và kiến nghị nhằm hướng đến một hệ thống ngân hàng
hoạt động hiệu quả, xử lý và tiến đến kiểm soát sự tác động của nợ xấu, cũng như
loại trừ những tín hiệu quản trị ngân hàng yếu kém…
Chính vì vậy, luận án “Mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng
tại hệ thống ngân hàng thương mại Việt Nam” có tính cần thiết khi nghiên cứu.
2. MỤC TIÊU NGHIÊN CỨU VÀ CÂU HỎI NGHIÊN CỨU
Các mục tiêu nghiên cứu của luận án “Mức độ ảnh hưởng của nợ xấu đến
hiệu quả ngân hàng tại hệ thống ngân hàng thương mại Việt Nam”:
- Mục tiêu tổng quát: Xác định mức độ ảnh hưởng của nợ xấu đến hiệu quả
ngân hàng, nguyên nhân gây ra nợ xấu, và mức độ giải thích cho sự thay đổi của
hiệu quả ngân hàng bởi sự thay đổi của nợ xấu.
- Mục tiêu cụ thể:
+ Đo lường điểm hiệu quả ngân hàng khi có nợ xấu là một đầu ra không
mong muốn (undesirable output), nhằm xác định sự ảnh hưởng của nợ xấu đến điểm
hiệu quả từng ngân hàng trong thời gian nghiên cứu.
+ Đo lường hiệu quả ngân hàng qua mô hình hiệu quả chi phí DEA (cost
efficiency DEA). Đây là một biến số quan trọng trong các mô hình nghiên cứu đề

4
xuất, nhằm đánh giá mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng (thông
qua điểm hiệu quả chi phí).
+ Xác định mức độ ảnh hưởng của nợ xấu đến hiệu quả chi phí tại hệ thống
ngân hàng thương mại Việt Nam trong thời kỳ nghiên cứu. Đồng thời, ở chiều
ngược lại, luận án cũng xác định mức độ ảnh hưởng của hiệu quả chi phí đến nợ
xấu. Điều này nhằm phân tích kỹ càng những nguyên nhân có thể gây ra nợ xấu tại
hệ thống ngân hàng thương mại Việt Nam.
+ Xác định sự thay đổi của nợ xấu có phải là nguyên nhân gây ra sự thay
đổi của hiệu quả chi phí. Và một cú sốc đến nợ xấu ở các giai đoạn kế tiếp có ảnh
hưởng đến sự thay đổi của hiệu quả chi phí và mức độ giải thích cho sự thay đổi đó.
Câu hỏi nghiên cứu của luận án:
- Câu hỏi 1: Điểm hiệu quả của các ngân hàng thương mại Việt Nam là bao
nhiêu khi đưa vào yếu tố nợ xấu như một đầu ra không mong muốn?
- Câu hỏi 2: Mô hình và phương pháp để đo lường hiệu quả chi phí của hệ
thống ngân hàng thương mại Việt Nam?
- Câu hỏi 3: Nợ xấu có sự ảnh hưởng đến hiệu quả chi phí như thế nào? Và
ngược lại, sự tác động của hiệu quả chi phí sẽ ra sao đến nợ xấu?
- Câu hỏi 4: Sự thay đổi của nợ xấu có phải là nguyên nhân gây ra sự thay đổi
của hiệu quả chi phí? Hay sự thay đổi của hiệu quả chi phí là nguyên nhân gây ra sự
thay đổi của nợ xấu? Hay cả hai?
- Câu hỏi 5: Nếu ở các giai đoạn tiếp theo có một cú sốc đến nợ xấu thì hiệu
quả chi phí sẽ phản ứng như thế nào? Mức độ giải thích cho sự thay đổi của hiệu
quả chi phí bởi sự thay đổi của nợ xấu là bao nhiêu? Và ngược lại, một cú sốc đến
hiệu quả chi phí thì nợ xấu sẽ phản ứng ra sao với mức giải thích bao nhiêu?
3. ĐỐI TƯỢNG NGHIÊN CỨU VÀ PHẠM VI NGHIÊN CỨU
Đối tượng nghiên cứu: hiệu quả ngân hàng, nợ xấu, mối quan hệ giữa nợ xấu
và hiệu quả ngân hàng.
Phạm vi nghiên cứu: các ngân hàng thương mại cổ phần tại Việt Nam.

5
Dữ liệu nghiên cứu: dữ liệu nghiên cứu của luận án lấy từ báo cáo tài chính có
kiểm toán (báo cáo tài chính riêng lẻ) của các ngân hàng thương mại Việt Nam
trong năm 2007 đến 2014.
Thời gian nghiên cứu: từ 2007 đến 2014.
4. PHƯƠNG PHÁP NGHIÊN CỨU
Để thực hiện những mục tiêu nghiên cứu dựa vào dữ liệu nghiên cứu đã được
đề cập ở trên, luận án chủ yếu sử dụng các phương pháp nghiên cứu và phần mềm
nghiên cứu như sau:
- Một là, luận án sẽ đo lường hiệu quả ngân hàng theo phương pháp bao dữ
liệu (DEA) với cách tiếp cận sản xuất (production approach). Mô hình được sử
dụng bao gồm: (i) DEA hiệu quả chi phí (DEA cost efficiency). Đo lường DEA
hiệu quả chi phí (gọi là hiệu quả chi phí, CE – cost efficiency) được dùng là biến số
để đưa vào mô hình kinh tế lượng nhằm đánh giá mức độ ảnh hưởng của nợ xấu đến
hiệu quả chi phí và mối quan hệ giữa nợ xấu với hiệu quả chi phí; (ii) DEA với đầu
ra không mong muốn (undesirable output DEA model), nợ xấu là đầu ra không
mong muốn. Mô hình này nhằm đo lường điểm hiệu quả ngân hàng khi có tính đến
yếu tố nợ xấu, để từ đó đánh giá sơ bộ về mức độ ảnh hưởng của nợ xấu đến hiệu
quả ngân hàng của từng ngân hàng thương mại.
- Hai là, luận án tiến hành nghiên cứu sự tác động của nợ xấu đến hiệu quả chi
phí (cost efficiency), và ngược lại qua mô hình dữ liệu bảng động bằng phương
pháp ước lượng S – GMM hai bước (Two – Steps System General Method of
Moments). Với mô hình và phương pháp trên sẽ giúp đánh giá toàn diện mức độ
ảnh hưởng của nợ xấu đến hiệu quả chi phí và ngược lại.
- Ba là, sử dụng mô hình tự hồi quy véc tơ dữ liệu bảng PVAR (Panel Vector
Autoregression) và kỹ thuật phân tích nhân quả Granger (Granger – causality) nhằm
đánh giá chi tiết mối quan hệ nhân quả giữa nợ xấu với hiệu quả chi phí (cost
efficiency) để từ đó phân tích: (i) Nguyên nhân gây ra nợ xấu; (ii) phản ứng của
hiệu quả chi phí khi có một cú sốc đến nợ xấu; (iii) mức độ giải thích cho sự thay
đổi của hiệu quả chi phí bởi nợ xấu.

6
- Phần mềm sử dụng trong nghiên cứu bao gồm: DEA Solver LV 8, DEA. Res
14 (đo lường hiệu quả ngân hàng); và Stata (đánh giá mối quan hệ giữa nợ xấu và
hiệu quả chi phí).
5. NHỮNG ĐÓNG GÓP MỚI CỦA LUẬN ÁN
Những đóng góp của nghiên cứu:
- Một là, nợ xấu là đầu ra không mong muốn và ảnh hưởng trực tiếp đến điểm
hiệu quả của ngân hàng. Kết quả nghiên cứu cho thấy, các ngân hàng muốn đạt biên
hiệu quả thì cần có “tỷ lệ nợ xấu đạt biên hiệu quả”, “khoảng tỷ lệ nợ xấu tối ưu”,
khắc phục đầu vào thừa và đầu ra thiếu. Kết quả cũng tìm được tỷ lệ hiệu quả của
các ngân hàng thương mại nhà nước cao hơn nhiều so với nhóm ngân hàng thương
mại cổ phần. Đồng thời, những ngân hàng kém hiệu quả liên tục thường nằm trong
nhóm tái cơ cấu, giám sát đặc biệt, và mua bán – sáp nhập.
- Hai là, kết quả nghiên cứu từ mô hình DEA với nợ xấu là đầu ra không mong
muốn còn cho thấy sự phân loại nhóm hiệu quả ngân hàng, cụ thể như sau:
+ Nhóm định hướng là bốn ngân hàng thương mại nhà nước (BID,
AGR, VCB, CTG) đạt biên hiệu quả liên tục với quy mô tài sản. Đây là nhóm ngân
hàng đại diện và định hướng cho sự phát triển của hệ thống ngân hàng thương mại
Việt Nam.
+ Nhóm động lực là các ngân hàng thương mại cổ phần đạt biên hiệu
quả liên tục và là động lực phát triển cho hệ thống ngân hàng thương mại. Bao gồm
các ngân hàng như ngân hàng TMCP Quân Đội (MBB), ngân hàng TMCP Kỹ
Thương (TCB), ngân hàng Bưu Điện Liên Việt (LVP), ngân hàng TMCP Sài Gòn
(SCB), ngân hàng TMCP Bảo Việt (BVB).
+ Nhóm cần cải thiện là các ngân hàng như ngân hàng TMCP Á Châu
(ACB), ngân hàng Việt Nam Thịnh Vượng (VPB), ngân hàng Quốc Tế Việt Nam
(VIB), ngân hàng TMCP Nam Á (NAB), ngân hàng TMCP Phát triển TPHCM
(HDB), ngân hàng TMCP Hàng Hải (MSB). Đây là những ngân hàng cải thiện được
biên hiệu quả và có nhiều nỗ lực trong tối ưu đầu vào thừa/đầu ra thiếu sau năm
2013. Đồng thời, tất cả đều là những ngân hàng có quy mô tài sản lớn trong nhóm

7
các ngân hàng thương mại cổ phần. Những hoạt động cải thiện liên tục cho những
năm tiếp theo có thể sẽ đưa những ngân hàng này vào nhóm thứ hai – nhóm động
lực.
+ Nhóm giám sát và tái cơ cấu là những ngân hàng kém hiệu quả liên
tục. Các ngân hàng thuộc nhóm này cần phải buộc tái cơ cấu và thực hiện giám sát
chặt chẽ. Sau năm 2013, số lượng ngân hàng thuộc diện này khá nhiều và tái cơ
cấu/mua bán/sáp nhập được NHNN thực hiện rất quyết liệt như: DAI, HAB, PNB,
TNB, PGBank, Western Bank (PVcombank)…
Ba là, với mô hình dữ liệu bảng động, mô hình PVAR và phương pháp ước
lượng GMM luận án tìm thấy: Tỷ lệ nợ xấu gia tăng có mức độ ảnh hưởng tích cực
làm giảm hiệu quả chi phí của hệ thống ngân hàng thương mại Việt Nam. Đồng
thời, tỷ lệ nợ xấu là nguyên nhân trực tiếp gây ra sự thay đổi của hiệu quả chi phí,
và mức độ giải thích cho sự thay đổi của hiệu quả chi phí hơn 28%. Từ những bằng
chứng thực nghiệm có thể kết luận, giả thuyết “kém may mắn” (bad luck) là đúng
với hệ thống ngân hàng thương mại Việt Nam. Lúc này, nợ xấu gia tăng là do ảnh
hưởng bởi các yếu tố vĩ mô/ngành GDP, lạm phát, thất nghiệp, giảm lãi suất, tăng
cung tiền…Điều đó buộc các ngân hàng thương mại phải gia tăng hoạt động quản lý
danh mục tín dụng, đặc biệt là các khoản tín dụng gần đáo hạn. Việc gia tăng hoạt
động quản lý như theo dõi, thu hồi, đôn đốc thu hồi, quản trị nợ xấu chủ động, bán
nợ…đã dẫn đến chi phí gia tăng nên làm hiệu quả chi phí ngân hàng giảm xuống. Vì
vậy, xử lý nợ xấu và gia tăng hiệu quả chi phí của hệ thống ngân hàng thương mại
Việt Nam phải đến từ điều chỉnh các chính sách kinh tế vĩ mô và xây dựng cơ chế
ổn định tài chính.
- Bốn là, ở chiều ngược lại, kết quả phân tích cho mô hình dữ liệu bảng động,
mô hình PVAR với phương pháp GMM, luận án cũng tìm thấy sự ảnh hưởng của
hiệu quả chi phí đến nợ xấu của ngân hàng, cụ thể: hiệu quả chi phí ảnh hưởng tiêu
cực đến tỷ lệ nợ xấu và cũng là nguyên nhân gây ra sự thay đổi ở tỷ lệ nợ xấu. Kết
quả nghiên cứu là những bằng chứng thực nghiệm kiểm định cho giả thuyết “quản
lý kém” (bad management) ở hệ thống ngân hàng thương mại Việt Nam. Việc

8
“quản lý kém” có thể ở các khía cạnh sau: (i) Điểm xếp hạng tín dụng thấp, và hiện
giá ròng các khoản tín dụng thấp hoặc âm; (ii) khó khăn trong giám sát và kiểm soát
các hoạt động sau vay; (iii) thiếu chuyên môn và hạn chế trong định giá các tài sản
đảm bảo để thế chấp hoặc cầm cố…Do đó, các giải pháp căn cơ về quản trị nợ xấu,
giảm trừ nợ xấu, xử lý nợ xấu…,phải đến từ khoanh vùng vấn đề ở yếu tố nội tại
ngân hàng, mà cụ thể là hoạt động quản trị ngân hàng.
- Năm là, luận án còn đề xuất ba nhóm giải pháp và sáu kiến nghị nhằm hướng
đến một hệ thống ngân hàng thương mại hoạt động hiệu quả, xử lý - tiến đến kiểm
soát sự tác động của nợ xấu đến hiệu quả ngân hàng, loại trừ hoạt động “quản lý
kém” (bad management), và củng cố sự ổn định tài chính lẫn kinh tế vĩ mô.

9
6. KHUNG NGHIÊN CỨU CỦA LUẬN ÁN
Mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng tại hệ
thống ngân hàng thương mại Việt Nam
Vấn đề nghiên cứu

- Nghiên cứu điểm hiệu quả ngân hàng thông qua mô hình DEA với nợ xấu là đầu ra
không mong muốn, nhằm đánh giá sự tác động của nợ xấu lên điểm hiệu quả ngân
hàng của từng ngân hàng thương mại.
- Nghiên cứu mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng. Trong đó:
+ Hiệu quả ngân hàng được đo lường qua mô hình hiệu quả chi phí
+ Nghiên cứu mức độ ảnh hưởng của nợ xấu đến hiệu quả chi phí
+ Nghiên cứu mối quan hệ giữa nợ xấu và hiệu quả chi phí
Mục tiêu nghiên cứu

Xác định mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng/hiệu quả chi phí,
nguyên nhân gây ra nợ xấu, và mức độ giải thích cho sự thay đổi của hiệu quả ngân
hàng/hiệu quả chi phí bởi sự thay đổi của nợ xấu
Phương pháp nghiên cứu

Sử dụng phương pháp định lượng, bao gồm: phương pháp bao dữ liệu DEA, phương
pháp ước lượng S – GMM cho mô hình dữ liệu bảng động, mô hình tự hồi quy véc tơ
dữ liệu bảng PVAR
Nội dung nghiên cứu

- Phân tích diễn biến nợ xấu, và hoạt động xử lý nợ xấu trong giai đoạn nghiên cứu
- Phân tích mức độ ảnh hưởng của nợ xấu đến từng ngân hàng theo mô hình đo lường
hiệu quả ngân hàng DEA với đầu ra không mong muốn
- Phân tích mối quan hệ giữa nợ xấu và hiệu quả ngân hàng, bao gồm: (i) phân tích
kết quả hiệu quả chi phí; (ii) phân tích sự tác động giữa nợ xấu và hiệu quả chi phí
theo phương pháp S – GMM cho mô hình dữ liệu bảng động; (iii) phân tích mối
quan hệ giữa nợ xấu và hiệu quả chi phí theo mô hình PVAR và kỹ thuật phân tích
nhân quả Granger
Kết quả nghiên cứu; Kết luận, giải pháp và kiến nghị
Nguồn: Thiết kế khung nghiên cứu của tác giả

10
7. BỐ CỤC CỦA LUẬN ÁN

Ngoài phần mở đầu, kết cấu của luận án gồm 5 chương:
- Chương 1: Tổng quan cơ sở lý luận về hiệu quả ngân hàng, nợ xấu và cơ sở
lý thuyết về mối quan hệ giữa nợ xấu và hiệu quả ngân hàng.
- Chương 2: Đánh giá các công trình nghiên cứu về hiệu quả ngân hàng, và
mối quan hệ giữa nợ xấu với hiệu quả ngân hàng.
- Chương 3: Phương pháp nghiên cứu.
- Chương 4: Kết quả nghiên cứu.
- Chương 5: Kết luận, giải pháp và kiến nghị.

11
CHƯƠNG 1. CƠ SỞ LÝ LUẬN VỀ HIỆU QUẢ NGÂN HÀNG, NỢ XẤU,

VÀ CƠ SỞ LÝ THUYẾT VỀ MỐI QUAN HỆ GIỮA NỢ XẤU VÀ
HIỆU QUẢ NGÂN HÀNG
Nội dung chính của chương 1 là tổng hợp cơ sở lý luận về hiệu quả ngân hàng,
nợ xấu; và lược khảo những cơ sở lý thuyết về mối quan hệ giữa nợ xấu với hiệu
quả ngân hàng. Tất cả điều trên sẽ là nền tảng khoa học để luận án thực hiện mục
tiêu nghiên cứu về mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng và đánh
giá mối quan hệ giữa nợ xấu với hiệu quả ngân hàng.
1.1. CƠ SỞ LÝ LUẬN VỀ HIỆU QUẢ NGÂN HÀNG
1.1.1. Hiệu quả và hiệu quả ngân hàng
1.1.1.1. Hiệu quả
Hiệu quả được giới thiệu lần đầu bởi Koopmans (1951), một điểm sản xuất
được coi là hiệu quả nếu quy mô đầu ra là tối đa với đầu vào cho trước. Còn Coelli
et al. (2005), một đơn vị kinh tế được cho là hiệu quả hơn so với một đơn vị khác
nếu nó có thể cung cấp hàng hóa dịch vụ nhiều hơn cho xã hội mà không cần sử
dụng nhiều tài nguyên hơn đơn vị khác.
Ngoài ra, có thể định nghĩa hiệu quả theo 2 định hướng: định hướng tối thiểu
hóa đầu vào (input – oriented) và định hướng tối đa hóa đầu ra (out – oriented). Cụ
thể: định hướng tối thiểu hóa đầu vào (input – oriented) là so sánh mức độ quan sát
của đầu vào với đầu vào tối thiểu mà có thể sản xuất các cấp độ quan sát của đầu ra;
định hướng tối đa hóa đầu ra (output – oriented) là so sánh sản lượng quan sát với
sản lượng tối đa có thể cho một mức độ đầu vào cho phép.
Và việc phân loại sử dụng nguồn lực đầu tiên được khởi xướng bởi Debreu
(1951) và Farrell (1957) dựa trên lý thuyết về hiệu quả sản xuất. Trong đó, hiệu quả
sử dụng nguồn lực có thể là: hiệu quả kỹ thuật (TE – Technically Efficiency), hiệu
quả phân bổ (AE – Allocative Efficiency), hiệu quả kỹ thuật thuần (PTE – Pure
Technical Efficiency), hiệu quả quy mô (SE – Scale Efficiency), hiệu quả chi phí
(CE – Cost Efficiency), hiệu quả lợi nhuận (Profit Efficiency)…

12
1.1.1.2. Hiệu quả ngân hàng

Hiệu quả và đo lường hiệu quả dần trở nên phổ biến và được áp dụng cho
nhiều loại hình tổ chức kinh tế khác nhau - ngân hàng là lựa chọn của khá nhiều
nghiên cứu về đo lường hiệu quả. Cũng từ đây có hai cách tiếp cận để đo lường và
giải thích hiệu quả ngân hàng, bao gồm: Tiếp cận cấu trúc (structural) và phi cấu
trúc (nonstructural) (Hughes & Mester (2008)).
- Cách tiếp cận phi cấu trúc (the nonstructural approach):
Cách tiếp cận phi cấu trúc (nonstructural) để đo lường hiệu quả ngân hàng là
một cách truyền thống và được sử dụng phổ biến. Cách thức đo lường thông qua
hàng loạt chỉ số tài chính như ROE (return on equity), ROA (return on assets), ROS
(return on sale), C/I (costs ratio)…Tuy nhiên, cách tiếp cận này có hai nhược điểm:
Một là, không đánh giá được giá trị thị trường của tài sản, mức độ rủi ro…; hai là,
chỉ phù hợp khi ngân hàng sử dụng một đầu vào duy nhất hoặc sản xuất một đầu ra
duy nhất.
Vì vậy, để khắc phục, nhiều nghiên cứu đã ứng dụng giá trị thị trường, mức độ
rủi ro của ngân hàng/doanh nghiệp trong đo lường hiệu quả, ví dụ: Sử dụng chỉ số
Tobin’s q (tỷ số giữa giá trị thị trường của tài sản trên giá trị sổ sách của tài sản);
chỉ số Sharpe (một thước đo xem lợi nhuận thu được là bao nhiêu trên một đơn vị
rủi ro khi đầu tư vào một tài sản), hệ số CAR (hệ số an toàn vốn)…
Theo Wozniewska (2015) đo lường hiệu quả ngân hàng theo chỉ số có thể
chưa thành 4 nhóm chỉ số chính:
+ Một là, nhóm chỉ số phản ánh khả năng sinh lời như ROA, ROE, ROS.
+ Hai là, nhóm chỉ số phản ánh cấu trúc bảng cân đối như tỷ lệ tiền gửi khách
hàng trên tổng tài sản (DTA), tỷ lệ vốn chủ sở hữu trên tổng tài sản (ETA), tỷ lệ dư
nợ tín dụng trên tổng tài sản (LTA).
+ Ba là, nhóm chỉ số phản ánh chất lượng tài sản của các ngân hàng như nợ
xấu (NPLs), tỷ lệ dự phòng rủi ro nợ xấu trên tổng dư nợ.
+ Bốn là, nhóm chỉ số có phản ánh giá trị thị trường và mức độ rủi ro của tài
sản như chỉ số Tobin’s q, chỉ số Sharpe, hệ số an toàn vốn CAR…

13
Bên cạnh phân tích nhóm chỉ số tài chính trên thì cần kết hợp với những đặc
điểm môi trường vi mô của ngân hàng/doanh nghiệp như chiến lược đầu tư, chiến
lược cạnh tranh, thị phần, cấu trúc hội đồng quản trị…Để từ đó đưa ra những đánh
giá khách quan và phù hợp với nguồn lực ngân hàng/doanh nghiệp.
Tóm lại, cách tiếp cận phi cấu trúc thông qua phân tích các nhóm chỉ số tài
chính là một phương pháp phổ biến và dễ thực hiện. Nhưng ít phù hợp với ngân
hàng nên cách tiếp cận cấu trúc (the structural approach) lại trở nên ưu việt hơn.
- Cách tiếp cận cấu trúc (the structural approach):
Tiếp cận cấu trúc là sự lựa chọn lý thuyết, nghĩa là dựa trên một mô hình lý
thuyết của ngân hàng/hoặc doanh nghiệp và các khái niệm về tối ưu hóa. Những lý
thuyết cũ thường sử dụng lý thuyết sản xuất vi mô truyền thống (the traditional
microeconomic theory of production) cho ngân hàng. Còn các lý thuyết mới hơn
xem ngân hàng là một trung gian tài chính – dó có những dịch vụ tài chính rất phức
tạp và nhiều rủi ro. Hay kết hợp lý thuyết trung gian tài chính với hoạt động sản
xuất vi mô của ngân hàng trong đo lường hiệu quả ngân hàng.
Theo Hughes & Mester (2008) cách tiếp cận cấu trúc (the structural approach)
thường dựa vào tính kinh tế của chi phí tối thiểu (cost minimization) hoặc lợi nhuận
tối đa (profit maximization), mà phương trình hiệu quả được biểu hiện thông qua
hàm chi phí hoặc hàm lợi nhuận, hoặc có thể gọi chung là hàm sản xuất.
Khi ước lượng hàm sản xuất có thể cho biết một công ty có hiệu quả về mặt kỹ
thuật (technically efficient), nếu nhà quản trị thực hiện tối đa hóa sản lượng sản xuất
với số lượng nhất định các đầu vào. Nhưng Hughes & Mester (2008) lại thích hơn
về hiệu quả về mặt kinh tế (economic efficiency), tức là công ty phản ứng kịp thời
với sự thay đổi giá cả trong việc lựa chọn đầu vào và đầu ra.
Các phân tích hiệu quả ngân hàng tập trung vào phạm vi hiệu quả (scope
efficiency) và quy mô hiệu quả (scale efficiency). Và việc quan sát các yếu tố đầu
vào/đầu ra, sau đó kết hợp để nhằm giảm thiểu chi phí hoặc tối đa hóa lợi nhuận.

14
Sự kết hợp có liên quan đến sự lựa chọn phạm vi hoặc quy mô hiệu quả ở
những ngân hàng đều có sự hiệu quả khác nhau. Vì vậy, nhiều nhà nghiên cứu đưa
ra mô hình X – efficiency để đo lường hiệu quả ngân hàng.
X – efficiency được sử dụng để mô tả thiếu hiệu quả kỹ thuật và sự phân bổ
của các ngân hàng. Cách tiếp cận này được cho rằng phù hợp hơn với ngân hàng so
với phạm vi hoặc quy mô hiệu quả.
Chính Leibenstein khởi xướng nghiên cứu X – efficiency, và mãi đến năm
1990 mới được công bố bởi Berger & Humphrey (1991), Ferrier & Lovell (1990),
Elyasiani & Mehdian (1990). Theo đó, nghiên cứu đã cung cấp được các ứng dụng
thực nghiệm đầu tiên với phương pháp khác nhằm tiếp cận đo lường hiệu quả ngân
hàng. Avilez (2011) mỗi nghiên cứu đo lường hiệu quả ngân hàng sử dụng phân
tích biên (frontier analysis) nhưng có sự khác nhau ở hai hướng hoặc là hiệu quả
biên (efficient frontier) hoặc hiệu quả tối ưu thực tế (the best practice).
Berger & Humphey (1991) thì sử dụng phương pháp tham số, còn Ferrier &
Lovell (1990), Elyasiani & Mehdian (1990) dùng phương pháp phi tham số. Cả hai
dùng để phân tích đo lường hiệu quả ngân hàng thương mại Mỹ và các tổ chức tài
chính khác cũng tại Mỹ. Sau năm 1993, xuất hiện nhiều nghiên cứu hiệu quả ngân
hàng ngoài Mỹ (Berger et al. (1993)).
Từ đây, các nghiên cứu về hiệu quả ngân hàng ngày càng đa dạng lẫn hình
thành nhiều phương pháp ước lượng hiệu quả ngân hàng và mối quan hệ giữa hiệu
quả ngân hàng với các yếu tố ảnh hưởng khác đến ngân hàng (như tăng trưởng kinh
tế, cấu trúc vốn chủ sở hữu, năng lực cạnh tranh…). Đa phần những nghiên cứu sau
chỉ sử dụng cách tiếp cận cấu trúc với các phương pháp chính để đo lường hiệu quả
ngân hàng, cụ thể như sau:
+ Một là, cách tiếp cận tham số (parametric approach) với 3 phương pháp
chính: (i) phương pháp biên ngẫu nhiên (SFA); (ii) phương pháp phân tích Thick
Frontier Approach (TFA); (iii) và phân tích Distribution Free Approach (DFA).

15
+ Hai là, cách tiếp cận phi tham số (non – parametric approach) với 2 phương
pháp chính: (i) Phương pháp phân tích bao dữ liệu (DEA); (ii) và phương pháp xử
lý yếu tố tự do Hull (FDH).
1.1.1.3. Mô hình nền và cách tiếp cận nhận diện đầu vào/đầu ra
Những nghiên cứu ban đầu về hiệu quả ngân hàng chủ yếu tập trung vào các
nhóm chỉ số tài chính như cách tiếp cận phi cấu trúc đã đề cập. Sau đó, các nhà
nghiên cứu đã dựa vào hàm chi phí, doanh thu và/hoặc lợi nhuận để phân tích hiệu
quả ngân hàng. Theo Shephard (1970) dưới những điều kiện nhất định, có thể
nghiên cứu hàm sản xuất (production function) thông qua hàm chi phí (cost
function). Một hàm chi phí được biểu diễn như sau:
!"# = % &# , (# + +# (1.1)
Trong đó:
- TCi là tổng chi phí ngân hàng thứ i
- Còn yi, pi là vector biểu hiện cho giá đầu ra và đầu vào.
- +# là sai số
Ilieva (2003) cho rằng các kỹ thuật ước lượng khác nhau và các giả định khác
nhau cho phân phối của sai số thì có kết quả trong những mô hình khác nhau.
Bên cạnh, nhiều cơ sở lý thuyết được phát triển cũng đề xuất sử dụng quan
điểm tối đa hóa mục tiêu lợi nhuận mà có thể ước tính bằng cách sử dụng hàm lợi
nhuận tiêu chuẩn (a standard profit maximization) hoặc hàm lợi nhuận tùy chọn (an
alternative profit function).
Một hàm tối đa hóa lợi nhuận tiêu chuẩn (a standard profit maximization) phải
dưới một giả định là ngân hàng hoạt động trong thị trường cạnh tranh hoàn hảo, tức
là các ngân hàng là người chấp nhận giá1 cho giá đầu vào và đầu ra. Lúc này, hàm
số được xác định là hàm của số lượng đầu vào và giá đầu ra.
1
Một đơn vị kinh tế có quy mô hoạt động không đáng kể so với quy mô của thị trường cho nên hoạt động
của đơn vị ấy không gây ảnh hưởng gì đến giá trị thị trường

16
Còn hàm lợi nhuận tùy chọn (an alternative profit function) cho phép ngân
hàng có quyền lớn trong quyết định giá đầu ra nên hàm số được xác định của giá
đầu vào và sản lượng đầu ra, cụ thể như sau:
,# = % &# , (# + +# - = 1…n, (1.2)
Hàm lợi nhuận luân phiên cũng sử dụng các biến ngoại sinh giống như hàm
tổng chi phí 1.1, mà chỉ có khác nhau là lợi nhuận trước thuế sẽ thay thế cho tổng
chi phí. Theo đó, các nghiên cứu khác nhau có thể sử dụng một trong hai hàm số chi
phí hoặc hàm lợi nhuận, nhưng cũng có thể sử dụng đồng thời cả hai với nhiều kỹ
thuật ước tính khác nhau. Tuy nhiên, điều quan trọng hơn cả để đi đến những kỹ
thuật ước tính là nhận diện và giải thích rõ ràng những yếu tố đầu vào, đầu ra của
ngân hàng.
Các nhà nghiên cứu về hiệu quả ngân hàng thường sử dụng nhiều cách tiếp
cận để nhận điện những đầu vào (inputs) và đầu ra (outputs) của ngân hàng, chẳng
hạn: (i) Cách tiếp cận sản xuất (the production approach); (ii) cách tiếp cận trung
gian tài chính (the intermediation approach); (iii) cách tiếp cận tài sản (the asset
approach); (iv) cách tiếp cận chi phí sử dụng (the user – cost approach); (v) cách
tiếp cận giá trị gia tăng (the value – added approach).
Cách tiếp cận sản xuất (the production approach) nhấn mạnh đến hoạt động
vận hành, và vì vậy xem ngân hàng là nhà cung cấp dịch vụ cho các chủ tài khoản.
Cách tiếp cận này được giới thiệu lần đầu bởi Benston (1965). Theo Berger &
Humphrey (1997) đối với phương pháp này thì đầu ra (output) được đo lường tốt
nhất bằng số lượng và loại giao dịch trên tài khoản vãng lai trong khoảng thời gian
nhất định, lúc này tiền gởi là một đầu ra của ngân hàng; còn đầu vào (inputs) là lao
động, vốn, và những chi phí khác.
Cách tiếp cận thứ hai được gọi là tiếp cận trung gian (the intermediation
approach), lúc này, ngân hàng là trung gian tài chính kết nối giữa người gởi tiết
kiệm (savers) và người đầu tư (investors) Dưới cách tiếp cận này, các đầu vào
(inputs) sẽ bao gồm vốn, lao động và nguồn vốn cho vay (borrowed funds) hay đơn
giản là chi phí hoạt động và chi phí lãi (interest expenses). Còn đầu ra (output) là

17
toàn bộ giá trị của các hình thức khoản vay, đầu tư chứng khoán (equity
investment), và giao dịch chứng khoán (trading securities). Tuy nhiên, có những
tranh cãi dài về lựa chọn tiền gởi là đầu và hay đầu ra. Theo Camanho & Dyson
(2005) cho rằng những tranh luận này đã dẫn đến sự hình thành thêm ba cách tiếp
cận nữa tiếp cận tài sản (the asset approach), cách tiếp cận chi phí sử dụng (the user
– cost approach) và cách tiếp cận giá trị gia tăng (the value – added approach).
Cách tiếp cận thứ ba là tiếp cận tài sản (the asset approach) là mô hình đơn
giản hóa của hình thức hoạt động ngân hàng, và chỉ tập trung hoàn toàn vào vai trò
của ngân hàng là trung gian tài chính giữa người gởi tiền (depositors) và những
người đi vay (bank loans). Tiền gởi và những tài sản nợ khác (other liabilities),
cùng với các nguồn lực hữu hình như lao động và vốn được xem là đầu vào. Còn
đầu ra chỉ là những tài sản của ngân hàng như các khoản vay. Sealey & Lindley
(1997) đề xuất đầu tiên cho cách tiếp cận này.
Cách tiếp cận chi phí sử dụng (the user – cost approach) yêu cầu phải xác định
một dịch vụ tài chính là một đầu vào hay đầu ra trên cơ sở đóng góp ròng hằng năm
đến doanh thu của ngân hàng. Nếu chi phí tài chính (the financial costs) của tài sản
nợ thấp hơn chi phí cơ hội thì được nhận diện như là đầu ra, và ngược lại là đầu
vào. Hancock (1986) là người đầu tiên áp dụng cách tiếp cận chi phí sử dụng cho
ngân hàng.
Cách tiếp cận giá trị gia tăng (the value – added approach) được Berger &
Humphrey (1991) áp dụng. Lúc này đầu ra là các khoản mục trên bảng cân đối kế
toán mà có đóng góp vào giá trị gia tăng cho ngân hàng. Thông thường, các khoản
tiền gởi (vãng lãi, kỳ hạn, tiết kiệm) và khoản cho vay được xem là đầu ra quan trọng.
1.1.2. Cách tiếp cận tham số (Parametric Frontier Approach) của cách tiếp
cận cấu trúc
Để đánh giá được hiệu quả ngân hàng của các ngân hàng, những nhà nghiên
cứu thường sử dụng hai cách tiếp cận: Cách tiếp cận tham số và cách tiếp cận phi
tham số.

18
Cách tiếp cận tham số (Parametric Frontier Approach) bao gồm 3 phương
pháp: một là, SFA – Stochastic Frontier Approach; hai là, DFA – Distribution Free
Approach; ba là, TFA – Thick Frontier Approach.
Một trong những phương pháp phân tích thường được sử dụng nhất là phương
pháp SFA. SFA đòi hỏi phải xác định một dạng hàm cụ thể đối với đường biên hiệu
quả mà liên quan đến một yếu tố đầu vào với nhiều yếu tố đầu ra hoặc một yếu tố
đầu ra với nhiều yếu tố đầu vào.
Hay theo Jondrow et al. (1982) phương pháp biên ngẫu nhiên SFA dựa trên giả
định của một hàm chi phí, lợi nhuận hoặc hàm sản xuất và phần sai số. Một phần của
phần sai số là sai số có tính chất 2 phía (two – sided error term) theo phân phối chuẩn.
Phần khác là phần sai số có tính chất 1 phía (one – sided error term) đại diện cho sự
thiếu hiệu quả và theo phân phối bất đối xứng. Đây có thể là một phân phối nửa
chuẩn, phân phối Gamma, phân phối chuẩn cụt (a truncated normal distribution)
(Stevenson (1980)). Sự thiếu hiệu quả phải chỉ có tính chất 1 phía bởi vì các nhà
nghiên cứu không thể phủ định trong trường hợp của chi phí biên hoặc khẳng định
trong trường hợp của hàm lợi nhuận. Vì vậy, do thiếu hiệu quả kỹ thuật trung bình
cho ngân hàng có thể bằng cách đo lường từ giá trị trung bình của phân phối bất đối
xứng (Jondrow et al. (1982)).
Còn phương pháp DFA thì xác định rõ các hàm số của chi phí biên/ lợi nhuận
biên, nhưng lại không có những giả định về sự phân phối của phần sai số. DFA chỉ
giả định rằng sự thiếu hiệu quả của mỗi ngân hàng là không đổi theo thời gian,
nhưng các sai số ngẫu nhiên có xu hướng tới 0. Do đó, theo Berger & Humphrey
(1997) sự kém hiệu quả của mỗi công ty có thể được ước tính như sự khác biệt giữa
phần dư trung bình tối thiểu và phần dư trung bình của mỗi công ty.
Và phương pháp sử dụng ít nhất là TFA, vì phương pháp này không tính toán
mức độ hiệu quả của đơn vị mà đo lường hiệu quả tổng thể. TFA cũng được đo lường
giống với SFA và DFA, nhưng lại không áp đặt các giả định phân phối cho sự thiếu
hiệu quả hoặc những sai số ngẫu nhiên. TFA xếp các dữ liệu chi phí trên từng đơn vị
tài sản và chia ra trong bốn phần. Ước lượng hàm chi phí được thực hiện đối với mỗi

19
ngân hàng trong tứ phân vị, và sự khác biệt các sai số nhóm cao nhất với thấp nhất sẽ
phản ánh sự khác biệt về hiệu quả (Mester (1996)).
1.1.3. Cách tiếp cận phi tham số (Non – Parametric Approach) của cách tiếp
cận cấu trúc
Không giống cách tiếp cận tham số, tiếp cận phi tham số không yêu cầu xây
dựng hàm sản xuất hay chi phí cho những ngân hàng. Thay vào đó, tiếp cận này cho
phép kết hợp nhiều đầu vào với đầu ra trong việc tính điểm hiệu quả.
Cách tiếp cận tham số khá hữu ích khi đo lường hiệu quả trong ngành ngân
hàng. Bởi có nhiều mối quan hệ giữa các đầu vào – đầu ra là không xác định, và
xem xét mối quan hệ đồng thời của nhiều đầu vào, nhiều đầu ra.
Có hai phương pháp trong cách tiếp cận phi tham số gồm: Phương pháp phân
tích bao dữ liệu DEA (Data Envelopment Analysis); và phương pháp xử lý các yếu
tố tự do Hull (Free Disposal Hull, FDH).
- Phân tích bao dữ liệu DEA là một kỹ thuật quy hoạch tuyến tính cho phép
nhiều đầu vào và đầu ra được đánh giá, và cung cấp số điểm hiệu quả cho từng đơn
vị được đánh giá. DEA là phương pháp đặc trưng của cách tiếp cận phi tham số.
DEA được phát triển bởi Charnes (1978) khi đánh giá hiệu quả sử dụng nguồn lực
của khu vực công với nhiều nguồn lực đầu vào cũng như đầu ra.
- Phương pháp xử lý các yếu tố tự do Hull – FDH đã được phát triển như một
tập hợp con của DEA. FDH sử dụng một tập hợp nhỏ hơn của các đơn vị khi xác định
hiệu quả biên. Đồng thời, FDH không áp đặt nhiều hạn chế về biên như DEA và đưa
đến kết quả ước lượng hiệu quả trung bình lớn hơn so với DEA (Tulkens (2006)).
1.1.4. Phương pháp phân tích bao dữ liệu (DEA)
Đây là một phương pháp trong cách tiếp cận phi tham số, và Farrell (1957) đã
đưa ra một thang đo hiệu quả kỹ thuật để phản ánh khả năng của một ngân hàng đạt
được đầu ra cực đại từ một tập hợp đầu vào cho trước. Nghiên cứu của Farrell trở
thành động lực cần thiết để phát triển những phương pháp và mô hình đánh giá hiệu
quả tốt hơn. Charnes et al. (1978) đã dựa trên gợi ý của Farrell phát triển thành mô
hình DEA, ý tưởng là áp dụng đường giới hạn khả năng sản xuất (Production

20
Possibility Frontier – PPF) làm tiêu chí đánh giá hiệu quả (mang tính tương đối)
giữa các công ty trong cùng một ngành (các DMUs – Decision Making Units, đơn
vị ra quyết định). Những công ty đạt đến mức giới hạn khả năng sản xuất sẽ được
coi là hiệu quả và không đạt đến PPF sẽ bị coi là kém hiệu quả.
Theo đó, việc đánh giá hiệu quả của các DMU thường phải dựa vào nhiều chỉ
số hiệu quả khác nhau bởi một DMU thường sử dụng một tổ hợp các yếu tố đầu vào
để thu được một loạt các yếu tố đầu ra. Đến lượt những đầu vào, đầu ra lại rất khác
nhau về bản chất, thướt đo…,nên để đánh giá tổng hợp cho từng DMU và so sánh
giữa các DMU đòi hỏi phải quy về cùng một thướt đo là tiền tệ. Khó khăn nhất là
việc xác định giá cả của tất cả yếu tố đầu vào và đầu ra.
Nếu giả thiết một DMU sử dụng m yếu tố đầu vào x để sản xuất n yếu tố đầu
ra y với cách thức phối hợp các đầu vào và đầu ra nhất định theo hai trọng số tương
ứng là v và u (u và v là tập hợp giá cả của các biến đầu vào và đầu ra, giả thuyết
thông tin là đầy đủ), lúc này hiệu quả DMU được tính như sau:
3
145 01 21
.// = 9 6 8 i = 1…m; j = 1…n (1.3)
745 7 1
Áp dụng công thức trên để tính toán hiệu quả lần lượt của từng DMU và trên
lý thuyết, mỗi DMU sẽ khác nhau về x và y, còn u, v, m, n là giống nhau. Nếu
trường hợp không xác định được giá cả, có thể giả thuyết rằng 1 biến đầu vào xi
hoặc 1 biến đầu ra yi sẽ được gán cho 1 trọng số vi hoặc ui dựa vào mức độ quan
trọng của biến đầu vào hoặc đầu ra đó đối với DMU. Tuy vậy, mỗi DMU sẽ có đánh
giá khác nhau về tầm quan trọng của từng biến đầu vào và đầu ra, vì thế mỗi DMU
sẽ rất khác nhau về cả u, v, x, và y. Chính vì vậy, phương pháp DEA sẽ can thiệp và
giải quyết vấn đề trên.
Và phương pháp DEA về sau được phát triển ở nhiều dạng mô hình khác nhau
với ứng dụng rộng rãi cho nhiều ngành nghề, trong đó có ngân hàng (Kumar & Gulati
(2013)). DEA tạo hàng thử biểu mức độ hiệu quả kỹ thuật (Technical Efficiency –
TE) trên cơ sở biên hiệu quả (efficient frontier) hoặc đường hiệu quả tối ưu thực tế
(best practice frontier) cho những DMUs trong nghiên cứu.

21
Với khuôn khổ bài nghiên cứu, các DMUs được lựa chọn là những ngân hàng
thương mại tại Việt Nam (gọi là ngân hàng), và sử dụng những dữ liệu thứ cấp để
đo lường hiệu quả ngân hàng. Lúc này, phương pháp DEA được dùng để giải quyết
bài toán tuyến tính nhằm xây dựng hiệu quả biên hoặc đường hiệu quả tối ưu thực
tế. Trong thực tế, mô hình DEA được xây dựng phát triển khá đa dạng và việc áp
dụng để tính toán hiệu quả cũng tùy vào kỹ thuật và mục tiêu khác nhau.
Tuy nhiên, với mục đích phân tích khác nhau, các nhà nghiên cứu thường
phân loại những mô hình DEA được sử dụng trong đo lường hiệu quả ngân hàng
thành hai nhóm chính (Kumar & Gulati (2013)): (i) Nhóm mô hình DEA không
phân bổ (non – allocation DEA models); (ii) nhóm mô hình DEA phân bổ
(allocation DEA models).
Nhóm mô hình DEA không phân bổ (non – allocation DEA models)
Nhóm mô hình DEA không phân bổ tính điểm hiệu quả kỹ thuật cho từng ngân
hàng đơn lẻ mà không sử dụng bất cứ thông tin về giá cả của đầu vào và đầu ra. Theo
đó, hiệu quả kỹ thuật (Technical Efficiency – TE) là một điểm số nhận giá trị từ 0 đến
1, và TE đề cập việc chuyển đổi các đầu vào thành đầu ra sao cho tối ưu nhất. Hay
TE của ngân hàng là khả năng chuyển đổi nhiều nguồn lực đầu vào thành nhiều dịch
vụ tài chính (Bhattacharyya et al. (1997)), và một ngân hàng gọi là kém hiệu quả khi
hoạt động dưới biên hiệu quả.
Theo Abraham Charnes et al. (1994), để tính điểm TE thì có ba cách tiếp cận
bằng ba mô hình: (i) mô hình định hướng đầu vào (input – oriented models); (ii) mô
hình định hướng đầu ra (output – oriented models); và (iii) mô hình không định
hướng (non – oriented models).
- Mô hình định hướng đầu vào (input – oriented models) là mô hình mà ngân
hàng tạo ra sản lượng đầu ra với lượng đầu vào ít nhất. Theo định hướng này, các
ngân hàng trong nghiên cứu được cho là không hiệu quả (inefficient) khi đem so
sánh với vùng biên hiệu quả. Lúc này, các ngân hàng cần gia tăng hiệu quả bằng
cách quản lý tốt hơn hoặc tiết giảm chi phí đầu vào để mức sản lượng đầu ra vốn có.

22
- Mô hình định hướng đầu ra (output – oriented models) là mô hình mà ngân

hàng tạo ra giá trị đầu ra tối đa với một lượng đầu vào nhất định. Theo định hướng
này, các ngân hàng không hiệu quả được vạch một đường thẳng lên vùng biên hiệu
quả nhằm gia tăng sản xuất thêm đầu ra. Tối đa hóa sản lượng có thể bắt buộc sử
dụng khi các yếu tố đầu vào bị hạn chế, và nhấn mạnh việc gia tăng đầu ra.
- Mô hình không định hướng (non – oriented models) là mô hình mà ngân hàng
đạt hiệu quả khi tối ưu hóa cả đầu vào và đầu ra. Theo định hướng này, các ngân hàng
không hiệu quả sẽ được vạch một đường thẳng đến vùng biên hiệu quả, nhằm gia tăng
hiệu quả bằng cách giảm đầu vào và tăng đầu ra sao cho đạt mức tối ưu.
Theo Kumar & Gulati (2013), Hình 1.1 có thể mô tả các định hướng trong
từng mô hình DEA với trường hợp đơn giản một đầu vào và một đầu ra. QQ’ là
đường hiệu quả biên, ngân hàng D là đơn vị ra quyết định (DMU) không hiệu quả.
Điểm I là điểm chuẩn cho cho hiệu quả ngân hàng của ngân hàng D theo mô hình
định hướng đầu ra. Hiệu quả tương đối của ngân hàng D là tỷ số giữa DII/DID.
Điểm O là điểm chuẩn cho hiệu quả ngân hàng D theo mô hình định hướng đầu ra.
Hiệu quả tương đối của ngân hàng D lúc này là tỷ số giữa DDO /DOO. Cuối cùng
điểm B là điểm chuẩn cho hiệu quả ngân hàng D theo mô hình không định hướng.
Hình 1.1: Ba mô hình theo ba cách tiếp cận Abraham Charnes et al. (1994)
Hình 1.2 mô tả về một trường hợp nghiên cứu thực nghiệm đo lường hiệu quả
kỹ thuật TE theo mô hình định hướng đầu vào (input – oriented models). Với sơ đồ

23
cho thấy hai chiều biên hiệu quả trong không gian đầu vào để sản xuất cùng lượng
đầu ra y, nhưng với số lượng khác nhau của các yếu tố đầu vào x1 và x2. Lúc này,
biên hiệu quả trong không gian đầu vào được xác định bởi các ngân hàng A, B, C,
D (đường L(y)), và các ngân hàng khác muốn đạt hiệu quả phải tối thiểu hóa đầu
vào để sản xuất cùng mức sản lượng.
Hình 1.2: Hiệu quả kỹ thuật theo định hướng đầu vào
Ngân hàng A, B, C, D được gọi là những ngân hàng đạt mức hiệu quả kỹ thuật
TE tối đa, điểm TE bằng 1. Ngược lại, ngân hàng E, F là những ngân hàng thiếu
hiệu quả bởi vì phải cần điều chỉnh đầu vào để sản xuất cùng một mức sản lượng
đầu ra. Đo lường hiệu quả kỹ thuật TE như sau:
Đầ6 0àA =ố# =C#ể6
:#;<6= = (1.4)
Đầ6 0àA =CựF =ế
H IH J
Điểm TE của ngân hàng E là :#;<6= = , : H < 1, ngân hàng E có thể tiến
IH
đến vùng biên hiệu quả bằng cách tiết giảm chi phí đầu vào bởi một lượng bằng
EE’.

24
Hình 1.3: Hiệu quả kỹ thuật theo định hướng đầu ra

Hình 1.3 mô tả điểm hiệu quả kỹ thuật theo mô hình định hướng đầu ra. Trong
trường hợp này, các ngân hàng A, B, C, D, E và F tạo ra sản lượng bằng sự kết hợp
của hai đầu ra y1 và y2 với một lượng đầu vào. Các tuyến tính từng phần theo đường
biên ABCD là quỹ tích của hiệu quả ngân hàng, và các ngân hàng A, B, C, D được
gọi là hiệu quả. Ngân hàng E, F là hai ngân hàng không hiệu quả. Theo mô hình
định hướng đầu ra, hiệu quả kỹ thuật TE được định nghĩa là tỷ lệ mà sản lượng đầu
ra có thể tối ưu hóa mà không cần thay đổi lượng đầu vào. Hiệu quả kỹ thuật TE
được tính như sau:
Đầ6 MN =CựF =ế
:A6=<6= = (1.5)
Oố# đN CóN đầ6 MN
Hai ngân hàng E, F là những đơn vị không hiệu quả kỹ thuật theo mô hình
H IH
định hướng đầu ra. Đo lường hiệu quả kỹ thuật TE của ngân hàng E: :A6<6= = .
IR
Ngân hàng E có thể tiến đến hiệu quả tại biên hiệu quả bằng cách gia tăng thêm sản
lượng đầu ra bằng một mức EB.
Các mô hình DEA không phân bổ được sử dụng rộng rãi để tính điểm hiệu quả
kỹ thuật bao gồm: Mô hình CCR; mô hình BCC; mô hình thêm vào (the additive
model); mô hình multiplicative; mô hình SBM (theo slack – based measures

25
model); mô hình siêu hiệu quả (super – efficiency model), và mô hình DEA với đầu
vào/đầu ra không mong muốn.
Nhóm mô hình phân bổ (allocation DEA models)
Nhóm mô hình phân bổ được sử dụng để ước lượng chi phí, doanh thu và lợi
nhuận biên để tính điểm hiệu quả tương ứng với ba mục tiêu quan trọng là tối thiểu hóa
chi phí, tối đa hóa doanh thu, tối đa hóa lợi nhuận. Những mô hình này có tính đến yếu
tố giá của đầu vào, đầu ra hoặc cả hai khi tính điểm hiệu quả cho từng ngân hàng.
Mô hình phân bổ bao gồm: mô hình DEA hiệu quả chi phí (CE – Cost
Efficiency), mô hình DEA hiệu quả doanh thu (RE – Revenue Efficiency), và mô
hình DEA hiệu quả lợi nhuận (PE - Profit Efficiency).
Theo đó, đo lường hiệu quả chi phí (CE) sẽ cung cấp cách thức làm thế nào để
chi phí một ngân hàng đạt đến chi phí của hiệu quả tối ưu thực tế nhằm sản xuất
cùng một lượng đầu ra. Còn hiệu quả doanh thu (RE) thì đo lường sự thay đổi
doanh thu của ngân hàng có điều chỉnh sai số ngẫu nhiên, so với doanh thu ước tính
thu được từ sản xuất ra sản lượng hiệu quả nhất như các ngân hàng có hiệu quả tối
ưu thực tế. Cuối cùng là hiệu quả lợi nhuận (PE), là tỷ số giữa lợi nhuận thực tế với
lợi nhuận tối đa, hiệu quả này được được nhờ sự kiểm soát cả chi phí và doanh thu
của một ngân hàng.
1.1.5. Các nhân tố ảnh hưởng đến hiệu quả ngân hàng
Những năm qua, nhiều nghiên cứu về hiệu quả ngân hàng được thực hiện ở
khắp nơi, đặc biệt là mối quan tâm của nợ xấu với hiệu quả ngân hàng. Các nghiên
cứu cũng chỉ ra nguyên nhân một ngân hàng phá sản có liên hệ rất mạnh bởi tỷ lệ nợ
xấu cao, và đo lường chất lượng của tài sản có ý nghĩa dự đoán được xác xuất xảy ra
vỡ nợ/khủng hoảng (Whalen (1991); Barr et al., (1994); Shaffer (2012)…). Vì vậy,
nợ xấu là một nhân tố chính và gây tiêu cực dẫn đến sự kém hiệu quả một ngân hàng.
Berger & DeYoung (1997), Berger & Humphrey (1991), DeYoung (1998) tìm
thấy sự khác biệt lớn về hiệu quả ngân hàng giữa các ngân hàng so sánh. Tính
không hiệu quả nằm ở khả năng vận hành – sản xuất như vấn đề quản lý, chi phí
hoạt động, mâu thuẫn phòng ban…Ước tính không hiệu quả đến từ 20% - 25% chi

26
phí tại ngân hàng (Berger & Humphrey (1991); DeYoung (1998); Kwan (2006)).
Và các chi phí này thường tập trung ở chi phí lao động, chi phí lãi, chi phí tài sản cố
định. Vì vậy, đo lường hiệu quả ngân hàng phải bao quát toàn bộ các chi phí quan
trọng ở đầu ra thì điểm hiệu quả sẽ phải ánh sự khác biệt giữa các ngân hàng.
Quy mô ngân hàng có ảnh hưởng đến hiệu quả ngân hàng. Nhiều nghiên cứu
thực nghiệm cho thấy mối quan hệ giữa lợi thế quy mô kinh tế (scale economies) và
hiệu quả hoạt động của ngân hàng như Cornett et al. (2006), Kovner et al. (2015)…
Lúc này, các ngân hàng có quy mô lớn hơn thường có hiệu quả ngân hàng hơn.
Tóm lại, đối với hiệu quả ngân hàng thì nợ xấu là nguyên nhân chính dẫn đến
sự bất ổn của một ngân hàng. Đồng thời, tính không hiệu quả có liên hệ trực tiếp
đến và giải thích được tại sao một ngân hàng trở nên yếu kém. Do đó, hai nhân tố là
nợ xấu và tính hiệu quả sẽ được tiến hành phân tích lẫn kiểm chứng ở những phần
sau. Riêng nhân tố quy mô ngân hàng có ảnh hưởng đến hiệu quả ngân hàng, nhưng
được loại bỏ khi xây dựng mô hình kinh tế lượng trong luận án bởi yếu tố quy mô
ngân hàng đã được tính đến khi đo lường hiệu quả ngân hàng.
1.2. CƠ SỞ LÝ THUYẾT VỀ MỐI QUAN HỆ GIỮA NỢ XẤU VÀ HIỆU
QUẢ NGÂN HÀNG
1.2.1. Cơ sở lý luận về nợ xấu
1.2.1.1. Các quan điểm về nợ xấu
Theo IMF (2004), một khoản vay được coi là nợ xấu khi quá hạn thanh toán
gốc hoặc lãi 90 ngày hoặc hơn; khi các khoản lãi suất đã quá hạn 90 ngày hoặc hơn
đã được vốn hóa, cơ cấu lại, hoặc trì hoàn theo thỏa thuận; khi các khoản thanh toán
đến hạn dưới 90 ngày nhưng có thể nhận thấy những dấu hiệu rõ ràng cho biết
người vay sẽ không thể hoàn trả nợ đầy đủ (người vay phá sản). Sau khi khoản vay
được xếp vào danh mục nợ xấu, nó hoặc bất cứ khoản vay thay thế nào cũng nên
được xếp vào danh mục nợ xấu cho tới thời điểm phải xóa nợ hoặc thu hồi được lãi
và gốc của khoản vay đó hoặc thu hồi được khoản vay thay thế.
Còn Ủy ban Basel về Giám sát Ngân hàng (BCBS) thì không đưa ra định
nghĩa cụ thể nào về nợ xấu (Basel 2002). Tuy nhiên, trong các hướng dẫn về các

27
thông lệ chung tại nhiều quốc gia về quản lý rủi ro tín dụng. BCBS xác định, việc
khoản nợ bị coi là không có khả năng hoàn trả khi một trong hai hoặc cả hai điều
kiện sau xảy ra: Ngân hàng thấy người vay không có khả năng trả nợ đầy đủ khi
ngân hàng chưa thực hiện hành động gì để cố gắng thu hồi; người vay đã quá hạn
trả nợ quá 90 ngày. Vì vậy, nợ xấu được nhận định là bao gồm toàn bộ các khoản
cho vay quá hạn 90 ngày và có dấu hiệu người đi vay không trả được nợ.
Và nhiều định nghĩa riêng biệt khác cũng cho rằng có một sự tương đồng
trong cách nhận thức về nợ xấu giữa các định chế tài chính trên thế giới. Theo đó,
một khoản nợ được coi là nợ xấu khi nó xuất hiện 1 hoặc cả 2 dấu hiệu sau: Quá
hạn trả nợ gốc và lãi trên 90 ngày; khi khách hàng vay vốn bị TCTD hoặc ngân
hàng coi là không có khả năng trả nợ, kể cả khi khoản nợ vẫn còn trong hạn.
1.2.1.2. Các tác động của nợ xấu
Nợ xấu không những ảnh hưởng rất lớn đến hiệu quả hoạt động kinh doanh
của ngân hàng đó, mà còn tác động sâu rộng và nặng nề đến doanh nghiệp, cũng
như cả nền kinh tế. Có thể chia ba nhóm tác động của nợ xấu như sau:
- Ảnh hưởng của nợ xấu đối với nền kinh tế: (i) Sức ép lạm phát. Nợ xấu ở
mức độ cao sẽ dẫn đến sự khan hiếm vốn một cách giả tạo. Một khối lượng vốn tồn
đọng trong các khoản nợ xấu dẫn đến tiền lưu thông giảm sút và gây sức ép tăng
cung tiền; (ii) sản xuất trì trệ. Nợ xấu làm quá trình lưu thông nguồn vốn bị ách tắc,
các chủ thể kinh tế không thể tiếp cận vốn dễ dàng để phát triển sản xuất kinh
doanh. Phản ứng dây chuyền này sẽ tích lũy đến một mức độ và gây trì trệ, đình đốn
sản xuất của cả nền kinh tế; (iii) bất ổn tài chính, đe dọa an ninh tài chính. Nợ xấu
làm ảnh hưởng đến sự phân bổ nguồn tiết kiệm vào cơ hội đầu tư và quá trình thanh
toán của nền kinh tế. Sự tác động này sẽ làm sụt giảm khả năng chống đỡ các cú sốc
tiếp theo và kết cục làm hệ thống tài chính trở nên bất ổn.
- Ảnh hưởng đối với ngân hàng: (i) Giảm hiệu quả ngân hàng. Tỷ lệ nợ xấu
phát sinh cao thì nguồn vốn kinh doanh tồn đọng nhiều. Điều này cũng đồng nghĩa,
ngân hàng đó sẽ sụt giảm khả năng sinh lời trong tương lai, và gia tăng chi phí sử
dụng vốn; (ii) giảm lợi nhuận nhanh chóng. Cho vay khách hàng là một tài sản sinh

28
lời chủ yếu và có giá trị lớn của nhiều ngân hàng. Bởi chênh lệch thu từ lãi và chi
phí của lãi là phần lợi nhuận chiếm phần lớn trong cơ cấu lợi nhuận của một ngân
hàng. Khi tỷ lệ nợ xấu ngày càng cao thì lợi nhuận của ngân hàng sụt giảm do hoạt
động trích lập dự phòng và không còn khả năng quay vòng vốn để gia tăng sinh lời;
(iii) giảm khả năng thanh toán. Nợ xấu gia tăng sẽ đi kèm rủi ro thanh khoản của
một ngân hàng. Bởi các khoản nợ xấu đã làm thay đổi kế hoạch cũng như nguồn
thanh toán các khoản tiền đến hạn; (iv) giảm uy tín ngân hàng; (v) đối diện nhiều
nguy cơ phá sản.
- Ảnh hưởng của nợ xấu đối với khách hàng vay vốn: (i) Giảm tốc độ chu
chuyển vốn. Nợ xấu phát sinh từ một doanh nghiệp thì làm uy tín doanh nghiệp sụt
giảm. Đồng thời còn tác động trực tiếp đến quan hệ của doanh nghiệp với ngân
hàng. Do đó, mọi hoạt động thanh toán, giao dịch kinh doanh, hoạt động cấp tín
dụng…có thể bị ngưng trệ; (ii) tăng chi phí tài chính, bởi mức lãi suất phạt cho
khoản nợ xấu luôn cao hơn thông thường rất nhiều, và mức này phụ thuộc quy định
từng quốc gia cụ thể; (iii) giảm uy tín. Nợ xấu của doanh nghiệp là biểu hiện của
hoạt động sản xuất kinh doanh kém hiệu quả. Vì vậy, không một ngân hàng muốn
dây dưa và mong muốn duy trì quan hệ tín dụng với những doanh nghiệp như thế.
1.2.1.3. Các nhân tố ảnh hưởng đến nợ xấu
Nhân tố nội tại ngân hàng (bank specific) – lý thuyết “quản lý kém” (bad
management). Berger & DeYoung (1997) đặt nền tảng cho khung lý thuyết này và
tìm thấy mối quan hệ giữa nợ xấu với hiệu quả ngân hàng cho hệ thống ngân hàng
Mỹ từ 1985 đến 1994. Nghiên cứu chỉ ra rằng hiệu quả ngân hàng suy giảm sẽ dẫn
đến tỷ lệ nợ xấu cao hơn. Nguyên nhân do các ngân hàng quản lý yếu kém về giám
sát, theo dõi các khách hàng vay nợ; hoặc do các chi phí liên quan đến các khoản nợ
xấu gia tăng…Nhiều nghiên cứu thực nghiệm sau này hỗ trợ rất nhiều cho lý thuyết
trên như William (2004), Espinoza & Prasad (2010), Messai & Jouini (2013)…
Nhân tố nội tại ngân hàng (bank specific) – lý thuyết “hà tiện” (skimping). Các
ngân hàng trong lý thuyết này thường theo đuổi hiệu quả trong dài hạn bằng cách
cắt giảm nhiều chi phí liên quan đến các khoản vay như: nguồn lực giám sát, bảo

29
lãnh khoản vay; hệ thống quản trị rủi ro; hoạt động kiểm soát khoản vay…Điều này
làm ảnh hưởng đến các khoản nợ xấu vì các ngân hàng đối mặt với các khoản nợ
quá hạn gia tăng và chi phí liên quan với những khách hàng vay trong tương lai.
Nhân tố nội tại ngân hàng (bank specific) – lý thuyết “rủi ro đạo đức” (moral
hazard). Các ngân hàng sẽ đối diện với những rủi ro không cân xứng trong hành vi
của cổ đông để chuyển rủi ro đến các chủ nợ (đến từ huy động vốn). Chính vì thế,
những ngân hàng này thường sẵn sàng chấp nhận các khoản cho vay với rủi ro cao
hơn, do lợi nhuận đạt được cao hơn. Nên kết quả mức vốn thấp trong khung giám
sát tài chính có nhiều nguy cơ hơn trong danh mục cho vay. Đây là một mối quan hệ
tiêu cực giữa nợ xấu tăng cao và giảm vốn hóa của các ngân hàng.
Nhân tố đặc thù của kinh tế vĩ mô (country specific) – lý thuyết kém may mắn.
Đây là giả thuyết dự đoán mối quan hệ tiêu cực giữa nợ xấu và hiệu quả ngân hàng.
Ở đó, các bằng chứng về kinh tế vĩ mô ảnh hưởng đến nợ xấu của ngân hàng như:
Tăng trưởng kinh tế giảm sút, tỷ lệ thất nghiệp gia tăng, lãi suất giảm…, sẽ đẫn đến
gia tăng tỷ lệ nợ xấu của ngân hàng. Các liên hệ này cũng được tìm thấy ở lý thuyết
gia tốc tài chính (the financial accelerator theory) của Bernanke & Gertler (1989) và
Nobuhiro (1997).
1.2.2. Cơ sở lý thuyết về mối quan hệ giữa nợ xấu và hiệu quả ngân hàng
Những nghiên cứu về hiệu quả ngân hàng ngày càng đa dạng với nhiều
phương pháp tiếp cận và mô hình khác nhau. Đặc biệt, nghiên cứu về mối quan hệ
giữa hiệu quả ngân hàng với các vấn đề như tăng trưởng kinh tế, cấu trúc vốn chủ
sở hữu, năng lực cạnh tranh ngân hàng…đạt rất nhiều thành tựu. Trong đó, nợ xấu
và hiệu quả ngân hàng là một trong những mối quan hệ nổi cộm và ảnh hưởng lớn
đến hiệu quả của ngân hàng nên cần được nghiên cứu kỹ lưỡng.
Lúc này, chất lượng tài sản của ngân hàng là thành tố quan trọng để nhận diện
sự hiệu quả và mức độ an toàn của ngân hàng. Mester (1996), Beger & DeYoung
(1997), và Berger & Mester (1997), là những người tiên phong mở ra câu hỏi
nghiên cứu về tầm quan trọng của nợ xấu đến phân tích hiệu quả ngân hàng.

30
Có 4 khung lý thuyết được đề xuất bởi Beger & DeYoung (1997), Keeton &
Morris (1987), Koutsomanoli-Filippaki et al. (2009), để giải thích mối quan hệ giữa
hiệu quả ngân hàng và nợ xấu tại hệ thống ngân hàng. Các lý thuyết này được gợi ý
để giải thích dấu hiệu tiêu cực giữa hiệu quả ngân hàng và nợ xấu trong các nghiên
cứu thực nghiệm. Tuy nhiên, các lý thuyết đó không loại trừ nhau vì chúng có mối
quan hệ hai chiều. Bốn lý thuyết bao gồm:
- Một là, lý thuyết “kém may mắn” (bad luck) cho rằng sự gia tăng của nợ xấu
và có quan hệ nhân quả (Granger – cause) làm giảm hiệu quả ngân hàng. Lúc này,
nợ xấu gia tăng là do ảnh hưởng bởi các yếu tố vĩ mô/ngành GDP, lạm phát, thất
nghiệp, giảm lãi suất, tăng cung tiền…Điều đó buộc các ngân hàng thương mại phải
gia tăng hoạt động quản lý danh mục tín dụng, đặc biệt là các khoản tín dụng gần
đáo hạn. Việc gia tăng hoạt động quản lý như theo dõi, thu hồi, đôn đốc thu hồi,
quản trị nợ xấu chủ động, bán nợ…, đã dẫn đến chi phí gia tăng nên làm hiệu quả
ngân hàng giảm xuống.
- Hai là, lý thuyết “quản lý kém” (bad management). Nếu hiệu quả chi phí thấp
là tín hiệu hoạt động quản trị yếu kém như: Quản trị danh mục cho vay, hoạt động
giám sát tín dụng, hoạt động quản trị chi phí hoạt động…; đồng thời, các nhà quản lý
không kiểm soát, giám sát đầy đủ các chi phí nên dẫn đến hệ quả là hiệu quả chi phí
sẽ thấp thì sẽ làm phản ứng gia tăng của các nhóm nợ xấu. Tóm lại, lý thuyết này cho
rằng, hiệu quả ngân hàng thấp là tín hiệu quả hoạt động quản trị kinh doanh yếu kém
và có quan hệ nhân quả (Granger – cause) gây ra nợ xấu (NPLs) tăng cao. Kỳ vọng
trong mối quan hệ này là tiêu cực giữa nợ xấu và hiệu quả ngân hàng.
- Ba là, lý thuyết “hà tiện” (skimping) được kiểm tra tương tự như lý thuyết
“quản lý kém” (bad management) nhưng dấu hiệu thì đảo ngược, nghĩa là một quan
hệ nhân quả (Granger – cause) tiêu cực từ hiệu quả ngân hàng đến nợ xấu. Ở đây,
quyết định quan trọng của ngân hàng nằm ở mâu thuẫn giữa chi phí hoạt động ngắn
hạn và các vấn đề về chất lượng khoản vay. Vì thế, một ngân hàng muốn tối đa hóa
lợi nhuận trong dài hạn phải chọn cắt giảm chi phí trong ngắn hạn (như bỏ qua chi
phí thẩm định tín dụng, giám sát các khoản vay…) nên phải gánh chịu hậu quả các

31
khoản nợ xấu xuất hiện trong tương lai. Lúc này, hiệu quả ngân hàng cao hơn sẽ có
quan hệ nhân quả Granger tiêu cực với nợ xấu. Quan hệ tiêu cực này được cho là sự
đánh đổi hiệu suất các khoản vay ở tương lai lấy hiệu quả chi phí ngân hàng trong
ngắn hạn.
- Bốn là, lý thuyết “quản lý tránh rủi ro” (risk – averse management),
Koutsomanoli-Filippaki et al. (2009) cho rằng các nhà quản trị cao cấp thường có
xu hướng tránh rủi ro nên tăng chi phí cho hoạt động giám sát, kiểm soát, bảo lãnh
các khoản cho vay làm giảm hiệu quả chi phí ngân hàng với mục đích là giảm nợ
xấu. Vì vậy, lo ngại trước những tác động của khủng hoảng tài chính và thông tin
bất đối xứng đã giải thích cho mối quan hệ này là cùng chiều, nghĩa là hiệu quả chi
phí làm tác động tích cực làm giảm tỷ lệ nợ xấu.
KẾT LUẬN CHƯƠNG 1
Trong chương 1, nghiên cứu đã tổng hợp cơ sở lý luận về hiệu quả ngân hàng.
Từ đó làm nền tảng để lựa chọn phương pháp nghiên cứu và cách tiếp cận thích hợp
để đo lường hiệu quả ngân hàng của hệ thống ngân hàng thương mại tại Việt Nam.
Đồng thời, nghiên cứu cũng chỉ ra mối quan hệ giữa nợ xấu và hiệu quả ngân hàng
theo các lý thuyết được đề xuất bởi Beger & DeYoung (1997), Keeton & Morris
(1987), Koutsomanoli et al., (2009).
Tiếp đến ở chương 2, luận án sẽ tổng hợp chi tiết nhất những kết quả nghiên
cứu về hiệu quả ngân hàng, và mối quan hệ giữa nợ xấu với hiệu quả ngân hàng.
Đây cũng chính là cơ sở để tiến đến xây dựng mô hình nghiên cứu ở các chương
tiếp theo.

32
CHƯƠNG 2. ĐÁNH GIÁ CÁC CÔNG TRÌNH NGHIÊN CỨU

VỀ HIỆU QUẢ NGÂN HÀNG, VÀ MỐI QUAN HỆ GIỮA NỢ XẤU
VỚI HIỆU QUẢ NGÂN HÀNG
Mục đích của chương 2 là lược khảo đầy đủ nhất các công trình nghiên cứu
bao gồm: (i) Các nghiên cứu thực nghiệm về hiệu quả ngân hàng; (ii) các nghiên
cứu thực nghiệm về hiệu quả ngân hàng ở Việt Nam từ trước đến nay. Việc này
nhằm xem xét những phương pháp nghiên cứu và kết quả đạt được trong thời gian
qua ở Việt Nam; (ii) luận án sẽ lược khảo đầy đủ về những nghiên cứu về mối quan
hệ giữa nợ xấu với hiệu quả ngân hàng. Và cuối cùng, tác giả tiến hành nhận định
những điều tìm thấy từ các công trình nghiên cứu trước nhằm hướng đến xây dựng
mô hình nghiên cứu đề xuất trong chương 3.
2.1. CÁC NGHIÊN CỨU THỰC NGHIỆM VỀ HIỆU QUẢ NGÂN HÀNG
2.1.1. Các nghiên cứu về hiệu quả ngân hàng trong một quốc gia
Đa phần các nghiên cứu về hiệu quả ngân hàng chỉ sử dụng cách tiếp cận cấu
trúc (tham số và phi tham số) với những phương pháp chính để đo lường như:
Phương pháp biên ngẫu nhiên (SFA); phương pháp phân tích Thick Frontier
Approach (TFA); phân tích Distribution Free Approach (DFA); phương pháp phân
tích bao dữ liệu (DEA); và phương pháp xử lý yếu tố tự do Hull (FDH).
Dưới đây là tổng hợp các nghiên cứu thực nghiệm về hiệu quả ngân hàng
trong một quốc gia để giúp hiểu rõ hơn những phương pháp thường sử dụng để đo
lường hiệu quả ngân hàng:
Berger & Humphrey (1992) sử dụng phương pháp phân tích TFA để so sánh
hiệu quả chi phí (cost efficiency) của hệ thống ngân hàng Mỹ từ 1980 – 1988.
Trong nghiên cứu, họ đã tìm thấy cách tiếp cận TFA ước tính ngân hàng không hiệu
quả cao hơn so với cách tiếp cận SFA. Nhóm tác giả cũng lưu ý rằng các ngân hàng
vẫn có thể hiệu quả đến hiệu quả tối ưu thực tế nhưng khi vẫn có nhiều chi nhánh
không hiệu quả.
Một số nghiên cứu khác nghiên cứu về hiệu quả chi nhánh ngân hàng như
Berger et al. (1997) đã ước lượng chi phí biên của 760 chi nhánh ngân hàng lớn ở

33
Mỹ từ 1989 – 1991. Họ đã xác định và so sánh theo hai cách tiếp cận trung gian (the
intermediation approach) lẫn sản xuất (the production approach), và kết luận những
chi nhánh ngân hàng nhỏ hơn sẽ có hiệu quả về quy mô (scale efficiency).
Resti (1997) tiến hành nghiên cứu hiệu quả hệ thống ngân hàng Ý giai đoạn
1988 – 1992. Bài nghiên cứu sử dụng cả hai phương pháp tham số (SFA) và phi
tham số (DEA) để ước tính hiệu quả ngân hàng. Resti tìm thấy tương quan nghịch
và có ý nghĩa tương quan giữa chỉ số hiệu quả với nợ xấu/tổng khoản vay. Đồng
thời, các kết quả đo lường hiệu quả ngân hàng không mấy khác biệt giữa hai
phương pháp trên.
Bauer et al. (1998) so sánh bốn phương pháp ước lượng hiệu quả ngân hàng
bao gồm SFA, DFA, TFA, và DEA nhằm đo lường hiệu quả ngân hàng của hệ
thống ngân hàng Mỹ từ 1977 – 1988. Các tác giả đề xuất một tập hợp những điều
kiện thống nhất để đo lường hiệu quả biên sao cho có ích nhất trong phân tích thông
thường và những mục đích khác. Mục đích chính của bài nghiên cứu là so sánh hiệu
quả ngân hàng Mỹ thông qua bốn phương pháp khác nhau. Phát hiện của họ là
phương pháp tham số có tính thống nhất chung và hai phương pháp (tham số và phi
tham số) không đồng thời hỗ trợ cho nhau.
Kwan & Eisenbeis (1996) sử dụng phương pháp SFA để nghiên cứu 254 ngân
hàng lớn nhỏ ở Mỹ giai đoạn 1986 – 2001. Trong nghiên cứu, họ sử dụng ba đầu
vào (lao động, quỹ, vốn tự có) và năm đầu ra (chứng khoán đầu tư, khoản vay bất
động sản, khoản vay thương mại, khoản vay tiêu dùng và những cam kết ngoại
bảng). Họ phát hiện có sự thiếu hiệu quả đáng kể trong ngành ngân hàng trung bình
từ 10% - 20% và các ngân hàng nhỏ là tương đối kém hiệu quả hơn so với ngân
hàng trung bình và lớn.
Liang et al. (2008) sử dụng phương pháp DEA để đo lường hiệu quả hoạt động
của ngân hàng (bank’s operating efficiency) của hệ thống ngân hàng Đài Loan. Nhóm
nghiên cứu sử dụng mô hình tiếp cận là CCR, BCC và chỉ số Malmquist để đo lường
hiệu quả ngân hàng có tính đến sự ảnh hưởng của yếu tố nợ xấu. Đồng thời, nghiên
cứu còn dùng phương pháp tham số DFA để so sánh và đối chiếu kết quả. Kết quả

34
cho thấy, sau khi đưa vào yếu tố chỉ số nợ xấu NPLR (non – performing loans ratio)
thì điểm hiệu quả sụt giảm. Ngoài ra, nợ xấu còn là điểm hiệu quả của các ngân hàng
tư nhân ban đầu cao liền xuống thấp so với ngân hàng công.
Pelosi (2008) nghiên cứu về đo lường hiệu quả ngân hàng của hệ thống ngân
hàng ÚC giai đoạn 2002 – 2005 theo phương pháp SFA và phương pháp DEA. Kết
quả nghiên cứu cho thấy hiệu quả chung của các ngân hàng Úc trong giai đoạn
nghiên cứu có xu hướng giảm, trong khi khả năng quản trị và công nghệ của hoạt
động kinh doanh ngân hàng được cải thiện.
Staub et al. (2010) phân tích hiệu quả ngân hàng của hệ thống ngân hàng
Brazil giai đoạn 2000 – 2007 theo phương pháp DEA. Theo kết quả nghiên cứu,
những ngân hàng Brazil có hiệu quả ở mức thấp và chủ yếu xuất phát từ hiệu quả kỹ
thuật (technical efficiency) thấp. Đồng thời, trong các nhóm ngân hàng thì nhóm
những ngân hàng thuộc sở hữu nhà nước có mức hiệu quả chi phí (cost efficiency)
tốt hơn nhóm ngân hàng còn lại trong nền kinh tế.
Ke et al. (2011) phân tích hiệu quả lợi nhuận (profit efficiency) của ngân hàng
Đài Loan có tính yếu tố đầu ra không mong muốn (undersirable output). Dữ liệu là
lấy từ hệ thống ngân hàng thương mại Đài Loan giai đoạn 1999 – 2007. Kết quả
nghiên cứu thực nghiệm cho thấy: (i) Yếu tố giá shadow (the shadow price) có tác
động đến hiệu quả lợi nhuận; (ii) hiệu quả lợi nhuận chủ yếu đến từ hiệu quả phân
bổ (allocation efficiency); (iii) hiệu quả lợi nhuận và hiệu quả phân bổ của ngân
hàng lâu đời tốt hơn ngân hàng mới thành lập; (iv) đa dạng hóa phù hợp với các
dịch vụ tài chính ở Đài Loan. Nghiên cứu này sử dụng ba đầu ra (danh mục đầu tư,
khoản vay thông thường, nợ xấu) và ba đầu vào (tổng số lao động, tài sản cố định
ròng, tiền gởi).
Yu et al. (2013) sử dụng mô hình hệ thống động DEA (dynamic network
DEA) để đo lường hiệu quả hoạt động ngân hàng Đài Loan có quan tâm đến nợ xấu.
Theo đó, tiền gởi được coi như đầu ra trung gian, nợ xấu như đầu ra không mong
muốn và ảnh hưởng đến các hoạt động giao dịch. Nghiên cứu sử dụng dữ liệu bảng
(panel data) của 22 ngân hàng thương mại từ 1999 – 2011. Kết quả cho thấy những

35
can thiệp cải tiến nội bộ có ảnh hưởng đến hiệu quả ngân hàng, trong khi hiệu quả
của quy trình tiền gởi không bảo vệ được quy trình cho vay và ngược lại.
Řepková (2014) nghiên cứu hiệu quả sử dụng nguồn lực của các ngân hàng
tại Cộng hòa Séc trong giai đoạn 2003 – 2012 theo phương pháp phi tham số với
hai đầu vào (chi phí nhân viên, tiền gởi), hai đầu ra (dư nợ tín dụng, thu nhập từ
lãi). Kết quả cho thấy các ngân hàng có quy mô lớn thì có mức hiệu quả trung
bình thấp hơn của ngành, vì chủ yếu do duy trì quy mô tiền gởi và phát triển mạng
lưới quá lớn.
Zimková (2014) sử dụng mô hình đo lường hiệu quả kỹ thuật (technical
efficiency) và siêu hiệu quả (super – efficiency) để đo lường hiệu quả hệ thống ngân
hàng thương mại ở Slovakia. Nghiên cứu sử dụng mô hình BCC, SBM (slack – based
measures), vàmô hình siêu hiệu quả (super – efficiency model) để sắp xếp hạng của
các đơn vị hiệu quả. Kết quả nghiên cứu cho rằng việc quản lý của các tổ chức tín
dụng với việc kiểm soát không tốt, nên thay đổi quy trình quản lý của mình và áp
dụng chính sách tăng cường khuyến khích.
2.1.2. Nghiên cứu về hiệu quả ngân hàng chéo ở những quốc gia
Berg et al. (1993) nghiên cứu hiệu quả ngân hàng ở NaUy, Thụy Điển và
Phần Lan sử dụng phương pháp bao dữ liệu, bằng cả hai cách tính điểm hiệu quả
từng lãnh thổ và lẫn so sánh cả chung ba nước. Dữ liệu của bài nghiên cứu lấy từ
503 ngân hàng Phần Lan, 150 ngân hàng Nauy và 126 ngân hàng Thụy Điển. Nhóm
tác giả nhận thấy các ngân hàng Thụy Điển có 52 – 63% hiệu quả hơn Phần Lan và
40 – 60% hiệu quả hơn so với ngân hàng NaUy. Đồng thời, các ngân hàng lớn nhất
Thụy Điển cũng là những đơn vị hiệu quả nhất trong các mẫu gộp lại, vì vậy, nhóm
tác giả kết luận rằng ngân hàng Thụy Điển đang ở vị trí tốt nhất để mở rộng thị
trường ngân hàng Bắc Âu.
Fecher & Pestieau (1993) sử dụng phương pháp tham số SFA để đánh giá hiệu
quả kỹ thuật (technical efficiency) cho 11 khu vực tổ chức tài chính ở khối nước
OECD (Organization for Economic Cooperation and Development). Họ sử dụng
tổng thuế giá trị gia tăng như tiêu chí để đánh giá đầu ra của ngành dịch vụ tài chính

36
của mỗi quốc gia, và việc làm trong khu vực tài chính và vốn là hai đầu vào. Qua
đó, họ tìm thấy Nhật Bản có dịch vụ tài chính hiệu quả nhất, và Đan Mạch là kém
hiệu quả nhất.
Rim (1996) đã tập trung phân tích hiệu quả quy mô và hiệu quả kỹ thuật thuần
(pure technical efficiency) của 163 ngân hàng thương mại lớn tại Mỹ và 115 ngân
hàng thương mại lớn tại Nhật trong năm 1994. Trong nghiên cứu này, Rim sử dụng
hai đầu ra (tiền gởi, dư nợ tín dụng) và ba đầu ra (chi phí nhân viên, chi phí của vốn,
chi phí của các quỹ) với phương pháp SFA. Kết quả nghiên cứu cho thấy các ngân
hàng tại Mỹ và Nhật đang hoạt động tại mức hiệu quả chi phí thấp và quy mô không
tối ưu.
Trong nghiên cứu, Karim (2001) sử dụng phương pháp SFA phân tích hiệu
quả ngân hàng tại Indonesia, Malaysia, Phillipines, và Thái Lan giai đoạn 1989 –
1996. Với kết quả phân tích hiệu quả có được, nghiên cứu tiêp tục tiến hành phân
tích hồi quy để kiểm định mối quan hệ giữa hiệu quả các ngân hàng và tăng trưởng
kinh tế. Kết quả nghiên cứu mức phi hiệu quả kinh tế toàn phần cho thấy những
ngân hàng Thái Lan có mức phi hiệu quả thấp nhất, tiếp đến là những ngân hàng tại
Malaysia, Indonesia, và Phillipines có mức phi hiệu quả kinh tế toàn phần cao nhất.
Carbó et al. (2002) đã tiến hành đo lường phi hiệu quả quy mô (scale
efficiencies) và phi hiệu quả X (X – efficiencies) các ngân hàng tiết kiệm Châu Âu
giữa những năm 1989 – 1996. Nghiên cứu sử dụng phương pháp SFA và hàm chức
năng linh hoạt Fourier (Fourier flexible functional form). Nhóm tác giả tìm thấy quy
mô nền kinh tế ở các quốc gia khác nhau có ảnh hưởng đến tăng quy mô ngân hàng.
Đồng thời, những ngân hàng tiết kiệm (savings banks) lớn có lợi thế quy mô kinh tế
hơn những ngân hàng nhỏ hơn, nhưng trong hiệu quả X (X – efficiency) thì lợi thế
quy mô không được tính đến. Nhóm tác giả kết luận rằng các ngân hàng tiết kiệm
Châu Âu có thể được cắt giảm chi phí thông qua việc giảm quản lý và những chi phí
thiếu hiệu quả khác, và cũng bằng cả cách tăng quy mô sản xuất.
Bonin et al. (2005) sử dụng phương pháp SFA để phân tích sự ảnh hưởng của
quyền sở hữu ngân hàng (bank ownership) lên hiệu quả ngân hàng. Đây là nghiên

37
cứu thực nghiệm về hiệu quả ngân hàng của các nền kinh tế chuyển đổi (transition
economies) như Bulgaria, Cộng hòa Czech, Croatia, Hungary, Ba Lan, Romania.
Kết luận của nhóm nghiên cứu là hiệu quả ngân hàng ngoại hiệu quả hơn ngân hàng
nội. Họ kết luận ngân hàng ngoại có hiệu quả chi phí (cost efficiency) hơn so với
ngân hàng nội địa (domestic bank) và ngân hàng thương mại vốn nhà nước có hiệu
quả thấp nhất trong nhóm phân tích. Nhóm nghiên cứu cũng nhấn mạnh rằng hiệu
quả chi phí của những ngân hàng có quy mô vừa và nhỏ khác biệt đáng kể với
những ngân hàng nước ngoài và ngân hàng thương mại nhà nước.
Fries & Taci (2005) cũng sử dụng phương pháp SFA để điều tra hiệu quả chi
phí (cost efficiency) của 289 ngân hàng trong 15 nước có nền kinh tế chuyển đổi ở
Đông Âu. Họ tìm thấy rằng hệ thống ngân hàng, trong đó các ngân hàng nước ngoài
có chi phí thấp hơn và hoạt động tái cấu trúc hệ thống ngân hàng với hiệu quả chi phí
là không tuyến tính. Ngoài ra, ngân hàng khối tư nhân có hiệu quả hơn so với ngân
hàng khối nhà nước, nhưng cũng có sự khác biệt giữa các ngân hàng khối tư nhân.
Kenjegalieva (2007) tiến hành phân tích hiệu quả ngân hàng thuộc 13 quốc gia
có nền kinh tế chuyển đổi tại Trung và Đông Âu trong thời gian 1998 – 2003. Phương
pháp phân tích được sử dụng trong nghiên cứu là DEA có tính đến yếu tố rủi ro là
đầu ra không mong muốn. Kết quả phân tích cho thấy hiệu quả kỹ thuật (technical
efficiency) của hệ thống ngân hàng tại Czech, Hungary và Ba Lan đạt mức cao nhất
trong khu vực. Nghiên cứu cũng tìm thấy các yếu tố bên ngoài môi trường kinh
doanh tác động mạnh đến rủi ro trong hoạt động kinh doanh ngân hàng, từ đó tác
động đến mức hiệu quả ngân hàng trong mẫu nghiên cứu.
Mamatzakis et al. (2008) đã phân tích hiệu quả chi phí và hiệu quả lợi nhuận
bằng phương pháp SFA ở mười nước có nền kinh tế chuyển đổi tại khu vực Châu Âu
mới. Họ kết luận ngân hàng nước ngoài tốt hơn cả ngân hàng tư nhân và ngân hàng
thuộc sở hữu nhà nước về hiệu quả lợi nhuận, mặc dù kết quả không rõ ràng trong
trường hợp hiệu quả chi phí.
Kamecka (2010), luận án điều tra hiệu quả ngân hàng của các ngân hàng tại
Áo, Bulgaria, Croatia, Serbia và Thổ Nhĩ Kỳ từ năm 2003 đến 2006. Phương pháp

38
chính được sử dụng là phương pháp phân tích bao dữ liệu DEA. Kết quả phân tích
cho thấy chỉ số hiệu quả chung của các ngân hàng trong giai đoạn nghiên cứu có xu
hướng giảm. Nghiên cứu còn chỉ ra đặc điểm về chỉ số cũng như cách tiếp cận khác
nhau về đầu vào và đầu ra sử dụng trong DEA để phân tích hiệu quả của hệ thống
ngân hàng trong từng quốc gia của mẫu nghiên cứu.
Maea (2010) tiến hành nghiên cứu hiệu quả ngân hàng của hệ thống ngân hàng
thương mại của 6 quốc gia bao gồm: Fiji, Papua New Guinea, Samoa, Solomon
Island, Tonga và Vanuatu trong giai đoạn 2000 – 2006. Kết quả phân tích chỉ ra rằng
hiệu quả ngân hàng trung bình của các ngân hàng trong giai đoạn nghiên cứu được
cải thiện dần qua thời gian. Sự gia tăng trong hiệu quả ngân hàng của các ngân hàng
trong giai đoạn nghiên cứu chịu tác động rất lớn do tình hình kinh tế chung của nền
kinh tế được cải thiện đáng kể trong giai đoạn 2000 – 2006.
Abd Karim et al. (2010) nghiên cứu mối quan hệ giữa nợ xấu và hiệu quả
ngân hàng trong hệ thống ngân hàng Singapore và Malaysia. Trong đó, hiệu quả chi
phí (cost efficiency) ngân hàng được đo bằng phương pháp SFA. Tiếp đến, hiệu quả
chi phí được đưa vào mô hình kinh tế lượng hồi quy Tobit để đánh giá ảnh hưởng
của nợ xấu đến hiệu quả ngân hàng. Kết quả nghiên cứu cho thấy, nợ xấu tăng cao
làm giảm hiệu quả ngân hàng, còn có nghĩa hiệu quả chi phí thấp thì nợ xấu tăng
cao. Kết quả trên cũng hỗ trợ cho giả thuyết “quản lý kém” (bad management) của
Berger và DeYoung. Vì vậy, quản trị yếu kém dẫn đến kết quả chất lượng tín dụng
giảm, gia tăng nợ xấu.
Svitalkova (2014) đã sử dụng phương pháp phi tham số DEA để đo lường
hiệu quả ngân hàng thương mại tại những quốc gia: Czech, Slovakia, Áo, Ba Lan,
Hungary và Slovenia giai đoạn 2004 – 2011. Kết quả nghiên cứu chỉ ra rằng, hiệu
quả ngân hàng lớn nhất trong các quốc gia nghiên cứu thuộc về hệ thống ngân hàng
Áo và Czech. Còn hệ thống ngân hàng Ba Lan có mức hiệu quả thấp nhất. Nghiên
cứu sử dụng ba biến đầu vào (chi phí nhân viên, tiền gởi, tài sản cố định) và hai biến
đầu ra (tổng dư nợ cho vay, doanh thu lãi ròng).

39
Huang et al. (2015) đã đo lường và so sánh hiệu quả ngân hàng của 17 quốc
gia ở Trung và Đông Âu giai đoạn 1995 – 2005 bằng kỹ thuật MDDF (metafrontier
directional technology distance function) của phương pháp SFA. Kỹ thuật MDDF
cho phép nghiên cứu tính toán được hiệu quả kỹ thuật và so sánh giữa các ngân
hàng dưới sự khác nhau của công nghệ. Thông qua nghiên cứu, họ phát hiện rằng
khoảng cách công nghệ chiếm ưu thế trong hiệu quả kỹ thuật (technical efficiency),
nghĩa là ngân hàng có yếu tố công nghệ tích hợp hơn thì hiệu quả hơn.
Ghosh (2016) sử dụng dữ liệu 2002 – 2012 phân tích tác động của Mùa Xuân
Ả Rập đến rủi ro và lợi nhuận của các ngân hàng Trung Đông và Bắc Phi. Kết quả
phân tích chỉ ra rằng mùa xuân Ả Rập làm giảm lợi nhuận ngân hàng 0.2% và tăng
rủi ro 0.4% điểm.
2.2. CÁC NGHIÊN CỨU THỰC NGHIỆM VỀ HIỆU QUẢ NGÂN HÀNG Ở
VIỆT NAM
Hương (2002) nêu được sự cần thiết phải nâng cao hiệu quả hoạt động kinh
doanh của ngân hàng Việt Nam thông qua hoạt động đầu tư nhằm nâng cao khả
năng cạnh tranh của các ngân hàng thương mại (NHTM) trong bối cảnh hội nhập
kinh tế quốc tế. Nghiên cứu cũng sử dụng bộ chỉ số tài chính để đánh giá hiệu quả
hoạt động của ngân hàng thông qua ba nhóm chính: hiệu quả đóng góp vào phát
triển kinh tế xã hội; hiệu quả của bản thân ngân hàng; và nhóm hiệu quả liên quan
đến khách hàng ngân hàng. Thời gian nghiên cứu trong giai đoạn 1995 – 2000 và
đối tượng nghiên cứu mở rộng từ các ngân hàng thương mại nhà nước đến ngân
hàng thương mại cổ phần. Kết quả của nghiên cứu cho thấy mở rộng hoạt động đầu
tư nhằm nâng cao khả năng cạnh tranh của các ngân hàng thương mại trong bối
cảnh hội nhập quốc tế.
Dân (2004) đã xây dựng được hệ thống chi tiêu đánh giá hiệu quả hoạt động
của các NHTM thông qua phương pháp thống kê mô tả. Nghiên cứu sử dụng dữ liệu
là các NHTM trên địa bàn thành phố Đà Nẵng trong giai đoạn 1999 – 2002. Bên
cạnh đó, nghiên cứu cũng sử dụng dữ liệu của những NHTM khác trên địa bàn miền
Trung để so sánh đối chiếu. Kết quả nghiên cứu chỉ ra rằng, khi áp dụng các phương

40
pháp thống kê khác nhau sẽ cho kết quả đánh giá hiệu quả hoạt động của các
NHTM khác nhau. Mỗi phương pháp có ưu và nhược điểm riêng, khi phân tích hiệu
quả của NHTM nên sử dụng kết hợp những phương pháp khác nhau nhằm khai thác
ưu điểm, hạn chế khuyết điểm của từng phương pháp để có góc nhìn đa chiều về
ngân hàng cần phân tích.
Hùng (2008) đã tiến hành nghiên cứu về hiệu quả hoạt động của 32 NHTM
Việt Nam trong giai đoạn 2001 – 2005 thông qua phương pháp định tính và định
lượng. Nghiên cứu áp dụng phương pháp phân tích bao dữ liệu DEA và phân tích
biên ngẫu nhiên SFA để đánh giá hiệu quả hoạt động của các NHTM Việt Nam. Kết
quả nghiên cứu cho thấy hệ thống ngân hàng thương mại cần phải cải thiện những
nhân tố phi hiệu quả ảnh hưởng không tốt đến hiệu quả hoạt động của các ngân
hàng thương mại có như vậy hệ thống ngân hàng thương mại Việt Nam mới trở nên
hiệu quả hơn và tăng khả năng cạnh tranh trong thời kỳ hậu WTO. Tác giả cũng đề
xuất nhiều giải pháp nhằm nâng cao hiệu quả hoạt động của các NHTM như: nâng
cao năng lực tài chính, hiện đại hóa công nghệ ngân hàng, phát triển khách hàng và
mạng lưới bán lẻ, nâng cao năng lực điều hành, nâng cao chất lượng lao động, hạn
chế nợ xấu…
H. T. Vu & Turnell (2010) đã đo lường hiệu quả chi phí (cost efficiency) bằng
phương pháp biên ngẫu nhiên SFA theo cách tiếp cận Bayesian của hệ thống ngân
hàng thương mại Việt Nam. Nghiên cứu hướng đến một ước tính hợp lý trong việc
ước tính các chi phí biên và sử dụng cách tiếp Bayesian. Kết quả nghiên cứu chỉ ra
rằng, mức độ hiệu quả chi phí của NHTM Việt Nam là rất cao, 87%. Có sự khác
biệt nhỏ và không đáng kể trong hiệu quả chi phí giữa các nhóm khác nhau của
những ngân hàng phân theo quyền sở hữu. Tuy nhiên, trong khoảng thời gian
nghiên cứu, ngành ngân hàng có sự sụt giảm nhẹ hiệu quả chi phí. Điều này được
giải thích bởi sự gia tăng trong chi phí quản lý các hoạt động đa dạng, mở rộng
mạng lưới chi nhánh và nâng cấp nền tảng công nghệ ngân hàng.
Dang-Thanh (2012) bài nghiên cứu sử dụng phương pháp phân tích bao dữ
liệu DEA Window để phân tích hiệu suất của hệ thống ngân hàng Việt Nam giai

41
đoạn 1990 – 2010. Nghiên cứu cho thấy hiệu suất của ngân hàng giảm dần qua thời
gian, cũng như kích thước tăng lên của ngành ngân hàng. Thị trường tài chính trở
nên tự do hơn, và khi nền kinh tế thế giới và khu vực đang có vấn đề. Trong khi
ngân hàng chỉ vận hành ở 2/3 năng lực và đóng góp hạn chế trong nền kinh tế. Vì
vậy, tiếp tục phát triển và tái cấu trúc hệ thống ngân hàng ở Việt Nam là quan trọng.
Đồng thời, tác giả cũng đề xuất giải pháp thắt chặt tiền tệ và/hoặc nới lỏng chính
sách tài khóa có thể được xem như là một giải pháp cải thiện hiệu suất của hệ thống
ngân hàng Việt Nam.
H. Vu & Nahm (2013) tiến hành nghiên cứu các nhân tố ảnh hưởng đến hiệu
quả lợi nhuận (profit efficiency) của ngân hàng Việt Nam giai đoạn 2000 – 2006. Sự
ảnh hưởng bởi bốn nhóm: đặc tính từng ngân hàng (bank specific characteristics),
quyền sở hữu (ownership), môi trường kinh doanh chuyển đổi (transitional
enviroment), và điều kiện kinh tế vĩ mô (macroeconomic conditions). Sau đó, nghiên
cứu sử dụng mô hình hồi quy Tobit để đánh giá những yếu tố ảnh hưởng lên hiệu quả
lợi nhuận ngân hàng Việt Nam. Kết quả nghiên cứu chỉ ra rằng, hiệu quả lợi nhuận
của ngân hàng Việt Nam được tăng cường bởi kích thước lớn hơn, khả năng quản lý
tốt hơn, và cản trở bởi chất lượng thấp của tài sản, cũng như mức độ cổ phần hóa cao
(high level of capitalisation). Tốc độ tăng trưởng GDP bình quân đầu người cao và tỷ
lệ lạm phát thấp cung cấp thuận lợi để ngân hàng cải thiện lợi nhuận. Ngoài ra,
nghiên cứu cũng cho thấy, những ngân hàng ngoại hoạt động hiệu quả lợi nhuận tốt
hơn so với những ngân hàng trong nước. Để tối ưu hóa hiệu quả lợi nhuận, những
ngân hàng nên duy trì tỷ lệ vốn chủ sở hữu trên tổng tài sản giữa 4% - 14%.
Ngoc Nguyen & Stewart (2013) đã kiểm tra mức độ tập trung và hiệu quả của
hệ thống ngân hàng Việt Nam theo mô hình cấu trúc (structural approach) – đây là
tên gọi cho phương pháp tham số và phi tham số. Nhóm tác giả đã thêm vào các chỉ
số tập trung (concentration ratio, CR), chỉ số Herfindahl – Hirschman (HHI), và mô
hình tập trung lợi nhuận (concentration – profitability model) trên cơ sở Những giả
thuyết hiệu quả (Efficiency Hypothesis) và mô hình SCP (Structure – Conduct –
Performance). Nghiên cứu sử dụng dữ liệu của một mẫu 48 ngân hàng thương mại

42
Việt Nam trong giai đoạn 1999 – 2009. Kết quả thực nghiệm cho thấy hệ thống
ngân hàng Việt Nam ít tập trung, và NHTM lớn vẫn thống trị hệ thống ngân hàng.
Minh et al. (2013) nghiên cứu ước lượng 32 ngân hàng thương mại ở Việt
Nam từ 2001 – 2005 nhằm nhận diện được những nhân tố ảnh hưởng đến hiệu quả
ngân hàng. Hiệu quả ngân hàng trong nghiên cứu được đo lường bằng phương pháp
bao dữ liệu DEA và siêu hiệu quả (super – efficiency) thông mô hình SBM (slack –
based measures model) dưới giả định VRS (hiệu quả thay đổi tùy thuộc vào quy
mô, variable returns to scale). Kết quả nghiên cứu chỉ ra rằng, chỉ có một số ít các
ngân hàng hiệu quả và có thể gia tăng hiệu quả cho những ngân hàng đó. Hơn nữa
so với những ngân hàng nhỏ, những ngân hàng lớn không có siêu hiệu quả (super –
efficiency) cao. Kết quả trên được đưa vào mô hình hồi quy Tobit và tìm ra kết quả
tiếp theo: Tương quan ngược của sỡ hữu vốn nhà nước với hiệu quả ngân hàng;
tương quan tích cực với quy mô ngân hàng và thị phần; và chất lượng nhân sự
không ảnh hưởng đến hiệu quả ngân hàng.
Sáng (2015) tiến hành nghiên cứu 48 NHTM Việt Nam trong giai đoạn 1992 –
2013 về hiệu quả ngân hàng và mối quan hệ với tăng trưởng kinh tế thông qua ba
phương pháp: Phân tích bộ chỉ số tài chính; phân tích tham số với cách tiếp cận biên
ngẫu nhiên SFA; phương pháp phân tích phi tham số với cách tiếp cận bao dữ liệu
(DEA). Nghiên cứu đã phân tích những nhân tố tác động đến hiệu quả sử dụng
nguồn lực ngân hàng thương mại Việt Nam thông qua mô hình Tobit. Hiệu quả kỹ
thuật và hiệu quả chi phí được sử dụng trong mô hình hồi quy Tobit. Kết quả nghiên
cứu cho thấy: hiệu quả cung ứng vốn cho nền kinh tế thông qua hệ thống NHTM
Việt Nam còn thấp; năng lực tài chính và quy mô hoạt động của các NHTM chưa
hợp lý; chất lượng tài sản của hệ thống NHTM không cao; chất lượng của hoạt động
cung ứng dịch vụ và thanh toán tại các NHTM Việt Nam thấp; khả năng huy động
vốn còn thấp.
Chang et al. (2015) đã nhận định thiếu nhiều nghiên cứu về hiệu quả ngân hàng
và tiến hành đánh giá nghiên cứu hiệu quả ngân hàng Việt Nam từ 2007 – 2010 theo
phương pháp bao dữ liệu DEA. Nghiên cứu sử dụng hai đầu vào (chi phí lãi, chi phí

43
phi lãi) và ba đầu ra (cho vay khách hàng, thu nhập lãi và thu nhập phi lãi). Kết quả
nghiên cứu cho thấy ngân hàng thương mại nhà nước kém hiệu quả hơn so với ngân
hàng thương mại cổ phần. Đồng thời, các ngân hàng trong mẫu nghiên cứu đều gần
đạt đến hiệu quả tối ưu thực tế (the best practice).
Nguyen & Simioni (2015) tập trung đánh giá hiệu quả ngân hàng Việt Nam
trong giai đoạn 2008 – 2012, và đánh giá ở các thành tố khác nhau của hiệu quả
như: Thay đổi kỹ thuật (technical change); hiệu quả kỹ thuật thuần (pure technical
efficiency); hiệu quả hỗn hợp (mix efficiency) và hiệu quả quy mô (scale
efficiency). Nghiên cứu sử dụng dữ liệu bảng cân bằng (balance panel) và chỉ số
FPP (FSre – Primont productivity). Họ đã chỉ ra rằng, ngân hàng Nhà nước Việt
Nam trong chính sách tái cơ cấu hệ thống ngân hàng không chỉ nên tập trung một
trong hai tăng kích thước ngân hàng và quản lý tốt hơn. Cả hai phải được xem xét
đồng thời, không chỉ thông qua sáp nhập ngân hàng mà còn được xây dựng tiêu
chuẩn quản lý phù hợp với tiêu chuẩn quy định quốc tế.
Stewart et al. (2016) đã ước tính hiệu quả ngân hàng Việt Nam giai đoạn 1999
– 2009 và sử dụng phương pháp bán tham số (semi – parametric) của Simar &
Wilson (2007). Kết quả cho thấy ngân hàng lớn hiệu quả hơn ngân hàng vừa và
nhỏ. Ngân hàng thương mại không có vốn nhà nước hiệu quả hơn ngân hàng thương
mại nhà nước ở mức hiệu quả tổng thể.
2.3. CÁC NGHIÊN CỨU VỀ MỨC ĐỘ ẢNH HƯỞNG CỦA NỢ XẤU ĐẾN
HIỆU QUẢ NGÂN HÀNG, VÀ MỐI QUAN HỆ GIỮA NỢ XẤU VỚI HIỆU
QUẢ NGÂN HÀNG
Riêng về mối quan hệ giữa nợ xấu và hiệu quả ngân hàng, từ sau 1990, đã
được các nhà khoa học quan tâm nghiên cứu, cụ thể như sau:
A. Charnes et al. (1990) tiếp cận phương pháp DEA theo mô hình CCR để tiến
hành đo lường hiệu quả 48 ngân hàng thương mại từ 300 ngân hàng lớn tại Mỹ và là
thành viên của Tổng công ty Bảo hiểm tiền gửi liên bang FDIC. Nghiên cứu sử
dụng bốn đầu vào (chi phí hoạt động, chi phí phi lãi, dự phòng rủi ro tín dụng, dư
nợ tổn thất thực tế) và bốn đầu ra (thu nhập từ hoạt động dịch vụ, thu nhập từ lãi,

44
thu nhập phi lãi, tổng dư nợ). Đây là lần đầu tiên các nghiên cứu về hiệu quả ngân
hàng sử dụng phương pháp DEA để nhận diện đo lường nợ xấu (ở đây là khoản dự
phòng rủi ro tín dụng, và dư nợ tổn thất thực tế) như một đầu vào.
Berg et al. (1993) sử dụng chỉ số Malmquist để đo lường hiệu quả ngân hàng
của hệ thống ngân hàng ở Bắc Âu giai đoạn 1980 – 1989. Kết quả nghiên cứu của
nhóm nhận thấy có tương quan nghịch giữa khoản vay mất vốn (loan losses) với
hiệu quả ngân hàng.
Berger & Humphrey (1992) nghiên cứu hiệu quả chi phí ngân hàng (cost
efficiency) bằng phương pháp biên ngẫu nhiên SFA và đánh giá mối tương quan với
nợ xấu. Nghiên cứu nhận định, các ngân hàng phá sản (failing banks) có xu hướng
dần rời xa đường biên hiệu quả tối ưu thực tế. Vì vậy, ngân hàng có chỉ số nợ có
vấn đề cao (problem loans) thì ngân hàng đó càng yếu kém và có xu hướng hiệu quả
chi phí thấp.
Kwan & Eisenbeis (1996) cũng sử dụng phương pháp SFA để đo lường hiệu
quả chi phí của hệ thống ngân hàng Mỹ. Nhóm nghiên cứu bổ sung thêm kết luận
của Berger và cộng sự (1992), là tìm thấy mối quan hệ tiêu cực giữa những khoản
vay có vấn đề (problem loans) với hiệu quả ngân hàng, ngay cả trong số các ngân
hàng không phá sản.
Mester (1996) nghiên cứu hiệu quả của các ngân hàng hoạt động tại Third
Federal Reserve District giai đoạn 1991 – 1992 bằng phương pháp chi phí biên ngẫu
nhiên SFA. Trong đó, những yếu tố đầu ra của ngân hàng có tính đến mức chất
lượng và rủi ro. Lúc này, nợ xấu được coi là biến kiểm soát (control variable) trong
hàm chi phí (cost function) ở các ngân hàng Mỹ. Kết quả thu được, nợ xấu (NPLs)
có tương quan ngược với hiệu quả chi phí.
Berger & DeYoung (1997) nghiên cứu nợ có vấn đề (problem loans), hiệu quả
chi phí (cost efficiency) ngân hàng thông qua phương pháp biên ngẫu nhiên SFA,
và vốn hóa ngân hàng (capitalization) của ngân hàng thương mại Mỹ 1985 – 1994
bằng kỹ thuật phân tích nhân quả Granger. Kết quả nghiên cứu tìm thấy mối quan
hệ tích cực giữa chất lượng tài sản (asset quality) và hiệu quả chi phí. Điều này còn

45
thể hiện mối quan hệ tiêu cực giữa nợ có vấn đề và hiệu quả chi phí, nợ có vấn đề
tăng lên làm gia tăng nhiều chi phí quản lý, xử lý nợ và bán nợ. Điều này xác nhận
cho hai lý thuyết “kém may mắn” (bad luck) và “quản lý kém” (bad management).
Resti (1997) sử dụng cả phương pháp tham số và phi tham số (DEA) để đo lường
hiệu quả ngân hàng của 270 ngân hàng tại Ý giai đoạn 1988 – 1992. Thông qua phân
tích mô hình kinh tế lượng, tác giả tìm thấy tương quan nghịch và có ý nghĩa thống kê
giữa chỉ số hiệu quả với nợ xấu/tổng dư nợ (bad loan to total loans – BTL henceforth).
Kết quả nghiên cứu này có hỗ trợ và phù hợp với mối quan hệ giữa hiệu quả và rủi ro
mà được đề xuất bởi Berger & DeYoung (1997).
Tsai & Huang (1999) cũng sử dụng phương pháp tham số với hàm chi phí
(cost function) nhằm xem xét mối quan hệ giữa chất lượng quản lý và hiệu quả chi
phí (cost efficiency) trong hệ thống ngân hàng Đài Loan. Kết quả nghiên cứu khám
phá rằng chất lượng tài sản và hiệu quả chi phí có mối quan hệ; tài sản có chất
lượng xấu sẽ tác động tiêu cực đến hiệu suất hoạt động của ngân hàng.
Jose M Pastor (1999) sử dụng dự phòng rủi ro tín dụng (PLL – provision for
loan losses) như chỉ số đo lường rủi ro tín dụng. Tác giả sử dụng phương pháp bao
dữ liệu DEA với phương thức liền nhau bao gồm rủi ro tín dụng (credit risk) và vài
biến môi trường liên quan như chu kỳ kinh doanh, chỉ số cấu trúc kinh tế - như yếu
tố ngoại sinh ngoài tầm kiểm soát quản lý, để do hiệu quả ngân hàng của hệ thống
ngân hàng Tây Ban Nha.
Altunbas et al. (2000) tiến hành nghiên cứu hiệu quả và rủi ro trong hệ thống
ngân hàng Nhật bản. Nhóm nghiên cứu đưa rủi ro và nhân tố chất lượng (quality
factor) vào để ước lượng hiệu quả chi phí (cost efficiency) trong ngân hàng Nhật
Bản từ 1993 – 1996. Nghiên cứu sử dụng phương pháp biên ngẫu nhiên SFA để đo
lường hiệu quả quy mô (scale efficiency) và phi hiệu quả X (X – inefficiency). Kết
quả nghiên cứu chỉ ra rằng, nợ xấu có tác động tích cực đến những ngân hàng
không hiệu quả. Các ngân hàng phải chịu giảm mức độ hiệu quả quy mô của họ khi
kiểm soát những yếu tố rủi ro. Altunbas và cộng sự còn tìm thấy cấp độ của nợ xấu

46
tương quan tích cực đến hiệu quả ngân hàng. Kết quả cũng thích hợp với nhiều
nghiên cứu hiệu quả ngân hàng ở Mỹ.
Drake & Hall (2003) sử dụng phương pháp bao dữ liệu DEA để tiến hành phân
tích hiệu quả kỹ thuật TE (technical efficiency) và hiệu quả quy mô SE (scale
efficiency) của 149 ngân hàng Nhật Bản năm 1997. Nghiên cứu sử dụng cách tiếp
cận trung gian (the intermediation approach) để xác định đầu vào và đầu ra, theo đó,
nhóm nghiên cứu sử dụng dự phòng rủi ro tín dụng PLL như một chỉ số đánh giá
những khoản vay có vấn đề. Kết quả nghiên cứu cho thấy kiểm soát những khoản vay
có vấn đề làm tăng TE, SE của các ngân hàng.
José M Pastor (2002) dùng phương pháp tương tự và thực nghiệm cho bốn
ngân hàng Pháp, Đức,Ý, Tây Ban Nha từ 1988 – 1994. Kết quả cho thấy khoản 80%
những khoản nợ xấu là do yếu tố nội tại của ngân hàng, trong khi còn lại là do yếu
tố ngoại sinh.
Fan & Shaffer (2004) tiến hành phân tích hiệu quả lợi nhuận (profit efficiency)
của những ngân hàng lớn nhất của Mỹ và có đưa yếu tố nợ xấu vào mô hình phân
tích. Thông qua kết quả nghiên cứu, họ tìm thấy, mặc dù nợ xấu có tác động ngược
chiều với hiệu quả lợi nhuận ngân hàng, nhưng không có ý nghĩa thống kê (không
đủ độ tin cậy).
Williams (2004) đã nghiên cứu hành vi quản lý (management behaviour) cho
các ngân hàng tiết kiệm Châu Âu (European savings banks) từ 1990 – 1998. Tác giả
tiến hành xem xét mối quan hệ giữa dự phòng rủi ro tín dụng (PLL), hiệu quả ngân
hàng và cơ cấu vốn cho các ngân hàng trên. Nghiên cứu sử dụng kỹ thuật phân tích
nhân quả (Granger causality techniques) và phương pháp biên ngẫu nhiên SFA, đề
xuất rằng hiệu quả chi phí (cost efficiency) có thể quan trọng trong dự đoán tương
lai của nợ có vấn đề (problem loans) và ngân hàng có vấn đề (problem banks). Kết
quả nghiên cứu có những trái ngược với kinh nghiệm tại Mỹ, kết quả kinh tế lượng
của tác giả gợi ý rằng vấn đề lớn nằm ở quản lý yếu kém (bad management).
Li (2005) cho rằng nợ xấu sau cuộc khủng hoảng 1997 được tích tụ nhanh
chóng ở Đài Loan và nhiều quốc gia khác ở khu vực. Một khoản vay lúc này luôn

47
chứa đựng nhiều nguy cơ thành nợ xấu. Do đó, nghiên cứu của tác giả là đo lường
hiệu quả ngân hàng bằng cách đưa nợ xấu (NPLs) vào mô hình như một đầu ra
không mong muốn (undesirable output). Phương pháp được sử dụng là bao dữ liệu
BCC DEA theo định hướng đầu vào và đối xử nợ xấu (NPLs) như một đầu ra không
mong muốn. Kết quả thực nghiệm cho thấy hạng của hiệu quả kỹ thuật TE từ cao
nhất đến thấp nhất của ngân hàng công, ngân hàng hỗ hợp (mixed banks), ngân
hàng tư. Đồng thời, giá trị trung bình của hiệu quả kỹ thuật TE của các ngân hàng
thành lập sau khi bãi bỏ những luật định (deregulation) lớn hơn so với các ngân
hàng được thành lập trước bãi bỏ những luật định.
Park & Weber (2006) ước lượng phi hiệu quả ngân hàng Hàn Quốc và sự thay
đổi hiệu suất cho giai đoạn 1992 – 2002 bằng hàm khoảng cách định hướng công
nghệ (Direcitonal technology distance function). Họ sử dụng biến tổn thất khoản
vay (loan losses) như một đầu ra không mong muốn trong mô hình mà để đo lường
chất lượng của khoản vay. Đồng thời, nợ xấu còn là yếu tố ảnh hưởng trực tiếp
trong quy trình sản xuất. Kết quả nghiên cứu giúp họ phát hiện rằng tiến bộ kỹ thuật
trong giai đoạn này là quá đủ để bù đắp hiệu quả suy giảm và thúc đẩy mức tăng
trưởng hiệu suất của ngân hàng.
Zago & Dongili (2006) tiến hành đo lường hiệu quả kỹ thuật TE của ngân
hàng tại Ý giai đoạn 1993 – 1998 bằng phương pháp bao dữ liệu DEA và có sử
dụng hàm khoảng cách định hướng công nghệ. Trong nghiên cứu, họ sử dụng hai
cách tiếp cận để lựa chọn đầu vào và đầu ra bao gồm: Cách tiếp cận giá trị gia tăng
(the value added approach); và cách tiếp cận trung gian (the intermediation
approach). Theo cách tiếp cận giá trị gia tăng, nhóm tác giả sử dụng bốn đầu ra
(tổng giá trị tiền gởi, thu nhập phi lãi, dư nợ khoản vay, nợ xấu) và hai đầu vào
(tổng chi phí lao động, nguồn vốn). Còn cách tiếp cận trung gian, họ sử dụng bốn
đầu ra (tiền gởi thanh toán, chứng khoán, dư nợ cho vay, tổng dư nợ, nợ xấu) và bốn
đầu ra (tổng chi phí lao động, nguồn vốn, tiền gởi phi thanh toán, “tổng tài sản –
(chi phí nợ phải trả + nguồn vốn)” – được gọi là nguồn vốn tự do). Kết quả nghiên
cứu tìm thấy một khoản nợ xấu được xem xét thì hiệu quả của các ngân hàng tăng

48
đáng kể. Ngoài ra, nếu bỏ qua các khoản nợ xấu thì khó đánh giá toàn diện hiệu quả
của ngân hàng. Kết quả có ý nghĩa về quy trình sản xuất của ngân hàng và chất
lượng tín dụng.
Fukuyama & Weber (2008) ước lượng phi hiệu quả hệ thống ngân hàng Nhật
Bản và giá shadow (shadow price) của của các khoản vay có vấn đề bằng cách xem
các khoản vay có vấn đề như một yếu tố không mong muốn của quy trình tạo ra các
khoản vay. Nghiên cứu của họ trải qua bốn bước: (i) Thứ nhất, ở đo lường hiệu quả
ngân hàng thông qua phương pháp bao dữ liệu DEA; (ii) thứ hai, ước lượng mô
hình tham số LP (quy hoạch tuyến tính) sử dụng phương thức tối thiểu hóa tổn thất;
(iii) thứ ba, nghiên cứu trình bày kết quả thực nghiệm thông qua hai phương pháp
với dữ liệu hệ thống ngân hàng Nhật Bản giai đoạn 2002 – 2004. Đây cũng là
khoảng thời gian mà số liệu nợ xấu có sẵn cho hầu hết các ngân hàng ở Nhật Bản.
Thông qua nghiên cứu, họ kết luận, không nên bỏ qua nợ xấu trong quá trình phân
tích hiệu quả ngân hàng.
Liang et al. (2008) nghiên cứu sự ảnh hưởng của nợ xấu đến hiệu quả hoạt
động của ngân hàng (bank’s operating efficiency) trong ngân hàng Đài Loan. Nhóm
tác giả sử dụng phương pháp bao dữ liệu DEA để đo lường hiệu quả hoạt động của
ngân hàng Đài Loan giai đoạn 1996 – 2000. Mô hình tiếp cận là CCR DEA, BCC
DEA, và chỉ số Malmquist. Đồng thời, nghiên cứu dùng thêm phương pháp DFA để
so sánh. Để xác định đầu vào và đầu ra, nhóm tác giả lựa chọn tiếp cận sản xuất (the
production approach) bao gồm bốn đầu vào (số lượng nhân viên, chi phí lãi, tài sản
cố định, số lượng ATM) và năm đầu ra (tiền gởi, khoản vay, đầu tư, thu nhập phi
lãi, tỷ lệ nợ xấu NPLR). Kết quả sau khi đưa vào yếu tố NPLR (non – performing
loan ratio) thì điểm hiệu quả sụt giảm so với lúc chưa bao gồm. Đồng thời, khi đưa
nợ xấu vào thì điểm hiệu quả của các ngân hàng tư nhân ban đầu cao liền xuống
thấp hơn so với ngân hàng khu vực nhà nước.
Abd Karim et al. (2010) nghiên cứu mối quan hệ giữa nợ xấu và hiệu quả
ngân hàng trong hệ thống ngân hàng hai quốc gia Singapore và Malaysia giai đoạn
1995 – 2000. Nhóm tác giả đo lường hiệu quả chi phí (cost efficiency) của ngân

49
hàng bằng phương pháp biên ngẫu nhiên SFA. Sau đó, điểm hiệu quả chi phí được
sử dụng cho mô hình hồi quy hai giai đoạn Tobit để quyết định sự ảnh hưởng của
nợ xấu đến hiệu quả ngân hàng. Kết quả nghiên cứu cho thấy có sự khác biệt đáng
kể giữa điểm số hiệu quả chi phí giữa ngân hàng hai nhóm nước Singapore và
Malaysia. Kết quả hồi quy phương trình đồng thời Tobit (the Tobit simultaneous
equation regression), chỉ ra rằng nợ xấu cao hơn làm giảm hiệu quả chi phí. Hơn
nữa, hiệu quả chi phí thấp hơn thì làm gia tăng nợ xấu. Kết quả trên hỗ trợ cho giả
thuyết quản lý kém (bad management) của Berger & DeYoung.
Ke et al. (2011) phân tích hiệu quả lợi nhuận (profit efficiency) của các ngân
hàng Đài Loan giai đoạn 1999 – 2007 với đầu ra không mong muốn (undesirable
output). Nghiên cứu sử dụng phương pháp bao dữ liệu DEA với ba đầu ra (danh
mục đầu tư, dư nợ tín dụng, nợ xấu) và ba đầu vào (tổng số lao động, tài sản cố định
ròng, tiền gởi). Kết quả nghiên cứu thực nghiệm cho thấy: (i) Giá shadow (the
shadow price) có tác động đến hiệu quả lợi nhuận; (ii) hiệu quả lợi nhuận chủ yếu
đến từ hiệu quả phân bổ (allocation efficiency); (iii) hiệu quả lợi nhuận và hiệu quả
phân bổ của ngân hàng cũ tốt hơn ngân hàng mới; (iv) đa dạng hóa danh mục sản
phẩm – dịch vụ là phù hợp với các dịch vụ tài chính ở Đài Loan.
Barros et al. (2012) tiến hành đo lường hiệu quả kỹ thuật TE của hệ thống
ngân hàng Nhật Bản giai đoạn 2000 – 2007. Mẫu nghiên cứu gồm 133 ngân hàng
năm 2000, 130 ngân hàng năm 2001, 127 ngân hàng năm 2002, 124 ngân hàng năm
2003, 121 ngân hàng 2004, 119 ngân hàng năm 2005, 117 ngân hàng 2006 và 116
ngân hàng 2007. Dữ liệu gồm các ngân hàng đô thị lớn (large City Banks), ngân
hàng khu vực I (Regional Bank I), và ngân hàng khu vực II (Regional Bank II). Kỹ
thuật ước lượng hiệu quả kỹ thuật dựa trên hàm WRDDM (Russell direction
distance function) mà không chỉ đưa vào mô hình là đầu ra mong muốn, mà còn
những đầu ra không mong muốn - ở đây là nợ xấu (non – performing loans). Kết
quả nghiên cứu cho thấy nợ xấu là gánh nặng đáng kể cho hiệu quả ngân hàng.
Ngân hàng Nhật Bản có thể dùng hiệu quả hơn về những yếu tố đầu vào, chẳng hạn
yếu tố lao động. Nhóm tác giả cũng khuyến nghị nên tiến hành tái cấu trúc ngân

50
hàng như các ngân hàng khu vực. Họ kết luận các ngân hàng Nhật Bản cần tiến
hành sáp nhập và tái cơ cấu toàn diện.
Yu et al. (2013) đo lường hiệu quả hoạt động 22 ngân hàng Đài Loan từ 1999 –
2011. Nghiên cứu sử dụng dữ liệu bảng và phương pháp bao dữ liệu thông qua mô
hình động (dynamic network DEA). Kết quả cho thấy những can thiệp, cải tiến nội bộ
có ảnh hưởng đến hiệu quả ngân hàng, trong khi hiệu quả của quy trình tiền gởi
không bảo vệ được cho quy trình cho vay và ngược lại.
Assaf et al. (2013) phân tích hiệu quả sử dụng nguồn lực của 45 ngân hàng
Thổ Nhĩ Kỳ trong giai đoạn 2002 – 2010 thông qua phân tích biên ngẫu nhiên
Bayesian (a Bayesian stochastic frontier approach). Theo đó, nợ xấu được sử dụng
trong mô hình, là được coi là đầu ra xấu (bad output). Kết quả phân tích chỉ ra rằng
hệ thống ngân hàng Thổ Nhĩ Kỳ có hiệu quả được cải thiện dần trong giai đoạn
nghiên cứu chủ yếu do các tiến bộ trong công nghệ mang lại. Tuy nhiên, nghiên cứu
cũng nhận thấy nợ xấu và tình trạng công bố thông tin liên quan đến nợ xấu tại Thổ
Nhĩ Kỳ là đáng ngại và ảnh hưởng đến việc sử dụng hiệu quả nguồn lực của hệ
thống ngân hàng Thổ Nhĩ Kỳ trong giai đoạn nghiên cứu.
Vinh (2014) đã nghiên cứu mối quan hệ giữa nợ xấu và hiệu quả chi phí của
các ngân hàng thương mại Việt Nam trong giai đoạn từ năm 2007 đến năm 2013.
Nghiên cứu tiến hành theo 2 giai đoạn: Một là, đo lường hiệu quả chi phí của ngân
hàng bằng phương pháp phân tích bao dữ liệu DEA theo mô hình đề xuất của Coelli
(2005); hai là, sử dụng mô hình Tobit để xác định tác động hai chiều của nợ xấu đối
với hiệu quả chi phí của ngân hàng. Kết quả nghiên cứu chỉ ra rằng hiệu quả chi phí
của hệ thống ngân hàng thương mại Việt Nam là 52,6% và mối quan hệ giữa nợ xấu
và hiệu quả chi phí ngân hàng là quan hệ cùng chiều.
Fujii et al. (2014) nghiên cứu hiệu quả ngân hàng Ấn Độ thông qua hiệu quả
kỹ thuật (TE) trong giai đoạn 2004 – 2011. Nghiên cứu sử dụng mô hình mở rộng
có tính đến ảnh hưởng của nợ xấu đến năng suất các nhân tố tổng hợp TFP. Nhóm
tác giả đo lường hiệu quả kỹ thuật thông qua phương pháp phi tham số với ba đầu
vào (chi phí nhân viên, tiền gởi, bất động sản sở hữu) và ba đầu ra tương ứng (tài

51
sản có khả năng sinh lời, dư nợ khách hàng, nợ xấu). Kết quả cho thấy có sự khác
biệt về mức hiệu quả theo hình thức sở hữu của các ngân hàng. Lúc này, các ngân
hàng nước ngoài có mức hiệu quả cao nhất và các ngân hàng thuộc sở hữu nhà nước
có mức hiệu quả thấp nhất.
2.4. NHỮNG NHẬN ĐỊNH TỪ LƯỢC KHẢO CÁC CÔNG TRÌNH NGHIÊN
CỨU TRƯỚC
Đối với hiệu quả ngân hàng:
- Đa phần các nghiên cứu về hiệu quả ngân hàng sử dụng hai phương pháp là
bao dữ liệu DEA và biên ngẫu nhiên SFA. Có những nghiên cứu như Resti (1997),
Bauer và cộng sự (1998), Pelosi (2008), Hùng (2008), Vu và cộng sự (2010), Ngoc
Nguyen và cộng sự (2013) thì sử dụng cả hai phương pháp để đo lường hiệu quả ở
một quốc gia.
- Khi nghiên cứu hiệu quả ngân hàng ở một quốc gia, phương pháp bao dữ liệu
DEA được sử dụng ngày càng phổ biến, đặc biệt là những năm 2008 đến nay như
Liang và cộng sự (2008), Staub và cộng sự (2010), Ke và cộng sự (2010), Yu và
cộng sự (2013), Replová (2014), Zimková (2014)…Đồng thời, phần lớn có nghiên
cứu đều sử dụng mô hình DEA không phân bổ, DEA phân bổ như CCR, BCC,
SBM, hiệu quả chi phí (cost efficiency), hiệu quả lợi nhuận (profit efficiency).
Đối với đánh giá sự tác động giữa nợ xấu với hiệu quả ngân hàng, và ngược
lại; cũng như xem xét mối quan hệ giữa nợ xấu với hiệu quả ngân hàng, các nhà
nghiên cứu thường tập trung các cách sau:
- Một là, đo lường điểm hiệu quả ngân hàng hàng có tính sự hiện diện của nợ
xấu. Điểm hiệu quả lúc này sẽ phản ánh được mức độ hiệu quả ngân hàng khi đưa
nợ xấu vào mô hình. Thông thường, các nhà nghiên cứu thường sử dụng phương
pháp DEA với các đầu ra không mong muốn theo hai nhóm mô hình: (i) nhóm mô
hình trực tiếp gồm mô hình Hyperbolic, mô hình SBM (Yu và cộng sự 2013 sử
dụng trong nghiên cứu), mô hình có dùng hàm khoảng cách định hướng (được Zago
et al. (2006), Park et al. (2006), Fukuyama & Weber (2008), Assaf et al. (2013) sử
dụng), mô hình định hướng phạm vi (range directional model); (ii) nhóm mô hình

52
gián tiếp gồm: biến đổi đầu ra không mong muốn bằng cách nhân cho -1
(Koopmans, 1951); chuyển đổi đầu ra không mong muốn như đầu vào; biến đổi đầu
ra thành một đầu ra tiêu cực (negative output) (được Li (2005), Liang et al.(2008)
sử dụng); mô hình hóa đầu ra không mong muốn (Seiford & Zhu, 2002); mô hình
không chia nhỏ đầu ra (non – separating output model). Các mô hình trên đều có thể
phác thảo được mức độ ảnh hưởng của những đầu ra/đầu vào không mong muốn
đến điểm hiệu quả của từng đơn vị kinh doanh DMUs.
- Hai là, các nhà nghiên cứu áp dụng những phương pháp hồi quy khác nhau
gồm bình phương nhỏ nhất (OLS), hồi quy kiểm duyệt (Tobit), hồi quy hai giai
đoạn (2SLS), GMM cho mô hình kinh tế lượng được đề xuất trong nghiên cứu.
Các mô hình kinh tế lượng được xây dựng dùng để đánh giá sự tác động của các
nhân tố đến hiệu quả ngân hàng, trong đó có biến giải thích là nợ xấu như Resti
(1997), Altunbas et al. (2000), Fan & Shaffer (2004)…Kết quả nghiên cứu thường
thể hiện sự tác động tiêu cực của nợ xấu đến hiệu quả hoạt động ngân hàng trong
thời gian nghiên cứu.
- Ba là, các nghiên cứu của Berger & DeYoung (1997), Williams (2004), Abd
Karim et al. (2010), Vinh (2014)…, thì hướng đến phân tích mối quan hệ giữa nợ
xấu với hiệu quả ngân hàng trong mô hình hồi quy đa biến giải thích. Việc đánh giá
mối quan hệ theo các kết quả thực nghiệm nhằm kiểm chứng cho các lý thuyết như:
lý thuyết “quản lý kém” (bad management), lý thuyết “kém may mắn” (bad luck), lý
thuyết “hà tiện” (skimping), lý thuyết “rủi ro đạo đức”…Những nghiên cứu này
thường sử dụng kỹ thuật phân tích nhân quả Granger, hồi quy kiểm duyệt Tobit, hồi
quy bình phương nhỏ nhất. Đồng thời, hiệu quả ngân hàng trong phần lớn các
nghiên cứu sử dụng là hiệu quả chi phí, có thể là theo phương pháp phi tham số
hoặc tham số.
- Bốn là, ở Việt Nam, các nghiên cứu về hiệu quả ngân hàng đạt khá nhiều
thành tựu như Hùng (2008), H. T. Vu & Turnell (2010), Dang – Thanh (2012)…, ở
cả hai phương pháp tham số và phi tham số. Ngoài ra, có vài nghiên cứu hướng đến
phân tích các nhân tố ảnh hưởng đến hiệu quả ngân hàng, hay đánh giá các yếu tố

53
ảnh hưởng đến nợ xấu tại hệ thống ngân hàng thương mại Việt Nam như Minh et al.
(2013), Vinh(2014). Nhưng thiếu vắng các nghiên cứu về: Đo lường điểm hiệu quả
có tính đến yếu tố đầu ra không mong muốn là nợ xấu; mức độ ảnh hưởng của nợ
xấu đến hiệu quả ngân hàng; tìm kiếm những bằng chứng thực nghiệm về nguyên
nhân gây ra nợ xấu; cũng như đánh giá mối quan hệ giữa nợ xấu và hiệu quả ngân
hàng.
Tóm lại, nghiên cứu đề tài “mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân
hàng tại hệ thống ngân hàng thương mại Việt Nam” sẽ lấp được các khoảng trống
tri thức và có tính cấp thiết về lý luận cũng như thực tiễn.
Trong chương 2, nghiên cứu đã lược khảo đầy đủ nhất về những công trình
nghiên cứu thực nghiệm về hiệu quả ngân hàng, hiệu quả ngân hàng ở Việt nam, và
mối quan hệ giữa nợ xấu với hiệu quả ngân hàng. Quá trình lược khảo không chỉ
dừng ở quốc gia phát triển, mà còn ở quốc gia đang phát triển; hay không chỉ dừng
ở một nước, mà còn ở nhóm các quốc gia chéo nhau. Việc lược khảo nhằm xem xét
tiến trình nghiên cứu và các kết quả đạt được từ trước đến nay về hiệu quả ngân
hàng và mối quan hệ giữa nợ xấu với hiệu quả ngân hàng.

54
CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
Trong chương 3, luận án đề xuất mô hình nghiên cứu thực hiện mục tiêu đánh
giá mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng tại hệ thống ngân hàng
thương mại Việt Nam. Theo đó, các phương pháp nghiên cứu sẽ được sử dụng để
giải quyết mô hình nghiên cứu gồm:
- Thứ nhất, để nghiên cứu mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân
hàng của từng ngân hàng, luận án sẽ tiến hành đo lường điểm hiệu quả ngân hàng
theo phương pháp bao dữ liệu (DEA) có tính đến yếu tố đầu ra không mong muốn
là nợ xấu. Mô hình được sử dụng là DEA với đầu ra không mong muốn
(undesirable outputs DEA model) của Seiford & Zhu (2002).
- Thứ hai, luận án tiến hành nghiên cứu sự tác động của nợ xấu đến hiệu quả
ngân hàng theo thứ tự các bước: (i) Bước một, luận án đo lường điểm hiệu quả ngân
hàng qua mô hình hiệu quả chi phí (cost efficiency) – gọi là hiệu quả chi phí. Điểm
hiệu quả chi phí là một biến số trong mô hình kinh tế lượng ở các bước tiếp theo;
(ii) bước hai, đánh giá mức độ ảnh hưởng của nợ xấu đến hiệu quả chi phí qua mô
hình dữ liệu bảng động với phương pháp ước lượng S - GMM hai bước. Bên cạnh
đó, luận án còn đánh giá sự ảnh hưởng ngược lại của hiệu quả chi phí đến nợ xấu,
nhằm có góc nhìn toàn diện về mối quan hệ tuyến tính giữa nợ xấu và hiệu quả chi
phí; (iii) bước ba, phân tích mối quan hệ nhân quả giữa nợ xấu và hiệu quả chi phí
bằng mô hình tự hồi quy véc tơ PVAR (Panel Vector Autoregression) với phương
pháp GMM. Phân tích này nhằm xác định nợ xấu có phải là nguyên nhân gây ra sự
thay đổi của hiệu quả chi phí, hay hiệu quả chi phí là nguyên nhân gây ra sự thay
đổi của nợ xấu, hay cả hai chiều. Ngoài ra, phân tích mô hình PVAR còn cho kết
quả về hàm phản ứng đẩy IFRs và phân rã phương sai FEVDs
3.1. MÔ HÌNH ĐO LƯỜNG HIỆU QUẢ NGÂN HÀNG
Mô hình đo lường hiệu quả ngân hàng theo phương pháp bao dữ liệu DEA
được lựa chọn để phân tích biên hiệu quả và không hiệu quả đối với các ngân hàng
thương mại Việt Nam (DMUs). Với phương pháp DEA, mô hình có thể đo lường

55
được hiệu quả kỹ thuật, hiệu quả chi phí, hiệu quả lợi nhuận, hiệu quả doanh thu…
cho từng DMUs. Trong luận án này, hiệu quả ngân hàng được đo lường ở hai khía
cạnh: (i) Một là, đo lường hiệu quả chi phí (cost efficiency, gọi là hiệu quả chi phí)
nhằm đưa vào mô hình kinh tế lượng ở bước nghiên cứu tiếp theo để đánh giá mức
độ ảnh hưởng của nợ xấu đến hiệu quả chi phí; (ii) hai là, đo lường điểm hiệu quả
ngân hàng bằng mô hình DEA với nợ xấu là đầu ra không mong muốn (undesirable
outputs DEA model) nhằm phân tích ảnh hưởng của nợ xấu đến điểm hiệu quả của
từng ngân hàng.
Tuy nhiên, điều kiện cần để đo lường hiệu quả ngân hàng bao gồm: (i) thứ
nhất, cần phải lựa chọn đầu vào – đầu ra phù hợp với các cách tiếp cận; (ii) thứ hai,
lựa chọn mô hình DEA theo CRS hoặc VRS.
Lựa chọn đầu vào và đầu ra:
Các nghiên cứu về hiệu quả ngân hàng thường sử dụng một trong hai cách tiếp
cận chính để nhận diện đầu vào và đầu ra của mô hình: một là, cách tiếp cận sản
xuất (the production approach); hai là, cách tiếp cận trung gian (the intermediation
approach). Nếu dưới góc độ, ngành ngân hàng giữ vai trò chuyển đổi tài sản
(transferring assets) thì đầu vào và đầu ra nên tiếp cận theo sản xuất (Seiford & Zhu
(1999); Golany & Storbeck (1999); Saha & Ravisankar (2000)…). Lúc này, tiền gởi
của khách hàng được xem như một đầu ra, và chi phí lãi (interest expenditures) là
một đầu vào bên cạnh các loại chi phí khác (lao động, vốn, tài sản cố định…); Còn
xem ngân hàng thực hiện vai trò trung gian mọi hoạt động tài chính thì tiền gởi phải
được coi là khâu trung gian, và chi phí lãi không còn được coi là một đầu vào.
Trong luận án, cách tiếp cận sản xuất được lựa chọn, bởi đầu ra là tiền gởi khách
hàng là quan trọng đối với hiệu quả của ngân hàng Việt Nam, đồng thời loại bỏ chi
phí lãi sẽ làm mất một loại chi phí lớn có ảnh hưởng đến hiệu quả ngân hàng/hiệu
quả chi phí.
Lựa chọn mô hình DEA theo CRS hoặc VRS:
Mô hình DEA có thể xây dựng dựa trên giả định, hoặc là không đổi theo quy
mô (CRS – Constant Returns to Scale), hoặc thay đổi tùy thuộc quy mô (VRS –

56
Variable Returns to Scale). Khi đo lường hiệu quả DEA với giả định CRS nghĩa là
đo lường điểm hiệu quả khi tất cả các ngân hàng trong mẫu đang hoạt động ở quy
mô tối ưu. Điều này còn thể hiện, sự gia tăng tương đối về đầu vào sẽ dẫn đến sự
gia tăng tương ứng về sản lượng, nên các ngân hàng ở mọi quy mô đều sản xuất
cùng một tỷ lệ đầu vào – đầu ra. Ngược lại, đo lường hiệu quả DEA với giả định
VRS rất thích hợp khi các ngân hàng trong mẫu không hoạt động ở quy mô tối ưu.
Điều này có nghĩa, sự gia tăng tương ứng đầu vào sẽ dẫn đến sự khác nhau trong
đầu ra phụ thuộc quy mô. Trong luận án, mô hình DEA được xây dựng trên giả định
thay đổi tùy thuộc quy mô VRS vì hệ thống ngân hàng thương mại Việt Nam có sự
khác nhau về quy mô và hoạt động dưới mức tối ưu.
Để đo lường điểm hiệu quả ngân hàng gồm: hiệu quả chi phí và hiệu quả ngân
hàng DEA với nợ xấu là đầu ra không mong muốn, thì luận án sử dụng lần lượt hai
phần mềm là DEA_Solver_LV 8 do công ty Saitech – inc phát triển, và DEA.RES
14 của Josef Jablonský.
3.1.1. Mô hình đo lường hiệu quả chi phí (cost efficiency DEA model)
Trong luận án, hiệu quả chi phí (cost efficiency) được lựa chọn vì phản ánh
những kỹ năng quản trị của ngân hàng nhằm sử dụng các đầu vào để đảm bảo tối đa
đầu ra. Đồng thời, các kỹ năng quản trị ngân hàng thường tập trung kiểm soát chi
phí hoạt động, giám sát, quản lý khách hàng vay, kỹ thuật quản trị rủi ro…Ngoài ra,
các lý thuyết được hỗ trợ bởi các nghiên cứu thực nghiệm cho rằng hiệu quả ngân
hàng sẽ bị chệch nếu bỏ các các chi phí hoạt động như lao động, vốn, các tài sản cố
định…, hơn là các chi phí tài chính. Còn Berger & Humphrey (1991) cho rằng sự
phân tán của các chi phí dẫn đến không hiệu quả nhiều nhất bởi sự khác biệt không
giá cả các đầu vào hơn là các yếu tố của thị trường. Vì vậy, hiệu quả chi phí sẽ phản
ánh được toàn diện các chi phí của từng ngân hàng nhằm tiến đến so sánh các điểm
hiệu quả ngân hàng. Ngoài ra, các lý thuyết về mối quan hệ giữa nợ xấu và hiệu quả
ngân hàng đều được phát triển dựa trên hiệu quả chi phí với phương pháp phi tham
số hoặc tham số.

57
Theo đó, mô hình DEA hiệu quả chi phí được dùng để đo lường hiệu quả chi
phí (cost efficiency) cho từng ngân hàng khi thông tin giá đầu vào được đưa vào.
Đo lường này sẽ cung cấp cách thức làm thế nào để chi phí một ngân hàng đạt đến
chi phí của hiệu quả tối ưu thực tế nhằm sản xuất cùng một lượng đầu ra.
- Mô hình đo lường hiệu quả ngân hàng: hiệu quả chi phí DEA (cost efficiency
DEa models)
- Cách tiếp cận để lựa chọn yếu tố đầu vào/đầu ra: tiếp cận sản xuất (the
production approach).
- Yếu tố đầu vào: chi phí nhân viên (là chi phí cho nhân viên nằm trong mục
chi phí hoạt động của bảng thuyết minh báo cáo tài chính ngân hàng), chi phí lãi (là
chi phí lãi và các chi phí tương tự), tài sản cố định (là giá trị tài sản cố định hữu
hình).
- Yếu tố đầu ra: tiền gởi khách hàng (giá trị tiền gởi của khách hàng), dư nợ (là
cho vay khách hàng, không tính đến dự phòng rủi ro cho vay khách hàng), đầu tư
(là tổng của chứng khoán kinh doanh và chứng khoán đầu tư), thu ngoài lãi (là tổng
của lãi thuần từ hoạt động dịch vụ, lãi thuần từ hoạt động kinh doanh ngoại hối, lãi
thuần từ mua bán chứng khoán kinh doanh, lãi thuần từ mua bán chứng khoán đầu
tư, lãi thuần từ hoạt động khác).
- Số lượng ngân hàng (DMUs): có sự thay đổi theo từng năm.
- Phần mềm đo lường: DEA_Solver_LV 8
- Mục đích đo lường hiệu quả ngân hàng: điểm hiệu quả chi phí của từng ngân
hàng được dùng để đưa vào mô hình kinh tế lượng nhằm đánh giá mối quan hệ giữa
nợ xấu và hiệu quả chi phí.
Mô hình hiệu quả chi phí DEA (cost efficiency DEA model):

58
Mô hình CE (cost efficiency)

Tối thiểu hóa chi phí TUV Y A
W, X #Z[ (# X#A (3.1)
Với các điều kiện:
;
W\ X#\ ≤ X#A , U = 1, … ,2, … , T

\Z[
;
W\ &M\ ≥ &MA , a = 1, … ,2 … , b
\Z[
W\ , X#A ≥ 0, d = 1, … ,2, … , V
;
!ℎêT W\ = 1 gℎh ijk

\Z[
3 n ∗
Hiệu quả chi phí lC# <Cí =ố# =C#ể6 145 <1 21n
CEo = = 3 n (3.2)
lC# <Cí =CựF =ế 145 <1 21n
Với mô hình ở trên, (#A là giá của đầu vào U =C cho ngân hàng
‘o’; X#A là lượng đầu vào của U =C cho ngân hàng ‘o’ mà chi phí
∗
tối thiểu; X#A là giá trị tiềm năng của X#A ; X#A là giá trị thực tế
của đầu vào U =C cho d=C ngân hàng
Nguồn: Kumar & Gulati (2013)

3.1.2. Mô hình đo lường hiệu quả ngân hàng khi có yếu tố nợ xấu – mô hình
DEA với đầu ra không mong muốn
Những mô hình đo lường hiệu quả DEA luôn hướng đến tối thiểu hóa đầu vào
và tối đa hóa đầu ra, tức là giá trị đầu vào thấp nhất và giá trị đầu ra cao nhất sẽ có
điểm hiểm quả cao hơn. Tuy nhiên, ở nhiều tổ chức khi đo lường hiệu quả mà có các
nhân tố đầu vào/ đầu ra lại tác động trái ngược, và không hề mong muốn các giá trị
đầu vào/đầu ra tác động lên mô hình, nhưng sẽ nhiều sai sót khi bỏ qua những giá trị
này.
Chính vì vậy, nhiều nhà nghiên cứu đã áp dụng những phương pháp khác nhau
(trực tiếp và gián tiếp) để đo lường sự tác động của các nhân tố đầu vào/đầu ra
không mong muốn. Trong đó, Seiford & Zhu (2002) cũng đã xây dựng mô hình đo

59
lường hiệu quả có tính đến các nhân tố không mong muốn, bao gồm: các đầu vào
không mong muốn (undesirable inputs); và các đầu ra không mong muốn
(undesirable outputs).
Lúc này, luận án sử dụng mô hình DEA với đầu ra không mong muốn
(undesirable outputs) để đo lường điểm hiệu quả ngân hàng trong hệ thống ngân
hàng thương mại Việt Nam khi có tính đến yếu tố đầu ra là nợ xấu. Với mô hình này
sẽ xem xét được mức độ tác động của nợ xấu đến điểm hiệu quả ngân hàng của từng
ngân hàng, và mức nợ xấu tối ưu để ngân hàng đạt được biên hiệu quả.
Đầu vào của mô hình gồm: Chi phí nhân viên, chi phí lãi, tài sản cố định; đầu
ra của mô hình: tiền gởi khách hàng, đầu tư, thu ngoài lãi, và nợ xấu (nợ xấu là đầu
ra không mong muốn). Yếu tố đầu vào/đầu ra tương tự như trong mô hình đo lường
hiệu quả chi phí. Điểm hiệu quả thể hiện: Nếu là 1 thì ngân hàng đạt biên hiệu quả;
trên 1 là không hiệu quả. Phần mềm DEA.RES 14 của Josef Jablonský được dùng
để đo lường điểm hiệu quả DEA có nợ xấu là đầu ra không mong muốn.
Mô hình đo lường hiệu quả với đầu ra
Mô hình
không mong muốn
Mô hình đo lường hiệu quả với
w Y u
đầu ra không mong muốn max ℎA s, b t , b u = s + +( t
MZ[ bM + #Z[ b# )
(undesirable outputs DEA (3.3)

model) Với điều kiện:
;
W\ X#\ + b#u = X#A

\Z[
;
\Z[ W\ &M\ − bMt = s&MA , r ∈ DO
;
\Z[ W\ &′M\ − bMt = s&′MA , r ∉ DO
;
W\ = 1
\Z[
W\, b#u , bMt ≥ 0

b#u , bMt lần lượt là đầu vào thừa và đầu ra thiếu của

60
ngân hàng
X#A , &MA là các đầu vào và đầu ra của ngân hàng
DI và DO là bộ các chỉ số của những đầu vào mong
muốn (desirable inputs) và đầu ra mong muốn
YN2
(desirable outputs), và X′#\ = X#\ − X#\ , U ∉ }~, và
YN2
&′M\ = &M\ − &M\ , a ∉ }
Nguồn: Seiford & Zhu (2002)

Ngoài ra, luận án còn sử dụng mô hình siêu – hiệu quả (super – efficiency) để
đo lường thứ tự hiệu quả của các ngân hàng đã đạt biên hiệu quả và mô hình siêu –
hiệu quả được sử dụng là của Andersen & Petersen (1993).
3.2. MÔ HÌNH NGHIÊN CỨU VÀ PHƯƠNG PHÁP NGHIÊN CỨU NHẰM
PHÂN TÍCH MỨC ĐỘ ẢNH HƯỞNG CỦA NỢ XẤU ĐẾN HIỆU QUẢ NGÂN
HÀNG
3.2.1. Mô hình nghiên cứu đề xuất
Nợ xấu là một trong những nguyên nhân chính ảnh hưởng đến hiệu quả ngân
hàng. Đồng thời, tính hiệu quả trong hoạt động của ngân hàng cũng là nhân tố ảnh
hưởng đến nợ xấu – đây là một trong những yếu tố nội tại của ngân hàng (bank
specific). Vì vậy, nghiên cứu mối quan hệ giữa nợ xấu và hiệu quả ngân hàng đặt trong
bối cảnh hệ thống ngân hàng thương mại Việt Nam không những giúp tìm hiểu mức độ
tác động của nợ xấu đến hiệu quả chi phí, mà còn thực hiện được: (i) Tìm hiểu sự ảnh
hưởng ngược lại của hiệu quả chi phí đến nợ xấu; (ii) phân tích được quan hệ nhân quả
giữa nợ xấu và hiệu quả chi phí, nghĩa là nợ xấu có là nguyên nhân gây ra sự thay đổi
của hiệu quả chi phí, hay hiệu quả chi phí là nguyên nhân gây ra thay đổi nợ xấu, hay
cả hai; (iii) đánh giá những phản ứng của hiệu quả chi phí khi có một cú sốc đến nợ
xấu, và ngược lại…
Các biến được lựa chọn là: Tỷ lệ nợ xấu (NPLR) và hiệu quả chi phí CE (Cost
Efficiency). Sự tồn tại mối quan hệ của hai biến này sẽ được dùng kiểm định các giả
thuyết nghiên cứu, cụ thể như sau:

61
- Một là, giả thuyết H1 “kém may mắn” (bad luck) cho rằng sự gia tăng của nợ
xấu và có quan hệ nhân quả (Granger – cause) làm giảm hiệu quả chi phí. Lúc này,
nợ xấu gia tăng là do ảnh hưởng bởi các yếu tố vĩ mô/ngành GDP, lạm phát, thất
nghiệp, giảm lãi suất, tăng cung tiền…Điều đó buộc các ngân hàng thương mại phải
gia tăng hoạt động quản lý danh mục tín dụng, đặc biệt là các khoản tín dụng gần
đáo hạn. Việc gia tăng hoạt động quản lý như theo dõi, thu hồi, đôn đốc thu hồi,
quản trị nợ xấu chủ động, bán nợ…đã dẫn đến chi phí gia tăng nên làm hiệu quả
ngân hàng giảm xuống. Vì vậy:
H1: Nợ xấu gia tăng thường có liên quan tích cực đến giảm hiệu quả ngân
chi phí
- Hai là, giả thuyết H2 “quản lý kém” (bad management). Giả thuyết này cho
rằng, hiệu quả chi phí thấp là tín hiệu quả hoạt động quản trị kinh doanh yếu kém và
có quan hệ nhân quả (Granger – cause) gây ra nợ xấu (NPLs) tăng cao. Kỳ vọng
trong mối quan hệ này là tiêu cực giữa nợ xấu và hiệu quả chi phí. Vì vậy:
H2: Hiệu quả chi phí thấp sẽ ảnh hưởng tích cực đến tăng nợ xấu của các
ngân hàng thương mại
- Ba là, giả thuyết H3 “hà tiện” (skimping) được kiểm tra tương tự như lý
thuyết “quản lý kém” (bad management) nhưng dấu hiệu thì đảo ngược, nghĩa là
một quan hệ nhân quả (Granger – cause) tiêu cực từ hiệu quả chi phí đến nợ xấu. Do
đó, hiệu quả chi phí cao hơn sẽ có quan hệ nhân quả Granger tiêu cực với nợ xấu.
Quan hệ tiêu cực này được cho là sự đánh đổi hiệu suất các khoản vay ở tương lai
lấy hiệu quả chi phí ngân hàng trong ngắn hạn.
H3: Hiệu quả chi phí cao hơn tác động tiêu cực lên nợ xấu của các ngân hàng
thương mại
Dựa trên giả thuyết H1, H2, H3, luận án đề xuất mô hình nghiên cứu như sau:
".#,= = % ".#,=u[ , … , ".#,=u; ; ÅÇÉj#,=u[ , … , ÅÇÉj=u; + Ñ# + Ö[#,= (3.4)
ÅÇÉj#,= = % ÅÇÉj#,=u[ , … , ÅÇÉ#,=u; ; ".#,=u[ , … , ".=u; + Ñ# + Ö[#,= (3.5)
Trong đó: n là số độ trễ, Ñ# là hiệu ứng ngân hàng cụ thể mà ghi nhận sự khác
biệt có hệ thống giữa các ngân hàng, Ö#,= là sai số ngẫu nhiên có phân phối giống

62
nhau và độc lập, CE là hiệu quả chi phí (cost efficiency), NPLR là tỷ lệ nợ xấu (non –
performing loans ratio).
Phương trình (3.4) thể hiện tổng ảnh hưởng của tỷ lệ nợ xấu đến hiệu quả chi
phí. Nếu ảnh hưởng này là tiêu cực và có ý nghĩa thống kê thì kết luận dữ liệu nghiên
cứu phù hợp với giả thuyết “kém may mắn” (bad luck); ngược lại, phương trình (3.5)
thể hiện tổng ảnh hưởng của hiệu quả chi phí đến tỷ lệ nợ xấu. Ảnh hưởng này có thể
tích cực hoặc tiêu cực, và có ý nghĩa thống kê thì kết luận dữ liệu nghiên cứu có thể
phù hợp với giả thuyết “hà tiện” (skimping) hoặc giả thuyết “quản lý kém” (bad
management).
Để thực hiện phân tích trên, luận án sử dụng phương pháp ước lượng S –
GMM hai bước cho mô hình dữ liệu bảng động (dynamic panel data models), mô
hình tự hồi quy véc-tơ dữ liệu bảng PVAR (Panel – Vector Autoregression) và kỹ
thuật phân tích nhân quả Granger (Granger Causality) nhằm kiểm chứng các giả
thuyết đặt ra.
3.2.2. Phương pháp ước lượng S – GMM (system – Generalized method of
moments) cho mô hình dữ liệu bảng động (dynamic panel data models)
Để giải quyết mục tiêu nghiên cứu là phân tích mức độ tác động của nợ xấu
đến hiệu quả chi phí, luận án sử dụng phương pháp ước lượng dữ liệu bảng tổng
quát hóa trên moment GMM hệ thống (S – GMM) được đề xuất bởi Arellano &
Bond (1991) và Blundell & Bond (1998). Lý do luận án sử dụng phương pháp
GMM bởi: (i) Dữ liệu bảng không cân bằng, và các biến giải thích là liên tục; (ii) có
sự tương quan giữa các biến giải thích với tác động riêng lẻ và sự tương quan giữa
các biến giải thích với thành phần sai số nhiễu; (iii) tồn tại mối quan hệ tuyến tính
giữa biến phụ thuộc và biến giải thích; (iv) mô hình động với một hoặc hai vế của
phương trình có chứa biến trễ. Chính vì điều trên nên các ước lượng bằng phương
pháp khác không hiệu quả hoặc bị chệch.
Ngoài ra, phương pháp GMM được sử dụng phổ biến cho các ước lượng dữ
liệu bảng động hoặc dữ liệu bảng vi phạm tính chất phương sai thay đổi và tự tương
quan. Với phương pháp GMM do Hansen (1982) đề xuất được dựa trên ước lượng

63
hợp lý cực đại MLE (Maximun Likehood Estimation) của Fisher, và cho phép giải
quyết những bài toán mà ở đó MLE cổ điển chịu bất lực. Tuy nhiên, Blunell &
Bond (1998) cho rằng, những ước lượng do Hansen đề xuất sẽ gặp trở ngại về vấn
đề biến đại diện yếu khi các hệ số tiến đến 1. Khi hệ số bằng 1 thì những điều kiện
moment sẽ không liên hệ các tham số thực và ước lượng sẽ phụ thuộc vào thời gian
T. Sau này, có hai phương pháp được phát triển để giải quyết vấn đề trên: (i)
Phương pháp GMM sai phân (D – GMM) của Blundell & Bond (1998); (ii) phương
pháp GMM hệ thống (S – GMM) dựa trên GMM sai phân của Arellano & Bond
(1995) với những ràng buộc nhất định.
Ở phương pháp GMM còn khai thác dữ liệu gộp của bảng và không ràng buộc
độ dài chuỗi dữ liệu thời gian của các đơn vị bảng, nên sẽ cho phép sử dụng một cấu
trúc trễ thích hợp để khai thác đặc tính năng động của dữ liệu. Tuy nhiên, nhược
điểm của mô hình và phương pháp ước lượng có tính chính xác thấp nếu mẫu nhỏ
và tính bền vững cao. Để khắc phục thì phương pháp S – GMM sẽ thực hiện ước
lượng tốt hơn D – GMM.
Lúc này, xét phương trình hồi quy có dạng:
&#= = Üá + à#= Ü â + Ö# + ä#,= (3.6)
Trong đó:
U đại diện cho từng ngân hàng, t là biểu thị thời gian
&#= là biến phụ thuộc
à#= là biến giải thích
Ö# là sai số không được quan sát (unobserved individual effect)
ä#,= là sai số
Phương trình (3.6) được viết lại theo hồi quy động (dynamic regession):
&#,= = ã&#,=u[ + Ü â X#,= + +#= i = 1,2,…N và t = 1,2,…T (3.7)
+#= = Ö# + ä#=
. Ö# = 0, . ä#= = 0, . Ö# ä#= = 0 i = 1,2,…N và t = 1,2,…T
Trong đó:
U đại diện cho từng ngân hàng và t biểu thị cho thời gian

64
&#,= = biến phụ thuộc cho ngân hàng thứ i tại thời điểm t
X#,= = tập các biến độc lập
Ö# = các biến không quan sát được
ä#,= = sai số
+#= = Ö# + ä#,= là tác động cố định hàm chứa sai số
Các hệ số hồi quy của phương trình (3.7) được ước lượng theo phương pháp
GMM do Arellano & Bond (1991) đề xuất; sau đó được Arellano & Bover (1995)
và Blundell & Bond (1998) hoàn thiện. Lúc này, phương trình (3.7) được biến đổi
thành phương trình sai phân có dạng:
&#,= − &#,=u[ = ã &#,=u[ − &#,=uå + Ü â X#,= − X#,=u[ + (+#,= − +#,=u[ ) (3.8)
hay Δ&#,= = ãΔ&#,=u[ + Ü â ΔX#,= + Δ+#,=
Với Δ là toán tử sai phân bậc 1
Sai phân hóa làm cho Δ&#,=u[ tương quan với Δ+#,= và khiến các ước lượng của
mô hình (3.8) bị chệch. Để xử lý hiện tượng nội sinh, Arellano & Bond (1991) đề
xuất sử dụng độ trễ từ &#,=uå để làm biến công cụ cho Δ&#,=u[ vì &#,=uå có tương quan
với Δ&#,=u[ nhưng lại không tương quan với Δ+#,= , trong điều kiện +#,= không bị
tương quan chuỗi:
. &#,=uw ∆+#,= = 0 với b ≥ 2, t = 3,…,T
Mặt khác, giả định ngoại sinh hoàn toàn của các biến giải thích không còn
đúng trong trường hợp có hiện tượng nhân quả ngược (. X#,w +#,= ≠ 0 với t < s). Vì
vậy, với các biến giải thích bị nội sinh yếu hay được xác định trước thì chỉ có các độ
trễ của nó mới phù hợp làm biến công cụ:
. X#,=uw Δ+#,= = 0 với b ≥ 2, t = 3,…,T
Với những giả định trên, phương trình (3.9) có thể được ước lượng với S -
GMM một bước (one – step S – GMM). Trong giả định những phân sai số độc lập và
phương sai đồng nhất thì GMM một bước sẽ cho các ước lượng vững. Tuy nhiên, khi
xảy ra tương quan chuỗi hoặc phương sai số thay đổi ở các thành phần chuỗi thì áp
dụng GMM hai bước sẽ cho kết quả tốt hơn. S – GMM hai bước (two step S –GMM)

65
xây dựng ma trận phương sai và hiệp phương sai dựa trên ước lượng các phần dư và
có sử dụng phương pháp điều chỉnh ma trận phương sai – hiệp phương sai và GMM
sai phân.
Lúc này, mô hình dữ liệu bảng động với phương pháp ước lượng S – GMM
hai bước cho mục tiêu nghiên cứu thứ 2 là xác định mức độ ảnh hưởng của nợ xấu
đến hiệu quả chi phí như sau:
Mô hình tổng quát : &#,= = ã&#,=u[ + ÜX#,= + +#=
Mô hình cụ thể:
".#,= = ã".#,=u[ + Ü[ ÅÇÉj#,= + Üå ÅÇÉj#,=u[ + Üå ÅÇÉj#,=uå + +#=
i = 1,2,…N và t = 1,2,…T (3.9)
Trong đó: ã và Ü là các tham số ước lượng; +#= = Ö# + ä#,= là tác động cố định
hàm chứa sai số; X#,= (NPLR) là biến giải thích cho CE tại thời điểm t. Tuy nhiên, bậc
trễ của NPLR có sự tác động đáng kể đến CE, và bậc trễ 2 của NPLR là tối ưu qua kết
quả thông tin AIC, BIC, QIC là nhỏ nhất; các giá trị của CE và NPLR được xác định
bằng logarit nhằm đảm bảo các biến nằm trong khoảng [- ∞, + ∞] và được phân phối
đối xứng.
Ngoài ra, luận án đề xuất mô hình ngược lại nhằm xem xét những ảnh hưởng
của hiệu quả chi phí đến tỷ lệ nợ xấu, nghĩa là hiệu quả chi phí có tồn tại mối quan
hệ tuyến tính với nợ xấu ở thời gian t và các bậc trễ.
Mô hình cụ thể:
ÅÇÉ#,= = íÅÇÉ#,=u[ + ì[ ".#,= + ìå ".#,=u[ + ìî ".#,=u[ + +#=
i = 1,2,…N và t = 1,2,…T (3.10)
Hơn nữa, hai biến NPLR và CE được nhận diện là biến nội sinh, nghĩa là có sự
tương quan với phần dư. Các nghiên cứu khác cũng nhận diện là biến nội sinh như:
Fiordelisi et al. (2011); Tabak et al. (2011); Kwan & Eisenbeis (1997); Williams
(2004); Altunbas et al. (2007). Do đó, phương pháp GMM sẽ giúp ước lượng hiệu
quả và không bị chệch.

66
Tuy nhiên, để kiểm tra việc lựa chọn biến công cụ có làm cho ước lượng có
hiệu quả, và kiểm tra tính phù hợp của mô hình thì cần thực hiện các kiểm định, cụ
thể:
- Thứ nhất, đối với phương pháp GMM khi cho ra kết quả cần xem xét hai luật
như sau: Một là, số năm nghiên cứu (the number of period) phải luôn nhỏ hơn số đơn
vị nghiên cứu (the number of units); hai là, số lượng công cụ (the number of
instruments) không được vượt quá số lượng đơn vị nghiên cứu (the number of units).
- Thứ hai, sử dụng thống kê Sargan và Arellano – Bond (AR) sẽ kiểm tra được
tính hợp lý của các công cụ trong phương pháp GMM. Theo đó, kiểm định Sargan
sẽ xác định tính chất phù hợp của các biến công cụ, hay còn gọi là kiểm định giới
hạn về nội sinh của mô hình. Kiểm định Sargan với giả thuyết ïá (biến công cụ là
ngoại sinh) – nghĩa là không tương quan với sai số của mô hình. Lúc này, giá trị p
của kiểm định Sargan phải càng lớn càng tốt. Còn kiểm định Arellano – Bond
(AR(2)) giúp kiểm tra tự tương quan ở các cấp độ, giả thuyết là ïá (không tự tương
quan, và giá trị p lớn hơn 0.1 có nghĩa là giả thuyết ban đầu về việc không tồn tại
mối tương quan chuỗi 2 bậc bị loại bỏ.
3.2.3. Mô hình vector tự hồi quy dữ liệu bảng (panel vector autoregression) và
phân tích nhân quả Granger
Ngoài mô hình đánh giá mối quan hệ tương quan qua mức độ ảnh hưởng của
nợ xấu đến hiệu quả chi phí, và ngược lại. Luận án còn xem xét mối quan hệ nhân
quả giữa chúng qua mô hình PVAR (mô hình tự hồi quy véc-tơ dữ liệu bảng, panel
vector autoregression) bằng ước lượng GMM và kỹ thuật phân tích nhân quả
Granger. Thuật ngữ tự hồi quy là do sự xuất hiện của giá trị trễ của biến phụ thuộc
trong vế phải và thuật ngữ véc-tơ là do làm việc với một véc-tơ của hai (hay nhiều)
biến. Hai biến được đưa vào mô hình là hiệu quả chi phí, nợ xấu, và những độ trễ
của hai biến.
Việc đánh giá mối quan hệ nhân quả Granger trên cũng đã được Berger &
DeYoung (1997) nghiên cứu trong mối tương quan giữa ba biến gồm: Hiệu quả chi
phí (theo phương pháp tham số SFA), nợ xấu, và vốn hóa ngân hàng. Tuy nhiên,

67
luận án chỉ đánh giá mối quan hệ giữa hai biến là nợ xấu và hiệu quả chi phí vì các
lý do sau: (i) Thứ nhất, kích thước mẫu trong nghiên cứu nhỏ so với các nghiên cứu
trước kia, nên loại bỏ biến vốn hóa ngân hàng (capitalization) để mô hình có ý
nghĩa giải thích tốt hơn; (ii) thứ hai, vốn hóa ngân hàng để kiểm định cho giả thuyết
“rủi ro đạo đức” bởi giảm vốn hóa làm tăng nợ xấu ngân hàng. Còn luận án chỉ tiến
hành kiểm định các giả thuyết liên quan đến hiệu quả chi phí và nợ xấu; thứ ba, để
khắc phục những sai lệch trong ước lượng và phù hợp với kích thướt mẫu nhỏ, thời
gian ngắn thì ước lượng GMM sẽ giải quyết các vấn đề bỏ qua biến.
Mục tiêu của mô hình PVAR và phân tích kỹ thuật nhân quả nhằm:
- Một là, mô hình PVAR cho kết quả để đánh giá nợ xấu có là nguyên nhân
gây ra sự thay đổi của hiệu quả chi phí, hay hiệu quả chi phí là nguyên nhân gây ra
sự thay đổi của nợ xấu, hay cả hai.
- Hai là, phân tích mô hình PVAR sẽ đánh giá được phản ứng trong hiện tại và
tương lai của hiệu quả chi phí dưới cú sốc của nợ xấu, và ngược lại.
- Ba là, mô hình PVAR còn thể hiện kết quả phân ra phương sai của hiệu quả
chi phí và nợ xấu. Phân rã phương sai cho thấy phương sai sai số dự báo trước s
bước của hiệu quả chi phí (với s = 1, 2, 3,…) được giải thích bởi cú sốc của nợ xấu,
và ngược lại.
- Và cuối cùng, kết quả mô hình PVAR và kết hợp mô hình dữ liệu bảng động
có thể dùng để kiểm định giả thuyết nghiên cứu của luận án.
â
Mô hình PVAR được xây dựng với ñ#,= = ÅÇÉ#,= , ".#,= như một vector của k
biến nội sinh cho ngân hàng U tại thời điểm ó. Mối quan hệ động giữa các biến nội
sinh được thể hiện ở phương trình:
ñ#= = òá# + ò ℓ ñ=u[ + Ñ#= (3.11) U = 1, … , 234 ó = 2007, … , 2014
Trong đó, òá# là một (ù×1) vector hệ số chặn không đổi theo thời gian cho
từng ngân hàng cụ thể, ò ℓ là ma trận (ù×ù) của hệ số các biến trễ (tham số để
< \u[
ước lượng), ò ℓ ≡ \Z[ ò\ ℓ , để thu thập các ảnh hưởng riêng và chéo của các
độ trễ biến phụ thuộc trong các quan sát. Còn Ñ#= là một (1×ù) vector của các sai số

68
đo lường với đặc điểm . Ñ#= = 0, . Ñ#= Ñ â #= = Ñ, . Ñ#= Ñ â #= =0 cho tất cả ó >
b.
Đối với hệ số òá# trong phương trình (3.11) thì tương quan với phần sai số, và
thông qua hồi quy bình phương nhỏ nhất OLS sẽ dẫn đến hệ số chệch (biased
coefficient). Thông thường, để giải quyết vấn đề trên, đặc biệt ở dữ liệu bảng có
nhiều quan sát với ít mốc thời gian, thì thực hiện chuyển đổi mô hình để loại bỏ các
tác động cố định riêng lẻ và sau đó sử dụng các phương pháp ước lượng GMM sử
dụng độ trễ các quan sát làm biến công cụ.
3.3. DỮ LIỆU NGHIÊN CỨU
Dữ liệu nghiên cứu của luận án lấy từ báo cáo tài chính có kiểm toán (báo cáo
tài chính riêng lẻ) của các ngân hàng thương mại Việt Nam trong năm 2007 đến
2014.
Thời gian nghiên cứu của luận án trải dài trong giai đoạn 2007 đến 2014. Luận
án chọn mốc thời gian nghiên cứu 7 năm, từ lúc hệ thống ngân hàng thương mại
phát triển nhanh và nóng – 2007, sau đó gặp nhiều bất ổn tài chính những năm sau
2010, đến cột mốc 2014 – các ngân hàng thương mại bắt đầu bán nợ xấu cho công
ty Quản lý tài sản các TCTD (VAMC).
Luận án sử dụng cột mốc cuối của dữ liệu là năm 2014 để tránh sự bóp méo
của dữ liệu nợ xấu của từng ngân hàng. Bởi sau năm 2014, nợ xấu được “dồn” sang
VAMC và đưa tỷ lệ nợ xấu của từng ngân hàng ở con số khá “đẹp”. Chính điều này
sẽ ảnh hưởng rất lớn đến kết quả xem xét mức độ ảnh hưởng của nợ xấu đến hiệu
quả ngân hàng.
Tổng số lượng ngân hàng trong mẫu nghiên cứu là 40 ngân hàng (tuy nhiên, số
lượng ngân hàng tối đa cho vài năm là 39 ngân hàng, bởi có sự sáp nhập), bao gồm
cả ngân hàng thương mại nhà nước (NHTMNN), ngân hàng thương mại cổ phần
(NHTMCP).

69
Bảng 3.1: Các ngân hàng thương mại (DMUs) trong mẫu nghiên cứu
STT Ngân hàng Ký hiệu STT Ngân hàng Ký hiệu

1 NHTMCP An Bình ABB 21 NHTMCP Quốc Dân NAV
2 NHTMCP Á Châu ACB 22 NHTMCP Bắc Á NSB
3 NHNN&PTNT Agribank AGR 23 NHTMCP Phương Đông OCB
4 NHTMCP Bản Việt BAN 24 NHTMCP Đại Dương OEB
5 NHTMCP Đầu Tư và Phát Triển Việt Nam BID 25 NHTMCP Xăng Dầu Petrolimex PGB
6 NHTMCP Bảo Việt BVB 26 NHTMCP Phương Nam PNB
7 NH Công Thương Việt Nam CTG 27 NHTMCP Sài Gòn SCB
8 NHTMCP Đông Á EAB 28 NHTMCP Đông Nam Á SEA
9 NHTMCP Xuất Nhập Khẩu Việt Nam EIB 29 NHTMCP Sài Gòn Công Thương SGB
10 NHTMCP Đại Á DAI 30 NHTMCP Sài Gòn-Hà Nội SHB
11 NHTMCP Dầu Khí Toàn Cầu GPB 31 NHTMCP Sài Gòn Thương Tín STB
12 NHTMCP Nhà Hà Nội HAB 32 NHTMCP Kỹ Thương Việt Nam TCB
13 NHTMCP Phát Triển TPHCM HDB 33 NHTMCP Tiên Phong TPB
14 NHTMCP Kiên Long KLB 34 NHTMCP Việt Nam Tín Nghĩa TNB
15 NHTMCP Bưu Điện Liên Việt LVP 35 NHTMCP Xây Dựng Việt Nam CB
16 NHTMCP Quân Đội MBB 36 NHTMCP Việt Á VAB
17 NHTMCP Phát triển Mê kong MDB 37 NHTMCP Ngoại Thương Việt Nam VCB
18 NHTMCPPT Nhà Đồng Bằng Sông Cửu Long MHB 38 NHTMCP Quốc Tế Việt Nam VIB
19 NHTMCP Hàng Hải MSB 39 NHTMCP Việt Nam Thịnh Vượng VPB
20 NHTMCP Nam Á NAB 40 NHTMCP Đại Chúng/Ngân hàng Miền Tây(WTB) PVcombank
Nguồn: Tổng hợp của tác giả

70

Bảng 3.2: Số ngân hàng trong mẫu nghiên cứu giai đoạn 2007 – 2014
Năm Số ngân hàng

2007 34
2008 38
2009 39
2010 39
2011 38
2012 36
2013 34
2014 32
Nguồn: Tổng hợp của tác giả

Ở Việt Nam, có những đặc thù về việc công bố thông tin qua báo cáo tài
chính, và một số ngân hàng mới được thành lập, cũng như mua bán – sáp nhập
trong thời gian nghiên cứu. Nên dữ liệu bảng thu thập từ các ngân hàng thương mại
không được cân bằng. Cụ thể:
- Ngày 05/05/2008, ngân hàng thương mại cổ phần (TMCP) Tiên Phong
(TPBank) được thành lập.
- Ngày 28/3/2008, ngân hàng TMCP Liên Việt (LienVietBank) được thành lập
theo Giấy phép thành lập và hoạt động số 91/GP – NHNN của Thống đốc Ngân
hàng Nhà nước Việt Nam (NHNN). Năm 2011, ngân hàng được chấp thuận đổi tên
thành ngân hàng TMCP Bưu Điện Liên Việt (LienVietPostBank).
- Ngày 27/7/2010, ngân hàng TMCP các doanh nghiệp Ngoài quốc doanh đổi
tiên thành ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank).
- Ngày 15/11/2011, NHNN chấp thuận hợp nhất 3 ngân hàng TMCP: ngân
hàng TMCP Sài Gòn (SCB), ngân hàng TMCP Việt Nam Tín Nghĩa, và ngân hàng
TMCP Đệ Nhất (Ficombank) thành ngân hàng TMCP Sài Gòn (SCB).
- Ngày 28/08/2012, ngân hàng TMCP Nhà Hà Nội (Habubank) được sáp nhập
vào ngân hàng TMCP Sài Gòn – Hà Nội (SHB).

71

- Ngày 23/05/2013, ngân hàng TMCP Đại Tín (TrustBank) đổi tên và chủ sở
hữu thành ngân hàng TMCP Xây Dựng Việt Nam (VNCB). Ngày 05/03/2015,
NHNN công bố quyết định mua lại VNCB với giá 0 đồng, và chuyển đổi mô hình
hoạt động cũng như thương hiệu là ngân hàng CB.
- Ngày 04/10/2013, ngân hàng TMCP Phương Tây (WesternBank) hợp nhất
với công ty Tài chính Dầu Khí Việt Nam (PVFC) thành ngân hàng TMCP Đại
Chúng Việt Nam (Pvcombank).
- Ngày 23/11/2013, ngân hàng TMCP Đại Á (DaiABank) được sáp nhập vào
ngân hàng TMCP Phát triển TPHCM (HDBank).
- Ngày 22/01/2014, ngân hàng TMCP Nam Việt (NAV) đổi tên thành ngân
hàng TMCP Quốc dân (NCB)
- Ngày 01/10/2015, ngân hàng TMCP Sài Gòn Thương Tín (STB) và ngân
hàng TMCP Phương Nam (SouthernBank) ký kết biên bản bàn giao chính thức sáp
nhập toàn hệ thống SouthernBank và STB dưới sự chứng kiến của NHNN.

72

Chương 3 là sự tổng hợp các phương pháp được sử dụng trong luận án, bao
gồm: Phương pháp đo lường hiệu quả ngân hàng bao dữ liệu DEA; phương pháp ước
lượng S – GMM hai bước cho mô hình dữ liệu bảng động; phương pháp ước lượng
GMM cho mô hình tự hồi quy véc tơ dữ liệu bảng (PVAR) và kỹ thuật phân tích
quan hệ nhân quả Granger.
Với phương pháp bao dữ liệu DEA sẽ tiến hành đo lường hiệu quả ngân hàng
cho hai mục tiêu: (i) Một là, đo lường điểm hiệu quả ngân hàng với đầu ra không
mong muốn là nợ xấu, nhằm đánh giá điểm hiệu quả của từng ngân hàng thương
mại khi có tính đến yếu tố đầu ra không mong muốn là nợ xấu; (ii) hai là, đo lường
hiệu quả chi phí CE (cost efficiency) để thực hiện cho các mục tiêu nghiên cứu đánh
giá mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng.
Phương pháp ước lượng S – GMM hai bước, mô hình PVAR và phân tích
quan hệ nhân quả Granger để đánh giá mức độ ảnh hưởng của nợ xấu đến hiệu quả
chi phí, tìm hiểu quan hệ nhân quả giữa nợ xấu với hiệu quả chi phí, và mức độ giải
thích cho sự thay đổi của hiệu quả chi phí bởi nợ xấu…Đồng thời, các kết quả
nghiên cứu còn là bằng chứng thực nghiệm để kiểm định các giả thuyết nghiên cứu
về mối quan hệ giữa nợ xấu và hiệu quả chi phí tại hệ thống ngân hàng thương mại
Việt Nam.

73

CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU
Mục đích chương 4 là chuyển tải kết quả nghiên cứu cho mô hình và phương
pháp ở chương 3. Bên cạnh đó, chương 4 cũng lược khảo về sự phát triển hệ thống
ngân hàng, diễn biến nợ xấu và các hoạt động xử lý nợ xấu trong giai đoạn nghiên
cứu nhằm kết nối lẫn đối sánh giữa hoạt động thực tiễn với kết quả nghiên cứu định
lượng.
Trọng tâm của chương 4 vẫn là trình bày các kết quả nghiên cứu đạt được với
thứ tự như sau: (i) Một là, kết quả đo lường điểm hiệu quả ngân hàng qua mô hình
hiệu quả DEA với nợ xấu là đầu ra không mong muốn, nhằm quan sát mức độ ảnh
hưởng của nợ xấu đến hiệu quả của từng ngân hàng thương mại; (ii) hai là, sự tác
động của nợ xấu đến hiệu quả chi phí, và ngược lại; (iii) ba là, kết quả nghiên cứu
về mối quan hệ nhân quả giữa nợ xấu và hiệu quả chi phí của ngân hàng.
4.1. TỔNG QUAN HỆ THỐNG NGÂN HÀNG THƯƠNG MẠI VIỆT NAM,
DIỄN BIẾN NỢ XẤU VÀ HOẠT ĐỘNG XỬ LÝ NỢ XẤU
4.1.1. Tổng quan hệ thống ngân hàng thương mại Việt Nam
Sau năm 1986, nền kinh tế Việt Nam chuyển đổi sang kinh tế thị trường định
hướng xã hội chủ nghĩa. Theo đó, hàng loạt những chính sách đổi mới, mà ngày nay
đã góp phần to lớn cho sự tăng trưởng kinh tế Việt Nam như: Chính sách cải cách
thuế, tái cải cách giá, cải cách sở hữu nhà nước…Nhưng đặc biệt là hoạt động
chuyển dịch mô hình ngân hàng một cấp sang hệ thống ngân hàng hai cấp. Lúc này,
Ngân hàng Nhà nước Việt Nam (SBV) trở thành ngân hàng trung ương có vai trò
điều hành chính sách tiền tệ, và hình thành hệ thống ngân hàng cấp hai đáp ứng nhu
cầu tài chính – ngân hàng của thị trường như ngân hàng thương mại nhà nước
(SOCB – State-owned commercial banks), ngân hàng thương mại cổ phần (JSCB –
Joint-stock commercial banks), ngân hàng nước ngoài (FB – Foreign banks).
Bắt đầu từ năm 1991 đến 2001, hệ thống ngân hàng thương mại Việt Nam đã
tiến hành cải cách, sắp xếp, thay thế…, để tạo một hệ thống ngân hàng thương mại
hiệu quả. Đồng thời, thời gian này, hệ thống ngân hàng thương mại Việt Nam trở

74

thành mạch máu của cả nền kinh tế, là nơi cung cấp phần lớn nguồn vốn phục vụ
nhiều đối tượng của nền kinh tế. Lúc này, hoạt động tái cơ cấu tiến hành khá quyết
liệt nhằm gia tăng tính hiệu quả hoạt động cũng như đánh giá đúng quy mô của các
khoản nợ xấu (NPLs), và dần loại bỏ các chính sách phi thị trường trong ngành
ngân hàng. Kết quả của chương trình cải cách, hệ thống ngân hàng đã loại bỏ được
cách ngân hàng yếu kém, giảm dần sự chỉ đạo vay từ chính phủ, sự suy giảm của tỷ
lệ nợ xấu (NPLR, non – performing loan ratio).
Giai đoạn năm 2000 – 2006, hệ thống ngân hàng Việt Nam có hiện tượng mở
rộng mạng lưới hoạt động khắp nơi, cùng với sự tăng trưởng của tiền gởi và tín
dụng (trên 30%). Đồng thời, các luật định hạn chế hoạt động của ngân hàng nước
ngoài cũng được dần bãi bỏ, đã giúp cho hệ thống ngân hàng trở nên đa dạng thành
phần bởi sự xuất hiện của nhiều ngân hàng nước ngoài (FB). Nền kinh tế Việt Nam
nói chung, hệ thống ngân hàng Việt Nam nói riêng đã và đang từng bước hội nhập
với nền kinh tế toàn cầu.
Tuy nhiên, sau năm 2010, hệ thống ngân hàng thương mại Việt Nam phải đối
diện với tình trạng khủng hoảng tồi tệ, nhất là tỷ lệ nợ xấu gia tăng vượt ngoài kiểm
soát. Đây là hậu quả cho thời kỳ tăng trưởng nóng thiếu định hướng về chất lượng
của hệ thống ngân hàng.
Lúc này, tỷ lệ nợ xấu theo công bố của ngân hàng nhà nước Việt Nam trung
bình khoảng 4% từ 2011 – 2014. Tuy nhiên, tỷ lệ nợ xấu theo đánh giá của các tổ
chức tài chính uy tín quốc tế thì khoảng 15%. Khoảng thời gian này, hoạt động tái
cơ cấu hệ thống ngân hàng được tiến hành khẩn trương thông qua siết chặt tăng
trưởng tín dụng, kiểm soát hoạt động tín dụng, mua lại và sáp nhập các ngân hàng
yếu kém…, nhằm hướng đến sự ổn định tài chính.
4.1.2. Diễn biến nợ xấu tại hệ thống ngân hàng thương mại Việt Nam giai đoạn
2007 – 2014
Nợ xấu không phải là chuyện của riêng Việt Nam, mà nhiều nước trên thế giới
đều phải đối mặt, nhưng ở các mức độ khác nhau. Tính trong giai đoạn 2012 –

75

2014, tỷ lệ nợ xấu của các nước trên thế giới tăng mạnh, và đang ở mức 4.2%
(World Bank 2014).
Nếu tách riêng chỉ số nợ xấu theo nhóm nước, thì nhóm các quốc gia đang
phát triển luôn dẫn đầu về tỷ lệ nợ xấu hiện hữu trên 2 con số. Nhóm các quốc gia
này (bao gồm cả Việt Nam) đều có những nguyên nhân phát sinh nợ xấu tương tự
nhau như: tăng trưởng tín dụng nhanh chóng, hệ thống tài chính phụ thuộc phần lớn
hệ thống ngân hàng, hạ chuẩn vay ở nhiều ngân hàng đối với khách hàng, và sự phụ
thuộc quá nhiều vào bất động sản.
Do đó, nợ xấu không chỉ là vấn đề nhức nhối của hệ thống tài chính Việt Nam,
mà là của cả thế giới. Tuy nhiên, từ diễn biến nợ xấu tại Việt Nam thì ý thức xử lý
nợ xấu và lành mạnh hóa hoạt động của hệ thống ngân hàng được triển khai quyết
liệt và đầy chủ động.
Quy mô nợ xấu
Theo tiêu chuẩn phân loại quốc tế, mức cảnh báo nợ xấu cần xem xét là ở
ngưỡng trên 3% so với tổng dư nợ, trong khi tỷ lệ nợ xấu của Việt Nam lại gia tăng
vượt ngưỡng khá nhiều và đang ở mức báo động. Tỷ lệ nợ xấu này lại nằm trong
bối cảnh điều kiện tăng trưởng kinh tế thấp, bất ổn tài chính thường trực và thị
trường bất động sản đóng băng, nên nợ xấu lại càng ngày xấu lẫn khó xử lý.
Bảng 4.1: Tình hình nợ xấu của các NHTM Việt Nam từ 2007 đến 2014
Chỉ tiêu 2007 2008 2009 2010 2011 2012 2013 2014
Dư nợ 1.017 1.275 1.754 2.301 2.577 3.091 3.477 3.680

Nợ xấu 20 45 36 58 85 126 132 169
tỷ lệ nợ xấu (%) 1,97 3,53 2,05 2,52 3,3 4,08 3,79 4,6
Nguồn: NHNN
Tính đến hết 2014, tỷ lệ nợ xấu đạt đỉnh điểm là 4,6%, tương đương 169 nghìn
tỷ đồng, còn báo cáo của các NHTM là 3,25%. Thống kê trên đã được loại bỏ bớt
những khoản nợ chuyển giao sang công ty VAMC xử lý.
Cơ cấu nợ xấu theo ngành kinh tế

76

Hoạt động tái cơ cấu hệ thống ngân hàng trong năm 2014 và những tháng
2015 đã cho những kết quả rất đáng khích lệ. Một trong thành quả là quá trình nắn
dòng tín dụng đến đúng các ngành nghề ưu tiên phát triển, như: Nông nghiệp, lâm
nghiệp và thủy sản; hoạt đông xuất khẩu; và công nghiệp phụ trợ. Tuy nhiên, cơ cấu
dư nợ tín dụng của nền kinh tế vẫn còn tập trung ở một vài lĩnh vực nhất định. Và
chính vài lĩnh vực này lại tích tụ khá nhiều nợ xấu. (công nghiệp 26%, ngành dịch
vụ 33%, thương mại (18%) và xây dựng 10%).
Thống kê của Ủy ban Giám sát Tài chính Quốc gia, 6 lĩnh vực có tỷ lệ nợ xấu
cao bao gồm: công nghiệp chế biến, chế tạo (21,2%); bán buôn và bán lẻ (16,9%);
hoạt động dịch vụ (12,5%), Bất động sản (11,4%); xây dựng, vật liệu xây dựng
(10,1%); và vận tải, kho bãi (9,4%).
Sáu lĩnh vực tập trung nợ xấu lớn, nhưng cùng một đặc điểm là các dư nợ có
đảm bảo bởi tài sản đảm bảo. Theo báo cáo giữa niên độ 2012 của Cơ quan Thanh
tra NHNN, cho hay nợ có tài sản bảo đảm là 84% và không có tài sản bảo đảm là
16%. Đồng thời, giá trị tài sản bảo đảm trên giá trị nợ xấu khoảng 135% và các
khoản nợ xấu có bảo đảm bằng bất động sản đạt tỷ lệ 180%.
Tuy nhiên, điểm đáng lưu tâm ở hiện tượng nợ xấu Việt Nam là nợ xấu tập
trung khá lớn ở lĩnh vực bất động sản và phần nhiều nợ xấu đều có tài sản bảo đảm
(trong đó bất động sản cũng chiếm phần lớn, tỷ lệ thế chấp bằng bất động sản chiếm
khoảng 60% tổng tài sản bảo đảm của các ngân hàng). Vì vậy, thị trường bất động
sản đóng băng đã tác động không nhỏ khả năng trả nợ và phát mãi tài sản bảo đảm.
4.1.3. Diễn biến xử lý nợ xấu tại Việt Nam
Nợ xấu tại các NHTM Việt Nam đã được tích tụ từ nhiều năm trước. Nên khi
tình hình kinh tế vĩ mô xấu đi và hoạt động sản xuất kinh doanh trì trệ, thì cũng là
lúc nợ xấu nảy nở như nấm sau mưa. Dựa vào số liệu tổng hợp, nợ xấu có xu hướng
gia tăng từ năm 2007 và được quan tâm đặc biệt từ cuối năm 2011.
Năm 2010, tỷ lệ nợ xấu của hệ thống NHTM chưa tính nợ của Vinashin thì chỉ
2,52%, tương đương khoảng 58.000 tỉ đồng. Con số khá nhỏ và trong tầm kiểm
soát, mặc dù gia tăng khá nhiều so với năm 2009 là 2,05%. Trong thời gian này, nợ

77

xấu vẫn chưa được đánh giá là vấn đề cần đặc biệt lưu tâm gây ra những bất ổn kinh
tế. Do đó, tỷ lệ tăng trưởng tín dụng năm 2010 tiếp tục duy trì ở mức tăng 27,65%,
tổng phương tiện thanh toán tăng 23%...Và các NHTM phải tự xử lý nợ xấu thông
qua trích lập dự phòng rủi ro tín dụng theo quy định hoặc phát mãi tài sản bảo đảm
hoặc tái cơ cấu lại nợ vay.
Năm 2011, nợ xấu bắt đầu gia tăng về giá trị lên 85.000 tỉ đồng, chiếm 3,3%
tổng dư nợ. Đồng thời, các NHTM bắt đầu gặp khá nhiều trục trặc về thanh khoản
và kết quả hoạt động kinh doanh chững lại. Đây là hậu quả tất yếu của: (i) Chính
sách tiền tệ chặt chẽ, thận trọng và có phần thắt chặt; (ii) nợ xấu tích tụ từ nhiều
năm trước được bùng phát; (iii) và tình trạng doanh nghiệp làm ăn thua lỗ trở nên
phổ biến. Điều này ảnh hưởng rất lớn tới hệ thống ngân hàng thương mại ở 3
phương diện: Một là, gia tăng quỹ dự phòng rủi ro tín dụng; hai là, giảm tỷ lệ lợi
nhuận trên doanh thu; ba là, rủi ro thanh khoản, kỳ hạn, rủi ro đổ vỡ hệ thống ngân
hàng. Và các giải pháp được sử dụng để xử lý nợ xấu năm 2011 phân tán ở từng
ngân hàng thông qua siết chặt thẩm định khách hàng vay vốn; hay đảo nợ, giãn/
hoãn/ giảm nợ; và tuân thủ quy định, điều kiện cho vay với doanh nghiệp nhà nước.
Năm 2012, kết quả tất yếu là bùng nổ tỷ lệ nợ xấu, đồng thời xuất hiện “hỏa
mù” về số liệu nợ xấu. Trong giai đoạn, 2008 – 2011, tốc độ tăng trưởng tín dụng
bình quân là 26,56%, nhưng tốc độ tăng trưởng nợ xấu lại ở mức 51%. Do đó, nợ
xấu được quan tâm không chỉ ở cấp độ NHTM, hay NHNN mà còn lên ở nghị
trường Quốc hội lẫn Chính phủ. Lúc này đây, số liệu nợ xấu và tình trạng nợ xấu –
xấu đến đâu, không có gì là rõ ràng. Chẳng hạn, theo báo cáo của các tổ chức tín
dụng, đến 31/5/2015, nợ xấu của hệ thống là 117.723 tỷ đồng, chiếm 4,47%. Còn số
liệu của Cơ quan giám sát ngân hàng thì tỷ lệ nợ xấu có khi lên đến 8,6%. Và bất
ngờ hơn cả là số liệu của Fitch Ratings, tỷ lệ nợ xấu Việt Nam là 13% trên tổng dư
nợ. Chính vì vậy, ngày 03/01/2015, Chính phủ đã ban hành Nghị quyết 01/NQ –
CP, về những giải pháp chủ yếu chỉ đạo điều hành thực hiện kế hoạch phát triển
kinh tế - xã hội và dự toán ngân sách nhà nước năm 2012. Trong Nghị quyết trên,
một vấn đề lớn được đề cấp là hoạt động “Tái cơ cấu hệ thống tài chính, ngân hàng,

78

trọng tâm là những ngân hàng thương mại” với việc kiểm soát tỷ lệ nợ xấu và bảo
đảm trích lập dự phòng rủi ro ở các ngân hàng. Và từ đó, đề án số “cơ cấu lại hệ
thống các tổ chức tín dụng giai đoạn 2011 – 2015” theo Quyết định 254/QĐ – TTg
ra đời. Trên thực tế, NHNN đã rất quyết liệt triển khai nhiệm vụ theo tinh thần đề án
254, bằng cách phân loại hệ thống NHTM thành ba nhóm: Nhóm 1, gồm các NHTM
có tình hình tài chính lành mạnh, có năng lực quy mô đủ lớn để phát triển thành các
ngân hàng trụ cột của hệ thống; Nhóm 2, gồm các NHTM có tài chính lành mạnh,
nhưng quy mô nhỏ; Nhóm 3, gồm các NHTM có tình hình tài chính khó khăn buộc
phải thực hiện tái cơ cấu. Đến hết năm 2012, NHNN chỉ tập trung củng cố thanh
khoản hệ thống ngân hàng, lành mạnh hóa hoạt động tài chính, tái cơ cấu tổ chức,
tăng cường quản trị hệ thống ngân hàng…để tiến đến xử lý nợ xấu toàn diện.
Năm 2013, có thời điểm nợ xấu tại các tổ chức tín dụng của Việt Nam tăng
mạnh tới 23,73% so với năm 2012. Lúc này, nợ xấu thật sự là mối đe dọa đến an
ninh hệ thống ngân hàng và ổn định tài chính quốc gia. Nợ xấu đã ngày càng xấu
lẫn vượt tầm kiểm soát của từng ngân hàng. Nên trong năm 2013, Chính phủ và
NHNN phải tất bật thông qua nhiều giải pháp, sáng kiến nhằm xử lý triệt để nợ xấu
trong hệ thống ngân hàng. Và nhiệm vụ của NHNN trong đề án 254 được thực thi
sang giai đoạn hai, là lành mạnh hóa tài chính hệ thống ngân hàng với việc tăng
cường xây dựng các quy định về an toàn vốn, xử lý nợ xấu hệ thống qua việc thành
lập VAMC và nâng cao quản trị rủi ro, hướng đến hoàn thiện chuẩn mực Basel II.
Lần lượt các Quyết định và Thông tư được ra đời:
- Ngày 21/01/2013, NHNN ban hành Thông tư 02/2013/TT – NHNN, quy
định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và
việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi
nhánh ngân hàng nước ngoài. Thông tư này quy định phân loại nợ và trích lập dự
phòng hướng theo chuẩn mực Basel II mà nhiều nước trên thế giới đang áp dụng.
- Nghị định số 53/2013/NĐ-CP của Chính phủ ngày 18/05/2013, về việc thành
lập, tổ chức và hoạt động của Công ty Quản lý tài sản của các tổ chức tín dụng Việt
Nam (VAMC)

79

- Đề án “Xử lý nợ xấu của hệ thống các TCTD” được Thủ tướng Chính phủ
phê duyệt ngày 31/5/2013 theo Quyết định 843/2013/QĐ-TTg, với nguyên tắc xử lý
nợ xấu phải khẩn trương, quyết liệt, đồng bộ, bằng nhiều biện pháp, và đặt trong
tổng thể chương trình tái cơ cấu nền kinh tế.
- Thông tư 19/2013/TT-NHNN ngày 09/09/2013, quy định về việc mua, bán
và xử lý nợ xấu của Công ty Quản lý Tài sản của các TCTD.
Năm 2014, một năm tích cực và chủ động xử lý nợ xấu. Theo báo cáo của các
TCTD, đến cuối tháng 7/2014, tổng nợ xấu nội bảng là 162,2 nghìn tỷ đồng (khoảng
8 tỷ USD), chiếm 4,11% tổng dư nợ. Và nợ xấu của hệ thống ngân hàng có xu hướng
tăng nhanh trong những tháng đầu năm 2014 do tình hình kinh tế vĩ mô chưa được có
nhiều cải thiện, hoạt động sản xuất kinh doanh của doanh nghiệp còn khó khăn,
TCTD áp dụng chuẩn mực mới về phân loại nợ chặt chẽ hơn để phản ánh chính xác
hơn chất lượng tín dụng và thực trạng nợ xấu, từ đó thúc đẩy xử lý nợ xấu. Trong thời
gian này, NHNN đã thực hiện những biện pháp xử lý nợ xấu như sau:
- NHNN tiếp tục cho phép các TCTD thực hiện việc cơ cấu lại thời hạn trả nợ
và giữ nguyên nhóm nợ nhằm góp phần giảm bớt gánh nặng tài chính và hỗ trợ sản
xuất kinh doanh cho khách hàng vay, tuy nhiên quy định chặt chẽ hơn để tránh các
TCTD lợi dụng việc cơ cấu nợ để che giấu nợ xấu.
- Ngày 18/3/2014, NHNN đã ban hành Thông tư số 09/2014/TT-NHNN về
việc sửa đổi, bổ sung một số điều của Thông tư số 02/2013/TT-NHNN, cho phép
các TCTD tiếp tục được thực hiện việc cơ cấu lại thời hạn trả nợ và giữ nguyên
nhóm nợ kể từ ngày 20/3/2014 đến hết ngày 1/4/2015 nhưng mỗi khoản nợ chỉ được
cơ cấu lại một lần.
- Các TCTD tiếp tục tích cực chủ động xử lý nợ xấu, trong 7 tháng đầu năm
các TCTD đã xử lý được hơn 40,8 nghìn tỷ đồng nợ xấu thông qua: (i) Khách hàng
trả nợ: 14,3 nghìn tỷ đồng; (ii) bán, phát mại tài sản bảo đảm để thu hồi nợ: 1,56
nghìn tỷ đồng; (iii) bán cho tổ chức, cá nhân: 14,49 nghìn tỷ đồng; (iv) xử lý bằng
dự phòng rủi ro: 8,3 nghìn tỷ đồng...
- Và VAMC vẫn là công cụ chiến lược trong việc giảm dần nợ xấu của các
TCTD. Thực tế cho thấy, tỷ lệ nợ xấu giảm dần của các TCTD có mối quan hệ chặt
chẽ với việc mua nợ xấu của VAMC trong giai đoạn 6 tháng cuối năm 2014 và

80

những tháng đầu năm 2015. VAMC tiến hành mua nợ xấu bằng trái phiếu đặc biệt
(TPĐB) đối với những khoản nợ của các TCTD đáp ứng đủ điều kiện quy định. Lũy
kế từ tháng 10/2013 đến 31/12/2014, VAMC đã thực hiện mua 133.555 tỷ đồng dư
nợ gốc với giá mua 108.652 tỷ đồng của 39 TCTD.
Sau năm 2015, nợ xấu được “dồn” ngày càng nhiều về VAMC, và VAMC
luôn loay hoay trong quá trình xử lý dứt điểm nợ xấu. Xử lý nợ xấu sau năm 2015
trở nên nổi cộm vì thiếu tính thị trường, cơ chế bất cập, và kết quả xử lý nhỏ giọt.
4.2. KẾT QUẢ NGHIÊN CỨU VỀ ĐIỂM HIỆU QUẢ NGÂN HÀNG
THÔNG QUA MÔ HÌNH DEA VỚI NỢ XẤU LÀ ĐẦU RA KHÔNG MONG
MUỐN
Nợ xấu ảnh hưởng đến hiệu quả ngân hàng của từng ngân hàng thương mại
được tiến hành phân tích thông qua mô hình đo lường DEA với đầu ra không mong
muốn (undesirable output DEA model). Lúc này, đầu vào của mô hình gồm: chi phí
nhân viên, chi phí lãi, tài sản cố định; đầu ra của mô hình: Tiền gởi khách hàng, đầu
tư, thu ngoài lãi, và nợ xấu (nợ xấu là đầu ra không mong muốn).
Biểu đồ 4.1: Số lượng các ngân hàng thương mại (DMUs) hiệu quả và không
hiệu quả theo mô hình DEA với đầu ra không mong muốn
Mô hình DEA với đầu ra không mong muốn
29
27
24 24
21 22
19 20
16 17
15 14
13
10 11
8
2007 2008 2009 2010 2011 2012 2013 2014
DMUs hiệu quả DMUs không hiệu quả
Nguồn: Kết quả phân tích từ phần mềm DEA.RES 14

81

Kết quả mô tả thống kê cho thấy, số lượng ngân hàng không hiệu quả cao nhất
lên đến 17 trên 36 ngân hàng năm 2012, thấp nhất là 8 trên 32 ngân hàng năm 2014.
Đồng thời, qua biểu đồ 4.1 cho thấy hệ thống ngân hàng thương mại hiệu quả hơn
sau năm 2013 bởi những nỗ lực tái cơ cấu hệ thống ngân hàng của Ngân hàng Nhà
nước.
4.2.1. Điểm hiệu quả ngân hàng DEA với đầu ra không mong muốn là nợ xấu
và đánh giá sự ảnh hưởng của nợ xấu đến hiệu quả ngân hàng: Trường hợp
các ngân hàng thương mại nhà nước
Trong mẫu nghiên cứu, luận án phân chia hai nhóm ngân hàng để tiến hành
phân tích, bao gồm: (i) Ngân hàng thương mại nhà nước, ngân hàng thương mại cổ
phần có nhà nước là cổ đông chi phối, gọi tắt là NHTMNN; (ii) ngân hàng thương
mại cổ phần (NHTMCP).
Các DMUs là NHTMNN trong dữ liệu nghiên cứu bao gồm: Ngân hàng
TMCP Đầu tư và Phát triển Việt Nam (BID); Ngân hàng TMCP Ngoại Thương Việt
Nam (VCB); Ngân hàng TMCP Công Thương Việt Nam (CTG); Ngân hàng Nông
nghiệp và Phát triển Nông thôn Việt Nam (AGR); Ngân hàng TMCP Phát triển
Đồng bằng sông Cửu Long (MHB).
Bốn ngân hàng BID, VCB, CTG, AGR từ năm 2007 – 2014 đều là những
DMUs nằm trên biên hiệu quả với điểm hiệu quả bằng 1, và các phần đầu vào
thừa/đầu ra thiếu (slack) bằng 0. Sự hiệu quả ngân hàng của bốn ngân hàng này đã
giúp định hướng cho hệ thống ngân hàng thương mại Việt Nam phát triển và trở
thành trụ cột của thị trường tiền tệ Việt Nam.

82

Bảng 4.2: Điểm hiệu quả ngân hàng của AGR khi có sự ảnh hưởng của đầu ra
không mong muốn là nợ xấu
đvt: triệu đồng
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1 1 1
Tỷ lệ nợ xấu 2.50% 2.70% 3.97% 3.75% 6.10% 7.505% 5.8991% 5.8775%
Dư nợ 251,710,182 294,523,096 368,096,590 431,991,985 443,968,872 480,616,369 536,788,478 543,351,750

Dư nợ để đạt
biên hiệu quả 251,710,182 294,523,096 368,096,590 431,991,985 443,968,872 480,616,369 536,788,478 543,351,750
Tỷ lệ nợ xấu
để đạt biên
hiệu quả - - - - - - - -
Khoảng tỷ lệ
nợ xấu tối ưu - - - - - - - -
Chi phí nhân
viên thừa
(slack) 0 0 0 0 0 0 0 0
Chi phí lãi
thừa (slack) 0 0 0 0 0 0 0 0
Tài sản cố
định thừa
(slack) 0 0 0 0 0 0 0 0
Tiền gởi
khách hàng
thiếu (slack) 0 0 0 0 0 0 0 0
Đầu tư thiếu
(slack) 0 0 0 0 0 0 0 0
Thu ngoài lãi
thiếu (slack) 0 0 0 0 0 0 0 0
Nguồn: Kết quả phân tích với phần mềm DEA.Res 14
Bảng 4.3: Điểm hiệu quả ngân hàng của BID khi có sự ảnh hưởng của đầu ra
Đvt: triệu đồng
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1 1 1
Tỷ lệ nợ xấu 3.98% 4.02% 3.08% 3.49% 2.96% 2.90% 2.37% 2.03%
Dư nợ 131,983,554 156,870,045 206,401,908 254,191,575 293,937,120 339,923,668 391,035,051 445,693,100
biên hiệu quả 131,983,554 156,870,045 206,401,908 254,191,575 293,937,120 339,923,668 391,035,051 445,693,100
để đạt biên
hiệu quả - - - - - - - -
Khoảng tỷ lệ
nợ xấu tối ưu - - - - - - - -
Chi phí nhân
viên thừa
(slack) 0 0 0 0 0 0 0 0
Chi phí lãi
thừa (slack) 0 0 0 0 0 0 0 0
Tài sản cố
định thừa
(slack) 0 0 0 0 0 0 0 0
Tiền gởi
khách hàng
thiếu (slack) 0 0 0 0 0 0 0 0
Đầu tư thiếu
(slack) 0 0 0 0 0 0 0 0
Thu ngoài lãi
thiếu (slack) 0 0 0 0 0 0 0 0

83

Nguồn: Kết quả phân tích với phần mềm DEA.Res 14
Ngoại trừ AGR thì ba ngân hàng VCB, CTG và BID đều có sự kiểm soát nợ
xấu (NPLs) ở mức thấp. Đồng thời, nợ xấu (NPLs) không ảnh hưởng đến hiệu quả
của bốn ngân hàng này. Với trường hợp AGR, mặc dù nợ xấu được kiểm soát và
giảm xuống sau năm 2013, nhưng vẫn ở mức khá cao 5.87% (2014). Tuy vậy, vì lợi
thế về quy mô và sử dụng hiệu quả các nguồn lực khác, ngân hàng AGR vẫn đạt
hiệu quả biên.
Bảng 4.4: Điểm hiệu quả ngân hàng của CTG khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1 1 1
Tỷ lệ nợ xấu 2.30% 1.811% 0.6133% 0.657% 0.7511% 1.4670% 1.002% 1.1150%
Dư nợ 102,190,640 120,752,073 163,170,485 234,204,809 293,434,312 333,356,092 376,288,986 439,869,027

biên hiệu quả 102,190,640 120,752,073 163,170,485 234,204,809 293,434,312 333,356,092 376,288,986 439,869,027
để đạt biên
hiệu quả - - - - - - - -
Khoảng tỷ lệ
nợ xấu tối ưu - - - - - - - -
Chi phí nhân
viên thừa
(slack) 0 0 0 0 0 0 0 0
Chi phí lãi
thừa (slack) 0 0 0 0 0 0 0 0
Tài sản cố
định thừa
(slack) 0 0 0 0 0 0 0 0
Tiền gởi
khách hàng
thiếu (slack) 0 0 0 0 0 0 0 0
Đầu tư thiếu
(slack) 0 0 0 0 0 0 0 0
Thu ngoài lãi
thiếu (slack) 0 0 0 0 0 0 0 0
Nguồn: Kết quả phân tích từ phần mềm DEA.Res 14

84

Bảng 4.5: Điểm hiệu quả ngân hàng của VCB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1 1 1
Tỷ lệ nợ xấu 3.2936% 4.612% 2.4704% 2.831% 2.033% 2.4033% 2.725% 2.307%
Dư nợ 97,531,894 112,792,965 141,621,126 171,124,824 209,417,633 241,167,308 274,314,209 323,332,037

biên hiệu quả 97,531,894 112,792,965 141,621,126 171,124,824 209,417,633 241,167,308 274,314,209 323,332,037
để đạt biên
hiệu quả - - - - - - - -
Khoảng tỷ lệ
nợ xấu tối ưu - - - - - - - -
Chi phí nhân
viên thừa
(slack) 0 0 0 0 0 0 0 0
Chi phí lãi
thừa (slack) 0 0 0 0 0 0 0 0
Tài sản cố
định thừa
(slack) 0 0 0 0 0 0 0 0
Tiền gởi
khách hàng
thiếu (slack) 0 0 0 0 0 0 0 0
Đầu tư thiếu
(slack) 0 0 0 0 0 0 0 0
Thu ngoài lãi
thiếu (slack) 0 0 0 0 0 0 0 0
Ngân hàng TMCP Phát triển Đồng bằng sông Cửu Long (MHB) là ngân hàng
thương mại có Nhà nước là cổ đông chi phối, nhưng hoạt động kém hiệu quả. Sự
kém hiệu quả liên tục từ năm 2007 đến 2012, và 2013 ngân hàng MHB tiến hành
sáp nhập vào ngân hàng BID.
Thông qua bảng 4.6, MHB sử dụng kém hiệu quả ở các nguồn lực đầu vào đầu
ra, đặc biệt là nợ xấu (đầu ra không mong muốn). Cụ thể:
- Nợ xấu của MHB là 4.7% trong năm 2007, và các năm tiếp theo được kiểm
soát ở mức dưới 3%. Tuy nhiên, ảnh hưởng của nợ xấu đến hiệu quả ngân hàng
MHB là tiêu cực. Mức dưới 3% không tác động tích cực lên hiệu quả ngân hàng,
bởi thông qua kết quả phân tích, “khoảng tỷ lệ nợ xấu tối ưu” luôn rất thấp so với “
tỷ lệ nợ xấu” thực tế. Ví dụ năm 2012, “khoảng tỷ lệ nợ xấu tối ưu” để đạt biên hiệu
quả là 1.52% - 1.539%, so với “tỷ lệ nợ xấu” thực tế 2.99%.

85

Bảng 4.6: Điểm hiệu quả ngân hàng của MHB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.036747071 1 1.016644401 1.023772789 1.015044417 1.01011708 - -
Tỷ lệ nợ xấu 4.70% 2.91% 2.029% 1.936% 2.49% 2.9900% - -
Dư nợ 13,924,999 16,112,073 20,136,341 22,628,912 22,954,356 24,650,695 - -
Dư nợ để đạt biên
hiệu quả 18,515,930 16,112,073 20,471,498 23,166,864 23,299,691 24,900,088 - -
Tỷ lệ nợ xấu để đạt
biên hiệu quả 2.342% - 0.840% 0.2737% 0.74133% 1.5244% - -
Khoảng tỷ lệ nợ xấu 2.342% - 0.84%- 0.2737%- 0.74133%- 1.5244%-
tối ưu 3.114% - 0.8544% 0.2801% 0.7524% 1.5399% - -
Chi phí nhân viên
thừa (slack) 136,207.88 0 0 199,344 0 591,214 - -
Chi phí lãi thừa
(slack) 0 0 911,843 523,038 1,521,652 0 - -
Tài sản cố định thừa
(slack) 0 0 0 147,787 17,700 294,732 - -
Tiền gởi khách hàng
thiếu (slack) 12,647,026 0 9,829,397 6,818,072 488,352 2,540,636 - -
Đầu tư thiếu (slack) 0 0 312,354 2,185,947 0 0 - -
Thu ngoài lãi thiếu
(slack) 196,730 0 253,810 259,382 191,245 292,592 - -
- Chi phí nhân viên luôn cao đã dẫn đến sự thiếu hiệu quả của MHB, cụ thể
chi phí này rất cao vào năm 2012 (591 tỷ đồng).
- Tài sản cố định và sự thiếu kiểm soát đã dẫn đến tình trạng lãng phí tài nguyên
của ngân hàng MHB. Năm 2012, MHB có giá trị tài sản cố định thừa 294 tỷ đồng.
- Bên cạnh, giá trị tiền gởi khách hàng luôn thiếu hụt ở mức cao cũng đã dẫn đến
tình trạng khủng hoảng thanh khoản, cụ thể năm 2009 thiếu đến 9,829,397 triệu đồng.
Hậu quả cho nhiều năm hoạt động thiếu hiệu quả, năm 2013, ngân hàng MHB
được sáp nhập vào ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BID), và nợ
xấu có tác động tiêu cực đến hiệu quả ngân hàng MHB.
Ngoài ra, để xem xét tính hiệu quả giữa các ngân hàng hiệu quả có điểm hiệu
quả bằng 1 thì mô hình siêu hiệu quả ngân hàng (super – efficiency) phát huy được
tác dụng. Bảng 4.7, mô tả điểm siêu hiệu quả của bốn ngân hàng thương mại nhà
nước, theo đó, điểm siêu hiệu quả thấp hơn thể hiện sự hiệu quả kém hơn.

86

Bảng 4.7: Điểm siêu hiệu quả ngân hàng (super – efficiency)2
Ngân hàng 2007 2008 2009 2010 2011 2012 2013 2014
Ngân hàng NN & PT Nông

thôn (AGR) 0.48123 0.419172 0.498274 0.502091 0.443697 0.603689 0.640939 0.671173
Ngân hàng TMCP Đầu tư và

Phát triển Việt Nam (BID) 0.581802 0.678884 0.694551 0.806791 0.734418 0.614483 0.757558 0.809588
Ngân hàng TMCP Công

Thương Việt Nam (CTG) 0.879782 0.814425 0.547952 0.734172 0.660456 0.887025 0.817103 0.888851
Ngân hàng TMCP Ngoại

Thương Việt Nam (VCB) 0.413774 0.476655 0.736659 0.681415 0.808911 0.693683 0.695643 0.689753

4.2.2. Điểm hiệu quả ngân hàng DEA với đầu ra không mong muốn là nợ xấu
và đánh giá sự ảnh hưởng của nợ xấu đến hiệu quả ngân hàng: Trường hợp
nhóm các ngân hàng thương mại cổ phần
a. Nhóm các ngân hàng thương mại cổ phần đạt biên hiệu quả liên tục
Bốn ngân hàng BID, VCB, CTG, AGR với quy mô lớn và định hướng cho sự
phát triển của hệ thống ngân hàng thương mại Việt Nam. Đồng thời, những ngân
hàng này tạo đường biên hiệu quả để dễ dàng so sánh hiệu quả ngân hàng giữa các
ngân hàng thương mại khác với nhau.
Ngoài ra, trong số ngân hàng thương mại cổ phần cũng có những ngân hàng
đạt biên hiệu quả và sử dụng tối ưu các đầu vào/đầu ra, cụ thể như ngân hàng
TMCP Quân Đội (MBB), ngân hàng TMCP Tiên Phong (TPB), ngân hàng TMCP
Phát triển Mê Kông, ngân hàng TMCP Bảo Việt (BVB), ngân hàng TMCP Bắc Á
(NSB), ngân hàng TMCP Kỹ Thươg (TCB), ngân hàng TMCP Sài Gòn (SCB).
Ngân hàng TMCP Bảo Việt – BVB
Ngân hàng TMCP Bảo Việt chính thức hoạt động vào năm 2009 và đạt hiệu quả
liên tục với điểm hiệu quả bằng 1, phần đầu vào thừa/đầu ra thiếu (slack) bằng 0.
2
Theo mô hình siêu hiệu quả của Anderson và Petersen (Andersen, 1993)
87

Bảng 4.8: Điểm hiệu quả ngân hàng của BVB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả - - 1 1 1 1 1 -
Tỷ lệ nợ xấu - - 0% 0.0083% 4.5674% 5.940% 3.050% -
Dư nợ - - 2,255,568 5,615,167 6,712,706 6,748,196 7,956,891 -
Dư nợ để đạt biên hiệu
quả - - 2,255,568 5,615,167 6,712,706 6,748,196 7,956,891 -
biên hiệu quả - - - - - - - -
Khoảng tỷ lệ nợ xấu
tối ưu - - - - - - - -
thừa (slack) - - 0 0 0 0 0 -
(slack) - - 0 0 0 0 0 -
(slack) - - 0 0 0 0 0 -
thiếu (slack) - - 0 0 0 0 0 -
Đầu tư thiếu (slack) - - 0 0 0 0 0 -
(slack) - - 0 0 0 0 0 -
Bảng 4.9: Điểm hiệu quả ngân hàng của MBB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1 1 1
Tỷ lệ nợ xấu 1.01260% 2.5879% 1.728% 1.3540% 1.6130% 1.8558% 2.45889% 2.7570%
Dư nợ 11,468,742 15,740,426 29,587,941 48,796,587 59,044,836 74,478,564 87,472,914 100,569,006

hiệu quả 11,468,742 15,740,426 29,587,941 48,796,587 59,044,836 74,478,564 87,472,914 100,569,006
biên hiệu quả - - - - - - - -
tối ưu - - - - - - - -
thừa (slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
thiếu (slack) 0 0 0 0 0 0 0 0
Đầu tư thiếu (slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
88

Ngân hàng TMCP Quân Đội là ngân hàng hiếm hoi đạt biên hiệu quả cùng 4
NHTMNN liên tục từ năm 2007 đến 2014. Tỷ lệ nợ xấu của ngân hàng MB được kiểm
soát tốt và không ảnh hưởng đến hiệu quả ngân hàng mà MB đạt được. Đồng thời, MB
có tỷ lệ tăng trưởng các yếu tố đầu vào, đầu ra và đạt được hiệu quả nhờ quy mô.
Ngân hàng TMCP Phát triển Mê Kông (MDB)
Ngân hàng TMCP Phát triển Mê Kông (MDB) luôn đạt biên hiệu quả theo
phân tích dữ liệu bởi phần mềm DEA.Res14. Tuy nhiên, MDB là ngân hàng thương
mại có quy mô rất nhỏ trong hệ thống ngân hàng thương mại Việt Nam nên sự ảnh
hưởng là không đáng kể. Nợ xấu của MDB có xu hướng tăng cao năm 2014 nhưng
MDB vẫn đạt được biên hiệu quả.
Để so sánh mức điểm hiệu quả khi đạt biên hiệu quả giữa các ngân hàng thì
điểm siêu hiệu quả (super – efficiency) phát huy tác dụng. Điểm siêu hiệu quả của
MDB bằng 0, thấp nhất trong các ngân hàng đạt biên hiệu quả liên tục trong những
năm nghiên cứu.
Bảng 4.10: Điểm hiệu quả ngân hàng của MDB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1 1 1
Tỷ lệ nợ xấu 0.08% 0.80% 2.9368% 1.2620% 2.0810% 3.4638% 2.647% 5.0987%
Dư nợ 1,264,612 1,339,145 2,383,033 2,695,293 3,186,303 3,717,007 3,919,511 3,148,345

quả 1,264,612 1,339,145 2,383,033 2,695,293 3,186,303 3,717,007 3,919,511 3,148,345
Tỷ lệ nợ xấu để đạt biên
hiệu quả - - - - - - - -
Khoảng tỷ lệ nợ xấu tối
ưu - - - - - - - -
Chi phí nhân viên thừa
(slack) 0 0 0 0 0 0 0 0
Chi phí lãi thừa (slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
thiếu (slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
89

Ngân hàng TMCP Bắc Á – NSB

Ngân hàng TMCP Bắc Á thành lập năm 1994, nhưng dữ liệu thứ cấp không
thể tiếp cận đầy đủ. Do đó, trong luận án, dữ liệu của NSB chỉ thu thập từ năm 2011
đến 2014. Với phần mềm DEA.Res 14 và mô hình DEA đầu ra không mong muốn,
kết quả cho thấy ngân hàng NSB có hiệu quả ngân hàng đạt biên hiệu quả liên tục
từ 2011 đến 2014.
Bảng 4.11: Điểm hiệu quả ngân hàng của NSB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả - - - - 1 1 1 1

Tỷ lệ nợ xấu - - - - 0.6365% 5.661% 2.3200% 2.2725%
Dư nợ - - - - 16,717,777 22,056,145 29,513,081 36,438,223
Dư nợ để đạt biên hiệu quả - - - - 16,717,777 22,056,145 29,513,081 36,438,223
Tỷ lệ nợ xấu để đạt biên hiệu quả - - - - - - - -
Khoảng tỷ lệ nợ xấu tối ưu - - - - - - - -
Chi phí nhân viên thừa (slack) - - - - 0 0 0 0
Chi phí lãi thừa (slack) - - - - 0 0 0 0
Tài sản cố định thừa (slack) - - - - 0 0 0 0
Tiền gởi khách hàng thiếu (slack) - - - - 0 0 0 0
Đầu tư thiếu (slack) - - - - 0 0 0 0
Thu ngoài lãi thiếu (slack) - - - - 0 0 0 0

Ngân hàng TMCP Bưu Điện Liên Việt (LVP)
Ngân hàng TMCP Bưu Điện Liên Việt (LVP) có sự tăng trưởng ngoạn mục
sau năm 2012, cũng là khoảng thời gian sau sáp nhập với Công ty Tiết Kiệm Bưu
Điện. Nhưng năm 2012 lại có sự kém hiệu quả với nhiều nhân tố ảnh hưởng tiêu
cực như nợ xấu (tỷ lệ nợ xấu là 2.71%, và “khoảng tỷ lệ nợ xấu tối ưu” phải từ
1.977% - 2.316%), chi phí nhân viên thừa, tài sản cố định thừa, thu ngoài lãi thiếu.
Sang năm 2013, LVP đạt biên hiệu quả ngân hàng liên tục trong những năm nghiên
cứu.
90

Bảng 4.12: Điểm hiệu quả ngân hàng của LVP khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả - 1 1 1 1 1.002555528 1 1
Tỷ lệ nợ xấu - 0% 0.2849% 0.418% 2.1364% 2.71% 2.48% 1.23%
Dư nợ - 2,414,752 5,423,254 9,755,415 12,757,139 22,991,681 29,548,005 41,289,105

quả - 2,414,752 5,423,254 9,755,415 12,757,139 26,932,954 29,548,005 41,289,105
hiệu quả - - - - - 1.977% - -
ưu - - - - - 1.977% - 2.316% - -
(slack) - 0 0 0 0 167,237 0 0
Chi phí lãi thừa (slack) - 0 0 0 0 0 0 0

(slack) - 0 0 0 0 197,916 0 0
thiếu (slack) - 0 0 0 0 0 0 0
Đầu tư thiếu (slack) - 0 0 0 0 0 0 0

(slack) - 0 0 0 0 593,266 0 0
Ngân hàng TMCP Tiên Phong – TPB
Ngân hàng TMCP Tiên Phong (TPB) đạt biên hiệu quả với điểm hiệu quả
bằng 1 và các đầu vào thừa/đầu ra thiếu bằng 0. TPB là ngân hàng có quy mô nhỏ
về tổng tài sản, dư nợ, tiền gởi khách hàng…, nhưng khả năng tối ưu hóa để đạt
hiệu quả rất tốt.
91

Bảng 4.13: Điểm hiệu quả ngân hàng của TPB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả - 1 1 1 1 1 1 1
Tỷ lệ nợ xấu - 0% 0% 0.0183% 2.6677% 3.6625% 2.32520% 1.2169%
Dư nợ - 275,340 3,192,581 5,224,778 4493978 6,083,030 11,925,991 19,838,991
quả - 275,340 3,192,581 5,224,778 4493978 6,083,030 11,925,991 19,838,991
hiệu quả - - - - - - - -
ưu - - - - - - - -
(slack) - 0 0 0 0 0 0 0
Chi phí lãi thừa (slack) - 0 0 0 0 0 0 0
(slack) - 0 0 0 0 0 0 0
thiếu (slack) - 0 0 0 0 0 0 0
Đầu tư thiếu (slack) - 0 0 0 0 0 0 0
(slack) - 0 0 0 0 0 0 0
Ngân hàng TMCP Kỹ Thương – TCB
Ngân hàng TMCP Kỹ Thương (TCB) đạt hiệu quả liên tục từ 2008 đến 2014.
Riêng 2007, TCB chỉ có tỷ lệ nợ xấu 1.4% nhưng không hiệu quả ngân hàng, vì:
- Cần gia tăng dư nợ. Dư nợ để đạt biên hiệu quả phải là 21,519,047 triệu
đồng.
- Khoảng tỷ lệ nợ xấu tối ưu từ 0.6719% - 0.7287%.
- Tiền gởi khách hàng cần gia tăng thêm 754 tỷ đồng.
- Tài sản cố định giảm bớt quy mô là 140 tỷ đồng.
- Đầu tư của TCB cần gia tăng thêm 287 tỷ đồng.
Ngân hàng TCB cũng là một trong những ngân hàng có bước tiến về quy mô
theo từng năm và kiểm soát tốt tỷ lệ nợ xấu, cũng như mức độ ảnh hưởng của nợ
xấu đến hiệu quả ngân hàng là không đáng kể.
92

Bảng 4.14: Điểm hiệu quả ngân hàng của TCB khi có sự ảnh hưởng của đầu ra

Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.0221443 1 1 1 1 1 1 1
Tỷ lệ nợ xấu 1.40% 2.5200% 2.49% 2.290% 2.820% 2.690% 3.650% 2.380%
Dư nợ 19,841,131 26,343,017 42,092,767 52,927,857 63,451,465 68,261,442 70,274,919 80,307,567

quả 21,519,047 26,343,017 42,092,767 52,927,857 63,451,465 68,261,442 70,274,919 80,307,567
biên hiệu quả 0.6719% - - - - - - -
0.6719%
Khoảng tỷ lệ nợ xấu -
tối ưu 0.7287% - - - - - - -
thừa (slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
(slack) 140,144 0 0 0 0 0 0 0
thiếu (slack) 753,992 0 0 0 0 0 0 0
Đầu tư thiếu (slack) 287,705 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
Ngân hàng TMCP Sài Gòn (SCB)
Ngân hàng SCB đạt biên hiệu quả liên tục từ năm 2007 đến 2014, đặc biệt sau
năm 2011, tổng tài sản của SCB gia tăng nhanh chóng. Sự gia tăng nhanh chóng của
tổng tài sản và đạt biên hiệu quả cũng đến từ kết quả sáp nhập với 2 ngân hàng nhỏ
gồm Ficombank, TinnghiaBank.
Bảng 4.15: Điểm hiệu quả ngân hàng của SCB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1 1 1
Tỷ lệ nợ xấu 0.34% 0.575% 1.28% 11.40% 7.25% 7.22% 1.61% 0.49%
Dư nợ 19,477,603 23,278,256 31,310,489 33,177,653 66,070,088 88,154,900 89,003,699 134,005,441

hiệu quả 19,477,603 23,278,256 31,310,489 33,177,653 66,070,088 88,154,900 89,003,699 134,005,441
biên hiệu quả - - - - - - - -
93

tối ưu - - - - - - - -
thừa (slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
thiếu (slack) 0 0 0 0 0 0 0 0

(slack) 0 0 0 0 0 0 0 0
Tất cả các ngân hàng trong nhóm này đều có điểm hiệu quả ngân hàng tương
đối liên tục. Tuy nhiên, để so sánh được sự hiệu quả giữa các ngân hàng đạt biên
hiệu quả thì mô hình siêu hiệu quả ngân hàng (super – efficiency models) lại phát
huy được hiệu quả. Bảng 4.16 mô tả điểm siêu hiệu quả của các ngân hàng ở nhóm
trên, điểm siêu hiệu quả cao hơn thể hiện mức hiệu quả tốt hơn. Theo đó, MBB,
LVP, TCB là các ngân hàng đạt biên hiệu quả với điểm siêu hiệu quả rất cao qua
các năm.
Bảng 4.16: Điểm siêu hiệu quả của các ngân hàng MBB, MDB, LVP, TPB, TCB, NSB, SCB
Ngân hàng 2007 2008 2009 2010 2011 2012 2013 2014
Ngân hàng TMCP
Quân Đội (MBB) 0.9843 0.967184 0.810832 0.882214 0.849535 0.65899 0.829756 0.804467
Ngân hàng TMCP
Phát triển Mê Kông
(MDB) 0 0 0 0 0 0 0 0
Ngân hàng TMCP Bưu
Điện Liên Việt (LVP) - 0.258288 0.64702 0.542904 0.930974 - 0.99966 0.97558
Ngân hàng TMCP
Tiên Phong (TPB) - 0 0.47899 0.911473 0 0.324949 0.472047 0
Ngân hàng TMCP Kỹ
Thương (TCB) - 0.701727 0.799791 0.794164 0.743374 0.955904 0.807691 0.98676
Ngân hàng TMCP Bắc
Á (NSB) - - - - 0.691129 0.696685 0.743328 0.190931
Ngân hàng TMCP Sài
Gòn (SCB) 0.9844 0.957851 0.767289 0.933484 0 0.74542 0.643311 0.543175
b. Nhóm các ngân hàng trong diện tái cơ cấu, mua bán – sáp nhập, và giám sát
đặc biệt
94

Năm 2011, hệ thống ngân hàng thương mại Việt Nam đã chứng kiến những sự
hợp nhất đầu tiên giữa các ngân hàng, và cho đến 2013, mệnh lệnh tái cơ cấu hệ
thống ngân hàng thương mại Việt Nam được triển khai quyết liệt. Kết quả, sau năm
2013, số lượng ngân hàng thương mại giảm đáng kể và có xu hướng trở nên hiệu
quả ngân hàng hơn trong hoạt động kinh doanh.
Nhóm các ngân hàng này bao gồm những ngân hàng đã thực hiện tái cơ cấu,
mua bán và sáp nhập để hướng đến hiệu quả ngân hàng tốt hơn. Đồng thời, số liệu
điểm hiệu quả, mức ảnh hưởng của nợ xấu từ 2007 – 2014 của các ngân hàng này
trong nghiên cứu cũng phác thảo được phần nào kết quả trên. Cụ thể như sau:
Ngân hàng TMCP Đại Á (DAI)
Bảng 4.17: Điểm hiệu quả ngân hàng của DAI khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012
Điểm hiệu quả - 1.000263267 1 1.001640399 1 1.005684179
Tỷ lệ nợ xấu - 0.580% 0.45% 1.0% 1% 4.40%
Dư nợ - 1,834,526 4,240,939 5,786,471 6,996,246 9,158,872
Dư nợ để đạt biên hiệu quả - 1,835,009 4,240,939 5,786,471 6,996,246 9,210,933
Tỷ lệ nợ xấu để đạt biên hiệu quả - 0.4659% - 0.5615% - 2.1740%
Khoảng tỷ lệ nợ xấu tối ưu - 0.4659%-0.466% - 0.5615%-0.5624% - 2.174%-2.1864%
Chi phí nhân viên thừa (slack) - 18,523 0 15,254 0 15,000
Chi phí lãi thừa (slack) - 39,501 0 0 0 0
Tài sản cố định thừa (slack) - 0 0 3,444 0 0
Tiền gởi khách hàng thiếu (slack) - 149,257 0 2,825,814 0 2,272,330
Đầu tư thiếu (slack) - 0 0 868,706 0 1,772,047
Thu ngoài lãi thiếu (slack) - 6,057 0 0 0 141,565

Ngân hàng TMCP Đại Á (DAI) được sáp nhập vào ngân hàng TMCP Phát
triển TPHCM (HDB) vào năm 2013 sau một chuỗi thời gian không đạt hiệu quả
95

ngân hàng. Nợ xấu có tác động tiêu cực đến điểm hiệu quả ngân hàng của DAI
những năm 2008, 2010, 2012. Cụ thể, năm 2012, tỷ lệ nợ xấu ngân hàng DAI 4.4%
cao gần gấp đôi so với “khoảng tỷ lệ nợ xấu tối ưu” là 2.174% - 2.1864%. Đồng
thời, những năm 2008, 2010 nợ xấu dưới 1% nhưng vẫn tác động tiêu cực đến điểm
hiệu quả ngân hàng.
Ngân hàng TMCP Đông Á (EAB)
Sau năm 2010, ngân hàng TMCP Đông Á (EAB) hoạt động kém hiệu quả và nợ
xấu là nguyên nhân chính tác động tiêu cực đến điểm biên hiệu quả. Bên cạnh đó,
nhân tố tiền gởi khách hàng, tài sản cố định, và thu ngoài lãi có có tác động ít nhiều.
Đối với nợ xấu, “khoảng tỷ lệ nợ xấu tối ưu” là 1.751% - 1.8212% năm 2014,
nhưng tỷ lệ nợ xấu thực tế là 3.76%. Tương tự, “khoảng tỷ lệ nợ xấu tối ưu” năm
2013 là 1.8677% - 1.937%, còn tỷ lệ nợ xấu thực tế khá cao 3.999%. Điều này có
nghĩa, nợ xấu tác động tiêu cực và lớn đến với điểm hiệu quả ngân hàng của EAB.
Kết quả, năm 2015, ngân hàng TMCP Đông Á (EAB) được Ngân hàng Nhà nước
đưa vào diện kiểm soát đặc biệt.
Bảng 4.18: Điểm hiệu quả ngân hàng của EAB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1.0039508 1 1.0076856 1.037032 1.033524784
Tỷ lệ nợ xấu 0.50% 2.55% 1.33% 1.5990% 1.686% 3.955% 3.999% 3.760%
Dư nợ 17,808,599 25,570,810 34,355,544 38,320,847 44,003,078 50,650,056 53,048,986 51,849,576
hiệu quả 17,808,599 25,570,810 34,355,544 38,472,246 44,003,078 51,039,334 55,013,542 53,923,506
biên hiệu quả - - - 1.4326% - 3.4118% 1.8677% 1.751%
Khoảng tỷ lệ nợ xấu 1.4326% - 3.4118% - 1.8677% - 1.751% -
tối ưu - - - 1.4383% - 3.4381% 1.937% 1.8212%
thừa (slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 307,259 0 0
(slack) 0 0 0 118,627 0 569,962 495,096 238,894
thiếu (slack) 0 0 0 1,025,741 0 0 0 0
Đầu tư thiếu (slack) 0 0 0 8,325,627 0 4,462,066 14,888,478 9,439,861
(slack) 0 0 0 0 0 285,830 174,394 0
96

Ngân hàng TMCP Dầu Khí Toàn Cầu (GPBank)

Vì dữ liệu tài chính thông qua báo cáo tài chính của ngân hàng TMCP Dầu Khí
Toàn Cầu không được công bố sau năm 2010 nên điểm hiệu quả của ngân hàng
được được trọn ven. Từ năm 2008 đến 2010, GPBank liên tục đạt biên hiệu quả và
là một trong những ngân hàng quy mô khá nhỏ. Tuy nhiên, sau năm 2012, hoạt
động kinh doanh của ngân hàng bộc lộ nhiều yếu kém, tiềm ẩn rủi ro, kết quả kinh
doanh thua lỗ, nợ xấu tăng cao, âm vốn chủ sỡ hữu…, và đến 2015, GPBank được
sáp nhập vào ngân hàng Vietinbank dưới sự can thiệp từ Ngân hàng Nhà nước.
Bảng 4.19: Điểm hiệu quả ngân hàng của GPBank khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010
Điểm hiệu quả - 1 1 1
Tỷ lệ nợ xấu - 9.790% 2.34% 1.8300%
Dư nợ - 3,110,431 5,962,886 8,843,885
Dư nợ để đạt biên hiệu quả - 3,110,431 5,962,886 8,843,885
Tỷ lệ nợ xấu để đạt biên hiệu quả - - - -
Khoảng tỷ lệ nợ xấu tối ưu - - - -
Chi phí nhân viên thừa (slack) - 0 0 0
Chi phí lãi thừa (slack) - 0 0 0
Tài sản cố định thừa (slack) - 0 0 0
Tiền gởi khách hàng thiếu (slack) - 0 0 0
Đầu tư thiếu (slack) - 0 0 0
Thu ngoài lãi thiếu (slack) - 0 0 0
Ngân hàng TMCP Phát triển Nhà Hà Nội (HAB)
Ngân hàng TMCP Phát triển Nhà Hà Nội (HAB) hoạt động không hiệu quả
liên tục từ năm 2007 đến 2011. Đến 2012, HAB được sáp nhập vào ngân hàng
TMCP Sài Gòn – Hà Nội (SHB).
Nhìn vào bảng 4.20, hoạt động kém hiệu quả của HAB đến từ nợ xấu, tiền gởi
khách hàng thiếu, đầu tư thiếu. Trong đó, ảnh hưởng của nợ xấu đến hiệu quả ngân
hàng của HAB là tiêu cực và tác động lớn. Cụ thể, tỷ lệ nợ xấu năm 2011 lên tới
97

16.7%, nhưng “khoảng tỷ lệ nợ xấu tối ưu” chỉ khoảng 3.2448% - 3.3642%. Hay tỷ
lệ nợ xấu 2010 là 15.2%, nhưng” khoảng tỷ lệ nợ xấu” là 1.9284% – 2.1121%.
Vì vậy, nợ xấu là nguyên nhân chính dẫn đến kết quả kinh doanh thua lỗ, và
sáp nhập vào ngân hàng SHB của HAB.
Bảng 4.20: Điểm hiệu quả ngân hàng của HAB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011
Điểm hiệu quả 1.03514031 1.026617619 1.026066342 1.09528529 1.036815726
Tỷ lệ nợ xấu 2.49% 2.84% 3.749% 15.200% 16.700%
Dư nợ 9,285,862 10,275,166 13,138,567 18,300,130 21,761,358

quả 9,612,170 10,548,666 13,481,041 20,043,863 22,562,518
hiệu quả 0.18949% 0.8330% 0.9234% 1.9284% 3.2448%
ưu 0.18949%-0.1961% 0.833%-0.856% 0.9234%-0.9475% 1.9284%-2.1121% 3.2448%-3.3642%
(slack) 25,589 0 0 0 0
Chi phí lãi thừa (slack) 840,859 17,579 525,605 0 0

(slack) 0 11,965 0 0 0
thiếu (slack) 295,801 0 2,694,451 6,908,062 9,775,041
Đầu tư thiếu (slack) 1,306,010 8,857 478,315 1,929,608 0

(slack) 89,318 61,434 0 0 0
Ngân hàng TMCP Xăng Dầu (PGBank)
Ngân hàng TMCP Xăng Dầu (PGBank) là ngân hàng có quy mô nhỏ trong hệ
thống ngân hàng thương mại Việt Nam. Tuy nhiên, hoạt động kinh doanh kém hiệu
quả, nhất là các năm 2011 đến 2013, đã dẫn đến kết quả sáp nhập vào ngân hàng
TMCP Công Thương Việt Nam (Vietinbank).
Bảng 4.21 cho thấy, nhân tố tác động chính đến điểm biên hiệu quả đến từ nợ
xấu và đầu tư thiếu. Cụ thể, tỷ lệ nợ xấu năm 2012 là 8.437%, nhưng “khoảng tỷ lệ
nợ xấu tối ưu” là 3.011% - 3.753%. Hay năm 2013, mặc dù tỷ lệ nợ xấu được đưa
98

xuống mức dưới 3%, nhưng nợ xấu vẫn ảnh hưởng tiêu cực đến hiệu quả ngân hàng
PGBank, “khoảng tỷ lệ nợ xấu tối ưu” là 1.958% - 1.966%.
Bảng 4.21: Điểm hiệu quả ngân hàng của PGBank khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1.001977 1 1 1.003693 1.021178 1.004498 1
Tỷ lệ nợ xấu 1.39% 1.42% 1.2250% 1.4180% 2.0557% 8.437% 2.9803% 2.485%
14,507,18
Dư nợ 1,917,569 2,365,281 6,267,026 10,886,497 12,112,037 13,787,372 13,866,695 1
Dư nợ để đạt biên hiệu 14,507,18
quả 1,917,569 2,369,959 6,267,026 10,886,497 12,156,776 14,079,363 13,929,080 1
biên hiệu quả - 0.7563% - - 1.2328% 3.011% 1.958% -
Khoảng tỷ lệ nợ xấu 0.7563%- 1.2328%- 3.011%- 1.958%-
tối ưu - 0.7578% - - 1.2374% 3.753% 1.966% -
thừa (slack) 0 243 0 0 0 72,048 0 0
(slack) 0 101,757 0 0 0 0 83,233 0
(slack) 0 0 0 0 52,265 47,228 0 0
thiếu (slack) 0 493,249 0 0 544,217 0 757,582 0
Đầu tư thiếu (slack) 0 0 0 0 4,998,638 2,972,700 2,635,925 0
(slack) 0 6,426 0 0 85,306 0 0 0
Ngân hàng TMCP Phương Nam (PNB)
Ngân hàng TMCP Phương Nam (PNB) được sáp nhập vào ngân hàng TMCP
Sài Gòn Thương Tín vào năm 2015, sau chuỗi năm từ 2012 đến 2014 hoạt động
kém hiệu quả liên tục (mặc dù số liệu năm 2014 của ngân hàng Phương Nam không
được công bố, nhưng có thể dự đoán được tình trạng kém hiệu quả ngân hàng).
Nợ xấu, đầu tư thiếu, và tài sản cố định thừa là những nhân tố ảnh hưởng tiêu
cực đến điểm hiệu quả ngân hàng. Trong đó, nợ xấu là nhân tố ảnh hưởng rất lớn và
tiêu cực đến điểm hiệu quả ngân hàng của PNB. Cụ thể, năm 2013, PNB cần cải
thiện hơn 35.71% kết quả đầu ra để đạt điểm biên hiệu quả (điểm hiệu quả là
1.35719). Tỷ lệ nợ xấu lên tới 55.31%, trong khi “khoảng tỷ lệ nợ xấu tối ưu” là
3.026% - 4.937%.
99

Kết quả sáp nhập của PNB vào ngân hàng TMCP Sài gòn Thương tín là tất
yếu khi mà PNB không tự xử lý được nợ xấu cũng như cải thiện các kết quả đầu
vào thừa/đầu ra thiếu.
Bảng 4.22: Điểm hiệu quả ngân hàng của PNB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.038427984 1.022273035 1 1 1 1.237144362 1.357190041 -
Tỷ lệ nợ xấu 4.1121% 2.309% 2.33% 1.845% 2.323% 45.6% 55.31% -
Dư nợ 5,828,236 9,479,136 19,785,791 31,267,327 35,338,516 43,633,578 42,457,880 -

quả 8,120,508 9,690,265 19,785,791 31,267,327 35,338,516 62,860,955 69,272,702 -
hiệu quả 0.0868% 0.4815% - - - 7.271% 3.026% -
Khoảng tỷ lệ nợ xấu tối 0.0868%- 0.4815%- 7.271%- 3.026%-
ưu 0.121% 0.4922% - - - 10.475% 4.937% -
(slack) 0 0 0 0 0 0 0 -
Chi phí lãi thừa (slack) 34,272 343,317 0 0 0 0 0 -
(slack) 15,832 284,730 0 0 0 561,244 624,212 -
thiếu (slack) 0 1,978,671 0 0 0 0 0 -
Đầu tư thiếu (slack) 1,024,308 0 0 0 0 9,105,111 16,180,355 -
(slack) 105,561 46,592 0 0 0 0 0 -
Ngân hàng TMCP Đại Dương (OEB)
Ngân hàng TMCP Đại Dương (OEB) đạt biên hiệu quả liên tục từ năm 2007
đến 2013. Tuy nhiên, năm 2014, nợ xấu gia tăng đột biến lên đến gần 50% tổng dư
nợ, và chính điều này đã ảnh hưởng đến hoạt động kinh doanh ngân hàng. Đồng
thời, những năm trước, OEB có thể giấu nợ xấu dưới dạng đảo nợ, phân loại nợ
không theo quy định…Hậu quả mà OEB gánh lấy là sự mất cân đối tài chính, hoạt
động kinh doanh trì trệ, và được Ngân hàng Nhà nước mua lại với giá 0 đồng để trở
thành một ngân hàng thương mại nhà nước.
Năm 2014, OEB cần cải thiện hơn 22.73% các kết quả đầu ra để đạt biên hiệu
quả. Ngoài ra, “khoảng tỷ lệ nợ xấu tối ưu” chỉ từ 2.357% - 3.897% với dư nợ để
đạt biên hiệu quả phải hơn 51 ngàn tỷ đồng.
100

Bảng 4.23: Điểm hiệu quả ngân hàng của OEB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1 1 1.2273456
Tỷ lệ nợ xấu 0.09% 1.44% 1.61% 1.671% 2.08% 3.52% 4.038% 49.84%
Dư nợ 4,713,442 5,938,759 10,188,901 17,630,960 19,187,065 26,240,060 28,480,091 30,986,765

quả 4,713,442 5,938,759 10,188,901 17,630,960 19,187,065 26,240,060 28,480,091 51,222,311
hiệu quả - - - - - - - 2.357%
Khoảng tỷ lệ nợ xấu tối 2.357%-
ưu - - - - - - - 3.8970%
(slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
thiếu (slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 289,999
Ngân hàng TMCP Việt Nam Tín Nghĩa (TNB)
Năm 2011, ba ngân hàng TMCP Sài Gòn (SCB), ngân hàng TMCP Việt Nam
Tín Nghĩa, ngân hàng TMCP Đệ Nhất (Ficombank) được hợp nhất vào với tên gọi
chung là ngân hàng TMCP Sài Gòn (SCB). Trong đó, TNB là ngân hàng thương
mại cổ phần có quy mô vừa và nhỏ, với mức hoạt động hiệu quả liên tục từ 2008
đến 2010. Duy nhất năm 2007, TNB không đạt biên hiệu quả và cần cải thiện
1.379% các kết quả đầu ra để đạt biên hiệu quả.
Điều này minh chứng, hoạt động sáp nhập giữa ba ngân hàng TMCP năm 2011
không bị ảnh hưởng nhiều bởi nợ xấu và sự kém hiệu quả, mà nhằm giúp gia tăng
quy mô để tạo lợi thế cạnh trong trong hệ thống ngân hàng thương mại.
101

Bảng 4.24: Điểm hiệu quả ngân hàng của TNB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010
Điểm hiệu quả 1.013797852 1 1 1
Tỷ lệ nợ xấu 3.180% 10.83% 1.72160% 0.83%
Dư nợ 2,768,468 3,937,579 9,644,746 26,233,278
Dư nợ để đạt biên hiệu quả 2,806,667 3,937,579 9,644,746 26,233,278
Tỷ lệ nợ xấu để đạt biên hiệu quả 0.086% - - -
Khoảng tỷ lệ nợ xấu tối ưu 0.086%-0.0876% - - -
Chi phí nhân viên thừa (slack) 1,683 0 0 0
Chi phí lãi thừa (slack) 16,374 0 0 0
Tài sản cố định thừa (slack) 0 0 0 0
Tiền gởi khách hàng thiếu (slack) 601,381 0 0 0
Đầu tư thiếu (slack) 933,711 0 0 0
Thu ngoài lãi thiếu (slack) 30,630 0 0 0
Ngân hàng TMCP Quốc Dân (NAV)
Ngân hàng TMCP Quôc Dân được đổi tên từ ngân hàng TMCP Nam Việt vào
năm 2014. Đây là một trong những ngân hàng yếu kém trong hệ thống ngân hàng
thương mại Việt Nam cần tái cơ cấu và cải thiện hoạt động kinh doanh ngân hàng.
Tuy nhiên, trường hợp của NAV được tự tái cơ cấu bằng chính nguồn lực tự có của
cổ đông ngân hàng và hủy niêm yết trên Sở chứng khoán Hà Nội (HNX).
NAV có hoạt động kinh doanh ngân hàng kém hiệu quả, điều này thể hiện qua
điểm hiệu quả của ngân hàng trong chuỗi năm nghiên cứu từ 2007 đến 2014 ở bảng
4.25. Theo đó, các nhân tố ảnh hưởng đến hiệu quả ngân hàng bao gồm nợ xấu, đầu
tư thiếu, thu ngoài lãi thiếu. Nợ xấu của NAV ở mức khá cao trong năm 2012 đến
2014, nhưng “khoảng tỷ lệ nợ xấu tối ưu” cao nhất cũng chỉ ở mức 2.57% - 2.6%.
102

Bảng 4.25: Điểm hiệu quả ngân hàng của NAV khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1.01319836 1.005322163 1.012083364 1 1.011072338 1.01712225 1.005163767
Tỷ lệ nợ xấu 1.163% 2.906% 2.452% 2.239% 2.9163% 5.6396% 6.0673% 2.5246%
Dư nợ 4,363,446 5,474,558 9,959,607 10,638,936 12,914,681 12,885,655 13,475,390 16,640,656

hiệu quả 4,363,446 5,546,813 10,012,614 10,767,490 12,914,681 13,028,329 14,759,252 19,475,800
Tỷ lệ nợ xấu để
đạt biên hiệu quả - 1.0130% 1.675% 0.4214% - 2.5741% 1.961% 1.321%
Khoảng tỷ lệ nợ 1.013%- 1,675%- 0.4214%- 2.5741%- 1.961%- 1.321% -
xấu tối ưu - 1.027% 1.6841% 0.4265% - 2.6026% 2.148% 1.5466%
thừa (slack) 0 717 0 15,606 0 14,736 0 0
(slack) 0 0 0 0 0 0 0 0
Tài sản cố định
thừa (slack) 0 0 0 0 0 0 0 0
Tiền gởi khách
hàng thiếu (slack) 0 4,220,580 1,434,594 0 6,955,336 0 0
Đầu tư thiếu
(slack) 0 1,150,007 1,977,422 2,465,718 0 6,153,292 7,382,922 3,490,588
Thu ngoài lãi
thiếu (slack) 0 0 0 31,112 0 346,737 160,003 56,628
Nguồn: Kết quả phân tích từ phần mềm DEA.Res14
Ngân hàng TMCP Xây Dựng (CB)
Bảng 4.26: Điểm hiệu quả ngân hàng của CB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011
Điểm hiệu quả 1 1 1 1.011032054 1.003161598
Tỷ lệ nợ xấu 0.11% 0.12% 3% 2.19% 1.655%
Dư nợ 831,213 1,622,172 5,213,995 10,051,709 11,930,583
Dư nợ để đạt biên hiệu quả 831,213 1,622,172 5,213,995 10,051,709 11,968,303
Tỷ lệ nợ xấu để đạt biên hiệu quả - - - 0.4314% 0.9394%
Khoảng tỷ lệ nợ xấu tối ưu - - - 0.4314%-0.4362% 0.9394%-0.9424%
Chi phí nhân viên thừa (slack) 0 0 0 0 0
Chi phí lãi thừa (slack) 0 0 0 0 809,967
Tài sản cố định thừa (slack) 0 0 0 6,614 32,649
Tiền gởi khách hàng thiếu (slack) 0 0 0 2,341,573 0
Đầu tư thiếu (slack) 0 0 0 1,281,283 127,212
Thu ngoài lãi thiếu (slack) 0 0 0 28,434 0

103

Ngân hàng TMCP Xây Dựng được đổi tên và thay đổi cơ cấu cổ đông từ ngân
hàng TMCP Đại Tín (Trustbank) vào năm 2013. Đồng thời, ngân hàng CB cũng
không công bố thông tin tài chính đầy đủ nên số liệu chỉ từ 2007 đến 2011.
Ngân hàng CB có thể kém hiệu quả liên tục từ 2010 đến nay, bởi hiện trạng
ngổn ngang đến nay vẫn chưa giải quyết được. Nợ xấu không chỉ là nhân tố có tác
động tiêu cực đến hiệu quả ngân hàng, mà còn cả chi phí lãi thừa, tài sản cố định
thừa, đầu tư thiếu.
Ngân hàng TMCP Đại Chúng (PVcombank)
Bảng 4.27: Điểm hiệu quả ngân hàng của PVcombank khi có sự ảnh hưởng của đầu
ra không mong muốn là nợ xấu
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1.0020979 1 1.003202 1 1
Tỷ lệ nợ xấu 1.065% 2.301% 2.0934% 1.00772% 1.3018% 7.25700% 5.06% 2.67%
Dư nợ 628,414 1,364,529 1,791,247 3,972,547 8,854,234 5,253,894 41,118,606 42,369,791
quả 628,414 1,364,529 1,791,247 5,122,204 8,854,234 7,231,039 41,118,606 42,369,791
hiệu quả - - - 0.1197% - 3.69229% - -
Khoảng tỷ lệ nợ xấu tối 0.1197%- 3.69229%-
ưu - - - 0.1543% - 5.08178% - -
(slack) 0 0 0 445 0 0 0 0
Chi phí lãi thừa (slack) 0 0 0 0 0 143,656 0 0
(slack) 0 0 0 22,392 0 21,630 0 0
thiếu (slack) 0 0 0 1,562,081 0 0 0 0
Đầu tư thiếu (slack) 0 0 0 209,299 0 2,738,549 0 0
(slack) 0 0 0 29,301 0 228,099 0 0
Năm 2013, ngân hàng TMCP Phương Tây (Western Bank) và Tổng công ty
Tài chính Cổ phần Dầu khí Việt Nam (PVFC) được hợp nhất cho ra đời ngân hàng
TMCP Đại Chúng (PVcombank). Một trong những nguyên nhân hợp nhất là do ảnh
hưởng của nợ xấu, cụ thể năm 2012 tỷ lệ nợ xấu lên đến 7.25%, “khoảng tỷ lệ nợ
xấu tối ưu” chỉ ở mức 3.69229% - 5.08178%. Ngoài ra, ngân hàng Đại Chúng còn
phải cải thiện ở chi phí lãi thừa, tài sản cố định, đầu tư thiếu và thu ngoài lãi thiếu.
104

c. Nhóm các ngân hàng thương mại cổ phần khác

Nhóm các ngân hàng khác là những ngân hàng thương mại cổ phần (TMCP)
có hoạt động kinh doanh bình thường sau năm 2013 và chưa bị ảnh hưởng nhiều bởi
hoạt động tái cơ cấu hệ thống ngân hàng thương mại của ngân hàng nhà nước
(NHNN).
Tuy nhiên, ở vài ngân hàng, hoạt động tự tái cơ cấu và xử lý nợ xấu vẫn được
diễn ra với sự kiểm soát của NHNN và công ty mua bán nợ Việt Nam (VAMC).
Đồng thời, những ngân hàng này không phải lúc nào cũng có biên hiệu quả, và ít
nhiều bị ảnh hưởng bởi nợ xấu (NPLs) đến hiệu quả ngân hàng.
Ngân hàng TMCP An Bình (ABB)
Ngân hàng An Bình (ABB) có điểm không hiệu quả liên tục từ 2007 đến 2014.
Nhìn vào bảng 4.28, tỷ lệ nợ xấu và dư nợ thiếu hụt (slack) có mức ảnh hưởng đáng
kể đến hiệu quả ngân hàng của ABB. Cụ thể:
- Đối với tỷ lệ nợ xấu. Khoảng tỷ lệ nợ xấu tối ưu luôn có giá trị rất thấp so
với tỷ lệ nợ xấu thực thế. Chẳng hạn, tỷ lệ nợ xấu năm 2014 là 4.5%, còn “khoảng
tỷ lệ nợ xấu tối ưu” là 1.5113% - 1.7422%, chênh lệch đến 2.7578% - 2.9887%.
- ABB cũng cần xem xét đến tài sản cố định và giảm bớt quy mô cho phù hợp
với nguồn lực ngân hàng. Cũng như, ABB đẩy mạnh những nguồn thu từ dịch vụ và
hoạt động ngoài tín dụng để đạt mức thu ngoài lãi cao. Chính điều này cũng ảnh
hưởng đến hiệu quả ngân hàng của ABB để đạt biên hiệu quả.
Bảng 4.28: Điểm hiệu quả ngân hàng của ABB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.0194522 1.002885 1.0171929 1.0088423 1.0142592 1.004734 1.0423369 1.022837
Tỷ lệ nợ xấu 2% 1.20% 3% 1.40% 2.79% 2.830% 7.63% 4.5%
Dư nợ 6,858,134 6,538,980 12,882,962 19,876,899 19,915,501 18,755,777 22,993,281 25,495,490
hiệu quả 8,882,656 6,557,850 13,104,457 20,052,656.50 20,199,481 19,388,834 35,554,910 29,348,772
biên hiệu quả 0.1961% 0.85% 1.083% 0.6857% 0.8782% 1.870% 1.3726% 1.5134%
105

Khoảng tỷ lệ nợ xấu 0.1961% - 0.85% - 1.083% - 0.6857% - 0.8782% - 1.870% - 1.3726% - 1.5134% -
tối ưu 0.254% 0.853% 1.1014% 0.6917% 0.8907% 1.933% 2.1226% 1.7422%
thừa (slack) 0 0 0 0 0 211,558 165,108 0
(slack) 42,191 122,127 0 0 0 0 0 0
(slack) 0 282,844 230,537 338,306 178,577 368,728 0 168,976
thiếu (slack) 1,587,366 1,359,935 0 0 0 0 0 0
Đầu tư thiếu (slack) 0 0 0 3,905,041 0 2,817,464 309,352 289,788
(slack) 56,773 138,886 11,323 85,195 211,089 289,956 316,996 0

Ngân hàng TMCP Á Châu (ACB)
Ngân hàng Á Châu (ACB), một trong những ngân hàng có quy mô lớn trong hệ
thống ngân hàng thương mại ở Việt Nam. ACB hoạt động hiệu quả nhiều năm liên
tục, nhưng sự thiếu hiệu quả xuất hiện vào năm 2012 và kéo dài đến hết năm nghiên
cứu 2014. Một trong những nguyên nhân chính lại là nợ xấu xấu (NPLs). Cụ thể:
- Nợ xấu có mức ảnh hưởng lớn đến hiệu quả ngân hàng ACB. Vì các đầu vào
thừa và đầu ra thiếu của ACB phần lớn đều bằng 0. Mặc dù, nợ xấu của ACB có
kiểm soát dưới 3%, nhưng mức ảnh hưởng là đáng kể, chẳng hạn năm 2013, tỷ lệ
nợ xấu thực tế là 3.0254% nhưng “khoảng tỷ lệ nợ xấu tối ưu” phải 1.5572% -
1.6766%.
- Tài sản cố định thừa cũng là nguyên nhân ảnh hưởng đến hiệu quả ngân hàng
của ACB. Sau năm 2012, ACB có sự đầu tư quá mức cho tài sản cố định, đặc biệt là
năm 2013, tài sản cố định thừa 1,060,535 triệu đồng.
Bảng 4.29: Điểm hiệu quả ngân hàng của ACB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1.025419 1.050865 1.030374
Tỷ lệ nợ xấu 0.084% 0.887% 0.4084% 0.336% 0.893% 2.50% 3.0254% 2.1777%
Dư nợ 31,810,857 34,832,700 62,357,978 87,195,105 102,809,156 102,814,848 107,190,021 114,745,251
106

quả 31,810,857 34,832,700 62,357,978 87,195,105 102,809,156 105,428,393 115,413,801 118,230,565
biên hiệu quả - - - - - 1.6303% 1.5572% 1.3573%
Khoảng tỷ lệ nợ xấu 1.6303% - 1.5572% - 1.3573%-
tối ưu - - - - - 1.6717% 1.6766% 1.3985%
thừa (slack) 0 0 0 0 0 269,770 0 0
(slack) 0 0 0 0 0 3,112,717 0 0
(slack) 0 0 0 0 0 602,441 1,060,534 643,387
thiếu (slack) 0 0 0 0 0 0 0 0
Đầu tư thiếu (slack) 0 0 0 0 0 13,321,784 2,903,543 0
(slack) 0 0 0 0 0 301,591 0 0
Ngân hàng TMCP Bản Việt (BAN)
Sau năm 2012, ngân hàng Bản Việt (BAN) trở nên kém hiệu quả trong hoạt
động kinh doanh với hai nguyên nhân chính là: nợ xấu và hoạt động đầu tư. Riêng
nợ xấu có mức độ ảnh hưởng khá tiêu cực đến hiệu quả ngân hàng BAN. Cụ thể:
- Tỷ lệ nợ xấu tối ưu cho BAN phải dưới 2.6% so với 4.1% năm 2013, dưới
1.66% so với 3.8% năm 2014. Do đó, BAN muốn đạt biên hiệu quả hoặc cải thiện
hiệu quả ngân hàng thì nên tập trung xử lý nợ xấu và đưa nợ xấu về khoảng tối ưu.
- BAN còn thiếu hiệu quả ngân hàng ở khoản mục đầu tư, vì đầu tư thiếu (đầu
ra) cao nhất lên đến 1,459,397 triệu đồng năm 2013. Nếu các năm trong nghiên cứu
BAN gia tăng đầu tư cho trái phiếu chính phủ ở mức quanh phần đầu tư thiếu
(slack) thì hiệu quả ngân hàng của BAN sẽ được cải thiện đáng kể.
Bảng 4.30: Điểm hiệu quả ngân hàng của BAN khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1.00202 1 1 1 1 1.0058277 1.0087269
Tỷ lệ nợ xấu 0.41% 1.24% 3.475% 4.0660% 2.70% 1.891% 4.1080% 3.80%
Dư nợ 1,051,172 1,292,828 2,314,881 3,626,199 4,333,379 7,708,544 9,909,188 12,849,476
quả 1,051,172 1,295,439 2,314,881 3,626,199 4,333,379 7,708,544 10,215,904 12,961,612
hiệu quả - 0% - - - - 2.2015% 1.6498%
Khoảng tỷ lệ nợ xấu tối 2.2015% - 1.6498%-
ưu - 0% - - - - 2.6296% 1.6642%
107

(slack) 0 296 0 0 0 0 0 185,069
Chi phí lãi thừa (slack) 0 7,154 0 0 0 0 245,143 9,655
(slack) 0 2,711 0 0 0 0 0 0
thiếu (slack) 0 1,349,731 0 0 0 0 0 195,779
Đầu tư thiếu (slack) 0 826,976 0 0 0 0 1,459,397 1,199,114
(slack) 0 114,928 0 0 0 0 0 -
Ngân hàng TMCP Phát triển TPHCM (HDB) có mức tăng trưởng về dư nợ và
đạt biên hiệu quả liên tục từ năm 2012 đến 2014, trong khi nhiều ngân hàng thương
mại khác lại khá chật vật trong khoảng thời gian này.
Tuy vậy, những năm trước 2012, HDB lại là ngân hàng có quy mô tài sản nhỏ
và không đạt biên hiệu quả. Trong đó, nợ xấu có mức độ ảnh hưởng đáng kể đến
hiệu quả ngân hàng HDB.
Bảng 4.31: Điểm hiệu quả ngân hàng của HDB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1.0091588 1 1.0046215 1.0035801 1 1 1
Tỷ lệ nợ xấu 0.313% 1.9260% 0.92% 0.8310% 2.107% 2.40% 3.6720% 2.2710%
Dư nợ 8,912,366 6,175,404 8,230,884 11,728,192 13,847,786 21,147,824 44,030,492 41,992,591
quả 8,912,366 6,231,963 8,230,884 11,728,192 13,897,363 21,147,824 44,030,492 41,992,591
biên hiệu quả - 0.757% - 0.19558% 1.4093% - - -
Khoảng tỷ lệ nợ xấu tối 0.757%- 0.19558%- 1.4093%-
ưu - 0.764% - 0.1965% 1.4144% - - -
(slack) 0 0 0 28,783 60,136 0 0 0
Chi phí lãi thừa (slack) 0 31,700 0 325,794 1,748,555 0 0 0
(slack) 0 62,521 0 128,743 0 0 0 0
thiếu (slack) 0 1,996,390 0 956,225 0 0 0 0
Đầu tư thiếu (slack) 0 1,647,039 0 0 0 0 0 0
(slack) 0 0 0 42,769 334,616 0 0 0
108

Ngân hàng TMCP Kiên Long (KLB)

Những năm ngân hàng Kiên Long không hiệu quả ngân hàng đều có sự ảnh
hưởng tiêu cực bởi nợ xấu. Nhưng sự ảnh hưởng đến hiệu quả ngân hàng KLB còn
đến từ các đầu vào thừa, đầu ra thiếu khác.Cụ thể:
- Tỷ lệ nợ xấu năm 2013 là 2.47%, và “khoảng tỷ lệ nợ xấu tối ưu” phải từ
1.9172% - 1.9212%. Năm 2012, “khoảng tỷ lệ nợ xấu tối ưu” 2.368% - 2.3716%,
còn tỷ lệ nợ xấu thực tế 2.9257%. Mức độ ảnh hưởng của nợ xấu đến hiệu quả KLB
là tiêu cực nhưng khoảng cách giữa các tỷ lệ vẫn minh chứng khả năng tự xử lý tốt
từ ngân hàng KLB.
- Chi phí nhân viên, chi phí lãi thừa; đầu tư, thu ngoài lãi thiếu là những nhân
tố ảnh hưởng đến hiệu quả KLB.
Kết quả sau năm 2014, KLB đạt được biên hiệu quả bằng 1 và tối ưu hóa các
đầu vào thừa/đầu ra thiếu.
Bảng 4.32: Điểm hiệu quả ngân hàng của KLB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.003292 1.0001992 1 1.0040372 1 1.001499 1.002126 1
Tỷ lệ nợ xấu 1.660% 1.660% 1.166% 1.1088% 2.7732% 2.9257% 2.4711% 1.953%
Dư nợ 1,351,742 2,195,377 4,874,377 7,008,435 8,403,856 9,683,477 12,128,627 13,389,966
quả 1,351,742 2,199,751 4,874,377 7,036,729 8,403,856 9,683,477 12,154,415 13,389,966
hiệu quả 0.10561% 0.94% - 0.1794% - 2.3680% 1.9172% -
Khoảng tỷ lệ nợ xấu tối 0.10561%- 0.94%- 0.1794%- 2.368%- 1.9172%-
ưu 0.13268% 0.9416% - 0.1801% - 2.3716% 1.9212% -
(slack) 3,744 26,284 0 24,163 0 165,492 141,648 0
Chi phí lãi thừa (slack) 0 0 0 43,304 0 0 143,156 0
(slack) 0 0 0 0 0 0 0 0
thiếu (slack) 0 703,297 0 2,112,920 0 1,362,422 0 0
Đầu tư thiếu (slack) 116,267 266,546 0 1,328,648 0 1,078,300 3,777,168 0
Thu ngoài lãi thiếu 227137.45
(slack) 17,418 5,224 0 93,634 0 19 115,070 0
109

Ngân hàng TMCP Hàng Hải (MSB)

Ngân hàng TMCP Hàng Hải (MSB) có điểm hiệu quả đạt biên hiệu quả liên
tục từ sau năm 2010. Đến năm 2014, mặc dù tỷ lệ nợ xấu khá cao 5.16%, nhưng
MSB vẫn đạt biên hiệu quả. Tuy nhiên, điểm siêu hiệu quả năm 2014 thì chỉ còn
0.59 (theo bảng 4.44), và sự ảnh hưởng lớn đến từ nhân tố nợ xấu, đã tác động tiêu
cực đến điểm siêu hiệu quả.
Bảng 4.33: Điểm hiệu quả ngân hàng của MSB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.0190743 1 1.0183179 1 1 1 1 1
Tỷ lệ nợ xấu 2.0840% 1.49% 2.10% 0.99% 2.270% 2.65% 2.7100% 5.16%
Dư nợ 6,527,868.00 11,209,764 23,871,616 31,829,535 37,388,434 28,943,630 26,676,110 23,509,425

quả 8,501,632.54 11,209,764 24,308,895 31,829,535 37,388,434 28,943,630 26,676,110 23,509,425
hiệu quả 0.21885% - 0.9425% - - - - -
ưu 0.28502% - 0.9598% - - - - -
(slack) 17,966 0 0 0 0 0 0 0
(slack) 0 0 5,919 0 0 0 0 0
thiếu (slack) 0 0 0 0 0 0 0 0
Đầu tư thiếu (slack) 1,459,856 0 4,015,423 0 0 0 0 0
(slack) 24,137 0 84,016 0 0 0 0 0
Ngân hàng TMCP Nam Á (NAB)
Sau năm 2012, ngân hàng TMCP Nam Á (NAB) đạt biên hiệu quả liên tục.
Mặc dù trước đó, từ 2007 – 2011, NAB kém hiệu quả ngân hàng, các yếu tố đầu vào
thừa và yếu tố đầu ra thiếu đều là nhân tố góp phần không hiệu quả ngân hàng.
110

So sánh hiệu quả ngân hàng của NAB với các ngân hàng cùng đạt biên hiệu
quả bằng mô hình siêu hiệu quả (super – efficiency), thì cũng rất thuyết phục với
điểm siêu hiệu quả rất cao 0.999 (2012), 0.71 (2013), 0.996 (2014)3.
3
Kết quả tại Bảng 4.44
111

Bảng 4.34: Điểm hiệu quả ngân hàng của NAB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.00672556 1.0068756 1.00334512 1.0071483 1.0019881 1 1 1
Tỷ lệ nợ xấu 1.6400% 2.560% 1.71% 2.181% 2.8370% 2.476% 1.477% 1.4677%
Dư nợ 2,698,695 3,749,652 5,012,921 5,302,111 6,245,178 6,848,139 11,570,027 15,861,592

quả 2,716,845 3,775,433 5,029,690 5,457,457 6,257,594 6,848,139 11,570,027 15,861,592
biên hiệu quả 0.0822% 1.1118% 0.7381% 0.0122% 1.9766% - - -
Khoảng tỷ lệ nợ xấu 0.0822%- 1.1118%- 0.7381%- 0.0122%- 1.9766% -
tối ưu 0.0828% 1.11194% 0.7405% 0.01255 1.9805% - - -
thừa (slack) 10,168 28,104 2,164 26,754 52,136 0 0 0
(slack) 147,879 3,350 50,481 26,190 520,648 0 0 0
(slack) 15,248 0 0 27,863 213,572 0 0 0
thiếu (slack) 120,778 910,971 2,146,066 1,575,616 2,303,211 0 0 0
Đầu tư thiếu (slack) 168,966 1,320,358 737,305 1,602,205 4,573,311 0 0 0

(slack) 38,030 0 41,253 0 0 0 0 0
Ngân hàng TMCP Phương Đông (OCB)
Ngân hàng TMCP Phương Đông (OCB) không đạt hiệu quả liên tục từ năm
2007 đến 2014. Trong đó, nợ xấu là nhân tố chính ảnh hưởng tiêu cực đến hiệu quả
ngân hàng của OCB (như tỷ lệ nợ xấu 2013 là 4%, nhưng “khoảng tỷ lệ nợ xấu tối
ưu” là 1.41% - 1.44%). Ngoài ra, tỷ lệ nợ xấu của OCB có xu hướng tăng lên từng
năm từ 2007 đến 2014. Các nguyên nhân chính dẫn đến không hiệu quả ngân hàng
của OCB bao gồm: nợ xấu, tài sản cố định thừa, đầu tư thiếu và thu ngoài lãi thiếu.
112

Bảng 4.35: Điểm hiệu quả ngân hàng của OCB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.0168844 1.0113942 1.0131543 1.0086024 1.0110564 1.002634 1.0167519 1.0179410
Tỷ lệ nợ xấu 1.50% 2.870% 2.60% 2.05% 2.996% 2.45900% 4.0020% 3.932%
Dư nợ 7,557,438.00 8,597,448 10,216,975 11,584,528 13845763 17,238,801 20,178,954 21,463,871

quả 7,685,041.47 8,695,409 10,351,373 11,684,183 13998847 17,284,225 20516990 21,848,956
biên hiệu quả 0.11745% 1.828% 0.7429% 0.85730% 0.8573% 1.90911% 1.4165% 1.310%
Khoảng tỷ lệ nợ xấu 0.11745%- 1.828%- 0.7429%- 0.8573%- 0.8573%- 1.90911%- 1.4165%- 1.31%-
tối ưu 0.11943% 1.8488% 0.753% 0.86468% 0.8668% 1.914% 1.44028% 1.331%
thừa (slack) 30,253 0 0 34,608 40,623 44,049 143,257 31,997
(slack) 0 0 0 0 0 0 0 0
(slack) 95,708 0 0 156,503 0 4,986 1,693 158,601
thiếu (slack) 1,540,080 1,578,811 2,519,667 3,244,026 1,480,652 0 0 0
Đầu tư thiếu (slack) 2,792,080 407,096 1,276,074 3,736,631 139,765 1,771,154 0 4,363,276
(slack) 147,468 91,370 78,515 32,457 74,889 0 244,813 39,076
Ngân hàng TMCP Xuất Nhập Khẩu Việt Nam (EIB)
Ngân hàng TMCP Xuất Nhập Khẩu Việt Nam (EIB) trở nên kém hiệu quả
ngân hàng sau năm 2013. Cũng sau thời gian này, EIB được Ngân hàng Nhà nước
thanh tra toàn diện để xem xét các yếu kém trong hoạt động kinh doanh, quản trị
điều hành ngân hàng, tỷ lệ nợ xấu…
EIB là một trong những ngân hàng thương mại cổ phần có quy mô tổng tài sản
khá lớn trong hệ thống ngân hàng thương mại Việt Nam. Do đó, sự không hiệu quả
ngân hàng của EIB có tầm ảnh hưởng lớn đến hiệu quả của cả hệ thống ngân hàng.
Năm 2013, 2014 là hai năm đầu cho chuỗi không hiệu quả ngân hàng. Cụ thể:
- Sự ảnh hưởng của nợ xấu là tiêu cực đến hiệu quả ngân hàng EIB bởi
“khoảng tỷ lệ nợ xấu tối ưu” khá thấp so với tỷ lệ nợ xấu thực tế. Chẳng hạn, tỷ lệ
nợ xấu năm 2013 là 1.98%, còn “khoảng tỷ lệ nợ xấu tối ưu” là 1.41% - 1.44%; hay
năm 2014, tỷ lệ nợ xấu là 2.46%, và “khoảng tỷ lệ nợ xấu tối ưu” là 1.41% - 1.45%.
113

- EIB đầu tư khá nhiều vào tài sản cố định, nên tài sản cố định thừa lớn trong
năm 2013 và 2014, năm 2014 lên tới 251 tỷ đồng.
- Đầu tư thiếu và thu ngoài lãi thiếu cũng là nhân tố ảnh hưởng đến hiệu quả
ngân hàng của EIB. Vì vậy, EIB cần gia tăng nhiều dịch vụ ngân hàng hiện đại để
tối ưu hóa hiệu quả ngân hàng. Ngoài ra, EIB cũng dần tránh sự lệ thuộc quá nhiều
vào tín dụng, và đầu tư thêm vào trái phiếu – đặc biệt là trái phiếu chính phủ.
Bảng 4.36: Điểm hiệu quả ngân hàng của EIB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1.0390284 1 1 1 1 1.0150284 1.029067
Tỷ lệ nợ xấu 0.875% 4.713% 1.8340% 1.4203% 1.6110% 1.3180% 1.9820% 2.4600%
Dư nợ 18,452,000 21,232,198 38,381,855 62,717,617 74,663,330 74,922,289 83,354,232 86,123,843
hiệu quả 18,452,000 22,604,817 38,381,855 62,717,617 74,663,330 74,922,289 84,606,918 88,627,245
biên hiệu quả - 3.2266% - - - - 1.4195% 1.4126%
Khoảng tỷ lệ nợ xấu 3.2266% - 1.4195%- 1.4126%-
tối ưu - 3.4352% - - - - 1.4409% 1.4537%
thừa (slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 128,323 251,968
thiếu (slack) 0 0 0 0 0 0 18,908,407 0
Đầu tư thiếu (slack) 0 2,424,556 0 0 0 0 9,616,294 8,372,947
(slack) 0 0 0 0 0 0 51,228 729,630
Bảng 4.37: Điểm hiệu quả ngân hàng của SEA khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1.0007757 1.0027047 1.028054 1.0390413
Tỷ lệ nợ xấu 0.30% 2.14% 1.88% 2.14% 2.75% 2.969% 6.29640% 5.1187%
16,694,44
Dư nợ 11,041,087 7,585,851 9,625,900 20,512,173 19,641,058 7 20,928,780 32,066,117
114

Dư nợ để đạt biên hiệu 19,285,09

quả 11,041,087 7,585,851 9,625,900 20,512,173 19,656,294 2 21,515,927 35,945,425
biên hiệu quả - - - - 2.6431% 2.0712% 2.1676% 1.2760%
tối ưu - - - - 2.6452% 2.392% 2.2283% 1.4303%
thừa (slack) 0 0 0 0 0 184,024 0 0
(slack) 0 0 0 0 1,748,468 3,287,389 219,149 0
(slack) 0 0 0 0 92,302 44,642 0 0
thiếu (slack) 0 0 0 0 0 0 0
Đầu tư thiếu (slack) 0 0 0 0 0 0 105,565 6,333,469
(slack) 0 0 0 0 277,432 378,985 253,804 0
Ngân hàng TMCP Đông Nam Á (SEA) sau năm 2011 hoạt động kinh doanh
không hiệu quả ngân hàng bởi các nguyên nhân:
- Tỷ lệ nợ xấu tăng từng năm, cao nhất vào năm 2013 và 2014. Đồng thời, nợ
xấu là nhân tố tác động tiêu cực lớn đến hiệu quả ngân hàng của SEA. Cụ thể: tỷ lệ
nợ xấu năm 2014 là 5.1187%, trong khi “khoảng tỷ lệ nợ xấu tối ưu” chỉ 1.276% -
1.4303%; hay “khoảng tỷ lệ nợ xấu tối ưu” là 2.1676% - 2.2283% năm 2013, còn tỷ
lệ nợ xấu thực tế là 6.2964%. Giữa “khoảng tỷ lệ nợ xấu tối ưu” với tỷ lệ nợ xấu
thực là khá xa, nên minh chứng cho tác động tiêu cực đến hiệu quả ngân hàng SEA.
- Các yếu tố đầu vào và đầu ra khác được SEA kiểm soát khá tốt qua từng
năm. Do đó, sự tác động là không đáng kể đến hiệu quả ngân hàng của SEA.
Ngân hàng TMCP Sài Gòn – Hà Nội (SHB)
Ngân hàng SHB sau năm 2011 có biên hiệu quả liên tục và kiểm soát được sự
ảnh hưởng của nợ xấu đến hiệu quả ngân hàng. Biên hiệu quả đạt được nhờ sự tập
trung quy mô sau khi được HAB sáp nhập vào. Tuy nhiên, năm 2009, 2010 SHB
thiếu hiệu quả vì sự ảnh hưởng của nợ xấu, đầu tư thiếu và thu ngoài lãi thiếu.
115

Bảng 4.38: Điểm hiệu quả ngân hàng của SHB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1.010951 1.0004832 1 1 1 1
Tỷ lệ nợ xấu 0.503% 1.886% 2.79300% 1.3987% 2.2338% 8.827% 5.674% 2.028%
Dư nợ 4,183,502 6,252,699 12,828,748 24,375,588 29,161,851 56939724 76,509,671 104,095,714
quả 4,183,502 6,252,699 12,969,236 24,387,366 29,161,851 56939724 76,509,671 104,095,714
biên hiệu quả - - 1.55906% 1.3666% - - - -
ưu - - 1.57613% 1.3672% - - - -
(slack) 0 0 0 38,251 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
thiếu (slack) 0 0 0 0 0 0 0 0
Đầu tư thiếu (slack) 0 0 0 1,905,485 0 0 0 0
(slack) 0 0 21,467 0 0 0 0 0
Ngân hàng TMCP Sài Gòn Công Thương (SGB)
Ngân hàng TMCP Sài Gòn Công Thương (SGB) là ngân hàng thương mại có
quy mô tổng tài sản, tổng dư nợ, tổng giá trị tiền gởi nhỏ, nhưng về hoạt động kinh
doanh thì không hiệu quả với thời điểm trước năm 2013. Tuy nhiên, sau năm 2013,
SGB cải thiện hoạt động kinh doanh và đạt biên hiệu quả với điểm hiệu quả là 1,
điểm siêu hiệu quả là 0.8 (2013), 0.88 (2014).
Những nguyên nhân dẫn đến không hiệu quả ngân hàng của SGB trước 2013
bao gồm:
- Tỷ lệ nợ xấu ảnh hưởng tiêu cực đến hiệu quả ngân hàng SGB. Cụ thể: (i) tỷ
lệ nợ xấu năm 2012 là 5%, còn “khoảng tỷ lệ nợ xấu tối ưu” là 3.16% - 3.18%; (ii)
tỷ lệ nợ xấu năm 2011 là 4.7%, “khoảng tỷ lệ nợ xấu tối ưu” phải là 1.228% -
1.247%; (iii) hay năm 2009, tỷ lệ nợ xấu chỉ 1.7813%, nhưng SGB vẫn không đạt
được biên hiệu quả ngân hàng, và “khoảng tỷ lệ nợ xấu tối ưu” là 0.72% - 0.73%.
116

- Tài sản cố định thừa là nhân tố tiếp theo ảnh hưởng đến hiệu quả ngân hàng
SGB, và có xu hướng gia tăng theo từng năm từ 2007 đến 2012. Đỉnh điểm năm
2012, tài sản cố định thừa của SGB lên tới hơn 425 tỷ đồng.
- Đầu tư thiếu và thu ngoài lãi thiếu là hai nhân tố đáng kể tiếp theo. Điều này
minh chứng, hoạt động kinh doanh của ngân hàng SGB chỉ phụ thuộc vào tín dụng.
Vì thế, nợ xấu càng tác động nhiều đến hiệu quả ngân hàng của SGB.
Bảng 4.39: Điểm hiệu quả ngân hàng của SGB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.0034711 1 1.0070513 1 1.0147595 1.0055442 1 1
Tỷ lệ nợ xấu 0.4220% 0.6911% 1.7813% 1.912% 4.7500% 5% 2.242% 2.081%
Dư nợ 7,363,558 7,916,376 9,722,120 10,455,751 11,182,716 10,860,925 10,669,968 11,232,241
quả 7,389,118 7,916,376 9,790,674 10,455,751 11,347,768 10,921,140 10,669,968 11,232,241
biên hiệu quả 0.1264% - 0.72883% - 1.228% 3.169% - -
tối ưu 0.1268% - 0.734% - 1.2457% 3.1864% - -
thừa (slack) 11,382 0 0 0 0 0 0 0
(slack) 0 0 0 0 0 0 0 0
(slack) 146,904 0 262,452 0 304,971 425,603 0 0
thiếu (slack) 148,491 0 0 0 0 651,644 0 0
Đầu tư thiếu (slack) 2,583,828 0 510,643 0 4,719,822 3,955,259 0 0
(slack) 117,020 0 57,907 0 43,805 133,049 0 0
Ngân hàng TMCP Sài Gòn Thương Tín (STB)
STB là ngân hàng có tổng tài sản lớn và hoạt động hiệu quả ngân hàng liên tục từ
2007 đến 2011. Nhưng năm 2012, 2013, STB thiếu hiệu quả ngân hàng do tác động
của nợ xấu, chi phí nhân viên thừa (lên tới 580 tỷ đồng 2012, 471 tỷ đồng 2013), tài sản
cố định thừa (lên tới 1,968,636 triệu đồng năm 2012, và giảm 1,413,818 triệu đồng
năm 2012), đầu tư thiếu (hơn 11 ngàn tỷ đồng năm 2012), thu ngoài lãi thiếu hơn 700
tỷ đồng.
117

Bảng 4.40: Điểm hiệu quả ngân hàng của STB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1.0115918 1.0073403 1
Tỷ lệ nợ xấu 0.2301% 0.595% 0.6437% 0.53891% 0.5750% 2.0482% 1.45610% 1.189%
Dư nợ 35,378,147 35,008,871 59,657,004 82,484,803 80,539,487 96,334,439 110,565,799 128,015,009
quả 35,378,147 35,008,871 59,657,004 82,484,803 80,539,487 97,451,129 134,173,447 128,015,009
biên hiệu quả - - - - - 1.6191% 1.035% -
Khoảng tỷ lệ nợ xấu 1.6191%- 1.035%-
tối ưu - - - - - 1.6379% 1.25656% -
thừa (slack) 0 0 0 0 0 580,828 471,280 0
(slack) 0 0 0 0 0 - 0 0
(slack) 0 0 0 0 0 1,968,636 1,413,818 0
thiếu (slack) 0 0 0 0 0 - 0 0
Đầu tư thiếu (slack) 0 0 0 0 0 11,809,036 9,620,957 0
(slack) 0 0 0 0 0 704,560 466,995 0
Ngân hàng TMCP Việt Á (VAB)
Bảng 4.41: Điểm hiệu quả ngân hàng của VAB khi có sự ảnh hưởng của đầu ra
không mong muốn là nợ xấu VAB
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.006105 1.002699 1 1.0081219 1.0066152 1 1.0023916 1
Tỷ lệ nợ xấu 0.750% 1.80% 1.31% 2.52% 2.56% 4.65% 2.88100% 2.3260%
Dư nợ 5,764,145 6,632,574 12,041,504 13,290,472 11,578,215 12,890,233 14,388,442 15821970
quả 5,764,145 6,650,460 12,041,504 13,398,417 11,578,215 12,890,233 15,175,320 15821970
hiệu quả 0.08747% 1.47755% - 1.5380% 1.0228% - 2.23910% -
ưu 0.088% 1.4815% - 1.5505% 1.02958% - 2.361% -
(slack) 2,894 0 0 8,436 16,565 0 0 0
Chi phí lãi thừa (slack) 48,130 0 0 0 0 0 0
(slack) 0 0 0 17,833 0 0 0 0
thiếu (slack) 813,591 0 0 4,648,262 2,617,514 0 0 0
Đầu tư thiếu (slack) 2,163,745 1,803,720 0 296,542 2,658,222 0 0 0
(slack) 7,621 0 0 0 0 0 154,737 0
118

Từ năm 2007 đến 2014, hoạt động ngân hàng của ngân hàng TMCP Việt Á
(VAB) không hiệu quả nhiều và kém bền vững. Minh chứng cho điều này thông qua
điểm hiệu quả của VAB. Trong đó, nợ xấu, tiền gởi khách hàng thiếu, đầu tư thiếu
là những nhân tố ảnh hưởng đến điểm hiệu quả ngân hàng. Cụ thể:
- Tỷ lệ nợ xấu nhiều năm của VAB đều dưới 3%, nhưng lại khá cao so với
“khoảng tỷ lệ nợ xấu tối ưu”. Chẳng hạn, năm 2013, tỷ lệ nợ xấu là 2.881%, “khoảng
tỷ lệ nợ xấu tối ưu” là 2.391% - 2.361%. Hay năm 2011, “khoảng tỷ lệ nợ xấu tối ưu”
là 1.0228% - 1.02958%, còn tỷ lệ nợ xấu là 2.56%...
- Tiền gởi khách hàng thiếu có năm lên tới hơn 4.6 ngàn tỷ đồng. Đồng thời, hoạt
động đầu tư của VAB cũng không hiệu quả khi thiếu hụt có năm lên tới 2.6 ngàn tỷ
đồng.
Ngân hàng TMCP Quốc Tế Việt Nam (VIB)
Hai năm 2012 và 2013, ngân hàng TMCP Quốc Tế Việt Nam (VIB) không đạt
biên hiệu quả. Bởi những nguyên nhân:
- Tỷ lệ nợ xấu dưới 3% như 2.82% (2013), 2.62% (2012) và “khoảng tỷ lệ nợ xấu
tối ưu” là 2.549% - 2.5503% (2012), 2.264% - 2.278% (2013). Vì thế, nợ xấu có tác
động tiêu cực đến hiệu quả ngân hàng của VIB, nhưng sự tác động trên không nhiều.
- Chi phí nhân viên thừa, chi phí lãi thừa, tiền gởi khách hàng thiếu, đầu tư thiếu
và thu ngoài lãi thiếu là các đầu vào/đầu ra mà VIB kiểm soát không tốt đã ảnh hưởng
tiêu cực đến hiệu quả ngân hàng.
Nhìn chung, ngân hàng VIB có hiệu quả hoạt động kinh doanh ngân hàng khá
tốt, và có xu hướng ổn định trong hệ thống ngân hàng thương mại Việt Nam.
119

Bảng 4.42: Điểm hiệu quả ngân hàng của VIB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1 1 1 1 1 1.0006712 1.0062264 1
Tỷ lệ nợ xấu 1.245% 1.844% 1.27% 1.59% 2.69% 2.620% 2.820% 2.5100%
Dư nợ 16,744,250 19,774,509 27,352,682 41,257,639 43,497,212 33,887,202 35238517 38178571
quả 16,744,250 19,774,509 27,352,682 41,257,639 43,497,212 33,909,947 35,457,927 38178571
hiệu quả - - - - - 2.549% 2.264% -
ưu - - - - - 2.5503% 2.278% -
(slack) 0 0 0 0 0 296,421 199,124 0
Chi phí lãi thừa (slack) 0 0 0 0 0 809,944 0 0
(slack) 0 0 0 0 0 0 10,810 0
Tiền gởi khách hàng thiếu
(slack) 0 0 0 0 0 15,261,867 4,305,198 0
Đầu tư thiếu (slack) 0 0 0 0 0 5,616,627 0 0
Thu ngoài lãi thiếu (slack) 0 0 0 0 0 191,023 29,223 0
Ngân hàng TMCP Việt Nam Thịnh Vượng (VPB)
Ngân hàng TMCP Việt Nam Thịnh Vượng (VPB) đạt biên hiệu quả sau năm
2013 và có mức tăng trưởng trong tổng tài sản, dư nợ, tiền gởi khách hàng nhanh
chóng và tiệm cận các ngân hàng ở vị trí đầu trong hệ thống ngân hàng thương mại
cổ phẩn.
Năm 2012 trở về trước là những năm kém hiệu quả ngân hàng do các yếu tố
nợ xấu, tiền gởi khách hàng thiếu, thu ngoài lãi thiếu. Những tác động là tiêu cực và
có mức ảnh hưởng khác nhau. Đối với nợ xấu, “khoảng tỷ lệ nợ xấu tối ưu” ở mức
khác nhau nhưng tựu chung là khá thấp so với tỷ lệ nợ xấu thực tế.
120

Bảng 4.43: Điểm hiệu quả ngân hàng của VPB khi có sự ảnh hưởng của đầu ra
Tiêu chí 2007 2008 2009 2010 2011 2012 2013 2014
Điểm hiệu quả 1.0048789 1.0387996 1.0111001 1.0032725 1 1.0049674 1 1
Tỷ lệ nợ xấu 0.50% 3.410% 1.65% 1.20% 1.82% 2.720% 2.81% 2.540%
Dư nợ 13,287,472 12,904,143 15,813,269 25,323,735 29,183,643 36,903,305 52,474,123 78,378,832

quả 13,352,301 13,404,819 15,988,799 25,406,608 29,183,643 40,764,348 52,474,123 78,378,832
hiệu quả 0.270% 1.1083% 0.6355% 0.9913% - 2.0351% - -
ưu 0.2714% 1.1513% 0.6425% 0.9946% - 2.248% - -
(slack) 22,969 0 0 0 0 144,497 0 0
Chi phí lãi thừa (slack) 0 0 0 0 0 2,274,801 0 0
(slack) 77,876 0 0 0 0 0 0 0
thiếu (slack) 216,575 322,980 2,578,717 2,552,375 0 4,571,109 0 0
Đầu tư thiếu (slack) 2,119,539 142,078 3,141,434 0 0 0 0 0
(slack) 124,312 224,750 188,943 0 0 557,866 0 0
Bảng 4.44: Điểm siêu hiệu quả (super – efficiency) của các ngân hàng trong nhóm nghiên cứu
Ngân hàng 2007 2008 2009 2010 2011 2012 2013 2014
Ngân hàng TMCP Á Châu (ACB) 0.691812 0.809536 0.574266 0.680942 0.943117 - - -
Ngân hàng TMCP Bản Việt
(BAN) 0.484785 - 0 0.875594 0.997351 0.997612 - -
Ngân hàng TMCP Phát triển
TPHCM (HDB) 0.922951 - 0.989882 - - 0.818097 0.545595 0.998535
Ngân hàng TMCP Kiên Long
(KLB) - - 0.907206 - 0.975159 - - -
Ngân hàng TMCP Hàng Hải
(MSB) - - - 0.953439 0.576527 0.970335 0.916058 0.590886
Ngân hàng TMCP Nam Á (NAV) - - - - - 0.999551 0.710121 0.996909
Ngân hàng TMCP Xuất Nhập
Khẩu Việt Nam (EIB) 0.866021 - 0.93475 0.733418 0.984608 0.993641 - -
Ngân hàng TMCP Đông Nam Á
(SEA) 0.46015 0.999336 0.876818 0.812177 - - - -
Ngân hàng TMCP Sài Gòn - Công
Thương (SGB) - - - 0.429074 - - 0.809121 0.887491
Ngân hàng TMCP Việt Á (VAB) - - 0.907598 - - 0.903929 - 0.835598
Ngân hàng TMCP Quốc tế Việt
Nam (VIB) 0.876764 0.982518 0.901681 0.681415 0.778839 - - 0.713206
Ngân hàng TMCP Việt Nam
Thịnh Vượng - - - - 0.99752 - 0.63558 0.647356
Ngân hàng TMCP Sài gòn - Hà
Nội (SHB) 0.653488 0.872212 - - 0.96993 0.92813 0.900413 0.713742
Ngân hàng TMCP Sài Gòn
Thương Tín 0.798686 0.964118 0.982147 0.974027 0.976416 - - 0.988171
121

Điểm siêu hiệu quả (super – efficiency) được dùng để so sánh các ngân hàng
trên biên hiệu quả từng năm. Theo đó, điểm siêu hiệu quả cao hơn thì hiệu quả ngân
hàng tốt hơn.
Dấu “-“ biểu hiện cho năm mà ngân hàng không đạt được hiệu quả. Điểm siêu
hiệu quả chỉ được tính để so sánh giữa các ngân hàng đạt biên hiệu quả trong năm
nghiên cứu. Vì vậy, điểm siêu hiệu quả cao hơn thì ngân hàng đạt hiệu quả tốt hơn.
4.3. KẾT QUẢ NGHIÊN CỨU VỀ MỨC ĐỘ ẢNH HƯỞNG CỦA NỢ XẤU
ĐẾN HIỆU QUẢ NGÂN HÀNG TẠI HỆ THỐNG NGÂN HÀNG THƯƠNG
MẠI VIỆT NAM
4.3.1. Tổng hợp kết quả nghiên cứu về hiệu quả ngân hàng
Bảng 4.45: Tổng hợp điểm hiệu quả chi phí của ngân hàng
No. DMU 2007 2008 2009 2010 2011 2012 2013 2014
1 NHTMCP An Bình (ABB) 0.7636 0.8577 0.9247 1.0000 0.0494 1.0000 0.1682 0.4206
2 NHTMCP Á Châu (ACB) 1.0000 1.0000 1.0000 1.0000 0.6489 0.4819 0.6764 0.6948
3 NHNN&PTNT Agribank (AGR) 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
4 NHTMCP Bản Việt (BAN) 1.0000 0.4675 1.0000 1.0000 0.3802 0.4671 0.3133 0.7039
5 NHTMCP Ðầu Tư và Phát Triển Việt Nam (BID) 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
6 NHTMCP Bảo Việt (BVB) - - 1.0000 1.0000 0.2167 1.0000 1.0000 -
7 NHTMCP Công Thương Việt Nam (CTG) 1.0000 0.4734 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
8 NHTMCP Đại Á (DAI) - 0.4446 1.0000 1.0000 0.1838 0.4694 - -
9 NHTMCP Ðông Á (EAB) 1.0000 1.0000 0.9790 1.0000 0.0285 1.0000 0.7739 0.8834
10 NHTMCP Xuất Nhập KhẩuViệtNam (EIB) 1.0000 1.0000 1.0000 1.0000 0.6690 0.4422 0.7474 1.0000
11 NHTMCP Dầu Khí Toàn Cầu (GPBank) - 1.0000 0.5384 1.0000 - - -
12 NHTMCP Nhà Hà Nội (HAB) 0.1802 0.7962 0.3705 0.9070 0.0304 - - -
13 NHTMCP Phát Triển Nhà Việt Nam(HDB) 1.0000 0.7987 0.6933 0.5804 0.0396 1.0000 1.0000 0.5850
14 NHTMCP Kiên Long(KLB) 0.7816 0.5447 1.0000 0.7333 0.1763 0.5368 0.1994 1.0000
15 NHTMCP Bưu Điện Liên Việt (LVB) - 1.0000 1.0000 1.0000 1.0000 1.0000 0.7392 1.0000
16 NHTMCP Quân Ðội(MBB) 0.9497 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
17 NHTMCP Phát triển Mê kông (MDB) 1.0000 0.6312 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
NHTMCP PT Nhà Ðồnng Bằng Sông Cửu Long
18 (MHB) 1.0000 0.5437 0.3730 0.4922 0.0199 0.5804 - -
19 NHTMCP Hàng Hải (MSB) 0.5584 0.9138 0.8174 1.0000 0.7850 0.5238 0.5474 0.3584
20 NHTMCP Nam Á (NAB) 0.2716 0.6320 0.4691 0.7772 0.1940 0.4441 0.7606 0.3640
21 NHTMCP Quốc Dân (NAV) 1.0000 1.0000 0.4497 0.6180 0.1198 0.5359 0.2859 0.4092
22 NHTMCP Bắc Á (NSB) - - - - 0.0394 0.6111 0.1205 0.5371
23 NHTMCP Phương Ðông (OCB) 0.6770 1.0000 0.6948 0.8858 0.0814 1.0000 0.3129 0.8926
122

24 NHTMCP Ðại Dương (OEB) 1.0000 1.0000 1.0000 1.0000 0.0312 0.8580 0.2759 1.0000
25 NHTMCP Xang Dầu Petrolimex (PGB) 1.0000 0.1901 0.7245 1.0000 0.1373 1.0000 0.5639 1.0000
26 NHTMCP Phuơng Nam (PNB) 0.6912 0.7338 0.5558 1.0000 0.0115 0.3254 0.3179 -
27 NHTMCP Sài Gòn (SCB) 0.8028 0.7444 0.3965 1.0000 1.0000 0.4180 0.3182 0.2908
28 NHTMCP Ðông Nam Á (SEA) 0.5853 0.3326 0.8397 1.0000 0.0303 0.2143 0.3698 0.3433
29 NHTMCP Sài Gòn Công Thuơng (SGB) 0.7850 1.0000 0.5186 1.0000 0.1409 0.8602 1.0000 0.8736
30 NHTMCP Sài Gòn-Hà Nội (SHB) 1.0000 1.0000 1.0000 1.0000 0.1345 0.9575 0.8487 0.8592
31 NHTMCP Sài Gòn Thương Tín (STB) 1.0000 0.6164 0.8914 0.9935 0.6871 0.8563 0.8325 0.8484
32 NHTMCP Kỹ Thương Việt Nam (TCB) 1.0000 1.0000 1.0000 1.0000 1.0000 0.8610 1.0000 0.7632
33 NHTMCP Việt Nam Tín Nghĩa (TNB) 0.8756 0.7221 0.6594 0.7729 - - - -
34 NHTMCP Tiên Phong (TPB) - 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
35 NHTMCP Xây Dựng Việt Nam (TRU) 1.0000 1.0000 1.0000 0.8286 0.0500 - - -
36 NHTMCP Việt Á (VAB) 0.6656 0.8769 1.0000 1.0000 0.0911 1.0000 0.3357 0.7485
37 NHTMCP Ngoại Thương Việt Nam (VCB) 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
38 NHTMCP Quốc Tế Việt Nam (VIB) 1.0000 0.6243 0.6322 0.8428 0.5704 0.7021 1.0000 1.0000
39 NHTMCP Việt Nam Thịnh Vuợng (VPB) 0.9491 0.8349 0.6736 0.9409 0.6882 0.6454 0.6966 0.6544
40 NHTMCP Ðại Chúng (WTB)/ngân hàng Miền Tây 1.0000 1.0000 1.0000 0.8196 0.1675 0.7062 1.0000 1.0000
Nguồn: Kết quả phân tích từ phần mềm DEA_Solver_LV8

Điểm hiệu quả chi phí được đo lường theo phương pháp bao dữ liệu DEA (mô
hình DEA phân bổ). Điểm hiệu quả này thể hiện kết quả chạy từ [0;1], nếu ngân
hàng đạt biên hiệu quả thì có điểm số là 1, còn dưới 1 là kém hiệu quả.
Kết quả thống kê điểm hiệu quả chi phí, các ngân hàng thương mại Việt Nam
có điểm hiệu quả trung bình cao nhất vào năm 2009, 2010. Sau 2010, hệ thống ngân
hàng hoạt động kém hiệu quả với điểm hiệu quả khá thấp, cụ thể năm 2011 chỉ đạt
0.43, 2013 là 0.68. Đây cũng là thời kỳ tái cơ cấu toàn diện hệ thống ngân hàng với
những biểu hiện bất ổn tài chính của hệ thống.
123

Bảng 4.46: Thống kê mô tả điểm hiệu quả chi phí (cost efficiency)
No. 2007 2008 2009 2010 2011 2012 2013 2014

Average 0.868718685 0.809972705 0.825682818 0.928008725 0.431644175 0.763809835 0.682477696 0.788485691
SD 0.210368873 0.225909165 0.2203263 0.130269396 0.400537382 0.248511069 0.311926822 0.243198015
Maximum 1 1 1 1 1 1 1 1
Minimum 0.180156185 0.190125105 0.370494008 0.492248312 0.011470606 0.214288037 0.120454098 0.29083528
Số lượng DMUs
hiệu quả 20 18 20 26 10 15 13 14
Số lượng DMUs
không hiệu quả 14 20 19 13 28 21 21 18
Nguồn: Kết quả phân tích từ phần mềm DEA_Solver_LV8

4.3.2. Kết quả nghiên cứu về mức độ ảnh hưởng của nợ xấu đến hiệu quả chi
phí qua mô hình dữ liệu bảng động với phương pháp S – GMM hai bước
Bảng 4.47: Thống kê mô tả các biến trong ước lượng S – GMM hai bước và mô
hình PVAR
Các biến Giá trị trung bình Độ lệch chuẩn Giá trị thấp nhất Giá trị cao nhất
!" 0.76039 0.30058 0.01147 1
#$%& 0.02845 0.04518 0 0.5531
'!" -0.4507283 0.7797204 -4.467968 0
'#$%& -4.216763 2.450788 -23.02585 -0.5922165
Ghi chú: lCE, lNPLR là logarit của CE, NPLR

Nguồn: Kết quả tổng hợp từ phân mềm Stata 13
Kết quả phân tích ước lượng dữ liệu bảng động với phương pháp S – GMM
hai bước được thể hiện ở bảng 4.48 và 4.49 với câu lệnh xtabond2 được giới thiệu
bởi Roodmand. Tính hợp lệ của hai mô hình và của các biến công cụ được thể hiện
ở số biến công cụ là 33 nhỏ hơn số nhóm quan sát là 38.
Ngoài ra, kiểm định Sargan hoặc Hansen sẽ cho thấy tính hiệu lực của mô
hình. Đối với cả hai mô hình (1) và (2), kiểm định Hansen cho thấy giá trị p>0.1,
124

nghĩa là giả thuyết ban đầu bác bỏ và mô hình có tính hiệu lực; còn kiểm định
AR(2) cũng cho kết quả p>0.1, nên giả thuyết ban đầu về việc không tồn tại mối
tương quan chuỗi 2 bậc bị loại bỏ. Do đó, tất cả các kết quả trong S – GMM cho mô
hình (1) và (2) đều có ý nghĩa.
Bảng 4.48: Kết quả ước lượng bằng phương pháp S – GMM hai bước lCE
Mô hình (1)4
'!"
'!"()* -0.2827763***
'#$%&( -0.5033986***
'#$%&()* 0.1616791***
'#$%&()+ -0.0701159**
Số lượng các quan sát 205
Số lượng nhóm quan sát 38
Số lượng các công cụ 27
Kiểm định F 5.44***
AR(1) -3.2***
AR(2) -0.19
Kiểm định Hansen 34.01
Difference-in-Hansen 13.43
Ghi chú: *** p<0.01, ** p<0.05, *p<0.1
Nguồn: Kết quả tổng hợp từ phần mềm Stata 13
Kết quả ở bảng 4.48 và giải thích cho mô hình (1) nhằm phân tích mức độ ảnh
hưởng của nợ xấu đến hiệu quả ngân hàng (hiệu quả ngân hàng được đo lường qua
hiệu quả chi phí), cụ thể như sau:
- Tỷ lệ nợ xấu của năm hiện tại t tác động tiêu cực và có ý nghĩa thống kê lên
hiệu quả chi phí. Lúc này, tỷ lệ nợ xấu ở thời điểm cuối năm t tăng 1 phần trăm thì
hiệu quả chi phí giảm 0.5034 phần trăm. Điều này có thể giải thích bởi lý thuyết
“kém may mắn” (bad luck), nợ xấu gia tăng là do ảnh hưởng bởi các yếu tố kinh tế
4
,-. là biến phụ thuộc (mô hình 1)
125

vĩ mô như: lạm phát, tăng trưởng kinh tế, giảm lãi suất, tăng cung tiền..., và làm các
ngân hàng phải gia tăng chi phí liên quan danh mục tín dụng và các khoản nợ quá
hạn.
- Tỷ lệ nợ xấu ở bậc trễ 1 có tác động tích cực làm gia tăng hiệu quả chi phí và
có ý nghĩa thống kê. Như vậy, nợ xấu năm liền kề trước tăng 1 phần trăm thì hiệu
quả chi phí tăng 0.16 phần trăm.
- Tuy nhiên, ở bậc trễ 2 của tỷ lệ nợ xấu thì tác động tiêu cực lại đến hiệu quả
chi phí và có mức ý nghĩa thống kê.
Đối với mô hình (2), sự ảnh hưởng ngược lại của hiệu quả chi phí đến tỷ lệ nợ
xấu, nhằm đánh giá toàn diện quan hệ tuyến tính giữa nợ xấu và hiệu quả chi phí.
Cụ thể:
Bảng 4.49: Kết quả ước lượng bằng phương pháp S – GMM hai bước cho lNPLR
Mô hình (2)5
'#$%&
'#$%&()* 0.175014***
'!"( -0.1441335**
'!"()* -0.3102955***
'!"()+ -0.2087932***
Số lượng các quan sát 205
Số lượng nhóm quan sát 38
Số lượng các công cụ 33
Kiểm định F 12.68***
AR(1) -2.21***
AR(2) -1
Kiểm định Hansen 32.22
Difference-in-Hansen 14.91
Ghi chú: *** p<0.01, ** p<0.05, *p<0.1
Nguồn: Kết quả tổng hợp từ phần mềm Stata 13
5
,/012 là biến phụ thuộc (mô hình 2)
126

- Bậc trễ 1 của tỷ lệ nợ xấu tác động tích cực đến tỷ lệ nợ xấu năm quan sát và
có ý nghĩa thống kê. Nghĩa là, bậc trễ 1 của tỷ lệ nợ xấu tăng 1 phần trăm thì tỷ lệ
nợ xấu năm quan sát tăng 0.175 phần trăm.
- Hiệu quả chi phí năm t và hai bậc trễ (1,2) đều tác động tiêu cực đến tỷ lệ nợ
xấu. Điều này thể hiện, hiệu quả chi phí thấp làm ảnh hưởng tích cực làm tăng tỷ lệ
nợ xấu và kết quả có thể hỗ trợ cho giả thuyết “quản lý kém” (bad management) –
hiệu quả chi phí thấp là tín hiệu của hoạt động quản trị kinh doanh yếu kém gây ra
nợ xấu tăng cao.
4.3.3. Kết quả nghiên cứu về quan hệ nhân quả giữa nợ xấu và hiệu quả chi
phí bằng mô hình ước lượng PVAR
Bảng 4.50 thể hiện kết quả lựa chọn độ trễ tối ưu cho ước lượng bằng mô hình
PVAR và phân tích nhân quả Granger (bằng câu lệnh pvarsoc). Theo Andrews &
Lu (2011), mô hình ước lượng PVAR với độ trễ 2 được lựa chọn bởi thỏa mãn các
giá trị nhỏ nhất của MBIC, MAIC, MQIC, và CD của độ trễ 2 là lớn nhất. Đồng
thời, độ trễ bậc 2 còn có thể dùng để thực hiện cho ước lượng S – GMM cho mô
hình dữ liệu bảng động ở trên.
Bảng 4.50: Xác định độ trễ tối ưu cho mô hình PVAR
Độ trễ CD J J pvalue MBIC MAIC MQIC
1 0.970754 23.18857 0.0031304 -15.68993 7.188569 -2.107428
2 0.975581 3.594773 0.463615 -15.84448 -4.405227 -9.053226
3 -6.194603 - - - -
Nguồn: Kết quả phân tích từ phần mềm Stata 13

Đối với PVAR, điều kiện cần để thực hiện phân tích các giá trị thu được từ mô
hình thì cần phải kiểm định tính dừng của các biến trong mô hình. Vì luận án sử
dụng dữ liệu bảng không cân bằng nên kiểm định nghiệm đơn vị (unit root test)
Fisher (Fisher – type test) là phù hợp với giả thuyết 34 là toàn bộ dữ liệu bảng
không dừng. Kết quả của kiểm định ADF thường rất nhạy cảm với sự lựa chọn bậc
trễ nên tiêu chuẩn bậc trễ tối ưu được lấy ở kết quả bảng 4.50. Qua kết quả ở bảng
127

4.51 cho thấy bốn kiểm định đều cho giá trị p –value với mức ý nghĩa dưới 5% nên
không chấp nhận giả thuyết 34 , nghĩa là lCE và lNPLR trong dữ liệu bảng không
cân bằng đều có tính dừng.
Bảng 4.51: Kết quả kiểm định nghiệm đơn vị cho lCE và lNPLR
lCE Giá trị thống kê P - value
P (Inverse chi-squared) 85.6086 0.0040
Z (Inverse normal) -4.1438 0.0000
L* (Inverse logit t) -3.8173 0.0001
Pm (Modified inv. chi-squared) 3.0415 0.0012
lNPLR Giá trị thống kê P - value
P (Inverse chi-squared) 113.5457 0.0000
Z (Inverse normal) -5.5173 0.0000
L* (Inverse logit t) -5.3728 0.0000
Pm (Modified inv. chi-squared) 5.7298 0.0000
Bên cạnh đó, một điều kiện quan trọng là kiểm định tính ổn định của mô hình
PVAR. Câu lệnh pvarstable trong stata sẽ cho kết quả trị tuyệt đối của nghịch đảo
nghiệm đặc trưng nằm trong vòng tròn đơn vị thì kết luận mô hình có tính ổn định.
Bảng 4.52: Kết quả kiểm định tính ổn định của mô hình
Trị riêng (Eligenvalue) Mô đun
Số thực tế (Real) Số ảo (Imaginary)
0.2263488 0.6663392 0.7037341
0.2263488 -0.6663392 0.7037341
-0.5577298 0 0.5577298
0.0091222 0 0.0091222
Nguồn: Kết quả nghiên cứu từ phần mềm Stata 13
128

Hình 4.1: Vòng tròn đơn vị về tính ổn định của mô hình
Roots of the companion matrix
1
.5
Imaginary
0-.5
-1
-1 -.5 0 .5 1
Real

Sau khi kiểm định tính dừng và tính ổn định của mô hình thì thực hiện ước
lượng cho mô hình PVAR và kiểm định nhân quả Granger. Kết quả ước lượng theo
mô hình tự hồi quy véc-tơ dữ liệu bảng được thể hiện ở bảng 4.53 với câu lệnh pvar.
Kết quả ước lượng bằng mô hình PVAR không được dùng để đánh giá mối
quan hệ tương quan, mà thể hiện mối quan hệ nhân quả. Kết quả ở bảng 4.53 có thể
cho kết luận giữa nợ xấu và hiệu quả chi phí có quan hệ nhân quả Granger hai chiều.
Bảng 4.53: Kết quả ước lượng bằng mô hình PVAR
'!" '#$%&
,-.5)6 -0.4407958 *** -0.1825516***
,-.5)7 0.0428415 -0.1390112**
,/0125)6 0.9421948*** 0.3448857***
,/0125)7 0.0634415 .3448857***
Ghi chú: *** p<0.01, ** p<0.05, *p<0.1
Mặc dù quan hệ nhân quả Granger cho mô hình PVAR với độ trễ là 2 có thể
suy luận từ kết quả của ước lượng PVAR ở trên. Nhưng kết quả kiểm định khi sử
129

dụng câu lệnh pvargranger sẽ cho kết quả rõ ràng hơn. Với bảng 4.54, kết quả quan
hệ nhân quả như sau: giả thuyết ,/012 không Granger với ,-. thì bác bỏ với độ tin
cậy 99%; và giả thuyết ,-. không Granger ,/012 cũng bác bỏ với độ tin cậy 95%.
Như vậy, thay đổi của tỷ lệ nợ xấu là nguyên nhân gây ra sự thay đổi của hiệu quả
chi phí – kết quả này hỗ trợ cho giả thuyết H1 “kém may mắn” (bad luck); và sự
thay đổi của hiệu quả chi phí cũng là nguyên nhân gây ra sự thay đổi của tỷ lệ nợ
xấu – kết quả hỗ trợ cho giả thuyết H2 “quản lý kém” (bad management).
Bảng 4.54: Kết quả phân tích quan hệ nhân quả Granger
'!" Chi2 Prob>Chi2
,/012 22.058 0.000
ALL 22.058 0.000
'#$%& Chi2 Prob>Chi2

,-. 8.968 0.011
ALL 8.968 0.011
Bên cạnh đó, ước lượng qua mô hình PVAR còn cung cấp nhiều kết quả hơn
thế, khi mà còn có thể phân tích được hàm phản ứng đẩy IRFs cùng với ma trận
phân rã phương sai (FEVDs).
Đối với hàm phản ứng đẩy IRFs, một cú sốc lên tỷ lệ nợ xấu thì làm hiệu quả
chi phí gia tăng ở giai đoạn đầu tiên nhưng lập tức sụt giảm nhanh chóng và kéo dài
cho các giai đoạn tiếp theo cho đến giai đoạn thứ 5 thì không còn ảnh hưởng (ở góc
phải bên trên của Hình 4.2).
Trong khi, một cú sốc làm đến hiệu quả chi phí (CE) sẽ làm tỷ lệ nợ xấu
(NPLR) phản ứng giảm ngay ở giai đoạn hiện tại và giai đoạn thứ 2 (ở góc trái bên
dưới Hình 4.2).
130

Hình 4.2: Kết quả phân tích hàm phản ứng đẩy IRFs
lNPLR : lNPLR lNPLR : lCE
.4 .6
.4
.2
.2
0
0
-.2 -.2
lCE : lNPLR lCE : lCE

.1 .5
0
0
-.1
-.2 -.5
0 5 10 0 5 10
step
95% CI Orthogonalized IRF
impulse : response

Bảng 4.55: Kết quả phân tích ma trận phân rã phương sai FEVDs
Response variable Impulse variable
l-. ,/012
,-.
0 0 0
1 1 0
2 0.7355772 0.2644227
3 0.7360945 0.2639056
4 0.7318006 0.2681994
5 0.7226767 0.2773233
6 0.7212421 0.2787579
7 0.7189896 0.2810104
8 0.7190146 0.2809853
9 0.7184545 0.2815455
131

10 0.7182507 0.2817493
/012
0 0 0
1 0.0209996 0.9790004
2 0.0589105 0.9410895
3 0.0905878 0.9094122
4 0.0846742 0.9153258
5 0.0925493 0.9074507
6 0.0919448 0.9080552
7 0.0926895 0.9073105
8 0.0933485 0.9066515
9 0.09315 0.90685
10 0.0933949 0.9066051

Kết quả ở bảng 4.55 phân tích phân rã phương sai của hiệu quả chi phí CE và
tỷ lệ nợ xấu NPL thể hiện như sau:
- Sự thay đổi của hiệu quả chi phí được giải thích bởi tỷ lệ nợ xấu gần 27%
cho các giai đoạn đầu và hơn 28% cho các giai đoạn tiếp theo. Sự ảnh hưởng
của nợ xấu đến hiệu quả chi phí có mức giải thích khá lớn trong các giai
đoạn tiếp theo.
- Ở chiều ngược lại, sự thay đổi của tỷ lệ nợ xấu NPLR được giải thích bởi
hiệu quả chi phí chỉ hơn 9%.
132

Chương 4 tiến hành phân tích kết quả của dữ liệu thu thập thông qua ba mô
hình để xem xét mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng. Cụ thể: (i)
mô hình DEA với đầu ra không mong muốn là nợ xấu; (ii) ước lượng S – GMM hai
bước cho mô hình dữ liệu bảng động để xem xét mức độ tác động giữa nợ xấu đến
hiệu quả chi phí, và ngược lại; (iii) đánh giá mối quan hệ nhân quả giữa nợ xấu và
hiệu quả chi phí thông qua ước lượng cho mô hình PVAR và phân tích nhân quả
Granger.
Kết quả nghiên cứu khi đo lường điểm hiệu quả ngân hàng DEA với nợ xấu là
đầu ra không mong muốn cho thấy: điểm không hiệu quả ngân hàng là do có sự ảnh
hưởng lớn bởi đầu ra không mong muốn là nợ xấu. Điều này biểu hiện qua khoảng
cách giữa tỷ lệ nợ xấu thực tế và tỷ lệ nợ xấu để đạt biên hiệu quả.
Kết quả ước lượng S – GMM hai bước cho mô hình dữ liệu bảng động thể
hiện: tỷ lệ nợ xấu năm quan sát và bậc trễ 2 của tỷ lệ nợ xấu có tác động tiêu cực
đến hiệu quả chi phí lần lượt là - 0.5034, - 0.07012. Còn bậc trễ 1 của tỷ lệ nợ xấu
có tác động tích cực lên hiệu quả chi phí là 0.16; ở chiều ngược lại, hiệu quả chi phí
và các bậc trễ 1, 2 đều có tác động tiêu cực làm gia tăng tỷ lệ nợ xấu lần lượt là -
0.14413, - 0.31029, - 0.2088.
Đối với kết quả ước lượng cho mô hình PVAR và kỹ thuật phân tích nhân quả
Granger cho những bằng chứng thực nghiệm về: sự thay đổi của tỷ lệ nợ xấu là
nguyên nhân làm thay đổi hiệu quả chi phí, và sự thay đổi của hiệu quả chi phí cũng
là nguyên nhân cho sự thay đổi của tỷ lệ nợ xấu (quan hệ nhân quả Granger 2
chiều); và các dự đoán cho sự thay đổi của tỷ lệ nợ xấu và hiệu quả chi phí.
133

CHƯƠNG 5. KẾT LUẬN, GIẢI PHÁP VÀ KIẾN NGHỊ
Mục đích của chương 5 là đưa ra kết luận từ kết quả nghiên cứu ở chương 4, và
đề xuất những giải pháp cũng như kiến nghị liên quan. Cụ thể những kết luận như
sau: (i) Các kết luận về đo lường điểm hiệu quả thông qua mô hình DEA với đầu ra
không mong muốn là nợ xấu. Để từ đó có đánh giá sơ bộ mối tương quan giữa điểm
số hiệu quả và nợ xấu của từng ngân hàng thương mại; (ii) kết luận về đo lường hiệu
quả chi phí của hệ thống ngân hàng thương mại; (iii) kết luận về mức độ ảnh hưởng
của nợ xấu đến hiệu quả chi phí; (iv) kết luận sự ảnh hưởng ngược lại của hiệu quả
chi phí đến nợ xấu ngân hàng.
Những kết luận sẽ là cơ sở để đề xuất các giải pháp, bao gồm: (i) Nhóm giải pháp
nâng cao hiệu quả ngân hàng của hệ thống ngân hàng thương mại Việt Nam; (ii) nhóm
giải pháp tổng thể nhằm quản trị nợ xấu và giảm trừ sự tác động của nợ xấu đến hiệu
quả chi phí; (iii) nhóm giải pháp cụ thể loại trừ các hoạt động làm “quản lý kém” (bad
management) và gia tăng hỗ trợ của các chính sách kinh tế vĩ mô.
Bên cạnh đó, luận án còn đưa ra các kiến nghị gồm: (i) Kiến nghị các ngân hàng
thương mại hướng đến mảng kinh doanh ngân hàng bán lẻ như một chiến lược dài
hạn nhằm nâng cao hiệu quả ngân hàng và giảm trừ sự tác động của nợ xấu; (ii) kiến
nghị các ngân hàng thương mại xây dựng mô hình quản trị ngân hàng hiện đại nhằm
hướng đến biên hiệu quả ngân hàng; (iii) kiến nghị các ngân hàng thương mại áp
dụng phương pháp quản lý nợ xấu chủ động; (iv) kiến nghị ngân hàng nhà nước xây
dựng hệ thống đo lường hiệu quả ngân hàng; (v) nhóm kiến nghị cơ quan hoạch định
chính sách nhằm hỗ trợ ổn định hệ thống tài chính và thúc đẩy xử lý triệt để nợ xấu…
5.1. KẾT LUẬN
5.1.1. Các kết luận về hiệu quả ngân hàng khi đo lường thông qua mô hình
DEA với đầu ra không mong muốn là nợ xấu.
Với mô hình đo lường hiệu quả ngân hàng có đầu ra không mong muốn
(undesirable output DEA model) thì kết quả phân tích đã cho thấy nợ xấu ảnh
hưởng tiêu cực lên hiệu quả ngân hàng thông qua điểm số hiệu quả. Nhiều ngân
hàng trong dữ liệu kém hiệu quả ngân hàng do tác động của nợ xấu mà dẫn đến kết
134

quả mua bán sáp nhập trong thực tế. Vì vậy, có thể nhận định nợ xấu là nhân tố ảnh
hưởng tiêu cực đến hiệu quả ngân hàng của các ngân hàng thương mại Việt Nam.
Ngoài ra, kết quả trên cũng phác thảo được nhiều ngân hàng có tỷ lệ nợ xấu
khá cao (như AGR – năm 2011 tỷ lệ nợ xấu lên tới 7.5%, BID – năm 2008 tỷ lệ nợ
xấu là 4.02%...) nhưng vẫn đạt biên hiệu quả nhờ sự tối ưu hóa các đầu vào thừa,
đầu ra thiếu. Đồng thời, có những ngân hàng tỷ lệ nợ xấu khá thấp (như DAI – tỷ lệ
nợ xấu 2010 là 1%, EAB – năm 2011 tỷ lệ nợ xấu 1.599%...) nhưng vẫn là nhân tố
tác động tiêu cực đến hiệu quả ngân hàng. Vì vậy, không nên có một con số định
tính cụ thể về tỷ lệ nợ xấu để áp dụng cho toàn hệ thống ngân hàng, mà cần xây
dựng khoảng tỷ lệ nợ xấu tối ưu trên cơ sở đo lường với dữ liệu đầy đủ các ngân
hàng theo năm.
Với bảng 5.1, tổng hợp khoảng tỷ lệ nợ xấu tối ưu cho những ngân hàng trong
năm nghiên cứu. Khoảng tỷ lệ này thể hiện cho các ngân hàng không đạt biên hiệu
quả và có sự ảnh hưởng do đầu ra không mong muốn là nợ xấu. Từ khoảng tỷ lệ nợ
xấu tối ưu của từng ngân hàng, luận án tổng hợp được tỷ lệ nợ xấu tối ưu cả hệ
thống ngân hàng là 1.40945% - 1.56126% (Bảng 5.2) cho năm 2007 đến 2014.
Như vậy, mô hình DEA với nợ xấu là đầu ra không mong muốn sẽ cho biết cụ
thể khoảng tỷ lệ nợ xấu tối ưu cho từng ngân hàng và toàn bộ hệ thống ngân hàng
trong năm nghiên cứu. Đồng thời, nếu ước lượng được sự tác động của hiệu quả
ngân hàng đến nợ xấu thì có thể dự đoán được khoảng tỷ lệ nợ xấu cho các năm tiếp
theo của hệ thống ngân hàng.
135

Bảng 5.1: Khoảng tỷ lệ nợ xấu tối ưu được trích xuất từ đo lường hiệu quả DEA với đầu ra không mong muốn là nợ xấu
Khoảng
tỷ lệ nợ
xấu tối
ưu 2007 2008 2009 2010 2011 2012 2013 2014
ABB 0.1961% - 0.254% 0.85% - 0.853% 1.083% - 1.1014% 0.6857% - 0.6917% 0.8782% - 0.8907% 1.870% - 1.933% 1.3726% - 2.1226% 1.5134% - 1.7422%
ACB - - - - - 1.6303% - 1.6717% 1.5572% - 1.6766% 1.3573%-1.3985%
AGR - - - - - - - -
BAN - 0% - - - - 2.2015% - 2.6296% 1.6498%-1.6642%
BID - - - - - - - -
BVB - - - - -
CTG - - - - - - - -
EAB - - - 1.4326% - 1.4383% - 3.4118% - 3.4381% 1.8677% - 1.937% 1.751% - 1.8212%

EIB - 3.2266% - 3.4352% - - - - 1.4195%-1.4409% 1.4126%-1.4537%
DAI 0.4659%-0.466% - 0.5615%-0.5624% - 2.174%-2.1864%
GBP - - -
HAB 0.18949%-0.1961% 0.833%-0.856% 0.9234%-0.9475% 1.9284%-2.1121% 3.2448%-3.3642%
HDB - 0.757%-0.764% - 0.19558%-0.1965% 1.4093%-1.4144% - - -

KLB 0.10561%-0.13268% 0.94%-0.9416% - 0.1794%-0.1801% - 2.368%-2.3716% 1.9172%-1.9212% -
LVP - - - - 1.977% - 2.316% - -
MBB - - - - - - - -
MDB - - - - - - - -
MHB 2.342% - 3.114% - 0.84%-0.8544% 0.2737%-0.2801% 0.74133%-0.7524% 1.5244%-1.5399%
MSB 0.21885%-0.28502% - 0.9425%-0.9598% - - - - -
136

NAB 0.0822%-0.0828% 1.1118%-1.11194% 0.7381%-0.7405% 0.0122%-0.01255 1.9766% - 1.9805% - - -

NAV - 1.013%-1.027% 1.675%-1.6841% 0.4214%-0.4265% - 2.5741%-2.6026% 1.961%-2.148% 1.321% - 1.5466%
NSB - - - -
OCB 0.11745%-0.11943% 1.828%-1.8488% 0.7429%-0.753% 0.8573%-0.86468% 0.8573%-0.8668% 1.90911%-1.914% 1.4165%-1.44028% 1.31%-1.331%

OEB - - - - - - - 2.357%-3.8970%
PGB - 0.7563%-0.7578% - - 1.2328%-1.2374% 3.011%-3.753% 1.958%-1.966% -
PNB 0.0868%-0.121% 0.4815%-0.4922% - - - 7.271%-10.475% 3.026%-4.937%
SCB - - - - - - - -
SEA - - - - 2.6431%-2.6452% 2.0712%-2.392% 2.1676%-2.2283% 1.276%-1.4303%

SGB 0.1264%-0.1268% - 0.72883%-0.734% - 1.228%-1.2457% 3.169%-3.1864% - -
SHB - - 1.55906%-1.57613% 1.3666%-1.3672% - - - -
STB - - - - - 1.6191%-1.6379% 1.035%-1.25656% -
TCB 0.6719% - 0.7287% - - - - - - -
TPB - - - - - - -
TNB 0.086%-0.0876% - - -
CB - - - 0.4314%-0.4362% 0.9394%-0.9424%
VAB 0.08747%-0.088% 1.47755%-1.4815% - 1.538%-1.5505% 1.0228%-1.02958% - 2.2391%-2.361% -
VCB - - - - - - - -
VIB - - - - - 2.549%-2.5503% 2.264%-2.278% -
VPB 0.27%-0.2714% 1.1083%-1.1513% 0.6355%-0.6425% 0.9913%-0.9946% - 2.0351%-2.248% - -
PVCom
bank - - - 0.1197%-0.1543% - 3.69229%-5.08178% - -
Ghi chú: Dữ liệu trong ô tô vàng là do chưa thành lập hoặc được sáp nhập; “-“ ngân hàng đã đạt biên hiệu quả D
137

Bảng 5.2: Khoảng tỷ lệ nợ xấu tối ưu của toàn hệ thống ngân hàng thời gian nghiên cứu
Giá trị trung bình Độ lệch chuẩn Min Max
Giá trị thấp nhất của khoảng tỷ lệ 1.40945% .0104503 0 7.271%

nợ xấu
Giá trị cao nhất của khoảng tỷ lệ 1.56126% .0137055 0 10.475%
nợ xấu

Bên cạnh đó, kết quả nghiên cứu cho thấy sự phân nhóm hiệu quả ngân hàng
rõ rệt như sau:
- Nhóm thứ nhất là bốn ngân hàng thương mại nhà nước (BID, AGR, VCB,
CTG) đạt biên hiệu quả liên tục với quy mô tài sản lớn và định hướng cho sự phát
triển của hệ thống ngân hàng thương mại Việt Nam. Tuy nhiên, nợ xấu là một yếu
tố ảnh hưởng tiêu cực đến hiệu quả ngân hàng, nên bốn ngân hàng (đặc biệt là
AGR) cần chú trọng đến quản trị rủi ro chủ động và kịp thời xử lý những khoản nợ
xấu phát sinh. Còn với điểm siêu hiệu quả (super – efficiency), hai trong bốn ngân
hàng là AGR, VCB cần cải thiện hơn nữa các đầu ra và tối thiểu đầu vào nhằm
hướng đến hiệu quả ngân hàng hơn nữa trong thời gian tới. Tác giả gọi nhóm thứ
nhất là nhóm ngân hàng định hướng.
- Nhóm thứ hai các ngân hàng thương mại cổ phần đạt biên hiệu quả liên tục
và là động lực phát triển cho hệ thống ngân hàng thương mại Việt Nam. Bao gồm
các ngân hàng như ngân hàng TMCP Quân Đội (MBB), ngân hàng TMCP Kỹ
Thương (TCB), ngân hàng Bưu Điện Liên Việt (LVP), ngân hàng TMCP Sài Gòn
(SCB), ngân hàng TMCP Bảo Việt (BVB). Ngoài ra, những ngân hàng như Bắc Á,
Tiên Phong, Phát triển Mê Kông cũng có mặt trong nhóm này nhưng khi xét điểm
siêu hiệu quả (super – efficiency) thì rất thấp hoặc bằng 0, do đó tính vững bền
trong hiệu quả cần phải xem xét và hướng đến cải thiện hơn nữa về đầu vào
thừa/đầu ra thiếu. Tác giả gọi nhóm thứ hai là nhóm động lực.
138

- Nhóm thứ ba các ngân hàng như ngân hàng TMCP Á Châu (ACB), ngân
hàng Việt Nam Thịnh Vượng (VPB), ngân hàng Quốc Tế Việt Nam (VIB), ngân
hàng TMCP Nam Á (NAB), ngân hàng TMCP Phát triển TPHCM (HDB), ngân
hàng TMCP Hàng Hải (MSB) là những ngân hàng cải thiện được biên hiệu quả và
có nhiều nỗ lực trong tối ưu đầu vào thừa/đầu ra thiếu sau năm 2013. Đồng thời, cả
sáu đều là những ngân hàng có quy mô tài sản lớn trong nhóm các ngân hàng
thương mại cổ phần. Những hoạt động cải thiện liên tục cho những năm tiếp theo có
thể sẽ đưa những ngân hàng này vào nhóm thứ hai – nhóm động lực. Các ngân hàng
còn lại cần phải tự tái cơ cấu mạnh mẽ và tối ưu đầu vào thừa/đầu ra thiếu, cũng
như có những biện pháp chủ động xử lý nợ xấu và hướng đến khoảng tỷ lệ nợ xấu
tối ưu cho ngân hàng để đạt biên hiệu quả tốt hơn, cụ thể như EIB, ABB, OCB,
SEA, SGB, VAB, KLB, BAN. Tác giả gọi nhóm thứ ba là nhóm cần cải thiện.
- Nhóm thứ tư là nhóm những ngân hàng kém hiệu quả liên tục. Các ngân
hàng thuộc nhóm này cần phải buộc tái cơ cấu và thực hiện giám sát chặt chẽ. Sau
năm 2013, số lượng ngân hàng thuộc diện này khá nhiều và tái cơ cấu/mua bán/sáp
nhập được NHNN thực hiện rất quyết liệt như: DAI, HAB, PNB, TNB, PGBank,
Western Bank (PVcombank). Ngoài ra, những ngân hàng tự tái cơ cấu (EAB, NAV)
hoặc được mua lại bởi NHNN với giá 0 đồng (GPBank, CB, OEB) cũng cần gia
tăng giám sát sự ảnh hưởng của nợ xấu đến hiệu quả ngân hàng, và cải thiện hơn
nữa điểm hiệu quả, đầu vào thừa/đầu ra thiếu. Tác giả gọi nhóm thứ tư là nhóm tái
cơ cấu và giám sát.
Đo lường hiệu quả ngân hàng liên tục trong hệ thống ngân hàng thương mại
Việt Nam sẽ giúp cơ quan quản lý nhà nước nắm vững được tình hình hoạt động
kinh doanh của các ngân hàng, nhận diện những ngân hàng yếu kém, phân loại ngân
hàng dựa trên điểm hiệu quả, và có những biện pháp khả thi nhằm cải thiện hiệu quả
ngân hàng, tối ưu đầu vào thừa/đầu ra thiếu. Bên cạnh đó, sự tác động của yếu tố
đầu ra không mong muốn là nợ xấu đến hiệu quả ngân hàng cũng cần nhấn mạnh và
có thể xây dựng khoảng tỷ lệ nợ xấu tối ưu cho từng nhóm ngân hàng như bên trên.
139

Vì vậy, tối ưu hóa đầu vào thừa/đầu ra thiếu, hạn chế sự tác động tiêu cực của
nợ xấu, và hướng đến khoảng tỷ lệ nợ xấu tối ưu sẽ giúp hệ thống ngân hàng Việt
Nam phát triển vững bền.
5.1.2. Kết luận về đo lường hiệu quả chi phí (cost efficiency)
Khi sử dụng mô hình đo lường hiệu quả chi phí để đánh giá hiệu quả ngân
hàng của các ngân hàng trong mẫu nghiên cứu (đồng thời điểm hiệu quả chi phí là
một biến số quan trong nghiên cứu trong mô hình nghiên cứu đề xuất của luận án).
Kết quả cho thấy được những ngân hàng đạt biên hiệu quả, những ngân hàng kém
hiệu quả, và tỷ lệ phần trăm tiết kiệm chi phí đầu vào lẫn tỷ lệ phần trăm gia tăng
đầu ra.
Kết quả về đo lường hiệu quả chi phí thể hiện: Số lượng các ngân hàng thương
mại Việt Nam không hiệu quả khá cao, có năm lên tới hơn 73% trong tổng số ngân
hàng. Hơn nữa, giai đoạn 2011 – 2013, các ngân hàng thương mại hoạt động kém
hiệu quả liên tục, đã gây nhiều bất ổn tài chính ở Việt Nam. Cụ thể như sau:
- Đối với ngân hàng thương mại nhà nước và ngân hàng thương mại cổ phần
có nhà nước là cổ đông chi phối (gọi tắt là NHTMNN), bao gồm BID; AGR; VCB;
CTG; MHB thì phần lớn có hoạt động kinh doanh đạt biên hiệu quả vượt trội so với
các ngân hàng thương mại cổ phần, cụ thể: (i) Bốn ngân hàng BID, AGR, VCB,
CTG đạt biên hiệu quả liên tục từ 2007 đến 2014 và là trụ cột của hệ thống ngân
hàng thương mại Việt Nam với quy mô tài sản, quy mô nguồn vốn chủ sở hữu, quy
mô tiền gởi khách hàng vượt trội; (ii) ngoại trừ MHB không đạt hiệu quả liên tục từ
2007 đến 2012, và kết quả được sáp nhập vào ngân hàng BID với những lãng phí
lớn ở chi phí và thiếu hụt nhiều ở tỷ lệ phần trăm đầu ra.
- Đối với ngân hàng thương mại cổ phần. Đa số các ngân hàng không hiệu quả
nằm ở khối các ngân hàng thương mại cổ phần, và xu hướng này gia tăng trong gia
đoạn 2011 – 2013. Các ngân hàng này với nhiều quy mô khác nhau, nhưng chủ yếu
tập trung ở vừa và nhỏ như ABB, SGB, BAN, NAV, NAB…Đồng thời, các ngân
hàng thương mại cổ phần sử dụng chi phí đầu vào cao và đầu ra thiếu luôn ở những
140

con số báo động. Điều này cũng minh chứng cho sự bất ổn tài chính đã xảy ra ở
Việt Nam trong giai đoạn này.
Với mô hình đo lường hiệu quả chi phí DEA khi ứng dụng cho hệ thống ngân
hàng Việt Nam cũng phác thảo được nhóm ngân hàng biên hiệu quả và ngân hàng
kém hiệu quả. Để từ đó có những phân vùng kiểm soát các ngân hàng kém hiệu quả
và can thiệp kịp thời bằng chính sách vĩ mô bởi cơ quan hoạch định chính sách nhà
nước. Ngoài ra, mô hình này còn cung cấp kết quả chi phí của đầu vào thừa, giá trị
đầu ra còn thiếu, và sẽ tối ưu hóa nguồn lực ngân hàng để giúp ngân hàng đạt hiệu
quả hơn trong những năm tiếp theo.
5.1.3. Các kết luận về mức độ ảnh hưởng của nợ xấu đến hiệu quả chi phí của
hệ thống ngân hàng thương mại Việt Nam
Kết quả nghiên cứu về sự tác động của nợ xấu đến hiệu quả chi phí qua mô
hình dữ liệu bảng động với phương pháp ước lượng S – GMM hai bước cho thấy:
- Tỷ lệ nợ xấu năm quan sát và độ trễ bậc 2 tác động tiêu cực đến hiệu quả chi
phí và có ý nghĩa thống kê, lần lượt với các hệ số ước lượng - 0.5034, - 0.07012.
Nghĩa là, tỷ lệ nợ xấu tăng 1 phần trăm thì hiệu quả chi phí lập tức ảnh hưởng giảm
0.5034 phần trăm, còn bậc trễ bậc 2 của tỷ lệ nợ xấu tăng 1 phần trăm thì hiệu quả
chi phí giảm 0.07012 phần trăm. Kết quả này có thể hỗ trợ cho giả thuyết H1 “kém
may mắn” (bad luck), nợ xấu gia tăng thường có liên quan tích cực đến giảm hiệu
quả chi phí.
- Tỷ lệ nợ xấu bậc trễ 1 lại có tác động tích cực làm tăng hiệu quả chi phí. Khi
tỷ lệ nợ xấu bậc trễ 1 tăng 1 phần trăm thì hiệu quả chi phí tăng lên 0.16 phần trăm.
Điều này có nghĩa, ở hệ thống ngân hàng Việt Nam, hiệu quả chi phí năm hiện tại
gia tăng có sự đóng góp một phần của tỷ lệ nợ xấu gia tăng năm liền kề trước. Ở
thực tế, do hệ thống ngân hàng thương mại Việt Nam phụ thuộc khá nhiều về tín
dụng trong cơ cấu tạo hiệu quả ngân hàng, nên thúc đẩy tín dụng sẽ làm gia tăng
hiệu quả chi phí trong 1 năm tiếp theo, nhưng theo đó cũng làm nợ xấu gia tăng.
Tuy nhiên, ở năm thứ 2 thì sự ảnh hưởng lập tức đổi chiều, gây tiêu cực làm giảm
141

điểm hiệu quả. Vì vậy, các ngân hàng thương mại Việt Nam nên cẩn trọng với tăng
trưởng tín dụng cho các năm và cần có cơ chế quản trị nợ xấu hiệu quả.
- Đối với hiệu quả chi phí của năm trước lại có tương quan nghịch với hiệu
quả chi phí hiện tại, nghĩa là hiệu quả trước tăng lên thì làm giảm hiệu quả của năm
quan sát. Điều này minh chứng hoạt động kinh doanh ngân hàng ở Việt Nam chứa
nhiều bất ổn, gia tăng hiệu quả mang tính đối phó, và đẩy rủi ro vào tương lai.
Kết quả nghiên cứu qua mô hình PVAR và kỹ thuật phân tích quan hệ nhân
quả Granger tìm thấy:
- Vì giả thuyết !"#$% không Granger với !&' thì bác bỏ với độ tin cậy 99%
nên sự thay đổi của tỷ lệ nợ xấu là nguyên nhân gây ra sự thay đổi của hiệu quả chi
phí. Vậy, nợ xấu gia tăng là nguyên nhân gây ra giảm hiệu quả chi phí.
- Trong thời gian tới, nếu một cú sốc xảy ra với tỷ lệ nợ xấu (tỷ lệ nợ xấu gia
tăng) thì có thể làm tăng hiệu quả chi phí ở giai đoạn đầu, nhưng lập tức sụt giảm
nhanh chóng về mức âm. Về dài hạn, tỷ lệ nợ xấu gia tăng ảnh hưởng tích cực đến
giảm hiệu quả chi phí của hệ thống ngân hàng thương mại Việt Nam
- Ngoài ra, tỷ lệ nợ xấu giải thích cho sự thay đổi của hiệu quả chi phí gần
27% cho giai đoạn đầu và hơn 28% cho các giai đoạn tiếp theo. Như vậy, mức độ
giải thích cho sự thay đổi hiệu quả chi phí từ tỷ lệ nợ xấu là khá lớn.
Tóm lại, tỷ lệ nợ xấu gia tăng có mức độ ảnh hưởng tích cực làm giảm hiệu
quả chi phí của hệ thống ngân hàng thương mại Việt Nam. Đồng thời, tỷ lệ nợ xấu
là nguyên nhân trực tiếp gây ra sự thay đổi của hiệu quả chi phí, và mức độ giải
thích lên tới hơn 28%. Từ những bằng chứng thực nghiệm có thể kết luận, giả
thuyết “kém may mắn” (bad luck) là đúng với hệ thống ngân hàng thương mại Việt
Nam. Lúc này, nợ xấu gia tăng là do ảnh hưởng bởi các yếu tố vĩ mô/ngành GDP,
lạm phát, thất nghiệp, giảm lãi suất, tăng cung tiền…Điều đó buộc các ngân hàng
thương mại phải gia tăng hoạt động quản lý danh mục tín dụng, đặc biệt là các
khoản tín dụng gần đáo hạn. Việc gia tăng hoạt động quản lý như theo dõi, thu hồi,
đôn đốc thu hồi, quản trị nợ xấu chủ động, bán nợ…đã dẫn đến chi phí gia tăng nên
làm hiệu quả chi phí ngân hàng giảm xuống.
142

Vì vậy, xử lý nợ xấu và gia tăng hiệu quả chi phí của hệ thống ngân hàng
thương mại Việt Nam phải đến từ điều chỉnh các chính sách kinh tế vĩ mô và xây
dựng cơ chế ổn định tài chính.
5.1.4. Các kết luận về sự tác động ngược lại của hiệu quả chi phí đến tỷ lệ nợ
xấu của hệ thống ngân hàng thương mại Việt Nam
Kết quả nghiên cứu về sự tác động của hiệu quả chi phí đến tỷ lệ nợ xấu qua
mô hình dữ liệu bảng động với phương pháp ước lượng S – GMM hai bước cho
thấy:
- Sự ảnh hưởng của hiệu quả chi phí năm quan sát và các bậc trễ 0,1,2 là tiêu
cực đến tỷ lệ nợ xấu, lần lượt là -0.14413, - 0.31029, - 0.2088. Khi hiệu quả chi phí
năm quan sát và các bậc trễ 0, 1, 2 giảm 1 phần trăm thì tỷ lệ nợ xấu năm quan sát
tăng 0.14413, 0.31029, 0.2088 phần trăm. Lúc này, hiệu quả chi phí thấp là phản
ánh của tín hiệu quản trị ngân hàng yếu kém, chẳng hạn hoạt động về quản lý chi
phí nhân viên, chi phí lãi suất huy động, chi phí vận hành – hoạt động, quản trị danh
mục tín dụng…Đồng thời, các bộ phận quản trị cấp dưới không giám sát hoạt động
tín dụng và kiểm soát chi phí đầy đủ nên hiệu quả chi phí sẽ được đo lường và thể
hiện ngay tức thì.
- Bậc trễ 1 của tỷ lệ nợ xấu tác động tích cực và có ý nghĩa thống kê làm gia
tăng tỷ lệ nợ xấu của năm quan sát. Khi bậc trễ 1 của tỷ lệ nợ xấu tăng 1 phần trăm
thì tỷ lệ nợ xấu năm quan sát lập tức gia tăng 0.175 phần trăm. Sự tác động tích cực
này sẽ làm nợ xấu các năm trước không được giải quyết triệt để sẽ tích tụ và gia
tăng tỷ lệ nợ xấu hiện tại. Vì vậy, những bất ổn tài chính của hệ thống ngân hàng sẽ
ngày trầm trọng.
Kết quả nghiên cứu với mô hình PVAR và kỹ thuật phân tích quan hệ nhân
quả Granger tìm thấy các bằng chứng thực nghiệm sau:
- Hiệu quả chi phí có quan hệ nhân quả Granger với tỷ lệ nợ xấu, nghĩa là một
sự thay đổi của hiệu quả chi phí là nguyên nhân cho thay đổi của tỷ lệ nợ xấu. Bằng
chứng thực nghiệm này hỗ trợ cho giả thuyết H2 – “quản lý kém” (bad
143

management) của dữ liệu thời kỳ nghiên cứu ở hệ thống ngân hàng thương mại Việt
Nam.
- Ở giai đoạn hiện tại và tiếp theo, một cú sốc đến hiệu quả chi phí sẽ làm tỷ lệ
nợ xấu phản ứng tiêu cực ở mức âm ở ít nhất ba giai đoạn đầu. Ngoài ra, mức độ
giải thích cho sự thay đổi của tỷ lệ nợ xấu do sự thay đổi của hiệu quả chi phí ở mức
9%.
Tóm lại, sự ảnh hưởng tiêu cực của hiệu quả chi phí đến tỷ lệ nợ xấu và cũng
là nguyên nhân gây ra sự thay đổi ở tỷ lệ nợ xấu là những bằng chứng thực nghiệm
kiểm định cho giả thuyết “quản lý kém” (bad management) ở hệ thống ngân hàng
thương mại Việt Nam. Việc “quản lý kém” có thể ở các khía cạnh sau: (i) Điểm xếp
hạng tín dụng thấp, và hiện giá ròng các khoản tín dụng thấp hoặc âm; (ii) khó khăn
trong giám sát và kiểm soát các hoạt động sau vay; (iii) thiếu chuyên môn và hạn
chế trong định giá các tài sản đảm bảo để thế chấp hoặc cầm cố…Do đó, các giải
pháp căn cơ về quản trị nợ xấu, giảm trừ nợ xấu, xử lý nợ xấu…phải đến từ khoanh
vùng vấn đề ở yếu tố nội tại ngân hàng, mà cụ thể là hoạt động quản trị ngân hàng.
5.2. GIẢI PHÁP
5.2.1. Nhóm giải pháp nâng cao hiệu quả chi phí của hệ thống ngân hàng
thương mại Việt Nam
Đo lường hiệu quả ngân hàng bằng hiệu quả chi phí (cost efficiency) cho thấy
một phương pháp tối ưu và phù hợp với ngành ngân hàng với nhiều đầu vào/nhiều
đầu ra. Đo lường hiệu quả chi phí còn phác thảo được hai nhóm ngân hàng rõ rệt
(nhóm đạt biên hiệu quả; nhóm không hiệu quả) và tổng chi phí cần tiết giảm.
Chính vì vậy, điểm biên hiệu quả, và không hiệu quả giúp ngân hàng nhận diện
được vị thế quá khứ, và hiện tại, nhằm có những biện pháp cải thiện để ngày càng
hiệu quả hơn.
Qua phân tích điểm hiệu quả theo mô hình hiệu quả chi phí DEA, luận án có
những đề xuất giải pháp nâng cao hiệu quả ngân hàng của hệ thống ngân hàng
thương mại Việt Nam như sau:
144

- Về tổng thể các ngân hàng nên chọn chiến lược phát triển ngân hàng sang
mảng ngân hàng bán lẻ một cách quyết liệt nhằm đáp ứng một thị trường tài chính
cá nhân rộng lớn, và đa dạng hóa được rủi ro. Bên cạnh đó, chiến lược ngân hàng
bán lẻ còn giúp ngân hàng đa dạng hóa nguồn thu nhập và dịch chuyển sang những
khoản thu ngoài lãi – đây là nguồn lợi vững bền tạo cú hích gia tăng điểm hiệu quả
ngân hàng. Tuy nhiên, việc lựa chọn chiến lược trên cần phụ thuộc vào nguồn lực
ngân hàng và định hướng của nhà quản trị ngân hàng.
- Về gia tăng năng lực cạnh tranh nhằm gia tăng hiệu quả ngân hàng. Ở đây,
các ngân hàng thương mại nên tạo sự phát triển cân đối giữa nguồn lực tài chính,
khách hàng (quy mô khách hàng, sự ổn định khách hàng…), xu hướng kinh doanh
(phát triển sản phẩm mới, hoặc mở rộng thị trường, hoặc lựa chọn thêm phân khúc
khách hàng…), và môi trường nội bộ (chất lượng nhân sự, gia tăng năng lực lãnh
đạo của nhà quản trị, áp dụng công nghệ, thực hiện văn hóa doanh nghiệp, phát triển
hoạt động marketing…). Điểm hiệu quả ngân hàng sẽ cải thiện hằng năm khi các
nhà quản trị ngân hàng cải thiện và cân đối các nguồn lực nên trên.
- Về giải pháp cụ thể, bao gồm:
+ Nâng cao hiệu quả sử dụng nguồn nhân lực và tối ưu hóa chi phí nhân viên.
Kết quả nghiên cứu cho thấy nhiều ngân hàng không kiểm soát được chi phí nhân
viên, cá biệt có những ngân hàng cần giảm chi phí nhân viên lên tới 85% (KLB),
73%(NAV)…Và sự lãng phí này bắt nguồn từ chính sách tiền lương, sự dôi dư lao
động, và chính sách nhân sự thiếu hợp lý. Các ngân hàng thương mại Việt Nam cần
rà soát về cơ chế tiền lương và chính sách phân bổ nhân sự hợp lý hơn để tối ưu hóa
hiệu quả đầu ra. Ngoài ra, hoạt động đào tạo và nâng cao chất lượng nhân sự cũng
cần chú trọng để nhân sự đạt năng suất hiệu quả tốt hơn.
+ Tài sản cố định là yếu tố chi phí thừa tiếp theo và tác nhân ảnh hưởng đến
kém hiệu quả của nhiều ngân hàng. Tài sản cố định được trích xuất trong dữ liệu
nghiên cứu là tài sản cố định hữu hình, bao gồm: Nhà cửa, máy móc thiết bị,
phương tiện vận tải, thiết bị dụng cụ quản lý, tài sản cố định khác…Nhiều ngân
hàng lãng phí tài sản cố định và sử dụng bất hợp lý những tài sản cố định đã dẫn
145

đến kém hiệu quả ngân hàng liên tục, cụ thể: ABB, PNB, SCB, EAB, SGB… Do
đó, các ngân hàng không đạt biên hiệu quả và kể cả ngân hàng đạt biên hiệu quả
cũng cần rà soát lại chính sách đầu tư tài sản cố định. Chính sách này cần hướng
đến tiết kiệm, phù hợp quy mô thị trường, kết hợp thuê/thuê mua…
+ Các ngân hàng thương mại lớn có lợi thế rất lớn về huy động tiền gởi, nhờ
quy mô lẫn thương hiệu. Vì vậy, tiền gởi khách hàng là một đầu ra và được các
ngân hàng này tối ưu ở đầu ra thiếu bằng 0. Riêng những ngân hàng vừa và nhỏ về
quy mô thì đầu ra thiếu của tiền gởi khách hàng luôn là con số lớn, có thể lên tới vài
ngàn tỷ đồng. Do đó, giải pháp đưa ra, những ngân hàng vừa và nhỏ (kể cả các ngân
hàng thương mại lớn) cần cải thiện chất lượng dịch vụ khách hàng, hướng đến cạnh
tranh phi giá – hướng tính khác biệt trong sản phẩm/thương hiệu/lòng trung thành,
và đầu tư vào con người – nhằm đem lại dịch vụ hoàn thiện đến với khách hàng.
Giải pháp này cần phải đi kèm với nhiều chính sách như: chính sách đào tạo chuẩn
dịch vụ khách hàng cho nhân viên tuyến đầu; chính sách cam kết dịch vụ chất lượng
đến khách hàng; chính sách phát triển sản phẩm – dịch vụ tiền gởi đa dạng; chính
sách chăm sóc khách hàng và xây dựng hệ thống quản trị quan hệ khách hàng…
+ Thu ngoài lãi cả hệ thống ngân hàng khá thấp, điều này thể hiện qua thu
ngoài lãi thiếu của nhiều ngân hàng thương mại qua nhiều năm. Các ngân hàng có
đầu ra là thu ngoài lãi thiếu như MHB, KLB, SGB, ABB…, và là tác nhân làm ngân
hàng kém hiệu quả. Vì vậy, các ngân hàng cần thực hiện chiến lược hướng đến ngân
hàng bán lẻ, đa dạng hóa sản phẩm dịch vụ cung ứng, đa kênh phân phối, hướng
đến thu nhập từ phí dịch vụ...Thu ngoài lãi gia tăng sẽ giúp ngân hàng có sự phát
triển bền vững và tránh những tác động xấu từ hoạt động ngân hàng truyền thống.
5.2.2. Nhóm giải pháp tổng thể nhằm quản trị nợ xấu và giảm trừ sự tác động
của nợ xấu đến hiệu quả chi phí
Trong thời gian nghiên cứu từ 2007 đến 2014, nợ xấu đã tích tụ và dần ảnh
hưởng tiêu cực đến với hệ thống ngân hàng thương mại nói chung, từng ngân hàng
thương mại nói riêng. Theo mô hình DEA với nợ xấu là đầu ra không mong muốn
có thể quan sát tỷ lệ nợ xấu tối ưu phải khá thấp tùy ngân hàng so với tỷ lệ nợ xấu
146

thực tế. Đồng thời, kết quả ở mô hình dữ liệu bảng động và mô hình PVAR cũng
thể hiện sự ảnh hưởng tiêu cực đáng kể đến hiệu quả chi phí của tỷ lệ nợ xấu (kể cả
tác động ngược lại). Kết quả là bằng chứng thực nghiệm để chấp nhận cả hai giả
thuyết “kém may mắn” và “quản lý kém” đang chi phối đến nợ xấu và hiệu quả
ngân hàng tại hệ thống ngân hàng thương mại Việt Nam. Vì thế, các giải pháp tổng
thể để quản trị nợ xấu và giảm trừ sự ảnh hưởng của nợ xấu đến điểm hiệu quả
ngân hàng như sau:
- Một là, các ngân hàng áp dụng mô hình DEA với đầu ra không mong muốn là
nợ xấu để xem vị thế điểm hiệu quả giữa các ngân hàng. Đồng thời xác định được tỷ
lệ nợ xấu tối ưu, khoảng tỷ lệ nợ xấu tối ưu để ngân hàng tiến đến biên hiệu quả.
Ngoài ra, mô hình giúp các ngân hàng chủ động xác định mức độ ảnh hưởng của nợ
xấu đến hiệu quả ngân hàng để từ đó có giải pháp linh hoạt khắc phục. Bên cạnh đó,
mô hình còn phác thảo được những đầu vào thừa/đầu ra thiếu khác, nhằm giúp ngân
hàng điều chỉnh hợp lý những đầu vào/đầu ra cho năm tiếp theo.
- Hai là, cải thiện điểm hiệu quả chi phí (cost efficiency) như đã trình bày ở mục
5.2.1. Đồng thời, điểm hiệu quả ngân hàng phải được cân đối dựa trên: tiết giảm tổng
chi phí ở đầu vào; tối đa hóa đầu ra; và đạt ở khoảng tỷ lệ nợ xấu tối ưu.
- Ba là, thay đổi nhận thức về hoạt động quản trị ngân hàng. Đối với ngân hàng,
chất lượng quản trị và xây dựng hệ thống quản trị rủi ro đạt chuẩn sẽ giúp kiểm soát
nợ xấu trong dài hạn. Cụ thể: Thiết lập chuẩn hoạt động quản trị rủi ro, đa dạng hóa
danh mục tài sản của ngân hàng, xác định mức tăng trưởng tín dụng hợp lý, áp dụng
chuẩn mực báo cáo tài chính quốc tế, nâng cao tính minh bạch…
- Bốn là, xây dựng các chính sách kinh tế vĩ mô đồng bộ và hướng đến sự phát
triển ổn định. Ở đó, các chính sách gồm: Chính sách tài khóa, chính sách tiền tệ,
chính sách an toàn vĩ mô, chính sách an toàn vi mô phải được thực hiện đồng bộ hóa
để cùng đạt một mục tiêu là sự ổn định tài chính quốc gia.
5.2.3. Nhóm giải pháp cụ thể để loại trừ các hoạt động làm “quản lý kém” và
gia tăng hỗ trợ của các chính sách kinh tế vĩ mô
147

Kết quả nghiên cứu thực nghiệm về mức độ ảnh hưởng của nợ xấu đến hiệu quả
chi phí thông qua mối quan hệ giữa nợ xấu với hiệu quả ngân hàng hỗ trợ cho giả
thuyết “quản lý kém” (bad management) và “kém may mắn” (bad luck). Chính vì
vậy, các giải pháp phải tập trung ở yếu tố nội tại (được đề xuất trong lý thuyết “quản
lý kém”) của ngân hàng nhằm nâng cao khả năng quản trị ngân hàng, đồng thời cũng
đặt trong sự hỗ trợ của các yếu tố kinh tế vĩ mô. Các giải pháp cụ thể bao gồm:
Các yếu tố nội tại:
- Một là, xây dựng hệ thống quản trị rủi ro và cơ chế cạnh báo sớm rủi ro. Hệ
thống này cần hướng đến ba trụ cột: Một là, xây dựng quy trình (cấp tín dụng, tiền
gởi, mua bán ngoại tệ…) được chuyên môn hóa và có sự giám sát lẫn nhau. Đồng
thời, con người thực hiện quy trình cần được đào tạo đúng chuyên môn và phổ biến
trách nhiệm một cách chi tiết nhất; hai là, hình thành bộ phần quản trị rủi ro chủ
động. Nhiệm vụ của bộ phận này là kiểm soát chất lượng tài sản và thực hiện quản trị
những rủi ro chủ động dựa trên các mô hình cảnh báo sớm; bà là, thiết lập cơ quan
giám sát bộ phận quản trị rủi ro nhằm tạo quan hệ giám sát chặt chẽ và tránh sai sót
khi thực hiện toàn bộ quy trình nghiệp vụ.
- Hai là, kiện toàn quy trình tín dụng, hướng đến chuyên môn hóa và phê
duyệt tập trung. Đồng thời, cơ chế giám sát lẫn nhau sẽ giúp ngân hàng phát hiện
những sai lệch trong hoạt động cấp tín dụng. Ngoài ra, chất lượng của nhân viên
trong quy trình tín dụng cũng cần quan tâm bằng những chính sách đào tạo và bồi
dưỡng nghiệp vụ.
- Ba là, hoàn thiện hoạt động định giá tài sản đảm bảo như: Quyết định
phương pháp định giá tài sản; quy định về định giá tài sản đảm bảo; tách bạch giữa
định giá tài sản và hoạt động cấp tín dụng…Việc hoàn thiện này giúp các ngân hàng
đánh giá đúng giá trị thị trường của tài sản và trở thành dòng tiền trả nợ thứ yếu
(sau phương án kinh doanh) đáng tin cậy.
- Bốn là, xây dựng và hoàn thiện hệ thống xếp hạng tín dụng nội bộ. Hệ thống
này sẽ thực hiện xếp hạng toàn bộ các khách hàng vay vốn trên cơ sở chấm điểm
theo chỉ tiêu định lượng và định tính với các trọng số phù hợp. Ngoài ra, hệ thống
148

xếp hạng còn giúp phân loại nợ, hỗ trợ ra quyết định tín dụng và quản trị vài thành
tố của một danh mục tín dụng hiệu quả.
- Năm là, ngân hàng nên quyết định một phương pháp quản lý nợ xấu. Quyết
định này phải phù hợp với chiến lược phát triển của ngân hàng, danh mục tín dụng,
tình trạng tài chính, nguồn lực nhân sự…Điều đó sẽ giúp ngân hàng quản trị nợ xấu
va gia tăng tỷ lệ phục hồi của nợ xấu. Các ngân hàng có ba cách tiếp cận để quản trị
nợ xấu: Một là, giữ lại các khoản nợ xấu (keep). Các khoản nợ này được ngân hàng
dự đoán hoàn trả và tự xử lý theo cơ cấu nợ hoặc đôn đốc thu nợ; hai là, chuyển ra
khỏi bảng cân đối kế toán (Write – off). Nợ xấu được chuyển ra khỏi bảng cân đối
kế toán nhằm đáp ứng yêu cầu về hệ số an toàn vốn, tránh những chi phí liên quan
đến quản lý nợ xấu hoặc khi thu hồi nợ không hiệu quả, hoặc số tiền thu nợ có thể
sẽ ít hơn rất nhiều so với chi phí phát sinh; ba là, bán nợ xấu (sell). Ở đây, các
khoản nợ xấu được bán theo giá thị trường cho bên thứ ba, có thể là VAMC.
Sự hỗ trợ của vài yếu tố kinh tế vĩ mô:
- Một là, đối với Ngân hàng Nhà nước (NHNN) cần tiếp tục thực hiện tái cơ
cấu hệ thống ngân hàng thương mại. Đề án tái cơ cấu hệ thống ngân hàng thương
mại đã phát huy được vai trò khi cải thiện điểm hiệu quả ngân hàng liên tục hệ
thống ngân hàng sau năm 2012. Hoạt động tái cơ cấu ngân hàng cũng đã được thực
hiện đồng bộ cùng với tiến trình xử lý nợ xấu nên thành tựu gia tăng thành tựu, số
lượng ngân hàng hiệu quả gia tăng, hệ thống ngân hàng được sắp xếp trật tự…Vì
vậy, NHNN cần đẩy mạnh hơn nữa hoạt động tái cơ cấu ngân hàng thương mại theo
hướng thực chất với các giải pháp: (i) Ban hành chính sách giám sát an toàn vĩ mô
hệ thống ngân hàng thương mại; (ii) đẩy nhanh áp dụng hiệp ước Basel II, hướng
đến đến Basel III và mở rộng đối tượng ngân hàng áp dụng chuẩn Basel II; (iii) ban
hành các chính sách liên quan đến gia tăng nguồn vốn chủ sở hữu và mở rộng quy
mô ngân hàng; (iv) áp dụng mô hình đo lường hiệu quả ngân hàng và mô hình DEA
với nợ xấu là đầu ra không mong muốn nhằm hướng đến quản trị rủi ro chủ động
cũng như đánh giá kịp thời tính hiệu quả của hệ thống ngân hàng thương mại.
149

- Cuối cùng, VAMC đang và sẽ trở thành công cụ tốt để giảm trừ nợ xấu trong
toàn bộ hệ thống. Tuy nhiên, VAMC cần phải được khẳng định vai trò là nhà quản
lý thị trường mua bán nợ xấu, nhà tạo lập thị trường, và nhà đầu tư lớn trên thị
trường. Vì vậy, quyền của VAMC cần được mở rộng: (i) Quy mô nguồn vốn hoạt
động; (ii) đội ngũ nhân sự và chuyên gia; (iii) quản lý – điều hành thị trường mua
bán nợ…
5.3. KIẾN NGHỊ
5.3.1. Kiến nghị các ngân hàng thương mại hướng đến mảng kinh doanh ngân
hàng bán lẻ như một chiến lược dài hạn nhằm nâng cao hiệu quả ngân hàng và
giảm trừ sự tác động của nợ xấu
Kết quả nghiên cứu về đo lường hiệu quả ngân hàng bằng mô hiệu hiệu quả
chi phí DEA, mô hình DEA với đầu ra không muốn là nợ xấu và mối quan hệ giữa
nợ xấu với hiệu quả chi phí đã cho thấy: các ngân hàng thương mại muốn đạt biên
hiệu quả còn phụ thuộc nhiều vào tín dụng; thu ngoài lãi luôn là đầu ra thiếu hụt
nhiều; tỷ lệ thừa chi phí rất cao; hiệu quả chi phí toàn hệ thống khá thấp; sự ảnh
hưởng của hiệu quả chi phí là tức thời và lên tới 36% cho biến động tiêu cực của nợ
xấu…. Vì thế, một trong những giải pháp được lựa chọn để gia tăng hiệu quả ngân
hàng mang tính chiến lược và tránh phụ thuộc tín dụng, cũng như hạn chế nợ xấu là
các ngân hàng thương mại Việt Nam hướng đến mảng kinh doanh ngân hàng bán lẻ
và lựa chọn một phân khúc tiềm năng trong mảng ngân hàng bán lẻ. Cụ thể như sau:
- Các ngân hàng thương mại Việt Nam nên chú trọng đến xây dựng năm trụ
cột của ngân hàng bán lẻ gồm: Một là, phát triển đa dạng nhiều sản phẩm – dịch vụ
tài chính cá nhân và doanh nghiệp vừa & nhỏ; hai là, xây dựng đa kênh phân phối,
lấy kênh phân phối hiện đại làm trọng tâm; nâng cao chất lượng dịch vụ từ chất
lượng nhân viên ngân hàng; ba là, ứng dụng công nghệ vào phát triển mảng kinh
doanh ngân hàng bán lẻ. Chính sự hiện diện của công nghệ sẽ làm cho khách hàng
ngày càng trở nên rõ ràng hơn với ngân hàng thông qua cơ sở dữ liệu điện tử. Từ
đó, ngân hàng sẽ có chính sách quản trị quan hệ khách hàng tốt nhất, và tiếp cận
150

khách hàng ngày càng nhiều hơn; cuối cùng, thiết lập hệ thống quản trị rủi ro và mô
hình cảnh báo sớm sẽ giúp ngân hàng phát triển bền vững hơn.
- Để gia tăng lợi nhuận và phát triển bền vững, các ngân hàng thương mại Việt
Nam nên lựa chọn mô hình bán lẻ hiện đại đang được khuyến nghị áp dụng. Đó là
mô hình khách hàng làm trung tâm (customer centric). Lúc này, khách hàng là trung
tâm, họ có thể tiếp cận đa sản phẩm – dịch vụ ngân hàng, đa kênh phân phối. Dịch
vụ khách hàng tốt là điểm nhấn tạo sự hài lòng của khách hàng và hướng đến xây
dựng lòng trung thành của khách hàng.
- Xây dựng chính sách cạnh tranh phi giá, lấy dịch vụ khách hàng làm trung
tâm và khuyến khích mở rộng danh mục những sản phẩm – dịch vụ phi tín dụng.
Ngoài ra, ngân hàng cần tập trung quản trị thương hiệu, phát triển mối quan hệ với
khách hàng, tạo sự thuận tiện trong giao dịch…
Đã tới lúc, các ngân hàng thương mại Việt Nam phải thật sự thay đổi. Ở đó,
các ngân hàng có thể lựa chọn hoặc là vẫn sở hữu sản phẩm – dịch vụ tài chính đa
dạng, các phần mềm thanh toán và giao dịch linh hoạt, tích hợp những công nghệ
hiện đại; hoặc là vẫn bảo vệ quan điểm “chi nhánh ngân hàng sẽ lên ngôi”, “hành vi
khách hàng sẽ không đổi”, “tín dụng là nguồn thu chính”… Sự lựa chọn là của ngân
hàng, nhưng kiến nghị của nghiên cứu là các ngân hàng thương mại Việt Nam nên
lựa chọn hướng phát triển dựa trên mảng kinh doanh ngân hàng bán lẻ. Điều này
phù hợp với xu hướng kinh doanh ngân hàng trên thế giới hiện nay.
5.3.2. Kiến nghị các ngân hàng thương mại xây dựng mô hình quản trị ngân
hàng hiện đại nhằm hướng đến biên hiệu quả ngân hàng
Đối với mô hình quản trị ngân hàng truyền thống, sự quản lý là phân tán và có
tính định hướng lợi nhuận theo đơn vị kinh doanh. Chính vì vậy, sự can thiệp của
hội sở là không nhiều, chi phí quản lý khó kiểm soát, cũng như khả năng quản trị
mục tín dụng, kiểm soát sau vay…rất khó khăn và tiêu tốn nhiều chi phí.
Do đó, để nâng cao hiệu quả ngân hàng toàn diện thì các ngân hàng thương
mại Việt Nam nên hướng đến mô hình quản trị hiện đại – nơi hội sở sẽ thực hiện vai
trò chủ động và chủ đạo. Điều này nằm ở mọi nghiệp vụ đều tập trung ở hội sở,
151

đồng thời định hướng lợi nhuận cho các chi nhánh theo đối tượng khách hàng, theo
sản phẩm – dịch vụ, theo chức năng/quy mô chi nhánh…Khi đó, ngân hàng được
sắp xếp và phân định giữa các bộ phận rõ ràng như: bộ phận kinh doanh, bộ phận hỗ
trợ, bộ phận kiểm soát…và chi phí quản lý rất dễ kiểm soát lẫn đạt mức tối ưu.
Ngoài ra, mô hình quản trị này còn giúp xây dựng một hạ tầng quản trị rủi ro
gồm nhiều ủy ban quản lý như: quản lý rủi ro thanh khoản và rủi ro thị trường; quản
lý rủi ro tín dụng; quản lý rủi ro hoạt động; quản lý rủi ro kinh doanh và các tài sản
đặc biệt…Và các bộ phận trên chịu sự chỉ đạo lẫn lệ thuộc hoàn toàn khối nghiệp vụ
tại hội sở.
5.3.3. Kiến nghị các ngân hàng thương mại áp dụng phương pháp quản lý nợ
xấu chủ động
Các ngân hàng thương mại nên áp dụng phương pháp quản lý nợ xấu, trong
đó, những khoản nợ xấu được phân loại và đánh giá dựa trên tỷ lệ phục hồi (RR –
recovey rate). Việc quản lý giúp ngân hàng nhận diện được hành vi ứng xử với
những khoản nợ xấu. Mô hình được cụ thể hóa ở sơ đồ 5.1 bên dưới:
152

Hình 5.1: Các phương án quyết định bán nợ, giữ nợ hay đưa ra bảng cân đối kế toán
Nguồn: Tác giả tổng hợp từ báo cáo của IFC (2012)
Khi xuất hiện nợ xấu hoặc dấu hiệu nợ sắp thành nợ xấu, thông qua phân loại
nợ định lượng hoặc định tính bởi hệ thống xếp hạng tín nhiệm nội bộ. Lúc này, các
ngân hàng cần thiết lập hệ thống cảnh báo sớm về nợ xấu dựa trên tỷ lệ phục hồi RR
(recovery rate) và tỷ lệ chấp nhận tối thiểu MAR (minium acceptable rate, tương tự
phần trăm trong tổng tổn thất dự kiến).
Nếu tỷ lệ phục hồi thấp hơn 0, nghĩa là khoản nợ không có khả năng phục hồi
thì ngân hàng nên ra quyết định đưa toàn bộ dư nợ khoản vay ra khỏi bảng cân đối
kế toán và dừng mọi hình thức thu hồi nợ. Bước tiếp theo là trích lập dự phòng theo
quy định của cơ quan hoạch định chính sách.
Nếu tỷ lệ thu hồi nợ lớn hơn 0, nghĩa là khoản nợ có khả năng phục hồi nhưng
sẽ rơi vào hai trường hợp: một là, tỷ lệ phục hồi (RR) lớn hơn tỷ lệ chấp nhận tối
thiểu (MAR), nghĩa là khả năng thu hồi nợ rất khả thi và chưa ảnh hưởng nhiều đến
153

chỉ số tài chính ngân hàng, thì ngân hàng nên giữ lại để xử lý nợ; hai là, tỷ lệ phục
hồi nợ nhỏ hơn tỷ lệ chấp nhận tối thiểu (MAR) thì ngân hàng lập tức bán khoản
nợ/danh mục nợ này trên thị trường mua bán nợ Việt Nam.
5.3.4. Kiến nghị NHNN xây dựng hệ thống đo lường hiệu quả ngân hàng
Kiến nghị NHNN nên áp dụng mô hình đo lường hiệu quả ngân hàng (có thể là
BCC – O, BCC – I, SBM, hiệu quả chi phí, hiệu quả lợi nhuận, hiệu quả doanh
thu…) mang tính phù hợp với đặc thù của hệ thống ngân hàng Việt Nam. Tác giả
khuyến nghị sử dụng mô hình hiệu quả chi phí DEA. Hiện nay, công cụ được sử
dụng để đo lường nhiều mô hình hiệu quả là những phần mềm do nhiều công ty
phát triển như maxDEA, DEA Sovler Pro, Konsi…Thông qua các mô hình trên,
NHNN sẽ phân loại được hai nhóm ngân hàng rõ rệt là: nhóm ngân hàng đạt biên
hiệu quả và nhóm kém hiệu quả; từ đó NHNN sẽ khoanh vùng các ngân hàng kém
hiệu quả. Đồng thời có thể phân tích nguyên nhân kém hiệu quả của những ngân
hàng này đến từ các loại chi phí cụ thể và những đầu ra thiếu hụt.
Ngoài ra, NHNN áp dụng đồng thời mô hình DEA với đầu ra không mong
muốn là nợ xấu để xem xét mức độ tác động của nợ xấu đến hiệu quả ngân hàng.
Mô hình này không những phân chia đựa ngân hàng đạt biên hiệu quả/ngân hàng
kém hiệu quả, mà còn cung cấp tỷ lệ nợ xấu tối ưu/khoảng tỷ lệ nợ xấu tối ưu giúp
ngân hàng tiến tới biên hiệu quả. Thông qua kết quả phân tích ở chương 4, tác giả
khuyến cáo không nên có một con số cảm tính về tỷ lệ nợ xấu để áp dụng cho toàn
hệ thống ngân hàng, mà cần xây dựng khoảng tỷ lệ nợ xấu tối ưu cho từng ngân
hàng dựa vào quy mô, tối ưu hóa đầu vào thừa/đầu ra thiếu, hoặc nhóm ngân hàng,
hoặc cả hệ thống ngân hàng.
Thông qua kết quả nghiên cứu ở chương 4 thông qua mô hình DEA với nợ xấu
là đầu ra không mong muốn, tác giả kiến nghị NHNN thực hiện phân loại bốn nhóm
ngân hàng, cụ thể như sau:
- Nhóm ngân hàng định hướng, là các ngân hàng VCB, CTG, BID, AGR. Bởi
lợi thế quy mô, và đạt biên hiệu quả liên tục trong quá trình nghiên cứu. Nhóm ngân
hàng này có xu hướng định hướng cho sự phát triển của hệ thống ngân hàng thương
154

mại Việt nam. Tuy nhiên, nợ xấu là một yếu tố tác động tiêu cực đến hiệu quả ngân
hàng, nên bốn ngân hàng cần chú trọng hơn nữa quản trị rủi ro chủ động và kịp thời
xử lý những khoản nợ xấu phát sinh.
- Nhóm ngân hàng động lực, bao gồm các ngân hàng thương mại cổ phần đạt
biên hiệu quả liên tục với mô hình DEA có nợ xấu là đầu ra không mong muốn. Khi
thực hiện đo lường hiệu quả ngân hàng, NHNN sẽ phân loại được các ngân hàng
này vào nhóm động lực.
- Nhóm ngân hàng cần cải thiện, bao gồm các ngân hàng thương mại cổ phần
đạt biên hiệu quả không liên tục, hoặc dưới điểm biên hiệu quả nhưng phần đầu vào
thừa/đầu ra thiếu có khả năng tự kiểm soát. Các ngân hàng này cần phải tự tái cơ
cấu mạnh mẽ và tối ưu đầu vào thừa/đầu ra thiếu để hướng đến nhóm ngân hàng
động lực.
- Nhóm ngân hàng giám sát đặc biệt, bao gồm các ngân hàng thương mại dưới
biên hiệu quả liên tục và có điểm hiệu quả rất thấp. Các ngân hàng thuộc nhóm này
buộc phải tái cơ cấu và thực hiện giám sát chặt chẽ bởi NHNN. Đồng thời, NHNN
phải khoanh vùng nhóm ngân hàng giám sát đặc biệt, nhất là ở sự ảnh hưởng tiêu
cực của nợ xấu đến hiệu quả ngân hàng.
Xây dựng hệ thống đo lường hiệu quả ngân hàng và hiệu quả ngân hàng có đầu
ra không mong muốn là nợ xấu sẽ giúp NHNN xếp hạng các ngân hàng một cách
khoa học và rõ ràng. Việc nhóm và xếp hạng các ngân hàng theo điểm hiệu quả còn
giúp NHNN khoanh vùng ngân hàng yếu kém lẫn đưa ra giải pháp chính sách phù
hợp hướng đến ổn định vi mô cho hệ thống ngân hàng.
5.3.5. Nhóm kiến nghị cơ quan hoạch định chính sách nhằm hỗ trợ ổn định hệ
thống tài chính và thúc đẩy xử lý triệt để nợ xấu
Các kiến nghị nhằm hỗ trợ ổn định tài chính:
Một là, NHNN nên tăng cường kỷ luật thị trường Ngân hàng thương mại Việt
Nam. NHNN cần xây dựng và ban hành văn bản quy phạm pháp luật quy định về
công bố thông tin, trong đó có các chế tài thích hợp nếu không tuân thủ và được áp
dụng đối với tất cả các NHTM, nhằm bảo đảm tính công khai, minh bạch về thông
155

tin tài chính như các ngân hàng có cổ phiếu niêm yết trên Sở Giao dịch chứng
khoán. Bên cạnh đó, Việt Nam cần đẩy nhanh quá trình chỉnh lý tiêu chuẩn kế toán
và đảm bảo theo các tiêu chuẩn quốc tế. Cần sửa đổi trong ba mảng chính như: linh
hoạt hơn trong trích lập dự phòng rủi ro tín dụng cho phép hướng tới thông qua các
phương pháp tiếp cận các chu kỳ (ví dụ như trích lập dự phòng tổn thất dự kiến),
thắt chặt các quy định về việc hợp nhất các rủi ro ngoại bảng và áp dụng giá trị kế
toán hợp lý cho các loại công cụ tài chính.
Hai là, kiến nghị tăng cường các hoạt động giám sát an toàn hệ thống tài chính
Việt Nam. Một khi hệ thống giám sát an toàn tài chính không hiệu quả, gặp rủi ro
cũng như tạo ra nhiều bất ổn cho hệ thống tài chính và làm giảm hiệu quả hoạt động
của các ngân hàng thương mại Việt Nam. Do đó, cần lựa chọn mô hình giám sát tài
chính hiệu quả với các yêu cầu: (i) Có thể nhanh chóng phát hiện và xử lý kịp thời
những hành vi vi phạm an toàn tài chính của các ngân hàng thương mại; (ii) có khả
năng nhận diện những bất ổn và xu hướng không lành mạnh trên thị trường ngân
hàng để kịp thời đưa ra những phản hồi chính sách nhằm can thiệp, điều chỉnh thị
trường một cách hợp lý, đặc biệt là những bất ổn trong nợ xấu của các ngân hàng;
(iii) có khả năng nhận diện RRHT và cảnh báo nguy cơ khủng hoảng tài chính của
hệ thống ngân hàng…
Ba là, hoàn thiện chính sách về đảm bảo an toàn của hệ thống ngân hàng, cụ
thể: (i) Hoàn thiện quy định về các tỷ lệ đảm bảo an toàn trong hoạt động ngân
hàng; (ii) quy định về phân loại nợ và trích lập dự phòng rủi ro; (iii) quy định về cấp
phép thành lập và hoạt động, mở rộng mạng lưới; (iv) quy định về tổ chức quản lý và
hoạt động ngân hàng; (v) Quy định về sáp nhập, hợp nhất, tái cơ cấu, bảo hiểm tiền
gửi…
Các kiến nghị thúc đẩy xử lý triệt để nợ xấu:
Nghị quyết xử lý nợ xấu được ban hành và có thể là công cụ hữu hiệu nhằm
hướng đến xử lý dứt điểm nợ xấu, ở đó nghị quyết trả lại tính thị trường cho hoạt
động mua bán nợ xấu, quyền lợi rõ ràng giữa các bên, công bố thông tin minh
bạch…Đồng thời, nghị quyết cũng cho thấy tầm quan trọng của hoạt động xử lý nợ
156

xấu. Qua kết quả nghiên cứu của luân án, nợ xấu là nhân tố tác động tiêu cực lớn
đến hiệu quả ngân hàng. Vì vậy, khoanh vùng và xử lý nợ xấu là hoạt động vô cùng
cấp thiết. Dưới góc độ nghiên cứu của luận án, tác giả có vài kiến nghị các cơ quan
hoạch định chính sách nhằm thúc đẩy xử lý triệt để nợ xấu, cụ thể như sau:
- Kiến nghị với Chính phủ, cần quyết liệt triển khai nghị quyết xử lý nợ xấu
vào thực tế. Đồng thời, nhận diện trước những rào cản và tình huống xấu nhất khi
thực thi nghị quyết. Ngoài ra, Chính phủ cần có chính sách hướng đến xây dựng và
phát triển thị trường mua bán nợ Việt Nam trong thời gian tới.
- Kiến nghị Ngân hàng Nhà nước thực hiện ba trụ cột: một là, thực thi nghị
quyết xử lý nợ xấu và hướng đến hình thành thị trường mua bán nợ; hai là, ban hành
chính sách và đẩy mạnh – mở rộng áp dụng Hiệp ước Basel II vào các ngân hàng
thương mại nhằm quản lý – kiểm soát rủi ro chủ động trong hoạt động cấp tín dụng;
ba là, xây dựng hệ thống đo lường hiệu quả ngân hàng với đầu ra không mong
muốn là nợ xấu để khoanh vùng ngân hàng, và khoanh vùng nợ xấu để có những
chính sách can thiệp kịp thời.
- Kiến nghị với VAMC, phát triển VAMC trên quan điểm nhà quản lý – điều
hành thị trường mua bán nợ, nhà tạo lập thị trường và nhà đầu tư lớn trên thị trường
mua bán nợ xấu. Bên cạnh đó, VAMC cần thúc đẩy thực hiện: một là, giải quyết
khối lượng nợ xấu được mua bằng trái phiếu đặc biệt. Muốn thế, VAMC cần phân
loại, tiến hành định giá theo giá thị trường, và thực hiện mua hoặc bán cho bên thứ
ba về khoản nợ xấu này; hai là, xây dựng nguyên tắc định giá những khoản nợ xấu
cho phù hợp với giá trị thị trường. Nguyên tắc định giá phải dựa trên tỷ lệ phục hồi
của khoản vay và hoạt động đấu giá giữa các nhà đầu tư khác nhau; ba là, khuyến
nghị các ngân hàng thương mại phân loại nợ xấu (theo tài sản đảm bảo, theo giá trị
tỷ lệ phục hồi giảm dần…) để xúc tiến nhanh hoạt động mua bán nợ xấu trên thị
trường thời gian tới.
- Kiến nghị NHNN và VAMC ban hành cơ chế định giá khoản nợ xấu. Việc
định giá không thể chỉ dựa vào yếu tố tài sản đảm bào, mà cần nhìn ở vấn đề tỷ lệ
phục hồi của khoản vay (RR – Recovery Rate). Cụ thể, đối với danh mục cho vay
157

doanh nghiệp, những yếu tố ảnh hưởng đến RR gồm: Một là, đặc điểm người vay (uy
tín trả nợ, phân loại ngành nghề, số lượng chủ nợ, cấu trúc tài chính của báo cáo tài
chính, quy mô công ty, hình thức pháp lý, số năm thành lập); hai là, đặc điểm của
khoản vay (giá trị tài sản thế chấp, dư nợ tại thời điểm khách hàng không trả được nợ,
thời gian của quy trình xử lý nợ, chi phí của quy trình xử lý nợ, thời hạn của khoản
vay); ba là, yếu tố kết nối doanh nghiệp (mối quan hệ giữa ngân hàng và doanh
nghiệp, khoảng cách địa lý giữa ngân hàng và doanh nghiệp); bốn là, yếu tố kinh tế vĩ
mô (GDP, lạm phát, mức lãi suất thị trường, các điều kiện kinh tế vĩ mô). Đối với
danh mục khoản vay cá nhân, những yếu tố ảnh hưởng đến RR gồm: Một là, hồ sơ
người vay (tuổi, giới tính, tình trạng hôn nhân, năng lực tài chính); hai là, loại vay (có
tài sản đảm bảo hay tín chấp, kỳ hạn vay, loại vay…); ba là, tài sản thế chấp (giá thị
trường, thanh khoản, tình trạng pháp lý…); bốn là, khả năng trả nợ (lịch sử thanh toán
gần nhất, số gốc đã thanh toán, năng lực tài chính người vay…); năm là, khả năng đòi
nợ (những hành động thu hồi nợ đã có, những khó khăn trong thu hồi nợ…).
- Kiến nghị phát triển thị trường mua bán nợ với ba phương thức bán nợ, bao
gồm: Một là, bán riêng lẻ - là phương thức bán nợ dựa trên sự thỏa thuận riêng giữa
người mua và người bán; hai là, đấu giá (giới hạn hoặc đại chúng) – là phương thức bán
nợ dựa trên sự đấu giá giữa những nhà đầu tư mua nợ với người bán nợ; ba là, chứng
khoán hóa – là phương thức bán nợ dựa trên hoạt động chứng khoán hóa những khoản
nợ xấu. Đây là dạng đặc biệt của chứng khoán hóa trên tài sản và cũng là một quy trình
chuyển đổi món vay hoặc khoản phải thu thành công cụ có thể chuyển nhượng.
5.3.6. Kiến nghị về chính sách vĩ mô
Các cơ quan hoạch định chính sách cần duy trì chính sách ổn định vĩ mô và
kiểm soát chỉ số lạm phát ở mức phù hợp với bối cảnh tăng trưởng của Việt Nam
nhằm hướng đến môi trường kinh tế vĩ mô thuận lợi cho hiệu quả ngân hàng. Đồng
thời, các chính sách này cũng làm giảm trừ đáng kể sự gia tăng của nợ xấu đến từ
yếu tố vĩ mô như mô tả trong lý thuyết “kém may mắn” (bad luck).
Ngoài ra, trong dài hạn, các chính sách thúc đẩy tăng trưởng kinh tế phải
hướng đến tăng tỷ lệ tăng trưởng GDP. Bởi tăng trưởng kinh tế là động lực thúc đẩy
158

các chủ thể kinh tế khác phát triển, và ngân hàng cũng không ngoại lệ. Vì vậy, các
cơ quan hoạch định chính sách cần phải thực hiện loạt chính sach như: cải cách thể
chế, môi trường kinh doanh – đầu tư, hỗ trợ và thúc đẩy khu vực kinh tế tư nhân, cổ
phần hóa doanh nghiệp nhà nước…
Tóm lại, chính sách vĩ mô cần phải hướng đến ổn định kinh tế vĩ mô, kiểm
soát lạm phát, cải thiện môi trường kinh doanh, phát triển doanh nghiệp, nâng cao
năng suất, chất lượng và hiệu quả cạnh tranh; tiếp tục tái cơ cấu lại nền kinh tế, phát
triển bền vững, thúc đẩy tăng trưởng bền vững.
5.4. HẠN CHẾ CỦA ĐỀ TÀI VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
Mặc dù nghiên cứu đã đạt được những mục tiêu đề ra, nhưng do hạn chế về
thời gian nghiên cứu, dữ liệu nghiên cứu nên đề tài không tránh khỏi những hạn chế
chính như:
- Thời gian nghiên cứu trong giai đoạn 2007 – 2014 chưa đủ dài để tạo độ tin
cậy cao nhất khi phân tích mối quan hệ giữa nợ xấu và hiệu quả ngân hàng thông
qua mô hình system GMM hai bước. Ngoài ra, điểm dừng cuối của dữ liệu là năm
2014 không phản ảnh được tính cập nhập đến năm 2016, tuy nhiên, do sau năm
2014, dữ liệu nợ xấu không đảm bảo tính trung thực bởi phần lớn nợ xấu được
chuyển giao cho VAMC. Nên để đo lường chính xác sự ảnh hưởng của nợ xấu đến
hiệu quả ngân hàng, tác giả phải lựa chọn mốc thời gian 2007 - 2014
- Trong giai đoạn nghiên cứu, hệ thống ngân hàng thương mại Việt Nam phải
đối mặt với hoạt động tái cơ cấu nên số lượng ngân hàng có sự biến động giảm.
Đồng thời, dữ liệu nhiều ngân hàng không được công bố đầy đủ và sự liên tục trong
dữ liệu không được đầy đủ. Do đó, dữ liệu nghiên cứu được thu thập không cân
bằng, nên kết quả nghiên cứu chưa bao quát hết toàn bộ những ngân hàng thương
mại ở Việt Nam.
- Các yếu tố đầu vào và đầu ra được lựa chọn theo cách tiếp cận sản xuất,
được sử dụng trong hai mô hình đo lường gồm: hiệu quả chi phí DEA và DEA với
đầu ra không mong muốn. Tuy nhiên, yếu tố đầu vào và đầu ra này cần bổ sung
càng nhiều để càng đại diện tính toán hiệu quả ngân hàng một cách toàn diện nhất.
159

Trong thời gian tới, nếu có đủ điều kiện và dữ liệu nghiên cứu thì nghiên cứu
sẽ được mở rộng: (i) Một là, thêm các yếu tố đầu vào và đầu ra theo cách tiếp cận
sản xuất nhằm phân tích hiệu quả ngân hàng một cách đầy đủ lẫn toàn diện; (ii) hai
là, sử dụng cách tiếp cận trung gian để đo lường hiệu quả ngân hàng theo cả hai mô
hình. Từ đó sẽ củng cố thêm kết quả đo lường hiệu quả ngân hàng của hệ thống
ngân hàng thương mại Việt Nam; (iii) ba là, mở rộng thời gian nghiên cứu và thu
thập thêm dữ liệu nghiên cứu để dữ liệu bảng trở nên cân bằng; (iv) bốn là, phát
triển mô hình nghiên cứu để tìm kiếm bằng chứng thực nghiệm cho các giả thuyết
“rủi ro đạo đức” (moral hazard), giả thuyết “quản lý tránh rủi ro” (risk – averse
management)…
160

Trong chương 5, tác giả đưa ra kết luận về: (i) Đo lường hiệu quả ngân hàng
bằng mô hình hiệu quả chi phí DEA; (ii) kết luận về điểm hiệu quả ngân hàng khi
đo lường bằng mô hình DEA với nợ xấu là đầu ra không mong muốn; (ii) và những
kết luận liên quan đến mối quan hệ giữa nợ xấu với hiệu quả chi phí, nhằm lột tả
mức độ ảnh hưởng của nợ xấu đến hiệu quả chi phí. Theo đó, nợ xấu gia tăng của hệ
thống ngân hàng đến từ hoạt động “quản lý kém” (bad management), và yếu tố kinh
tế vĩ mô từ “kém may mắn” (bad luck). Đồng thời, nợ xấu có tác động tiêu cực làm
giảm điểm hiệu quả ngân hàng trong khoảng thời gian nghiên cứu. Vì vậy, những
giải pháp sẽ chủ yếu xoay quanh việc nâng cao hiệu quả chi phí, giảm trừ nợ xấu,
tránh các hoạt động “quản lý kém”, và ban hành các chính sách kinh tế vĩ mô hướng
đến ổn định.
Tiếp đến, luận án đề xuất kiến nghị các chính sách cho NHTM, NHNN và cơ
quan hoạch định chính sách như sau: (i) Áp dụng mô hình đo lường hiệu quả chi phí
DEA và mô hình DEA với nợ xấu là đầu ra không mong muốn; (ii) kiến nghị phân
loại bốn nhóm ngân hàng nhằm theo dõi và giám sát chặt chẽ hệ thống ngân hàng
thương mại Việt Nam; (iii) kiến nghị các ngân hàng thương mại nên hướng đến
mảng kinh doanh ngân hàng bán lẻ như chiến lược dài hạn; (iv) kiến nghị ngân hàng
thương mại áp dụng phương pháp quản lý nợ xấu chủ động; (v) kiến nghị cơ quan
hoạch định chính sách thúc đẩy xử lý triệt để nợ xấu…
161

KẾT LUẬN
Nghiên cứu đã hệ thống hóa về: (i) Hiệu quả và hiệu quả ngân hàng; (ii) cách
tiếp cận tham số và tiếp cận phi tham số trong đo lường hiệu quả ngân hàng; (iii)
phương pháp đo lường hiệu quả ngân hàng theo cách tiếp cận phi tham số DEA;
(iv) các nhân tố ảnh hưởng đến hiệu quả ngân hàng; (v) và cơ sở lý thuyết về mối
quan hệ giữa nợ xấu với hiệu quả ngân hàng.
Bên cạnh đó, luận án còn thực hiện lược khảo những công trình nghiên cứu
trước về hiệu quả ngân hàng, và mối quan hệ giữa nợ xấu với hiệu quả ngân hàng.
Quá trình này sẽ giúp tác giả phát hiện các khoảng trống trong nghiên cứu trước và
hướng đến xây dựng các mô hình nghiên cứu đề xuất một cách khoa học.
Dữ liệu nghiên cứu của luận án trải dài từ 2007 đến 2014 và được thu thập từ 40
ngân hàng – nhưng có sự biến động về số lượng ngân hàng cho các năm nghiên cứu
khác nhau. Nghiên cứu sử dụng mô hình và phương pháp nghiên cứu cụ thể như:
- Thứ nhất, mô hình DEA với đầu ra không mong muốn của phương pháp bao
dữ liệu (DEA), và nợ xấu là đầu ra không mong muốn. Mô hình đo lường này giúp
nhận diện điểm hiệu quả ngân hàng, mức độ ảnh hưởng của nợ xấu đến điểm hiệu
quả của từng ngân hàng thương mại, và tỷ lệ nợ xấu tối ưu/khoảng tỷ lệ nợ xấu tối
ưu (kể cả các đầu vào thừa/đầu ra thiếu khác). Bên cạnh đó, luận án còn đo lường
hiệu quả ngân hàng qua mô hình hiệu quả chi phí DEA (gọi là hiệu quả chi phí)
nhằm xác định thêm hiệu quả ngân hàng và cũng là biến số cho bước nghiên cứu về
mức độ ảnh hưởng của nợ xấu đến hiệu quả ngân hàng.
- Thứ hai, luận án đề xuất mô hình nghiên cứu trên cơ sở mô hình dữ liệu bảng
động với phương pháp ước lượng S – GMM hai bước để có thể đạt được các mục
tiêu sau: (i) Đánh giá mức độ ảnh hưởng của tỷ lệ nợ xấu đến hiệu quả chi phí; (ii)
và đánh giá được mức độ ảnh hưởng ngược lại của hiệu quả chi phí đến tỷ lệ nợ
xấu. Kết quả thực nghiệm về quan hệ tuyến tính này có thể hỗ trợ cho các giả thuyết
nghiên cứu H1 – “kém may mắn” (bad luck), H2 – “quản lý kém” (bad
management), hoặc H3 – “hà tiện” (Skimping)
162

- Cuối cùng, luận án đánh giá mối quan hệ nhân quả giữa nợ xấu với hiệu quả
chi phí thông qua mô hình tự hồi quy véc-tơ dữ liệu bảng (PVAR) nhằm xác định
và phân tích: (i) Nợ xấu liệu có là nguyên nhân gây ra sự thay đổi hiệu quả chi phí,
hay ngược lại, hay cả hai; (ii) dự đoán một cú sốc đến nợ xấu có ảnh hưởng đến
hiệu quả chi phí, và ngược lại; (iii) đánh giá mức độ giải thích của nợ xấu cho sự
thay đổi của hiệu quả chi phí, và ngược lại. Các kết quả thực nghiệm trên sẽ cho
những kết luận cuối cùng về các giả thuyết nghiên cứu là “kém may mắn” (bad
luck) và “quản lý kém” (bad management).
Dựa vào kết quả nghiên cứu, luận án đưa ra các kết luận đạt được từ nghiên cứu,
đề xuất ba nhóm giải pháp (nhóm giải pháp nâng cao hiệu quả chi phí, nhóm giải
pháp nhằm quản trị sự tác động của nợ xấu đến hiệu quả chi phí, nhóm giải pháp loại
trừ hoạt động quản lý kém của NHTM), và sáu kiến nghị (kiến nghị các ngân hàng
thương mại Việt Nam hướng đến mảng kinh doanh ngân hàng bán lẻ như một chiến
lược dài hạn; kiến nghị NHTM áp dụng mô hình quản trị ngân hàng hiện đại; kiến
nghị ngân hàng nhà nước xây dựng hệ thống đo lường hiệu quả ngân hàng; nhóm
kiến nghị các cơ quan hoạch định chính sách nhằm thúc đẩy xử lý triệt để nợ xấu…).
Tuy nhiên, nghiên cứu có vài hạn chế như: (i) Dữ liệu không đầy đủ và có
nhiều ngân hàng không có dữ liệu liên tục theo chuỗi thời gian; (ii) tác giả có lọc bỏ
vài ngân hàng có dữ liệu theo năm không đầy đủ, điều này dẫn đến thiếu sót nhỏ
trong đánh giá toàn diện hệ thống ngân hàng thương mại Việt Nam; (iii) xuất hiện
nhiều biến động trong hệ thống ngân hàng thương mại Việt Nam nên bộ dữ liệu
bảng không cân bằng; (iv) thời gian nghiên cứu chỉ đến năm 2014 vẫn chưa phản
ánh hết thực trạng nợ xấu của hệ thống ngân hàng thương mại Việt Nam.
Bên cạnh đó, nghiên cứu đạt rất nhiều thành tựu như:
- Một là, nợ xấu là đầu ra không mong muốn và ảnh hưởng trực tiếp đến điểm
hiệu quả của ngân hàng. Kết quả nghiên cứu cho thấy, các ngân hàng muốn đạt biên
hiệu quả thì cần có “tỷ lệ nợ xấu đạt biên hiệu quả”, “khoảng tỷ lệ nợ xấu tối ưu”,
khắc phục đầu vào thừa và đầu ra thiếu. Kết quả cũng tìm được tỷ lệ hiệu quả của
các ngân hàng thương mại nhà nước cao hơn nhiều so với nhóm ngân hàng thương
163

mại cổ phần. Đồng thời, những ngân hàng kém hiệu quả liên tục thường nằm trong
nhóm tái cơ cấu, giám sát đặc biệt, và mua bán – sáp nhập.
- Hai là, kết quả nghiên cứu từ mô hình DEA với nợ xấu là đầu ra không mong
muốn còn cho thấy sự phân nhóm hiệu quả ngân hàng, cụ thể như sau:
+ Nhóm định hướng là bốn ngân hàng thương mại nhà nước (BID,
AGR, VCB, CTG) đạt biên hiệu quả liên tục với quy mô tài sản lớn, và định hướng
cho sự phát triển của hệ thống ngân hàng thương mại Việt Nam.
+ Nhóm động lực là các ngân hàng thương mại cổ phần đạt biên hiệu
quả liên tục và là động lực phát triển cho hệ thống ngân hàng thương mại Việt Nam.
Bao gồm các ngân hàng như ngân hàng TMCP Quân Đội (MBB), ngân hàng TMCP
Kỹ Thương (TCB), ngân hàng Bưu Điện Liên Việt (LVP), ngân hàng TMCP Sài
Gòn (SCB), ngân hàng TMCP Bảo Việt (BVB).
+ Nhóm cần cải thiện là các ngân hàng như ngân hàng TMCP Á Châu
(ACB), ngân hàng Việt Nam Thịnh Vượng (VPB), ngân hàng Quốc Tế Việt Nam
(VIB), ngân hàng TMCP Nam Á (NAB), ngân hàng TMCP Phát triển TPHCM
(HDB), ngân hàng TMCP Hàng Hải (MSB). Đây là những ngân hàng cải thiện được
biên hiệu quả và có nhiều nỗ lực trong tối ưu đầu vào thừa/đầu ra thiếu sau năm
2013. Đồng thời, cả sáu đều là những ngân hàng có quy mô tài sản lớn trong nhóm
các ngân hàng thương mại cổ phần. Những hoạt động cải thiện liên tục cho những
năm tiếp theo có thể sẽ đưa những ngân hàng này vào nhóm thứ hai – nhóm động
lực.
+ Nhóm tái cơ cấu và giám sát là những ngân hàng kém hiệu quả liên
tục. Các ngân hàng thuộc nhóm này cần phải buộc tái cơ cấu và thực hiện giám sát
chặt chẽ. Sau năm 2013, số lượng ngân hàng thuộc diện này khá nhiều và tái cơ
cấu/mua bán/sáp nhập được NHNN thực hiện rất quyết liệt như: DAI, HAB, PNB,
TNB, PGBank, Western Bank (PVcombank)…
Ba là, với mô hình dữ liệu bảng động, mô hình PVAR và phương pháp ước
lượng GMM luận án tìm thấy: Tỷ lệ nợ xấu gia tăng có mức độ ảnh hưởng tích cực
làm giảm hiệu quả chi phí của hệ thống ngân hàng thương mại Việt Nam. Đồng
164

thời, tỷ lệ nợ xấu là nguyên nhân trực tiếp gây ra sự thay đổi của hiệu quả chi phí,
và mức độ giải thích cho sự thay đổi của hiệu quả chi phí hơn 28%. Từ những bằng
chứng thực nghiệm có thể kết luận, giả thuyết “kém may mắn” (bad luck) là đúng
với hệ thống ngân hàng thương mại Việt Nam. Lúc này, nợ xấu gia tăng là do ảnh
hưởng bởi các yếu tố vĩ mô/ngành GDP, lạm phát, thất nghiệp, giảm lãi suất, tăng
cung tiền…Điều đó buộc các ngân hàng thương mại phải gia tăng hoạt động quản lý
danh mục tín dụng, đặc biệt là các khoản tín dụng gần đáo hạn. Việc gia tăng hoạt
động quản lý như theo dõi, thu hồi, đôn đốc thu hồi, quản trị nợ xấu chủ động, bán
nợ…đã dẫn đến chi phí gia tăng nên làm hiệu quả chi phí ngân hàng giảm xuống. Vì
vậy, xử lý nợ xấu và gia tăng hiệu quả chi phí của hệ thống ngân hàng thương mại
Việt Nam phải đến từ điều chỉnh các chính sách kinh tế vĩ mô và xây dựng cơ chế
ổn định tài chính.
- Bốn là, ở chiều ngược lại, kết quả phân tích cho mô hình dữ liệu bảng động,
mô hình PVAR với phương pháp GMM, luận án cũng tìm thấy sự ảnh hưởng của
hiệu quả chi phí đến nợ xấu của ngân hàng, cụ thể: hiệu quả chi phí ảnh hưởng tiêu
cực đến tỷ lệ nợ xấu và cũng là nguyên nhân gây ra sự thay đổi ở tỷ lệ nợ xấu. Kết
quả nghiên cứ là những bằng chứng thực nghiệm kiểm định cho giả thuyết “quản lý
kém” (bad management) ở hệ thống ngân hàng thương mại Việt Nam. Việc “quản
lý kém” có thể ở các khía cạnh sau: (i) Điểm xếp hạng tín dụng thấp, và hiện giá
ròng các khoản tín dụng thấp hoặc âm; (ii) khó khăn trong giám sát và kiểm soát các
hoạt động sau vay; (iii) thiếu chuyên môn và hạn chế trong định giá các tài sản đảm
bảo để thế chấp hoặc cầm cố…Do đó, các giải pháp căn cơ về quản trị nợ xấu, giảm
trừ nợ xấu, xử lý nợ xấu…phải đến từ khoanh vùng vấn đề ở yếu tố nội tại ngân
hàng, mà cụ thể là hoạt động quản trị ngân hàng.
- Bốn là, luận án còn đề xuất ba nhóm giải pháp và sáu kiến nghị nhằm hướng
đến một hệ thống ngân hàng thương mại hoạt động hiệu quả, xử lý - tiến đến kiểm
soát sự tác động của nợ xấu đến hiệu quả ngân hàng, loại trừ hoạt động “quản lý
kém” (bad management), và củng cố sự ổn định tài chính lẫn kinh tế vĩ mô.
165

Trong nghiên cứu tiếp theo, đề tài sẽ mở rộng số năm nghiên cứu, trên cơ sở
lọc lại dữ liệu nợ xấu mà các ngân hàng thương mại đã bán để đổi lấy trái phiếu đặc
biệt cho VAMC (công ty quản lý tài sản của các Tổ chức Tín dụng) sau năm 2014.
Từ đó, thời gian nghiên cứu sẽ cập nhập và kéo dài cho đến năm gần nhất, để phản
ánh đầy đủ thực trạng ảnh hưởng của nợ xấu lên hiệu quả ngân hàng.
166

DANH MỤC CÔNG TRÌNH LIÊN QUAN ĐẾN LUẬN ÁN ĐÃ CÔNG BỐ

CỦA TÁC GIẢ
Tác giả Năm Tên công trình Tạp chí đăng tải
Châu Đình Linh 2017 Đo lường hiệu quả ngân hàng bằng Tạp chí Ngân Hàng số
mô hình DEA với đầu ra không mong 13, tháng 7/2017
muốn: trường hợp của nhóm ngân
hàng thương mại nhà nước tại Việt
Nam
Châu Đình Linh 2017 Đo lường hiệu quả ngân hàng của Tạp chí Kinh tế Châu
nhóm ngân hàng thương mại nhà nước Á – Thái Bình Dương,
bằng mô hình DEA BCC và siêu hiệu số 496, tháng 6/2017,
quả trang
Châu Đình Linh 2016 Cơ hội và thách thức cho ngành ngân Hội thảo quốc tế Việt
Nguyễn Phúc Quý hàng Việt Nam trong bối cảnh hội Nam Học lần 5 -2016_
Thạnh nhập TPP Đồng tác giả
Phạm Xuân Vương The 5th international
conference on
Vietnamese Studies
Châu Đình Linh 2015 Rủi ro hệ thống và ổn định tài chính: Đề tài cấp ngành/đã
Bùi Quang Tín hình thái biểu hiện tại Việt Nam và hoàn thành
Nguyễn Phúc Quý các gợi ý chính sách
Thạnh
Châu Đình Linh 2015 Vấn đề nợ xấu và xử lý nợ xấu ở Việt Hội thảo quốc tế tổ chức
Nam: chứng khoán hóa nợ xấu là một tại Việt Nam (2015)
giải pháp đáng để xem xét.
167

PHỤ LỤC
PHỤ LỤC A: DỮ LIỆU NGHIÊN CỨU CHO ƯỚC LƯỢNG S – GMM HAI
BƯỚC, PVAR VÀ PHÂN TÍCH QUAN HỆ NHÂN QUẢ GRANGER
t DMUs CE NPLR t DMUs CE NPLR
2007 ABB 0.7635640 2% 2007 MBB 0.9486630 1.0126%
2008 ABB 0.8577130 1.20% 2008 MBB 1.0000000 2.58979%
2009 ABB 0.9247272 3.00% 2009 MBB 1.0000000 1.728%
2010 ABB 1.0000000 1.40% 2010 MBB 1.0000000 1.354%
2011 ABB 0.0494155 2.79% 2011 MBB 1.0000000 1.613%
2012 ABB 1.0000000 2.83% 2012 MBB 1.0000000 1.8558%
2013 ABB 0.1681610 7.63% 2013 MBB 1.0000000 2.4589%
2014 ABB 0.4191245 4.50% 2014 MBB 1.0000000 2.7570%
2007 ACB 1.0000000 0.08% 2007 MDB 1.0000000 0.08%
2008 ACB 1.0000000 0.89% 2008 MDB 0.6311600 0.80%
2009 ACB 1.0000000 0.41% 2009 MDB 1.0000000 2.937%
2010 ACB 1.0000000 0.34% 2010 MDB 1.0000000 1.262%
2011 ACB 0.6488680 0.89% 2011 MDB 1.0000000 2.081%
2012 ACB 0.4818503 2.50% 2012 MDB 1.0000000 3.464%
2013 ACB 0.6764223 3.0254% 2013 MDB 1.0000000 2.647%
2014 ACB 0.6859228 2.178% 2014 MDB 1.0000000 5.099%
2007 AGR 1.0000000 2.50% 2007 MHB 1.0000000 4.70%
2008 AGR 1.0000000 2.70% 2008 MHB 0.5437140 2.91%
2009 AGR 1.0000000 3.97% 2009 MHB 0.3729989 2.029%
2010 AGR 1.0000000 3.75% 2010 MHB 0.4922483 1.936%
2011 AGR 1.0000000 6.10% 2011 MHB 0.0199167 2.49%
2012 AGR 1.0000000 7% 2012 MHB 0.5803653 2.999%
2013 AGR 1.0000000 6% 2013 MHB - -
2014 AGR 1.0000000 5.054% 2014 MHB - -
2007 BAN 1.0000000 0.44% 2007 MSB 0.5583760 2.084%
2008 BAN 0.4674850 1.24% 2008 MSB 0.9138070 1.49%
2009 BAN 1.0000000 3.475% 2009 MSB 0.8173992 2.10%
2010 BAN 1.0000000 4.066% 2010 MSB 1.0000000 0.99%
2011 BAN 0.3802091 2.70% 2011 MSB 0.7850163 2.27%
2012 BAN 0.4671421 1.892% 2012 MSB 0.5237623 2.65%
2013 BAN 0.3132841 4.108% 2013 MSB 0.5474216 2.71%
2014 BAN 0.7520177 3.80% 2014 MSB 0.3404589 5.16%
2007 BID 1.0000000 3.98% 2007 NAB 0.2715550 1.64%
2008 BID 1.0000000 4.02% 2008 NAB 0.6319810 2.56%
2009 BID 1.0000000 3.08% 2009 NAB 0.4691253 1.71%
168

2010 BID 1.0000000 3.49% 2010 NAB 0.7772392 2.18%

2011 BID 1.0000000 2.96% 2011 NAB 0.1939908 2.84%
2012 BID 1.0000000 2.90% 2012 NAB 0.4440998 2.476%
2013 BID 1.0000000 2.37% 2013 NAB 0.7606222 1.477%
2014 BID 1.0000000 2.03% 2014 NAB 0.3546374 1.47%
2007 BVB - - 2007 NAV 1.0000000 1.163%
2008 BVB - - 2008 NAV 1.0000000 2.906%
2009 BVB 1.0000000 0% 2009 NAV 0.4497032 2.452%
2010 BVB 1.0000000 0.0083% 2010 NAV 0.6180374 2.239%
2011 BVB 0.2167442 4.5674% 2011 NAV 0.1198277 2.9163%
2012 BVB 1.0000000 5.94% 2012 NAV 0.5359259 5.6396%
2013 BVB 1.0000000 2.05% 2013 NAV 0.2858563 6.0673%
2014 BVB - - 2014 NAV 0.4010008 2.5246%
2007 CTG 1.0000000 2.30% 2007 OCB 0.6770010 1.50%
2008 CTG 0.4734450 1.81% 2008 OCB 1.0000000 2.87%
2009 CTG 1.0000000 0.6133% 2009 OCB 0.6947931 2.60%
2010 CTG 1.0000000 0.657% 2010 OCB 0.8858482 2.05%
2011 CTG 1.0000000 0.7511% 2011 OCB 0.0813538 3.00%
2012 CTG 1.0000000 1.467% 2012 OCB 1.0000000 2.46%
2013 CTG 1.0000000 1.002% 2013 OCB 0.3129482 4.00%
2014 CTG 1.0000000 1.115% 2014 OCB 0.9043439 3.93%
2007 DAI 2007 OEB 1.0000000 0.09%
2008 DAI 0.4446330 0.58% 2008 OEB 1.0000000 1.44%
2009 DAI 1.0000000 0.45% 2009 OEB 1.0000000 1.61%
2010 DAI 1.0000000 1.02% 2010 OEB 1.0000000 1.671%
2011 DAI 0.1837675 1% 2011 OEB 0.0311885 2.08%
2012 DAI 0.4693950 4.40% 2012 OEB 0.8580190 3.52%
2013 DAI - - 2013 OEB 0.2759055 4.038%
2014 DAI - - 2014 OEB - -
2007 EAB 1.0000000 0.50% 2007 PGB 1.0000000 1.39%
2008 EAB 1.0000000 2.55% 2008 PGB 0.1901250 1.42%
2009 EAB 0.9789835 1.33% 2009 PGB 0.7245158 1.225%
2010 EAB 1.0000000 1.599% 2010 PGB 1.0000000 1.418%
2011 EAB 0.0284679 1.686% 2011 PGB 0.1373474 2.0557%
2012 EAB 1.0000000 3.955% 2012 PGB 1.0000000 8.437%
2013 EAB 0.7739091 3.999% 2013 PGB 0.5639381 2.98%
2014 EAB 0.8554173 3.76% 2014 PGB 1.0000000 2.485%
2007 EIB 1.0000000 0.875% 2007 SCB 0.8027920 0.34%
2008 EIB 1.0000000 4.71% 2008 SCB 0.7444170 0.58%
2009 EIB 1.0000000 1.834% 2009 SCB 0.3964878 1.28%
169

2010 EIB 1.0000000 1.4203% 2010 SCB 1.0000000 11.40%

2011 EIB 0.6690060 1.6110% 2011 SCB 1.0000000 7.25%
2012 EIB 0.4421863 1.318% 2012 SCB 0.4179819 7.22%
2013 EIB 0.7474200 1.982% 2013 SCB 0.3181643 1.61%
2014 EIB 1.0000000 2.46% 2014 SCB 0.2780826 0.49%
2007 HAB 0.1801560 2.49% 2007 SEA 0.5853320 0.30%
2008 HAB 0.7962190 2.84% 2008 SEA 0.3325640 2.14%
2009 HAB 0.3704940 3.749% 2009 SEA 0.8396926 1.88%
2010 HAB 0.9069683 15.20% 2010 SEA 1.0000000 2.14%
2011 HAB 0.0304201 16.70% 2011 SEA 0.0303166 2.75%
2012 HAB - - 2012 SEA 0.2142880 2.97%
2013 HAB - - 2013 SEA 0.3698310 6.2964%
2014 HAB - - 2014 SEA 0.3313223 5.119%
2007 HDB 1.0000000 0.313% 2007 SGB 0.7849890 0.422%
2008 HDB 0.7987110 1.926% 2008 SGB 1.0000000 0.691%
2009 HDB 0.6933086 0.92% 2009 SGB 0.5185781 1.7813%
2010 HDB 0.5804079 0.831% 2010 SGB 1.0000000 1.912%
2011 HDB 0.0396085 2.107% 2011 SGB 0.1409011 4.75%
2012 HDB 1.0000000 2.40% 2012 SGB 0.8602340 5%
2013 HDB 1.0000000 3.672% 2013 SGB 1.0000000 2.242%
2014 HDB 0.5557309 2.271% 2014 SGB 0.8649498 2.081%
2007 KLB 0.7815620 1.660% 2007 SHB 1.0000000 0.50%
2008 KLB 0.5447000 1.660% 2008 SHB 1.0000000 1.89%
2009 KLB 1.0000000 1.166% 2009 SHB 1.0000000 2.79%
2010 KLB 0.7332774 1.1088% 2010 SHB 1.0000000 1.40%
2011 KLB 0.1763023 2.7732% 2011 SHB 0.1344849 2.23%
2012 KLB 0.5368222 2.9257% 2012 SHB 0.9575137 8.83%
2013 KLB 0.1993682 2.4711% 2013 SHB 0.8487360 5.67%
2014 KLB 1.0000000 1.953% 2014 SHB 0.8293386 2.03%
2007 LVP - - 2007 STB 1.0000000 0.23%
2008 LVP 1.0000000 0% 2008 STB 0.6163870 0.5953%
2009 LVP 1.0000000 0.2849% 2009 STB 0.8913686 0.64%
2010 LVP 1.0000000 0.4177% 2010 STB 0.9935089 0.5389%
2011 LVP 1.0000000 2.1364% 2011 STB 0.6871279 0.5750%
2012 LVP 1.0000000 2.710% 2012 STB 0.8563068 2.0482%
2013 LVP 0.7391571 2.48% 2013 STB 0.8324602 1.46%
2014 LVP 1.0000000 1.23% 2014 STB 0.8747498 1.1893%
2007 VIB 1.0000000 1.25% 2007 TCB 1.0000000 1.40%
2008 VIB 0.6242730 1.844% 2008 TCB 1.0000000 2.52%
2009 VIB 0.6322054 1.27% 2009 TCB 1.0000000 2.49%
170

2010 VIB 0.8427988 1.59% 2010 TCB 1.0000000 2.29%

2011 VIB 0.5704230 2.69% 2011 TCB 1.0000000 2.82%
2012 VIB 0.7021493 2.62% 2012 TCB 0.8610214 2.69%
2013 VIB 1.0000000 2.82% 2013 TCB 1.0000000 3.65%
2014 VIB 1.0000000 2.51% 2014 TCB 0.7637883 2.38%
2007 VPB 0.9491480 0.50% 2007 TPB - -
2008 VPB 0.8348860 3.41% 2008 TPB 1.0000000 0%
2009 VPB 0.6736491 1.65% 2009 TPB 1.0000000 0%
2010 VPB 0.9409225 1.20% 2010 TPB 1.0000000 0.0183%
2011 VPB 0.6881910 1.82% 2011 TPB 1.0000000 2.6677%
2012 VPB 0.6453585 2.72% 2012 TPB 1.0000000 3.6625%
2013 VPB 0.6966113 2.81% 2013 TPB 1.0000000 2.3252%
2014 VPB 0.6685851 2.54% 2014 TPB 1.0000000 1.2169%
2007 PVCombank 1.0000000 1.065% 2007 VAB 0.6655560 0.75%
2008 Pvcombank 1.0000000 2.301% 2008 VAB 0.8769140 1.80%
2009 Pvcombank 1.0000000 2.0934% 2009 VAB 1.0000000 1.31%
2010 Pvcombank 0.8195899 1.008% 2010 VAB 1.0000000 2.52%
2011 Pvcombank 0.1675361 1.3018% 2011 VAB 0.0911184 2.56%
2012 Pvcombank 0.7061812 7.257% 2012 VAB 1.0000000 4.65%
2013 Pvcombank 1.0000000 5.06% 2013 VAB 0.3356932 2.88%
2014 Pvcombank 1.0000000 2.67% 2014 VAB 0.7320911 2.33%
2007 PNB 0.6911710 4.112% 2007 VCB 1.0000000 3.29360%
2008 PNB 0.7337580 2.309% 2008 VCB 1.0000000 4.6120%
2009 PNB 0.5558095 2.33% 2009 VCB 1.0000000 2.4704%
2010 PNB 1.0000000 1.845% 2010 VCB 1.0000000 2.8310%
2011 PNB 0.0114706 2.323% 2011 VCB 1.0000000 2.0330%
2012 PNB 0.3254334 45.60% 2012 VCB 1.0000000 2.4033%
2013 PNB 0.3178778 55.31% 2013 VCB 1.0000000 2.7250%
2014 PNB - - 2014 VCB 1.0000000 2.3070%
2007 NSB - - 2007 TRU 1.0000000 0.11%
2008 NSB - - 2008 TRU 1.0000000 0.12%
2009 NSB - - 2009 TRU 1.0000000 3%
2010 NSB - - 2010 TRU 0.8286024 2.19%
2011 NSB 0.0394245 0.637% 2011 TRU 0.0500342 3.66%
2012 NSB 0.6111177 5.661% 2012 TRU - -
2013 NSB 0.1204541 2.320% 2013 TRU - -
2014 NSB 0.4916490 2.2725% 2014 TRU - -
171

PHỤ LỤC B: DỮ LIỆU NGHIÊN CỨU ĐO LƯỜNG HIỆU QUẢ CHI PHÍ
VÀ HIỆU QUẢ NGÂN HÀNG DEA VỚI ĐẦU RA KHÔNG MONG MUỐN
LÀ NỢ XẤU
NĂM 2007 (triệu đồng)
(C) chi phí (C) chi (C) tài sản (O) tiền gởi (O) thu
Ngân hàng (triệu đồng) nhân viên phí lãi cố định khách hàng (O) dư nợ (O) đầu tư ngoài lãi
NHTMCP An Bình(ABB) 49,953 777,777 79,925 6,787,378 6,858,134 3,659,331 97,167
NHTMCP Á Châu(ACB) 392,054 3,227,028 1,175,194 55,283,106 31,810,857 9,634,122 1,779,308
NHNN&PTNT Agribank(AGR) 3,676,248 17,137,863 2,234,045 230,001,084 251,710,182 33,061,872 3,932,944
NHTMCP Bản Việt(BAN) 15,859 55,735 23,607 417,162 1,051,172 103,914 68,100
NHTMCP Đầu Tư và Phát Triển
Việt Nam(BID) 1,545,010 10,579,935 900,611 138,233,627 131,983,554 3,169,473 2,936,132
NH Công Thương Việt Nam(CTG) 1,619,135 8,085,890 996,651 112,425,767 102,190,640 38,144,272 1,877,120
NHTMCP Đông Á(EAB) 139,386 864,951 342,584 14,329,375 17,808,599 1,217,347 328,887
NHTMCP Xuất Nhập Khẩu Việt
Nam(EIB) 160,657 1,069,041 183,538 22,895,416 18,452,000 6,090,526 331,948
NHTMCP Nhà Hà Nội(HAB) 88,949 1,492,959 93,054 8,467,382 9,285,862 2,480,157 102,163
NHTMCP Phát Triển Nhà Việt
Nam(HDB) 48,020 486,748 66,390 3,539,924 8,912,366 1,450,599 64,295
NHTMCP Kiên Long(KLB) 23,654 91,218 17,936 952,245 1,351,742 50,000 1,030
NHTMCP Quân Đội(MBB) 101,518 947,805 143,737 18,062,666 11,468,742 2,766,273 162,590
NHTMCP Phát triển Mê kong
MDB 15,420 57,639 7,554 328,714 1,264,612 20,781 336
NHTMCPPT Nhà Đồng Bằng Sông
Cửu Long(MHB) 236,876 1,423,313 128,178 9,945,883 13,924,999 7,699,242 30,778
NHTMCP Hàng Hải(MSB) 58,655 706,589 47,375 7,368,771 6,527,868 2,169,236 82,665
NHTMCP Nam Á(NAB) 43,494 356,197 78,314 2,801,741 2,698,695 306,790 46,569
NHTMCP Quốc Dân(NAV) 38,029 297,467 59,783 6,140,079 4,363,446 0 138,580
NHTMCP Phương Đông(OCB) 83,309 540,707 204,139 5,771,874 7,557,438 401,215 44,152
NHTMCP Đại Dương(OEB) 16,114 279,518 14,180 2,419,678 4,713,442 2,366,612 39,479
NHTMCP Xăng Dầu
Petrolimex(PGB) 9,024 98,380 25,530 1,311,841 1,917,569 829,133 11,602
NHTMCP Phương Nam(PNB) 71,224 714,032 202,070 9,546,578 5,828,236 1,975,783 178,704
NHTMCP Sài Gòn(SCB) 154,211 1,257,032 195,302 15,970,585 19,477,603 947,328 245,255
NHTMCP Đông Nam Á(SEA) 41,252 1,161,319 29,260 10,744,177 11,041,087 4,727,110 83,309
NHTMCP Sài Gòn Công
Thương(SGB) 59,300 493,576 234,691 6,466,709 7,363,558 543,772 47,053
NHTMCP Sài Gòn-Hà Nội(SHB) 28,361 354,975 50,050 2,804,803 4,183,502 391,706 172,903
NHTMCP Sài Gòn Thương
Tín(STB) 345,968 2,231,130 590,400 44,231,944 35,378,147 11,404,478 1,162,786
NHTMCP Kỹ Thương Việt
Nam(TCB) 182,249 1,400,728 437,012 24,476,521 19,841,131 7,524,102 287,796
NHTMCP Việt Nam Tín
Nghĩa(TNB) 21,375 186,098 22,376 1,037,577 2,768,468 16,336 2,491
NHTMCP Xây Dựng Việt
Nam(TRU) 12,849 48,475 16,110 311,187 831,213 6,766 2,481
NHTMCP Việt Á(VAB) 43,024 474,860 87,499 4,576,859 5,764,145 223,025 135,358
NHTMCP Ngoại Thương Việt
Nam(VCB) 610,721 7,289,180 851,742 142,620,180 97,531,894 40,538,082 1,393,378
172

NHTMCP Quốc Tế Việt Nam(VIB) 174,353 1,240,563 129,591 17,686,726 16,744,250 6,681,219 318,252
NHTMCP Việt Nam Thịnh
Vượng(VPB) 128,590 781,121 270,393 12,764,383 13,287,472 1,810,754 193,690
NHTMCP Đại Chúng(WTB)/ngân
hàng Miền Tây 8,100 54,579 21,544 572,452 628,414 1,346 44,320

(C) chi
phí nhân (C) chi phí (C) tài sản cố (O) tiền gởi (O) thu
Ngân hàng (triệu đồng) viên lãi định khách hàng (O) dư nợ (O) đầu tư ngoài lãi
NHTMCP An Bình(ABB) 92,355 1,223,980 423,067 6,683,336 6,538,980 2,792,961 66,720
NHTMCP Á Châu(ACB) 691,303 7,769,589 739,688 64,217,030 34,832,700 24,667,935 1,672,744
NHTMCP Bản Việt(BAN) 42,485 118,992 67,176 619,820 1,292,828 65,551 -36,797
NHTMCP Đầu Tư và Phát Triển Việt
Nam(BID) 1,975,953 15,895,605 1,002,322 166,290,734 156,870,045 33,420,246 2,172,886
NH Công Thương Việt Nam(CTG) 2,947,037 13,873,456 1,279,217 121,634,433 120,752,073 41,714,335 1,408,412
NHTMCP Đại Á(DAI) 49,958 211,302 36,232 1,802,174 1,834,526 300,234 33,009
NHTMCP Đông Á(EAB) 215,947 2,971,376 483,845 23,010,456 25,570,810 379,735 635,279
NHTMCP Xuất Nhập Khẩu Việt Nam(EIB) 282,667 2,876,882 317,470 32,319,964 21,232,198 7,634,663 572,464
NHTM dầu khí toàn cầu GPBank 73,500 833,140 40,853 4,083,833 3,110,431 1,995,640 280,344
NHTMCP Phát Triển nhà Việt Nam(HDB) 68,417 970,679 150,416 4,336,944 6,175,404 250,469 91,336
NHTMCP Kiên Long(KLB) 65,784 225,861 32,213 1,651,950 2,195,377 0.1 10,414
NHTMCP Bưu Điện Liên Việt(LVP) 67,059 154,371 89,561 2,847,382 2,414,752 1,231,763 168,921
NHTMCP Quân Đội(MBB) 204,573 2,258,587 256,618 27,271,004 15,740,426 8,628,135 124,781
NHTMCP Phát Triển MeKong(MDB) 16,403 136,151 12,284 1,297,603 1,339,145 8,730 2,716
NHTMCPPT Nhà Đồng Bằng Sông Cửu
Long(MHB) 250,750 3,115,600 150,926 12,028,544 16,112,073 7,904,467 111,878
NHTMCP Hàng Hải(MSB) 124,781 1,755,292 219,682 14,111,452 11,209,764 3,921,402 69,775
NHTMCP Nam Á(NAB) 65,531 682,526 43,631 3,419,677 3,749,652 263,346 43,122
NHTMCP Quốc Dân(NAV) 70,946 812,393 69,775 6,021,912 5,474,558 41,311 58,401
NHTMCP Phương Đông(OCB) 92,694 1,098,080 187,934 6,796,233 8,597,448 151,472 63,834
NHTMCP Đại Dương(OEB) 33,445 1,270,898 40,028 6,412,043 5,938,759 3,870,025 93,543
NHTMCP Xăng Dầu Petrolimex(PGB) 38,368 425,043 48,576 2,199,038 2,365,281 1,160,229 71,134
NHTMCP Phương Nam(PNB) 151,774 1,671,043 493,182 9,044,667 9,479,136 2,417,357 209,157
NHTMCP Sài Gòn Công Thương(SGB) 96,090 1,047,215 303,379 7,164,634 7,916,376 472,700 116,972
NHTMCP Sài gòn (SCB) 250,806 3,333,736 343,770 22,969,094 23,278,256 4,182,687 209,465
NHTMCP Sài Gòn-Hà Nội(SHB) 85,398 1,132,570 97,108 9,508,139 6,252,699 2,436,031 316,282
NHTMCP Sài Gòn Thương Tín(STB) 643,259 6,014,414 912,282 53,282,824 35,008,871 8,668,904 1,314,529
NHTMCP Kỹ Thương Việt Nam(TCB) 405,581 4,469,416 574,502 39,930,753 26,343,017 11,898,003 1,445,082
NHTMCP Việt Nam Tín Nghĩa(TNB) 32,169 680,208 22,451 2,126,713 3,937,579 72,268 -753
NHTMCP Tiên Phong(TPB) 19,524 73,075 41,594 1,171,922 275,340 583,613 -4,754
NHTMCP Xây Dựng Việt Nam(TRU) 31,459 120,298 43,880 2,015,543 1,622,172 3,513 6,040
173

NHTMCP Việt Á(VAB) 75,887 1,085,496 91,336 7,447,640 6,632,574 327,806 85,564
NHTMCP Ngoại Thương Việt Nam(VCB) 1,204,179 7,340,053 1,043,437 157,066,960 112,792,965 41,876,169 1,484,978
NHTMCP Việt Nam Thịnh Vượng(VPB) 187,426 1,978,661 353,767 14,230,121 12,904,143 1,850,885 37,349
NHTMCP Đại Chúng(WTB)/Ngân hàng
Miền Tây 20,162 80,094 50,302 859,372 1,364,529 2,724 23,391
(C) chi phí (C) chi phí (C) tài sản (O) tiền gởi (O) thu
Ngân hàng (triệu đồng) nhân viên lãi cố định khách hàng (O) dư nợ (O) đầu tư ngoài lãi
NHTMCP An Bình(ABB) 143,027 957,497 430,930 15,016,775 12,882,962 3,053,329 148,571
NHTMCP Á Châu(ACB) 851,512 6,813,361 824,533 86,919,118 62,357,978 32,805,800 1,877,836
NHTMCP Bản Việt(BAN) 41,208 138,921 80,938 1,161,590 2,314,881 66,709 27,349
Việt Nam(BID) 3,480,889 14,235,364 1,198,363 188,828,031 206,401,908 32,425,880 2,801,047
NHTMCP Bảo Việt(BVB) 32,968 188,107 24,201 3,514,336 2,255,568 949,066 1,663
NH Công Thương Việt
Nam(CTG) 3,603,775 5,566,398 1,775,278 148,374,543 163,170,485 39,276,081 860,937
NHTMCP Đại Á(DAI) 51,926 250,045 97,015 4,766,288 4,240,939 276,833 4,435
NHTMCP Đông Á(EAB) 280,696 2,218,224 574,882 27,973,510 34,355,544 745,931 556,957
Nam(EIB) 458,464 2,368,869 430,376 46,958,280 38,381,855 8,606,977 601,861
NHTMCP Dầu Khí Toàn
Cầu(GPB) 75,498 806,957 96,184 8,214,754 5,962,886 2,476,851 245,401
NHTMCP Phát Triển nhà Việt
Nam(HDB) 91,841 804,461 187,192 9,459,215 8,230,884 2,635,881 243,553
NHTMCP Kiên Long(KLB) 85,674 300,390 36,560 4,794,376 4,874,377 450,000 11,569
NHTMCP Bưu Điện Liên
Việt(LVP) 110,504 452,177 123,255 7,302,531 5,423,254 5,789,074 234,129
NHTMCP Phát Triển
MeKong(MDB) 28,815 153,700 17,042 677,246 2,383,033 15,693 6,902
NHTMCPPT Nhà Đồng Bằng
Sông Cửu Long(MHB) 320,056 2,725,409 193,838 14,950,065 20,136,341 7,236,712 133,788
NHTMCP Nam Á(NAB) 77,569 493,322 42,317 4,500,560 5,012,921 1,065,425 15,153
NHTMCP Quốc Dân(NAV) 95,906 964,232 67,818 9,629,776 9,959,607 2,148,859 113,091
NHTMCP Phương Đông(OCB) 122,516 715,372 201,236 8,051,855 10,216,975 112,576 51,926
NHTMCP Xăng Dầu
Petrolimex(PGB) 74,286 541,671 72,529 6,895,993 6,267,026 967,165 137,853
NHTMCP Sài Gòn(SCB) 223,042 3,511,130 297,512 30,113,378 31,310,489 8,724,073 247,249
NHTMCP Đông Nam Á(SEA) 83,156 923,348 131,201 12,345,820 9,625,900 2,783,027 224,889
Thương(SGB) 111,244 693,570 469,551 8,481,491 9,722,120 542,900 57,839
NHTMCP Sài Gòn Thương 747,374 4,834,864 1,365,405 60,516,273 59,657,004 10,365,267 1,226,082
174

Tín(STB)
Nam(TCB) 473,490 4,382,546 585,114 62,468,814 42,092,767 14,033,584 1,335,662
Nghĩa(TNB) 85,946 892,013 53,633 6,642,224 9,644,746 3,549,783 24,076
NHTMCP Tiên Phong(TPB) 45,643 279,807 85,605 4,230,397 3,192,581 4,967,066 92,210
Nam(TRU) 87,903 354,030 62,904 3,896,487 5,213,995 639,739 106,221
NHTMCP Việt Á(VAB) 153,903 665,385 168,898 10,809,476 12,041,504 309,665 207,150
Nam(VCB) 1,937,154 8,794,892 1,181,841 169,071,562 141,621,126 32,640,655 2,132,846
NHTMCP Quốc Tế Việt
Nam(VIB) 405,799 2,586,595 181,094 32,364,860 27,352,682 8,818,224 520,553
Vượng(VPB) 208,074 1,390,784 223,528 16,489,551 15,813,269 2,349,068 141,919
NHTMCP Đại
Chúng(WTB)/Ngân hàng Miền
Tây 36,447 234,796 51,068 3,309,043 1,791,247 1,850,214 80,463
Ngân hàng nhân viên lãi cố định khách hàng (O) dư nợ (O) đầu tư ngoài lãi
NHTMCP Á Châu(ACB) 970,713 10,796,566 1,014,755 106,936,573 87,195,105 49,180,626 1,325,818
NHTMCP Bản Việt(BAN) 55,695 378,503 78,803 3,181,330 3,626,199 1,417,012 11,455
Việt Nam(BID) 3,614,448 20,590,477 1,486,583 247,493,768 254,191,575 32,356,511 2,289,420
NHTMCP Bảo Việt(BVB) 62,209 632,649 39,077 7,291,108 5,615,167 2,963,043 69,323
NHTMCP Đại Á(DAI) 87,690 639,670 109,218 4,580,223 5,786,471 1,638,857 132,325
NHTMCP Đông Á(EAB) 353,328 3,134,577 676,438 31,417,313 38,320,847 3,133,405 555,568
Nam(EIB) 440,850 4,661,811 404,407 50,753,844 62,717,617 20,694,745 344,138
NHTMCP Dầu Khí Toàn Cầu(GPB) 16,542 1,746,079 53,523 15,724,753 8,843,885 9,070,288 507,773
Nam(HDB) 162,543 1,830,750 255,960 13,986,160 11,728,192 7,451,847 164,320
NHTMCP Kiên Long(KLB) 98,562 840,685 46,594 6,546,888 7,008,435 2,027,492 -24,691
Việt(LVP) 167,085 1,264,774 200,807 12,314,125 9,755,415 15,971,148 103,293
MeKong(MDB) 42,928 334,320 36,152 6,556,452 2,695,293 814,407 3,471
NHTMCPPT Nhà Đồng Bằng Sông
Cửu Long(MHB) 457,015 3,342,426 396,778 21,402,680 22,628,912 10,471,738 78,408
NHTMCP Nam Á(NAB) 91,917 809,755 88,653 5,781,793 5,302,111 2,939,547 137,356
NHTMCP Quốc Dân(NAV) 122,450 1,224,485 65,373 10,721,288 10,638,936 1,867,069 33,970
NHTMCP Phương Đông(OCB) 137,065 1,054,953 235,420 8,687,235 11,584,528 1,022,442 62,213
175

NHTMCP Xăng Dầu
Petrolimex(PGB) 129,560 949,742 125,102 10,704,698 10,886,497 1,941,704 147,533
Thương(SGB) 161,160 1,023,625 538,033 9,067,423 10,455,751 1,966,224 612,053
NHTMCP Sài gòn (SCB) 349,936 4,916,148 499,829 35,121,557 33,177,653 6,037,388 1,055,839
Tín(STB) 1,238,045 7,911,015 1,602,394 78,335,416 82,484,803 22,016,302 1,403,238
Nam(TCB) 754,450 7,750,034 831,259 80,550,770 52,927,857 31,532,990 1,623,450
Nghĩa(TNB) 217,890 2,950,085 93,073 25,546,043 26,233,278 6,438,728 -67,448
NHTMCP Tiên Phong(TPB) 69,520 1,006,220 92,825 7,557,535 5,224,778 6,922,938 240,160
Nam(TRU) 112,478 1,038,001 105,985 8,948,429 10,051,709 3,112,209 93,645
NHTMCP Việt Á(VAB) 140,028 1,129,831 204,610 9,394,483 13,290,472 3,679,993 174,985
Nam(VCB) 2,569,733 12,392,225 1,178,724 204,755,949 171,124,824 32,818,396 2,860,788
Vượng(VPB) 239,568 2,736,987 199,061 23,969,588 25,323,735 13,549,570 218,830
NHTMCP Đại Chúng(WTB)/ngân
hàng Phương Tây 59,399 582,282 60,975 5,593,260 3,972,547 2,385,983 28,844
NHTMCP Á Châu(ACB) 1,574,312 18,853,380 1,207,764 142,218,080 102,809,156 26,939,529 816,412
NHTMCP Bản Việt(BAN) 89,743 1,031,748 103,677 5,231,506 4,333,379 5,795,047 156,622
Việt Nam(BID) 4,823,671 31,918,155 1,512,659 243,654,993 293,937,120 32,723,022 2,473,553
NHTMCP Bảo Việt(BVB) 92,432 1,317,058 51,707 7,029,708 6,712,706 2,633,944 70,596
Nam(CTG) 4,975,169 35,727,190 2,548,247 257,273,777 293,434,312 67,991,585 2,068,855
NHTMCP Đại Á(DAI) 197,093 1,376,226 124,040 5,114,610 6,996,246 2,478,391 18,126
NHTMCP Đông Á(EAB) 629,852 4,881,882 910,116 36,063,956 44,003,078 3,127,315 380,328
Nam(EIB) 1,044,239 12,246,316 766,352 53,756,259 74,663,330 26,376,794 948,234
Nam(HDB) 267,332 4,031,823 265,212 19,089,964 13,847,786 10,671,563 -72,080
NHTMCP Kiên Long(KLB) 178,945 1,475,635 60,880 8,137,592 8,403,856 3,033,605 37,885
Việt(LVP) 342,622 3,135,463 323,148 25,657,567 12,757,139 16,819,516 43,245
MeKong(MDB) 175,614 525,917 97,504 1,254,257 3,186,303 2,322,641 -21,222
Sông Cửu Long(MHB) 500,358 5,251,916 558,832 20,368,748 22,954,356 8,556,346 88,828
176

NHTMCP Nam Á(NAB) 129,976 1,459,358 390,772 6,445,839 6,245,178 3,638,135 218,807
NHTMCP BẮc Á(NSB) 117,792 3,373,644 114,530 9,343,055 16,864,244 1,785,859 3,298
NHTMCP Xăng Dầu
Petrolimex(PGB) 201,188 1,721,454 230,417 10,925,208 12,112,037 2,022,497 73,352
NHTMCP Phương Nam(PNB) 641,445 8,289,697 1,025,671 33,410,162 35,338,516 3,359,734 843,156
NHTMCP Sài Gòn(SCB) 349,970 133,942 887,266 58,633,444 66,070,088 13,917,273 1,055,835
NHTMCP Đông Nam Á(SEA) 221,339 6,597,979 263,539 34,352,699 19,641,058 14,043,127 -46,631
Thương(SGB) 218,479 1,598,725 474,802 8,929,181 11,182,716 1,412,572 78,449
NHTMCP Sài Gòn-Hà
Nội(SHB) 510,920 5,883,524 167,692 34,785,596 29,161,851 15,115,198 321,604
Tín(STB) 1,942,939 12,022,041 2,105,523 75,092,251 80,539,487 24,717,532 1,015,480
Nam(TCB) 1,181,264 14,650,198 1,037,952 88,647,800 63,451,465 48,625,607 1,355,740
NHTMCP Tiên Phong(TPB) 26,049 651,161 136,811 7,508,192 4,493,978 8,267,241 215,925
Nam(TRU) 245,123 2,894,651 261,946 11,172,976 11,930,583 4,574,705 111,023
NHTMCP Việt Á(VAB) 154,232 2,095,102 185,261 7,246,738 11,578,215 2,955,781 135,386
Nam(VCB) 3,188,514 20,933,053 1,460,829 227,016,854 209,417,633 30,274,145 2,615,556
Nam(VIB) 783,552 8,100,793 192,496 44,149,000 43,497,212 20,435,754 223,236
Vượng(VPB) 644,213 7,494,584 214,769 29,412,032 29,183,643 20,926,421 465,976
NHTMCP Đại
Chúng(WTB)/ngân hàng
Phương Tây 132,595 1,609,165 86,122 12,629,595 8,854,234 2,735,853 41,655
(C) chi phí (C) chi phí (C) tài sản cố (O) tiền gởi (O) thu
Ngân hàng nhân viên lãi định khách hàng (O) dư nợ (O) đầu tư ngoài lãi
NHTMCP Á Châu(ACB) 1,884,580 15,398,127 1,438,061 125,233,595 102,814,848 25,306,390 1,000,200
Việt Nam(BID) 3,797,946 21,314,411 1,759,385 303,059,537 339,923,668 53,069,729 3,599,410
NHTMCP Bảo Việt(BVB) 91,574 1,118,309 46,504 6,265,077 6,748,196 1,631,138 428,794
Nam(CTG) 4,988,884 32,240,738 2,971,038 289,105,307 333,356,092 73,691,803 3,375,559
NHTMCP Đại Á(DAI) 207,462 1,622,056 130,614 8,551,253 9,158,872 2,268,523 67,516
NHTMCP Đông Á(EAB) 572,186 4,963,253 917,537 50,790,243 50,650,056 4,489,090 288,996
Nam(EIB) 1,114,229 12,030,414 858,213 70,516,238 74,922,289 11,752,036 525,739
Nam(HDB) 301,888 4,345,159 255,582 34,261,860 21,147,824 11,943,823 672,693
177

Việt(LVP) 675,490 3,887,371 430,403 41,336,683 22,991,681 15,515,782 -142,598
NHTMCP Quân Đội(MBB) 1,171,661 8,835,583 451,173 117,747,416 74,478,564 41,617,232 1,210,630
MeKong(MDB) 238,956 454,888 116,586 1,501,085 3,717,007 2,658,812 -12,910
Sông Cửu Long(MHB) 989,567 3,922,514 593,903 23,096,754 24,650,695 5,954,617 30,736
NHTMCP Nam Á(NAB) 135,342 1,591,842 400,994 8,727,085 6,848,139 2,575,229 130,981
NHTMCP BẮc Á(NSB) 201,785 4,115,566 123,459 29,039,159 22,323,079 2,066,024 64,192
NHTMCP Xăng Dầu
Petrolimex(PGB) 412,088 1,276,234 226,255 12,332,420 13,787,372 1,923,758 177,990
NHTMCP Sài Gòn(SCB) 693,078 14,121,347 916,626 79,192,921 88,154,900 11,314,978 114,460
Thương(SGB) 237,498 1,201,661 534,954 10,451,684 10,860,925 1,201,117 75,889
NHTMCP Sài Gòn-Hà Nội(SHB) 732,037 8,075,961 398,883 77,598,520 56,939,724 12,712,663 1,063,928
Tín(STB) 2,101,396 10,372,444 2,768,831 107,458,698 96,334,439 21,255,823 496,311
Nam(TCB) 1,388,235 12,507,291 819,766 111,462,288 68,261,442 47,423,251 645,805
NHTMCP Việt Á(VAB) 156,087 1,716,531 187,426 14,997,980 12,890,233 2,886,252 195,049
Nam(VCB) 3,353,516 20,792,943 2,304,003 285,381,722 241,167,308 79,042,180 4,154,404
Nam(VIB) 824,925 5,722,070 195,384 39,061,259 33,887,202 13,795,143 272,286
Vượng(VPB) 797,556 7,373,778 251,800 59,514,141 36,903,305 23,599,856 166,261
NHTMCP Đại Chúng(WTB) 134,639 1,482,992 83,624 10,929,952 5,253,894 2,900,893 51,092
(C) chi phí (C) chi (C) tài sản (O) tiền gởi (O) thu
Ngân hàng nhân viên phí lãi cố định khách hàng (O) dư nợ (O) đầu tư ngoài lãi
NHTMCP Á Châu(ACB) 1,485,679 10,818,660 2,279,114 138,110,836 107,190,021 34,333,989 1,567,013
NHTMCP Đầu Tư và Phát Triển Việt
Nam(BID) 4,026,930 28,980,070 2,682,616 338,902,132 391,035,051 69,630,422 6,649,135
NHTMCP Bảo Việt(BVB) 92,489 443,997 33,145 8,602,306 7,956,891 3,309,828 20,577
NHTMCP Đông Á(EAB) 702,088 4,349,923 928,767 65,086,791 53,048,986 5,649,636 514,551
Nam(EIB) 944,166 8,165,884 848,718 79,472,411 83,354,232 14,655,017 696,676
Nam(HDB) 353,930 4,574,838 369,550 62,383,934 44,030,492 14,123,840 1,133,352
178

NHTMCP Bưu Điện Liên Việt(LVP) 873,403 3,856,416 479,197 55,553,137 29,548,005 22,107,865 -131,850
NHTMCP Phát Triển MeKong(MDB) 221,717 289,517 90,141 1,739,553 3,919,511 1,066,978 -50,794
NHTMCP Nam Á(NAB) 151,218 1,178,873 492,968 13,679,001 11,570,027 6,281,225 346,417
NHTMCP BẮc Á(NSB) 224,893 3,766,707 131,355 42,563,278 29,513,081 13,368,815 85,726
NHTMCP Phương Đông(OCB) 507,432 1,475,674 271,673 19,115,649 20,178,954 5,863,745 -28,052
NHTMCP Xăng Dầu Petrolimex(PGB) 186,815 1,071,975 180,257 13,861,207 13,866,695 2,912,205 166,221
Thương(SGB) 210,280 955,169 513,377 10,803,034 10,669,968 1,569,818 350,281
NHTMCP Sài Gòn (SCB) 706,939 14,864,061 1,203,220 147,098,061 89,003,699 25,055,473 572,821
NHTMCP Sài Gòn Thương Tín(STB) 2,246,196 9,666,889 2,907,070 131,644,622 110,565,799 22,545,361 1,263,574
Nam(TCB) 1,385,789 8,945,643 656,656 119,997,924 70,274,919 50,765,199 2,462,212
NHTMCP Việt Á(VAB) 176,598 1,335,526 145,597 18,822,074 14,388,442 6,015,686 -17,368
Nam(VCB) 3,308,221 17,516,269 2,556,047 332,245,598 274,314,209 64,658,366 5,850,752
Vượng(VPB) 1,156,511 7,042,590 242,984 83,843,780 52,474,123 37,676,286 1,282,459
NHTMCP Đại Chúng(WTB) 367,748 1,224,424 376,312 49,181,054 41,118,606 13,480,347 466,756
NHTMCP An Bình(ABB) 452,422 2,633,172 592172 45,102,698 25,495,490 15004910 200,660
NHTMCP Á Châu(ACB) 1,741,228 8,937,199 2,384,923 154,613,588 114,745,251 40,781,974 1,290,664
Việt Nam(BID) 4,046,380 27,139,993 3,458,405 440,471,589 445,693,100 100,247,761 6,091,282
NHTMCP Đông Á(EAB) 737,192 4,108,588 902,341 77,417,160 51,849,576 13,279,574 643,224
Nam(EIB) 945,248 5,853,950 1,029,068 101,371,886 86,123,843 19,923,493 232,566
NHTMCP Phát Triển Hồ Chí Minh
(HDB) 674,292 4,668,988 310,927 65,411,576 41,992,591 25,408,995 1,269,675
Việt(LVP) 875,000 3,872,312 737,510 77,819,859 41,289,105 36,252,486 -177,911
179

MeKong(MDB) 146,872 177,968 75,598 1,523,160 3,148,345 3,093,898 -69,933
NHTMCP Hàng Hải(MSB) 585,053 7,963,094 205,491 63,218,853 23,509,425 41,119,930 1,163,421
NHTMCP Nam Á(NAB) 182,137 1,695,922 453,750 20,319,179 15,861,592 2,757,736 101,544
NHTMCP BẮc Á(NSB) 165,234 3,476,388 120,162 46,312,474 36,438,223 14,010,086 79,698
NHTMCP Xăng Dầu
Petrolimex(PGB) - sáp nhập 187,124.00 923,499 169,713 18,003,963 14,507,181 3,364,030 94,290
NHTMCP Sài gòn (SCB) 710,008 16,717,799 1,410,427 198,505,149 134,005,441 43,906,651 1,102,379
Thương(SGB) 179,114 716,485 595,690 11,843,166 11,232,241 2,163,386 152,528
Tín(STB) 2,577,590 8,631,313 2,831,507 163,067,454 128,015,009 33,608,780 1,496,760
Nam(TCB) 1,626,522 7,158,987 657,032 131,689,810 80,307,567 57,064,976 1,136,081
NHTMCP Việt Á(VAB) 191,110 1,443,214 118,656 19,779,746 15,821,970 11,531,699 21,369
Nam(VCB) 3,494,352 16,213,598 2,811,969 422,203,780 323,332,037 77,225,708 5,529,716
Nam(VIB) 843,026 2,582,927 272,007 49,051,909 38,178,571 27,756,930 1,177,190
Vượng(VPB) 1,925,033 7,113,131 291,025 108,353,665 78,378,832 52,204,501 970,974
NHTMCP Đại Chúng(WTB) 386,135 5,393,486 371,178 71,033,426 42,369,791 19,134,394 1,993,119
180

TÀI LIỆU THAM KHẢO

Tài liệu tham khảo tiếng Việt
Dân, L. (2004). Vận dụng phương pháp thống kê để phân tích hiệu quả hoạt động của ngân
hàng thương mại Việt Nam. Luận án tiến sĩ kinh tế.
Hùng, N. V. (2008). Phân tích các nhân tố ảnh hưởng đến hiệu quả hoạt động của các ngân
hàng thương mại ở Việt Nam. Luận án tiến sĩ kinh tế.
Hương, L. T. (2002). Nâng cao hiệu quả hoạt động đầu tư của ngân hàng thương mại Việt
Nam. Luận án tiến sĩ kinh tế.
Sáng, N. M. (2015). Mối quan hệ giữa hiệu quả sử dụng nguồn lực của các ngân hàng
thương mại và tăng trưởng kinh tế tại Việt Nam. Luận án tiến sĩ kinh tế.
Vinh, N. T. H. (2014). nợ xấu và hiệu quả chi phí của các ngân hàng thương mại Việt
Nam. Tạp chí Phát triển Kinh tế.
Tài liệu tham khảo tiếng Anh
Abd Karim, M. Z., Sok, G. C., & Hassan, S. (2010). Bank efficiency and non-performing
loans: Evidence from Malaysia and Singapore. Prague Economic Papers.
Altunbas, Y., Liu, M.-H., Molyneux, P., & Seth, R. (2000). Efficiency and risk in Japanese
banking. Journal of Banking & Finance, 24(10), 1605-1628.
Andersen, P., & Petersen, N. C. (1993). A procedure for ranking efficient units in data
envelopment analysis. Management science, 39(10), 1261-1264.
Arellano, M., & Bond, S. (1991). Some tests of specification for panel data: Monte Carlo
evidence and an application to employment equations. The review of economic
studies, 58(2), 277-297.
Arellano, M., & Bover, O. (1995). Another look at the instrumental variable estimation of
error-components models. Journal of Econometrics, 68(1), 29-51.
Assaf, A. G., Matousek, R., & Tsionas, E. G. (2013). Turkish bank efficiency: Bayesian
estimation with undesirable outputs. Journal of Banking & Finance, 37(2), 506-
517.
Avilez, V. D. (2011). EVIDENCE ON BANKING EFFICIENCY: AN ANALYSIS OF
FINANCIAL INTERMEDIATION IN MEXICO. Dissertation(University of
Texas-Pan American).
181

Barros, C. P., Managi, S., & Matousek, R. (2012). The technical efficiency of the Japanese
banks: Non-radial directional performance measurement with undesirable output.
Omega, 40(1), 1-8. doi:http://dx.doi.org/10.1016/j.omega.2011.02.005
Bauer, P. W., Berger, A. N., Ferrier, G. D., & Humphrey, D. B. (1998). Consistency
conditions for regulatory analysis of financial institutions: a comparison of frontier
efficiency methods. Journal of Economics and business, 50(2), 85-114.
Berg, S. A., Førsund, F. R., Hjalmarsson, L., & Suominen, M. (1993). Banking efficiency
in the Nordic countries. Journal of Banking & Finance, 17(2-3), 371-388.
Berger, A. N., & DeYoung, R. (1997). Problem loans and cost efficiency in commercial
banks. Journal of Banking & Finance, 21(6), 849-870.
Berger, A. N., Hancock, D., & Humphrey, D. B. (1993). Bank efficiency derived from the
profit function. Journal of Banking & Finance, 17(2), 317-347.
Berger, A. N., & Humphrey, D. B. (1991). The dominance of inefficiencies over scale and
product mix economies in banking. Journal of Monetary Economics, 28(1), 117-
148.
Berger, A. N., & Humphrey, D. B. (1992). Measurement and efficiency issues in
commercial banking Output measurement in the service sectors (pp. 245-300):
University of Chicago Press.
Berger, A. N., & Humphrey, D. B. (1997). Efficiency of financial institutions:
International survey and directions for future research. European Journal of
Operational Research, 98(2), 175-212.
Berger, A. N., Leusner, J. H., & Mingo, J. J. (1997). The efficiency of bank branches.
Journal of Monetary Economics, 40(1), 141-162.
Bernanke, B., & Gertler, M. (1989). Agency costs, net worth, and business fluctuations.
The American Economic Review, 14-31.
Bhattacharyya, A., Lovell, C. A. K., & Sahay, P. (1997). The impact of liberalization on
the productive efficiency of Indian commercial banks. European Journal of
Operational Research, 98(2), 332-345. doi:http://dx.doi.org/10.1016/S0377-
2217(96)00351-7
Blundell, R., & Bond, S. (1998). Initial conditions and moment restrictions in dynamic
panel data models. Journal of Econometrics, 87(1), 115-143.
Bonin, J. P., Hasan, I., & Wachtel, P. (2005). Privatization matters: Bank efficiency in
transition countries. Journal of Banking & Finance, 29(8), 2155-2178.
Camanho, A. S., & Dyson, R. G. (2005). Cost efficiency measurement with price
uncertainty: a DEA application to bank branch assessments. European Journal of
Operational Research, 161(2), 432-446.
182

Carbó, S., Gardener, E. P., & Williams, J. (2002). Efficiency in Banking: Empirical
evidence from the savings banks sector. The Manchester School, 70(2), 204-228.
Chang, H.-C., Yang, F.-J., & Wang, Y.-H. (2015). Evaluating the Efficiency of
Vietnamese Commercial Banks by Using Data Envelopment Analysis Approach.
Journal of Accounting, Finance & Management Strategy, 10(1), 147.
Charnes, A., Cooper, W. W., Huang, Z. M., & Sun, D. B. (1990). Polyhedral Cone-Ratio
DEA Models with an illustrative application to large commercial banks. Journal of
Econometrics, 46(1–2), 73-91. doi:http://dx.doi.org/10.1016/0304-4076(90)90048-
X
Charnes, A., Cooper, W. W., Lewin, A. Y., & Seiford, L. M. (1994). Introduction Data
Envelopment Analysis: Theory, Methodology, and Applications (pp. 3-21).
Dordrecht: Springer Netherlands.
Coelli, T. J., Rao, D. S. P., O'Donnell, C. J., & Battese, G. E. (2005). An introduction to
efficiency and productivity analysis: Springer Science & Business Media.
Cornett, M. M., McNutt, J. J., & Tehranian, H. (2006). Performance changes around bank
mergers: Revenue enhancements versus cost reductions. Journal of Money, Credit
and Banking, 1013-1050.
Dang-Thanh, N. (2012). Measuring the performance of the banking system: case of
Vietnam (1990-2010). Journal of applied finance and banking, 2(2), 289-312.
Debreu, G. (1951). The coefficient of resource utilization. Econometrica: Journal of the
Econometric Society, 273-292.
Drake, L., & Hall, M. J. B. (2003). Efficiency in Japanese banking: An empirical analysis.
Journal of Banking & Finance, 27(5), 891-917.
doi:http://dx.doi.org/10.1016/S0378-4266(02)00240-6
Elyasiani, E., & Mehdian, S. M. (1990). A nonparametric approach to measurement of
efficiency and technological change: The case of large US commercial banks.
Journal of Financial Services Research, 4(2), 157-168.
Fan, L., & Shaffer, S. (2004). Efficiency versus risk in large domestic US banks.
Managerial Finance, 30(9), 1-19.
Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal
Statistical Society. Series A (General), 120(3), 253-290.
Fecher, F., & Pestieau, P. (1993). Efficiency and competition in OECD financial services.
The Measurement of Productive Efficiency, 374-385.
Ferrier, G. D., & Lovell, C. K. (1990). Measuring cost efficiency in banking: econometric
and linear programming evidence. Journal of Econometrics, 46(1), 229-245.
183

Fries, S., & Taci, A. (2005). Cost efficiency of banks in transition: Evidence from 289
banks in 15 post-communist countries. Journal of Banking & Finance, 29(1), 55-
81.
Fujii, H., Managi, S., & Matousek, R. (2014). Indian bank efficiency and productivity
changes with undesirable outputs: A disaggregated approach. Journal of Banking &
Finance, 38, 41-50. doi:http://dx.doi.org/10.1016/j.jbankfin.2013.09.022
Fukuyama, H., & Weber, W. L. (2008). Japanese banking inefficiency and shadow pricing.
Mathematical and Computer Modelling, 48(11–12), 1854-1867.
doi:http://dx.doi.org/10.1016/j.mcm.2008.03.004
Ghosh, S. (2016). Political transition and bank performance: how important was the Arab
Spring? Journal of Comparative Economics, 44(2), 372-382.
Huang, T.-H., Chiang, D.-L., & Tsai, C.-M. (2015). Applying the New Metafrontier
Directional Distance Function to Compare Banking Efficiencies in Central and
Eastern European Countries. Economic Modelling, 44, 188-199.
doi:http://dx.doi.org/10.1016/j.econmod.2014.10.029
Hughes, J. P., & Mester, L. J. (2008). Efficiency in banking: theory, practice, and
evidence.
IFC. (2012). Distressed Asset Transfer Handbook: General Guidelines for the Purchase
and
Sale of Distressed Assets in the Financial Sector.
Ilieva, I. (2003). * Efficiency in the banking industry: Evidence from Eastern Europe.
Jondrow, J., Lovell, C. K., Materov, I. S., & Schmidt, P. (1982). On the estimation of
technical inefficiency in the stochastic frontier production function model. Journal
of Econometrics, 19(2-3), 233-238.
Kamecka, M. (2010). Bank efficiency in CEE. WU Vienna University of Economics and
Business.
Karim, M. Z. A. (2001). Comparative bank efficiency across select ASEAN countries.
ASEAN Economic Bulletin, 289-304.
Ke, T.-Y., Li, Y., & Chiu, Y.-H. (2011). Analyzing for profit efficiency of banks with
undesirable output. African Journal of Business Management, 5(20), 8141.
Keeton, W. R., & Morris, C. S. (1987). Why do banks' loan losses differ? Economic
Review-Federal Reserve Bank of Kansas City, 72(5), 3.
Kenjegalieva, K. (2007). A non-parametric efficiency and productivity analysis of
transition banking. © Karligash A. Kenjegalieva.
Koopmans, T. C. (1951). Activity analysis of production and allocation: Wiley New York.
184

Koutsomanoli-Filippaki, A., Margaritis, D., & Staikouras, C. (2009). Efficiency and
productivity growth in the banking industry of Central and Eastern Europe. Journal
of Banking & Finance, 33(3), 557-567.
Kumar, S., & Gulati, R. (2013). Deregulation and efficiency of Indian banks: Springer.
Kwan, S. H., & Eisenbeis, R. A. (1996). An analysis of inefficiencies in banking: A
stochastic cost frontier approach. Economic Review-Federal Reserve Bank of San
Francisco(2), 16.
Li, Y. (2005). DEA efficiency measurement with undesirable outputs: an application to
Taiwan's commercial banks. International Journal of Services Technology and
Management, 6(6), 544-555.
Liang, C.-J., Yao, M.-L., Hwang, D.-Y., & Wu, W.-H. (2008). The impact of non-
performing loans on bank's operating efficiency for Taiwan banking industry.
Review of Pacific Basin Financial Markets and Policies, 11(02), 287-304.
Maea, S. F. (2010). The efficiency of the commercial banks in six Pacific Island countries:
a dissertation in partial fulfilment of the requirements for the degree of Doctor in
Philosophy, Banking Studies, School of Economics and Finance, Massey
University, Palmerston North, New Zealand.
Mamatzakis, E., Staikouras, C., & Koutsomanoli-Filippaki, A. (2008). Bank efficiency in
the new European Union member states: Is there convergence? International
Review of Financial Analysis, 17(5), 1156-1172.
Mester, L. J. (1996). A study of bank efficiency taking into account risk-preferences.
Minh, N. K., Long, G. T., & Hung, N. V. (2013). Efficiency and super-efficiency of
commercial banks in Vietnam: performances and determinants. Asia-Pacific
Journal of Operational Research, 30(01), 1250047.
Ngoc Nguyen, T., & Stewart, C. (2013). Concentration and efficiency in the Vietnamese
banking system between 1999 and 2009: A structural model approach. Journal of
Financial Regulation and Compliance, 21(3), 268-283.
Nguyen, P. A., & Simioni, M. (2015). Productivity and efficiency of Vietnamese banking
system: new evidence using Färe-Primont index analysis. Applied Economics,
47(41), 4395-4407.
Park, K. H., & Weber, W. L. (2006). A note on efficiency and productivity growth in the
Korean Banking Industry, 1992–2002. Journal of Banking & Finance, 30(8), 2371-
2386. doi:http://dx.doi.org/10.1016/j.jbankfin.2005.09.013
Pastor, J. M. (1999). Efficiency and risk management in Spanish banking: a method to
decompose risk. Applied Financial Economics, 9(4), 371-384.
185

Pastor, J. M. (2002). Credit risk and efficiency in the European banking system: A three-
stage analysis. Applied Financial Economics, 12(12), 895-911.
Pelosi, T. (2008). Risk, Efficiency and Industry Dynamics in the Australian Banking
Sector. The University of New South Wales.
Řepková, I. (2014). Efficiency of the Czech banking sector employing the DEA window
analysis approach. Procedia Economics and Finance, 12, 587-596.
Resti, A. (1997). Evaluating the cost-efficiency of the Italian banking system: What can be
learned from the joint application of parametric and non-parametric techniques.
Rim, K. T. (1996). International comparison of bank efficiency: an empirical study of
large commercial banking in the United States and Japan. The Ohio State
University.
Seiford, L. M., & Zhu, J. (2002). Modeling undesirable factors in efficiency evaluation.
European Journal of Operational Research, 142(1), 16-20.
Shaffer, S. (2012). Reciprocal brokered deposits and bank risk. Economics Letters, 117(2),
383-385.
Shephard, R. W. (1970). Theory of Cost and Production Functions Princeton University
Press. Princeton, New Jersey.
Staub, R. B., e Souza, G. d. S., & Tabak, B. M. (2010). Evolution of bank efficiency in
Brazil: A DEA approach. European Journal of Operational Research, 202(1), 204-
213.
Stevenson, R. E. (1980). Likelihood functions for generalized stochastic frontier
estimation. Journal of Econometrics, 13(1), 57-66.
Stewart, C., Matousek, R., & Nguyen, T. N. (2016). Efficiency in the Vietnamese banking
system: A DEA double bootstrap approach. Research in International Business and
Finance, 36, 96-111. doi:http://dx.doi.org/10.1016/j.ribaf.2015.09.006
Svitalkova, Z. (2014). Comparison and evaluation of bank efficiency in selected countries
in EU. Procedia Economics and Finance, 12, 644-653.
Tsai, D., & Huang, F. (1999). Management quality and bank efficiency: empirical
evidence for Taiwanese banks. Management Review, 18(3), 35-55.
Tulkens, H. (2006). On FDH efficiency analysis: some methodological issues and
applications to retail banking, courts and urban transit Public goods, environmental
externalities and fiscal competition (pp. 311-342): Springer.
Vu, H., & Nahm, D. (2013). The determinants of profit efficiency of banks in Vietnam.
Journal of the Asia Pacific Economy, 18(4), 615-631.
186

Vu, H. T., & Turnell, S. (2010). Cost efficiency of the banking sector in Vietnam: A
Bayesian stochastic frontier approach with regularity constraints. Asian economic
journal, 24(2), 115-139.
Williams, J. (2004). Determining management behaviour in European banking. Journal of
Banking & Finance, 28(10), 2427-2460.
doi:http://dx.doi.org/10.1016/j.jbankfin.2003.09.010
Wozniewska, G. (2015). Methods of measuring the efficiency of commercial banks: an
example of Polish banks. Ekonomika, 85, 81-91.
Yu, M.-M., Chen, L. H., Chen, K. C., & Tone, K. (2013). Operational Efficiency in
Taiwan Banks with Consideration of Nonperforming Loans: A dynamic Network
DEA. Paper presented at the Workshop on DNDEA.
Zago, A., & Dongili, P. (2006). Bad loans and efficiency in Italian banks. Retrieved from
Zimková, E. (2014). Technical Efficiency and Super-efficiency of the Banking Sector in
Slovakia. Procedia Economics and Finance, 12, 780-787.
doi:http://dx.doi.org/10.1016/S2212-5671(14)00405-5

Luan An Chau Dinh Linh Hoan Chinh Docx PDF 17072018102216SA

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Luan An Chau Dinh Linh Hoan Chinh Docx PDF 17072018102216SA

Uploaded by

Copyright:

Available Formats

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

TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH

CHÂU ĐÌNH LINH

MỨC ĐỘ ẢNH HƯỞNG CỦA NỢ XẤU

LUẬN ÁN TIẾN SĨ KINH TẾ

TP. HỒ CHÍ MINH – NĂM 2017

CHÂU ĐÌNH LINH

MỨC ĐỘ ẢNH HƯỞNG CỦA NỢ XẤU

LUẬN ÁN TIẾN SĨ KINH TẾ

Chuyên ngành : Kinh tế Tài chính – Ngân hàng

Người hướng dẫn khoa học: TS. Lê Thẩm Dương

TP. HỒ CHÍ MINH – NĂM 2017

LỜI CAM ĐOAN

Châu Đình Linh

DANH MỤC TỪ VIẾT TẮT

Từ viết tắt Nghĩa tiếng nước ngoài Nghĩa Tiếng Việt

PLL Provision for loan losses Dự phòng rủi ro tín dụng

1.2.1.Cơ sở lý luận về nợ xấu ....................................................................................... 26

3.2.2. Phương pháp ước lượng S – GMM (system – Generalized method of

KẾT LUẬN CHƯƠNG 4 ....................................................................................... 132

DANH MỤC HÌNH

DANH MỤC BẢNG

1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI

6. KHUNG NGHIÊN CỨU CỦA LUẬN ÁN

Vấn đề nghiên cứu

Mục tiêu nghiên cứu

Phương pháp nghiên cứu

Nội dung nghiên cứu

Nguồn: Thiết kế khung nghiên cứu của tác giả

7. BỐ CỤC CỦA LUẬN ÁN

CHƯƠNG 1. CƠ SỞ LÝ LUẬN VỀ HIỆU QUẢ NGÂN HÀNG, NỢ XẤU,

1.1.1.2. Hiệu quả ngân hàng

- Mô hình định hướng đầu ra (output – oriented models) là mô hình mà ngân

Hình 1.3: Hiệu quả kỹ thuật theo định hướng đầu ra

KẾT LUẬN CHƯƠNG 1

CHƯƠNG 2. ĐÁNH GIÁ CÁC CÔNG TRÌNH NGHIÊN CỨU

KẾT LUẬN CHƯƠNG 2

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU

Mô hình CE (cost efficiency)

W\ X#\ ≤ X#A , U = 1, … ,2, … , T

!ℎêT W\ = 1 gℎh ijk

Nguồn: Kumar & Gulati (2013)

(undesirable outputs DEA (3.3)

W\ X#\ + b#u = X#A

W\, b#u , bMt ≥ 0

Nguồn: Seiford & Zhu (2002)

STT Ngân hàng Ký hiệu STT Ngân hàng Ký hiệu

Nguồn: Tổng hợp của tác giả

Năm Số ngân hàng

Nguồn: Tổng hợp của tác giả

KẾT LUẬN CHƯƠNG 3

CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU

Dư nợ 1.017 1.275 1.754 2.301 2.577 3.091 3.477 3.680

Mô hình DEA với đầu ra không mong muốn

2007 2008 2009 2010 2011 2012 2013 2014

DMUs hiệu quả DMUs không hiệu quả

Nguồn: Kết quả phân tích từ phần mềm DEA.RES 14

Tỷ lệ nợ xấu 2.50% 2.70% 3.97% 3.75% 6.10% 7.505% 5.8991% 5.8775%

Dư nợ 251,710,182 294,523,096 368,096,590 431,991,985 443,968,872 480,616,369 536,788,478 543,351,750

Dư nợ 102,190,640 120,752,073 163,170,485 234,204,809 293,434,312 333,356,092 376,288,986 439,869,027

Dư nợ 97,531,894 112,792,965 141,621,126 171,124,824 209,417,633 241,167,308 274,314,209 323,332,037

Ngân hàng NN & PT Nông

Ngân hàng TMCP Đầu tư và