ĐẠI HỌC UEH

TRƯỜNG KINH DOANH

KHOA TÀI CHÍNH

TIỂU LUẬN KHÔNG THUYẾT TRÌNH

KINH TẾ LƯỢNG TÀI CHÍNH

ĐỀ TÀI: CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HIỆU QUẢ

KINH DOANH CỦA CÁC NGÂN HÀNG VIỆT NAM

Họ và tên : Nguyễn Lê Diễm

Mã số sinh viên : 31211021616
Mã lớp học phần : 23D1FIN50500411
Giảng viên hướng dẫn : Tô Công Nguyên Bảo
Số điện thoại : 0368751728
Email : diemnguyen.31211021616@st.ueh.edu.vn

TP Hồ Chí Minh ngày 4 thang 6 năm 2023

 PHẦN 1

XÂY DỰNG VÀ KIỂM ĐỊNH MÔ HÌNH

NGHIÊN CỨU VỚI STATA

MỤC LỤC
CHƯƠNG 1: GIỚI THIỆU.........................................................................................1
1.1. Lý do chọn đề tài................................................................................................1
1.2. Mục tiêu nghiên cứu...........................................................................................1
1.3. Nội dung nghiên cứu..........................................................................................1
1.3.1. Đối tượng nghiên cứu....................................................................................1
1.3.2. Phạm vi nghiên cứu.......................................................................................2
1.4. Bố cục của đề tài.................................................................................................2
CHƯƠNG 2: CƠ SỞ LÝ LUẬN.................................................................................3
2.1. Covid 19 tại Việt Nam........................................................................................3
2.2. Các cơ sở lý thuyết nền tảng..............................................................................3
2.3. Các nghiên cứu thực nghiệm trước đây...........................................................5
2.3.1. Tác động của đại dịch COVID 19 đến thị trường tài chính..........................5
2.3.2. Tác động của đại dịch đối với ngành ngân hàng...........................................5
2.3.3. Các yếu tố quyết định khả năng sinh lời của ngân hàng...............................6
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU........................................................7
3.1. Phát triển giả thuyết nghiên cứu.......................................................................7
3.2. Bảng tổng hợp các nghiên cứu trước đây........................................................9
3.3. Mô hình nghiên cứu.........................................................................................12
3.2.1 Mô hình nghiên cứu......................................................................................12
3.2.2. Cách đo lường các biến số...........................................................................13
3.3. Dữ liệu nghiên cứu...........................................................................................14
3.4. Phương pháp kinh tế lượng.............................................................................15
CHƯƠNG 4: KẾT QUẢ VÀ THẢO LUẬN............................................................17
4.1. Thống kê mô tả.................................................................................................17
4.2. Báo cáo ma trận hệ số tương quan.................................................................18
4.2.1. Kiểm định hệ số tương quan........................................................................18
4.2.2. Kiểm tra hiện tượng đa cộng tuyến..............................................................19
 4.2.3. Kiểm định tính dừng cho dữ liệu bảng.........................................................20
CHƯƠNG 5: LỰA CHỌN MÔ HÌNH HỒI QUY...................................................21
5.1. Kết quả hồi quy................................................................................................21
5.1.1. Hồi quy với mô hình gộp Pooled OLS.........................................................21
5.1.2. Hồi quy với mô hình hiệu ứng cố định FEM...............................................21
5.1.3. Hồi quy với mô hình hiệu ứng ngẫu nhiên REM.........................................22
5.2. Kiểm định lựa chọn mô hình tối ưu nhất.......................................................23
5.2.1. Kiểm tra sự phù hợp giữa mô hình Pool OLS và Fixed Effect....................23
5.2.2. Kiểm tra sự phù hợp giữa mô hình REM và Pool OLS................................24
5.2.3. Kiểm tra sự phù hợp giữa mô hình Fixed Effect và Random Effect............24
5.3. Kiểm định và khắc phục khuyết tật cho mô hình.........................................26
5.3.1. Kiểm định phương sai thay đổi....................................................................26
5.3.2. Kiểm định tự tương quan.............................................................................26
5.3.3 Khắc phục khuyết tật của mô hình bằng mô hình hồi quy FGLS.................27
CHƯƠNG 6: KẾT LUẬN..........................................................................................32
6.1. Kết luận.............................................................................................................32
6.2 Hạn chế...............................................................................................................32
TÀI LIỆU THAM KHẢO..........................................................................................33
PHỤ LỤC....................................................................................................................35
 DANH MỤC BẢNG

Bảng 3.1. Bảng tổng hợp các nghiên cứu trước đây

Bảng 3.2. Tóm tắt các biến nghiên cứu

Bảng 3.3. Tóm tắt cách thu thập dữ liệu

Bảng 4.1: Bảng thống kê mô tả các biến nghiên cứu

Bảng 4.2. Ma trận hệ số tương quan

Bảng 4.3. Kết quả kiểm định hiện tượng đa cộng tuyến

Bảng 4.4. Kết quả kiểm định tính dừng

Bảng 5.1. Kết quả hồi quy với mô hình Pooled OLS

Bảng 5.2. Kết quả hồi quy với mô hình FEM

Bảng 5.3. Kết quả hồi quy với mô hình REM

Bảng 5.4. Kiểm định F-test

Bảng 5.5. Kiểm định Breusch-Pagan

Bảng 5.6. Kiểm định Hausman

Bảng 5.7. Kết quả hồi quy mô hình OLS FEM REM với biến phụ thuộc ROA

Bảng 5.8. Kết quả kiểm định hiện tượng phương sai thay đổi

Bảng 5.9. Kết quả kiểm định hiện tượng tự tương quan

Bảng 5.10. Kết quả hồi quy với mô hình FGLS

Bảng 5.11. Tổng hợp kết quả hồi quy mô hình OLS FEM REM FGLS với biến
phụ thuộc ROA
 CHƯƠNG 1: GIỚI THIỆU
1.1. Lý do chọn đề tài
Ngành ngân hàng được coi là “xương sống” của nền kinh tế và đóng góp chính cho sự
tồn tại và tăng trưởng kinh tế của bất kì quốc gia nào. Đó là sợi dây liên kết giữ cho
nền kinh tế hoạt động ổn định và phát triển. Nó cung cấp dịch vụ tài chính, hỗ trợ cho
việc đầu tư, tài trợ cho các hoạt động kinh doanh và tạo ra nền tảng tài chính cho các
công ty và cá nhân. Và ngành ngân hàng Việt Nam đang trải qua sự cạnh tranh ngày
càng gia tăng, không chỉ từ các ngân hàng trong nước mà còn từ các ngân hàng nước
ngoài. Điều này đặt ra một áp lực lớn đối với các ngân hàng để nâng cao hiệu quả kinh
doanh và duy trì sự cạnh tranh.

Vài năm trở lại gần đây, đại dịch COVID 19 đã diễn ra hết sức phức tạp trên phạm vi
toàn thế giới, gây nhiều tác động tiêu cực đến nên kinh tế nói chung và ngành ngân
hàng nói riêng. Và Việt Nam cũng không thể tránh khỏi điều đó.

Vì vậy việc nghiên cứu “Các yếu tố ảnh hưởng đến hiệu quả kinh doanh của các
ngân hàng thương mại Việt Nam” sẽ thực sự cần thiết vì bằng cách hiểu rõ những
yếu tố quan trọng và tác động của chúng, các ngân hàng có thể đưa ra quyết định
thông minh về các mục tiêu kinh doanh, sản phẩm và dịch vụ, quản lý rủi ro và phát
triển mạng lưới chi nhánh.

1.2. Mục tiêu nghiên cứu

Bài nghiên cứu nhằm mục tiêu tìm hiểu các yếu tố tác động đến các ngân hàng thương
mại Việt Nam, từ đó xác định mức độ tác động và những nhân tố nào sẽ giữ vai trò
quan trọng trong việc duy trì hiệu quả kinh doanh của các ngân hàng.

1.3. Nội dung nghiên cứu

1.3.1. Đối tượng nghiên cứu
Các yếu tố ảnh hưởng đến hiệu quả kinh doanh của các ngân hàng thương mại Việt
Nam: với biến phụ thuộc là tỷ suất lợi nhuận trên tổng tài sản (ROA), các biến độc lập
đại diện cho các yếu tố tác động đến tỷ suất sinh lời của ngân hàng là tỷ lệ an toàn vốn
(CAR), tỷ lệ nợ xấu (NPL), tỷ lệ dư nợ cho vay so với tổng tiền gửi (LDR), tỷ lệ chi
phí trên thu nhập (CIR), tỷ lệ vốn chủ chủ sở hữu trên tổng tài sản (TE/TA), quy mô
ngân hàng(SIZE), tỷ lệ lạm phát (INF) và 1 biến giả là COVID.

1
1.3.2. Phạm vi nghiên cứu
Bài nghiên cứu được thực hiện với mẫu dữ liệu gồm 133 quan sát với 19 ngân hàng
Việt Nam từ năm 2015 đến năm 2021.

1.4. Bố cục của đề tài

Bài nghiên cứu được chia bố cục thành 5 chương như sau:

Chương 1: Giới thiệu

Chương 2: Tổng quan các nghiên cứu trước đây

Chương 3: Phương pháp nghiên cứu

Chương 4: Kết quả và thảo luận

Chương 5: Lựa chọn mô hình hồi quy

Chương 6: Kết luận

2
 CHƯƠNG 2: CƠ SỞ LÝ LUẬN
2.1. Covid 19 tại Việt Nam
Đại dịch COVID 19 đã trở thành một trong những cuộc khủng hoảng sức khỏe
nghiêm trọng nhất trong lịch sử nhân loại, lâu lan một cách nhanh chóng trên toàn cầu
từ tháng 1/2020 đến nay vẫn còn hậu quả do nó để lại. Và Việt Nam cũng không thể
tránh khỏi. Ca nhiễm đầu tiên tại đây được ghi nhận vào ngày 22 tháng 1 năm 2020 và
cả nước bước vào đợt bùng phát COVID 19 thứ 4 vào cuối tháng 4 năm 2021. Số ca
mắc trong đợt thứ 4 tăng theo cấp số nhân, chủ yếu là do sự lây lan nhanh chóng của
các biến thể. Theo xác nhận của Bộ Y tế Việt Nam, Việt Nam vào ngày 25 tháng 1
năm 2023 đã có tổng cộng hơn 11,52 triệu bệnh nhân COVID 19, bao gồm 10,61 triệu
ca hồi phục và 43. 186 ca tử vong (với tỷ lệ tử vong trong các trường hợp được xác
nhận là 0,37%). Đại dịch đã gây ảnh hưởng nặng nề lên mọi mặt của một quốc gia.
Đặc biệt đối với nền kinh tế, dẫn đến khủng hoảng toàn cầu. Người đi làm trở thành
người thất nghiệp khi các doanh nghiệp cắt giảm nhân sự. Do đó, đại dịch không chỉ
là vấn đề sức khỏe mà còn là vấn đề kinh tế xã hôi, cản trở bước tiền phát triển bền
vững toàn cầu [6]. Tại Việt Nam, tỷ lệ các hộ gia đình giảm thu nhập do COVID 19
(66,7%) [7] cao hơn so với Ấn Độ (45,6%) và các nước G7 (31%) [8], nơi bị ảnh
hưởng nặng nề nhất. Cùng với đó, hoạt động kinh tế chậm lại không chỉ ảnh hưởng
đến nhu cầu mà còn ảnh hưởng đến sản xuất và lợi nhuận các ngành công nghiệp, dịch
vụ khác. Theo báo cáo, GDP trong tháng 9 năm 2021 chỉ tăng 1,42% so với mức tăng
ở năm 2020 và thấp hơn nhiều so với mức tăng 7,05% và 6,77% ở năm 2018 và 2019.
Một mức suy giảm chỉ xảy ra trong cuộc Đại suy thoái và trong hai cuộc chiến tranh
thế giới. Theo thông tin của Tuổi trẻ online, thống kê của Ngân hàng Nhà nước cho
biết trong 2 tháng đầu năm 2020, tăng trưởng tín dụng toàn hệ thống chỉ đạt 0,06%,
giảm mạnh so với mức tăng 1% của cùng kỳ năm 2019. Theo ông Nguyễn Quốc
Hùng, vụ trưởng Vụ tín dụng các ngành kinh tế ngân hàng Nhà nước, cho rằng mức
tăng trưởng của những tháng đầu năm là khá thấp. Điều đó cho thấy rằng các doanh
nghiệp đang gặp nhiều khó khăn, phải thu hẹp hoạt động sản xuất kinh doanh do bị
ảnh hưởng từ dịch COVID 19.

2.2. Các cơ sở lý thuyết nền tảng

 Học thuyết về cú sốc kinh tế: Cú sốc kinh tế đề cập đến bất kỳ thay đổi nào
đó đối với biến số hoặc mối quan hệ kinh tế vĩ mô cơ bản có ảnh hưởng đáng kể đến

3
kết quả và hiệu quả kinh tế chẳng hạn như thất nghiệp, tiêu dùng và lạm phát. Các cú
sốc thường xảy ra một cách đột ngột, không thể lường trước được và thường là kết
quả của các sự kiện được cho là nằm ngoài phạm vi giao dịch kinh tế thông thường.
Các cú sốc kinh tế có tác động lan rộng và lâu dài đến nền kinh tế. Và COVID 19
cũng là một trong các cú sốc kinh tế giáng một đòn nặng nề lên cả nền kinh tế thế giới
nói chung, Việt Nam nói riêng. Khi virus corona tiếp tục lan rộng trên khắp lãnh thổ,
chính phủ đã chuyển sang các biện pháp y tế để phòng chống sự lây lan của dịch bệnh.
Tuy nhiên, điều này đã cắt đứt dòng chảy của hàng hóa và con người, làm đình trệ các
nền kinh tế và đang trong quá trình gây ra một cuộc suy thoái toàn cầu. “Sự lây lan
kinh tế” hiện đang lây lan nhanh như chính căn bệnh này. Vì lẽ đó mà đại dịch
COVID 19 được coi là cú sốc của nền kinh tế toàn thế giới và cả Việt Nam.

 Thuyết chi phí đại diện: Lý thuyết này quan tâm đến hậu quả của việc xung
đột lợi ích trong một tổ chức kinh doanh. Khi cơ cấu sở hữu của một công ty thay đổi
từ duy nhất sang quyền sở hữu liên quan đến nhiều hơn một chủ sở hữu, sẽ có xung
đợt đợt lợi ích giữa chủ sở hữu vốn chủ sở hữu và ban quản lý công ty. Do sự khác
biệt về lợi ích của họ, các quyết định do ban quản lý đưa ra có thể không dẫn đến tối
đa hóa lợi ích cho tất cả các bên. Một cách hiệu quả để giải tuyết mâu thuẫn đại diện
là cân đối giữa chi phí đại diện với lợi ích do sử dụng nợ, chi phí đại diện làm giảm lợi
ích do dử dụng nợ để tài trợ. Dựa vào lý thuyết này chúng ta có thể nhận thấy rằng các
ngân hàng được sở hữu bởi cổ đông sẽ hoạt động tốt hơn các ngân hàng tương hỗ,
ngân hàng hợp tác xã hay ngân hàng Chính phủ.

 Thuyết chi phí đại diện: Lý thuyết này nói về những thông tin khác
nhau trong nội bộ như giữa các giám đốc và các bộ phận trong công ty hay
giữa các bên như các nhà đầu tư (Ross, 1977). Theo đó, các nhà quản lý tiếp cận
được nhiều thông tin quan trọng về tình hình tài chính của công ty hơn người
ngoài cuộc. Trong khi đó, các nhà đầu tư bên ngoài lại phải đối mặt với nhiều
thông tin có thể khiến họ bị hiểu lầm khi đánh giá cơ hội đầu tư. Do đó, những biến
động về cơ cấu vốn sẽ phát tín hiệu cho các nhà đầu tư bên ngoài nắm bắt
được hiệu quả hoạt động của công ty. Cụ thể hơn, theo Heid và cộng sự
(2014), cơ cấu vốn bền vững sẽ truyền tín hiệu khả quan về giá trị ngân hàng tới
thị trường. Với lý thuyết này cho thấy, nếu các nhà quản trị ngân hàng có các ứng phó

4
tốt thông tin của dịch bệnh Covid-19 thì sẽ đưa ra được chiến lược kinh doanh phù
hợp.

2.3. Các nghiên cứu thực nghiệm trước đây

Các bài nghiên cứu trước đây tập trung nghiên cứu các vấn đề sau đây:

2.3.1. Tác động của đại dịch COVID 19 đến thị trường tài chính
Một đại dịch toàn cầu đã tấn công không chỉ sức khở mà cả toàn bộ nên kinh tế, tạo ra
sự căng thẳng trên thị trường tài chính (Goldstein, KoiJen & Mueller, 2021). Bài
nghiên cứu này đã tuyên bố rằng việc phong tỏa và đình chỉ các hoạt động đã đẩy nền
kinh tế vào suy thoái, dẫn đến tính thanh khoản bị thắt chặt. Cùng với đó là sự gia tăng
của sự biến động. Tương tự, Izzeldin et al (2021) đã điều tra tác động của cuộc khủng
hoảng tài chính COVID 19 đối với thị trường chứng khoán ở các nước G7 và 10 lĩnh
vực kinh doanh. Kết quả cho thấy thị trường tài chính ở Anh và Mỹ có bị ảnh hưởng
nặng nề nhất. Kết quả này lại khác với kết quả của Kwan và Mertens (2020), họ lập
luận rằng cú sốc này đã ảnh hưởng đặc biệt đến các ngành tiện ích, năng lượng và bất
động sản, cũng như lĩnh vực tiêu dùng tùy ý như khách hàng, du lịch và hàng không

2.3.2. Tác động của đại dịch đối với ngành ngân hàng
 Tính ổn định và hiệu quả họa động của ngân hàng
Theo Elnahass, Trinh và Li (2021), tất cả mọi người tham gia kinh tế đều phải đối mặt
với một cuộc khủng hoảng chưa từng có với sự lây lan toàn cầu của coronavirus. Bài
nghiên cứu này tìm hiều tác động của COVID 19 đến hiệu quả tài chính và ổn định tài
chính. Nghiên cứu tập trung vào 1090 ngân hàng từ 116 quốc gia trong khoảng thời
gian từ quý 1 năm 2019 đến quý 2 năm 2020. Kết quả cho thấy khủng hoảng COVID
19 làm giảm đáng kể lợi nhuận ngân hàng, chi phí hiệu quả, ổn định tài chính và định
giá thị trường chứng khoán. Đặc biệt trong thử nghiệm tại Mỹ, Trung Quốc và Anh,
kết quả cho có một mối tương quan tiêu cực đáng kể giữa COVID 19 và ROA của
người Trung Quốc và ngân hàng Mỹ. Kết quả này cho thấy rằng cả hai ngân hàng ở
hai quốc gia này đã và đang bị ảnh hưởng tiêu cực bởi COVID 19. Elnahass, Tring và
Li (2021) cho rằng các chỉ số tài chính cho thấy khả năng sinh lời thấp trong thời gian
bùng phát dịch.

Tương tự, Kunt, Pedraza và Ortega (2021) cũng đã nghiên cứu về tác động của đại
dịch COVID 19 lên ngành ngân hàng. Tuy nhiên, họ tập trung giải thích liệu cú sốc có

5
tác động khác nhau đối với các ngân hàng và doanh nghiệp. Kết quả tương đồng với
Elnahass, Trinh và Li (2021).

 Rủi ro hệ thống
Theo Borri và Giorgio (2021), rủi ro hệ thống thường được định nghĩa là rủi ro của sự
sụp đổ của toàn bộ hệ thống ngân hàng. Bài nghiên cứu phân tích rủi ro hệ thống của
các ngân hàng lớn ở Châu Âu trong 20 năm qua và cả trong 3 cuộc khủng hoảng
(Khủng hoảng tài chính, Khủng hoảng nợ công và Khủng hoảng COVID 19). Kết quả
cho thấy quy mô ngân hàng lớn, có đòn bẩy cao thể hiện rủi ro hệ thống cao hơn do
đại dịch

 Cho vay và nợ xấu

Để kiểm soát sự lây lan của đại dịch, nhiều biện pháp phong tỏa đã được nhiều nước
áp dụng. Chính phủ đã đẩy các công ty và người tiêu dùng vào cuộc khủng hoảng khả
năng chi trả và thanh khoản (Colak & Oztekin, 2021). Do đó, đại dịch khiến rủi ro tín
dụng của người đi vay tăng đột biến. Nghiên cứu của Colak & Oztekin cho thấy rằng
hoạt động cho vay bị ảnh hưởng nhiều nhất đối với các doanh nghiệp nhỏ, nước ngoài,
các ngân hàng được chính phủ hỗ trợ và các ngân hàng có ROA thấp hơn. Theo cách
tương tự, Ari, Chen và Ratnovski (2021) lập luận rằng mức độ tỷ lệ nợ xấu (NPL) là
một đặc điểm chung của nhiều cuộc khủng hoảng ngân hàng. Họ chỉ ra rằng cuộc suy
thoái sâu sắc liên quan đến cuộc khủng hoảng COVID 19 chắc chắn dẫn đến nợ xấu
cao và lầm suy yếu bảng cân đối ngân hàng. Phân tích cho thấy hầu hết các ngân hàng
đều tăng tỷ lệ nợ xấu trong đại dịch và nhiều quốc gia đã thất bại trong việc giảm tỷ lệ
đó một cách kịp thời.

2.3.3. Các yếu tố quyết định khả năng sinh lời của ngân hàng
Khả năng sinh lời của ngân hàng là thước đo hiệu quả hoạt động của một ngân hàng.
Khả năng sinh lời được định nghĩa là khả năng tạo ra sự cân bằng dương giữa thu
nhập và chi phí của một nền kinh tế thông qua việc sử dụng các nguồn lực tài chính và
phi tài chính (Borroni & Rossi, 2019). Nghiên cứu này đã nghiên cứu tác động của tỷ
lệ an toàn vốn, tỷ lệ nợ xấu và tỷ lệ hiệu quả hoạt động ảnh hưởng lên hiệu quả kinh
doanh của ngân hàng.

6
 CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Phát triển giả thuyết nghiên cứu
ROA là một thước đo lợi nhuận của một doanh nghiệp so với tổng tài sản của nó
(Petersen & Schoeman, 2008). Bài nghiên cứu này sử dụng ROA làm thước thước đo
khả năng sinh lời của ngân hàng vì nó là chỉ số tốt nhất để so sánh các ngân hàng với
nhau. ROA càng cao thì hiệu quả sử dụng tài sản càng cao. Nếu ROA dương, nó biểu
thị cho việc tổng tài sản được sử dụng để tạo ra lợi nhuận cho doanh nghiệp; Nếu
ROA là âm, nó cho thấy rằng lợi nhuận hoạt động của doanh nghiệp đó là một khoản
lỗ.

Theo nghiên cứu gần đây của Elnahass, Trinh và Li (2021) , có một số khác biệt về
những tác động bất lợi của Covid 19 đối với sự ổn định của các ngân hàng Hoa Kỳ và
Trung Quốc. Ví dụ, họ đã quan sát thấy đợt bùng phát Covid 19 có tác động tiêu cực
và đáng kể đến tỷ suất sinh lời trên tổng tài sản (ROA) của các ngân hàng ở hai quốc
gia này, và nhận thấy rằng các ngân hàng Hoa Kỳ chịu rủi ro tài sản tương đối cao hơn
so với Trung Quốc. Macknight (2021) nói rằng trong một năm gần đây là khoảng thời
gian đầy thách thức đối với ngành ngân hàng toàn cầu. Dựa vào các cơ sở lý thuyết và
các nghiên cứu trước đây, bài nghiên cứu sẽ nhắm vào mục tiêu kiểm tra các giả
thuyết sau:

H1: Tỷ lệ an toàn vốn (CAR) tác động cùng chiều đến hiệu quả kinh doanh của
ngân hàng

Theo Fatima (2014), tỷ lệ an toàn vốn (CAR) là thước đo khả năng tài chính của một
ngân hàng. Nó được sử dụng để bảo vệ người gửi tiền và thúc đẩy sự ổn định và hiệu
quả toàn cầu hệ thống tài chính. Trong thời kỳ dịch bệnh bùng phát sẽ đe dọa đến khả
năng sinh lời của ngan hàng và gây thiệt hại cho người người đi vay không có khả
năng trả nợ. Tỷ lệ CAR càng cao sẽ làm tăng hiệu quả kinh doanh và khả năng sinh lời
của ngân hàng (Bitar, Pukthuanthong & Walker, 2018)

H2: Tỷ lệ nợ xấu tác động ngược chiều đến hiệu quả kinh doanh của ngân hàng

7
Khoản nợ xấu là khoản vay mà người đi vay không trả được nợ đúng hạn thời gian
quy định. Theo Ari, Chen và Ratnovski (2021) cuộc khủng hoảng COVID 19 chắc
chắn dẫn đến hậu quả các khoản nợ này tăng lên và làm suy yếu bảng cân đối kế toán
của ngân hàng. Khi người cho vay ghi lại hầu hết dư nợ dưới dạng nợ xấu, điều đó có
thể gây tổn hại đến tình hình tài chính của người cho vay. Vì vậy, tỷ lệ nợ xấu (NPL)
là một trong những yếu tố quan trọng quyết định hiệu quả tài chính của các ngân hàng.

H3: Tỷ lệ dư nợ cho vay trên tổng tiền gửi có tác động đến hiệu quả kinh doanh
của ngân hàng.
Tỷ lệ dư nợ tín dụng trên vốn huy động (LDR) được sử dụng để đánh giá khả năng
thanh khoản của ngân hàng bằng cách so sánh tổng số khoản cho vay của ngân hàng
với tổng số tiền gửi của ngân hàng đó trong cùng thời kỳ. LDR được thể hiện dưới
dạng phần trăm. Nếu tỷ lệ này quá cao, điều đó có nghĩa là ngân hàng có thể không có
đủ thanh khoản để đáp ứng bất kỳ yêu cầu quỹ không lường trước nào được. Ngược
lại, nếu tỷ lệ này quá thấp, ngân hàng có thể chưa tận dụng hết nguồn vốn, hiệu quả
không cao. Ở Việt Nam, theo thông tư 13, tỷ lệ LDR tối đa đối với mỗi ngân hàng là
80% và đối với tổ phức tín dụng phi ngân hàng là 85%. Vì vậy tỷ lệ LDR là một yếu
tố quan trọng khác cần được tính đến khả năng sinh lời của ngân hàng.

H4: Tỷ lệ chi phí trên thu nhập có tác động ngược chiều đối với hiệu quả kinh
doanh của ngân hàng
Tỷ lệ chi phí trên thu nhập rất quan trọng để xác định khả năng sinh lời của một ngân
hàng. Nó được dùng để so sánh chi phí hoạt động của một ngân hàng so với thu nhập
của nó. Tỷ lệ chi phí trên thu nhập càng thấp thì hiệu quả hoạt động của công ty càng
tốt. Nếu tỷ lệ này tăng qua từng giai đoạn có nghĩa là chi phí của ngân hàng tăng hoặc
giảm doanh thu (Olson & Zoubi, 2011)

H5: Tỷ lệ vốn chủ sở hữu tác động cùng chiều với hiệu quả kinh doanh của ngân
hàng.
Vốn chủ sở hữu là yếu tố tài chính quan trọng nhất, vừa cho thấy quy mô của ngân
hàng vừa phản ánh khả năng đảm bảo các khoản nợ của ngân hàng đối với Việt Nam.
Tỷ lệ này càng cao thì hiệu quả hoạt động kinh doanh của ngân hàng càng cao.
H6: Quy mô ngân hàng có tác động cùng chiều với hiệu quả kinh doanh của ngân
hàng

8
Quy mô ngân hàng có thể ảnh hưởng đến hiệu quả kinh doanh của ngân hàng. Thông
thường quy mô lớn thường đi đôi với hiệu quả kinh doanh cao vì quy mô lớn cho phép
ngân hàng cung cấp một loạt các dịch vụ tài chính và sản phẩm cho khách hàng. Điều
này tạo ra lợi thế cạnh tranh, tăng doanh số bán hàng.

H7: Tỷ lệ lạm phát tác động ngược chiều đối với hiệu quả hoạt động của ngân
hàng.

Lạm phát có thể sẽ ảnh hưởng đến lãi suất. Lãi suất và lạm phát có xu hướng biến
động cùng chiều. Khi lạm phát càng ngày càng tăng, các ngân hàng sẽ tăng lãi suất để
khuyến khích người dân chi tiêu ít hơn và tiết kiệm nhiều hơn. Về lý thuyết, điều này
sẽ làm giảm nhu cầu đối với hàng hóa và dịch vụ, giúp kiềm chế lạm phát.

H8: COVID 19 có tác động đến hiệu quả kinh doanh của ngân hàng.

Hầu hết mọi ngành nghề đều bị COVID 19 tác động kể cả ngành ngân hàng. Những
còn nhiều khía cạnh phải xét đến trong thời kỳ COVID 19 nên chưa thể nói trước liệu
COVID 19 tác động như thế nào đến hiệu quả hoạt động của ngân hàng.

H9: Lạm phát tác động mạnh hơn đối với hiệu quả kinh doanh của ngân hàng
khi đại dịch bùng phát.

Theo nhận định của Cục dữ trữ Liên bang Hoa Kỳ (Fed), lạm phát phần lớn được thúc
đẩy bởi sự tắc nghẽn của chuỗi cung ứng do ảnh hưởng của đại dịch COVID 19. Và
tác động của COVID 19 sẽ khiến lạm phát được đẩy lên cao dẫn đến ảnh hưởng tiêu
cực đến hiệu quả hoạt động của các ngân hàng.

3.2. Bảng tổng hợp các nghiên cứu trước đây

STT Tác giả Tên đề tài nghiên cứu Tạp chí + Năm LINK

1 Folato, Financial fragility in the Journal of https://

Goldstein, COVID 19 crisis: The Monetary doi.org/
Hortacsu case of investment Economics 123 ( 10.1016/
funds in corporate bond 10/2021): 35-52 j.jmoneco.2
markets 021.07.001

9
2 Izzeldin et al The impact of COVID International https://
19 on G7 stock Review of doi.org/
volatility: Evidence Financial 10.1016/
from a ST-HAR model Analysis 74 j.irfa.2021.
(3/2021) 101671

3 Kwan và Market Assessment of FRBSF https://

Mertens COVID 19 Economic Letter www.frbsf.
(28/5/2020) org/
economic-
research/
wp-
content/
uploads/
sites/4/
el2020-
14.pdf

4 Elnahass, Global banking Journal of https://

Trinh và Li stability in the shadow International doi.org/
of COVID 19 outbreak Financial 10.1016/
Markets, j.intfin.202
Institutions and 1.101322
Money 72
(5/2021)

5 Kunt, Pedraza Banking sector Journal of https://

và Ortega performance during the Banking & doi.org/
COVID 19 crisis Finance 133 10.1016/
(12/2021) j.jbankfin.2

10
 021.106305

6 Borri và Systemic risk and the Journal of https://

Giorgio COVID challenge in the Banking & doi.org/
european banking Finance 140 10.1016/
sector (7/2022) j.jbankfin.2
021.106073

7 Colak và The impact of COVID Journal of https://

Oztekin 19 pandemic on bank Banking & doi.org/
lending around the Finance 133 10.1016/
world (12/2021) j.jbankfin.2
021.106207

8 Ari, Chen và The dynamics of non- Journal of https://

Ratnovski performing loans during Banking & doi.org/
banking crises: A new Finance 133 10.1016/
database with post- (12/2021) j.jbankfin.2
COVID 19 implications 021.106140

9 Borroni và The Federal Reserve’s Southern https://

Rossi response to the COVID Economic doi.org/
19 contraction: An Journal 87, No. 10.1002/
initial appraisal 4 (8/3/2021): soej.12498
1152-11741174

10 Petersen và Modeling of Banking Proceedings of https://

Schoeman, Profit via Return on the World www.resear
2008 Assets and Return – on Congress on chgate.net/
– Equity Engineering publication/
11
 2008 3 44262060_
(2/7/2008) Modeling_o
f_Banking_
Profit_via_
Return-on-
Assets_and
_Return-on-
Equity

11 P.T Nga, P.M Impact of COVID19 Tạp chí ISSN https://

Tiến, ON BUSINESS 1859 – 3690 doi.org/
N.T.A.Thư, EFFICIENCY OF (25/4/2022) 10.52932
T.T.Nhi, VIETNAM
T.N.Xuan, COMMERCIAL
T.N.N.Quynh, BANKS
P.T.L.Anh

Bảng 3.1. Bảng tổng hợp các nghiên cứu trước đây

3.3. Mô hình nghiên cứu

3.2.1 Mô hình nghiên cứu
Để đánh giá tác động của Covid 19 đối với hiệu quả hoạt động, mô hình kinh tế lượng
được thể hiện như sau:

ROAi,t = β0 + β1COVID19t + β2CARi,t + β3NPLi,t + β4LDRi,t + β5CIRi,t + β6TE/TAi,t +

β7SIZEi,t + β8INFt + β9COVIDt * INFi,t + ɛi,t

Các chỉ số dưới i, t lần lượt đại diện cho doanh nghiệp năm i, trong giai đoạn năm t.

β0 là hệ số tự do

β1 , β2 , β3, β4, β5, β6¸ β7, β8, β9 là các hệ số ước lượng cho các biến kiểm soát, biến giả, biến tương
tác.

ɛi,t biểu thị cho phần sai số

12
3.2.2. Cách đo lường các biến số

Tên biến Mô tả Cách tính

Biến phụ thuộc

1 ROA Tỷ suất sinh lời trên Thu nhập ròng

tổng tài sản
Tổng tài sản

Biến độc lập

2 CAR Tỷ lệ an toàn vốn Vốn cấp 1 + Vốn cấp 2

Tài sản có trọng số rủi ro

3 NPL Tỷ lệ nợ xấu Nợ xấu

Tổng dư nợ cho vay

4 LDR Tỷ lệ dư nợ cho vay Tổng dư nợ cho vay

so với tổng tiền gửi
Tổng tiền gửi

5 CIR Tỷ lệ chi phí trên thu Chi phí sau lãi

nhập
Thu nhập ròng

6 TE/TA Tỷ lệ vốn chủ sở hữu Tổng vốn chủ sở hữu

trên tổng tài sản

13
 Tổng tài sản

7 SIZE Quy mô ngân hàng Logarit tổng tài sản

8 INF Tỷ lệ lạm phát Chỉ số lạm phát qua các năm

Biến giả

9 COVID Nhận giá trị bằng 1 1: Ngân hàng bị tác động bởi Covid
nếu ngân hàng bị tác 19
động bởi Covid 19. 0: ngân hàng không bị tác động bởi
Còn không bị tác Covid 19
động bởi dịch sẽ
nhận giá trị bằng 0

Biến tương tác

10 COVID*INF Biến COVID tương Tích chỉ số 2 biến COVID và INF

tác với INF tác động
lên ROA

Bảng 3.2. Tóm tắt các biến nghiên cứu

3.3. Dữ liệu nghiên cứu

Bài nghiên cứu này khám phá bằng thực nghiệm tác động của COVID đối với hiệu quả
kinh doanh của các ngân hàng tại Việt Nam. Để tìm hiểu rõ sự khác biệt giữa thời gian
không có COVID 19 và thời gian COVID 19, dữ liệu sẽ bao gồm 19 ngân hàng Việt Nam
nằm trong top 500 ngân hàng mạnh nhất khu vực Châu Á từ năm 2015 đến năm 2021.
Điều này tạo ra 133 quan sát theo năm của ngân hàng. Các thông tin tài chính về các biến
cụ thể của ngân hàng qua các năm được lấy từ báo cáo thường niên, báo cáo tài chính
hằng năm của các ngân hàng ở trên các trang uy tín như Cafef ,Vietstock và Worldbank
cụ thể như sau:

Tên biến Cách thu thập dữ liệu

1 ROA Lấy từ Vietstock
2 CAR Báo cáo thường niên của các ngân hàng
3 NPL Báo cáo thường niên của các ngân hàng
4 LDR Báo cáo thường niên của các ngân hàng
14
 5 CIR Lấy dữ liệu chi phí và thu nhập ở các BCTC => tính theo công
thức
6 TE/TA Lấy dữ liệu tổng nợ phải trả và tổng nợ từ BCTC => tính
theo công thức
7 SIZE Lấy dữ liệu tổng tài sản từ BCTC của các ngân hàng
9 INF Lấy dữ liệu từ World Bank
8 COVID 1: năm bị ảnh hưởng bởi COVID19 (2019, 2020, 2021)
0: năm không bị ảnh hưởng bởi COVID19 (các năm còn lại)
Bảng 3.3. Tóm tắt cách thu thập dữ liệu

Quy trình chọn mẫu là ngẫu nhiên được thu thập dữ liệu dựa trên 19 ngân hàng Việt Nam
lot top 500 ngân hàng mạnh nhất khu vực Châu Á.

3.4. Phương pháp kinh tế lượng

Phương pháp nghiên cứu định tính: thu thập thông tin, tính toán phân tính các số liệu,
tổng hợp dữ liệu thông tin tài chính từ các nguồn khác nhau tại top 19 ngân hàng Việt
Nam lot top 500 ngân hàng mạnh nhất khu vực châu Á.

Phương pháp nghiên cứu định lượng: Bài nghiên cứu sử dụng dữ liệu bảng để đánh
giá do nhận thấy được những lợi thế về việc cung cấp được nhiều thông tin, ít chịu sự
ảnh hưởng của đa cộng tuyến và có sự biến thiên cao. Từ đó, nhóm tiến hành phân
tích kiểm định đa cộng tuyến , kiểm định sự phương sai thay đổi và kiểm định hiện
tượng tự tương quan bằng mô hình hồi quy nhỏ nhất OLS, mô hình tác động cố định
FEM và mô hình tác động ngẫu nhiên REM.

Các phương pháp định tính và định lượng được thực hiện trên phần mềm STATA, thể
hiện qua các bước:

Thống kê mô tả: Dữ liệu phục vụ nghiên cứu được thực hiện trình bày dưới bảng
thống kê bao gồm các dữ liệu: tên biến, số quan sát, giá trị trung bình, độ lệch chuẩn
giá trị lớn nhất, giá trị nhỏ nhất. Từ đó phân tích dữ liệu dựa vào bảng thống kê

Phân tích tương quan: Được trình bày thông qua bảng báo cáo ma trận tương
quan. Qua đó, thể hiện được sự tương quan giữa các biến độc lập, biến phụ thuộc,
biến giả và biến tương tác. Hệ số tương quan của các biến nằm trong khoảng từ [-1;1]
mang ý nghĩa nếu hệ số tương quan càng gần về 1 thì tương quan mạnh, mang ý nghĩa
15
đồng biến giữa cặp biến. Ngược lại, nếu hệ số tương quan gần về -1 thì cặp biến mang
ý nghĩa nghịch biến.

Kiểm định hiện tượng đa cộng tuyến: Dùng hệ số phóng đại phương sai (VIF) để
kiểm tra hiện tượng đa cộng tuyến. Các hệ số vif < 2 thì hiện tượng đa cộng tuyến
không xảy ra, vif > 2 sẽ có hiện tượng đa cộng tuyến và cần xử lý.

Kiểm định tính dừng: Dùng lệnh xtunitroot llc <tên biến>. Kiểm định từng biến
phụ thuộc và biến độc lập.

Phương pháp xử lý dữ liệu: Thực hiện hồi quy dữ liệu thông qua 3 mô hình hồi
quy: POOL OLS, FEM, REM như sau

 Mô hình hồi quy gộp (Pool OLS):

 Mô hình hiệu ứng cố định (FEM):
 Mô hình hiệu ứng ngẫu nhiên (REM):
Để lựa chọn mô hình phù hợp nhất, nhóm tiến hành các kiểm định:

 Kiểm định F-test để lựa chọn giữa mô hình OLS và mô hình FEM.
 Kiểm định Breusch-Pagan để lựa chọn giữa mô hình OLS và REM
 Kiểm định Hausman để lựa chọn giữa mô hình FEM và REM
Sau khi thực hiện các kiểm định để chọn ra mô hình phù hợp. Tiến hành kiểm
định các giả thuyết ước lượng hồi quy:

 Phương sai thay đổi bằng kiểm định Wald

 Sự tự tương quan Wooldridge
Sau đó, khắc phục mô hình (nếu có).

16
 CHƯƠNG 4: KẾT QUẢ VÀ THẢO LUẬN
4.1. Thống kê mô tả
Tiến hành thống kê mô tả vơi câu lệnh: summarize ROA CAR NPL LDR CIR TETA
SIZE INF COVID

Giá trị trung Độ lệch Giá trị nhỏ Giá trị lớn
Số quan sát
bình chuẩn nhất nhất

ROA 133 0,010618 0,0078696 0,0001 0,0358

CAR 133 0,1543556 0,1630248 0,08 0,995

NPL 133 0,0253113 0,0578288 0,0034 0,585

LDR 133 0,7591211 0,1393028 0,083 1,169

CIR 133 0,4736223 0,126542 0,1964249 0,8695538

TE/TA 133 0,0763475 0,0286116 0,0262139 0,1697322

SIZE 133 14,47182 0,4327255 12,92786 15,24593

INF 133 0,026 0,009781 0,0063 0,0354

COVID 133 0,4285714 0,4967426 0 1

Nguồn phụ lục 02

Bảng 4.1: Bảng thống kê mô tả các biến nghiên cứu

Bảng 3 mô rả những chỉ số tài chính của một ngân hàng trong mẫu quan sát như tỷ
suất sinh lời trên tổng tài sản, tỷ lệ nợ xấu, tỷ lệ dư nợ cấp tín dụng trên vốn huy động,
tỷ lệ chi phí trên thu nhập, quy mô ngân hàng, tỷ lệ vốn chủ sở hữu trên tổng tài sản và
cả biến COVID. Cụ thể:

17
  Tỷ suất sinh lời trên tổng tài sản trung bình đạt 1,1% với độ lệch chuẩn 0,7%
 Tỷ lệ an toàn vốn trung bình khoảng 15,43% với độ lệch chuẩn 16,3%
 Tỷ lệ nợ xấu trung bình khoảng 2,5% với độ lệch chuẩn 5,78%
 Tỷ lệ chi phí trên thu nhập trung bình 4,7% với độ lệch chuẩn 1,2%
 Quy mô ngân hàng trung bình khoảng 14,47 với độ lệch chuẩn 43,27%.

Và các chỉ số còn lại nhìn chung đều có độ lệch chuẩn phù hợp

4.2. Báo cáo ma trận hệ số tương quan

4.2.1. Kiểm định hệ số tương quan
Kiểm định hệ số tương quan với câu lệnh:

Pwcorr ROA CAR NPL LDR CIR TETA SIZE INF COVID , sig

ROA CAR NPL LDR CIR TE/TA SIZE INF COVID

ROA 1

CAR -0,2307*** 1
(0,0076)
NPL -0,0340 -0,0571 1
(0,6973) 0,5140
LDR 0,2203 ** -0,0871 -0,0527 1
(0,0108) 0,3189 0,5469
CIR -0,7192 *** 0,1805** 0,0454 -0,1490 * 1
(0,000) (0,0376) 0,6036 (0,0869)
TE/TA 0,6199*** -0,1587* 0,0815 0,0285 -0,2993*** 1
(0,0000) (0,0682) 0,3512 (0,7446) (0,0005)

SIZE -0,0528 0,0964 -0,0174 0,0694 -0,2922*** -0,3101*** 1

(0,5465) (0,2696) (0,8427) (0,4271) (0,0006) (0,0003)

INF 0,1307 -0,0751 -0,1988 0,1170 -0,0502 -0,0786 0,0969 1

(0,1338) (0,3903) (0,0218) (0,1798) (0,5659) (0,3686) (0,2674)

COVID 0,3943 *** -0,1985** -0,0697 0,0403 -0,4065*** 0,1549* 0,1723** 0,0119 1
(0,000) (0,0220) (0,4251) (0,6449) (0,000) (0,0749) (0,0474) (0,8923
)
Nguồn phụ lục 03

Dấu (*) thể hiện mức ý nghĩa của p-value với: (*) là p < 10%; (**) là p < 5%; (***) là p < 1%

18
 Bảng 4.2. Ma trận hệ số tương quan

Ma trận này với mục đích tìm ra mối liên hệ giữa biến độc lập và biến phụ thuộc. Nếu
chúng có tác động lẫn nhau thì chúng ra sẽ đưa vào mô hình hồi quy tìm ước lượng β.
Qua bảng 4.2 cho thấy rằng các biến độc lập đều có sự tương quan với biến phụ thuộc
trừ biến NPL, biến SIZE và biến INF vì có mức p – value cao hơn mức ý nghĩa α
(5%). Cụ thể cặp biến LDR và TE/TA với ROA có mối quan hệ tương quan dương
với hệ số tác động lần lượt là 0,2203 và0,6199. Tương tự cặp biến của CAR và CIR
với ROA có mối quan hệ tương quan âm với hệ số tác động lần lượt là -0,2307 và -
0,7192. Biến giả COVID có sự tương quan dương với hệ số tác động 0,3943. Còn lại
biến NPL, SIZE và INF không có sự tương quan với biến phụ thuộc.

4.2.2. Kiểm tra hiện tượng đa cộng tuyến

Khi xảy ra hiện tượng đa cộng tuyến, các biến độc lập thường có sự phụ thuộc tuyến
tính với nhau, dẫn đến các ước tính cho bài nghiên cứu sẽ không chính xác.

Tiến hành kiểm định hiện tượng đa cộng tuyến bằng các câu lệnh sau:

Bước 1: reg ROA CAR NPL LDR CIR TETA SIZE INF COVID

Bước 2: vif

Biến VIF 1/VIF

CIR 1,54 0,647383

SIZE 1,40 0,714680
TE/TA 1,39 0,722007
COVID 1,25 0,802447
CAR 1,11 0,901592
INF 1,08 0,930225
NPL 1,07 0,923284
LDR 1,04 0,969491
Mean VIF 1,23
Nguồn phụ lục 04

Bảng 4.3. Kết quả kiểm định hiện tượng đa cộng tuyến

19
Từ kết quả bảng 3 ta thấy hệ số VIF của tất cả biến độc lập và biến giả COVID19 đều
nhỏ hơn 10 và nhỏ hơn 2 nên ta kết luận rằng không có hiện tượng đa cộng tuyến.

4.2.3. Kiểm định tính dừng cho dữ liệu bảng

Tiếp theo cần kiểm định tính dừng của từng biến trong bài nghiên cứu.

H0: Chuỗi chưa dừng

H1: Chuỗi dừng

Câu lệnh thực hiện : xtunitroot llc <tên biến>

Kết quả như sau:

Biến P-value Kết luận

ROA 0,0000 Chuỗi dừng
CAR 0,0000 Chuỗi dừng
NPL 0,0000 Chuỗi dừng
LDR 0,0000 Chuỗi dừng
CIR 0,0000 Chuỗi dừng
TE/TA 0,0000 Chuỗi dừng
SIZE 0,0000 Chuỗi dừng
INF 0,0000 Chuỗi dừng
Nguồn phụ lục 05

Bảng 4.4. Kết quả kiểm định tính dừng

Tất cả các biến đều có giá trị P-value đều = 0,000 => các biến trong mô hình đều là
chuỗi dừng. Và mô hình lúc ban đầu chính thức được sử dụng xuyên suốt trong bài
nghiên cứu này:

ROAi,t = β0 + β1COVID19t + β2CARi,t + β3NPLi,t + β4LDRi,t + β5CIRi,t + β6TE/TAi,t +

β7SIZEi,t + β8INFt + β9COVIDt * INFi,t + ɛi,t

20
 CHƯƠNG 5: LỰA CHỌN MÔ HÌNH HỒI QUY
5.1. Kết quả hồi quy
5.1.1. Hồi quy với mô hình gộp Pooled OLS
Tiến hành hồi quy mô hình Pooled OLS với câu lệnh: reg ROA CAR NPL LDR CIR
TETA SIZE INF COVID COVID#c.INF

Lưu mô hình: est sto pool

Biến Hệ số P-value
CAR -0,0004455 0,846
NPL 0,0002093 0,974
LDR 0,0065997 0,013
CIR -0,0347501 0,000
TE/TA 0,1086669 0,000
SIZE -0,002511 0,011
INF 0,1181124 0,005
COVID 0,0040294 0,172
COVID19 * INF -0,0804932 0,444
C 0,0462759 0,003
F 41,48
R-squared 0,7522
Adj R-squared 0,7340
Prob (F-statistic) 0,0000
Nguồn phụ lục 06

Bảng 5.1. Kết quả hồi quy với mô hình Pooled OLS

Hệ số R2 = 0,7522 thể hiện mô hình này có thể giải thích được 75,22% thực tế sự thay
đổi hiệu quả kinh doanh của các ngân hàng Việt Nam.

Kết quả hồi quy bằng phương pháp Pool OLS cho thấy các biến độc lập hầu hết có ý
nghĩa về mặt thống kê ngoại trừ biến CAR và NPL có P-value > 5%

5.1.2. Hồi quy với mô hình hiệu ứng cố định FEM

Tiến hành hồi quy mô hình FEM với câu lệnh: xtreg ROA CAR NPL LDR CIR TETA
SIZE INF COVID COVID#c.INF , fe

Lưu mô hình: est sto fe

21
 Biến Hệ số P-value
CAR 0,0012826 0,514
NPL -0,0051831 0,295
LDR 0,0050083 0,025
CIR -0,0230219 0,000
TE/TA 0,0847961 0,000
SIZE 0,0009111 0,584
INF 0,1089594 0,001
COVID 0,005976 0,017
COVID * INF -0,1166052 0,017
C -0,0060946 0,804
Within 0,7140
R-square Between 0,7286
Overall 0,6932
P-value 0,0000
Nguồn phụ lục 07

Bảng 5.2. Kết quả hồi quy với mô hình FEM

5.1.3. Hồi quy với mô hình hiệu ứng ngẫu nhiên REM
Tiến hành hồi quy mô hình REM với câu lệnh: xtreg ROA CAR NPL LDR CIR
TETA SIZE INF COVID COVID#c.INF,re

Lưu mô hình: est sto re

Biến Hệ số P-value
CAR 0,0003103 0,871
NPL -0,0048876 0,322
LDR 0,0057041 0,008
CIR -0,0262475 0,000
TE/TA 0,1013889 0,000
SIZE -0,0007491 0,563
INF 0,1150637 0,000
COVID 0,0055216 0,018
COVID*INF -0,1108209 0,162
C 0,0177777 0,355
22
 Within 0,7081
R-square Between 0,7837
Overall 0,7380
P-value 0,0000
Nguồn phụ lục 08

Bảng 5.3. Kết quả hồi quy với mô hình REM

5.2. Kiểm định lựa chọn mô hình tối ưu nhất

Tác giả thực hiện kiểm định sự phù hợp giữa các mô hình để tìm ra sự tối ưu nhất cho
bài nghiên cứu. Thông qua những kiểm định như sau:

+ Sử dụng kiểm định F-test để lựa chọn mô hình phù hợp giữa OLS và FEM

+ Sử dụng kiểm định Breusch-Pagan để lựa chọn giữa mô hình OLS và REM

+ Sử dụng kiểm định Hausman để có thể lựa chọn xem giữa hai mô hình là FEM và
REM

5.2.1. Kiểm tra sự phù hợp giữa mô hình Pool OLS và Fixed Effect
Tiến hành kiểm định F-test để kiểm định sự phù hợp giữa mô hình OLS và FEM với
giả thiết

H0: Mô hình Pooled OLS phù hợp hơn.

H1: Mô hình Fixed Effect phù hợp hơn

Chạy lại mô hình với câu lệnh: xtreg ROA CAR NPL LDR CIR TETA SIZE INF
COVID COVID#c.INF,fe
F(18,105) 8,22
Prob>F 0,0000
Nguồn phụ lục 09

Bảng 5.4. Kiểm định F-test

Kết quả: Ta thấy Pro>F =0,0000 < 0,05 nên bác bỏ giả thiết H0, chấp nhận H1, rằng là
mô hình FEM phù hợp hơn.

5.2.2. Kiểm tra sự phù hợp giữa mô hình REM và Pool OLS
Tiến hành kiểm định Breusch-Pagan để kiếm định sự phù hợp giữa mô hình REM và
OLS với giả thiết:

23
H0: Mô hình OLS phù hợp hơn

H1: Mô hình REM phù hợp hơn

Bước 1: Chạy lại mô hình REM xtreg ROA CAR NPL LDR CIR TETA SIZE INF
COVID COVID#c.INF,re

Bước 2: Kiểm định bằng câu lệnh: xttest0

Chibar2(01) 75,66

Prob>chibar2 0.0000
Nguồn phụ lục 10

Bảng 5.5. Kiểm định Breusch-Pagan

Kết quả: Ta thấy Pro>Chibar2 = 0,000 < 0,05 (Nguồn phụ lục 04) nên bác bỏ giả thiết
H0, chấp nhận giả thiết H1 rằng là sử dụng mô hình REM phù hợp hơn.

5.2.3. Kiểm tra sự phù hợp giữa mô hình Fixed Effect và Random Effect
Tiến hành kiểm định Hausman để kiểm định sự phù hợp giữa mô hình FEM và REM
với giả thiết:

H0: Mô hình REM phù hợp hơn

H1: Mô hình FEM phù hợp hơn

Kiểm định Hausman bằng câu lệnh : hausman fe re

Chi2(9) 5,08
Prob > Chi2 0,8277
Nguồn phụ lục 11

Bảng 5.6. Kiểm định Hausman

Kết quả: Ta thấy Pro>Chi2 = 0,8277 > 0,05 nên bác bỏ chấp nhận H0 và bác bỏ giả
thuyết H1 rằng là mô hình REM phù hợp hơn

* Tiến hành tổng hợp các mô hình Pool FEM và REM

Bằng câu lệnh: esttab pool fe re , r2 star (* 0.1 ** 0.05 *** 0.01)brackets nogap

Biến Pooled OLS FEM REM

24
 ROA ROA ROA
CAR -0,000445 0,00128 0,000310
(0,846) (0,514) (0,871)
NPL 0,000209 -0,00518 -0,00489
(0,974) (0,295) (0,322)
LDR 0,00660** 0,00501** 0,00570***
(0,013) (0,025) (0,008)
CIR -0,0348*** -0,0230*** -0,0262***
(0,000) (0,000) (0,000)
TE/TA 0,109*** 0,0848*** 0,101***
(0,000) (0,000) (0,000)
SIZE -0,00251** 0,000911 -0,000749
(0,011) (0,594) (0,563)
INF 0,118*** 0,109*** 0,115***
(0,005) (0,001) (0,000)
COVID 0,00403 0,00598** 0,00552**
(0,172) (0,017) (0,018)
COVID * INF -0,0805 -0,117* -0,111*
(0,444) (0,153) (0,162)
C 0,0463*** -0,00609 0,0178
(0,003) (0,804) (0,355)
N 133 133 133
R-square 0,7522 0,7140 0,7837
F-test 0,0000 = > FEM
Breusch pagan test 0,0000 = >REM
Hausman test 0,8277=> REM
*p<0,1, **p<0,05, ***p<0,01
Nguồn phụ lục 12

Bảng 5.7. Kết quả hồi quy mô hình OLS FEM REM với biến phụ thuộc ROA

Dựa vào kết quả ở bảng 5.7 cho thấy mô hình REM được xem là phù hợp. Bước đầu
REM được chọn cho phân tích tác động của COVID19 đến hiệu quả hoạt động của
ngân hàng từ năm 2015 – 2021.
25
5.3. Kiểm định và khắc phục khuyết tật cho mô hình
Với kết quả sau khi thực hiện kiểm định, REM là phù hợp và tối ưu nhất. Tuy nhiên,
vẫn chưa thể chắc chắn rằng liệu mô hình REM có hiện tượng phương sai thay đổi
hoặc tự tương quan hay không. Vì vậy, tác giá phải tiến hành kiểm định mô hình
REM.

5.3.1. Kiểm định phương sai thay đổi

Để kiểm định phương sai sai số có đồng nhất không tác giả sử dụng kiểm định Wald
với giả thuyết:

H0: Không tồn tại hiện tượng phương sai thay đổi

H1: Tồn tại hiện tượng phương sai thay đổi

Bước 1: Chạy lại mô hình REM bằng câu lệnh: xtreg ROA CAR NPL LDR CIR
TETA SIZE INF COVID COVID#c.INF,re

Bước 2: Kiểm định phương sai thay đổi bằng câu lệnh xttest0

Chibar(01) 75,66
Prob > chibar2 0,0000
Nguồn phụ lục 13

Bảng 5.8. Kết quả kiểm định hiện tượng phương sai thay đổi

Kết quả: Từ bảng 10 ta thấy Prob>Chibar2 = 0,0000 < 0,05 => Bác bỏ giả thuyết H0,
chấp nhận giả thuyét H1 rằng mô hình REM có phương sai thay đổi

5.3.2. Kiểm định tự tương quan

Nhằm kiểm định hiện tượng tự tương quan với mô hình REM, ta sử dụng lệnh xtserial
với hai giả thuyết sau:

H0: Mô hình không có hiện tượng tự tương quan

H1: Mô hình có hiện tượng tự tương quan.

Bằng câu lệnh xtserial ROA CAR NPL LDR CIR TETA SIZE INF COVID

F(1,18) 57,984
Prob > F 0,0000
Nguồn phụ lục 14

26
 Bảng 5.9. Kết quả kiểm định hiện tượng tự tương quan

Kết quả: Từ bảng 11 ta thấy Prob > F = 0,0000 < 0,05 => bác bỏ H0, chấp nhận giả
thuyết H1 => mô hình REM có hiện tượng tự tương quan.

5.3.3 Khắc phục khuyết tật của mô hình bằng mô hình hồi quy FGLS
Với mô hình FEM được xác định phía trên, các khuyết tật của mô hình vẫn còn tồn
đọng như hiện tượng phương sai thay đổi, hiện tượng tự tương quan. Chính vì vậy ta
phải dùng mô hình tổng quát khả thi (FGLS) để khắc phục các khuyết tật bằng câu
lệnh

xtgls ROA CAR NPL LDR CIR TETA SIZE INF COVID COVID#c.INF, panels(h)
corr(ar1)

Lưu mô hình: est sto fgls

Biến Hệ số P-value
CAR 0,0001343 0,868
NPL -0,0056165 0,009
LDR 0,001088 0,362
CIR -0,0234154 0,000
TE/TA 0,1216129 0,000
SIZE -0,0020865 0,005
INF 0,1118861 0,000
COVID 0,0048302 0,000
COVID * INF -0,0962669 0,017
C 0,0383037 0,001
Prob > F 0,0000
Nguồn phụ lục 15

Bảng 5.10. Kết quả hồi quy với mô hình FGLS

* Tổng hợp các mô hình Pool OLS, FEM, REM và FGLS bằng câu lệnh:

esttab pool fe re fgls, r2 star (* 0.1 ** 0.05 *** 0.01)brackets nogap

Biến Pooled OLS FEM REM FGLS

ROA ROA ROA ROA
CAR -0,000445 0,00128 0,000310 0,000134
27
 (0,871)
(0,846) (0,514) (0,868)
NPL 0,000209 -0,00518 -0,00489 -0,00562**
(0,974) (0,295) (0,322) (0,009)
LDR 0,00660** 0,00501** 0,00570*** 0,00109
(0,013) (0,025) (0,008) (0,362)
CIR -0,0348*** -0,0230*** -0,0262*** -0,0234***
(0,000) (0,000) (0,000) (0,000)
TE/TA 0,109*** 0,0848*** 0,101*** 0,122***
(0,000) (0,000) (0,000) (0,000)
SIZE -0,00251** 0,000911 -0,000749 -0,00209**
(0,011) (0,594) (0,563) (0,005)
INF 0,118*** 0,109*** 0,115*** 0,112***
(0,005) (0,001) (0,000) (0,000)
COVID 0,00403 0,00598** 0,00552** 0,00483***
(0,172) (0,017) (0,018) (0,000)
COVID * -0,0805 -0,117* -0,111* -0,0963**
INF (0,444) (0,153) (0,162) (0,017)
C 0,0463*** -0,00609 0,0178 0,0383***
(0,003) (0,804) (0,355) (0,001)
*p<0,1, **p<0,05, ***p<0,01
Nguồn phụ lục 16

Bảng 5.11. Tổng hợp kết quả hồi quy mô hình OLS FEM REM FGLS với
biến phụ thuộc ROA

Dựa vào kết quả bảng 5.11, mô hình FGLS thể hiện mức độ tương tác giữa biến độc
lập, biến giả và biến tương tác đến biến phụ thuộc ROA

 Tác động của tỷ lệ an toàn vốn đối với hiệu quả kinh doanh của ngân hàng:

Kết quả hồi quy với FGLS cho ta thấy tỷ lệ an toàn vốn CAR không có ý nghĩa thống
kê vì giá trị của P-value = 0,868 > 0,1. Có thể nói rằng trong giai đoạn 2019 – 2022 tỷ
lệ an toàn vốn của các ngân hàng nước ta luôn giữ ở mức ổn định theo chủ trương của
Nhà nước nên không tác động nhiều đến hiệu quả kinh doanh của ngân hàng

28
  Bác bỏ giả thuyết H1: Tỷ lệ an toàn vốn (CAR) tác động cùng chiều đến hiệu
quả kinh doanh của ngân hàng
 Tác động của tỷ lệ nợ xấu đến hiệu quả ngân hàng:

Liên quan đến tỷ lệ nợ xấu (NPL), kết quả hồi quy FGLS đã chỉ rằng biến NPL có ý
nghĩa thống kê với mức 1% khi p-value= 0,009. Mối quan hệ tương quan với tỷ suất
sinh lời trên tổng tài sản là ngược chiều với hệ số = -0,0056165. Điều này chứng
minh rằng những ngân hàng nào có tỷ lệ nợ xấu càng cao thì sẽ ảnh hưởng tiêu cực
đến hiệu quả hoạt động kinh doanh. Vì khi tỷ lệ nợ xấu cao thì ngân hàng đang gặp
khó khăn trong việc thu hồi khoản nợ từ khách hàng. Điều này gây áp lực tài chính
và giảm khả năng hoạt động của ngân hàng.

 Chấp nhận giả thuyết H2: Tỷ lệ nợ xấu tác động ngược chiều đến hiệu quả
kinh doanh của ngân hàng
 Tác động của tỷ lệ dư nợ cho vay trên vốn huy động đối với hiệu quả kinh
doanh của ngân hàng:

Kết quả hồi quy từ FGLS cho thấy LDR không có ý nghĩa thống kê vì p-value =
0,362 > 0,1. Có thể trong giai đoạn 2015 -2021 các ngân hàng đã quản lý tài chính
một cách cẩn thận và có chính sách tài chính hợp lý, nên LDR không gây ảnh hưởng
đáng kể đến hiệu quả kinh doanh của ngân hàng. Ngoài ra LDR càng cao ngoài việc
khả năng sinh lời càng cao thì sẽ đi kèm rủi ro thanh khoản càng cao. Vì thế cho nên
sẽ không thể đánh giá được mức độ ảnh hưởng của LDR đối với hiệu quả kinh doanh
của ngân hàng

 Bác bỏ giả thuyết H3: Tỷ lệ dư nợ cho vay so với tổng tiền gửi tác động cùng
chiều với hiệu quả kinh doanh của ngân hàng.
 Tác động của tỷ lệ chi phí trên thu nhập đối với hiệu quả kinh doanh của ngân
hàng

Kết quả thu được khi cho thấy tác động ngược chiều của CIR lên ROA với hệ số = -
0,024. Bên cạnh đó, P-value = 0,000 có ý nghĩa thống kê ở mức 1%. Có nghĩa là khi
tỷ lệ chi phí trên thu nhập càng lớn chứng tỏ hiệu quả hoạt động của doanh nghiệp
càng thấp.

29
  Chấp nhận giả thuyết H4: Tỷ lệ chi phí trên thu nhập có tác động ngược chiều
đối với hiệu quả kinh doanh của ngân hàng
 Tác động của tỷ lệ vốn chủ sở hữu trên tổng tài sản đối với hiệu quả hoạt động
của ngân hàng

Với P-value = 0,000 có ý nghĩa thống kê ở mức 1%, tỷ lệ vốn chủ sở hữu trên tổng
tài sản có mối quan hệ tương quan dương với hiệu quả hoạt động với hệ số = 0,1222.
Có thể nói rằng vốn chủ sở hữu càng cao thì sức chịu đựng của ngân hàng càng cao,
vì ngân hàng có thể sử dụng VCSH vào các mục đích khác nhau như trang bị cơ sở
vật chất, đầu tư vào tài sản cố định phục vụ cho ngân hàng. Điều này góp phần nâng
cao chất lượng của ngân hàng => hiệu quả hoạt động càng được cải thiện.

 Chấp nhân giả thuyết H5: Tỷ lệ vốn chủ sở hữu tác động cùng chiều với hiệu
quả kinh doanh của ngân hàng.
 Tác động của quy mô ngân hàng đối với hiệu quả kinh doanh của ngân hàng

Với hệ số = - 0,00209, quy mô ngân hàng có mối quan hệ tương quan âm với hiệu
quả hoạt động của ngân hàng với mức ý nghĩa thống kê p-value = 0,005 . Điều này
chứng tỏ quy mô ngân hàng càng lớn thì có ảnh hưởng tiêu cực đến hiệu quả hoạt
động của ngân hàng. Việc tăng quy mô ngân hàng có thể làm tăng lợi nhuận, tuy
nhiên, khi quy mô tăng hơn mức cần thiết, các ngân hàng lớn có thể tiết kiệm ít chi
phí hơn và đối mặt với sự kém hiệu quả (Berger và cộng sự, 1987; Berger và
Humphrey, 1997; Fu và Heffernan, 2008). Kết luận này nói rằng quy mô của ngân
hàng tăng lên, lợi nhuận tăng lên và sau đó sẽ giảm xuống (Athanasoglou và cộng
sự, 2008)

 Bác bỏ giả thuyết H6: Quy mô ngân hàng có tác động cùng chiều với hiệu quả
kinh doanh của ngân hàng
 Tác động của lạm phát lên hiệu quả hoạt động của ngân hàng

Mô hình FCLS cho ra kết quả rằng có mối quan hệ tương quan dương giữa lạm phát
và hiệu quả hoạt động của ngân hàng với hệ số = 0,1118861 và mức ý nghĩa thống
kê 1% p-value = 0,000. Theo quy luật thì lạm phát tăng cao dẫn đến lãi suất huy
động tăng làm lợi nhuận của ngân hàng giảm. Nhưng trong bối cảnh các ngân hàng
Việt Nam được đưa vào dữ liệu nghiên cứu thì ngược lại

30
  Bác bỏ giả thuyết H7: Tỷ lệ lạm phát tác động ngược chiều đối với hiệu quả kinh
doanh của ngân hàng.
 Tác động của đại dịch COVID19 đối với hiệu quả hoạt động của ngân hàng

Có thể thấy ảnh hưởng của đại dịch COVID đến hiệu quả hoạt động của ngân hàng
nhưng là tích cực. Bởi mô hình FLGS cho ta thấy mối quan hệ tương quan dương
giữa COVID và ROA với hệ số = 0,00403 và giá trị p-value = 0,000 < 0,01. Có thể
trong giai đoạn thời kỳ dịch bệnh COVID-19 hệ thống Ngân hàng nhà nước đã thực
hiện khá tốt công tác và chính sách trước những thách thức do COVID-19 gây ra. Và
trong những năm gần đây, hệ thống các ngân hàng đã và đang tăng cường chuyển
đổi số, nâng cấp trải nghiệm dịch vụ của khách hàng vì vậy xu hướng này tích cực là
phù hợp.

 Chấp nhận giả thuyết H8: COVID 19 có tác động đến hiệu quả hoạt động của
ngân hàng.
 Tác động của lạm phát lên hiệu quả kinh doanh của ngân hàng trong thời kỳ
dịch COVID 19 bùng phát

Từ kết quả mô hình FGLS ta thấy rằng trong thời kỳ COVID 19, lạm phát (INF) có
mối quan hệ tương quan âm với biến ROA với hệ số = -0,0963 và có ý nghĩa mức
thống kê mức 5% ( 0,017 < 0,05). Chứng tỏ trong những năm 2019 2020 2021 việc
lạm phát tăng cao đã gây ảnh hưởng tiêu cực đến hiệu quả hoạt động của ngân hàng.

 Chấp nhận giả thuyết H9: Lạm phát tác động mạnh hơn đối với hiệu quả kinh
doanh của ngân hàng khi đại dịch bùng phát.

CHƯƠNG 6: KẾT LUẬN

6.1. Kết luận
31
Tóm lại, bài nghiên cứu đã sử dụng mô hình FGLS để kiểm định các yếu tố tác
động đến hiệu quả kinh doanh của 19 ngân hàng Việt Nam. Qua kết quả, trong 8
nhân tố được kiểm định thì có 6 nhân tố ảnh hưởng đến biến phụ thuộc với mức ý
nghĩa từ 1% đến 10%. Đó là tỷ lệ nợ xấu (NPL), tỷ lệ chi phí trên thu nhập (CIR),
tỷ lệ tổng vốn chủ sở hữu trên tổng tài sản (TE/TA), quy mô ngân hàng (SIZE), tỷ
lệ lạm phát (INF), đại dịch COVID 19 (COVID) và cả sự tương tác của INF và
COVID. Trong đó có tỷ lệ nợ xấu, tỷ lệ chi phí trên thu nhập , quy mô ngân hàng
và tỷ lệ lạm phát trong thời kỳ COVID 19 có tác động ngược chiều với hiệu quả
kinh doanh của ngân hàng. Còn lại có tác động cùng chiều.
6.2 Hạn chế
Tuy nhiên bài nghiên cứu này vẫn còn hạn chế về mặt thu thập dữ liệu. Dữ liệu này
chỉ lấy 19 ngân hàng Việt Nam, nên không thể kết kuận cho toàn ngành ngân hàng
Việt Nam. Nhiều kết luận còn không đúng như kỳ vọng lúc ban đầu do bộ dữ liệu
chưa đủ lớn và khách quan. Nên xem xét thêm một số chỉ số đại diện khác để cho
ra kết quả đáng tin cậy hơn.

TÀI LIỆU THAM KHẢO

32
 Elnahass, M., Trinh, V. Q., & Li, T. (2021). Global Banking Stability in the
Shadow of Covid-19 Outbreak. Journal of International Financial Markets, Institutions
and Money, 54 vol. 72.

Borri, N., & Giorgio, G. di. (2021). Systemic Risk and the COVID Challenge in
the European Banking Sector. Journal of Banking & Finance

Borroni, M., & Rossi, S. (2019). Bank Profitability: Measures and Determinants.
In M. Cachanosky, N., Cutsinger, B. P., Hogan, T. L., Luther, W. J., & Salter, A. W.
(2021). The Federal Reserve’s Response to the COVID‐19 Contraction: An Initial
Appraisal. Southern Economic Journal, vol. 87, no. 4, pp. 1152–1174

Ari, A., Chen, S., & Ratnovski, L. (2021). The Dynamics of Non-Performing
Loans During Banking Crises: A New Database with Post-COVID-19 Implications.
Journal of Banking & Finance, vol. 133

Macknight, J. (2021). China Press Release: Chinese Banks Extend Lead on US

Rivals

Fatima, N. (2014). Capital Adequacy: A Financial Soundness Indicator for Banks.

Global Journal of Finance and Management

Bitar, M., Pukthuanthong, K., & Walker, T. (2018). The Effect of Capital Ratios
on the Risk, Efficiency and Profitability of Banks: Evidence from OECD Countries.
Science Direct, vol. 53

Olson, D., & Zoubi, T. A. (2011). Efficiency and Bank Profitability in MENA
countries. Emerging Markets Review, vol. 12, no. 2, pp. 94–110

Falato, A., Goldstein, I., & Hortaçsu, A. (2021). Financial Fragility in the
COVID-19

Crisis: The Case of Investment Funds in Corporate Bond Markets, Journal of

Monetary Economics

Izzeldin, M., Muradoğlu, Y. G., Pappas, V., & Sivaprasad, S. (2021). The Impact
of Covid-19 on G7 Stock Markets Volatility: Evidence from a ST-HAR Model, 56
International Review of Financial Analysis, vol. 74

33
 Kwan, S. H., & Merterns, M. T. (2020). Market Assessment of COVID-19,
Economic Letter

Kunt, D. A., Pedraza, A., & Ortega, R. C. (2021). Banking Sector Performance
During the COVID-19 Crisis, Journal of Banking & Finance

34
 PHỤ LỤC
PHỤ LỤC 01: DANH SÁCH CÁC NGÂN HÀNG NGHIÊN CỨU

STT MCK Tên ngân hàng

1 ACB Ngân hàng TMCP Á Châu
2 AGR Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam
3 BID Ngân hàng TMCP Đầu tư và Phát triền Việt Nam
4 CTG Ngân hàng TMCP Công Thương Việt Nam
5 EIB Ngân hàng TMCP Xuất nhập khẩu Việt Nam
6 HDB Ngân hàng TMCP Phát triển Thành phố Hồ Chí Minh
7 LPB Ngân hàng TMCP Bưu điện Liên Việt
8 MBB Ngân hàng TMCP Quân Đội
9 MSB Ngân hàng TMCP Hàng Hải Việt Nam
10 OCB Ngân hàng TMCP Phương Đông
11 TPB Ngân hàng TMCP Tiên Phong
12 TCB Ngân hàng TMCP Kỹ thương Việt Nam
13 VCB Ngân hàng TMCP Ngoại thương Việt Nam
14 VIB Ngân hàng TMCP Quốc tế Việt Nam
15 VPB Ngân hàng TMCP Việt Nam Thịnh Vượng
16 SCB Ngân hàng TMCP Sài Gòn
17 SHB Ngân hàng TMCP Sài Gòn – Hà Nội
18 STB Ngân hàng TMCP Sài Gòn Thương Tín
19 SSB Ngân hàng TMCP Đông Nam Á

35
PHỤ LỤC 02: THỐNG KÊ MÔ TẢ TRÊN STATA

PHỤ LỤC 03: MA TRẬN HỆ SỐ TƯƠNG QUAN TRÊN STATA

36
PHỤ LỤC 04: KIỂM ĐỊNH ĐA CỘNG TUYẾN

37
PHỤ LỤC 05: KIỂM ĐỊNH TÍNH DỪNG

 Chuỗi dữ liệu ROA dừng

 Chuỗi dữ liệu CAR dừng

38
 Chuỗi dữ liệu NPL dừng

 Chuỗi dữ liệu LDR dừng

 Chuỗi dữ liệu CIR dừng

39
 Chuỗi dữ liệu TE/TA dừng

 Chuỗi dữ liệu SIZE dừng

 Chuỗi dữ liệu INF dừng

40
PHỤ LỤC 06: MÔ HÌNH HỒI QUY POOL OLS

PHỤ LỤC 07: MÔ HÌNH HỒI QUY FEM

41
PHỤ LỤC 08: MÔ HÌNH HỒI QUY REM

42
PHỤ LỤC 09: KIỂM ĐỊNH F-TEST

PHỤ LỤC 10: KIỂM ĐỊNH PREUSCH - PAGAN

PHỤ LỤC 11: KIỂM ĐỊNH HAUSMAN

43
PHỤ LỤC 12: TỔNG HỢP 3 MÔ HÌNH POOL FEM REM

44
PHỤ LỤC 13: KIỂM ĐỊNH PHƯƠNG SAI THAY ĐỔI

PHỤ LỤC 14: KIỂM ĐỊNH TỰ TƯƠNG QUAN

45
PHỤ LỤC 15: MÔ HÌNH HỒI QUY FGLS

46
PHỤ LỤC 16: TỔNG HỢP 4 MÔ HÌNH POOL FEM REM FGLS

47
 PHẦN 2

ƯỚC LƯỢNG SỰ BIẾN ĐỘNG CỦA CHỈ SỐ CỔ PHIẾU

BẰNG MÔ HÌNH GARCH
1. Thu thập và xử lý số liệu

1.1. Thu thập số liệu

Đề tài sử dụng chỉ số thị trường cổ phiếu HNX-Index. Đây là chỉ số thi trường chứng khoán
Việt Nam, đo lường sự biến động của giá cổ phiếu trên Sở giao dịch chứng khoán Hà Nội
(HNX) trong vòng 52 tuần (từ 10/1/2022 đến 09/01/2023) tương đương với 250 quan sát.

Dữ liệu gồm nhiều thông tin khác nhau gồm: giá mở cửa, giá cao nhất, giá thấp nhất, giá
đóng cửa, khối lượng giao dịch,... nhưng chỉ tập trung vào giá đóng cửa nên tiến hành loại
bỏ những thông tin khác.

Để nguồn dữ liệu có thông tin chính xác và đáng tin cậy, dữ liệu được trích xuất từ
https://vn.investing.com/
1.2. Xử lý dữ liệu
Gọi chỉ số cổ phiếu của HNX-index tại thời điểm t là P t, khi đó lợi tức của HNX trong
khoản thời gian một thời gian một chu kỳ nắm giữ từ thời điểm (t-1) đến thời điểm (t) sẽ
Pt −Pt −1
là rt = , vì thế tác giả có thể dự báo chuỗi chỉ số Pt thông qua dự báo chuỗi rt
Pt −1
2. Kiểm định tính dừng chuỗi thời gian đơn biến

Để khẳng định được chuỗi chỉ số chứng khoán có phải là chuỗi dừng không, chúng ta kiểm
định dựa vào giản đồ tương quan và kiểm định nghiệm đơn vị bằng phần mềm R studio.

Và trong bài nghiên cứu này, tác giả sẽ sử dụng phương pháp kiểm định nghiệm đơn vị và
sẽ cho ra kết quả chính xác và đáng tin cậy nhất với giả thuyết

H0: Chuỗi không dừng

H1: Chuỗi dừng

Câu lệnh thực hiện : adf.test (HNX$rt)

Kết quả như sau:

1
 Hình 2.1. Kết quả kiểm định tính dừng từ R studio

Kết quả cho thấy giá trị P-value = 0,01 < 0,05 => Bác bỏ giả thuyết H0, chấp nhận H1 rằng
chuỗi dữ liệu là chuỗi dừng.

3. Xác định độ trễ tối ưu (p,q)

Để xác định giả trị p và q của mô hình GARCH ta phải dựa vào biểu đồ ACF và PACF.

Với câu lệnh: acf_HNX <- acf(HNX$rt, lag.max = 30) để vẽ biểu đồ ACF

pacf_HNX <- pacf(HNX$rt, lag.max = 30) để vẽ biểu đồ PACF

Kết quả biểu đồ như sau:

Hình 2.2. Biểu đồ ACF và PACF của rt

Dựa vào biểu đồ ACF ta thấy các hệ số tương quan riêng phần ở các độ trễ 1 và 19. Còn với
biểu đố PACF ta có hệ số tương quan riêng phần khác nhau ở các độ trễ 1 và 19.