25 Nguyen Ngoc Hieu PDF

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM
TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH
NGUYỄN NGỌC HIẾU
CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU

TẠI CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN
NIÊM YẾT TRÊN SỞ GIAO DỊCH CHỨNG KHOÁN
THÀNH PHỐ HỒ CHÍ MINH
LUẬN VĂN THẠC SĨ
Chuyên ngành: Tài chính Ngân hàng

Mã số chuyên ngành: 8340201
Thành phố Hồ Chí Minh - Năm 2023

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM
TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH
NGUYỄN NGỌC HIẾU
CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU

TẠI CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN
NIÊM YẾT TRÊN SỞ GIAO DỊCH CHỨNG KHOÁN
THÀNH PHỐ HỒ CHÍ MINH
LUẬN VĂN THẠC SĨ

Chuyên ngành: Tài chính Ngân hàng
Mã số chuyên ngành: 8340201
NGƯỜI HƯỚNG DẪN KHOA HỌC

TS. TRẦN NGUYỄN MINH HẢI
Thành phố Hồ Chí Minh - Năm 2023

i
LỜI CAM ĐOAN
Tôi xin cam đoan đề tài “Các nhân tố tác động đến nợ xấu tại các ngân hàng
thương mại cổ phần niêm yết trên Sở giao dịch chứng khoán Thành phố Hồ Chí Minh”
là công trình nghiên cứu của cá nhân tôi và được sự hướng dẫn khoa học của TS. Trần
Nguyễn Minh Hải.
Bài nghiên cứu dùng tài liệu được trích dẫn và trình bày đầy đủ trong phần tài
liệu tham khảo. Nội dung nghiên cứu, kết quả nghiên cứu trong luận văn là trung thực
và chưa công bố dưới bất kỳ hình thức nào trước đây. Những số liệu trong các bảng và
hình phục vụ cho việc dữ liệu nghiên cứu được thu thập từ nguồn tin cậy và trích dẫn rõ
ràng.
Nếu luận văn có bất kỳ sự gian lận nào, tôi xin hoàn toàn chịu trách nhiệm về nội
dung bài luận văn của mình.
Tác giả
Nguyễn Ngọc Hiếu

ii
LỜI CẢM ƠN
Đầu tiên, tôi xin gửi lời cảm ơn sâu sắc đến người hướng dẫn khoa học – TS.
Trần Nguyễn Minh Hải, người đã nhiệt tình hướng dẫn tôi thực hiện luận văn này. Tôi
cũng xin gửi lời cảm ơn chân thành nhất đến toàn bộ Quý Thầy Cô Trường Đại học
Ngân hàng Thành phố Hồ Chí Minh, Quý Thầy Cô khoa Sau Đại học, khoa Tài chính
Ngân hàng đã nhiệt huyết truyền đạt những kiến thức quý báu cho tôi trong suốt quá
trình học tập tại trường.
Do thời gian và trình độ còn hạn chế, luận văn không thể tránh khỏi những thiếu
sót. Học viên kính mong các Thầy Cô cùng chỉ bảo và đóng góp ý kiến để luận văn được
hoàn thiện hơn. Học viên xin chân thành cảm ơn.
iii
TÓM TẮT LUẬN VĂN
Tiêu đề
Các nhân tố tác động đến nợ xấu tại các ngân hàng thương mại cổ phần niêm yết
trên Sở giao dịch chứng khoán Thành phố Hồ Chí Minh (HOSE).
Tóm tắt
Nghiên cứu được thực hiện nhằm đánh giá các nhân tố tác động đến nợ xấu tại
các Ngân hàng Thương mại cổ phần (TMCP) niêm yết trên HOSE. Từ đó, nghiên cứu
đề xuất các khuyến nghị nhằm giúp các Ngân hàng TMCP niêm yết trên HOSE giảm
thiểu nợ xấu. Bộ dữ liệu thứ cấp được thu thập từ 14 Ngân hàng TMCP được niêm yết
HOSE từ năm 2012 đến 2021, Tổng cục thống kê Việt Nam (GSO) và Ngân hàng Thế
giới (WB).
Kết quả từ phân tích hồi quy đa biến được thực hiện bằng cách sử dụng phần
mềm Stata 14 trên bộ dữ liệu bảng cân bằng đã chỉ ra rằng các biến (1) tốc độ tăng
trưởng tín dụng, (2) tốc độ tăng trưởng kinh tế, (3) dự phòng rủi ro có mối quan hệ đồng
a a a a a a a a a a a a
biến với nợ xấu. Đối với biến (4) khả năng sinh lời trên tài sản, và (5) tỷ lệ thất nghiệp
a a a a a a a a a a a a a a a a a a a a a
thì có mối quan hệ nghịch biến với nợ xấu. Từ kết quả đó, tác giả đề xuất một số
a a a a a a a a a a a a a a a a a a a a
khuyến nghị nhằm giảm thiểu nợ xấu tại các Ngân hàng TMCP niêm yết trên HOSE.
a a a a a a a a a a a a a a a
Từ khoá
Ngân hàng thương mại cổ phần, Nợ xấu, Sở giao dịch chứng khoán Thành phố
Hồ Chí Minh.
iv
ABSTRACT
Topic
Factors affecting non-performing loans at joint stock commercial banks listed on
Ho Chi Minh City Stock Exchange.
Abstract
The study was carried out to evaluate the factors affecting non-performing loans
at joint stock commercial banks listed on the Ho Chi Minh City Stock Exchange.
Accordingly, the study proposed recommendations to reduce the non-performing loans
at joint stock commercial banks listed on the Ho Chi Minh City Stock Exchange. The
secondary data set was collected from 14 joint stock commercial banks listed on the Ho
Chi Minh City Stock Exchange (HOSE) from 2012 to 2021, the General Statistics Office
of Vietnam (GSO) and the World Bank (WB).
Results from the regression analysis performed using Stata 14 on balanced panel
datasets showed that variables (1) credit growth rate, (2) economic growth rate, (3)
provisions for credit risk have the positive relationship with non-performing loans ratio.
Besides, (4) return on average asset and (5) unemployment rate had negative impact
significantly on non-performing loans ratio. Hence, the author proposed
recommendations to minimize the non-performing loans ratio at joint stock commercial
banks listed on the Ho Chi Minh City Stock Exchange.
Keywords
Joint Stock Commercial Banks, Non-Performning Loans, Ho Chi Minh City
Stock Exchange.
v
DANH MỤC TỪ VIẾT TẮT TIẾNG VIỆT
Từ viết tắt Cụm từ tiếng Việt

NH Ngân hàng
NHNN Ngân hàng Nhà nước
NHTM Ngân hàng thương mại
TCTD Tổ chức tín dụng
TMCP Thương mại cổ phần
vi
DANH MỤC TỪ VIẾT TẮT TIẾNG ANH
Đã Cụm từ tiếng Anh Cụm từ tiếng Việt

CG Credit Growth Rate Tốc độ tăng trưởng tín dụng
Phương pháp ước lượng hiệu ứng cố
FEM Fixed Effects Model
định
GDP Economic Growth Tốc độ tăng trưởng kinh tế
General Statistics Office
GSO Tổng cục Thống kê Việt Nam
of Viet Nam
Ho Chi Minh Stock Sở giao dịch chứng khoán TP. Hồ Chí
HOSE
Exchange Minh
IMF International Monetary Fund Quỹ Tiền tệ Quốc tế
INF Inflation rate Tỷ lệ lạm phát
LLR Provision for credit risk Dự phòng rủi ro
NPL Non-performing Loan Nợ xấu
Pooled Ordinary Least
Pooled OLS Phương pháp bình phương nhỏ nhất
Square
Phương pháp ước lượng hiệu ứng
REM Random Effects Model
ngẫu nhiên
ROA Return on Average Asset Khả năng sinh lời trên tài sản
UNEMP Unemployment rate Tỷ lệ thất nghiệp
WB World Bank Ngân hàng Thế giới
vii
MỤC LỤC
LỜI CAM ĐOAN .............................................................................................................i
LỜI CẢM ƠN................................................................................................................. ii
TÓM TẮT LUẬN VĂN................................................................................................ iii
ABSTRACT ...................................................................................................................iv
DANH MỤC TỪ VIẾT TẮT TIẾNG VIỆT ................................................................... v
DANH MỤC TỪ VIẾT TẮT TIẾNG ANH ..................................................................vi
DANH MỤC BẢNG ....................................................................................................... x
DANH MỤC HÌNH .......................................................................................................xi
CHƯƠNG 1. GIỚI THIỆU TỔNG QUAN .................................................................... 1
1.1. Lý do chọn đề tài ...................................................................................................... 1
1.2. Mục tiêu nghiên cứu và câu hỏi nghiên cứu ............................................................ 3
1.2.1. Mục tiêu nghiên cứu tổng quát .............................................................................. 3
1.2.2. Mục tiêu nghiên cứu cụ thể ................................................................................... 3
1.2.3. Câu hỏi nghiên cứu................................................................................................ 4
1.3. Đối tượng và phạm vi nghiên cứu ............................................................................ 4
1.3.1. Đối tượng nghiên cứu ............................................................................................ 4
1.3.2. Phạm vi nghiên cứu ............................................................................................... 4
1.4. Phương pháp nghiên cứu .......................................................................................... 4
1.5. Đóng góp của đề tài .................................................................................................. 6
1.6. Bố cục của đề tài ...................................................................................................... 7
CHƯƠNG 2. CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM LIÊN
QUAN.............................................................................................................................. 8
2.1. Khái quát chung về Ngân hàng TMCP .................................................................... 8
2.1.1. Khái niệm Ngân hàng TMCP ................................................................................ 8
2.1.2. Vai trò của Ngân hàng TMCP trong nền kinh tế ................................................10
2.2. Những vấn đề chung về hoạt động cấp tín dụng của ngân hàng TMCP ................11
2.2.1. Hoạt động cho vay ...............................................................................................11
viii
2.2.2. Chiết khấu, cho thuê tài chính, bao thanh toán, bảo lãnh ngân hàng. .................14
2.3. Tổng quan về nợ xấu ..............................................................................................15
2.4. Cơ sở lý thuyết .......................................................................................................18
2.4.1. Mô hình điểm số “Z” của Atlman (2000) ...........................................................18
2.4.2. Lý thuyết thông tin bất cân xứng của Auronen (2003) và Richard (2011) .........20
2.5. Lược khảo các nghiên cứu thực nghiệm có liên quan ............................................21
2.5.1. Các nghiên cứu trên thế giới ...............................................................................21
2.5.2. Các nghiên cứu ở Việt Nam ................................................................................26
2.6. Mô hình nghiên cứu tổng quát ...............................................................................34
Kết luận chương 2 .........................................................................................................38
CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU ..........................................................39
3.1. Phương pháp tiếp cận thông tin ..............................................................................39
3.1.1. Mô hình nghiên cứu áp dụng cho mẫu nghiên cứu .............................................39
3.1.2. Các giả thuyết nghiên cứu ...................................................................................40
3.2. Phương pháp thu thập dữ liệu ................................................................................44
3.3. Phương pháp xử lý dữ liệu .....................................................................................45
3.4. Khung quy trình nghiên cứu ...................................................................................48
Kết luận chương 3 .........................................................................................................49
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN ......................................50
4.1. Bối cảnh về hệ thống ngân hàng TMCP Việt Nam, diễn biến nợ xấu và hoạt động
xử lý nợ xấu…… .............................................................................................................. .
50
4.1.1. Bối cảnh hệ thống ngân hàng TMCP Việt Nam .................................................50
4.1.2. Diễn biến nợ xấu tại hệ thống ngân hàng TMCP Việt Nam ...............................51
4.1.3. Hoạt động xử lý nợ xấu tại Việt Nam .................................................................52
4.2. Thống kê mô tả dữ liệu nghiên cứu ........................................................................53
4.2. Phân tích hồi quy ....................................................................................................54
4.2.1. Ma trận tương quan .............................................................................................54
4.2.2. Kiểm định sự tương quan giữa các biến độc lập .................................................55
ix
4.2.3. Kết quả phân tích hồi quy....................................................................................56

4.4. Thảo luận kết quả nghiên cứu ................................................................................59
Kết luận chương 4 .........................................................................................................64
CHƯƠNG 5. KHUYẾN NGHỊ VÀ KẾT LUẬN .........................................................65
5.1. Khuyến nghị ...........................................................................................................65
5.2. Hạn chế của luận văn và hướng nghiên cứu tiếp theo............................................68
5.3. Kết luận ..................................................................................................................69
TÀI LIỆU THAM KHẢO ................................................................................................i
PHỤ LỤC 1 ....................................................................................................................vi
PHỤ LỤC 2 ..................................................................................................................... x
x
DANH MỤC BẢNG
Bảng 1.1. Danh sách các Ngân hàng TMCP nghiên cứu ................................................ 5
Bảng 2.1. Phân loại Ngân hàng TMCP ........................................................................... 9
Bảng 2.2. Các phương thức cho vay .............................................................................12
Bảng 2.3. Phân loại nhóm nợ ........................................................................................16
Bảng 2.3. Ưu điểm và nhược điểm của mô hình điểm số “Z” ......................................19
Bảng 2.4. Tổng hợp các nghiên cứu liên quan ..............................................................31
Nguồn: Tổng hợp của tác giả. .......................................................................................33
Bảng 2.5. Tổng hợp các biến trong mô hình .................................................................34
Bảng 3.1. Kỳ vọng dấu về tác động của từng nhân tố đến nợ xấu ................................42
Bảng 4.1. Thống kê mô tả các biến trong mô hình .......................................................53
Bảng 4.2. Ma trận tương quan giữa các biến số ............................................................54
Bảng 4.3. Kết quả kiểm định VIF .................................................................................56
Bảng 4.4. Tổng hợp các kết quả ước lượng theo các phương pháp Pooled OLS, FEM,
REM, REM hiệu chỉnh ..................................................................................................58
Bảng 4.5. Tổng hợp giả thuyết nghiên cứu ...................................................................61
xi
DANH MỤC HÌNH
Hình 2.1. Mô hình nghiên cứu của Rachman và ctg (2018) .........................................22
Hình 2.2. Mô hình nghiên cứu của Dimitrios và ctg (2016) .........................................23
Hình 2.3. Mô hình nghiên cứu của Radivojevic và Jovovic (2017) .............................24
Hình 2.4. Mô hình nghiên cứu của Koju và ctg (2018) ................................................25
Hình 2.5. Mô hình nghiên cứu của Trần Vương Thịnh và ctg (2021) ..........................26
Hình 2.6. Mô hình nghiên cứu của Hoàng Thị Thanh Hằng và ctg (2020) ..................27
Hình 2.7. Mô hình nghiên cứu của Phạm Dương Phương Thảo và Nguyễn Linh Đan
(2018) ............................................................................................................................28
Hình 2.8. Mô hình nghiên cứu của Nguyễn Thị Như Quỳnh và ctg (2018) .................29
Hình 2.9. Mô hình nghiên cứu của Nguyễn Thành Đạt (2018) ....................................30
Hình 2.10. Mô hình nghiên cứu tổng quát ....................................................................36
Hình 1.1. Khung quy trình nghiên cứu được đề xuất ....................................................48
Hình 4.1. Nợ xấu tại hệ thống ngân hàng Việt Nam TMCP giai đoạn 2012-2021 .......52
1
CHƯƠNG 1. GIỚI THIỆU TỔNG QUAN
Trong chương 1, luận văn giới thiệu tóm tắt các nội dung bao gồm lý do chọn đề
tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng nghiên cứu, phạm vi nghiên
cứu, phương pháp nghiên cứu, đóng góp của đề tài, bố cục của đề tài.
1.1. Lý do chọn đề tài

Ngân hàng đóng một vai trò vô cùng quan trọng trong sự phát triển bền vững của
hệ thống tài chính, đặc biệt là tại các quốc gia có hệ thống kinh tế dựa vào ngân hàng
(Moradi và ctg, 2016). Ảnh hưởng này sẽ nghiêm trọng hơn đối với các quốc gia phụ
thuộc nhiều vào ngân hàng như là một trung gian tài chính phân bổ vốn cho toàn bộ nền
kinh tế. Hoạt động tín dụng là một trong những hoạt động cốt lõi quan trọng nhất của
a a a a a a a a a a
ngân hàng thương mại (NHTM). Nợ xấu tồn tại tất yếu khách quan trong hoạt động tín
dụng, và duy trì nợ xấu ở mức độ an toàn là một trong các mục tiêu quan trọng của
NHTM. Nợ xấu không chỉ là nguyên nhân cơ bản gây mất an toàn, làm gia tăng trích
lập dự phòng rủi ro, gia tăng chi phí xử lý nợ xấu từ đó gây sụt giảm lợi nhuận kỳ vọng
của ngân hàng mà còn ảnh hưởng không tốt đến sự phát triển kinh tế - xã hội, ảnh hưởng
đến uy tín của bản thân ngân hàng cũng như sức khỏe nền tài chính quốc gia. Các chuyên
a
gia kinh tế cho rằng hầu hết đặc điểm chung của các cuộc khủng hoảng tài chính đều
bắt nguồn từ nợ xấu tăng cao tại các ngân hàng thuộc các quốc gia đó. Sau các cuộc
khủng hoảng tài chính, nợ xấu đã được sự giám sát bởi chính phủ và dưới sự quản lý
của ngân hàng tại các quốc gia đó (Soedarmono và ctg, 2011; Ghosh, 2015). Do đó, việc
quản lý nợ xấu được coi là hoạt động quan trọng để các ngân hàng xác định nguyên
nhân, dự đoán tổn thất, từ đó đề xuất các biện pháp kiểm soát và xử lý nợ xấu hiệu quả
nhằm hạn chế tối đa thiệt hại do nợ xấu gây ra cũng như đưa ra các giải pháp dự phòng
tránh nợ xấu lặp lại trong tương lai. a
Trên thế giới, đã có nhiều nghiên cứu thực nghiệm về vấn đề tác động của nợ xấu
đến hệ thống của các ngân hàng thương mại (NHTM). Theo đó, các nhân tố có tác động
2
ngược chiều có ý nghĩa đến nợ xấu có thể thể đến như (1) lợi nhuận ngân hàng, (2) tốc
độ tăng trưởng kinh tế (Dimitrios và ctg, 2016; Radivojevic và Jovovic, 2017; Koju và
ctg, 2018; Hoàng Thị Thanh Hằng và ctg, 2020), (3) tốc độ tăng trưởng tín dụng
(Rachman và ctg, 2018; Nguyễn Thị Như Quỳnh và ctg, 2018). Các nhân tố có tác động
thuận chiều có ý nghĩa đến nợ xấu có thể thể đến như tỷ lệ thất nghiệp, dự phòng rủi ro,
tỷ lệ lạm phát (Radivojevic và Jovovic, 2017; Hoàng Thị Thanh Hằng và ctg, 2020).
Tuy nhiên, nghiên cứu của Koju và ctg (2018) lại chỉ ra rằng tỷ lệ lạm phát có tác động
ngược chiều đến nợ xấu với mức ý nghĩa 1%. Nghiên cứu của Nguyễn Thị Như Quỳnh
và ctg (2018), Nguyễn Thành Đạt (2018) và Phạm Dương Phương Thảo (2018) cũng
cho thấy nợ xấu năm trước có tác động cùng chiều với nợ xấu hiện tại với mức ý nghĩa
1%. Theo đó, nợ xấu năm trước càng cao, chi phí trích lập dự phòng càng cao thì nợ xấu
năm nay gia tăng. Đồng thời, Phạm Dương Phương Thảo (2018) cũng khẳng định nợ
xấu và chi phí hoạt động ngân hàng có tác động ngược chiều tại mức ý nghĩa thống kê
1%. Như vậy, các nghiên cứu trước đây cho thấy nợ xấu là một vấn đề vô cũng khó khăn
trên thế giới, nếu không quản lý tốt được nợ xấu thì nền kinh tế sẽ rơi vào những cuộc
khủng hoảng nghiêm trọng. Nhìn chung, tất cả những nghiên cứu trên đều đưa ra các
yếu tố ảnh hưởng đến nợ xấu có những điểm chung cũng như có những điểm riêng tuỳ
thuộc vào từng quốc gia, khu vực, đối tượng và thời gian khảo sát. Từ đó, tác giả xem
xét các nhân tố như (1) tốc độ tăng trưởng tín dụng, (2) khả năng sinh lời trên tài sản,
(3) tỷ lệ thất nghiệp, (4) tốc độ tăng trưởng kinh tế, (5) dự phòng rủi ro, (6) tỷ lệ lạm
phát trong cùng một mô hình để đánh giá tác động của chúng đến nợ xấu tại các ngân
hàng TMCP niêm yết trên HOSE.
Tại Việt Nam, tốc độ tăng trưởng tín dụng trong những năm qua đã khiến nợ xấu
của các ngân hàng tăng nhanh chóng. Theo số liệu báo cáo được tổng hợp hàng năm của
Ngân hàng Nhà nước (NHNN) Việt Nam, tốc độ tăng trưởng tín dụng của hệ thống ngân
hàng giai đoạn 2015 – 2021 có xu hướng biến thiên cùng chiều với nợ xấu. Thực tiễn
cho thấy tốc độ tăng trưởng tín dụng ở Việt Nam giảm sẽ làm nợ xấu giảm và ngược lại
khi tốc độ tăng trưởng tín dụng tăng sẽ tăng nợ xấu. Nợ xấu đối với các ngân hàng
3
TMCP là một vấn đề cần được giải quyết, nợ xấu tăng nhanh sẽ ảnh hưởng rất lớn đến
hầu hết các chủ thể trong nền kinh tế, trước tiên là ngân hàng, sau đó là người đi vay,
cuối cùng sẽ là toàn bộ nền kinh tế. Những năm gần đây, NHNH Việt Nam đang không
ngừng nỗ lực để giảm thiểu và hạn chế sự gia tăng nợ xấu nhưng giai đoạn 2019 – 2021
đánh dấu sự gia tăng nhanh chóng của nợ xấu trong hệ thống ngân hàng Việt Nam, nợ
xấu tăng nhanh là điều đã được dự đoán trước do sự bùng phát của đại dịch COVID-19,
đặc biệt với biến chủng Delta mới trong năm 2021 đã gây ra các tổn thất nặng nề trong
nền kinh tế. Theo đó, nợ xấu có xu hướng gia tăng rõ rệt tại một số ngân hàng, bình
quân số dư nợ xấu của 28 Ngân hàng TMCP niêm yết trên thị trường chứng khoán Việt
Nam tăng 17,3% so với năm 2020 (NHNN Việt Nam, 2021).
Vì vậy việc tìm hiểu các nhân tố tác động đến nợ xấu cũng như mức ảnh hưởng
của các nhân tố sẽ giúp các ngân hàng và nhà quản trị đưa ra được các quyết định quản
trị tài chính hiệu quả nhằm duy trì nợ xấu ở mức thấp, đảm bảo sự phát triển của hệ
thống ngân hàng nói riêng và sự ổn định của nền kinh tế nói chung. Bên cạnh hầu hết
các ngân hàng tại Việt Nam được niên yết trên ba sàn giao dịch lớn đó là sàn HOSE,
HNX và UPCOM, tuy nhiên không có một nghiên cứu nào đề cập riêng trên một sàn
giao dịch. Do đó, tác giả quyết định chọn đề tài “Các nhân tố tác động đến nợ xấu tại
các Ngân hàng thương mại cổ phần niêm yết trên Sở giao dịch chứng khoán Thành
phố Hồ Chí Minh” để làm đề tài nghiên cứu cho luận văn.
1.2. Mục tiêu nghiên cứu và câu hỏi nghiên cứu
1.2.1. Mục tiêu nghiên cứu tổng quát
Nghiên cứu được thực hiện nhằm đánh giá các nhân tố tác động đến nợ xấu tại
các ngân hàng TMCP niên yết trên HOSE. Từ đó, nghiên cứu đề xuất một số khuyến
nghị nhằm giúp các ngân hàng TMCP niêm yết trên HOSE quản lý nợ xấu.
1.2.2. Mục tiêu nghiên cứu cụ thể
▪ Nghiên cứu tập trung xác định các nhân tố ảnh hưởng đến nợ xấu tại các ngân
a a a a a a a a a a a a a a
hàng TMCP dựa trên cơ sở lý thuyết và các nghiên cứu liên quan.
a a a a a a a a a a a a a
4
▪ Đánh giá mức độ tác động của các nhân tố đến nợ xấu tại các ngân hàng TMCP
niêm yết trên HOSE.
▪ Đề xuất một số khuyến nghị nhằm quản lý nợ xấu tại các ngân hàng TMCP niêm
yết trên HOSE.
1.2.3. Câu hỏi nghiên cứu
▪ Những nhân tố nào ảnh hưởng đến nợ xấu tại các Ngân hàng TMCP theo cơ sở lý
thuyết và các nghiên cứu thực nghiệm liên quan?
▪ Các nhân tố tác động như thế nào đến nợ xấu tại các Ngân hàng TMCP niêm yết
trên HOSE?
▪ Những khuyến nghị nào nhằm quản lý nợ xấu tại các Ngân hàng TMCP niêm yết
trên HOSE?
1.3. Đối tượng và phạm vi nghiên cứu
1.3.1. Đối tượng nghiên cứu
Đối tượng của đề tài nghiên cứu là nợ xấu, các yếu tố tác động đến nợ xấu của hệ
thống Ngân hàng TMCP niêm yết trên HOSE.
1.3.2. Phạm vi nghiên cứu
Nghiên cứu lấy dữ liệu từ năm 2012 đến 2021, có tổng cộng 14 ngân hàng TMCP
được niêm yết trên HOSE. Các ngân hàng được chọn để nghiên cứu là các ngân hàng
có quy mô lớn nhằm đảm bảo tính đại diện cho xu hướng biến động của ngành. Bên
cạnh đó, hầu hết các cổ phiếu vốn hóa lớn của Việt Nam đều được niêm yết trên sàn
HOSE, yêu cầu niêm yết trên HOSE khắt khe hơn so với các sàn giao dịch còn lại. Các
công ty niêm yết trên sàn HOSE thường có công bố thông tin tốt hơn, có độ tin cậy cao
hơn.
1.4. Phương pháp nghiên cứu
▪ Phương pháp tiếp cận thông tin
Nghiên cứu tiếp thu và kế thừa tư tưởng của các lý thuyết sau, cụ thể là (1) Mô
hình điểm số “Z” của Atlman (2000); (2) Lý thuyết thông tin bất cân xứng của
Auronen (2003) và Richard (2011).
5
Các lý thuyết này cũng chính là nền tảng cho việc lựa chọn hướng nghiên
cứu về các nhân tố tác động đến nợ xấu tại các ngân hàng TMCP được niêm yết
trên HOSE.
▪ Phương pháp thu thập dữ liệu
Nghiên cứu lấy dữ liệu bảng cân bằng từ năm 2012 đến 2021 của 14 ngân hàng
TMCP được niêm yết trên HOSE. Danh sách các ngân hàng lấy dữ liệu được mô
tả như trong bảng 1.1.
Dữ liệu về (1) nợ xấu, (2) tốc độ tăng trưởng tín dụng, (3) khả năng sinh lời của tài
sản, (4) dự phòng rủi ro được lấy từ báo cáo tài chính hàng năm của các ngân hàng.
Các dữ liệu vĩ mô như (5) tỷ lệ thất nghiệp, (6) tốc độ tăng trưởng kinh tế, (7) tỷ lệ
lạm phát được lấy từ cơ sở dữ liệu của Tổng cục thống kê Việt Nam (GSO) và
Ngân hàng Thế giới (WB).
Bảng 1.1. Danh sách các Ngân hàng TMCP nghiên cứu
Sở giao
STT Tên ngân hàng TMCP Mã CK
dịch
1 Ngân hàng TMCP Đầu tư và Phát triển Việt Nam BIDV HOSE
2 Ngân hàng TMCP Công thương Việt Nam CTG HOSE
3 Ngân hàng TMCP Ngoại thương Việt Nam VCB HOSE
4 Ngân hàng TMCP Việt Nam Thịnh Vượng VPB HOSE
5 Ngân hàng TMCP Xuất nhập khẩu Việt Nam EIB HOSE
6 Ngân hàng TMCP Phát triển Thành phố Hồ Chí Minh HDB HOSE
7 Ngân hàng TMCP Quân đội MBB HOSE
8 Ngân hàng TMCP Sài Gòn Thương Tín STB HOSE
9 Ngân hàng TMCP Kỹ Thương Việt Nam TCB HOSE
10 Ngân hàng TMCP Tiên Phong TPB HOSE
11 Ngân hàng TMCP Quốc tế Việt Nam VIB HOSE
12 Ngân hàng TMCP Á Châu ACB HOSE
6
13 Ngân hàng TMCP Bưu điện Liên Việt LPB HOSE

14 Ngân hàng TMCP Hàng hải Việt Nam MSB HOSE
Nguồn: Trích xuất từ bộ dữ liệu nghiên cứu của tác giả.
▪ Phương pháp xử lý dữ liệu
Để trả lời các câu hỏi nghiên cứu đặt ra, phương pháp nghiên cứu được áp dụng
trong nghiên cứu này là phương pháp nghiên cứu định lượng, thông qua việc sử
dụng phần mềm Stata 14 để nghiên cứu thực hiện phân tích thống kê mô tả, ma
trận hệ số tương quan, mô hình hồi quy và các kiểm định.
Phân tích dữ liệu được thực hiện theo trình tự sau: (1) Phân tích thống kê mô tả
nhằm xác định các chỉ tiêu chung để đưa ra cái nhìn tổng quát về các đặc trưng cơ
bản của các biến trong mô hình nghiên cứu; (2) phân tích và nghiên cứu mối tương
quan giữa các biến trong mô hình, đồng thời phát hiện mối quan hệ giữa các biến;
(3) thực hiện hồi quy theo Pooled-OLS, FEM và REM và các kiểm định liên quan
để để tìm ra mối quan hệ giữa các nhân tố ảnh hưởng và nợ xấu của ngân hàng; (4)
thảo luận theo kết quả nghiên cứu của mô hình hồi quy với phương pháp ước lượng
phù hợp được lựa chọn.
1.5. Đóng góp của đề tài
- Đề tài góp phần xác định và phân tích tác động đến nợ xấu của các ngân hàng
TMCP được niêm yết trên HOSE của các nhân tố như (1) tốc độ tăng trưởng tín
dụng, (2) khả năng sinh lời trên tài sản, (3) tỷ lệ thất nghiệp, (4) tốc độ tăng trưởng
kinh tế trong thời kỳ, (5) dự phòng rủi ro, (6) tỷ lệ lạm phát.
- Đề tài góp phần đề xuất một số khuyến nghị nhằm quản lý nợ xấu tại các ngân
hàng TMCP được niêm yết trên HOSE.
7
1.6. Bố cục của đề tài

Ngoài phần mở đầu, kết luận, tài liệu tham khảo và 02 phụ lục, kết cấu của luận
văn gồm có 5 chương:
CHƯƠNG 1. GIỚI THIỆU TỔNG QUAN
Chương này trình bày tính cấp thiết của đề tài, những mục tiêu cần đạt được khi
thực hiện nghiên cứu, đưa ra các câu hỏi nghiên cứu, xác định đối tượng và phạm vi
nghiên cứu, phương pháp nghiên cứu (phương pháp tiếp cận thông tin, phương pháp thu
thập dữ liệu và phương pháp xử lý dữ liệu), khung quy trình nghiên cứu và đóng góp
của đề tài.
CHƯƠNG 2. CƠ SỞ LÝ THUYẾT
Chương này trình bày giới thiệu khái niệm chung về ngân hàng thương mại, nợ
xấu, các lý thuyết nền tảng và lược khảo các nghiên cứu thực nghiệm có liên quan đến
đề tài làm căn cứ để tổng hợp các nhân tố ảnh hưởng đến nợ xấu của các NHTM cũng
như xây dựng mô hình hồi quy tổng quát.
CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
Chương này trình bày quy trình nghiên cứu, áp dụng mô hình hồi quy cho bộ dữ
liệu bảng cân bằng các ngân hàng TMCP niêm yết trên HOSE căn cứ trên việc tiếp cận
cơ sở lý thuyết và các nghiên cứu thực nghiệm liên quan. Đồng thời, chương 3 cũng
trình bày phương pháp sử dụng để thu thập dữ liệu thứ cấp và phương pháp phân tích
a a a a a a a a a a a a a a a a a a
dữ liệu phục vụ cho nghiên cứu.

a a a a a a
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Chương này trình bày kết quả nghiên cứu, thảo luận kết quả nghiên cứu với kết
quả của các nghiên cứu thực nghiệm đã được tác giả tham khảo.
CHƯƠNG 5. KHUYẾN NGHỊ VÀ KẾT LUẬN
Chương này tác giả tổng kết ý nghĩa của kết quả nghiên cứu ở chương 4, đồng
thời đề xuất các khuyến nghị thực tiễn. Cuối cùng, chương 5 trình bày các hạn chế của
nghiên cứu để định hướng cho các nghiên cứu khác trong tương lai và kết luận chung
cho đề tài.
8
CHƯƠNG 2. CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC

NGHIỆM LIÊN QUAN
Nội dung chính của chương 2 là tổng hợp cơ sở lý luận và các nghiên cứu thực
nghiệm trong thời gian từ năm 2016 và được cập nhật đến năm 2020. Theo đó, nội dung
chương bao gồm các khái quát chung về ngân hàng TMCP, những vấn đề chung về hoạt
động cấp tín dụng của ngân hàng TMCP, tổng quan về nợ xấu, các cơ sở lý thuyết và
lược khảo các nghiên cứu thực nghiệm trong và ngoài nước có liên quan.
2.1. Khái quát chung về Ngân hàng TMCP

2.1.1. Khái niệm Ngân hàng TMCP
Rose (2004) và Hudgins (2008) cho rằng Ngân hàng TMCP là một công ty kinh
a a a
doanh tiền tệ chuyên cung cấp các dịch vụ tài chính, điều hành các ngành dịch vụ tài
chính hoặc các doanh nghiệp và tổ chức, thường xuyên nhận tiền từ công chúng bằng
chữ ký, tiền gửi hoặc các phương tiện khác và sử dụng các quỹ này để thực hiện giảm
thuế, tín dụng hoặc giao dịch tài chính. Ngân hàng TMCP là định chế tài chính trung
gian chuyên cung cấp những dịch vụ tài chính, bao gồm cho vay và nhận tiền gửi, thanh
toán và các dịch vụ tài chính khác (Mishkin, 2007).
Tại Việt Nam, theo Luật các TCTD số 47/2010/QH12 do Quốc hội ban hành ngày
16 tháng 6 năm 2010 quy định ngân hàng TMCP thực hiện mọi hoạt động ngân hàng
theo quy định của Luật. Hoạt động ngân hàng là việc kinh doanh, cung ứng thường
xuyên một hoặc một số các nghiệp vụ sau đây: nhận tiền gửi; cấp tín dụng; cung ứng
dịch vụ thanh toán qua tài khoản. Căn cứ theo quy định tại Khoản 2, 3 Điều 2 Thông tư
40/2011/TT-NHNH quy định về việc cấp giấy phép và tổ chức, hoạt động của ngân hàng
thương mại, chi nhánh ngân hàng nước ngoài, văn phòng đại diện của TCTD nước ngoài,
tổ chức nước ngoài khác có hoạt động ngân hàng tại Việt Nam do NHNN Việt Nam ban
hành ngày 15 tháng 12 năm 2011, Ngân hàng TMCP được hiểu là loại hình ngân hàng
9
thành lập như một tổ chức dưới hình thức công ty cổ phần, thực hiện toàn bộ hoạt động
ngân hàng và các hoạt động kinh doanh khác theo quy định của luật các TCTD nhằm
mục tiêu lợi nhuận.
Hoạt động NHTM là hình thức kinh doanh kiếm lời, theo đuổi mục tiêu lợi nhuận
là chủ yếu. Theo đó, NHTM thực hiện hai hình thức hoạt động là kinh doanh tiền tệ và
dịch vụ ngân hàng. Đồng thời, Hoạt động NHTM phải tuân thủ theo quy định của pháp
luật, nghĩa là chỉ khi NHTM thoả mãn đầy đủ các điều kiện khắt khe do pháp luật qui
định như điều kiện về vốn, phương án kinh doanh, v.v thì mới được phép hoạt động trên
thị trường. Như vậy, hoạt động NHTM là hình thức kinh doanh có độ rủi ro cao hơn
nhiều so với các hình thức kinh doanh khác và thường có ảnh hưởng sâu sắc tới các
ngành khác. Bên cạnh đa dạng các nghiệp vụ kinh doanh, NHTM được phân loại theo
mục đích sở hữu, chiến lược kinh doanh, hình thức hoạt động và được trình bày trong
bảng 2.1.
Bảng 2.1. Phân loại Ngân hàng TMCP
Căn cứ mục đích sở Căn cứ chiến lược kinh Căn cứ hình thức hoạt
hữu doanh động
(1) Ngân hàng TMCP (1) Ngân hàng bán lẻ: với (1) Ngân hàng TMCP hội
100% vốn trong nước. quy mô nhỏ hướng tới cá sở: là trụ sở chính
(2) Ngân hàng TMCP nhân chủ yếu là cho vay tiêu (2) Ngân hàng TMCP dưới
liên doanh (có đối tác dùng. hình thức chi nhánh, phòng
nước ngoài góp vốn (2) Ngân hàng bán buôn: giao dịch
vào). cung cấp dịch vụ cho doanh (3) Ngân hàng TMCP khác:
nghiệp, tổ chức. ngân hàng cho vay dài hạn,
(3) Ngân hàng vừa bán buôn ngân hàng hợp tác quỹ tín
vừa bán lẻ: chiếm đa số. dụng…
Nguồn: Tổng hợp của tác giả.
Tóm lại, ngân hàng TMCP là loại hình tổ chức tín dụng trung gian cung ứng các
dịch vụ tài chính về kinh doanh, cung cấp thường xuyên cho một hoặc nhiều doanh
10
nghiệp, được thực hiện tất cả các hoạt động tín dụng, tiết kiệm và dịch vụ. Thanh toán,
thực hiện các chức năng tài chính khác nhau và các hoạt động liên quan đến lợi nhuận
khác.
2.1.2. Vai trò của Ngân hàng TMCP trong nền kinh tế
Rich và Walter (1993) cho rằng Ngân hàng TMCP đóng vai trò chủ yếu như là
một trung gian tài chính. Trong vai trò này, các ngân hàng thương mại giúp vận hành
a a a a a a a a a a a a a a a a
dòng vốn đầu tư trên toàn thị trường. Cơ chế phân bổ vốn trong nền kinh tế này được
a a a a a a a a a a a a a a a a a a a
thực hiện thông qua quá trình cho vay, giúp các ngân hàng đánh giá rủi ro tài chính, làm
giảm sự phân đoạn thị trường của trung gian tài chính, giúp các công ty dễ dàng tiếp cận
các nguồn vốn, làm tăng quy mô của nền kinh tế, làm giảm chi phí tài chính trong hệ
thống ngân hàng, giúp quản lý tốt hơn các dòng tài chính.
Theo Luật các TCTD số 47/2010/QH12 do Quốc hội ban hành ngày 16 tháng 6
năm 2010 thì Ngân hàng TMCP là nhóm trung gian tài chính lớn nhất, cũng là trung
gian tài chính mà các chủ thể kinh tế giao dịch thường xuyên nhất. Đây là tổ chức nhận
tiền gửi, đóng vai trò là trung gian tài chính huy động tiền nhàn rỗi thông qua các dịch
vụ nhận tiền gửi rồi cung cấp cho những chủ thể cần vốn chủ yếu dưới hình thức các
khoản vay trực tiếp. Các Ngân hàng TMCP huy động vốn chủ yếu dưới dạng tiền gửi
thanh toán, tiền gửi tiết kiệm, tiền gửi có kỳ hạn. Vốn huy động được dùng để cho vay
thương mại, cho vay tiêu dùng, cho vay bất động sản và để mua chứng khoán chính phủ,
trái phiếu của chính quyền địa phương.
Tại Việt Nam, trong quá trình đổi mới, hệ thống Ngân hàng TMCP có tầm quan
trọng đặc biệt, là kênh cơ bản cung ứng vốn cho nền kinh tế để thực hiện các chỉ tiêu vĩ
mô của nền kinh tế. Ngoài cho vay thương mại đối với các tổ chức và cá nhân, hệ thống
Ngân hàng TMCP còn là nguồn tài chính quan trọng để thực hiện các chủ trương, chính
sách như cho vay đối với hộ nghèo, vùng sâu, vùng xa, góp phần hạn chế đáng kể sự
chênh lệch phát triển giữa các nhóm thu nhập và giữa các vùng trong nước, từng bước
a a a a a a a a a a a a a a a a a
chuyển dịch cơ cấu kinh tế theo hướng công nghiệp hóa, hiện đại hóa. Trong điều kiện
11
thị trường tài chính còn sơ khai, tín dụng ngân hàng là kênh chủ yếu cung ứng vốn cho
chuyển dịch cơ cấu và phát triển kinh tế trong suốt quá trình phát triển của nền kinh tế.
Tóm lại, Ngân hàng TMCP đóng vai trò quan trọng trong nền kinh tế thông qua
việc thực hiện những chức năng khác nhau, bao gồm (1) chức năng trung gian tín dụng,
(2) chức năng tạo tiền, (3) chức năng trung gian thanh toán, (4) chức năng cung cấp các
dịch vụ ngân hàng.
2.2. Những vấn đề chung về hoạt động cấp tín dụng của ngân hàng TMCP
Theo Luật các tổ chức tín dụng (2010): Tín dụng ngân hàng là tín dụng do tổ
chức tín dụng thực hiện. Với tư cách là một kênh cung ứng vốn cho nền kinh tế, trong
quan hệ tín dụng ngân hàng, các tổ chức tín dụng chuyển giao vốn cho tổ chức, cá nhân
theo nguyên tắc hoàn trả (gốc và lãi tiền vay) dưới các hình thức cấp tín dụng: cho vay,
cấp bảo lãnh, cho thuê tài chính, chiết khấu thương phiếu và các giấy tờ có giá ngắn hạn
khác
Cấp tín dụng là việc thỏa thuận để tổ chức, cá nhân sử dụng một khoản tiền hoặc
cam kết cho phép sử dụng một khoản tiền theo nguyên tắc có hoàn trả bằng nghiệp vụ
cho vay, chiết khấu, cho thuê tài chính, bao thanh toán, bảo lãnh ngân hàng và các nghiệp
vụ cấp tín dụng khác.
2.2.1. Hoạt động cho vay
Baudin (1954) định nghĩa tín dụng như là một sự trao đổi hàng hoá tài chính hiện
tại lấy một hàng hoá tài chính tương lai có xem xét đến yếu tố thời gian, rủi ro xảy ra
trong giao dịch. Do đó, cần có sự tín nhiệm, sử dụng sự tín nhiệm của hai bên để thực
hiện trao đổi nên mới có danh từ tín dụng. Thuật ngữ cho vay, một hình thức của việc
cấp tín dụng, là một khoản tài chính được bên cho vay cung cấp cho bên đi vay trong
đó bên đi vay sẽ hoàn trả lại khoản tài chính này cho bên cho vay trong một thời hạn
thỏa thuận và thường kèm theo lãi suất. Các khoản vay có nhiều hình thức khác nhau
bao gồm các khoản vay có bảo đảm, không có bảo đảm, khoản vay thương mại và khoản
vay cá nhân (Kagan, 2021). Mac Donald và Koch (2006) cho rằng cho vay ngân hàng
12
là hình thức phân bổ nguồn tiền từ người gửi tiền đến người đi vay để tạo ra dòng tiền
tài chính nhằm phục vụ nhu cầu tín dụng trong nền kinh tế. Các khoản vay mang lại lợi
nhuận càng cao thì rủi ro càng lớn.
Tại Việt Nam, thông tư 39/2016/TT-NHNN ngày 30/12/2016 của Ngân hàng nhà
nước Việt Nam về việc ban hành Quy định về hoạt động cho vay của tổ chức tín dụng,
chi nhánh ngân hàng nước ngoài đối với khách hàng định nghĩa cho vay là hình thức
cấp tín dụng, theo đó tổ chức tín dụng giao hoặc cam kết giao cho khách hàng một khoản
tiền để sử dụng vào mục đích xác định trong một thời gian nhất định theo thỏa thuận với
nguyên tắc có hoàn trả cả gốc và lãi. Định nghĩa trên được các ngân hàng và TCTD khác
áp dụng để làm tiền đề căn bản cho các hoạt động cho vay của mình.
Cho vay là nghiệp vụ chủ yếu khi ngân hàng quyết định cấp tín dụng cho khách
hàng và cũng là nghiệp vụ mang về thu nhập chủ yếu cho ngân hàng. Hiện nay, các ngân
hàng TMCP trong nước có khá nhiều phương thức, phổ biến như: cho vay hợp vốn, cho
vay hạn mức, cho vay từng lần… được tóm tắt trong bảng 2.2, việc xác định phương
thức cho vay tùy thuộc vào sử dụng vốn vay của từng đối tượng.
Bảng 2.2. Các phương thức cho vay
Phương thức cho vay Nội dung
Cho vay từng lần Mỗi lần cho vay, tổ chức tín dụng và khách hàng thực hiện
thủ tục cho vay và ký kết thỏa thuận cho vay
Là việc có từ hai tổ chức tín dụng trở lên cùng thực hiện cho
Cho vay hợp vốn
vay đối với khách hàng để thực hiện một phương án, dự án
vay vốn
Là việc tổ chức tín dụng thực hiện cho vay đối với khách
hàng để nuôi trồng, chăm sóc các cây trồng, vật nuôi có tính
Cho vay lưu vụ chất mùa vụ theo chu kỳ sản xuất liền kề trong năm hoặc các
cây lưu gốc, cây công nghiệp có thu hoạch hàng năm. Theo
đó, tổ chức tín dụng và khách hàng thỏa thuận dư nợ gốc của
13
chu kỳ trước tiếp tục được sử dụng cho chu kỳ sản xuất tiếp
theo nhưng không vượt quá thời gian của 02 chu kỳ sản xuất
liên tiếp.
Tổ chức tín dụng xác định và thỏa thuận với khách hàng một
mức dư nợ cho vay tối đa được duy trì trong một khoảng thời
Cho vay theo hạn mức gian nhất định. Trong hạn mức cho vay, tổ chức tín dụng
thực hiện cho vay từng lần. Một năm ít nhất một lần, tổ chức
tín dụng xem xét xác định lại mức dư nợ cho vay tối đa và
thời gian duy trì mức dư nợ này.
Tổ chức tín dụng cam kết đảm bảo sẵn sàng cho khách hàng
vay vốn trong phạm vi mức cho vay dự phòng đã thỏa thuận.
Cho vay theo hạn mức
Tổ chức tín dụng và khách hàng thỏa thuận thời hạn hiệu lực
cho vay dự phòng
của hạn mức cho vay dự phòng nhưng không vượt quá 01
(một) năm.
Tổ chức tín dụng chấp thuận cho khách hàng chi vượt số tiền
Cho vay theo hạn mức có trên tài khoản thanh toán của khách hàng một mức thấu
thấu chi trên tài khoản chi tối đa để thực hiện dịch vụ thanh toán trên tài khoản thanh
thanh toán toán. Mức thấu chi tối đa được duy trì trong một khoảng thời
gian tối đa 01 (một) năm.
Tổ chức tín dụng và khách hàng thỏa thuận áp dụng cho vay
đối với nhu cầu vốn có chu kỳ hoạt động kinh doanh không
quá 01 (một) tháng, khách hàng được sử dụng dư nợ gốc của
Cho vay quay vòng
chu kỳ hoạt động kinh doanh trước cho chu kỳ kinh doanh
tiếp theo nhưng thời hạn cho vay không vượt quá 03 (ba)
tháng.
Cho vay tuần hoàn Tổ chức tín dụng và khách hàng thỏa thuận áp dụng cho vay
(rollover) ngắn hạn đối với khách hàng với điều kiện:
14
a) Đến thời hạn trả nợ, khách hàng có quyền trả nợ hoặc kéo
dài thời hạn trả nợ thêm một khoảng thời gian nhất định đối
với một phần hoặc toàn bộ số dư nợ gốc của khoản vay;
b) Tổng thời hạn vay vốn không vượt quá 12 tháng kể từ
ngày giải ngân ban đầu và không vượt quá một chu kỳ hoạt
động kinh doanh;
c) Tại thời điểm xem xét cho vay, khách hàng không có nợ
xấu tại các tổ chức tín dụng;
d) Trong quá trình cho vay tuần hoàn, nếu khách hàng có nợ
xấu tại các tổ chức tín dụng thì không được thực hiện kéo dài
thời hạn trả nợ theo thỏa thuận.
Nguồn: Tác giả tổng hợp từ thông tư 39/2016/TT-NHNN.
2.2.2. Chiết khấu, cho thuê tài chính, bao thanh toán, bảo lãnh ngân hàng.
Theo Luật các tổ chức tín dụng (2010) chiết khấu là mua giấy tờ có giá ngắn hạn
thấp hơn mệnh giá và thanh toán theo mệnh giá khi đến hạn thanh toán. Chiết khấu là
một loại nghiệp vụ ngân hàng mà một ngân hàng trả trước kì hạn cho người có kì phiếu,
chẳng hạn, số tiền ghi trên kì phiếu bớt đi một khoản khấu trừ gọi là tỉ suất chiết khấu
hoặc là lãi suất chiết khấu. Lãi suất chiết khấu được tính theo tỉ lệ phần trăm (%) của
mệnh giá
Theo thông tư 39/2016/TT-NHNN ngày 30/12/2016 của Ngân hàng nhà nước
Việt Nam cho thuê tài chính là hoạt động cấp tín dụng trung hạn, dài hạn trên cơ sở hợp
đồng cho thuê tài chính giữa bên cho thuê tài chính với bên thuê tài chính. Bên cho thuê
tài chính cam kết mua tài sản cho thuê tài chính theo yêu cầu của bên thuê tài chính và
nắm giữ quyền sở hữu đối với tài sản cho thuê tài chính trong suốt thời hạn cho thuê.
Bên thuê tài chính sử dụng tài sản thuê tài chính và thanh toán tiền thuê trong suốt thời
hạn thuê quy định trong hợp đồng cho thuê tài chính.
15
Theo Luật các tổ chức tín dụng (2010) và luật số 17/2017/QH14 ngày 20/11/2017
về việc sửa đổi, bổ sung một số điều của luật các tổ chức tín dụng thì bao thanh toán là
hình thức cấp tín dụng cho bên bán hàng hoặc bên mua hàng thông qua việc mua lại có
bảo lưu quyền truy đòi các khoản phải thu hoặc các khoản phải trả phát sinh từ việc
mua, bán hàng hoá, cung ứng dịch vụ theo hợp đồng mua, bán hàng hoá, cung ứng dịch
vụ.
Theo Luật các tổ chức tín dụng (2010) bảo lãnh ngân hàng là hình thức cấp tín
dụng, theo đó tổ chức tín dụng cam kết với bên nhận bảo lãnh về việc tổ chức tín dụng
sẽ thực hiện nghĩa vụ tài chính thay cho khách hàng khi khách hàng không thực hiện
hoặc thực hiện không đầy đủ nghĩa vụ đã cam kết; khách hàng phải nhận nợ và hoàn trả
cho tổ chức tín dụng theo thỏa thuận
2.3. Tổng quan về nợ xấu
Trên thế giới có nhiều thuật ngữ đề cập đến nợ xấu được sử dụng “Non
performing loans”, “bad debt”, “doubtful debt” chỉ việc cho mượn không thu hồi
(Fofack, 2005), khoản cho mượn gặp sự cố (Berger & De Young, 1997) hoặc khoản a a a a a a a
cho vay không trả được mà ngân hàng không thu được lợi nhuận từ việc cho vay (Ernst
& Young, 2004) hay các khoản cho vay được đưa danh mục nợ xấu khi đã quá hạn trả
lãi và gốc từ 90 ngày trở lên (Rose, 2004).

Theo Quỹ Tiền tệ Quốc tế (IMF, 2004), một khoản vay được coi là nợ xấu khi a a a a a a a a a a
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 a a a a a a
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 a a a
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 a a a a
cụ thể nào về nợ xấu (Basel, 2002). Tuy nhiên, trong các hướng dẫn về các thông lệ
16
chung tại nhiều quốc gia về quản lý rủi ro tín dụng thì 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. a a a a a a a
Thứ nhất, 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; thứ hai, 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. Các định chế tài chính trên a a a a a a a a a a
thế giới cũng có sự tương đồng trong cách nhận thức về nợ xấu. Theo đó, một khoản
nợ được coi là nợ xấu khi nó xuất hiện 1 hoặc cả 2 dấu hiệu sau, bao gồm (1) auá hạn
a a a a a a a a a a a a a a a a a a a a a a
trả nợ gốc và lãi trên 90 ngày; (2) 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.
Tại Việt Nam, nợ xấu (NPL) là các khoản nợ thuộc nhóm 3, 4 và 5 được quy định
tại điều 3 theo thông tư 11/2021/TT-NHNN do Ngân hàng Nhà nước Việt Nam ban a a a a a
hành ngày 30 tháng 07 năm 2021 về Quy định về phân loại tài sản có, mức trích, phương
a a a a a a a
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.
Đồng thời, theo thông tư 11/2021/TT-NHNN do Ngân hàng Nhà nước Việt Nam a a a a
ban hành ngày 30 tháng 07 năm 2021 về phân loại nhóm nợ tại Việt Nam thì hiện tại
việc phân loại nợ được chia làm 5 nhóm chính được thể hiện trong bảng 2.3 như sau:
Bảng 2.3. Phân loại nhóm nợ

STT Phân loại nợ Chi chú
Nợ nhóm 1 Là nợ trong hạn, hoặc quá hạn dưới 10 ngày có khả năng thu
1 hay nợ đủ tiêu hồi đầy đủ cả nợ gốc và lãi đúng hạn
chuẩn
Nợ nhóm 2 Là nợ quá hạn 10 - 90 ngày, nợ điều chỉnh hạn trả nợ lần đầu
2 hay nợ cần có khả năng thu hồi đầy đủ cả gốc và lãi, nhưng có dấu hiệu
chú ý suy giảm khả năng trả nợ
17
Nợ nhóm 3 Là nợ quá hạn 91- 180 ngày, nợ gia hạn lần đầu, miễn hoặc
3 hay nợ dưới giảm lãi không có khả năng thu hồi nợ gốc và lãi khi đến hạn,
tiêu chuẩn có khả năng tổn thất
Nợ nhóm 4 Là nợ quá hạn từ 181 – 360 ngày, nợ cơ cấu lại thời hạn trả nợ
4 hay nợ nghi lần thứ hai có khả năng tổn thất cao.
ngờ
Nợ nhóm 5 Là nợ quá hạn trên 360 ngày, nợ có cơ cấu lại thời hạn trả nợ
5 hay nợ có khả lần đầu thứ hai nhưng lại quá hạn, nợ cơ cấu lại thời hạn trả nợ
năng mất vốn lần thứ ba trở lên không còn khả năng thu hồi, mất vốn
Nguồn: Tác giả tổng hợp từ Thông tư 11/2021/TT-NHNN.
Theo Phạm Hoàng Bảo Ngọc (2019), nợ xấu làm giảm lợi nhuận của các ngân
hàng TMCP, hạn chế khả năng mở rộng, tăng trưởng tín dụng và làm giảm khả năng
kinh doanh của các ngân hàng TMCP. Từ đó, nợ xấu làm tăng khả năng gây thất thoát
vốn của TCTD, tăng trưởng tín dụng giảm xuống, các công ty sẽ khó khăn hơn trong
việc tiến gần nguồn vốn để tiến hành hoạt động sản xuất kinh doanh. Việc nợ xấu tăng
cao và không được giải quyết kịp thời tại các ngân hàng TMCP sẽ dẫn đến việc các loại
chi phí hữu hình, chi phí vô hình của ngân hàng sẽ tăng lên theo thời gian. Bên cạnh đó,
nợ xấu cao cũng làm giảm năng lực tài chính của các TCTD dẫn đến giảm hiệu quả
trong công tác điều hành chính sách tiền tệ của NHNN Việt Nam, từ đó, gây ảnh hưởng
rất lớn đến điều tiết vĩ mô nền kinh tế. Nợ xấu còn ảnh hưởng không nhỏ đến khách
hàng vay vốn, nợ xấu cao làm giảm tốc độ luân 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. 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 (Hoàng Thị Thanh Hằng, 2020).
18
Như vậy, nợ xấu là kết quả quan hệ vay mượn bất thành bởi vì nó vi phạm đến
việc vay mượn là thời hạn, dẫn đến không trả nợ đủ, mất sự tin tưởng (Hoàng Thị Thanh
Hằng, 2020). 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.
2.4. Cơ sở lý thuyết
2.4.1. Mô hình điểm số “Z” của Atlman (2000)
Có nhiều mô hình với những ưu điểm, nhược điểm riêng đã được các nhà nghiên
cứu xây dựng để đánh giá và dự báo rủi ro các công ty có khả năng phá sản. Trong đó,
mô hình điểm số “Z” (Credit Scoring Model) của Altman (1968) được coi là mô hình
gốc được nhiều nhà nghiên cứu ứng dụng vào các quốc gia khác nhau để dự đoán rủi ro
tín dụng, rủi ro phá sản. Do đó mô hình điểm số "Z" được Altman (1968) xây dựng để
chấm điểm tín dụng đối với những công ty sản xuất của Mỹ.
Đây là một mô hình về lượng hóa rủi ro tín dụng cơ bản nhất thường dùng, trong
đó đại lượng “Z” là thước đo cho việc tổng hợp để phân biệt rủi ro tín dụng đối với
người vay và phụ thuộc vào (1) trị số của các chỉ số tài chính của người vay (X j); (2)
tầm quan trọng của các chỉ số này trong việc xác định xác suất vỡ nợ của người vay
(Atlman, 2000).
Nội dung mô hình điểm số “Z” được thực hiện thông qua mô hình sau:
𝐙 = 𝟏, 𝟐 ∗ 𝐗 𝟏 + 𝟏, 𝟒 ∗ 𝐗 𝟐 + 𝟑, 𝟑 ∗ 𝐗 𝟑 + 𝟎, 𝟔 ∗ 𝐗 𝟒 + 𝟏, 𝟎 ∗ 𝐗 𝟓
Trong đó:
vốn lưu động ròng
𝐗𝟏 =
tổng tài sản
lợi nhuận giữ lại
𝐗𝟐 =
tổng tài sản
lợi nhuận trước thuế và tiền lãi

𝐗𝟑 =
tổng tài sản
thị giá cổ phiếu

𝐗𝟒 =
giá trị ghi sổ của nợ dài hạn
doanh thu
𝐗𝟓 =
tổng tài sản
19
Trị số “Z” càng cao, thì người vay có xác suất vỡ nợ càng thấp. Như vậy, khi trị
số “Z” thấp hoặc là một số âm sẽ là căn cứ để xếp khách hàng vào nhóm có nguy cơ vỡ
nợ cao. Giả sử, một khách hàng tiềm năng có các chỉ số tài chính là: X1 = 0,20; X2 = 0;
X3 = -0,20; X4 = 0,10 và X5 = 2,0. Chỉ số X2 = 0 và chỉ số X3 là một số âm nói lên rằng
khách hàng có tỉ số "nợ/vốn chủ sở hữu" cao. Tuy nhiên, tỉ số "vốn ròng/tổng tài sản"
(X1) và tỉ số "doanh thu/tổng tài sản" (X5) lại cao, nên phản ánh khả năng thanh khoản
và duy trì doanh số bán hàng là tốt. Điểm số Z sẽ là thước đo tổng hợp về xác suất vỡ
nợ của khách hàng. Từ các số liệu đã cho, điểm số “Z” của khách hàng được tính toán
có kết quả là 1,64. Theo mô hình điểm số "Z" của Altman (2000), bất cứ công ty nào có
điểm số "Z" thấp hơn 1,81 đều phải được xếp vào nhóm có nguy cơ rủi ro tín dụng cao.
Căn cứ vào kết luận này, ngân hàng sẽ không cấp tín dụng cho khách hàng này cho đến
khi cải thiện được điểm số “Z” lớn hơn 1,81. Nhìn chung, các nhân tố này thường không
được đề cập trong mô hình điểm số "Z". Mặc dù là mô hình được sử dụng nhiều trong
các nghiên cứu về rủi ro tín dụng nhưng mô hình cũng có các ưu điểm và nhược điểm
được trình bày tóm tắt ở bảng 2.3 như sau:
Bảng 2.3. Ưu điểm và nhược điểm của mô hình điểm số “Z”
Ưu điểm Nhược điểm
- Có sự tin tưởng lẫn - Mô hình “Z”-score cố định hệ số của các chỉ số tài chính
nhau trong công thức. Điều này có thể không phù hợp với phân
- Liên kết mạnh mẽ tích, đánh giá các doanh nghiệp ở những môi trường khác
giữa Tổ chức và nhau do tính chất của các chỉ số tài chính cũng có thể khác
Nhân viên nhau
- Sự tham gia của nhân - Chỉ cho phép xác định doanh nghiệp nằm trong vùng an
viên toàn, vùng cảnh báo hoặc vùng có nguy cơ cao. Với các
- Tổ chức tích hợp doanh nghiệp được xác định nằm trong cùng một vùng rủi
- Phối hợp
20
- Hệ thống kiểm soát ro thì việc so sánh tương quan giữa các doanh nghiệp phải
không chính thức kết hợp với nhiều phương pháp xếp hạng khác.
- Phát triển nguồn nhân - Ngoài những yếu tố trong chỉ số tài chính, còn có những
lực rủi ro trong hoạt động có thể tăng cao do các nguyên nhân
khách quan như sự thay đổi về chính sách, khủng hoảng
kinh tế, khả năng quản trị doanh nghiệp, v.v.
Qua tìm hiểm về mô hình điểm số “Z” các nghiên cứu có thể dự đoán các loại rủi
ro tín dụng, rủi ro phá sản dựa vào đó các ngân hàng sẽ không cấp tín dụng cho các công
ty có điểm số “Z” thấp hơn 1,81. Vấn đề nghiên cứu của tác giả liên quan đến các nhân
tố ảnh hưởng đến nợ xấu, ở đây điểm số “Z” cho ngân hàng biết được các rủi ro gặp
phải khi quyết định cho công ty vay hay không vay từ đó ảnh hưởng đến chất lượng nợ
của ngân hàng. Vì khi có quyết định sai sẽ làm gia tăng nợ xấu, mô hình giúp cho các
ngân hàng hạn chế nợ xấu tốt hơn. Nợ xấu tăng hoặc giảm cũng có thể dự đoán được
nếu ngân hàng áp dụng tốt mô hình điểm số “Z” vì vậy áp dụng mô hình xem như lý
thuyết cho bài là phù hợp với mục tiêu nghiên cứu.
2.4.2. Lý thuyết thông tin bất cân xứng của Auronen (2003) và Richard (2011)
Khái niệm thông tin bất cân xứng lần đầu tiên được giới thiệu bởi Akerlof (1970)
khi mà người bán luôn có nhiều thông tin hơn người mua. Vấn đề bất cân xứng thông
tin đã dẫn đến giá cả của tài sản trên thị trường bị đánh giá thấp khi người mua và người
bán không có cùng mức độ thông tin và sự khác nhau này thể hiện ở một khoản phí bảo
hiểm bù đắp cho rủi ro tài sản. Auronen (2003) cho rằng, thông tin bất cân xứng xảy ra
khi một trong các bên giao dịch không biết tất cả và chính xác về những thông tin cần
biết về bên kia để đưa ra quyết định đúng đắn trong giao dịch. Khi đó, giá cả thị trường
sẽ có thể quá thấp hoặc quá cao so với giá cân bằng của thị trường. Đối với các quốc
gia, tính minh bạch của thông tin, khả năng tiếp cận và cơ sở hạ tầng thông tin kém thì
thông tin bất cân xứng càng trở nên phổ biến và trầm trọng hơn. Cleary (1999) cho rằng,
sở dĩ thông tin bất cân xứng trên thị trường là do các nhà tài trợ vốn bên ngoài đánh giá
21
dự án đầu tư dựa trên chất lượng và rủi ro của dự án. Điều này khiến chi phí nguồn vốn
bên ngoài trở nên cao hơn chi phí nguồn vốn nội bộ, như là một khoản phí bảo hiểm bù
đắp rủi ro. Auronen (2003) cũng chỉ ra rằng việc bất cân xứng về thông tin được thể
hiện qua các đặc điểm sau: (1) có sự khác biệt về thông tin giữa các bên giao dịch cụ
thể là bên mua và bên bán, (2) có nhiều trở ngại trong việc truyền thông tin giữa các
bên, (3) trong hai bên có một bên có thông tin chính xác hơn. Từ đó, việc bất cân xứng
thông tin dẫn đến các hậu quả như (1) lựa chọn ngược hay lựa chọn bất lợi (adverse
selection - AS) làm tăng khả năng khoản tín dụng sẽ được cấp cho người có khả năng
rủi ro cao, ngược lại, người cho vay có thể từ chối bất kì khoản tín dụng nào cho những
người tin cậy trên thị trường; (2) rủi ro đạo đức hay tâm lý ỷ lại (moral hazard – MH)
làm giảm khả năng khoản vay sẽ được hoàn trả, do vậy có thể khiến người cho vay
không muốn cho vay; (3) vấn đề người ủy quyền-người thừa hành (principal-agent -
PA) khi hành động của họ không giúp cho người ủy nhiệm đạt được lợi ích tốt nhất.
Bài nghiên cứu của tác giả hướng đến các nhân tố tác động đến nợ xấu, lý thuyết
bất cân đối thông tin giúp cho tác giả nhận định rõ hơn về các rủi ro gây mất khả năng
thanh toán của người đi vay dẫn đến nợ xấu gia tăng. Các yếu tố có thể đến từ bên trong
hoặc bên ngoài, thông tin của người đi vay và người cho vay không đồng nhất dẫn đến
sẽ có những quyết định sai lầm làm tăng nợ xấu.
2.5. Lược khảo các nghiên cứu thực nghiệm có liên quan
2.5.1. Các nghiên cứu trên thế giới
Rachman và ctg (2018) đã tiến hành thực hiện nghiên cứu nhằm mục đích đưa ra
được các yếu tố cụ thể ảnh hưởng đến các vấn đề vỡ nợ ở các nước đang phát triển có
ngành ngân hàng đóng vai trò chính trong nền kinh tế. Mô hình của nghiên cứu được
mô tả theo hình 2.1.
22
CG (Credit Growth - Tốc độ tăng trưởng tín

dụng)
ROAA (Profitability - Lợi nhuận)
NPL (Non-performing Loan

EF (Operating Efficiency)
- Nợ xấu)
CAP (Capital - Tỷ lệ vốn chủ sở hữu trên tài sản)
DIV (Income Diversification - Tỷ lệ thu nhập

ngoài lãi)
Hình 2.1. Mô hình nghiên cứu của Rachman và ctg (2018)

Nguồn: Rachman và ctg (2018).
Nghiên cứu của Dimitrios và ctg (2016) đã thực hiện nghiên cứu về các yếu tố
a a a a a a
quyết định đến nợ xấu, dữ liệu được thu thập từ các Ngân hàng thương mại của 15 quốc
gia trong khu vực Châu Âu từ năm 1990 đến năm 2015. Mô hình nghiên cứu được mô
tả trong hình 2.2. Kết quả nghiên cứu chỉ ra rằng, các biến (1) tốc độ tăng trưởng kinh
tế và (2) lợi nhuận ngân hàng, (3) chu kỳ kinh doanh và (4) vai trò của thuế thu nhập cá
nhân có tác động nghịch chiều với nợ xấu, riêng biến (5) tỷ lệ thất nghiệp có tác động
cùng chiều với nợ xấu. Kết quả của nhóm tác giả đã đóng góp tính hữu ích khi thiết kế
các chính sách tài khóa và an toàn vĩ mô.
23
ROA (Return on total assets - Lợi nhuận

ròng trên tài sản
ROE (Return on common equyty - Lợi

nhuận ròng trên vốn chủ sở hữu)
LTD (loan-to-deposit ratio - Tỷ lệ cho

vay trên tiền gửi)
UNEMP (Unemployment - Tỷ lệ thất NPLs (Non-performing Loans

nghiệp) - Tỷ lệ nợ xấu)
TAXINC (Taxed (personal) income -

Thuế thu nhập cá nhân)
FISCAL (Government budget balance -

Cân đối ngân sách Chính Phủ)
DEBT (The general gross government

debt - Tổng nợ chính phủ
Hình 2.2. Mô hình nghiên cứu của Dimitrios và ctg (2016)

Nguồn: Dimitrios và ctg (2016).
Nghiên cứu của Radivojevic và Jovovic (2017) đã tiến hành nghiên cứu về yếu a a a
tố quyết định nợ xấu tại các quốc gia mới nổi với dữ liệu gồm 25 quốc gia bằng việc sử
dụng phương pháp tiếp cận dữ liệu bảng, các yếu tố ảnh hưởng đến nợ xấu được phân a a a a a a
tích cho giai đoạn từ 2000 đến 2011. Mục đích chính của bài viết này là xây dựng một
mô hình kinh tế lượng phù hợp, để chứng minh tác động của các biến độc lập đến biến a a a a a
phụ thuộc bằng cách sử dụng mô hình tĩnh và động. Mô hình nghiên cứu được mô tả
trong hình 2.3. Kết quả cho thấy (1) tỷ lệ lạm phát, (2) tỷ lệ vốn trên tài sản của ngân
hàng đã tác động cùng chiều với nợ xấu, riêng biến (3) tỷ giá hối đoái hữu hiệu danh a a a a a a a
nghĩa và (4) chỉ số giá nhà đều có tác động nghịch chiều với nợ xấu.
a a a a a a a a a a
24
GDP (The gross domestic product - Tổng

sản phẩm quốc nội)
UNR (The unemployment rate - Tỷ lệ thất

nghiệp)
INF (The inflation rate - Tỷ Lệ lạm phát)
NEER (The nominal effective exchange rate NPLs (the non-performing

- Tỷ giá hối đoái hữu hiệu danh nghĩa) loans - Tỷ lệ nợ xấu)
HPI (The house price index - Chỉ số giá nhà)
ROE (The return on equity - Lợi nhuận trên

vốn chủ sở hữu)
ROA (The return on assets - Lợi nhuận trên

tài sản)
Hình 2.3. Mô hình nghiên cứu của Radivojevic và Jovovic (2017)

Nguồn: Radivojevic và Jovovic (2017).
Nghiên cứu của Koju và ctg (2018) được thực hiện nhằm mục đích đánh giá các
yếu tố tác động đến các khoản nợ xấu trong hệ thống ngân hàng ở Nepal. Bằng việc sử
dụng cả hai phương pháp ước tính bảng tĩnh và bảng động. Nghiên cứu xem xét 30 ngân
hàng thương mại của Nepal trong suốt giai đoạn 2003-2015 và sử dụng 7 biến cụ thể
của ngân hàng và 5 biến kinh tế vĩ mô để đánh giá tác động của các biến độc lập đối với
nợ xấu. Mô hình nghiên cứu được mô tả trong hình 2.4. Kết quả nghiên cứu chỉ ra rằng,
(1) tốc độ tăng trưởng GDP, (2) tỷ lệ an toàn vốn, (3) tỷ lệ tín dụng/cho vay trên tiền
gửi có tác động nghịch chiều với nợ xấu, còn các biến (4) chênh lệch lãi suất, (5) quy
mô ngân hàng, (6) tỷ lệ chi phí hoạt động trên thu nhập hoạt động, (7) dư nợ bình quân
đầu người thì lại có tác động cùng chiều với nợ xấu. Kết quả của các nghiên cứu thực
nghiệm cũng cho thấy tốc độ tăng trưởng kinh tế thấp là nguyên nhân chính dẫn đến nợ
xấu cao ở Nepal và gợi ý rằng quản lý hiệu quả và các chính sách tài chính hiệu quả là
25
cần thiết cho một hệ thống tài chính và nền kinh tế ổn định. Đây là nghiên cứu hoàn
chỉnh đầu tiên về hệ thống Ngân hàng Nepal và cũng là nghiên cứu đầu tiên đánh giá
tác động của kiều hối, nợ công và chênh lệch lãi suất đối với nợ xấu. Kết quả của nghiên
cứu này sẽ hữu ích trong việc thiết kế các chính sách tài khóa và an toàn vĩ mô ở Nepal.
IS (The interest spreads - Chênh lệch lãi suất)
BS (The bank size - Quy mô ngân hàng)

OEOIR (The operating expenses to operating income ratio - Tỷ lệ chi
phí trên thu nhập)
ROA (The return on assets -Lợi nhuận trên tài sản)
CAR (The capital adequacy ratio - tỷ lệ an toàn vốn) NPLs

(The non-
CDR (The credit/loan to deposit ratio - Tỷ lệ tín dụng/cho vay trên performin
tiền gửi) g loans -
LAR (The loan to assets ratio -Tỷ lệ cho vay trên tài sản) Tỷ lệ nợ
xấu)
GDPGR (The GDP growth rate - Tốc độ tăng trưởng GDP)
PCOD (The per capita outstanding debt - Dư nợ bình quân đầu người)
IR (The inflation rate - Tỷ lệ lạm phát)
RE (The remittance rate - Tỷ lệ kiều hối)
EIR (The exports to import ratio - Tỷ lệ xuất khẩu trên nhập khẩu)
Hình 2.4. Mô hình nghiên cứu của Koju và ctg (2018)

Nguồn: Koju và ctg (2018).
Nhìn chung, kết quả các nghiên cứu của các nhà nghiên cứu trên thế giới đều cho
a a a a a a a a a
thấy các biến (1) tốc độ tăng trưởng kinh tế, (2) lợi nhuận ngân hàng, (3) tỷ lệ thất
nghiệp, (4) tốc độ thăng trưởng tín dụng, (5) dự phòng rủi ro, (6) tỷ lệ lạm phát đều có
ảnh hưởng đến nợ xấu. Đồng thời, các nghiên cứu này chỉ tập trung trong phạm vi một
quốc gia hoặc một khu vực trong một giai kinh tế nhất định. Trong giai đoạn dịch
26
COVID-19, theo như tác giả tổng hợp thì lại có rất ít nghiên cứu đề cập đến tác động
của các nhân tố trên đến nợ xấu.
2.5.2. Các nghiên cứu ở Việt Nam
Nghiên cứu của Trần Vương Thịnh và ctg (2021) đã tiến hành nghiên cứu các
yếu tố tác động đến nợ xấu tại 22 Ngân hàng TMCP tại Việt Nam trong giai đoạn từ
năm 2012 đến năm 2020 thông qua mô hình nghiên cứu được trình bày như hình 2.5.
Bằng việc áp dụng phương pháp phân tích hồi quy đa biến tuyến tính cho dữ liệu bảng
nghiên cứu đã chỉ ra các yếu tố tác động đến nợ xấu của Ngân hàng TMCP Việt Nam.
Theo đó, (1) tỷ lệ trích lập dự phòng rủi ro tín dụng, (2) quy mô ngân hàng, (3) tốc độ
tăng trưởng tín dụng, (4) tỷ lệ lạm phát có tác động cùng chiều với nợ xấu, còn (5) tỷ lệ
lợi nhuận sau thuế trên vốn chủ sở hữu lại tác động ngược chiều với nợ xấu, riêng (6)
tốc độ tăng trưởng GDP lại không có tác động có ý nghĩa đến nợ xấu của các NHTM
Việt Nam. Trần Vương Thịnh và ctg (2021) cũng đã đưa ra một số khuyến nghị cho các
NHTM Việt Nam và NHNN Việt Nam, gồm có quản lý tỷ lệ trích lập dự phòng, kiểm
soát tốc độ tăng trưởng tín dụng, giữ vững tăng trưởng tỷ suất sinh lời, chiến lược gia
tăng quy mô ngân hàng hợp lý và kiểm soát tốt lạm phát.
ROE (Profitability - Lợi nhuận)

GROW (The rate of credit growth - Tốc độ tăng trưởng tín
dụng) NPLs
(The non-
LLR (Provision for credit losses - Dự phòng rủi ro tín dụng) performing
loans - Tỷ lệ nợ
SIZE (Bank size - Quy mô ngân hàng) xấu)
GDP (Economic growth - Tăng trưởng kinh tế)
INF (Tỷ lệ lạm phát)
Hình 2.5. Mô hình nghiên cứu của Trần Vương Thịnh và ctg (2021)
Nguồn: Trần Vương Thịnh và ctg (2021)
27
Nghiên cứu của Hoàng Thị Thanh Hằng và ctg (2020) đã tiến hành thực hiện bài
nghiên cứu các nhân tố ảnh hưởng đến nợ xấu của 16 Ngân hàng TMCP tại Việt Nam
giai đoạn 2012-2018. Trên cơ sở lý thuyết và các nghiên cứu thực nghiệm trước đây về
các nhân tố tác động đến nợ xấu, kết hợp với việc sử dụng phương pháp GMM, nhóm a a a a a a a a a a a a
tác giả đã xây dựng mô hình 8 biến tác động đến nợ xấu. Mô hình nghiên cứu được mô
tả trong hình 2.6. Kết quả nghiên cứu cho thấy có 5 biến ảnh hưởng đến nợ xấu. Các
biến có ý nghĩa thống kê là (1) hiệu quả kinh doanh, (2) quy mô ngân hàng, (3) tăng
trưởng tín dụng, (4) tăng trưởng tổng sản phẩm quốc nội và (5) tỷ lệ lạm phát. Bên cạnh
đó, nhóm tác giả còn phát hiện biến (6) lợi nhuận và (7) dự phòng rủi ro có tương quan a a a a a a a
cùng chiều với các khoản nợ xấu. Trên cơ sở kết quả nghiên cứu, nhóm tác giả cũng đã
đề xuất một số khuyến nghị nhằm kiểm soát nợ xấu và nâng cao hiệu quả hoạt động
kinh doanh của các ngân hàng TMCP tại Việt Nam.
ROA (Profitability - Lợi nhuận)

CRE (The rate of credit growth - Tốc độ tăng trưởng tín
dụng)
LLR (Provision for credit losses - Dự phòng rủi ro tín
dụng) NPLs
ETA (The ratio of equity to total assets - Tỷ lệ vốn chủ
sở hữu trên tổng tài sản) (The non-performing
loans - Tỷ lệ nợ xấu)
SIZE (Bank size - Quy mô ngân hàng)
GDP (Economic growth - Tăng trưởng kinh tế
UER (Unemployment rate - Tỷ lệ thất nghiệp)
RIR (Real interest rates - Lãi suất thực)
Hình 2.6. Mô hình nghiên cứu của Hoàng Thị Thanh Hằng và ctg (2020)
Nguồn: Hoàng Thị Thanh Hằng và ctg (2020).
Nghiên cứu của Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018) đã a a a a a a a a a a
nghiên cứu số liệu của 27 ngân hàng TMCP đang hoạt động tại Việt Nam từ năm 2005
đến năm 2017 để tìm hiểu các yết tố ảnh hưởng đến nợ xấu của các ngân hàng TMCP
28
tại Việt Nam. Nhóm tác giả sử dụng phương pháp GMM đối với mô hình gồm 5 biến,
cụ thể (1) nợ xấu năm trước, (2) dự phòng rủi ro tín dụng, (3) chi phí hoạt động, (4) lợi
nhuận ngân hàng, (5) tốc độ tăng trưởng kinh tế được mô tả trong hình 2.7. Kết quả
nghiên cứu cho thấy, (1) nợ xấu của ngân hàng ở năm trước, (2) chi phí trích lập dự
phòng rủi ro tín dụng, (3) chi phí hoạt động có mối quan hệ thuận chiều với nợ xấu của
ngân hàng. Tuy nhiên, nếu (4) lợi nhuận ngân hàng và (5) tốc độ tăng trưởng kinh tế thì
lại có mối quan hệ nghịch chiều với nợ xấu của các ngân hàng.
NPL (-1) (Nợ xấu năm trước)

LPL (Dự phòng rủi ro tín dụng)
COST (Chi phí hoạt động)
LEV (Đòn bẩy của ngân hàng)
NONINT (Thu nhập phi lãi)
NPL (Tỷ
SIZE (Quy mô ngân hàng) lệ nợ xấu)
ROE (Lợi nhuận)
GDPGR (Tốc độ tăng trưởng kinh tế)
LONGINT (Lãi suất dài hạn)
UNEMPLOY (Tỷ lệ thất nghiệp)
EXRATE ( Tỷ giá hối đoái)
Hình 2.7. Mô hình nghiên cứu của Phạm Dương Phương Thảo và Nguyễn Linh Đan
(2018)
Nguồn: Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018).
Nghiên cứu của Nguyễn Thị Như Quỳnh và ctg (2018), nhóm tác giả đã tiến hành
nghiên cứu thực nghiệm nhằm phân tích các nhân tố tác động đến nợ xấu của 25 Ngân
hàng TMCP tại Việt Nam trong giai đoạn 2006-2016. Nhóm tác giả sử dụng mô hình
Pooled OLS, FEM, REM nhưng sau đó mô hình hồi quy theo phương pháp bình
a a a a a a a a a a a
29
phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) được
a a a a a a a a a a
triển khai để đảm bảo hiệu quả của mô hình. Kết quả nghiên cứu cho thấy với mức ý
nghĩa thống kê 1%, (1) tốc độ tăng trưởng kinh tế, (2) tăng trưởng tín dụng của ngân
hàng và (3) tỷ lệ thất nghiệp có tác động ngược chiều với nợ xấu. Còn (4) tỷ lệ lạm phát
và (5) nợ xấu năm trước tương quan thuận chiều với nợ xấu hiện tại. Riêng tác động của
(6) quy mô và (7) khả năng sinh lời của ngân hàng với nợ xấu thì nghiên cứu của Nguyễn
Thị Như Quỳnh và ctg (2018) chưa tìm thấy.
ROE (Khả năng sinh lời của ngân hàng)
CREDIT (Tăng trưởng tín dụng của ngân

hàng)
SIZE (Quy mô của ngân hàng)

NPL (tỷ lệ nợ xấu)
NPL it-1 (Tỷ lệ nợ xấu năm trước)
GDP (Tốc độ tăng trưởng kinh tế)
UNT (Tỷ lệ thất nghiệp)
Hình 2.8. Mô hình nghiên cứu của Nguyễn Thị Như Quỳnh và ctg (2018)
Nguồn: Nguyễn Thành Đạt (2018).
Nghiên cứu của Nguyễn Thành Đạt (2018) đã tiến hành thực nghiên cứu các yếu a a a a
tố ảnh hưởng đến nợ xấu của 23 Ngân hàng TMCP tại Việt Nam từ năm 2009 đến năm
2017. Thông qua việc sử dụng các phương pháp FEM, REM, nhóm tác giả xây dựng
mô hình hồi quy gồm 4 biến, cụ thể là (1) chi phí trích lập dự phòng rủi ro tín dụng, (2)
lợi nhuận ngân hàng, (3) tốc độ tăng trưởng kinh tế, (4) lãi suất được mô tả trong hình
30
2.9. Kết quả nghiên cứu cho thấy, (1) chi phí trích lập dự phòng rủi ro tín dụng, (2) tốc
độ tăng trưởng kinh tế, (3) lãi suất có tác động thuận chiều với nợ xấu. Đối với các ngân
hàng càng có lợi nhuận cao thì nợ xấu càng thấp và ngược lại.
ROE (Lợi nhuận ngân hàng)
LnRISK (Dự phòng rủi ro)
LnASSETS (Tổng tài sản)
AGENTBRANCH (Nhân viên chi

nhánh) NPL (tỷ lệ nợ
xấu)
INTEREST (Lãi suất cơ bản)
ICT (Ứng dụng công nghệ của

ngân hàng)
GDP (Tốc độ tăng trưởng kinh tế)
UNEMPLOY (Tỷ lệ thất nghiệp)
Hình 2.9. Mô hình nghiên cứu của Nguyễn Thành Đạt (2018)
Nguồn: Nguyễn Thành Đạt (2018).
Nhìn chung kết quả các nghiên cứu của các nhà nghiên cứu tại Việt Nam đều cho
thấy các biến (1) tốc độ tăng trưởng kinh tế, (2) lợi nhuận, (3) dự phòng rủi ro, (4) nợ
xấu năm trước, (5) chi phí hoạt động của ngân hàng đều có ảnh hưởng đến nợ xấu. Tuy
nhiên, các nghiên cứu này chỉ tiến hành nghiên cứu trong lãnh thổ Việt Nam và trong
một giai đoạn kinh tế nhất định. Đặc biệt trong giai đoạn dịch COVID-19, tác giả nhận
thấy có rất ít nghiên cứu đề cập đến tác động của các nhân tố trên đến nợ xấu tại Việt
Nam.
Tác giả đã tiến hành tổng hợp các nghiên cứu thực nghiệm tại Việt Nam cũng
như trên thế giới có liên quan đến đề tài và trình bày tóm tắt trong bảng 2.4.
31
Bảng 2.4. Tổng hợp các nghiên cứu liên quan
Nghiên cứu Phương pháp xử lý Kết quả chính

Rachman và Sử dụng phương pháp hồi Các biến tăng trưởng tín dụng và biến lợi
ctg (2018) quy đa biến cho dữ liệu nhuận có tác động đáng kể đến nợ xấu,
bảng gồm 36 NHTM niêm ảnh hưởng tiêu cực đến nợ xấu.
yết trên Sàn chứng khoán
Indonesia giai đoạn 2008-
2015.
Dimitrios và Sử dụng phương pháp hồi Kết quả phân tích cho thấy tất cả các biến
ctg (2016) quy đa biến dữ liệu bảng đều có tác động đến nợ xấu. ROA, ROE
của ngân hàng thương mại tác động tiêu cực đến nợ xấu, tỷ lệ thất
thuộc 15 quốc gia khu vực nghiệp tác động tích cực đến nợ xấu, tốc
Châu Âu giai đoạn 1990 – độ tăng trưởng tác động đáng kể đến nợ
2015. xấu; OUTPUT_GAP và TAXINC ảnh
hưởng đáng kể đến chất lượng của danh
mục cho vay trong đó OUTPUT_GAP
làm giảm nợ xấu.
Radivojevic Sử dụng phương pháp hồi - Mối quan hệ tiêu cực và quan trọng
và Jovovic quy đa biến dữ liệu bảng giữa GDP, NEER, HIP, ROA và tỷ lệ nợ
(2017) của ngân hàng thương mại xấu.
thuộc 25 quốc gia mới nổi - Mối tương quan thuận và có ý nghĩa
trên thế giới giai đoạn từ giữa UNR, INF, CAR, LLP và tỷ lệ nợ
2000 đến 2011. xấu.
Koju và ctg Bằng việc sử dụng cả hai Kết quả nghiên cứu chỉ ra rằng, (1) tốc
(2018) phương pháp ước tính độ tăng trưởng GDP, (2) tỷ lệ an toàn
bảng tĩnh và bảng động vốn, (3) tỷ lệ tín dụng/cho vay trên tiền
cho bộ dữ liệu gồm 30 gửi có tác động nghịch chiều với tỷ lệ nợ
32
ngân hàng thương mại của xấu, còn các biến (4) chênh lệch lãi suất,
Nepal trong suốt giai đoạn (5) quy mô ngân hàng, (6) tỷ lệ chi phí
2003-2015. hoạt động trên thu nhập hoạt động, (7)
dư nợ bình quân đầu người thì lại có tác
động cùng chiều với tỷ lệ nợ xấu.
Trần Vương Sử dụng phương pháp hồi Theo đó, (1) tỷ lệ trích lập dự phòng rủi
Thịnh và ctg quy đa biến dữ liệu bảng ro tín dụng, (2) quy mô ngân hàng, (3)
(2021) của 22 Ngân hàng TMCP tốc độ tăng trưởng tín dụng, (4) tỷ lệ lạm
tại Việt Nam trong giai phát có tác động cùng chiều với tỷ lệ nợ
đoạn từ năm 2012 đến năm xấu, còn (5) tỷ lệ lợi nhuận sau thuế trên
2020.a vốn chủ sở hữu lại tác động ngược chiều
với tỷ lệ nợ xấu, riêng (6) tốc độ tăng
trưởng GDP lại không có tác động có ý
nghĩa đến nợ xấu của các NHTM Việt
Nam.
Hoàng Thị Sử dụng phương pháp Có 5 biến ảnh hưởng đến nợ xấu là (1)
Thanh Hằng GMM cho bộ dữ liệu hiệu quả kinh doanh, (2) quy mô ngân
và ctg (2020) của16 Ngân hàng TMCP hàng, (3) tăng trưởng tín dụng, (4) tăng
tại Việt Nam giai đoạn trưởng tổng sản phẩm quốc nội và (5) tỷ
2012-2018. lệ lạm phát. Bên cạnh đó, biến (6) lợi
nhuận và (7) dự phòng rủi ro có tương
quan cùng chiều với các khoản nợ xấu.
Phạm Dương Phương pháp GMM phân Nợ xấu của ngân hàng ở năm trước, (2)
Phương Thảo tích dữ liệu từ 27 ngân chi phí trích lập dự phòng rủi ro tín dụng,
và Nguyễn hàng TMCP đang hoạt (3) chi phí hoạt động có mối quan hệ
Linh Đan động tại Việt Nam từ năm thuận chiều với tỷ lệ nợ xấu của ngân
(2018) 2005 đến năm 2017. hàng. Lợi nhuận ngân hàng và (5) tốc độ
33
tăng trưởng kinh tế thì lại có mối quan

hệ nghịch chiều với tỷ lệ nợ xấu của các
ngân hàng.
Nguyễn Thịa Sử dụng mô hình Pooled (1) tốc độ tăng trưởng kinh tế, (2) tăng
Nhưa OLS, FEM, REM, sau đó trưởng tín dụng của ngân hàng và (3) tỷ
Quỳnha vàa mô hình hồi quy theo lệ thất nghiệp có tác động ngược chiều
ctga (2018), phương pháp bình phương với tỷ lệ nợ xấu. Còn (4) tỷ lệ lạm phát
tối thiểu tổng quát khả thi và (5) tỷ lệ nợ xấu năm trước tương quan
(Feasible Generalized thuận chiều với tỷ lệ nợ xấu hiện tại.
Least Squares – FGLS)
cho bộ dữ liệu của 25 Ngân
hàng TMCP tại Việt Nam
trong giai đoạn 2006-2016.
Nguyễn Sử dụng phương pháp Kết quả nghiên cứu cho thấy, (1) chi phí
Thành Đạt FEM, REM cho dữ liệu trích lập dự phòng rủi ro tín dụng, (2) tốc
(2018) của 23 Ngân hàng TMCP độ tăng trưởng kinh tế, (3) lãi suất có tác
tại Việt Nam từ năm 2009 động thuận chiều với tỷ lệ nợ xấu.
đến năm 2017.
Như vậy, các nghiên cứu đều cho thấy nợ xấu là một vấn đề vô cũng khó khăn
trên thế giới, nếu nợ xấu không được quản lý tốt thì nền kinh tế có thể gặp khủng hoảng
nghiêm trọng. Các nghiên cứu trên đều lựa chọn một số nhân tố giống và khác nhau
nhằm đánh giá ảnh hưởng đến nợ xấu. Trong nghiên cứu này, tác giả tiến hành kết hợp
những nhân tố sau cùng một mô hình, cụ thể là (1) tốc độ tăng trưởng tín dụng, (2) khả
năng sinh lời trên tài sản, (3) tỷ lệ thất nghiệp, (4) tốc độ tăng trưởng kinh tế, (5) dự
phòng rủi ro, (6) tỷ lệ lạm phát nhằm xem xét ảnh hưởng của chúng đến nợ xấu tại các
ngân hàng TMCP niêm yết trên HOSE.
34
2.6. Mô hình nghiên cứu tổng quát

Thông qua việc khảo lược các công trình nghiên cứu trước đây về vấn đề liên
quan đến nợ xấu và khung lý thuyết liên quan đến nợ xấu thì tác giả tổng hợp các yếu
tố sau ảnh hưởng đến nợ xấu và cũng là các yếu tố mà tác giả sẽ dự kiến đưa vào mô
hình nghiên cứu đề xuất của mình. Trong đó, tác giả lựa chọn các biến trong mô hình
của các tác giả (Dimitrios và ctg, 2016; Radivojevic và Jovovic, 2017; Rachman và ctg,
2018; Koju và ctg, 2018; Hoàng Thị Thanh Hằng và ctg, 2020; Nguyễn Thị Như Quỳnh a a a a a a a a a a a
và ctg, 2018; Phạm Dương Phương Thảo và ctg, 2018; Nguyễn Thành Đạt, 2018), do
các bài nghiên cứu này sử dụng các biến nghiên cứu có nét tương đồng với hoàn cảnh
kinh tế Việt Nam phù hợp để điều chỉnh và có thể nghiên cứu được tại Việt Nam. Tác
giả đã tổng hợp các biến được đánh giá là có ảnh hưởng đến nợ xấu theo bảng 2.5.
Bảng 2.5. Tổng hợp các biến trong mô hình
Đơ
Tên biến Ký hiệu Đo lường n vị Cơ sở
tính
Dimitrios và
ctg
(2016);Hoàn
g Thị Thanh
Nợ xấu của ngân hàng i trong
thời kỳ t Hằng và ctg
Tỷ lệ nợ xấu
Tổng cho vay của ngân hàng i trong (2020); Koju
(Non- thời kỳ t
NPL % và ctg
performing
(2018);
Loans) Trong đó: Nợ xấu = (Nợ nhóm 3 + nợ
Rachman và
nhóm 4 + nợ nhóm 5)
ctg (2018);
Radivojevic
và Jovovic
(2017)
35
Tốc độ tăng Tổng cho vay năm của ngân hàng i trong
trưởng tín dụng thời kỳ t − Rachman và
CG Tổng cho vay của ngân hàng i trong %
(Credit Growth ctg (2018)
thời kỳ (t − 1)
Rate) Tổng cho vay với ngân hàng i trong
thời kỳ (t − 1)
Dimitrios và
ctg (2016);
Hoàng Thị
Thanh Hằng
Khả năng sinh Lợi nhuận sau thuế của ngân hàng i trong
thời kỳ t và ctg
lời trên tài sản
ROA Tổng tài sản của ngân hàng i trong % (2020);
(Return on thời kỳ t
Rachman và
Average Asset)
ctg (2018);
Radivojevic
và Jovovic
(2017)
Dimitrios và
Tỷ lệ thất
ctg (2016);
nghiệp UNEM
Tỷ lệ thất nghiệp năm t % Radivojevic
(Unemploymen P
và Jovovic
t rate)
(2017)
Dimitrios và
ctg (2016);
Hoàng Thị
Tốc độ tăng
Thanh Hằng
trưởng kinh tế
GDP Tốc độ tăng trưởng kinh tế năm t % và ctg
(Economic
(2020); Koju
Growth)
và ctg
(2018);
Radivojevic
36
và Jovovic
(2017)
Hoàng Thị
Thanh Hằng
Dự phòng rủi Dự phòng rủi ro tín dụng của ngân hàng i và ctg
trong thời kỳ t
ro (Provision LLR % (2020);
Tổng cho vay của ngân hàng i
for credit risk) trong thời kỳ t Radivojevic
và Jovovic
(2017)
Koju và ctg
(2018);
Tỷ lệ lạm phát
INF Tỷ lệ lạm phát năm t % Radivojevic
(Inflation rate)
và Jovovic
(2017)
Như vậy, dựa trên các nghiên cứu trước đây, nghiên cứu đã tổng hợp các biến
a a a a a a a
được sử dụng trong mô hình hồi quy. Từ đó, tác giả xây dựng mô hình nghiên cứu tổng
quát như hình 2.10.

a a a a
CG
ROA
UNEMP
NPL
GDP
LLR
INF
Hình 2.10. Mô hình nghiên cứu tổng quát

37
𝐍𝐏𝐋𝒊𝒕 = 𝛃 + 𝛃𝟏 ∗ 𝐂𝐆𝒊𝒕
+ 𝛃𝟐 ∗ 𝐑𝐎𝐀𝒊𝒕 + 𝛃𝟑 ∗ 𝐔𝐍𝐄𝐌𝐏𝒕 + 𝛃𝟒 ∗ 𝐆𝐃𝐏𝒕 + 𝛃𝟓 ∗ 𝐋𝐋𝐑 𝒊𝒕
+ 𝛃𝟔 ∗ 𝐈𝐍𝐅𝒕 + 𝑢𝒊𝒕
Trong đó:
- NPL𝑖𝑡 : nợ xấu của ngân hàng i trong thời kỳ t
- CG𝑖𝑡 : Tốc độ tăng trưởng tín dụng của ngân hàng i trong thời kỳ t
- ROA𝑖𝑡 : Khả năng sinh lời trên tài sản của ngân hàng i trong thời kỳ t
- UNEMP𝑡 : Tỷ lệ thất nghiệp trong thời kỳ t
- GDP𝑡 : Tốc độ tăng trưởng kinh tế trong thời kỳ t
- LLR 𝑖𝑡 : Dự phòng rủi ro đối với ngân hàng i trong thời kỳ t
- INF𝑡 : Tỷ lệ lạm phát trong thời kỳ t
- 𝑢𝑖𝑡 : Sai số ngẫu nhiên của ngân hàng i tại thời điểm t
38
Kết luận chương 2
Trong chương 2, tác giả giới thiệu tổng quan về Ngân hàng TMCP, nợ xấu cũng a a a a a a a a
như tác động của nợ xấu đến nền kinh tế. Tác giả cũng trình bày khái quát về mô hình
điểm số “Z “ (Atlman, 1968; Atlman, 2000) và lý thuyết thông tin bất cân xứng của
Auronen (2003). Đây được xem là hai cơ sở lý thuyết nền tảng để thực hiện nghiên cứu
trong luận văn của tác giả. Phần tiếp theo của chương, tác giả trình bày tổng quan và
trình bày lược khảo một số nghiên cứu thực nghiệm trong và ngoài nước có liên quan
đến đề tài và đối tượng nghiên cứu. Từ đó, tác giả tổng hợp các biến và mô hình nghiên
cứu đề xuất. Các yếu tố trong mô hình tổng quan được đề xuất sẽ được tác giả cụ thể
hóa để áp dụng đối với các Ngân hàng TMCP niêm yết trên HOSE trong chương tiếp
theo của đề tài nghiên cứu.
39
CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
Trong chương 3, tác giả tiến hành đề xuất và thiết lập các giả thuyết cho mô hình
nghiên cứu áp dụng trên bộ dữ liệu bảng cân bằng của mẫu nghiên cứu cụ thể. Các
phương pháp thu thập dữ liệu, quy trình xử lý dữ liệu, khung quy trình nghiên cứu cũng
được tác giả trình bày trong chương 3.
3.1. Phương pháp tiếp cận thông tin

3.1.1. Mô hình nghiên cứu áp dụng cho mẫu nghiên cứu
Dựa trên mô hình nghiên cứu tổng quan được thiết lập dựa trên lý thuyết về mô
hình điểm số “Z” (Atlman, 1968; Atlman, 2000) và lý thuyết bất cân xứng thông tin của
Auronen (2003) và các nghiên cứu thực nghiệm trước đây trên thế giới và tại Việt Nam
của các nhà nghiên cứu (Dimitrios và ctg, 2016; Radivojevic và Jovovic, 2017;
Rachman và ctg, 2018; Koju và ctg, 2018; Hoàng Thị Thanh Hằng và ctg, 2020; Nguyễn
Thị Như Quỳnh và ctg, 2018; Phạm Dương Phương Thảo và Nguyễn Linh Đan, 2018;
Nguyễn Thành Đạt, 2018) tác giả áp dụng mô hình nghiên cứu cho mẫu nghiên cứu là
các Ngân hàng TMCP niêm yết trên HOSE như sau:
𝐍𝐏𝐋𝒊𝒕 = 𝛃 + 𝛃𝟏 ∗ 𝐂𝐆𝒊𝒕
+ 𝛃𝟐 ∗ 𝐑𝐎𝐀𝒊𝒕 + 𝛃𝟑 ∗ 𝐔𝐍𝐄𝐌𝐏𝒕 + 𝛃𝟒 ∗ 𝐆𝐃𝐏𝒕 + 𝛃𝟓 ∗ 𝐋𝐋𝐑 𝒊𝒕
+ 𝛃𝟔 ∗ 𝐈𝐍𝐅𝒕 + 𝒊𝒕
Trong đó:
- NPL𝑖𝑡 : Nợ xấu của ngân hàng TMCP i niêm yết trên HOSE trong thời kỳ t
- CG𝑖𝑡 : Tốc độ tăng trưởng tín dụng của ngân hàng TMCP i niêm yết trên HOSE
trong thời kỳ t
- ROA𝑖𝑡 : Khả năng sinh lời trên tài sản của ngân hàng i niêm yết trên HOSE trong
thời kỳ t
- UNEMP𝑡 : Tỷ lệ thất nghiệp của Việt Nam trong thời kỳ t
40
- GDP𝑡 : Tốc độ tăng trưởng kinh tế của Việt Nam trong thời kỳ t
- LLR 𝑖𝑡 : Dự phòng rủi ro đối với ngân hàng i niêm yết trên HOSE trong thời kỳ t
- INF𝑡 : Tỷ lệ lạm phát của Việt Nam trong thời kỳ t
- 𝑖𝑡 : Sai số ngẫu nhiên của ngân hàng i niêm yết trên HOSE tại thời điểm t
3.1.2. Các giả thuyết nghiên cứu
Giả thuyết H1: Tốc độ tăng trưởng tín dụng (CG) tác động thuận chiều với nợ
xấu (NPL).
Bằng chứng từ các nghiên cứu thực nghiệm trước đây chỉ ra rằng tốc độ tăng trưởng
tín dụng (CG) có tác động nghịch chiều hay ảnh hưởng tiêu cực đến chất lượng nợ xấu.
Theo đó, khi tốc độ tăng trưởng tín dụng tăng lên đồng nghĩa với việc nợ xấu tại ngân
hàng sẽ giảm (Barseghyan, 2010; Rachman và ctg, 2018). Tuy nhiên, Trần Vương Thịnh
và ctg (2021) chứng minh rằng việc tăng trưởng tín dụng càng mạnh thì khả năng khó
thu hồi nợ gốc và lãi của ngân hàng ngày càng gia tăng, dẫn đến tình trạng nợ xấu ngày
càng nghiêm trọng, đặc biệt là đối với thị trường tài chính tín dụng ở Việt Nam. Chính
vì vậy, trong nghiên cứu này, tác giả đề xuất giả thuyết rằng tốc độ tăng trưởng tín dụng
có tác động thuận chiều với nợ xấu của các Ngân hàng TMCP niêm yết trên HOSE.
Giả thuyết H2: Khả năng sinh lời trên lài sản (ROA) tác động nghịch chiều với
nợ xấu (NPL).
Khả năng sinh lời của tài sản một chỉ số quan trọng đánh giá lợi nhuận và mức độ
hiệu quả của các ngân hàng. Bên cạnh đó, mức độ hiệu quả của các ngân hàng cùng mức
độ rủi ro với nhau cũng dễ dàng so sánh được. Nghiên cứu chỉ ra khả năng sinh lời của
tài sản tác động tiêu cực đến nợ xấu. Theo đó, khi khả năng sinh lời từ tài sản của các
ngân hàng tăng cao sẽ làm cho nợ xấu của ngân hàng giảm xuống (Dimitrios và ctg,
2016; Hoàng Thị Thanh Hằng và ctg, 2020; Rachman và ctg, 2018; Radivojevic và
Jovovic, 2017). Chính vì vậy, trong nghiên cứu này, tác giả đề xuất giả thuyết rằng khả a a a a a a a a a a
năng sinh lời của tài sản có tác động nghịch chiều với nợ xấu của các Ngân hàng TMCP

a a a
41
Giả thuyết H3: Tỷ lệ thất nghiệp (UNEMP) tác động cùng chiều với nợ xấu
(NPL).
Các nghiên cứu của Dimitrios và ctg (2016); Radivojevic và Jovovic (2017) có
cùng quan điểm khi cho rằng tỷ lệ thất nghiệp tác động trực tiếp đến khả năng trả nợ
của các khách hàng cá nhân có quan hệ tín dụng tại các NHTM. Theo đó, khi tỷ lệ thất
nghiệp tăng lên đồng nghĩa rằng số người không có việc làm tăng lên, thu nhập sẽ giảm
xuống hoặc tạm thời không có dẫn đến ảnh hưởng tới khả năng chi trả các khoản nợ cho
NHTM dẫn đến rủi ro về tín dụng tăng lên, rủi ro về nợ xấu tăng cao. Tuy nhiên, Nguyễn a a a a
Thị Như Quỳnh và ctg (2018) nhận định rằng tỷ trọng cho vay cá nhân tiêu dùng trên
tổng dư nợ tín dụng vẫn còn thấp tại Việt Nam. Đồng thời, đặc thù của Việt Nam luôn
có đội ngũ lao động sẵn sàng làm mọi việc tuy khác với chuyên môn. Điều này dẫn đến a a a a a a a a a a
tỷ lệ thất nghiệp ở Việt Nam thấp so với các quốc gia khác. Do đó, về lý thuyết khi thất
nghiệp tăng lên có thể dẫn đến gia tăng nợ xấu; còn trong trường hợp số người thất
nghiệp không có giao dịch tín dụng với ngân hàng ít thì nguy cơ rủi ro nợ xấu sẽ giảm
xuống. Như vậy, điều này có nghĩa là tỷ lệ thất nghiệp tăng hay giảm không giải thích
cho sự thay đổi của nợ xấu mà có thể nợ xấu thay đổi đơn thuần do những yếu tố khác
tác động như GDP và các yếu tố thuộc ngân hàng. Trong nghiên cứu này, tác giả đề xuất
giả thuyết rằng tỷ lệ thất nghiệp có tác động cùng chiều với nợ xấu của các Ngân hàng
TMCP niêm yết trên HOSE.
Giả thuyết H4: Tốc độ tăng trưởng kinh tế (GDP) tác động nghịch chiều với nợ
xấu (NPL).
Tốc độ tăng trưởng kinh tế và nợ xấu có mối liên kết mạnh mẽ với nhau. Theo đó,
khi nền kinh tế đang trong giai đoạn tăng trưởng và phát triển mạnh mẽ sẽ làm cho thu
nhập của công ty, hộ gia đình và cá nhân có sự cải thiện rõ rệt làm cho nợ xấu giảm
mạnh. Khi nền kinh tế đang trong giai đoạn suy thoái, khủng hoảng xảy ra làm cho tài
chính của các công ty, hộ kinh doanh và cá nhân gặp khó khăn làm nợ xấu tăng cao
(Dimitrios và ctg, 2016; Hoàng Thị Thanh Hằng và ctg, 2020; Koju và ctg, 2018;
Radivojevic và Jovovic, 2017). Tuy nhiên, Nguyễn Thị Ánh Hoa (2021) lập luận rằng
42
trong môi trường kinh tế phát triển thì việc trả nợ của khách hàng còn phụ thuộc vào ý
chí trả nợ của khách hàng với ngân hàng; mặt khác, khách hàng có thể chiếm dụng vốn
của ngân hàng làm việc sai mục đích. Ngoài ra, việc công nợ chồng chéo của các doanh
nghiệp làm cho chậm trễ tiến độ cho ngân hàng. Do đó, dù kinh tế Việt Nam có tăng
trưởng nhưng khả năng trả nợ vẫn trì trệ. Chính vì vậy, trong nghiên cứu này, tác giả đề
xuất giả thuyết rằng tốc độ tăng trưởng kinh tế có tác động nghịch chiều với nợ xấu của
các Ngân hàng TMCP niêm yết trên HOSE.
Giả thuyết H5: Dự phòng rủi ro (LLR) tác động cùng chiều với nợ xấu (NPL).
Hoàng Thị Thanh Hằng và ctg (2020); Radivojevic và Jovovic (2017) có cùng
quan điểm rằng dự phòng rủi ro tín dụng có tương quan thuận chiều với nợ xấu. Theo
đó, khi nợ xấu tại các ngân hàng thương mại phát sinh tăng cao và để đảm bảo an toàn
cho hoạt động tín dụng, dẫn đến việc các ngân hàng sẽ tăng các khoản chi phí liên quan
đến việc quản lý nợ xấu. Điều này làm cho tỷ lệ dự phòng rủi ro tăng lên khi nợ xấu
tăng. Chính vì vậy, trong nghiên cứu này, tác giả đề xuất giả thuyết rằng dự phòng rủi
ro có tác động cùng chiều với nợ xấu của các Ngân hàng TMCP niêm yết trên HOSE.
Giả thuyết H6: Tỷ lệ lạm phát (INF) tác động cùng chiều với nợ xấu (NPL).
Tỷ lệ lạm phát thấp là điều kiện thuận lợi đối với tăng trưởng kinh tế, ngược lại,
khi lạm phát tăng cao sẽ làm suy yếu khả năng trả nợ của các chủ thể trong nền kinh tế,
giảm khả năng trả nợ dẫn đến tăng nợ xấu trong nền kinh tế (Koju và ctg, 2018;
Radivojevic và Jovovic, 2017). Chính vì vậy, trong nghiên cứu này, tác giả đề xuất giả
thuyết rằng tỷ lệ lạm phát có tác động cùng chiều với nợ xấu của các Ngân hàng TMCP
Từ các nghiên cứu trước đây cũng như các giả thuyết đã được đặt ra ở trên, tác giả
đề xuất kỳ vọng về dấu cho các biến trong mô hình nghiên cứu áp dụng đối với trường
hợp Việt Nam, cụ thể là các Ngân hàng TMCP niêm yết trên HOSE được tóm tắt như
trong bảng 3.1.
Bảng 3.1. Kỳ vọng dấu về tác động của từng nhân tố đến nợ xấu
43
Đơn Kỳ
Tên
Ký hiệu vị vọng Nguồn dữ liệu Cơ sở
biến
tính dấu
Báo cáo tài chính Barseghyan
Tốc độ được kiểm toán (2010); Rachman
tăng của 14 ngân hàng và ctg (2018);
CG % +
trưởng TMCP từ năm Trần Vương
tín dụng 2012 đến năm Thịnh và ctg
2021. (2021).
Dimitrios và ctg
(2016); Hoàng
Khả Báo cáo tài chính
Thị Thanh Hằng
năng của 14 ngân hàng
và ctg (2020);
sinh lời ROA % - TMCP được kiểm
Rachman và ctg
trên tài toán từ năm 2012
(2018);
sản đến năm 2021.
Radivojevic và
Jovovic (2017)
Dimitrios và ctg
(2016);
Tỷ lệ
Tổng cục thống kê Radivojevic và
thất UNEMP % +
Việt Nam Jovovic (2017);
nghiệp
Nguyễn Thị Như
Quỳnh (2018).
Tốc độ Dimitrios và ctg
Thu thập nguồn
tăng (2016); Hoàng
GDP % - dữ liệu của WB,
trưởng Thị Thanh Hằng
IMF
kinh tế và ctg (2020);
44
Koju và ctg
(2018);
Radivojevic và
Jovovic (2017);
Nguyễn Thị Ánh
Hoa (2021)
Báo cáo tài chính
Hang và ctg
Dự của 14 ngân hàng
(2020);
phòng LLR % + TMCP được kiểm
Radivojevic và
rủi ro toán từ năm 2012
Jovovic (2017)
đến năm 2021.
Koju và ctg
Tỷ lệ
Tổng cục thống kê (2018);
lạm INF % -
Việt Nam Radivojevic và
phát
Jovovic (2017)
3.2. Phương pháp thu thập dữ liệu
Cơ sở dữ liệu về nợ xấu, tốc độ tăng trưởng tín dụng, khả năng sinh lời của tài sản,
dự phòng rủi ro nghiên cứu trong luận văn được tác giả tiến hành thu thập từ báo cáo tài
chính, báo cáo thường niên trong giai đoạn từ năm 2012 đến năm 2021 của tổng cộng
14 Ngân hàng TMCP được niêm yết trên HOSE. Dữ liệu được trích xuất từ trang cổng
thông tin nội bộ của từng ngân hàng.
Danh sách các ngân hàng TMCP lấy dữ liệu được mô tả như trong bảng 3.2.
Bảng 3.2. Bảng các Ngân hàng TMCP được nghiên cứu
STT Tên ngân hàng TMCP Mã CK Sở giao dịch
1 Ngân hàng TMCP Đầu tư và Phát triển Việt Nam BID HOSE
2 Ngân hàng TMCP Công thương Việt Nam CTG HOSE
45
3 Ngân hàng TMCP Ngoại thương Việt Nam VCB HOSE

4 Ngân hàng TMCP Việt Nam Thịnh Vượng VPB HOSE
5 Ngân hàng TMCP Xuất nhập khẩu Việt Nam EIB HOSE
6 Ngân hàng TMCP Phát triển TP Hồ Chí Minh HDB HOSE
7 Ngân hàng TMCP Quân đội MBB HOSE
8 Ngân hàng TMCP Sài Gòn Thương Tín STB HOSE
9 Ngân hàng TMCP Kỹ Thương Việt Nam TCB HOSE
10 Ngân hàng TMCP Tiên Phong TPB HOSE
11 Ngân hàng TMCP Quốc tế Việt Nam VIB HOSE
12 Ngân hàng TMCP Á Châu ACB HOSE
13 Ngân hàng TMCP Bưu điện Liên Việt LPB HOSE
14 Ngân hàng TMCP Hàng hải Việt Nam MSB HOSE
Nguồn: Trích xuất từ bộ dữ liệu nghiên cứu của tác giả.
Các dữ liệu vĩ mô như (1) tỷ lệ thất nghiệp, (2) tốc độ tăng trưởng kinh tế, tỷ lệ (3)
lạm phát trong giai đoạn 2012 đến năm 2021 với số liệu thứ cấp được tiếp cận và sử
dụng từ cơ sở bộ dữ liệu của Tổng cục thống kê Việt Nam (GSO) và Ngân hàng Thế
giới (WB).
3.3. Phương pháp xử lý dữ liệu
Luận văn sử dụng phương pháp thống kê mô tả và phân tích dữ liệu bảng với
phương pháp nghiên cứu định lượng để hồi quy mô hình bằng phần mềm Stata 14. Sau
khi thu thập và làm sạch thông tin thứ cấp, tác giả tiến hành thực hiện các phân tích định
lượng trên Stata 14 cho bộ dữ liệu bảng cân bằng như phân tích thống kê mô tả để hiển
thị thông tin cơ bản về bộ dữ liệu, tìm giá trị trung bình, phương sai, độ lệch chuẩn, giá
trị lớn nhất, giá trị nhỏ nhất của các biến nghiên cứu. Tiếp theo, tác giả phân tích ma
trận hệ số tương quan để xem xét mối tương quan giữ các biến số. Ma trận hệ số tương
quan từng đôi cho thấy mối tương quan Pearson giữa các cặp biến số được sử dụng trong
mô hình hồi quy thông qua hệ số tương quan và mức ý nghĩa tương quan của kiểm định
46
Pearson (significant). Sau cùng, tác giả tiến hành kiểm định hệ số phóng đại phương sai
(Variance Inflation Factor - VIF) để xem xét sự tồn tại của hiện tượng đa cộng tuyến
trong mô hình hồi quy.
Việc ước lượng mô hình hồi quy dữ liệu bảng được tiến hành thông qua việc sử
dụng ba phương pháp: (1) phương pháp bình phương nhỏ nhất Pooled OLS, (2) phương
pháp ước lượng hiệu ứng cố định (FEM), (3) phương pháp ước lượng ngẫu nhiên (REM)
để chọn mô hình hồi quy với phương pháp ước lượng phù hợp nhất. Trong đó:
▪ Phương pháp bình phương nhỏ nhất Pooled-OLS được tiến hành để chạy dữ liệu
đầu tiên. Phương pháp này thể hiện các kết quả kiểm định với giả định chủ yếu
rằng không có sự khác biệt trong các ma trận dữ liệu của kích thước mẫu và phương
pháp này hữu ích trong trường hợp bộ dữ liệu được tiên nghiệm là đồng nhất. Tuy
nhiên, phương pháp này còn tồn tại vấn đề về các yếu tố không quan sát được
(unobserved heterogeneity), mô hình Pooled OLS không thể hiện của tác động
riêng, mang tính đặc thù của từng ngân hàng. Vì vậy, để xử lý vấn đề trong mô
hình Pooled OLS, mô hình ảnh hưởng ngẫu nhiên (REM) và ảnh hưởng cố định
(FEM) được sử dụng.
▪ Phương pháp ước lượng hiệu ứng cố định (FEM) cho phép hằng số α là đặc thù
của nhóm quan sát chéo, hàm ý rằng mỗi nhóm quan sát có hằng số α là khác nhau
do đó cần có một biến giả được thêm vào mô hình. Phương pháp FEM cho phép
nắm bắt được tất cả các tác động mang đặc thù đối với từng cá thể riêng biệt và
không thay đổi theo thời gian. Do đó, với dữ liệu bảng bao gồm các Ngân hàng
TMCP, mô hình này xem xét tất cả các vấn đề có sự đa dạng giữa các Ngân hàng
TMCP nhưng lại không thay đổi theo thời gian. Điều này cũng có nghĩa rằng không
thể thêm vào các biến không có thay đổi theo thời gian vì chúng sẽ đồng tuyến tính
hoàn hảo với tác động cố định. Việc kiểm định sự tồn tại của các ảnh hưởng cố
định được tiến hành để làm cơ sở lựa chọn giữa mô hình hồi quy Pooled OLS và
FEM.
47
▪ Phương pháp ước lượng ngẫu nhiên (REM) khác biệt với phương pháp xem xét
các tác động cố định ở chỗ các hằng số cho mỗi nhóm quan sát không phải là các
tham số cố định mà là các tham số ngẫu nhiên.
▪ Kiểm định về sự tương quan chéo giữa giữa các đơn vị bảng được triển khai để
làm cơ sở lựa chọn giữa mô hình hồi quy Pooled OLS và REM.
+ Nếu P-value > 5% thì phương pháp Pooled OLS phù hợp hơn REM
+ Nếu P-value < 5% thì ngược lại, REM phù hợp hơn Pooled OLS.
▪ Tiếp đến, để xác định mô hình nào phù hợp hơn giữa FEM và REM, kiểm định
Hausman sẽ được thực hiện. Kiểm định Hausman tiến hành xem xét có tồn tại tự
tương quan giữa các sai số 𝑖𝑡 và các biến độc lập trong mô hình hay không.
+ Nếu P-value > 5% thì kết luận rằng chưa đủ cơ sở để bác bỏ H0, hay nói
cách khác là không có sự khác biệt có ý nghĩa thống kê giữa FEM và
REM. Theo đó, các sai số 𝑖𝑡 không có tương quan với các biến độc lập
trong mô hình và sử dụng mô hình các ảnh hưởng ngẫu nhiên sẽ có hiệu
quả hơn.
+ Nếu P-value < 5%, bác bỏ H0, thường thì việc sử dụng kết quả theo
phương pháp REM không hợp lý, mà nên sử dụng phương pháp FEM.
▪ Sau khi phân tích hồi quy, tác giả tiến hành thực hiện các kiểm định phương sai
thay đổi.
cách khác là không có hiện tượng phương sai thay đổi trong mô hình
hồi quy.
+ Nếu P-value < 5%, bác bỏ H0, hay nói cách khác là có hiện tượng phương
sai thay đổi trong mô hình hồi quy.
▪ Sau khi kiểm định phương sai thay đổi, tác giả tiến hành kiểm định tự tương quan.
cách khác là không có hiện tượng tự tương quan trong mô hình hồi quy
48
+ Nếu P-value < 5%, bác bỏ H0, hay nói cách khác là có hiện tượng tự
tương quan trong mô hình hồi quy
▪ Sau các bước thực hiện trên, tác giả lựa chọn phương pháp ước lượng phù hợp và
tiến hành thảo luận kết quả nghiên cứu.
3.4. Khung quy trình nghiên cứu
Xác định vấn đề nghiên cứu
Tác động của các nhân tố đến nợ xấu tại các Ngân hàng TMCP
Xác định mục tiêu nghiên cứu

- Xác định các nhân tố tác động đến nợ xấu tại các Ngân hàng TMCP niêm yết trên
HOSE
- Đánh giá các nhân tố tác động đến nợ xấu tại các Ngân hàng TMCP niêm yết trên
HOSE
- Đề xuất một số khuyến nghị nhằm giúp các Ngân hàng TMCP niêm yết trên HOSE
giảm thiểu tỷ lệ nợ xấu
Xác định phương pháp nghiên cứu
- Phương pháp tiếp cận thông tin: Áp dụng mô hình điểm số “Z”, lý thuyết thông tin
bất cân xứng và các nghiên cứu thực nghiệm về các nhân tố tác động đến nợ xấu tại
các Ngân hàng TMCP trong nước và nước ngoài.
- Phương pháp thu thập dữ liệu: dữ liệu được lấy từ báo cáo tài chính hàng năm của
các ngân hàng, Tổng cục thống kê Việt Nam (GSO) và Ngân hàng Thế giới (WB).
- Phương pháp xử lý dữ liệu: Phân tích định lượng (Pooled OLS, FE, RE, RE hiệu
chỉnh).
Thảo luận, đề xuất khuyến nghị, kết luận chung và viết báo cáo
Hình 1.1. Khung quy trình nghiên cứu được đề xuất
Nguồn: Tác giả tự tổng hợp.
49
Trong chương này, dựa trên mô hình tổng quát được đề xuất ở chương 2, tác giả
phát triển mô hình nghiên cứu và xây dựng các giả thuyết nghiên cứu áp dụng cho mẫu
nghiên cứu cụ thể là các Ngân hàng TMCP niêm yết trên HOSE. Sáu nhân tố được lựa
chọn xem xét và đánh giá tác động của chúng đến nợ xấu (NPL) gồm có (1) tốc độ tăng
trưởng tín dụng (CG), (2) khả năng sinh lời tài sản (ROA), (3) tốc độ tăng tưởng kinh tế
(GDP), (4) tỷ lệ lạm phát (INF), (5) tỷ lệ thất nghiệp (UNEMP), (6) dự phòng rủi ro
(LLR) của Ngân hàng TMCP được niêm yết HOSE. Cuối cùng, nghiên cứu trình bày
quy trình, phương pháp thu thập dữ liệu và phương pháp xử lý dữ liệu trên phần mềm
Stata 14 để thực hiện cho việc chạy mô hình hồi quy và phân tích kết quả ở chương sau
và khung nghiên cứu của bài.
50
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Trong chương này bài nghiên cứu trình bày sơ lược về bối cảnh của các ngân
hàng TMCP tại Việt Nam, diễn biến cũng như hoạt động xử lý nợ xấu ở Việt Nam hiện
nay. Tiếp đến, tác giả thực hiện phân tích các dữ liệu thu thập được bằng phần mềm
Stata 14 thông qua việc phân tích thống kê mô tả dữ liệu, phân tích tương quan, phân
tích hồi quy, kết quả thực nghiệm, thảo luận và đối sánh kết quả với lý thuyết, nghiên
cứu thực nghiệm trước đây và thực trạng của vấn đề nghiên cứu.
4.1. Bối cảnh về hệ thống ngân hàng TMCP Việt Nam, diễn biến nợ xấu và hoạt
động xử lý nợ xấu
4.1.1. Bối cảnh hệ thống ngân hàng TMCP 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 các chính sách đổi mới đã được thực hiện,
góp phần to lớn giúp cho sự tăng trưởng kinh tế Việt Nam, đặc biệt trong đó là hoạt
động chuyển dịch mô hình ngân hàng một cấp sang hệ thống ngân hàng hai cấp. Lúc
này, NHNN Việt Nam 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.
Bắt đầu từ năm 1991 đến năm 2001, hệ thống ngân hàng TMCP Việt Nam đã tiến
hành cải cách, sắp xếp, thay thế để tạo thành một hệ thống hiệu quả, trở thành mạch máu
của cả 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, 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 các ngân hàng yếu kém, giảm dần sự chỉ
đạo vay từ chính phủ, nợ xấu có sự sụt giảm đáng kể. Từ năm 2000 đến năm 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. Tuy nhiên, sau năm 2010, hệ thống ngân
51
hàng TMCP Việt Nam phải đối diện với tình trạng khủng hoảng tồi tệ, nhất là 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 toàn hệ thống.
Đến năm 2016, NHNN đã thực hiện triển khai nhiều biện pháp để giảm mặt bằng
lãi suất cho vay, đặc biệt là đối với các lĩnh vực ưu tiên, triển khai hàng loạt chương
trình tín dụng với lãi suất ưu đãi. Đáng chú ý trong giai đoạn này, các giải pháp cơ cấu
lại và xử lý nợ xấu được triển khai đồng bộ, quyết liệt, công khai, minh bạch theo đúng
mục tiêu, định hướng đề ra và theo quy định của pháp luật, các TCTD yếu kém đã được
kiểm soát và từng bước được xử lý hiệu quả. Kết quả đã giảm được 19 TCTD yếu kém
thông qua hợp nhất, sáp nhập, mua lại, giải thể và thu hồi giấy phép.
Đầu năm 2020, đại dịch COVID-19 bùng phát và tàn phá hầu hết các nước trên
thế giới, nhưng Việt Nam là một trong số ít quốc gia đã thành công trong việc đối phó
với đại dịch, không để COVID-19 lây lan phức tạp trong cộng đồng và duy trì được tốc
độ tăng trưởng dương trong nền kinh tế. Để thúc đẩy tăng trưởng kinh tế, NHNN Việt
Nam đã điều hành đồng bộ các giải pháp để duy trì ổn định và giảm dần mặt bằng lãi
suất đồng thời chỉ đạo các TCTD cân đối khả năng tài chính để áp dụng mức lãi suất
cho vay hợp lý nhằm chia sẻ khó khăn với khách hàng vay vốn (Nguyễn Đức Long,
2021).
4.1.2. Diễn biến nợ xấu tại hệ thống ngân hàng TMCP Việt Nam
Giai đoạn từ năm 2012 đến năm 2018, nợ xấu có xu hướng giảm. Tuy nhiên, giai
đoạn năm 2019 đến năm 2021 lại đánh dấu sự gia tăng nhanh chóng của nợ xấu trong
hệ thống ngân hàng TMCP Việt Nam. Nợ xấu của hệ thống các Ngân hàng TMCP gia
tăng là điều đã được dự báo trước khi mà sự bùng phát của đại dịch COVID-19 đặc biệt
với biến chủng Delta mới trong năm 2021 đã gây ra các tổn thất nặng nề tới các hoạt
động sản xuất kinh doanh của doanh nghiệp, sinh kế và đời sống của người dân. Theo
đó, nợ xấu có xu hướng gia tăng rõ rệt tại một số ngân hàng, bình quân số dư nợ xấu
của 28 Ngân hàng TMCP niêm yết trên thị trường chứng khoán Việt Nam tăng 17,3%
so với năm 2020.
52
Vào cuối năm 2021, nợ xấu nội bảng là 1,9% (tăng 0,21 điểm % so với cuối năm
2020), nếu tính thêm nợ bán cho Công ty Quản lý tài sản (VAMC) thì con số này là
3,9%. Nợ xấu gộp tăng mạnh lên mức 7,31% cuối năm 2021 từ mức 5,1% cuối năm
2020 và gần tương đương với con số cuối năm 2017 (7,4%) (NHNN Việt Nam, 2021)
(Hình 4.1).
18 17
16
14
12 11 10.8
10
10 8.85
8 7.4 7.3
5.9
6 4.86 5.1
4.4
3.79 3.7
4
2.55 2.5
2 1.9 1.6 1.7 1.9
2
0
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
Nợ xấu nội bảng Nợ xấu gộp
Hình 4.1. Nợ xấu tại hệ thống ngân hàng Việt Nam TMCP giai đoạn 2012-2021
Nguồn: Tác giả tự tổng hợp từ báo cáo của NHNN Việt Nam (2021).
4.1.3. Hoạt động xử lý nợ xấu tại Việt Nam
Những năm gần đây, NHNH Việt Nam đã và đang không ngừng nỗ lực để giảm
thiểu và hạn chế sự gia tăng nợ xấu. Theo đó, các giải pháp cơ cấu lại hệ thống các
TCTD gắn với xử lý nợ xấu, thanh tra, giám sát ngân hàng, bảo đảm an toàn hệ thống,
an ninh tiền tệ, tín dụng được NHNN Việt Nam đẩy mạnh và đạt được kết quả đáng
khích lệ. Bên cạnh đó, các TCTD nghiêm túc thực hiện các quy định Basel II và nâng
cấp chuẩn mực quản trị theo thông lệ quốc tế. Cho đến nay, hầu như toàn bộ hệ thống
các TCTD đã được chấn chỉnh, củng cố. Các TCTD phi ngân hàng, quỹ tín dụng nhân
dân, các tổ chức tài chính vi mô cũng đã cơ cấu lại, hoạt động lành mạnh, đã hạn chế
được tín dụng đen. Quy mô hệ thống các TCTD tiếp tục tăng, năng lực tài chính của các
53
TCTD được củng cố, vốn điều lệ tăng dần qua các năm, chất lượng quản trị ngân hàng
được cải thiện, các NHTM đang thiết lập bộ máy quản trị doanh nghiệp theo phương
thức hiện đại, trong đó, vai trò và mối quan hệ của ban điều hành, hội đồng quản trị, cổ
đông được quy định theo thông lệ quốc tế về quản trị công ty (NHNN Việt Nam, 2021).
Để góp phần làm rõ hơn sự nỗ lực giảm thiểu và hạn chế gia tăng nợ xấu trong hệ thống
ngân hàng tại Việt Nam, nghiên cứu tập trung đánh giá ảnh hưởng của các nhân tố vi
mô và vĩ mô đến nợ xấu của các Ngân hàng TMCP niêm yết trên HOSE thông qua phân
tích định lượng ở các nội dung tiếp theo.
4.2. Thống kê mô tả dữ liệu nghiên cứu
Thống kê mô tả các biến số trong mẫu giai đoạn từ năm 2012 đến năm 2021 được
trình bày cụ thể trong bảng 4.1 như sau:
Bảng 4.1. Thống kê mô tả các biến trong mô hình
Tên Biến Số quan sát Trung Độ lệch Giá trị nhỏ Giá trị lớn
bình chuẩn nhất nhất
NPL 140 0,01937 0,009683 0,004667 0,069121
CG 140 0,218201 0,192426 -0,39585 1,068167
ROA 140 0,01025 0,006383 0,000267 0,03238
UNEMP 140 0,01694 0,004448 0,0103 0,0239
GDP 140 0,056481 0,015867 0,0258 0,073092
LLR 140 0,017751 0,00836 0,0000 0,03819
INF 140 0,03496 0,018354 0,006 0,0681
Nguồn: Kết quả xử lý từ bộ dữ liệu nghiên cứu của tác giả.
Bảng 4.1 tóm tắt kết quả thống kê của tất cả các biến số được sử dụng trong mô
hình hồi quy. Từ kết quả thống kê cho thấy nợ xấu (NPL) của các ngân hàng có mức
trung bình là 0,01937, nhỏ hơn mức qui định của NHNN Việt Nam là 3% theo Thông
tư số 22/2019/TT-NHNN do NHNN Việt Nam ban hành ngày 15 tháng 11 năm 2019 về
quy định các giới hạn, tỷ lệ đảm bảo an toàn trong hoạt động của ngân hàng, chi nhánh
ngân hàng nước ngoài. Trong đó, Ngân hàng TMCP có nợ xấu cao nhất là 0,069121 và
54
thấp nhất là 0,00467 cho thấy khoảng biến thiên là tương đối. Độ lệch chuẩn của biến
là 0,009683 thể hiện mức độ phân tán giá trị của NPL. Điều này cho thấy, trong thời
gian gần đây các Ngân hàng TMCP đã có nhiều sự thay đổi trong chính sách cho vay
cũng như thẩm định, theo dõi, kiểm soát các khoản vay đã được giải ngân cho các khách
hàng nhằm đảm bảo nợ xấu nhỏ hơn mức 3%.
4.2. Phân tích hồi quy
4.2.1. Ma trận tương quan
Bảng 4.2. Ma trận tương quan giữa các biến số
NPL CG ROA UNEMP GDP LLR INF
NPL 1
CG 0,0871 1
0,3064
ROA - 0,1148 1
0,2079*
*
0,0137 0,1768
UNEMP - -0,0103 0,2642* 1
0,2672* **
**
0,0014 0,9035 0,0016
GDP 0,2091* -0,0554 - - 1
* 0,1855* 0,4754**
* *
0,0132 0,5157 0,0282 0,0000
LLR -0,0517 -0,1115 0,4091* 0,5578** - 1
** * 0,3925*
**
55
0,5438 0,1898 0,0000 0,0000 0,0000

INF - -0,0577 0,2245* 0,5619** 0,0389 0,2946* 1
0,2172* ** * **
**
0,0099 0,4985 0,0077 0,0000 0,6478 0,0004
* Có ý nghĩa thống kê tại mức 10%; ** Có ý nghĩa thống kê tại mức 5%; *** Có ý
nghĩa thống kê tại mức 1%.
Kết quả ma trận tương quan trình bày ở bảng 4.2 được sử dụng để tìm hiểu mối
quan hệ giữa các biến (1) tốc độ tăng trưởng tín dụng (CG), (2) khả năng sinh lời tài sản
(ROA), (3) tốc độ tăng tưởng kinh tế (GDP), (4) tỷ lệ lạm phát (INF), (5) tỷ lệ thất
nghiệp (UNEMP), (6) dự phòng rủi ro (LLR) với biến nợ xấu (NPL) trong mô hình.
Theo đó, các biến tốc độ tăng trưởng tín dụng (CG), tốc độ tăng trưởng kinh tế (GDP)
có tương quan thuận với biến nợ xấu (NPL); các biến khả năng sinh lời trên tài sản
(ROA), tỷ lệ thất nghiệp (UNEMP), dự phòng rủi ro (LLR), tỷ lệ lạm phát (INF) có
tương quan nghịch với biến nợ xấu (NPL). Mức ý nghĩa tương quan của kiểm định
Pearson của hầu hết các cặp biến điều nhỏ hơn 5% chứng tỏ các cặp biến có tương quan
với nhau, ngoại trừ một số cặp lớn hơn 5% như nợ xấu (NPL) với tốc độ tăng trưởng tín
dụng (CG), nợ xấu (NPL) với dự phòng rủi ro (LLR), tốc độ tăng trưởng tín dụng (CG)
với các biến còn lại trong mô hình và cuối cùng là cặp biến tốc độ tăng trưởng GDP
(GDP) với tỷ lệ lạm phát (INF). Theo kết quả ở bảng 4.2 cho thấy, hầu hết giá trị hệ số
tương quan giữa các cặp biến số là dưới 50% nên các cặp biến có hệ số tương quan là
thấp, do đó chúng có mối tương quan yếu với nhau.
4.2.2. Kiểm định sự tương quan giữa các biến độc lập
Để xác định sự tồn tại của hiện tượng đa cộng tuyến giữa các biến, việc kiểm
định hệ số phóng đại phương sai (Variance Inflation Factor - VIF) được tiến hành để
kiểm tra cho dữ liệu bảng trong Stata 14. Kết quả của kiểm định VIF (kiểm định sự
tương quan giữa các biến độc lập trong mô hình) được trình bày trong bảng 4.3 cho thấy a a
56
tất cả các hệ số đều nhỏ hơn 10 (Mean VIF = 1,68). Điều này nghĩa là hiện tượng đa
cộng tuyến không xảy ra trong bộ số nghiên cứu (Kennedy, 1992).

Bảng 4.3. Kết quả kiểm định VIF

Biến số VIF 1/VIF
UNEMP 2,59 0,386138
INF 1,82 0,550882
LLR 1,73 0,577567
GDP 1,64 0,611448
ROA 1,26 0,790534
CG 1,06 0,942933
Mean VIF 1,68
4.2.3. Kết quả phân tích hồi quy
Đầu tiên, phương pháp hồi quy bình phương nhỏ nhất tổng thể (hồi quy OLS dữ a a a a a a a a a a
liệu bảng) được thực hiện để phân tích mối quan hệ giữa các biến (1) tốc độ tăng trưởng
tín dụng (CG), (2) khả năng sinh lời trên tài sản (ROA), (3) tỷ lệ thất nghiệp (UNEMP),
(4) tốc độ tăng trưởng kinh tế (GDP), (5) dự phòng rủi ro (LLR), (6) tỷ lệ lạm phát (INF)
ảnh hưởng đến nợ xấu (NPL).
Kết quả hồi quy OLS dữ liệu bảng cân bằng cho thấy các biến khả năng sinh lời a a a a a a a a a a a a a a
trên tài sản, tốc độ tăng trưởng kinh tế và dự phòng rủi ro có tác động tương đối quan
trọng tới nợ xấu của các Ngân hàng TMCP niêm yết trên HOSE với mức ý nghĩa thống
kê ở mức 5% và biến tốc độ tăng trưởng tín dụng cũng có tác động tương đối với nợ
xấu tại mức ý nghĩa thống kê 10%. Bên cạnh đó, hệ số R-squared của mô hình hồi quy
ở mức là 16,77%. Điều này có nghĩa mô hình này giải thích được tương đối kết quả về
mối quan hệ giữa các yếu tố vi mô, vĩ mô và nợ xấu. Kết quả kiểm định F với giá trị p
dưới 0,01 cũng cho thấy mô hình phù hợp với tập dữ liệu và sử dụng được. Kiểm tra
xttest (kiểm định Breusch - Pagan/Cook - Weisberg đối với hiện tượng phương sai thay
đổi trong mô hình hồi quy) cho thấy P-value > 5% (Prob > chi2 = 0.4635), do đó không
57
đủ cơ sở để bác bỏ H0, hay nói cách khác, không có hiện tượng phương sai thay đổi
trong mô hình hồi quy. Kiểm định Wooldridge đối với hiện tượng tự tương quan cho bộ
dữ liệu bảng cho thấy P-value < 5% (Prob > F = 0,000), do đó đủ cơ sở để bác bỏ H0,
hay nói cách khác, có sự tự tương quan trong mô hình ước lượng dữ liệu bảng. Qua quá
trình kiểm định từng phần ở trên, mô hình có hiện tượng đa cộng tuyến được đánh giá a a a a a a a a a a
là không nghiêm trọng, mô hình không có hiện tượng phương sai của sai số thay đổi,
mô hình có hiện tượng tự tương quan. Do đó, kết quả mô hình nghiên cứu theo phương
pháp OLS là tin cậy. a a a a a
Tuy nhiên, độ vững và tính hiệu quả của các hệ số trong phân tích dữ liệu bảng a a a a a a a a a a a
dựa trên phương pháp hồi quy bình phương nhỏ nhất tổng thể (Pooled OLS) có thể bị
nghi ngờ vì mô hình OLS tổng thể không cần quan tâm đến các yếu tố không thể thu
thập được hoặc ảnh hưởng riêng lẻ, đặc thù từng ngân hàng, trong khi vấn đề ảnh hưởng
riêng lẻ là một trong những hiện tượng xảy ra thường xuyên ở những nghiên cứu thực a a a
nghiệm (Baltagi, 2005). Do đó, tác giả tiến hành thực hiện 2 kiểm định REM và FEM.
Kết quả kiểm định ở cả hai mô hình RE và FE đều đưa ra cùng kết quả về dấu của hệ
số hồi quy của biến, chỉ khác nhau ở mức độ ý nghĩa thống kê.
Để xác định mô hình nào tốt hơn, nghiên cứu này thực hiện kiểm định F cho mô a a a a a a a a a a
hình FE, kiểm định Breusch and Pargan Lagrange Multiplier (LM) cho mô hình RE và
kiểm định Hausman để chọn lựa giữa mô hình RE và FE. Một cách chi tiết, kiểm định
ý nghĩa thống kê F cho thấy mô hình FE tốt hơn mô hình OLS, nghĩa là có ảnh hưởng
cố định trong mô hình ước lượng với P-value > 5% (Prob > F = 0,000).
Nghiên cứu tiếp tục tiến hành xử lý dữ liệu bảng cân bằng với mô hình RE. Kết
quả kiểm định xttest0 (kiểm định Breusch and Pagan Lagrangian) đối với mô hình RE
cho thấy P-value < 5% (Prob > chi2 = 0,0000) nghĩa là giả thiết H 0 bị bác bỏ, điều này
chứng tỏ có ảnh hưởng ngẫu nhiên trong mô hình ước lượng. Chính vì vậy mô hình RE
tốt hơn mô hình OLS, hay nói cách khác, mô hình RE là mô hình phù hợp hơn mô hình
OLS. Ngoài ra, với giả định H0 về sự khác biệt ảnh hưởng của các biến là không mang
tính hệ thống, nếu giả thuyết này không có đủ cơ sở để bị bác bỏ, thì việc ước lượng của
58
2 mô hình FE và RE là tương đương về kết quả. Đối chiếu với kết quả kiểm định
Hausman có P-value > 5% (Prob > Chi2 = 0,9540) cho thấy không đủ cơ sở bác bỏ H0,
trong trường hợp này nghiên cứu lựa chọn sử dụng mô hình RE hợp lý hơn mô hình FE.
Điều này hàm ý rằng mô hình FE có thể bị chệch (biased) và hệ số không vững chắc
(inconsistent); ngược lại, mô hình RE sẽ duy trì được tính không chệch (unbiased) và
a a a a a a
hệ số vững chắc.
a a a
Như vậy, trong nghiên cứu này, tác giả lựa chọn mô hình RE do mô hình RE tốt
hơn mô hình OLS và mô hình FE trong việc thể hiện tác động các nhân tố vi mô, vĩ mô
đến nợ xấu của các ngân hàng TMCP niêm yết trên HOSE giai đoạn 2012 đến năm
2021.
Từ đó, tác giả lựa chọn kết quả hồi quy theo REM để làm kết quả chính thức của a a a a a a a a a a a
nghiên cứu. Kết quả hệ số ước lượng trong mô hình RE cho thấy hệ số hồi quy của biến
tốc độ tăng trưởng tín dụng (CG), tốc độ tăng trưởng kinh tế (GDP), dự phòng rủi ro
(LLR) có tác động thuận chiều với nợ xấu (NPL) và có ý nghĩa thống kê tại mức 5%
trong điều kiện các yếu tố khác không đổi. Các biến khả năng sinh lời trên tài sản (ROA) a a a a
và tỷ lệ thất nghiệp (UNEMP) có tác động nghịch chiều với nợ xấu với mức ý nghĩa là
1% trong điều kiện các yếu tố khác không đổi. Kết quả của các phương pháp kiểm định
được trình bày tổng hợp trong bảng 4.4.
Bảng 4.4. Tổng hợp các kết quả ước lượng theo các phương pháp Pooled OLS,
FEM, REM, REM hiệu chỉnh
Pooled OLS FEM REM REM hiệu chỉnh
NPL NPL NPL NPL
CG 0,00727* 0,00686* 0,00710* 0,00675**
-1,77 -1,71 -1,84 -2,49
ROA -0,333** -0,551*** -0,506*** -0,375***
(-2,47) (-3,98) (-3,83) (-3,21)
UNEMP -0,402 -0,355 -0,362 -0,428***
59
(-1,45) (-1,58) (-1,62) (-3,03)

GDP 0,125** 0,109** 0,112** 0,0633**
-2,02 -2,19 -2,27 -2,33
LLR 0,325*** 0,303*** 0,305*** 0,186**
-2,7 -2,9 -2,97 -2,39
INF -0,0773 -0,0635 -0,0662 -0,0229
(-1,37) (-1,40) (-1,47) (-0,73)
_cons 0,0179*** 0,0202*** 0,0197*** 0,0219***
-2,84 -3,89 -3,67 -6,98
N 140 140 140 140
R-squared 0,168 within = 0,2710
F test that all between = within = 0,2703
u_i 0,0002
between =
Prob 0,0008
Kết quả được trình bày ở mỗi biến số trong mỗi mô hình theo thứ tự lần lượt là (1) giá
trị trung bình của hệ số hồi quy (Coeficient); (2) mức ý nghĩa thống kê (P-value) và (3)
sai số chuẩn (Standard error);
* Có ý nghĩa thống kê tại mức 10%; ** Có ý nghĩa thống kê tại mức 5%; *** Có ý
nghĩa thống kê tại mức 1%.
4.4. Thảo luận kết quả nghiên cứu
Kết quả trình bày ở bảng 4.4 cho thấy mặc dù tiếp cận ở các phương pháp khác
nhau, nhưng tất cả các kết quả của các mô hình đều đồng nhất. Nghiên cứu lựa chọn kết
quả có được từ mô hình RE hiệu chỉnh để làm kết quả chính thức.
Mô hình được viết dưới dạng phương trình sau:
60
𝐍𝐏𝐋𝒊𝒕 = 𝟎, 𝟎𝟎𝟔𝟕𝟓 ∗ 𝐂𝐆𝒊𝒕 − 𝟎, 𝟑𝟕𝟓𝟒𝟑𝟗𝟓 ∗ 𝐑𝐎𝐀𝒊𝒕 − 𝟎, 𝟒𝟐𝟖 ∗ 𝐔𝐍𝐄𝐌𝐏𝒕

+ 𝟎, 𝟎𝟔𝟑𝟑 ∗ 𝐆𝐃𝐏𝒕 + 𝟎, 𝟏𝟖𝟔 ∗ 𝐋𝐋𝐑 𝒊𝒕 + 𝟎, 𝟎𝟐𝟏𝟗
Theo đó, khi xem xét đến các tác động ngẫu nhiên, biến tốc độ tăng trưởng tín
dụng (CG), tốc độ tăng trưởng kinh tế (GDP), dự phòng rủi ro (LLR) có tác động tích
cực có ý nghĩa thống kê đến nợ xấu (NPL), biến khả năng sinh lời trên tài sản (ROA) a a
và biến tỷ lệ thất nghiệp (UNEMP) có tác động tiêu cực có ý nghĩa thống kê đến nợ
xấu. a
Với β1= 0,00675, hệ số này cho thấy biến tốc độ tăng trưởng tín dụng có mối quan
hệ đồng biến với nợ xấu. Nếu các yếu tố khác không đổi khi tốc độ tăng trưởng tín dụng
tăng (giảm) 1% thì nợ xấu sẽ tăng (giảm) 0,00675 đơn vị.
Với β2= -0,3754395, hệ số này cho thấy biến khả năng sinh lời trên tài sản của các a a a a a a a
ngân hàng với nợ xấu có mối quan hệ nghịch biến. Khi các yếu tố khác không đổi, khả
năng sinh lời trên lài sản tăng (giảm) 1% thì nợ xấu giảm (tăng) 0,3754395 đơn vị.
Với β3= -0,428, hệ số này cho thấy biến tỷ lệ thất nghiệp ở Việt Nam với nợ xấu
có mối quan hệ nghịch biến. Khi các yếu tố khác không đổi, tỷ lệ thất nghiệp tăng (giảm) a a a a a a
1% thì nợ xấu giảm (tăng) 0,428 đơn vị.

a a a a a a a a
Với β4= 0,0633, hệ số này cho thấy nợ xấu có mối quan hệ đồng biến với tốc độ
tăng trưởng kinh tế. Nếu các yếu tố khác không đổi khi tốc độ tăng trưởng kinh tế tăng
(giảm) 1% thì nợ xấu sẽ tăng (giảm) 0,0633 đơn vị.
Với β5= 0,186, hệ số này cho thấy nợ xấu có mối quan hệ đồng biến với dự phòng
rủi ro. Nếu các yếu tố khác không đổi khi dự phòng rủi ro tăng (giảm) 1% thì nợ xấu sẽ
tăng (giảm) 0,186 đơn vị.
Từ kết quả của mô hình nghiên cứu, tác giả đã tiến hành tổng hợp, so sánh kết quả
nghiên cứu với các giả thuyết đã đặt ra trong chương trước (Bảng 4.5).
61
Bảng 4.5. Tổng hợp giả thuyết nghiên cứu

Chiều tác
Giả thuyết Chấp nhận
động
Giả thuyết H1
Tốc độ tăng trưởng tín dụng (CG) tác động thuận + Có
chiều với nợ xấu (NPL)
Giả thuyết H2
Khả năng sinh lời trên tài sản (ROA) tác động - Có
nghịch chiều với nợ xấu (NPL)
Giả thuyết H3
Tỷ lệ thất nghiệp (UNEMP) tác động cùng chiều với - Có
nợ xấu (NPL)
Giả thuyết H4
Tốc độ tăng trưởng kinh tế (GDP) tác động nghịch + Có
chiều với nợ xấu (NPL)
Giả thuyết H5
Dự phòng rủi ro (LLR) tác động cùng chiều với nợ + Có
xấu (NPL)
Giả thuyết H6
Không có ý
Tỷ lệ lạm phát (INF) tác động cùng chiều với nợ xấu Không
nghĩa
(NPL)
▪ Tốc độ tăng trưởng tín dụng (CG)

Tốc độ tăng trưởng tín dụng (CG) có ảnh hưởng tích cực (tác động dương) đến
nợ xấu (NPL) tại mức ý nghĩa thống kê 5% cho thấy tại các Ngân hàng TMCP được
niêm yết trên HOSE trong giai đoạn từ năm 2012 đến năm 2021, cứ mỗi phần trăm tăng
lên của tốc độ tăng trưởng tín dụng (CG) sẽ làm tăng nợ xấu (NPL) trung bình vào
62
khoảng 0,675% trong điều kiện các yếu tố khác không đổi. Kết quả này không đồng
thuận với kết quả của các nghiên cứu thực nghiệm trước đây của Barseghyan (2010);
Rachman và ctg (2018). Tuy nhiên, kết quả nghiên cứu của tác giả thì đồng thuận với
kết quả nghiên cứu của Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021) trong
bối cảnh thực trạng của hệ thống Ngân hàng TMCP tại Việt Nam. Thực tế chỉ ra rằng,
tốc độ tăng trưởng tín dụng càng mạnh, nếu Ngân hàng TMCP có thể kiểm soát tốt việc
thu hồi nợ gốc và lãi, thì ngân hàng ngày càng phát triển. Song, yếu tố này cũng mang
một rủi ro tiềm ẩn là nếu tăng trưởng tín dụng càng mạnh, khả năng khó thu hồi được
lãi cũng như nợ gốc càng gia tăng và làm tình trạng nợ xấu ngày càng nghiêm trọng.
▪ Khả năng sinh lời trên tài sản (ROA)

Khả năng sinh lời trên tài sản (ROA) có ảnh hưởng tiêu cực (tác động âm) đến nợ
xấu (NPL) tại mức ý nghĩa thống kê 1% cho thấy tại các Ngân hàng TMCP được niêm a a a a a a a a a a a a a
yết trên HOSE trong giai đoạn từ năm 2012 đến năm 2021, cứ mỗi phần trăm tăng lên
của khả năng sinh lời trên tài sản (ROA) sẽ làm giảm nợ xấu (NPL) trung bình vào
a a a a a a a a
khoảng -37,55% trong điều kiện các yếu tố khác không đổi. Kết quả này phù hợp với
kết quả của các nghiên cứu thực nghiệm của Dimitrios và ctg (2016); Hoàng Thị Thanh
Hằng và ctg (2020); Rachman và ctg (2018); Radivojevic và Jovovic (2017).
▪ Tỷ lệ thất nghiệp (UNEMP)
Tỷ lệ thất nghiệp (UNEMP) có ảnh hưởng tiêu cực (tác động âm) đến nợ xấu
(NPL) tại mức ý nghĩa thống kê 1% cho thấy tại các Ngân hàng TMCP được niêm yết
trên HOSE trong giai đoạn từ năm 2012 đến năm 2021, cứ mỗi phần trăm tăng lên của
tỷ lệ thất nghiệp (UNEMP) sẽ làm giảm nợ xấu (NPL) trung bình vào khoảng 42,80%
trong điều kiện các yếu tố khác không đổi. Kết quả này ngược lại với kết quả của các
nghiên cứu thực nghiệm của các tác giả Dimitrios và ctg (2016); Radivojevic và Jovovic
(2017). Nợ xấu của các Ngân hàng TMCP và tỷ lệ thất nghiệp theo một số bài nghiên
cứu đã cho thấy ở Việt Nam 2012-2021 ủng hộ cho kết quả nghiên cứu này của tác giả
và kết quả này cũng phù hợp với nghiên cứu của Nguyễn Thị Như Quỳnh (2018).
▪ Tốc độ tăng trưởng kinh tế (GDP)
63
Tốc độ tăng trưởng kinh tế (GDP) có ảnh hưởng tích cực (tác động dương) đến
nợ xấu (NPL) tại mức ý nghĩa thống kê 5% cho thấy tại các Ngân hàng TMCP được
niêm yết trên HOSE trong giai đoạn từ năm 2012 đến năm 2021, cứ mỗi phần trăm tăng
lên của Tốc độ tăng trưởng kinh tế (GDP) sẽ làm tăng nợ xấu (NPL) trung bình vào
khoảng 6,33% trong điều kiện các yếu tố khác không đổi. Kết quả này phù hợp với kết
quả nghiên cứu của Nguyễn Thị Ánh Hoa (2021) nhưng ngược lại với kết quả các
a a a a a a a
nghiên cứu thực nghiệm của Dimitrios và ctg (2016); Hoàng Thị Thanh Hằng và ctg
(2020); Koju và ctg (2018); Radivojevic và Jovovic (2017).
▪ Dự phòng rủi ro (LLR)
Dự phòng rủi ro (LLR) có ảnh hưởng tích cực (tác động dương) đến nợ xấu (NPL)
tại mức ý nghĩa thống kê 5% cho thấy tại các Ngân hàng TMCP được niêm yết trên
HOSE trong giai đoạn từ năm 2012 đến năm 2021, cứ mỗi phần trăm tăng lên của dự
phòng rủi ro (LLR) sẽ làm tăng nợ xấu (NPL) trung bình vào khoảng 18,60% trong điều
kiện các yếu tố khác không đổi. Kết quả này phù hợp với kết quả của các nghiên cứu
thực nghiệm của Hoàng Thị Thanh Hằng (2020); Radivojevic và Jovovic (2017).
64
Trong chương 4 này, tác giả đã thực hiện nghiên cứu định lượng đối với các biến
thuộc mô hình đề xuất cho mẫu nghiên cứu cụ thể trong chương 3 theo các phương pháp
hồi quy Pooled OLS, REM, FEM bằng phần mềm Stata 14 để ước lượng cho dữ liệu
bảng cân bằng. Phương pháp sử dụng mô hình RE hiệu chỉnh đã được lựa chọn để trình
bày kết quả phân tích. Nguyên cứu được thực hiện trên dữ liệu thứ cấp đủ điều kiện để
thực hiện các phân tích định lượng gồm thống kê mô tả, phân tích tương quan, phân tích
hồi quy tuyến tính đa biến và các kiểm định. Kết quả nghiên cứu đã tìm hiểu cụ thể và
chi tiết mức độ của từng nhân tố ảnh hưởng đến nợ xấu tại các Ngân hàng TMCP được
niêm yết trên HOSE. Theo đó, có 5 nhân tố có tác động thuận chiều có ý nghĩa đến nợ
xấu, bao gồm biến có tác động tích cực là (1) tốc độ tăng trưởng tín dụng, (2) dự phòng
rủi ro, (3) tốc độ tăng trưởng kinh tế; đồng thời, có 2 nhân tố là (4) khả năng sinh lời
của tài sản, (5) tỷ lệ thất nghiệp có tác động nghịch chiều có ý nghĩa đến nợ xấu của các
Ngân hàng TMCP được niêm yết trên HOSE. Kết quả thu được ở chương 4 sẽ là cơ sở
để tác giả đưa ra những kiến nghị và giải pháp nhằm giảm thiểu nợ xấu hiện nay tại các
ngân hàng TMCP Việt Nam.
65
CHƯƠNG 5. KHUYẾN NGHỊ VÀ KẾT LUẬN
Từ kết quả nghiên cứu ở chương 4 về tác động của các nhân tố đến nợ xấu của các
ngân hàng TMCP niêm yết trên HOSE giai đoạn 2012 – 2021, tác giả đề xuất một số
khuyến nghị đối với các Ngân hàng TMCP cũng như Ngân hàng Nhà nước (NHNN)
Việt Nam. Đồng thời, chương 5 cũng trình bày những hạn chế của luận văn, định hướng
nghiên cứu và kết luận chung của tác giả.
5.1. Khuyến nghị

Luận văn đã tiến hành phân tích bộ dữ liệu bảng cân bằng nhằm nghiên cứu các
nhân tố tác động đến nợ xấu của 14 Ngân hàng TMCP được niêm yết trên HOSE giai
đoạn 2012 – 2021. Kết quả nghiên cứu cho thấy, tốc độ tăng trưởng tín dụng của các
Ngân hàng TMCP càng cao thì nợ xấu càng cao. Điều này cho thấy nếu các ngân hàng
nếu cứ ồ ạt cho vay không quản lý chất lượng nợ tốt thì việc nợ xấu càng tăng nhanh.
Đồng thời, khả năng sinh lời của tài sản ở các Ngân hàng TMCP càng cao thì nợ xấu
càng giảm. Như vậy, các ngân hàng quản lý tốt về lợi nhuận và tài sản sẽ quản lý tốt
được nợ xấu. Ngoài ra, tỷ lệ thất nghiệp ở Việt Nam càng cao thì nợ xấu càng thấp. Điều
này cho thấy nếu tình hình thất nghiệp trong nước càng cao thì Ngân hàng TMCP sẽ
xem xét tính ổn định của công việc rồi mới quyết định cho vay. Khi đó, chất lượng nợ
sẽ được cải thiện đáng kể. Bên cạnh đó, tốc độ tăng trưởng kinh tế của Việt Nam cũng
góp phần không nhỏ đối với việc đánh giá chất lượng nợ. Cụ thể, tốc độ kinh tế càng
cao thì nợ xấu càng cao. Điều này cho thấy, nếu kinh tế tăng trưởng một cách nhanh
chóng nhưng không quản lý được chất lượng nợ thì rủi ro về nợ càng tăng. Đối với các
ngân hàng TMCP có nợ xấu càng cao thì càng phải dự phòng rủi ro càng cao.
Từ kết quả nghiên cứu ở chương 4, tác giả đề xuất một số khuyến nghị đối với các
Ngân hàng TMCP được niêm yết trên HOSE, NHNN Việt Nam như sau:
▪ Về phía Ngân hàng TMCP được niêm yết trên HOSE
66
Tốc độ tăng trưởng tín dụng (CG) có ảnh hưởng cùng chiều đến nợ xấu (NPL) của
các ngân hàng trong mẫu nghiên cứu ở mức ý nghĩa 5%. Điều này có nghĩa khi tốc độ
tăng trưởng tín dụng được kiềm chế đúng sẽ giúp các Ngân hàng TMCP giảm nợ xấu
trong danh mục cho vay. Khi các Ngân hàng TMCP cải thiện chất lượng nợ bằng cách
thẩm định hồ sơ chặt chẽ nhiều khâu, không bỏ qua trình tự các bước. Các ngân hàng
cần tránh cấp tín dụng quá mức, hạ chuẩn cấp tín dụng; cần xây dựng và xác định rõ
ràng khẩu vị rủi ro, từ đó chủ động xây dựng danh mục tín dụng với các tỷ trọng phân
bố dự kiến và lựa chọn phương án thích hợp với mục tiêu lợi nhuận và khả năng chịu
đựng tổn thất của ngân hàng. Theo đó, cán bộ tiếp nhận hồ sơ và cán bộ thẩm định hồ
sơ phải độc lập, có bước giám sát sau vay, phát hiện hiện tượng sai phạm phải báo cáo
ngay cho cấp trên xử lý, không tập trung ưu tiên tăng trưởng tín dụng. Điều này sẽ giúp
các Ngân hàng TMCP giảm nợ xấu ngay từ ban đầu.
Khả năng sinh lời trên tài sản (ROA) có ảnh hưởng ngược chiều đến nợ xấu (NPL)
của các ngân hàng trong mẫu nghiên cứu ở mức ý nghĩa 1%. Điều này có nghĩa khi lợi
nhuận của Ngân hàng TMCP càng tăng cao thì nợ xấu càng giảm. Các ngân hàng TMCP
cần nâng cao lợi nhuận và khả năng sinh lời của tài sản bằng cách đa dạng hoá các sản
phẩm tài chính, cải tiến các sản phẩm trên kênh giao dịch online nhằm tiết kiệm chi phí
cho các giao dịch tại quầy, đầu tư vào các kênh giao dịch mang lại lợi nhuận cao cho
ngân hàng. Bên cạnh đó, để thu hút lượng khách hàng, các ngân hàng TMCP cần nâng
cao hơn nữa công tác kiểm tra, giám sát quy trình phục vụ các giao dịch tại quầy nhằm
nâng cao chất lượng dịch vụ, xây dựng và đào tạo nhân lực phù hợp với từng đơn vị để
đạt được hiệu quả năng suất kinh doanh cao nhất.
Dự phòng rủi ro (LLR) có ảnh hưởng cùng chiều đến nợ xấu (NPL) của các ngân
hàng trong mẫu nghiên cứu ở mức ý nghĩa 5%. Điều này có nghĩa khi Dự phòng rủi ro
giảm xuống sẽ giúp các Ngân hàng TMCP giảm nợ xấu trong danh mục cho vay. Để
làm được điều này, các Ngân hàng TMCP phải có các biện pháp tích cực xử lý. Cụ thể,
các khoản nợ chuẩn bị chuyển thành nợ xấu thì các Ngân hàng TMCP cần ngăn chặn
67
ngay từ khi mới nhảy nhóm nợ, các ngân hàng cũng cần chú ý xử lý sớm các khoản nợ
tồn động cải thiện các doanh mục ưu tiên nhỏ và vừa, giảm tỷ lệ cho vay các doanh
nghiệp hoạt động kém hiệu quả. Một số cách phổ biến như thường xuyên đôn đốc, nhắc
nợ khách hàng, nhanh chóng phát hiện sớm các khoản vay có vấn đề để khoang vùng
và có biện pháp xử lý trước khi chuyển nhóm nợ.
▪ Khuyến nghị với NHNN Việt Nam

Tỷ lệ thất nghiệp (UNEMP) có ảnh hưởng ngược chiều đến nợ xấu (NPL) các ngân
hàng trong mẫu nghiên cứu ở mức ý nghĩa 1%. Điều này có nghĩa khi tỷ lệ thất nghiệp
ở Việt Nam tăng sẽ giúp các Ngân hàng TMCP giảm thiểu nợ xấu trong danh mục dư
nợ cho vay. Điều này phù hợp với tình hình Việt Nam trong giai đoạn COVID-19 khi
mà các xí nghiệp nhà máy đóng cửa, công nhân không có việc làm ổn định tăng tỷ lệ
thất nghiệp khiến cho nợ xấu tại các Ngân hàng TMCP giảm. Do đó NHNN Việt Nam
cần tạo thêm một kênh kiểm tra để các ngân hàng có thể tra soát được tình trạng việc
làm của các cá nhân, công ty, doanh nghiệp vay vốn một cách nhanh chóng và chính
xác nhằm giúp các Ngân hàng TMCP giảm thiểu nợ xấu từ khâu thẩm định ban đầu.
Tốc độ tăng trưởng kinh tế (GDP) ảnh hưởng cùng chiều đến nợ xấu của các Ngân
hàng TMCP trong mẫu nghiên cứu ở mức ý nghĩa 5%. Điều này có nghĩa khi nền kinh
tế Việt Nam tăng trưởng sẽ làm tăng nợ xấu tại các ngân hàng TMCP trong danh mục
dư nợ cho vay, trong bối cảnh này, Quốc hội đã đặt mục tiêu tăng trưởng năm 2023 là
6,5%, thấp hơn kết quả đạt được của năm 2022 là 8,02%, nhưng đây cũng sẽ là mục tiêu
đầy thách thức. Do đó, NHNN Việt Nam cần có những chính sách trong quản lý việc
cấp tín dụng của các ngân hàng TMCP cụ thể như (1) hạn chế cho vay đối với các doanh
nghiệp có hoạt động kinh doanh là những ngành nghề có hệ số rủi ro cao như bất động
sản, chứng khoán; (2) điều tiết tăng trưởng tín dụng, kiểm soát các ngân hàng nhỏ; (3)
cơ cấu lại nợ, giữ nguyên nhóm nợ cho các doanh nghiệp giúp các doanh nghiệp phục
hồi không để xảy ra hiện tượng sập đổ đồng loạt; (4) khuyến nghị Ngân hàng TMCP
đồng loạt giảm lãi suất cho vay để các doanh nghiệp còn có khả năng chi trả không
68
buông xuôi; (5) cần giải quyết trái phiếu doanh nghiệp đáo hạn rất lớn, có cơ chế chính
sách hỗ trợ chia sẻ để doanh nghiệp xử lý lĩnh vực này, đồng thời kinh tế vĩ mô đảm bảo
cân đối lớn như lạm phát, tỷ giá, chính sách hỗ trợ cho doanh nghiệp và người dân, cân
bằng giữa vốn đầu tư nhà nước, tư nhân; (6) cơ quan chức năng cần theo dõi sát tình
hình thế giới, diễn biến của chính sách tài khóa - tiền tệ của các đối tác thương mại -
đầu tư lớn với Việt Nam, từ đó điều hành linh hoạt chính sách tiền tệ trong nước, đẩy
mạnh giải ngân vốn đầu tư công, thực hiện hiệu quả chương trình phục hồi phát triển
kinh tế.
5.2. Hạn chế của luận văn và hướng nghiên cứu tiếp theo
Trong quá trình thực hiện nghiên cứu, luận văn không tránh khỏi việc tồn tại các
hạn chế nhất định như sau:
▪ Thứ nhất, phạm vi đề tài nghiên cứu còn tương đối hẹp, chỉ thực hiện trên mẫu
nghiên cứu từ số liệu của 14 Ngân hàng TMCP được niêm yết trên HOSE. Do đó,
kết quả thực nghiệm chỉ có ý nghĩa cho các Ngân hàng TMCP được niêm yết trên
HOSE. Do đó, nghiên cứu trong tương lai có thể hướng tới việc tiến hành mở rộng
phạm vi nhằm bao quát toàn bộ hệ thống ngân hàng tại Việt Nam.
▪ Thứ hai, nghiên cứu dựa trên cơ sở kế thừa các nghiên cứu trước đây và kết quả
cho thấy có 5 nhân tố ảnh hưởng đến nợ xấu. Do vậy, các nghiên cứu tiếp theo có
thể hướng tới việc mở rộng và phát triển thêm các biến mới cho mô hình nghiên
cứu. Theo đó, các nghiên cứu tiếp theo có thể xem xét thêm các yếu tố về (1) quyết
định của cấp điều hành, (2) dịch bệnh COVID-19, v.v. để xem xét liệu chúng có
tác động có ý nghĩa đến nợ xấu của các ngân hàng TMCP hay không. Ngoài ra, để
nghiên cứu có tính thuyết phục hơn thì các nghiên cứu trong tương lai có thể hướng
đến phân tích các yếu tố con người như (1) các quyết định của các cổ đông, (2)
định hướng phát triển của ngân hàng, (3) mục tiêu của ngân hàng, (4) qua các nhân
tố về quyết định của các cá nhân, v.v. nhằm xem xét ảnh hưởng của chúng đến tình
hình nợ xấu của các Ngân hàng TMCP và góp phần đề xuất các khuyến nghị toàn
diện đối với Ngân hàng TMCP.
69
5.3. Kết luận

Trong điều kiện kinh tế hiện nay, vấn đề về kiểm soát nợ xấu của các ngân hàng
TMCP có ý nghĩa rất quan trọng trong sự phát triển chung nền kinh tế. Hệ thống ngân
hàng được xem như là huyết mạch tài chính của một nền kinh tế. Do đó, việc nợ xấu ở
hệ thống Ngân hàng càng được kiểm soát thì sẽ càng đảm bảo được khả năng thu hồi
vốn cho vay, bù đắp được chi phí, có điều kiện để ngân hàng tồn tại và phát triển.
Nhìn chung, nghiên cứu đã đạt được các mục tiêu đề ra, cụ thể như sau:
▪ Thứ nhất, nghiên cứu đã xác định được các nhân tố ảnh hưởng đến nợ xấu tại các
Ngân hàng TMCP. Với mục tiêu thứ nhất, tác giả đã tham khảo hai lý thuyết là mô
hình điểm số “Z” của Atlman (2000) và lý thuyết thông tin bất cân xứng của
Auronen (2003); Richard (2011) và các nghiên cứu thực nghiệm để tổng hợp và
đề xuất các nhân tố tác động đến nợ xấu, bao gồm (1) tốc độ tăng trưởng tín dụng,
(2) khả năng sinh lời của tài sản, (3) dự phòng rủi ro, (4) tỷ lệ thất nghiệp, (5) tốc
độ tăng trưởng kinh tế, (6) tỷ lệ lạm phát.
▪ Thứ hai, nghiên cứu đã đo lường và đánh giá được mức độ tác động của các nhân
tố đến nợ xấu tại các Ngân hàng TMCP niêm yết trên HOSE. Với mục tiêu thứ hai,
tác giả áp dụng và lựa chọn mô hình hồi quy Pooled OLS, FEM, REM, REM hiệu
chỉnh để phân tích ảnh hưởng của các nhân tố trên đến nợ xấu của các Ngân hàng
TMCP niêm yết trên HOSE. Kết quả cho thấy có 5 biến có tác động có ý nghĩa
thống kê, bao gồm biến có tác động tích cực là (1) tốc độ tăng trưởng tín dụng, (2)
dự phòng rủi ro, (3) tốc độ tăng trưởng kinh tế; và 2 biến có tác động tiêu cực đến
nợ xấu là (4) khả năng sinh lời của tài sản, (5) tỷ lệ thất nghiệp.
▪ Thứ ba, nghiên cứu đã đề xuất được một số khuyến nghị nhằm quản lý nợ xấu tại
các Ngân hàng TMCP niêm yết trên HOSE. Với mục tiêu thứ ba, dựa trên kết quả
nghiên cứu, tác giả có đề xuất 3 khuyến nghị đối với các Ngân hàng TMCP tại Việt
Nam, 02 khuyến nghị đối với NHNN Việt Nam.
Mặc dù nghiên cứu đã đạt được những mục tiêu đã đề ra, nhưng tác giả cũng đã
thừa nhận luận văn vẫn còn một số hạn chế nhất định về (1) phạm vi nghiên cứu và (2)
70
số lượng biến được sử dụng trong mô hình hồi quy. Chính vì vậy, tác giả cũng định
hướng khắc phục các hạn chế này ở các nghiên cứu trong tương lai.
i
TÀI LIỆU THAM KHẢO
Tài liệu tiếng Việt

1. Nguyễn Đức Long (2021). Nhìn lại 35 năm đổi mới chính sách tiền tệ và hoạt
động của hệ thống ngân hàng Việt Nam. Tạp chí Ngân hàng số Chuyên đề đặc
biệt 2021.
Tham khảo từ: https://tapchinganhang.gov.vn/nhin-lai-35-nam-doi-moi-chinh-
sach-tien-te-va-hoat-dong-cua-he-thong-ngan-hang-viet-nam.htm.
2. Nguyễn Thị Ánh Hoa (2021). Các nhân tố ảnh hưởng đến nợ xấu của Ngân hàng
thương mại Việt Nam. Tạp chí Khoa học Trường Đại học Bà Rịa – Vũng Tàu. Số
01/09-2021.
3. Nguyễn Thành Đạt (2018). Các yếu tố ảnh hưởng đến nợ xấu của hệ thống Ngân
hàng Thương Mại Việt Nam. Tạp chí Khoa học, số 35 (12-2018), 25-30.
4. Nguyễn Thị Như Quỳnh, Lê Đình Luân và Lê Thị Hương Mai (2018). Các nhân tố
tác động đến nợ xấu tại các ngân hàng thương mại Việt Nam. Tạp chí khoa học đại
học mở Thành phố Hồ Chí Minh – Kinh tế và quản trị kinh doanh, 13(3), 261–274.
doi: 10.46223/HCMCOUJS.econ.vi.13.3.524.2018.
5. Phạm Hoàng Bảo Ngọc (2019). Các yếu tố tác động đến nợ xấu tại các Ngân hàng
Thương mại Cổ phần Việt Nam. Tham khảo từ
https://digital.lib.ueh.edu.vn/handle/UEH/59528.
6. Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018). Các yếu tố ảnh hưởng đến
nợ xấu của các ngân hàng thương mại cổ phần Việt Nam. Tạp chí Chính Sách & Thị
trường Tài chính-Tiền tệ, 194, 1–10.
7. Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021). Các yếu tố tác động đến nợ
xấu tại ngân hàng thương mại Việt Nam. Tạp chí Công thương số 24 (12-2021).
8. NHNN Việt Nam (2016). Thông tư 39/2016/TT-NHNN ngày 30/12/2016. Tham
khảo từ https://bit.ly/3IbFVCI
ii
9. NHNN Việt Nam (2019). Thông tư số 22/2019/TT-NHNN ngày 15/11/2019.

Tham khảo từ https://bit.ly/3o5aLGw.
10. NHNN Việt Nam (2021). Thông tư 11/2021/TT-NHNN ngày 30/ 07/2021. Tham
a
khảo từ https://bit.ly/42Yx3Iy.
11. NHNN Việt Nam (2021). Bức tranh nợ xấu của ngành Ngân hàng và một số kiến
nghị. Tham khảo từ shorturl.at/iryD2
12. Quốc hội (2010). Luật các TCTD số 47/2010/QH12 ngày 16/6/2010. Tham khảo
từ https://bit.ly/44YZ9p0
iii
Tài liệu tiếng Anh

13. Akerlof, G. A. (1970). The market for “lemons”: Quality uncertainty and the market
mechanism. The quarterly journal of economics, 84(3), 488-500.
14. Altman, (1968). Financial ratios, discriminant analysis, and the prediction of
corporate bankruptcy. Journal of Finance, 9, 589-609.
15. Altman, Edward I. (2000), Predicting Financial Distress of Companies: Revisiting
the Z-Score and Zeta Models,
http://pages.stern.nyu.edu/~ealtman/PredFnclDistr.pdf.
16. Auronen, L. (2003). Asymmetric information: Theory and applications. Seminar of
Strategy and International Business as Helsinki University of Technology, 167, 14–
18.
17. Baltagi, B. H., Bratberg, E., & Holmås, T. H. (2005). A panel data study of
physicians' labor supply: the case of Norway. Health Economics, 14(10), 1035-1045.
18. Barseghyan, L. (2010). Non-performing loans, prospective bailouts, and Japan’s
slowdown. Journal of Monetary economics, 57(7), 873–890.
https://doi.org/10.1016/j.jmoneco.2010.08.002.
19. Baudin, L. (1954). Irrationality in economics. The Quarterly Journal of Economics,
68(4), 487–502.
20. Berger, A., & DeYoung, R. (1997). Problem loas and cost efficiency commercial
banks. Journal of Banking and Finance, 21, 1-29.
21. Cleary, S. (1999). The relationship between firm investment and financial status.
The journal of finance, 54(2), 673-692.
22. Dimitrios, A., Helen, L., & Mike, T. (2016). Determinants of non-performing loans:
Evidence from Euro-area countries. Finance research letters, 18, 116–119.
https://doi.org/10.1016/j.frl.2016.04.008
23. IMF (2004). IMF Polication. International Monetary Fund.
24. Ghosh, A. (2015). Banking-industry specific and regional economic determinants of
non-performing loans: Evidence from US states. Journal of financial stability, 20,
93–104. https://doi.org/10.1016/j.jfs.2015.08.004.
iv
25. Hang, Hoang Thi Thanh, Doan Thanh Ha, and Bui Dan Thanh (2020). “Factors
Affecting Bad Debt in the Vietnam Commercial Banks.” Journal of Economics and
Business 3(2). doi: 10.31014/aior.1992.03.02.228.
26. Kagan, J. (2021). Credit Rating. Investopedia. August, 21, 2021.
27. Koju, L., Koju, R., & Wang, S. (2018). Macroeconomic and bank-specific
determinants of non-performing loans: Evidence from Nepalese banking system.
Journal of Central Banking Theory and Practice, 7(3), 111–138.
https://doi.org/10.2478/jcbtp-2018-0026.
28. Mac Donald, S., & Koch, T. (2006). Management of Banking (ed.). Thomson-South
Western, USA. ___Published by European Centre for Research Training and
Development UK ( www. eajournals. org).
29. Mishkin, F. S. (2007). The economics of money, banking, and financial markets.
Pearson education.
30. Moradi, Z. S., Mirzaeenejad, M., & Geraeenejad, G. (2016). Effect of Bank-Based
or Market Based Financial Systems on Income Distribution in Selected Countries.
Procedia Economics and Finance, 36, 510–521.
31. Rachman, R. A., Kadarusman, Y. B., Anggriono, K., & Setiadi, R. (2018). Bank-
specific factors affecting non-performing loans in developing countries: Case study
of Indonesia. The Journal of Asian Finance, Economics, and Business, 5(2), 35–42.
https://doi.org/10.13106/jafeb.2018.vol5.no2.35.
32. Radivojevic, N., & Jovovic, J. (2017). Examining of determinants of non-
performing loans. Prague Economic Papers, 26(3), 300–316.
https://doi.org/10.18267/j.pep.615
33. Rich, G., & Walter, C. (1993). The future of universal banking. Cato J., 13, 289.
34. Richard, E. (2011). Factors that cause non-performing loans in commercial banks in
tanzania and strategies to resolve them. Journal of Management Policy and Practice,
12(7), 50-58.
35. Hudgins, S. C. (2008). Bank management and financial services. McGraw-Hill
companies.
v
36. Soedarmono, W., & Tarazi, A. (2011). Bank Market Power, Economic Growth and
Financial Stability: Evidence from Asian Banks. Journal of Asian Economics, 22(6),
460–470.
vi
PHỤ LỤC 1
Bộ dữ liệu sử dụng trong nghiên cứu
STT Ngân hàng Năm NPL CG ROA UNEMP GDP LLR INF
1 BID 2012 0,026949 0,18645 0,005305 0,0103 0,066793 0,020333 0,006
2 BID 2013 0,022966 0,162283 0,007387 0,0132 0,059837 0,017708 0,0184
3 BID 2014 0,020627 0,177683 0,007666 0,0126 0,073092 0,015084 0,0279
4 BID 2015 0,017014 0,375838 0,007496 0,0185 0,0291 0,012721 0,0323
5 BID 2016 0,020219 0,23767 0,006189 0,0185 0,068122 0,014103 0,0353
6 BID 2017 0,016439 0,198844 0,005777 0,0187 0,070758 0,013266 0,0354
7 BID 2018 0,019258 0,141196 0,005744 0,0116 0,062108 0,012706 0,0474
8 BID 2019 0,017686 0,129087 0,005737 0,0204 0,0503 0,01838 0,0604
9 BID 2020 0,017879 0,08425 0,004763 0,0239 0,0589 0,022105 0,0681
10 BID 2021 0,01022 0,109007 0,006154 0,0217 0,0258 0,022132 0,0184
11 CTG 2012 0,014669 0,07528 0,012253 0,0103 0,066793 0,010456 0,006
12 CTG 2013 0,01002 0,071356 0,010077 0,0132 0,059837 0,011142 0,0184
13 CTG 2014 0,011151 0,107602 0,008661 0,0126 0,073092 0,010026 0,0279
14 CTG 2015 0,009166 0,165091 0,007334 0,0185 0,0291 0,008528 0,0323
15 CTG 2016 0,009037 0,167908 0,007229 0,0185 0,068122 0,010531 0,0353
16 CTG 2017 0,011397 0,194252 0,006811 0,0187 0,070758 0,010717 0,0354
17 CTG 2018 0,015629 0,088872 0,004652 0,0116 0,062108 0,01527 0,0474
18 CTG 2019 0,011562 0,082646 0,007638 0,0204 0,0503 0,03181 0,0604
19 CTG 2020 0,009375 0,087222 0,010256 0,0239 0,0589 0,02548 0,0681
20 CTG 2021 0,012648 0,101819 0,009281 0,0217 0,0258 0,02551 0,0184
21 VCB 2012 0,024033 0,185718 0,010681 0,0103 0,066793 0,026107 0,006
22 VCB 2013 0,027251 0,16564 0,009334 0,0132 0,059837 0,022376 0,0184
23 VCB 2014 0,023079 0,210785 0,007992 0,0126 0,073092 0,022401 0,0279
24 VCB 2015 0,018408 0,226822 0,007906 0,0185 0,0291 0,022711 0,0323
25 VCB 2016 0,015022 0,225863 0,008695 0,0185 0,068122 0,017947 0,0353
26 VCB 2017 0,011425 0,182549 0,0088 0,0187 0,070758 0,015155 0,0354
27 VCB 2018 0,009849 0,161122 0,013614 0,0116 0,062108 0,01656 0,0474
28 VCB 2019 0,0079 0,165253 0,015151 0,0204 0,0503 0,019412 0,0604
29 VCB 2020 0,006227 0,132896 0,013929 0,0239 0,0589 0,037209 0,0681
30 VCB 2021 0,006371 0,139211 0,015508 0,0217 0,0258 0,037253 0,0184
31 VPB 2012 0,027187 0,325112 0,008313 0,0103 0,066793 0,010883 0,006
32 VPB 2013 0,028096 0,48018 0,011173 0,0132 0,059837 0,010409 0,0184
vii
33 VPB 2014 0,025376 0,294267 0,009854 0,0126 0,073092 0,014538 0,0279

34 VPB 2015 0,026926 0,549372 0,012358 0,0185 0,0291 0,015138 0,0323
35 VPB 2016 0,02908 0,299181 0,017201 0,0185 0,068122 0,014658 0,0353
36 VPB 2017 0,033942 0,429046 0,023189 0,0187 0,070758 0,017532 0,0354
37 VPB 2018 0,034989 0,386559 0,022752 0,0116 0,062108 0,016332 0,0474
38 VPB 2019 0,034207 0,309075 0,021899 0,0204 0,0503 0,020348 0,0604
39 VPB 2020 0,034125 0,301251 0,024852 0,0239 0,0589 0,038145 0,0681
40 VPB 2021 0,045722 0,376311 0,020966 0,0217 0,0258 0,03819 0,0184
41 EIB 2012 0,013182 0,003666 0,012569 0,0103 0,066793 0,008357 0,006
42 EIB 2013 0,019822 0,112053 0,003878 0,0132 0,059837 0,008159 0,0184
43 EIB 2014 0,024606 0,042116 0,000348 0,0126 0,073092 0,011875 0,0279
44 EIB 2015 0,018587 -0,02594 0,00032 0,0185 0,0291 0,01037 0,0323
45 EIB 2016 0,029464 0,023065 0,002399 0,0185 0,068122 0,012427 0,0353
46 EIB 2017 0,022684 0,16829 0,005509 0,0187 0,070758 0,010532 0,0354
47 EIB 2018 0,018464 0,026957 0,004327 0,0116 0,062108 0,010405 0,0474
48 EIB 2019 0,017069 0,08945 0,00517 0,0204 0,0503 0,03304 0,0604
49 EIB 2020 0,025152 -0,11316 0,00667 0,0239 0,0589 0,025842 0,0681
50 EIB 2021 0,019597 0,138917 0,005822 0,0217 0,0258 0,025873 0,0184
51 HDB 2012 0,023528 0,528577 0,006184 0,0103 0,066793 0,010264 0,006
52 HDB 2013 0,036718 1,068167 0,002524 0,0132 0,059837 0,009329 0,0184
53 HDB 2014 0,022711 -0,04209 0,004792 0,0126 0,073092 0,011651 0,0279
54 HDB 2015 0,015861 0,34557 0,005917 0,0185 0,0291 0,012633 0,0323
55 HDB 2016 0,014579 0,455672 0,006085 0,0185 0,068122 0,011322 0,0353
56 HDB 2017 0,015151 0,270987 0,010323 0,0187 0,070758 0,011232 0,0354
57 HDB 2018 0,015308 0,178595 0,014818 0,0116 0,062108 0,011002 0,0474
58 HDB 2019 0,013645 0,188091 0,01752 0,0204 0,0503 0,03427 0,0604
59 HDB 2020 0,01322 0,218992 0,014562 0,0239 0,0589 0,026098 0,0681
60 HDB 2021 0,016535 0,138168 0,017227 0,0217 0,0258 0,026129 0,0184
61 MBB 2012 0,018417 0,262518 0,013211 0,0103 0,066793 0,018852 0,006
62 MBB 2013 0,024459 0,172768 0,012668 0,0132 0,059837 0,017942 0,0184
63 MBB 2014 0,027299 0,143342 0,012484 0,0126 0,073092 0,025103 0,0279
64 MBB 2015 0,016066 0,216765 0,011365 0,0185 0,0291 0,016556 0,0323
65 MBB 2016 0,013183 0,245578 0,011253 0,0185 0,068122 0,013789 0,0353
66 MBB 2017 0,01204 0,224465 0,01112 0,0187 0,070758 0,011676 0,0354
67 MBB 2018 0,013212 0,161552 0,017084 0,0116 0,062108 0,015184 0,0474
68 MBB 2019 0,011575 0,1686 0,019608 0,0204 0,0503 0,011277 0,0604
viii
69 MBB 2020 0,024711 0,189427 0,017387 0,0239 0,0589 0,029159 0,0681

70 MBB 2021 0,008989 0,207028 0,021777 0,0217 0,0258 0,029194 0,0184
71 STB 2012 0,020482 0,190166 0,006589 0,0103 0,066793 0,010197 0,006
72 STB 2013 0,014561 0,150983 0,013813 0,0132 0,059837 0,015246 0,0184
73 STB 2014 0,011893 0,159612 0,011625 0,0126 0,073092 0,010809 0,0279
74 STB 2015 0,018552 0,449945 0,003918 0,0185 0,0291 0,012288 0,0323
75 STB 2016 0,069121 0,069696 0,000267 0,0185 0,068122 0,012379 0,0353
76 STB 2017 0,046669 0,12101 0,003207 0,0187 0,070758 0,012484 0,0354
77 STB 2018 0,021149 0,149422 0,004409 0,0116 0,062108 0,013918 0,0474
78 STB 2019 0,019367 0,153926 0,005412 0,0204 0,0503 0,012857 0,0604
79 STB 2020 0,016987 0,146532 0,005445 0,0239 0,0589 0,030653 0,0681
80 STB 2021 0,01475 0,137844 0,006547 0,0217 0,0258 0,03069 0,0184
81 TCB 2012 0,026962 0,073109 0,004255 0,0103 0,066793 0,014211 0,006
82 TCB 2013 0,036517 0,029081 0,004148 0,0132 0,059837 0,016759 0,0184
83 TCB 2014 0,023831 0,148492 0,00615 0,0126 0,073092 0,012096 0,0279
84 TCB 2015 0,016614 0,392116 0,007965 0,0185 0,0291 0,010489 0,0323
85 TCB 2016 0,015751 0,277556 0,013379 0,0185 0,068122 0,010597 0,0353
86 TCB 2017 0,016064 0,126445 0,023926 0,0187 0,070758 0,011855 0,0354
87 TCB 2018 0,017528 -0,00887 0,0264 0,0116 0,062108 0,015138 0,0474
88 TCB 2019 0,013336 0,446394 0,026652 0,0204 0,0503 0,015985 0,0604
89 TCB 2020 0,004667 0,208109 0,028622 0,0239 0,0589 0,033782 0,0681
90 TCB 2021 0,006604 0,248066 0,03238 0,0217 0,0258 0,033822 0,0184
91 TPB 2012 0,036625 0,662128 0,007695 0,0103 0,066793 0 0,006
92 TPB 2013 0,023252 0,971343 0,011886 0,0132 0,059837 0,01547 0,0184
93 TPB 2014 0,012169 0,663117 0,01041 0,0126 0,073092 0,010141 0,0279
94 TPB 2015 0,008066 0,424537 0,007375 0,0185 0,0291 0,009388 0,0323
95 TPB 2016 0,007501 0,652519 0,005343 0,0185 0,068122 0,008854 0,0353
96 TPB 2017 0,010863 0,357194 0,007764 0,0187 0,070758 0,010752 0,0354
97 TPB 2018 0,011159 0,215899 0,013256 0,0116 0,062108 0,011664 0,0474
98 TPB 2019 0,012913 0,237762 0,018815 0,0204 0,0503 0,019388 0,0604
99 TPB 2020 0,011838 0,250428 0,017014 0,0239 0,0589 0,037185 0,0681
100 TPB 2021 0,008191 0,181039 0,016492 0,0217 0,0258 0,037229 0,0184
101 VIB 2012 0,024951 -0,22183 0,008003 0,0103 0,066793 0,016061 0,006
102 VIB 2013 0,028205 0,030021 0,000654 0,0132 0,059837 0,017236 0,0184
103 VIB 2014 0,025142 0,086744 0,00648 0,0126 0,073092 0,023846 0,0279
104 VIB 2015 0,020704 0,261065 0,00618 0,0185 0,0291 0,016002 0,0323
ix
105 VIB 2016 0,025752 0,258158 0,005375 0,0185 0,068122 0,01716 0,0353
106 VIB 2017 0,024876 0,333901 0,009129 0,0187 0,070758 0,011972 0,0354
107 VIB 2018 0,025189 0,207067 0,015765 0,0116 0,062108 0,009214 0,0474
108 VIB 2019 0,019633 0,342775 0,017701 0,0204 0,0503 0,019733 0,0604
109 VIB 2020 0,017446 0,311599 0,018973 0,0239 0,0589 0,037529 0,0681
110 VIB 2021 0,023175 0,186827 0,020709 0,0217 0,0258 0,037574 0,0184
111 ACB 2012 0,025006 -0,00501 0,004447 0,0103 0,066793 0,009688 0,006
112 ACB 2013 0,030253 0,042732 0,004961 0,0132 0,059837 0,014826 0,0184
113 ACB 2014 0,021778 0,08617 0,005299 0,0126 0,073092 0,013759 0,0279
114 ACB 2015 0,013082 0,154653 0,005104 0,0185 0,0291 0,011515 0,0323
115 ACB 2016 0,008694 0,219739 0,005671 0,0185 0,068122 0,011118 0,0353
116 ACB 2017 0,007 0,216976 0,00745 0,0187 0,070758 0,009379 0,0354
117 ACB 2018 0,007266 0,159224 0,015598 0,0116 0,062108 0,011159 0,0474
118 ACB 2019 0,005394 0,167477 0,015671 0,0204 0,0503 0,01504 0,0604
119 ACB 2020 0,014417 0,159164 0,017283 0,0239 0,0589 0,020989 0,0681
120 ACB 2021 0,007735 0,154029 0,018195 0,0217 0,0258 0,021014 0,0184
121 LPB 2012 0,0271 0,818965 0,013072 0,0103 0,066793 0,009269 0,006
122 LPB 2013 0,0248 0,259331 0,007115 0,0132 0,059837 0,017858 0,0184
123 LPB 2014 0,011 0,409665 0,004628 0,0126 0,073092 0,0116 0,0279
124 LPB 2015 0,009662 0,359039 0,003252 0,0185 0,0291 0,012524 0,0323
125 LPB 2016 0,011139 0,418887 0,007492 0,0185 0,068122 0,01233 0,0353
126 LPB 2017 0,010673 0,262828 0,008371 0,0187 0,070758 0,012369 0,0354
127 LPB 2018 0,014099 0,184307 0,005482 0,0116 0,062108 0,012598 0,0474
128 LPB 2019 0,014448 0,179182 0,00792 0,0204 0,0503 0,03427 0,0604
129 LPB 2020 0,014309 0,256151 0,007683 0,0239 0,0589 0,026407 0,0681
130 LPB 2021 0,013292 0,180246 0,009935 0,0217 0,0258 0,026439 0,0184
131 MSB 2012 0,026453 -0,39585 0,013072 0,0103 0,066793 0,009749 0,006
132 MSB 2013 0,027076 0,281821 0,007115 0,0132 0,059837 0,026624 0,0184
133 MSB 2014 0,051588 0,409665 0,004628 0,0126 0,073092 0,02364 0,0279
134 MSB 2015 0,034107 0,359039 0,003252 0,0185 0,0291 0,021868 0,0323
135 MSB 2016 0,023644 -0,37504 0,001512 0,0185 0,068122 0,013039 0,0353
136 MSB 2017 0,022268 0,032222 0,001087 0,0187 0,070758 0,01199 0,0354
137 MSB 2018 0,030062 0,334913 0,006303 0,0116 0,062108 0,020807 0,0474
138 MSB 2019 0,020449 0,312759 0,006648 0,0204 0,0503 0,011393 0,0604
139 MSB 2020 0,019632 0,251788 0,011382 0,0239 0,0589 0,02919 0,0681
140 MSB 2021 0,017416 0,272343 0,019811 0,0217 0,0258 0,029225 0,0184
x
PHỤ LỤC 2
Các bước xử lý dữ liệu
Bước 1. Thống kê mô tả các biến số
Bước 2. Ma trận tương quan giữa các biến số

xi
Bước 3. Kiểm định sự tương quan giữa các biến số
Bước 4. Ước lượng mô hình hồi quy theo phương pháp Pooled OLS
xii
xiii
Kiểm định hiện tượng phương sai thay đổi
P-value >5%: Chấp nhận H0 (i.e. không có đủ cơ sở để bác bỏ H0)→ Không có hiện
tượng phương sai thay đổi trong mô hình hồi quy
Kiểm định tự tương quan
P-value >5%, chấp nhận H0, không có sự tự tương quan trong mô hình hồi quy
xiv
Bước 5. Ước lượng FEM
Giả thuyết H0 bị bác bỏ, chứng tỏ có ảnh hưởng cố định trong mô hình ước lượng
Kiểm định Modified Wald trong FEM

xv
P-value <5%, Giả thuyết H0 bị bác bỏ, chứng tỏ có hiện tượng phương sai thay đổi trong
mô hình ước lượng ban đầu, xử lý vce(cluster economy) dành cho T nhỏ, N lớn.
Bước 6. Ước lượng REM

xvi
Kiểm định ảnh hưởng ngẫu nhiên
P-value <5%: Giả thuyết H0 bị bác bỏ chứng tỏ có ảnh hưởng ngẫu nhiên trong mô hình
ước lượng → REM là mô hình phù hợp hơn OLS
Kiểm định Hausman
estimates store fixed
estimates store random
H0: Sự khác biệt ảnh hưởng của các biến không mang tính hệ thống
xvii
P-value > 5%, không đủ cơ sở bác bỏ H0, REM hợp lý hơn FEM → nên sử dụng
REM
Mô hình tác động ngẫu nhiên hiệu chỉnh

25 Nguyen Ngoc Hieu PDF

Uploaded by

Document Information

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

25 Nguyen Ngoc Hieu PDF

Uploaded by

Copyright:

Available Formats

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

TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH

NGUYỄN NGỌC HIẾU

CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU

LUẬN VĂN THẠC SĨ

Chuyên ngành: Tài chính Ngân hàng

Thành phố Hồ Chí Minh - Năm 2023

NGUYỄN NGỌC HIẾU

CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU

LUẬN VĂN THẠC SĨ

NGƯỜI HƯỚNG DẪN KHOA HỌC

Thành phố Hồ Chí Minh - Năm 2023

LỜI CAM ĐOAN

Nguyễn Ngọc Hiếu

TÓM TẮT LUẬN VĂN

DANH MỤC TỪ VIẾT TẮT TIẾNG VIỆT

Từ viết tắt Cụm từ tiếng Việt

DANH MỤC TỪ VIẾT TẮT TIẾNG ANH

Đã Cụm từ tiếng Anh Cụm từ tiếng Việt

4.2.3. Kết quả phân tích hồi quy....................................................................................56

DANH MỤC BẢNG

DANH MỤC HÌNH

CHƯƠNG 1. GIỚI THIỆU TỔNG QUAN

1.1. Lý do chọn đề tài

13 Ngân hàng TMCP Bưu điện Liên Việt LPB HOSE

1.6. Bố cục của đề tài

dữ liệu phục vụ cho nghiên cứu.

CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

CHƯƠNG 2. CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC

2.1. Khái quát chung về Ngân hàng TMCP

lãi và gốc từ 90 ngày trở lên (Rose, 2004).

Bảng 2.3. Phân loại nhóm nợ

lợi nhuận trước thuế và tiền lãi

thị giá cổ phiếu

CG (Credit Growth - Tốc độ tăng trưởng tín

ROAA (Profitability - Lợi nhuận)

NPL (Non-performing Loan

CAP (Capital - Tỷ lệ vốn chủ sở hữu trên tài sản)

DIV (Income Diversification - Tỷ lệ thu nhập

Hình 2.1. Mô hình nghiên cứu của Rachman và ctg (2018)

ROA (Return on total assets - Lợi nhuận

ROE (Return on common equyty - Lợi

LTD (loan-to-deposit ratio - Tỷ lệ cho

UNEMP (Unemployment - Tỷ lệ thất NPLs (Non-performing Loans

TAXINC (Taxed (personal) income -

FISCAL (Government budget balance -

DEBT (The general gross government

Hình 2.2. Mô hình nghiên cứu của Dimitrios và ctg (2016)

GDP (The gross domestic product - Tổng

UNR (The unemployment rate - Tỷ lệ thất

INF (The inflation rate - Tỷ Lệ lạm phát)

NEER (The nominal effective exchange rate NPLs (the non-performing

HPI (The house price index - Chỉ số giá nhà)

ROE (The return on equity - Lợi nhuận trên

ROA (The return on assets - Lợi nhuận trên

Hình 2.3. Mô hình nghiên cứu của Radivojevic và Jovovic (2017)

IS (The interest spreads - Chênh lệch lãi suất)

BS (The bank size - Quy mô ngân hàng)

CAR (The capital adequacy ratio - tỷ lệ an toàn vốn) NPLs

IR (The inflation rate - Tỷ lệ lạm phát)

RE (The remittance rate - Tỷ lệ kiều hối)

Hình 2.4. Mô hình nghiên cứu của Koju và ctg (2018)

ROE (Profitability - Lợi nhuận)

GDP (Economic growth - Tăng trưởng kinh tế)