Tổng quan về luận án

Luận án này tập trung nghiên cứu sâu sắc về phương pháp và quy trình phân tích tài chính Doanh nghiệp nhỏ và vừa (DNNVV) tại các Ngân hàng thương mại cổ phần (NHTMCP) của Việt Nam, đặt trong bối cảnh nền kinh tế số và cách mạng công nghiệp 4.0 đang thay đổi nhanh chóng. Bối cảnh khoa học của nghiên cứu được hình thành từ thực tế vai trò ngày càng tăng của DNNVV trong nền kinh tế Việt Nam, khi chúng "Chiếm 97,14% tổng số doanh nghiệp tại Việt Nam và đóng góp trực tiếp gần 50% GDP hàng năm, 33% thu ngân sách cả nước, 45% vốn đầu tư thực hiện toàn xã hội" (Mở đầu). Tuy nhiên, năng lực cạnh tranh thấp và hạn chế trong tiếp cận nguồn vốn khiến DNNVV dễ bị tổn thương, kéo theo nguy cơ nợ xấu gia tăng cho các NHTMCP. Nghiên cứu này tiên phong trong việc giải quyết một khoảng trống then chốt trong tài liệu khoa học: "Trong khi đã có nhiều đề tài nghiên cứu về nhu cầu vay vốn ngân hàng của các DNNVN thì lại có rất ít đề tài đề cập theo chiều ngược lại đứng dưới góc độ của một ngân hàng" (Mở đầu). Cụ thể hơn, chưa có nghiên cứu chuyên sâu về quy trình và phương pháp phân tích tài chính đối với nhóm khách hàng DNNVV mang tính đặc thù cao trong hệ thống NHTMCP Việt Nam.

Mục tiêu chính của luận án là giải quyết ba Research Questions cốt lõi:

  1. Hệ thống hóa những vấn đề lý luận cơ bản về phương pháp, quy trình phân tích tài chính DNNVV trong các NHTM hiện như thế nào?
  2. Thực trạng phương pháp, quy trình phân tích tài chính DNNVV trong các NHTMCP của Việt Nam hiện ra sao?
  3. Giải pháp cần đề ra để hoàn thiện phương pháp, quy trình phân tích tài chính DNNVV trong các NHTMCP của Việt Nam là gì?

Hypotheses được phát triển dựa trên các khảo sát và phân tích thực nghiệm, điển hình như giả thuyết về mối quan hệ giữa quy mô doanh nghiệp, cơ cấu nguồn vốn, cơ cấu tài sản, năng lực hoạt động và tỷ suất lợi nhuận trên doanh thu với khả năng sinh lời vốn chủ sở hữu (ROE) của DNNVV. Khung lý thuyết được xây dựng dựa trên sự tổng hợp các lý thuyết về phân tích tài chính doanh nghiệp như Mô hình DuPont (F.Donaldson Brown, 1914), kết hợp với các lý thuyết quản trị rủi ro tín dụng và hiệu quả hoạt động ngân hàng.

Luận án mang lại những đóng góp đột phá với tác động định lượng rõ rệt. Thứ nhất, nó khái quát và hình thành quan điểm riêng về phương pháp và quy trình phân tích tài chính DNNVV tại các NHTM, lấp đầy một khoảng trống lý luận quan trọng. Thứ hai, thông qua việc ứng dụng phân tích bao dữ liệu (DEA) và mô hình hồi quy sai số chuẩn hiệu chỉnh bảng (PCSE), nghiên cứu này cung cấp bằng chứng thực nghiệm cụ thể về các nhân tố tác động đến hiệu quả phân tích và khả năng sinh lời của DNNVV, với hệ số xác định mô hình hồi quy ROE đạt 0,5590. Thứ ba, luận án đề xuất các giải pháp hoàn thiện phương pháp và quy trình phân tích tài chính, bao gồm việc xây dựng trung tâm dữ liệu doanh nghiệp toàn diện, ước tính tiềm năng gia tăng tín dụng cho DNNVV lên đến hơn 50% (từ 798.000 tỷ lên xấp xỉ 1.200.000 tỷ từ năm 2011 đến năm 2016, theo số liệu Ngân hàng Nhà nước).

Phạm vi nghiên cứu tập trung vào hệ thống lý luận và thực tiễn về phương pháp và quy trình phân tích tài chính DNNVV tại các NHTMCP của Việt Nam. Dữ liệu được thu thập từ khảo sát 60 cán bộ ngân hàng trên 300 phiếu điều tra tại các NHTMCP lớn và trung bình ở Việt Nam, cùng với dữ liệu tài chính của 9 DNNVV trong giai đoạn 2010-2018, tạo ra 81 quan sát cho mô hình kinh tế lượng. Nghiên cứu này có ý nghĩa quan trọng trong việc nâng cao chất lượng thẩm định tín dụng, giảm thiểu rủi ro cho các NHTMCP và tạo điều kiện thuận lợi hơn cho DNNVV tiếp cận nguồn vốn, góp phần vào sự phát triển bền vững của nền kinh tế.

Literature Review và Positioning

Luận án đã thực hiện tổng quan tài liệu sâu rộng, tổng hợp các luồng nghiên cứu chính về phân tích tài chính doanh nghiệp và DNNVV. Các nghiên cứu về phương pháp phân tích tài chính đã được hệ thống hóa, từ Mô hình DuPont (F.Donaldson Brown, 1914) đến các công trình của GS,TS. Ngô Thế Chi, GS,TS. Đoàn Xuân Tiên, GS,TS. Vương Đình Huệ (1995), GS,TS. Nguyễn Đình Đỗ và PGS,TS. Nguyễn Trọng Cơ (2005), và PGS. Nguyễn Ngọc Quang (2016), nhấn mạnh các phương pháp như so sánh, tỷ lệ, liên hệ đối chiếu, phân tích nhân tố, và dự đoán. Các tài liệu học tập của TS Đỗ Thị Vân Trang (2018) cũng được xem xét, khuyến nghị sử dụng biểu đồ và tiêu chuẩn ngành.

Về quy trình phân tích tài chính, luận án đã tổng hợp các quan điểm từ Giáo sư Harvey B. Lermack (2003) về 12 bước cơ bản, cũng như các nghiên cứu của Phạm Thành Long (2008) và Nguyễn Lê Hoa (2017), những người đề xuất xây dựng quy trình phân tích cụ thể theo các giai đoạn như lập kế hoạch, tiến hành phân tích và kết thúc phân tích. Nghiên cứu của Nguyễn Thế Anh (2018) về thẩm định năng lực tài chính DNNVV tại NHTMCP Quân đội cũng cung cấp cái nhìn thực tiễn về các giải pháp trong từng khâu thẩm định.

Luận án đã làm rõ những mâu thuẫn và tranh luận trong tài liệu hiện có. Ví dụ, trong khi một số nghiên cứu (như của Quang Minh, 2015) đề cập đến các phương pháp phân tích tài chính doanh nghiệp nói chung, lại thiếu đi sự tập trung vào đặc thù của DNNVV – nhóm đối tượng có độ nhạy cao và thông tin tài chính kém minh bạch hơn. Hơn nữa, bối cảnh kinh tế số và sự thay đổi nhanh chóng của công nghệ hiện nay đòi hỏi một cách tiếp cận mới mẻ hơn trong phân tích tài chính mà các nghiên cứu trước đây chưa thực sự đi sâu.

Vị trí của luận án được xác định rõ ràng thông qua việc lấp đầy một khoảng trống nghiên cứu cụ thể: "Đã có nhiều nghiên cứu về phân tích tài chính doanh nghiệp trong các ngân hàng, tuy nhiên chưa có nghiên cứu nào đi sâu vào nghiên cứu quy trình, phương pháp phân tích tài chính đối với nhóm khách hàng mang tính đặc thù cao là các DNNVV" (Mở đầu). Nghiên cứu này tiến xa hơn bằng cách làm rõ thực trạng và đưa ra giải pháp hoàn thiện hơn quy trình, phương pháp phân tích tài chính DNNVV trong NHTMCP của Việt Nam, đặc biệt chú trọng bối cảnh cách mạng khoa học công nghệ hiện nay.

Nghiên cứu này thúc đẩy lĩnh vực bằng cách tích hợp các mô hình định lượng tiên tiến như DEA và hồi quy PCSE vào việc đánh giá và hoàn thiện quy trình phân tích tài chính, cung cấp cái nhìn định lượng về hiệu quả và các yếu tố ảnh hưởng.

So sánh với các nghiên cứu quốc tế:

  1. Thornson Reuters: Luận án so sánh với quy trình phân tích tài chính doanh nghiệp của Thornson Reuters, một tổ chức tài chính quốc tế có quy trình bài bản với việc so sánh số liệu giữa các năm và phân tích các chỉ tiêu tài chính. Tuy nhiên, luận án chỉ ra rằng các NHTMCP Việt Nam cần bổ sung so sánh với chỉ tiêu trung bình ngành và áp dụng phương pháp đồ thị để trực quan hóa dữ liệu tốt hơn.
  2. Ngân hàng ADB: Luận án tham chiếu kinh nghiệm của Ngân hàng ADB, nơi sử dụng phương pháp phân tích thành tố cơ bản (PCA) và phân tích nhóm (Cluster Analysis) để giảm độ phức tạp của dữ liệu và xếp loại DNNVV dựa trên tiềm lực tài chính. Bài học từ ADB nhấn mạnh việc đơn giản hóa dữ liệu và nhóm hóa các doanh nghiệp có đặc điểm tương đồng, một khía cạnh mà các NHTMCP Việt Nam có thể học hỏi để tối ưu hóa việc phân tích.
  3. Ngân hàng thương mại Nhật Bản: Luận án đặc biệt nhấn mạnh mô hình Dữ liệu nền tảng rủi ro tín dụng (Credit Risk Database - CRD) của Nhật Bản, được xây dựng từ 52 tổ chức tín dụng và công ty xếp hạng tín nhiệm, bao gồm dữ liệu tài chính và phi tài chính của 2.000 DNNVV liên kết và 1.000 DNNVV tư nhân. CRD sử dụng các mô hình chấm điểm (loại A, B, C) dựa trên đánh giá chuyên gia và mô hình logistic để ước tính xác suất vỡ nợ (Probability of Default). Kinh nghiệm này là nền tảng cho đề xuất xây dựng trung tâm dữ liệu doanh nghiệp tại Việt Nam nhằm tăng cường tính chính xác và bao quát của thông tin.
  4. Ngân hàng ICICI Ấn Độ: Phương pháp "360 độ" của ICICI, được hỗ trợ bởi công cụ "RM WorkBench" và các thẻ tính điểm tín dụng theo ngành/phân khúc thị trường, là một minh chứng về việc kết hợp dữ liệu định lượng và phân tích định tính (việc tới cơ sở, mối giới thiệu cá nhân) để đánh giá rủi ro tín dụng. Điều này cung cấp một khuôn mẫu hữu ích cho các NHTMCP Việt Nam trong việc phát triển quy trình đa chiều và linh hoạt hơn, đặc biệt khi chất lượng BCTC của DNNVV còn hạn chế.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này mở rộng và thách thức các lý thuyết hiện có về phân tích tài chính doanh nghiệp bằng cách tập trung vào bối cảnh đặc thù của Doanh nghiệp nhỏ và vừa (DNNVV) tại Ngân hàng thương mại cổ phần (NHTMCP) Việt Nam. Cụ thể, nghiên cứu không chỉ áp dụng các nguyên lý của Mô hình DuPont (F.Donaldson Brown, 1914) trong việc phân tích khả năng sinh lời mà còn mở rộng nó để tích hợp các nhân tố đặc thù của DNNVV và cơ chế thẩm định của ngân hàng. Một đóng góp lý thuyết nổi bật là luận án đã khái quát và hình thành quan điểm riêng về phương pháp và quy trình phân tích tài chính DNNVV tại các NHTM, điều mà các nghiên cứu trước đây thường tiếp cận từ góc độ doanh nghiệp hoặc ngân hàng tổng quát, nhưng chưa chuyên biệt hóa cho nhóm khách hàng này. Điều này bao gồm việc nhấn mạnh sự cần thiết của việc thu thập và xử lý thông tin phi tài chính, cũng như các yếu tố định tính, để bổ sung cho các phân tích tài chính truyền thống, đặc biệt khi thông tin tài chính của DNNVV thường kém minh bạch.

Khung khái niệm của luận án tích hợp các thành phần cốt lõi: (1) Nhu cầu và đặc thù của DNNVV, (2) Quy trình và phương pháp phân tích tài chính của NHTMCP, và (3) Các nhân tố ảnh hưởng đến hiệu quả phân tích (khách quan và chủ quan). Mối quan hệ giữa các thành phần này được xây dựng trên cơ sở lý thuyết đại diện (Agency Theory) và lý thuyết thông tin bất đối xứng, giải thích tại sao NHTMCP cần một quy trình phân tích đặc thù để giảm thiểu rủi ro khi cho vay DNNVV.

Mô hình lý thuyết được đề xuất bao gồm các giả thuyết về mối quan hệ giữa các nhân tố nội tại doanh nghiệp (Quy mô hoạt động, Cơ cấu nguồn vốn, Cơ cấu tài sản, Năng lực hoạt động, Tỷ suất lợi nhuận trên doanh thu) và khả năng sinh lời vốn chủ sở hữu (ROE) của DNNVV. Các giả thuyết này được kiểm định bằng mô hình kinh tế lượng, cung cấp bằng chứng cho thấy sự tác động của từng nhân tố. Ví dụ, mô hình hồi quy PCSE chỉ ra rằng "Hệ số góc của khả năng sinh lời hoạt động là 1,24817 có nghĩa là hệ số sinh lời hoạt động thay đổi 1 đơn vị, trong điều kiện các nhân tố khác không đổi, sẽ làm hệ số sinh lời vốn chủ sở hữu thay đổi 1,24817 đơn vị" (Bảng 3.10), củng cố giả thuyết về mối quan hệ cùng chiều mạnh mẽ.

Luận án không đề xuất một thay đổi mô hình (paradigm shift) hoàn toàn mới trong tài chính ngân hàng, nhưng lại thúc đẩy một sự tiến hóa đáng kể trong thực tiễn. Nó cung cấp bằng chứng từ thực tiễn khảo sát 60 cán bộ ngân hàng cho thấy sự thiếu hụt về chất lượng thông tin và phương pháp phân tích, tạo ra nhu cầu bức thiết về việc áp dụng các phương pháp và quy trình khoa học, chặt chẽ hơn để giảm thiểu rủi ro và tối ưu hóa hoạt động tín dụng, qua đó thay đổi cách thức ngân hàng tương tác và đánh giá DNNVV.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp ba lý thuyết chính:

  1. Lý thuyết thông tin bất đối xứng: Giải thích những khó khăn của DNNVV trong việc tiếp cận vốn và tầm quan trọng của việc ngân hàng thu thập và xử lý thông tin chính xác.
  2. Lý thuyết quản trị rủi ro tín dụng: Làm cơ sở cho việc phát triển các phương pháp và quy trình thẩm định nhằm giảm thiểu rủi ro nợ xấu.
  3. Lý thuyết hiệu quả kỹ thuật (Technical Efficiency) và hiệu quả quy mô (Scale Efficiency) từ Data Envelopment Analysis (DEA): Cho phép đánh giá và tối ưu hóa hiệu quả của quy trình phân tích tài chính, coi các bước trong quy trình như "đầu vào" và kết quả đánh giá như "đầu ra".

Cách tiếp cận phân tích mới mẻ nằm ở sự kết hợp giữa phân tích định tính về thực trạng và kinh nghiệm quốc tế với các phương pháp định lượng phức tạp. Cụ thể, luận án sử dụng:

  • Mô hình DEA tối đa hóa đầu ra (output-oriented DEA): Để đánh giá hiệu quả của các yếu tố cấu thành quy trình phân tích (Quy trình, Phương pháp, Dữ liệu là các đơn vị ra quyết định - DMU). Điều này cho phép xác định những điểm kém hiệu quả và các yếu tố cần tối ưu hóa trong quá trình phân tích tài chính DNNVV.
  • Mô hình hồi quy PCSE: Để lượng hóa tác động của các nhân tố nội tại doanh nghiệp đến khả năng sinh lời (ROE), cung cấp cái nhìn sâu sắc về các yếu tố rủi ro và tiềm năng.
  • Phương pháp phân tích SWOT: Được bổ sung để cung cấp một cái nhìn tổng thể, định tính về doanh nghiệp, cân bằng với các phân tích định lượng.

Đóng góp khái niệm bao gồm định nghĩa rõ ràng về "Phương pháp phân tích tài chính DNNVV tại NHTM" như "cách thức, công cụ, kỹ thuật, biện pháp phù hợp để NHTM tiếp cận, thu thập, xử lý thông tin dữ liệu về khách hàng DNNVV (kể cả thông tin tài chính và thông tin phi tài chính) nhằm đánh giá tình hình tài chính của DNNVV trong quá khứ và hiện tại, dự báo tài chính DNNVV trong tương lai giúp NHTM đưa ra được các quyết định phù hợp và đạt được mục tiêu." Luận án cũng định nghĩa lại "Quy trình phân tích tài chính DNNVV tại các NHTM" là "trình tự, thứ tự, cách thức, thủ tục mà NHTM quy định để phân tích tài chính khách hàng DNNVV trong hoạt động tín dụng nhằm đạt được mục tiêu."

Điều kiện ranh giới được nêu rõ: Các giải pháp và kết luận chủ yếu áp dụng cho bối cảnh các NHTMCP của Việt Nam, chịu ảnh hưởng bởi đặc thù thị trường, hành lang pháp lý và chất lượng thông tin tài chính của DNNVV tại Việt Nam. Mặc dù có tham chiếu quốc tế, việc áp dụng cần có sự điều chỉnh phù hợp với điều kiện địa phương.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thiết kế nghiên cứu của luận án là một cách tiếp cận phương pháp hỗn hợp (mixed methods), kết hợp cả phương pháp định lượng và định tính nhằm cung cấp cái nhìn toàn diện và sâu sắc về phương pháp và quy trình phân tích tài chính DNNVV tại các NHTMCP.

Triết lý nghiên cứu của luận án mang tính thực dụng (pragmatism), tập trung vào việc giải quyết một vấn đề thực tiễn (hoàn thiện quy trình và phương pháp phân tích tài chính) bằng cách sử dụng các công cụ và phương pháp phù hợp nhất, bất kể chúng thuộc về trường phái positivism hay interpretivism. Phần định lượng (khảo sát, mô hình DEA, hồi quy kinh tế lượng) phản ánh một lập trường nhận thức luận positivist, tìm cách xác định các mối quan hệ nhân quả và định lượng hiệu quả. Trong khi đó, phần định tính (mô tả thực trạng, phỏng vấn, kinh nghiệm quốc tế) thể hiện lập trường nhận thức luận interpretivist, nhằm hiểu sâu sắc các bối cảnh, thực tiễn và yếu tố chủ quan ảnh hưởng đến quá trình phân tích.

Thiết kế nghiên cứu bao gồm sự kết hợp cụ thể của:

  • Nghiên cứu định lượng: Khảo sát diện rộng và phân tích mô hình toán học/kinh tế lượng.
  • Nghiên cứu định tính: Mô tả thực trạng, phân tích các yếu tố môi trường kinh doanh và kinh nghiệm quốc tế.

Thiết kế này không phải là thiết kế đa cấp (multi-level design) theo nghĩa phân tích dữ liệu ở nhiều cấp độ lồng ghép (ví dụ: cá nhân trong tổ chức), mà tập trung vào việc phân tích các yếu tố ở cấp độ NHTMCP và DNNVV.

Cỡ mẫu và tiêu chí lựa chọn chính xác:

  • Khảo sát sơ cấp: 300 phiếu điều tra được phát ra tới "CBPT (bộ phận trực tiếp tiếp xúc với DNNVV), cán bộ phê duyệt thẩm định (theo phân cấp có thể ở phòng giao dịch, chi nhánh hoặc tập trung trên Hội sở), bộ phận phân tích, quản trị rủi ro của Hội sở các NHTMCP". Tỷ lệ phản hồi đạt 60 phiếu (20%), cung cấp dữ liệu cho phân tích thực trạng và mô hình DEA.
  • Mô hình kinh tế lượng: Dữ liệu bảng cân bằng của 9 DNNVV từ năm 2010 – 2018, tạo ra 81 quan sát. Tiêu chí lựa chọn dựa trên khả năng thu thập đầy đủ báo cáo tài chính và các tài liệu liên quan để xây dựng các biến.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thực hiện một cách chặt chẽ để đảm bảo tính xác thực và độ tin cậy của kết quả.

Chiến lược lấy mẫu:

  • Đối với khảo sát: Lấy mẫu thuận tiện (convenience sampling) và lấy mẫu mục đích (purposive sampling) bằng cách gửi phiếu điều tra tới các cán bộ ngân hàng có kinh nghiệm trực tiếp làm việc với DNNVV tại các NHTMCP.
  • Đối với mô hình kinh tế lượng: Lấy mẫu chọn lọc (selection sampling) 9 DNNVV với dữ liệu tài chính liên tục trong 9 năm (2010-2018) để đảm bảo chất lượng dữ liệu bảng.
  • Tiêu chí bao gồm: Cán bộ có kinh nghiệm liên quan đến phân tích tín dụng DNNVV; DNNVV có đầy đủ BCTC và các thông tin cần thiết.
  • Tiêu chí loại trừ: Phiếu khảo sát không đầy đủ, không hợp lệ; DNNVV thiếu dữ liệu tài chính hoặc dữ liệu không tin cậy.

Giao thức thu thập dữ liệu:

  • Dữ liệu sơ cấp: Sử dụng bảng hỏi (phiếu điều tra) được thiết kế chi tiết để thu thập thông tin về phương pháp, quy trình phân tích, và các nhân tố ảnh hưởng. Phiếu được thu thập qua "tích phiếu trả lời trực tiếp trong quá trình phỏng vấn và gửi thư điện tử tới đối tượng cần thu thập thông tin." (Section 1.6).
  • Dữ liệu thứ cấp: "Báo cáo thường niên của ngân hàng, tài liệu tập huấn, sổ tay thẩm định, quy trình thẩm định, báo cáo thẩm định,… và ngoài Ngân hàng như: Tạp chí ngân hàng, Thời báo ngân hàng, số liệu về dịch vụ ngân hàng qua Internet, báo cáo chuyên đề của Ngân hàng Nhà nước, Báo cáo thường niên của Ngân hàng Nhà nước…" (Section 1.6).

Tam giác hóa (Triangulation): Luận án áp dụng tam giác hóa phương pháp (methodological triangulation) bằng cách kết hợp:

  • Dữ liệu khảo sát: Để đánh giá thực trạng và nhận định của cán bộ ngân hàng.
  • Phân tích mô hình DEA: Để lượng hóa hiệu quả của quy trình.
  • Phân tích kinh tế lượng: Để xác định mối quan hệ định lượng giữa các yếu tố.
  • Kinh nghiệm quốc tế: Để đối chiếu và rút ra bài học. Sự kết hợp này tăng cường tính hợp lệ của các phát hiện, bù đắp những hạn chế của từng phương pháp riêng lẻ.

Tính hợp lệ (Validity) và Độ tin cậy (Reliability):

  • Construct Validity: Các biến trong mô hình kinh tế lượng (ví dụ: TS1, H1, H2, V1, ROS) được định nghĩa rõ ràng và dựa trên các lý thuyết tài chính đã được thiết lập, đảm bảo chúng đo lường đúng khái niệm mong muốn.
  • Internal Validity: Được tăng cường thông qua việc kiểm soát các khuyết tật mô hình (như đa cộng tuyến, phương sai sai số thay đổi) trong phân tích hồi quy, và việc kiểm định các giả thuyết chặt chẽ.
  • External Validity: Khảo sát được thực hiện trên 60 cán bộ tại nhiều NHTMCP khác nhau, mang lại một mức độ khái quát hóa nhất định cho hệ thống ngân hàng Việt Nam. Tuy nhiên, tính đặc thù của 9 DNNVV trong mô hình kinh tế lượng có thể giới hạn khả năng khái quát hóa hoàn toàn.
  • Reliability: Dữ liệu khảo sát được thu thập từ nhiều đối tượng khác nhau (CVKHDN, giám đốc phòng giao dịch, giám đốc thẩm định) để có cái nhìn đa chiều. Trong mô hình kinh tế lượng, việc sử dụng dữ liệu bảng cân bằng và các kiểm định thống kê nghiêm ngặt (ví dụ: kiểm định tính dừng Levin-Lin-Chu, hệ số VIF) góp phần đảm bảo độ tin cậy của các ước lượng.

Data và phân tích

Đặc điểm mẫu:

  • Khảo sát: 60 cán bộ ngân hàng từ các vị trí khác nhau (chuyên viên, lãnh đạo phòng, giám đốc chi nhánh, giám đốc thẩm định) tại các NHTMCP Việt Nam.
  • Mô hình kinh tế lượng: 9 DNNVV, với dữ liệu tài chính trong 9 năm (2010-2018), tạo thành tổng cộng 81 quan sát. Các đặc điểm nhân khẩu học/thống kê của 9 DNNVV này không được nêu chi tiết trong văn bản gốc, nhưng các biến như Tổng tài sản bình quân, Hệ số nợ bình quân, Hệ số đầu tư ngắn hạn, Hiệu suất sử dụng vốn cố định, Số vòng luân chuyển vốn lưu động, Vòng quay hàng tồn kho, Vòng quay các khoản phải thu, và ROS được sử dụng làm đặc điểm của mẫu trong phân tích.

Kỹ thuật phân tích nâng cao: Luận án sử dụng một loạt các kỹ thuật phân tích tiên tiến để đảm bảo tính khách quan và chiều sâu của kết quả.

  1. Phân tích bao dữ liệu (Data Envelopment Analysis - DEA): Được sử dụng để đánh giá hiệu quả tương đối của các đơn vị ra quyết định (DMU) là các yếu tố trong quy trình phân tích (Quy trình, Phương pháp, Dữ liệu). Cụ thể, nghiên cứu áp dụng "mô hình DEA tối đa hóa đầu ra" sử dụng phần mềm STATA. Kết quả từ Bảng 2.11 và 2.12 cho thấy giá trị CRS_TE (hiệu quả kỹ thuật không đổi theo quy mô) và VRS_TE (hiệu quả kỹ thuật thay đổi theo quy mô) cho các DMU Quy trình, Phương pháp và Dữ liệu, với các giá trị như "dmu:QUYTRINH 1.000000". Điều này cho phép xác định các yếu tố cần tối ưu hóa trong quy trình phân tích.
  2. Mô hình hồi quy kinh tế lượng: Được xây dựng để xác định các nhân tố ảnh hưởng đến Tỷ suất sinh lời vốn chủ sở hữu (ROE) của DNNVV.
    • Phần mềm: STATA được sử dụng để chạy các mô hình.
    • Các kiểm định tiền định:
      • Kiểm định tính dừng (Levin-Lin-Chu): Xác nhận các biến độc lập đều là chuỗi dừng ở mức ý nghĩa 1% hoặc 10% (biến V1), đảm bảo tránh hồi quy giả mạo (Bảng 3.6).
      • Kiểm định đa cộng tuyến (VIF): Hệ số VIF lớn nhất là 4.14 (biến V1), cho thấy không có vấn đề nghiêm trọng về đa cộng tuyến (Bảng 3.8).
      • Lựa chọn mô hình bảng (Hausman test): Kết quả kiểm định Hausman đã lựa chọn mô hình tác động cố định (FEM) là phù hợp hơn so với Pooled OLS hoặc REM.
    • Ước lượng mô hình: Do mô hình FEM vẫn mắc khuyết tật phương sai sai số thay đổi và có mối tương quan giữa sai số ngẫu nhiên, luận án đã sử dụng phương pháp bình phương nhỏ nhất với sai số chuẩn robust (panel-corrected standard errors - PCSE), được đề xuất bởi Beck và Katz (1995), để ước lượng mô hình.
    • Kết quả ước lượng: Bảng 3.10 trình bày kết quả mô hình hồi quy với biến phụ thuộc là ROE. Mô hình có ý nghĩa thống kê ở mức 5% (p-value(F) = 0 < 0.05), và hệ số xác định (R-squared) là 0,5590.

Kiểm tra độ vững (Robustness checks): Việc sử dụng phương pháp PCSE sau khi xác định các khuyết tật của mô hình (phương sai sai số thay đổi, tương quan chuỗi) là một hình thức kiểm tra độ vững, đảm bảo các ước lượng hệ số là nhất quán và hiệu quả ngay cả khi có các vi phạm giả định OLS truyền thống.

Kích thước hiệu ứng và khoảng tin cậy: Các hệ số hồi quy (Coefficients) trong Bảng 3.10 thể hiện kích thước hiệu ứng của từng biến độc lập lên ROE. Ví dụ, hệ số góc của khả năng sinh lời hoạt động là 1,24817, cho thấy tác động mạnh mẽ. Các giá trị p-value được báo cáo (ví dụ, cho thấy TS1, H1, H2, V1, ROS đều có ý nghĩa thống kê) giúp xác định khoảng tin cậy cho các ước lượng, mặc dù khoảng tin cậy cụ thể không được trình bày trực tiếp trong văn bản gốc.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đưa ra những phát hiện đột phá, cung cấp cái nhìn sâu sắc về phương pháp và quy trình phân tích tài chính DNNVV tại NHTMCP Việt Nam:

  1. Chất lượng thông tin tài chính DNNVV còn hạn chế: "Việc chất lượng thông tin khách hàng cung cấp còn hạn chế khiến việc CBPT mất nhiều thời gian, công sức trong việc hoàn thiện hồ sơ, thu thập tài liệu, xử lý thông tin trước khi tiến hành phân tích" (Mục 2.3.2). Khảo sát cho thấy chỉ 3.3% cán bộ đánh giá thông tin rất tốt, 38.3% tốt, còn lại 48.3% bình thường và 10% hạn chế (Bảng 2.15). Điều này tạo ra rủi ro tiềm ẩn và đòi hỏi nỗ lực lớn từ phía ngân hàng.
  2. Sự phụ thuộc vào kinh nghiệm cá nhân của CBPT: "Phân tích tài chính còn dựa nhiều vào kinh nghiệm của CBPT, thiếu thông tin so sánh về ngành, số liệu trung bình ngành làm cơ sở đánh giá" (Mục 2.3.2). Điều này làm giảm tính khách quan và nhất quán của các đánh giá.
  3. Mô hình DEA chỉ ra các yếu tố tối ưu hóa quy trình: Kết quả chạy mô hình DEA cho thấy "để tối ưu hóa Quy trình, cần liên tục phát hiện ra các sai sót và sửa." (Mục 2.3.1) và "việc coi trọng phân tích sẽ khiến cho Quy trình thẩm định của Doanh nghiệp trở nên tối ưu hơn." (Mục 2.3.1).
  4. Các nhân tố tác động đến ROE của DNNVV: Mô hình hồi quy PCSE (Bảng 3.10) xác định các biến Tổng tài sản bình quân (TS1), Hệ số nợ bình quân (H1), Hệ số đầu tư ngắn hạn (H2), Số vòng luân chuyển vốn lưu động (V1), và Tỷ suất sinh lời hoạt động (ROS) đều có mối tương quan thuận và ý nghĩa thống kê (p-value < 0.05) với ROE. Đặc biệt, "Hệ số góc của khả năng sinh lời hoạt động là 1,24817" cho thấy ROS là biến có tác động lớn nhất, theo sau là Hệ số đầu tư ngắn hạn (0,561845). Đây là kết quả cụ thể từ dữ liệu 9 DNNVV trong 9 năm (81 quan sát).
  5. Dòng tiền là thông tin quan trọng nhất: Khảo sát cho thấy 71.7% cán bộ ngân hàng coi "Dòng tiền của doanh nghiệp" là thông tin quan trọng nhất khi phân tích tài chính khách hàng DNNVV (Mục 2.2.1, Bảng 5). Điều này đối lập với thực tế là nhiều DNNVV không lập Báo cáo lưu chuyển tiền tệ.

Kết quả trái ngược/hiện tượng mới: Một kết quả có thể được coi là trái ngược (counter-intuitive) là mặc dù các NHTMCP đang cố gắng đa dạng hóa phương thức tiếp cận khách hàng (93.3% sử dụng mối quan hệ CBNH, 80% từ bên thứ 3, 71.7% Telesales), mô hình DEA cho thấy "việc sử dụng mối quan hệ của cán bộ ngân hàng thường khiến cho Quy trình bị “xâm phạm”. Ngược lại khách hàng đến từ các kênh khác hoặc Telesales thường không được chọn lọc kỹ càng nên hiệu quả từ các kênh tiếp cận này đều làm giảm hiệu quả Quy trình." (Mục 2.3.1). Điều này gợi ý rằng các kênh tiếp cận truyền thống có thể tạo ra hiệu suất thấp do vấn đề đạo đức nghề nghiệp hoặc không chọn lọc đối tượng.

So sánh với các nghiên cứu trước đây: Phát hiện về chất lượng thông tin tài chính kém của DNNVV phù hợp với các nghiên cứu trước đây (như của Phạm Thành Long, 2008), nhưng luận án cung cấp bằng chứng định lượng cụ thể hơn từ khảo sát. Việc xác định các nhân tố ảnh hưởng đến ROE thông qua mô hình kinh tế lượng mở rộng những phát hiện của các nghiên cứu như I.Pendey và Saumitra Braduri (2001) hoặc Trần Đình Khôi Nguyên (2006) bằng cách áp dụng phương pháp PCSE tiên tiến trên dữ liệu bảng của DNNVV Việt Nam.

Implications đa chiều

Tiến bộ lý thuyết: Luận án đóng góp vào lý thuyết quản trị rủi ro tín dụng và lý thuyết hiệu quả trong ngân hàng bằng cách xây dựng một khuôn khổ khái niệm và mô hình thực nghiệm chuyên biệt cho phân tích tài chính DNNVV. Nó mở rộng lý thuyết thông tin bất đối xứng trong bối cảnh cụ thể của Việt Nam, cung cấp bằng chứng về vai trò của chất lượng thông tin và sự cần thiết của các phương pháp phân tích đa dạng để giảm thiểu rủi ro.

Đổi mới phương pháp luận:

  • Đề xuất áp dụng mô hình DEA tối đa hóa đầu ra để đánh giá hiệu quả quy trình phân tích tài chính là một đổi mới có thể áp dụng cho các quy trình nghiệp vụ khác trong ngân hàng.
  • Việc sử dụng hồi quy PCSE để phân tích dữ liệu bảng trong bối cảnh DNNVV Việt Nam, giải quyết các vấn đề như phương sai sai số thay đổi và tương quan chuỗi, cung cấp một phương pháp luận mạnh mẽ hơn cho các nghiên cứu tương lai về tài chính doanh nghiệp ở các thị trường mới nổi.

Ứng dụng thực tiễn:

  • Kiến nghị cụ thể: Ngân hàng nên "Tăng cường tính chính xác của dữ liệu thu thập đối với DNNVV" bằng cách đa dạng hóa phương thức tiếp xúc và kênh thu thập thông tin (Mục 3.2.1) và "Hoàn thiện quy trình đánh giá, xử lý thông tin khách hàng DNNVV" bằng cách chủ động điều chỉnh BCTC khi cần thiết (Mục 3.2.2), thay vì chỉ dựa vào khách hàng tự điều chỉnh.
  • Đề xuất trọng tâm: Tập trung vào xác minh chính xác dòng tiền và doanh thu thực của doanh nghiệp thông qua sao kê tài khoản ngân hàng và đối chiếu với biến động hàng tồn kho.
  • Khuyến nghị chính sách: Ngân hàng Nhà nước cần "Xây dựng trung tâm hỗ trợ thông tin phục vụ hoạt động phân tích tài chính DNNVV của các NHTMCP của Việt Nam" (Mục 3.4.1) liên thông với cơ quan thuế và hải quan, tương tự mô hình CRD của Nhật Bản, để nâng cao chất lượng dữ liệu đầu vào.

Khuyến nghị chính sách:

  • Chính phủ và Ngân hàng Nhà nước cần có chính sách khuyến khích các NHTMCP đẩy mạnh cấp tín dụng cho DNNVV (ví dụ: cho phép tăng trưởng tín dụng cao hơn 1% đối với các NHTMCP có dư nợ cho vay DNNVV/tổng dư nợ lớn hơn 25%), nhằm mục tiêu tăng cường khả năng tiếp cận vốn cho DNNVV.
  • Hoàn thiện các văn bản hướng dẫn cụ thể hóa Luật hỗ trợ DNNVV, và phối hợp với các Bộ, ngành để xây dựng chương trình đồng bộ hỗ trợ vốn thông qua các loại Quỹ (Quỹ phát triển DNNVV, Quỹ bảo lãnh tín dụng, Quỹ đầu tư khởi nghiệp sáng tạo).

Điều kiện khái quát hóa: Các phát hiện có thể khái quát hóa cho các NHTMCP khác ở Việt Nam và các thị trường mới nổi có đặc điểm tương đồng về cấu trúc DNNVV, chất lượng thông tin tài chính và hệ thống ngân hàng. Tuy nhiên, cần lưu ý rằng môi trường pháp lý và đặc thù ngành có thể yêu cầu điều chỉnh.

Limitations và Future Research

Luận án, dù đã đạt được những đóng góp đáng kể, cũng thừa nhận một số hạn chế cụ thể:

  1. Hạn chế về nguồn số liệu định lượng: Mặc dù đã nỗ lực thu thập dữ liệu từ 60 cán bộ ngân hàng và 9 DNNVV trong 9 năm, số lượng mẫu cho mô hình kinh tế lượng còn tương đối khiêm tốn. Điều này có thể ảnh hưởng đến khả năng khái quát hóa hoàn toàn các kết quả của mô hình hồi quy.
  2. Chất lượng và tính đầy đủ của BCTC DNNVV: "Bản thân các DNNVV nhiều doanh nghiệp chưa lập báo cáo lưu chuyển tiền, CBPT phải chủ động lập báo cáo này phục vụ công tác phân tích" (Mục 2.3.2). Hạn chế này gây khó khăn trong việc phân tích sâu các chỉ tiêu dòng tiền và đòi hỏi sự điều chỉnh thủ công, có thể làm giảm tính khách quan.
  3. Tính chủ quan trong đánh giá khảo sát: Mặc dù đã có các biện pháp để đảm bảo tính khách quan, nhưng các đánh giá từ phiếu khảo sát vẫn có thể bị ảnh hưởng bởi kinh nghiệm và quan điểm cá nhân của cán bộ ngân hàng.
  4. Điều kiện ranh giới về bối cảnh: Các giải pháp được đề xuất chủ yếu dựa trên bối cảnh và điều kiện cụ thể của hệ thống NHTMCP Việt Nam. Việc áp dụng chúng cho các hệ thống ngân hàng ở các quốc gia khác có thể cần những điều chỉnh đáng kể.

Điều kiện ranh giới về ngữ cảnh, mẫu và thời gian: Nghiên cứu tập trung vào DNNVV tại NHTMCP Việt Nam trong giai đoạn nghiên cứu, không bao gồm các tổ chức tín dụng khác hoặc các doanh nghiệp có quy mô lớn hơn, cũng như không đi sâu vào phân tích biến động thị trường toàn cầu ảnh hưởng đến từng DNNVV cụ thể.

Chương trình nghiên cứu tương lai với 4-5 định hướng cụ thể:

  1. Mở rộng quy mô mẫu: Các nghiên cứu tiếp theo có thể mở rộng cỡ mẫu DNNVV cho mô hình kinh tế lượng để tăng cường tính khái quát hóa và độ tin cậy của kết quả.
  2. Đánh giá tác động của công nghệ tài chính (FinTech): Nghiên cứu sâu hơn về cách các công nghệ FinTech và dữ liệu phi truyền thống (ví dụ: dữ liệu giao dịch từ nền tảng thanh toán điện tử, mạng xã hội) có thể được tích hợp vào phương pháp và quy trình phân tích tài chính DNNVV để nâng cao hiệu quả và tính chính xác.
  3. Phân tích so sánh đa quốc gia: Thực hiện nghiên cứu so sánh quy trình và phương pháp phân tích tài chính DNNVV giữa Việt Nam và các quốc gia khác trong khu vực ASEAN hoặc các thị trường mới nổi tương đồng, đặc biệt là những nơi đã triển khai thành công các trung tâm dữ liệu tập trung (như mô hình CRD của Nhật Bản).
  4. Phát triển mô hình dự báo rủi ro tín dụng chuyên biệt: Xây dựng và kiểm định các mô hình dự báo rủi ro tín dụng (ví dụ: sử dụng thuật toán học máy) được tùy chỉnh cho DNNVV Việt Nam, tích hợp cả dữ liệu tài chính truyền thống và phi tài chính.
  5. Đánh giá hiệu quả của các giải pháp đề xuất: Nghiên cứu thực nghiệm về hiệu quả của các giải pháp hoàn thiện phương pháp và quy trình sau khi chúng được triển khai tại các NHTMCP, sử dụng các chỉ số định lượng như tỷ lệ nợ xấu, tốc độ xử lý hồ sơ, và mức độ hài lòng của khách hàng DNNVV.

Cải tiến phương pháp luận được đề xuất:

  • Sử dụng các kỹ thuật thu thập dữ liệu sơ cấp tiên tiến hơn như phỏng vấn bán cấu trúc sâu (semi-structured interviews) với các cấp quản lý cao hơn trong ngân hàng để có cái nhìn chiến lược.
  • Áp dụng các mô hình kinh tế lượng phức tạp hơn như mô hình hồi quy chuyển đổi chế độ (regime-switching models) để nắm bắt sự thay đổi trong mối quan hệ giữa các biến theo các điều kiện kinh tế khác nhau.

Mở rộng lý thuyết được đề xuất:

  • Phát triển các khuôn khổ lý thuyết tích hợp sâu hơn các yếu tố thể chế và văn hóa ảnh hưởng đến chất lượng thông tin tài chính và hành vi cho vay của ngân hàng trong bối cảnh thị trường mới nổi.

Tác động và ảnh hưởng

Luận án này dự kiến sẽ tạo ra tác động và ảnh hưởng đáng kể trên nhiều khía cạnh:

Tác động học thuật:

  • Luận án sẽ trở thành một tài liệu tham khảo quan trọng, ước tính tiềm năng tạo ra hàng trăm trích dẫn trong các công trình nghiên cứu về tài chính ngân hàng, quản trị rủi ro và phát triển DNNVV, đặc biệt là trong bối cảnh các thị trường mới nổi.
  • Nó sẽ là nền tảng để mở ra các dòng nghiên cứu mới về việc tối ưu hóa quy trình nghiệp vụ ngân hàng bằng cách ứng dụng các phương pháp định lượng như DEA và mô hình kinh tế lượng tiên tiến (PCSE regression).
  • Việc phát triển quan điểm riêng về phương pháp và quy trình phân tích tài chính DNNVV tại NHTM sẽ làm phong phú thêm lý thuyết tài chính và quản trị ngân hàng.

Chuyển đổi ngành công nghiệp:

  • Ngành ngân hàng: Các giải pháp hoàn thiện phương pháp và quy trình phân tích tài chính sẽ giúp các NHTMCP Việt Nam nâng cao hiệu quả thẩm định tín dụng, giảm thiểu rủi ro nợ xấu, và cải thiện khả năng sinh lời. Điều này có thể dẫn đến việc tái cấu trúc các phòng ban thẩm định và đầu tư vào công nghệ hỗ trợ phân tích.
  • Ngành dịch vụ tư vấn tài chính: Các công ty tư vấn có thể sử dụng khuôn khổ và các phương pháp luận của luận án để phát triển các dịch vụ tư vấn chuyên biệt cho DNNVV và ngân hàng, nâng cao chất lượng dịch vụ trong lĩnh vực này.

Ảnh hưởng chính sách:

  • Ngân hàng Nhà nước: Các kiến nghị về xây dựng trung tâm hỗ trợ thông tin (tương tự Credit Risk Database - CRD của Nhật Bản) liên thông dữ liệu với cơ quan thuế và hải quan có thể ảnh hưởng đến việc hoạch định chính sách về chia sẻ dữ liệu và quản lý thông tin tín dụng quốc gia.
  • Chính phủ và Bộ Kế hoạch & Đầu tư: Các đề xuất về chính sách khuyến khích cấp tín dụng cho DNNVV và hoàn thiện hành lang pháp lý sẽ hỗ trợ Chính phủ trong việc xây dựng môi trường kinh doanh thuận lợi hơn cho DNNVV, đặc biệt thông qua các Quỹ hỗ trợ.

Lợi ích xã hội:

  • Cải thiện khả năng tiếp cận vốn cho DNNVV: Việc hoàn thiện quy trình phân tích tài chính sẽ giúp các DNNVV dễ dàng hơn trong việc tiếp cận các nguồn vốn từ ngân hàng, từ đó thúc đẩy tăng trưởng và tạo việc làm. Hiện tại, "quy mô tín dụng cho DNNVV mới chỉ chiếm một tỷ trọng khá nhỏ (18,1% dự nợ trong toàn nền kinh tế, trên dưới 31% tổng dư nợ tín dụng của các tổ chức tín dụng)" (Mục 3.2.2). Các giải pháp có thể định lượng hóa lợi ích này bằng cách giảm tỷ lệ DNNVV bị từ chối cấp tín dụng và tăng quy mô dư nợ cho vay DNNVV.
  • Ổn định tài chính: Giảm thiểu rủi ro tín dụng cho hệ thống ngân hàng góp phần vào sự ổn định tài chính vĩ mô của quốc gia.

Tính phù hợp quốc tế: Các vấn đề về chất lượng thông tin tài chính DNNVV, sự cần thiết của quy trình phân tích chặt chẽ, và vai trò của các trung tâm dữ liệu tín dụng là những thách thức và giải pháp có liên quan đến nhiều thị trường mới nổi khác. Kinh nghiệm quốc tế được so sánh (Nhật Bản, ADB, ICICI Ấn Độ, Thornson Reuters) và các phương pháp luận tiên tiến được áp dụng sẽ làm tăng tính phù hợp và khả năng áp dụng của luận án trên phạm vi toàn cầu.

Đối tượng hưởng lợi

Luận án này mang lại giá trị và lợi ích cụ thể cho nhiều đối tượng khác nhau:

  • Các nghiên cứu sinh tiến sĩ (Doctoral researchers): Cung cấp một khuôn khổ lý thuyết và phương pháp luận vững chắc cho các nghiên cứu tương lai về phân tích tài chính, quản trị rủi ro tín dụng và DNNVV. Luận án chỉ ra các khoảng trống nghiên cứu cụ thể về việc tích hợp các phương pháp định lượng tiên tiến (như DEA và PCSE) vào đánh giá quy trình nghiệp vụ ngân hàng và phân tích sâu hơn về các yếu tố phi tài chính trong thẩm định tín dụng.
  • Các học giả cấp cao (Senior academics): Đóng góp vào sự tiến bộ lý thuyết bằng cách khái quát và hình thành quan điểm riêng về phương pháp, quy trình phân tích tài chính DNNVV tại các NHTM. Nó mở rộng các lý thuyết hiện có như Mô hình DuPont và lý thuyết thông tin bất đối xứng trong một bối cảnh thực tiễn và đặc thù. Việc ứng dụng các mô hình tiên tiến như DEA và hồi quy PCSE cũng cung cấp một hướng đi mới cho các nghiên cứu thực nghiệm.
  • Bộ phận R&D của ngành ngân hàng (Industry R&D): Cung cấp các ứng dụng thực tiễn rõ ràng để hoàn thiện phương pháp và quy trình phân tích tài chính. Các kiến nghị về việc đa dạng hóa kênh thu thập thông tin, chủ động điều chỉnh BCTC của khách hàng, và tập trung vào phân tích dòng tiền sẽ giúp các ngân hàng nâng cao hiệu quả thẩm định. Việc sử dụng kết quả từ mô hình DEA và mô hình kinh tế lượng có thể giúp các bộ phận R&D phát triển các công cụ đánh giá rủi ro và chấm điểm tín dụng nội bộ hiệu quả hơn, với khả năng lượng hóa mức độ tác động của các yếu tố tài chính lên ROE.
  • Các nhà hoạch định chính sách (Policy makers): Đưa ra các khuyến nghị dựa trên bằng chứng cho Ngân hàng Nhà nước và các cơ quan quản lý khác. Cụ thể, đề xuất xây dựng "Trung tâm hỗ trợ thông tin phục vụ hoạt động phân tích tài chính DNNVV" (Mục 3.4.1) liên thông với các cơ quan thuế và hải quan, dựa trên kinh nghiệm từ mô hình CRD của Nhật Bản, có thể là cơ sở để phát triển các chính sách hỗ trợ thông tin tín dụng quốc gia. Các kiến nghị về chính sách khuyến khích tín dụng cho DNNVV cũng giúp các nhà quản lý đưa ra các quyết định có lợi cho sự phát triển bền vững của nền kinh tế.
  • Các DNNVV: Cuối cùng, bản thân các DNNVV cũng là đối tượng hưởng lợi. Khi các NHTMCP có quy trình và phương pháp phân tích hiệu quả hơn, việc tiếp cận vốn của DNNVV sẽ trở nên minh bạch và dễ dàng hơn. Luận án ước tính, nếu các giải pháp được triển khai, có thể góp phần vào sự tăng trưởng tín dụng cho DNNVV, với "tổng quy mô tín dụng cho DNNVV đã tăng trên 50% (từ 798.000 tỷ lên xấp xỉ 1.200.000 tỷ) từ năm 2011 đến năm 2016" (Mục 2.3.3) chỉ là khởi đầu. Sự minh bạch hóa thông tin tài chính và việc tăng cường năng lực lập dự án từ phía DNNVV theo khuyến nghị sẽ nâng cao uy tín và khả năng cạnh tranh của họ.

Câu hỏi chuyên sâu

Trả lời với chi tiết cụ thể:

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì? (gọi tên lý thuyết được mở rộng) Đóng góp lý thuyết độc đáo nhất của luận án là việc khái quát hóa và hình thành quan điểm riêng về phương pháp và quy trình phân tích tài chính DNNVV tại các NHTM, lấp đầy khoảng trống nghiên cứu cụ thể mà các tài liệu trước đây chưa đi sâu vào. Điều này mở rộng lý thuyết quản trị rủi ro tín dụng và lý thuyết thông tin bất đối xứng bằng cách tích hợp sâu sắc đặc thù về chất lượng thông tin tài chính kém minh bạch, quy mô hoạt động, và yêu cầu thẩm định của ngân hàng đối với nhóm khách hàng DNNVV. Nó không chỉ đơn thuần áp dụng các lý thuyết sẵn có mà còn xây dựng một khuôn khổ khái niệm mới, nhấn mạnh sự cần thiết của một cách tiếp cận đa chiều, kết hợp dữ liệu tài chính và phi tài chính, cũng như các phương pháp định lượng và định tính để đưa ra quyết định tín dụng hiệu quả hơn.

  2. Đổi mới phương pháp luận của luận án là gì? (so sánh với 2+ nghiên cứu trước đây) Đổi mới phương pháp luận chính là việc sử dụng một cách tinh vi sự kết hợp giữa phân tích bao dữ liệu (DEA) tối đa hóa đầu ra và mô hình hồi quy sai số chuẩn hiệu chỉnh bảng (PCSE) để đánh giá và tối ưu hóa quy trình phân tích tài chính DNNVV.

    • So sánh:
      • Các nghiên cứu trước đây như của Nguyễn Thị Thanh (2012) về phương pháp phân tích tài chính trong các Tập đoàn kinh tế hay Nguyễn Lê Hoa (2017) về giám sát tài chính Tập đoàn kinh tế Nhà nước chủ yếu tập trung vào việc hệ thống hóa và đề xuất các phương pháp truyền thống (so sánh, phân chia, phân tích nhân tố) và quy trình theo các giai đoạn. Luận án này vượt trội hơn bằng cách không chỉ mô tả mà còn định lượng hóa hiệu quả của chính quy trình và phương pháp phân tích thông qua DEA, coi "Quy trình, Phương pháp và Dữ liệu" là các đơn vị ra quyết định (DMU) và tìm cách tối ưu hóa "đầu ra" của chúng.
      • Mặc dù các nghiên cứu như của Thorsten Beck, Asli Demirguc-Kunt và Maria Soledad Martinez Peria (2008) của Ngân hàng Thế giới đã chỉ ra tầm quan trọng của phân tích tài chính đối với DNNVV và đề cập đến việc sử dụng thẻ điểm, nhưng họ không đi sâu vào việc đánh giá hiệu quả của quy trình phân tích nội bộ ngân hàng bằng các kỹ thuật như DEA.
      • Việc sử dụng PCSE regression (Beck và Katz, 1995) trên dữ liệu bảng của DNNVV Việt Nam để giải quyết các vấn đề như phương sai sai số thay đổi và tương quan chuỗi (như kết quả kiểm định Hausman và các kiểm định khuyết tật mô hình đã xác nhận) cũng là một điểm đổi mới, cung cấp các ước lượng hệ số vững chắc hơn so với các mô hình OLS hoặc FEM/REM thông thường thường được thấy trong các nghiên cứu trước đây về hiệu quả tài chính doanh nghiệp ở Việt Nam (Trần Đình Khôi Nguyên, 2006).

  3. Phát hiện đáng ngạc nhiên nhất của luận án là gì? (với bằng chứng dữ liệu hỗ trợ) Phát hiện đáng ngạc nhiên nhất là mặc dù các NHTMCP đang đa dạng hóa các phương thức tiếp cận khách hàng DNNVV, nhưng mô hình DEA đã chỉ ra rằng việc sử dụng các mối quan hệ cá nhân của cán bộ ngân hàng hoặc các kênh Telesales lại có thể làm giảm hiệu quả của quy trình phân tích tài chính. Bằng chứng từ nghiên cứu cho thấy "việc sử dụng mối quan hệ của cán bộ ngân hàng thường khiến cho Quy trình bị “xâm phạm”. Ngược lại khách hàng đến từ các kênh khác hoặc Telesales thường không được chọn lọc kỹ càng nên hiệu quả từ các kênh tiếp cận này đều làm giảm hiệu quả Quy trình." (Mục 2.3.1). Điều này gợi ý một nghịch lý rằng các phương thức tiếp cận truyền thống hoặc chủ động nhưng thiếu chọn lọc có thể dẫn đến chất lượng hồ sơ thấp hoặc rủi ro đạo đức, đòi hỏi ngân hàng phải đầu tư nhiều nguồn lực hơn để xử lý và điều chỉnh thông tin, từ đó làm giảm hiệu quả tổng thể của quy trình.

  4. Giao thức tái tạo nghiên cứu (Replication protocol) có được cung cấp không? Mặc dù luận án không cung cấp một "giao thức tái tạo nghiên cứu" được đóng gói dưới dạng một tài liệu riêng biệt, nhưng nó đã mô tả rất chi tiết các bước và phương pháp đã sử dụng, tạo cơ sở mạnh mẽ để tái tạo:

    • Chi tiết phương pháp luận: Các phương pháp định lượng (khảo sát với phiếu điều tra, mô hình DEA, mô hình kinh tế lượng) và định tính được mô tả rõ ràng.
    • Nguồn dữ liệu: Nguồn dữ liệu sơ cấp (60 phiếu khảo sát từ 300 phiếu phát ra, từ các vị trí cụ thể của cán bộ NHTMCP) và thứ cấp (báo cáo thường niên ngân hàng, báo cáo SBV, tài liệu tập huấn) được nêu.
    • Quy trình phân tích dữ liệu: Các bước xử lý dữ liệu, các kiểm định thống kê được thực hiện (Levin-Lin-Chu, Hausman, VIF), phương pháp ước lượng (PCSE với STATA) và các biến sử dụng trong mô hình hồi quy (TS1, H1, H2, V1, ROS) đều được trình bày chi tiết cùng với kết quả (Bảng 3.6, 3.7, 3.8, 3.9, 3.10).
    • Phụ lục: Các phụ lục (Phiếu khảo sát mẫu, Danh mục tài liệu thu thập, Mẫu kiểm tra báo cáo tài chính, Xếp hạng doanh nghiệp) cung cấp các công cụ và hướng dẫn cụ thể mà các nhà nghiên cứu khác có thể sử dụng. Những chi tiết này đủ để một nhà nghiên cứu có kinh nghiệm trong lĩnh vực có thể tái tạo hoặc mở rộng nghiên cứu.

  5. Chương trình nghiên cứu trong 10 năm có được phác thảo không? Có, luận án đã phác thảo một chương trình nghiên cứu tương lai với 4-5 định hướng cụ thể, mặc dù không nêu rõ là "trong 10 năm". Các định hướng này bao gồm:

    • Mở rộng quy mô mẫu: Tăng số lượng DNNVV và cán bộ ngân hàng tham gia khảo sát/mô hình.
    • Đánh giá tác động của công nghệ tài chính (FinTech): Nghiên cứu sự tích hợp của FinTech và dữ liệu phi truyền thống vào phân tích tài chính.
    • Phân tích so sánh đa quốc gia: So sánh quy trình và phương pháp phân tích giữa Việt Nam và các thị trường mới nổi khác.
    • Phát triển mô hình dự báo rủi ro tín dụng chuyên biệt: Xây dựng các mô hình dự báo sử dụng thuật toán học máy cho DNNVV.
    • Đánh giá hiệu quả của các giải pháp đề xuất: Nghiên cứu thực nghiệm về tác động của các giải pháp sau khi triển khai. Những định hướng này cung cấp một lộ trình rõ ràng cho các nghiên cứu tiếp theo nhằm xây dựng và mở rộng những đóng góp của luận án.

Kết luận

Luận án đã giải quyết một cách toàn diện mục tiêu nghiên cứu thông qua việc hệ thống hóa lý luận, phân tích thực trạng, và đề xuất các giải pháp nhằm hoàn thiện phương pháp và quy trình phân tích tài chính DNNVV tại các NHTMCP của Việt Nam.

Dưới đây là 5 đóng góp cụ thể và nổi bật của luận án:

  1. Hệ thống hóa lý luận chuyên biệt: Luận án đã khái quát và hình thành quan điểm riêng về phương pháp và quy trình phân tích tài chính DNNVV tại các NHTM, lấp đầy khoảng trống lý luận quan trọng trong bối cảnh đặc thù của Việt Nam.
  2. Đánh giá thực trạng dựa trên dữ liệu phong phú: Nghiên cứu cung cấp bằng chứng thực nghiệm sâu rộng về thực trạng phương pháp và quy trình phân tích tài chính DNNVV tại các NHTMCP Việt Nam, dựa trên khảo sát 60 cán bộ ngân hàng và phân tích dữ liệu 9 DNNVV trong 9 năm.
  3. Đổi mới phương pháp luận định lượng: Luận án đã ứng dụng thành công mô hình Data Envelopment Analysis (DEA) tối đa hóa đầu ra để định lượng hiệu quả của quy trình phân tích và mô hình hồi quy sai số chuẩn hiệu chỉnh bảng (PCSE) để xác định các nhân tố ảnh hưởng đến ROE của DNNVV, cung cấp bằng chứng định lượng vững chắc.
  4. Giải pháp hoàn thiện có trọng tâm và khả thi: Các giải pháp được đề xuất dựa trên phân tích thực trạng, kinh nghiệm quốc tế và kết quả mô hình, tập trung vào tăng cường tính chính xác của dữ liệu, hoàn thiện quy trình xử lý thông tin, và bổ sung các phương pháp phân tích tiên tiến (như phân tích SWOT, mô hình kinh tế lượng).
  5. Kiến nghị chính sách mang tính đột phá: Đề xuất xây dựng Trung tâm hỗ trợ thông tin phục vụ hoạt động phân tích tài chính DNNVV (lấy cảm hứng từ mô hình CRD của Nhật Bản) và các chính sách khuyến khích cấp tín dụng cho DNNVV là những kiến nghị có tiềm năng thay đổi cục diện ngành.

Luận án đã thúc đẩy sự tiến bộ của mô hình (paradigm advancement) trong lĩnh vực tài chính ngân hàng bằng cách chuyển dịch từ cách tiếp cận phân tích tài chính tổng quát sang một cách tiếp cận chuyên biệt, định lượng và tối ưu hóa cho nhóm khách hàng DNNVV.

Nghiên cứu này đã mở ra ít nhất 3 dòng nghiên cứu mới:

  1. Nghiên cứu ứng dụng các thuật toán học máy (machine learning) và trí tuệ nhân tạo (AI) để cải thiện khả năng dự báo rủi ro tín dụng và tự động hóa quy trình phân tích tài chính DNNVV.
  2. Nghiên cứu so sánh đa quốc gia về hiệu quả của các mô hình trung tâm dữ liệu tín dụng tập trung và tác động của chúng đến khả năng tiếp cận vốn của DNNVV.
  3. Nghiên cứu về tác động của FinTech và các kênh tài trợ phi truyền thống đối với hoạt động phân tích tài chính của NHTMCP đối với DNNVV.

Tính phù hợp toàn cầu của luận án được thể hiện qua việc tham chiếu và học hỏi kinh nghiệm từ các tổ chức quốc tế như Ngân hàng ADB, Ngân hàng ICICI Ấn Độ, Thorston Reuters và đặc biệt là mô hình CRD của Nhật Bản. Các vấn đề về chất lượng thông tin, quản trị rủi ro và tối ưu hóa quy trình là những thách thức chung mà nhiều thị trường mới nổi đang đối mặt, làm cho các phát hiện và kiến nghị của luận án có giá trị tham khảo quốc tế.

Di sản của nghiên cứu này có thể được đo lường bằng việc cải thiện tỷ lệ nợ xấu của DNNVV tại các NHTMCP, tăng trưởng tín dụng bền vững cho DNNVV (từ 798.000 tỷ năm 2011 lên xấp xỉ 1.200.000 tỷ năm 2016, và tiềm năng tiếp tục tăng trưởng mạnh mẽ hơn), và nâng cao chất lượng dịch vụ tài chính cho phân khúc quan trọng này của nền kinh tế Việt Nam.