Tổng quan về luận án

Nghiên cứu "Khả năng sinh lời của các ngân hàng thương mại Việt Nam trong bối cảnh khủng hoảng kinh tế thế giới" do nghiên cứu sinh Phạm Hải Nam thực hiện tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (2021) dưới sự hướng dẫn khoa học của PGS.TSKH Nguyễn Ngọc Thạch và PGS.TS Hà Văn Dũng là một công trình tiên phong trong lĩnh vực tài chính - ngân hàng tại Việt Nam. Nghiên cứu giải quyết bài toán cốt lõi về hiệu quả tài chính và khả năng chống chịu của hệ thống ngân hàng thương mại (NHTM) trong điều kiện biến động kinh tế vĩ mô toàn cầu. Bối cảnh nghiên cứu gắn liền với tác động lan truyền từ cuộc khủng hoảng tài chính toàn cầu 2007–2008 bắt nguồn từ thị trường tín dụng dưới chuẩn tại Mỹ, đẩy tăng trưởng kinh tế thế giới xuống mức đáy -0,1% (IMF, 2009) và -1,67% (WB, 2009). Tại Việt Nam, tác động này làm sụt giảm tốc độ tăng trưởng GDP từ mức bình quân 7,6% (2000–2007) xuống còn 5,4% vào năm 2009 (WB, 2009), dòng vốn FDI suy giảm từ 11,5 tỷ USD (2008) xuống 10 tỷ USD (2009), thâm hụt cán cân thương mại lên đỉnh điểm 18 tỷ USD (2008), và lạm phát biến động dữ dội từ 22,97% (2008) xuống 6,88% (2009) rồi tăng vọt trở lại 18,58% vào năm 2011 do hệ quả của gói kích cầu tài khóa và nới lỏng tiền tệ.

Khoảng trống nghiên cứu (research gap) trọng tâm mà luận án xác định bao gồm hai khía cạnh học thuật then chốt: Thứ nhất, hầu hết các nghiên cứu quốc tế và thực nghiệm tại Việt Nam trước đây (như Le, 2017; Nguyễn Anh Tú & Phạm Trí Nghĩa, 2019) chỉ nhìn nhận khủng hoảng kinh tế như một cú sốc ngắn hạn cục bộ bằng cách gán biến giả trong 2 năm đáy (2008–2009), hoàn toàn bỏ qua tính chu kỳ toàn diện bao gồm độ trễ tác động của các gói kích cầu kinh tế và giai đoạn tái cấu trúc hậu khủng hoảng. Thứ hai, các công trình trước chủ yếu dựa vào trường phái kinh tế lượng tần suất (frequentist econometrics) thông qua các ước lượng truyền thống như Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM), Feasible Generalized Least Squares (FGLS) hoặc System GMM (SGMM). Các phương pháp này phụ thuộc vào giả định cỡ mẫu tiệm cận vô cùng lớn, coi tham số tổng thể là hằng số cố định, và thường gặp khó khăn khi dữ liệu bảng tồn tại hiện tượng nội sinh (endogeneity) cùng tự tương quan phức tạp trong chu kỳ kinh tế kéo dài.

Để giải quyết triệt để các hạn chế trên, nghiên cứu thiết lập 4 câu hỏi nghiên cứu (Research Questions - RQ) và hệ thống giả thuyết khoa học:

  • RQ1: Các yếu tố kinh tế vi mô (nội tại ngân hàng) tác động như thế nào đến khả năng sinh lời (KNSL) của NHTM Việt Nam trong giai đoạn khủng hoảng (2007–2011) so với giai đoạn hậu khủng hoảng (2012–2018)?
  • RQ2: Các yếu tố kinh tế vĩ mô tác động ra sao đến KNSL của hệ thống NHTM trong hai pha của chu kỳ kinh tế?
  • RQ3: Mức độ và chiều hướng tác động của khủng hoảng kinh tế toàn cầu lên KNSL của NHTM có sự khác biệt bản chất như thế nào giữa giai đoạn khủng hoảng và hậu khủng hoảng khi xem xét dưới tác động của chính sách kích cầu?
  • RQ4: Đâu là các hàm ý quản trị và giải pháp chính sách tiền tệ - tài khóa tối ưu nhằm nâng cao KNSL bền vững và ổn định an toàn hệ thống ngân hàng trước các cú sốc chu kỳ?

Khung lý thuyết của nghiên cứu được xây dựng trên sự tích hợp đa tầng giữa Lý thuyết Chu kỳ kinh tế (Marx, 1894; Burns & Mitchell, 1946; Gordon, 1994; Begg et al., 2007), Lý thuyết Tổng cầu của Keynes (1936), Giả thuyết Bất ổn tài chính (Financial Instability Hypothesis) với mô hình 3 giai đoạn tài chính phòng vệ - đầu cơ - Ponzi của Minsky (1975), kết hợp cùng hai lý thuyết cạnh tranh cấu trúc ngân hàng: Cấu trúc - Hành vi - Hiệu quả (Structure-Conduct-Performance - SCP của Bain, 1951; Molyneux & Thornton, 1992) và Cấu trúc Hiệu quả (Efficient Structure - ES của Demsetz, 1973; Farrell, 1957). Đóng góp đột phá của công trình là việc áp dụng phương pháp hồi quy tuyến tính Bayes (Bayesian Linear Regression) thông qua thuật toán lấy mẫu Gibbs (Gibbs Sampling) thuộc chuỗi Markov Monte Carlo (MCMC), cho phép đánh giá phân phối hậu nghiệm của các tham số với mẫu nghiên cứu gồm 30 NHTM Việt Nam (chiếm ~86% tổng tài sản toàn hệ thống) trong giai đoạn 12 năm (2007–2018), chia tách thành hai thời kỳ: 2007–2011 (bối cảnh khủng hoảng kinh tế) và 2012–2018 (bối cảnh hậu khủng hoảng).

Literature Review và Positioning

Tổng quan y văn quốc tế và trong nước về khả năng sinh lời của ngân hàng thương mại phản ánh sự phân nhánh sâu sắc giữa các luồng quan điểm khi đánh giá tác động của chu kỳ kinh tế và khủng hoảng tài chính:

                  ┌─────────────────────────────────────────────────────────┐
                  │ TÁC ĐỘNG CỦA KHỦNG HOẢNG TÀI CHÍNH LÊN KNSL NGÂN HÀNG   │
                  └────────────────────────────┬────────────────────────────┘
                                               │
               ┌───────────────────────────────┴───────────────────────────────┐
               ▼                                                               ▼
┌─────────────────────────────────────────────┐ ┌─────────────────────────────────────────────┐
│  Luồng quan điểm: TÁC ĐỘNG TIÊU CỰC         │ │  Luồng quan điểm: TÁC ĐỘNG TÍCH CỰC/THÍCH ỨNG│
├─────────────────────────────────────────────┤ ├─────────────────────────────────────────────┤
│ • Sufian (2011): Khủng hoảng châu Á làm suy │ │ • Chronopoulos et al. (2015): NHTM Mỹ tối   │
│   giảm nghiêm trọng KNSL ngân hàng Hàn Quốc.│   ưu hóa danh mục, tăng KNSL khi khủng hoảng. │
│ • Amba & Almukharreq (2013): NHTM Hồi giáo  │ │ • Kamarudin et al. (2016): Hiệu quả lợi     │
│   và truyền thống vùng Vịnh bị bào mòn ROA. │   nhuận NHTM Bangladesh tăng trong khủng hoảng│
│ • Andries et al. (2016): Bất ổn vĩ mô làm sụt│   (NHTW tăng 3,7%, NHTM tư nhân tăng 5,8%).  │
│   giảm mạnh KNSL ngân hàng Đông & Tây Âu.   │ │ • Yao et al. (2018): Cấu trúc tài chính và  │
│ • Pawlowska (2016): KNSL ngân hàng Ba Lan   │   lãi suất điều chỉnh mang lại biên lãi cao.  │
│   suy giảm do nợ xấu gia tăng.              │ │ • Zhang & Dong (2011): Vốn tự có và dư nợ   │
│ • Le (2017); Nguyễn Anh Tú & Nghĩa (2019):  │   tăng trưởng bù đắp cú sốc thanh khoản ngắn. │
│   Khủng hoảng làm co hẹp NIM tại Việt Nam.  │                                               │
└─────────────────────────────────────────────┘ └─────────────────────────────────────────────┘

Tranh luận học thuật lớn nhất trong y văn nằm ở sự mâu thuẫn giữa hai luồng kết quả:

  1. Quan điểm tác động tiêu cực truyền thống: Cho rằng khủng hoảng kinh tế làm đóng băng thanh khoản, suy giảm tổng cầu tín dụng, gia tăng nợ xấu và chi phí trích lập dự phòng rủi ro tín dụng (LLP), dẫn tới suy giảm nghiêm trọng ROA và ROE (Sufian, 2011; Amba & Almukharreq, 2013; Andries et al., 2016; Le, 2017).
  2. Quan điểm thích ứng và hưởng lợi từ kích cầu: Chứng minh rằng trong khủng hoảng, các ngân hàng có quy mô lớn và năng lực vốn cao có thể mở rộng tín dụng nhanh chóng nhờ các gói hỗ trợ thanh khoản và tái cấp vốn của ngân hàng trung ương, tối ưu hóa biên lãi thuần (NIM) thông qua chênh lệch lãi suất huy động - cho vay (Chronopoulos et al., 2015; Kamarudin et al., 2016).

Luận án định vị chính xác khoảng trống tri thức: Các nghiên cứu thực nghiệm trước đây tại các thị trường mới nổi thường gộp chung chu kỳ hoặc chỉ đo lường cú sốc tĩnh (static shock). Khi đặt trong bối cảnh Việt Nam — một nền kinh tế chuyển đổi có độ mở thương mại cao nhưng hệ thống tài chính dựa chủ yếu vào kênh tín dụng ngân hàng — các gói kích cầu năm 2009 (bù lãi suất 4%) đã tạo ra một giai đoạn tăng trưởng nóng bất thường trước khi những bất ổn vĩ mô bộc lộ vào giai đoạn 2011–2012. Việc phân định thành hai giai đoạn 2007–2011 và 2012–2018 cùng với sự so sánh trực diện giữa phương pháp suy luận xác suất Bayes và phương pháp SGMM truyền thống giúp luận án đóng góp một bằng chứng thực nghiệm chuẩn xác, giải thích thấu đáo vì sao KNSL của các NHTM Việt Nam trong giai đoạn 2007–2011 lại cao hơn giai đoạn 2012–2018.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và kiểm chứng thực nghiệm các lý thuyết kinh tế kinh điển trong bối cảnh thị trường tài chính đang phát triển:

  • Phát triển Giả thuyết Bất ổn Tài chính của Hyman Minsky (1975): Luận án cung cấp minh chứng thực nghiệm sống động về sự chuyển dịch cơ cấu tài chính ngân hàng từ trạng thái "phòng vệ" sang "đầu cơ" và đỉnh điểm là "tài chính Ponzi" trong giai đoạn khủng hoảng 2007–2011 tại Việt Nam. Khi chính sách kích cầu được bơm vào nền kinh tế, các NHTM nới lỏng chuẩn tín dụng để tối đa hóa thu nhập từ lãi, tài trợ cho các tài sản rủi ro cao (bất động sản, chứng khoán). Khi "khoảnh khắc Minsky" (Minsky moment) xuất hiện vào giai đoạn 2011–2012 với lạm phát 18,58% và nợ xấu bộc phát, hệ thống ngân hàng rơi vào bẫy thanh khoản và buộc phải bước vào giai đoạn tái cấu trúc kéo dài (2012–2018), làm KNSL sụt giảm mạnh.
  • Bổ sung Lý thuyết Cấu trúc Hiệu quả (ES) và Cấu trúc - Hành vi - Hiệu quả (SCP): Kết quả nghiên cứu xác nhận tính vượt trội của lý thuyết ES tại hệ thống NHTM Việt Nam. Năng lực quản trị chi phí hoạt động và kiểm soát quy mô tài sản là động lực chính tạo ra lợi nhuận vượt trội, thay vì chỉ dựa vào sức mạnh độc quyền thị trường đơn thuần.

Mô hình nghiên cứu đề xuất hệ thống 8 giả thuyết lý thuyết đối với các biến vi mô và vĩ mô:

  • $H_1$: Quy mô ngân hàng ($SIZE$) có tác động cùng chiều (+) đến KNSL ($ROA, ROE$).
  • $H_2$: Vốn ngân hàng ($CAP$) có tác động cùng chiều (+) đến KNSL.
  • $H_3$: Dự phòng rủi ro tín dụng ($LLP$) có tác động ngược chiều (-) đến KNSL.
  • $H_4$: Dư nợ cho vay ($LOAN$) có tác động cùng chiều (+) đến KNSL.
  • $H_5$: Tài sản thanh khoản ($LIQ$) có tác động đến KNSL (thay đổi theo chu kỳ).
  • $H_6$: Chi phí hoạt động ($OPE$) có tác động ngược chiều (-) đến KNSL.
  • $H_7$: Tiền gửi khách hàng ($DEP$) và Chi phí trả lãi ($INT$) có tác động đáng kể đến KNSL.
  • $H_8$: Tăng trưởng kinh tế ($GDP$) và Lạm phát ($INF$) có mối quan hệ tương quan mạnh mẽ với KNSL.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đồng thời 3 trường phái lý thuyết: Lý thuyết Chu kỳ kinh tế Keynesian, Giả thuyết Bất ổn tài chính Minsky và Lý thuyết Cấu trúc Hiệu quả ngân hàng. Cách tiếp cận phân tích sử dụng mô hình hồi quy tuyến tính Bayes với phân phối tiên nghiệm không thông tin (non-informative priors), đảm bảo rằng suy diễn thống kê hoàn toàn được dẫn dắt bởi dữ liệu thực nghiệm mà không bị chi phối bởi các định kiến chủ quan, đồng thời thiết lập điều kiện biên (boundary conditions) chặt chẽ giữa hai pha chu kỳ: thời kỳ khủng hoảng có can thiệp kích cầu (2007–2011) và thời kỳ hậu khủng hoảng tái cơ cấu và lành mạnh hóa bảng cân đối (2012–2018).

┌─────────────────────────────────────────────────────────────────────────────┐
│                    KHUNG PHÂN TÍCH TỔNG THỂ CỦA LUẬN ÁN                     │
└──────────────────────────────────────┬──────────────────────────────────────┘
                                       │
         ┌─────────────────────────────┴─────────────────────────────┐
         ▼                                                           ▼
┌──────────────────────────────────┐        ┌──────────────────────────────────┐
│ CÁC YẾU TỐ VI MÔ (NỘI TẠI NHTM) │        │   CÁC YẾU TỐ VĨ MÔ & CHU KỲ      │
├──────────────────────────────────┤        ├──────────────────────────────────┤
│ • Quy mô ngân hàng (SIZE: Log TA)│        │ • Tăng trưởng kinh tế (GDP)      │
│ • Tỷ lệ vốn chủ sở hữu (CAP)     │        │ • Tỷ lệ lạm phát (INF)           │
│ • Dự phòng rủi ro tín dụng (LLP) │        │ • Biến giả khủng hoảng (CRISIS)  │
│ • Tỷ lệ dư nợ cho vay (LOAN)     │        │ • Độ trễ chính sách kích cầu     │
│ • Tài sản thanh khoản (LIQ)      │        └─────────────────┬────────────────┘
│ • Chi phí hoạt động (OPE)        │                          │
│ • Tiền gửi khách hàng (DEP)      │                          │
│ • Chi phí trả lãi (INT)          │                          │
└────────────────┬─────────────────┘                          │
                 │                                            │
                 └─────────────────────┬──────────────────────┘
                                       │
                                       ▼
                 ┌──────────────────────────────────────────┐
                 │       ƯỚC LƯỢNG HỒI QUY TUYẾN TÍNH       │
                 │     BAYESIAN MCMC (GIBBS SAMPLING)       │
                 │    (So sánh đối chứng với System GMM)    │
                 └─────────────────────┬────────────────────┘
                                       │
                                       ▼
                 ┌──────────────────────────────────────────┐
                 │    KHẢ NĂNG SINH LỜI CỦA NHTM VIỆT NAM   │
                 │   • ROA (Lợi nhuận trên Tổng tài sản)    │
                 │   • ROE (Lợi nhuận trên Vốn chủ sở hữu)  │
                 └──────────────────────────────────────────┘

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng thế giới quan thực chứng (Positivism) kết hợp với nhận thức luận xác suất Bayes (Bayesian Probabilistic Epistemology). Thay vì coi tham số $\beta$ là một hằng số cố định bất biến như trong thống kê tần suất truyền thống, trường phái Bayes nhìn nhận tham số là biến ngẫu nhiên có phân phối xác suất. Thiết kế nghiên cứu định lượng đa cấp (multi-phase quantitative panel design) được triển khai trên tập dữ liệu bảng của 30 NHTM cổ phần và quốc doanh tại Việt Nam, bao phủ 86% quy mô tài sản toàn ngành, trải dài liên tục từ năm 2007 đến 2018 (12 năm tài chính với tổng cộng 360 quan sát bảng).

Quy trình nghiên cứu rigorous

Quy trình thực nghiệm được chuẩn hóa nghiêm ngặt qua các bước:

  1. Thu thập và chuẩn hóa dữ liệu: Trích xuất dữ liệu tài chính đã kiểm toán độc lập từ báo cáo tài chính của 30 NHTM, kết hợp chỉ số vĩ mô từ Tổng cục Thống kê, Ngân hàng Nhà nước và World Bank/IMF.
  2. Xử lý hiện tượng kinh tế lượng: So sánh các mô hình OLS, FEM, REM, FGLS và SGMM để kiểm soát hiện tượng nội sinh và tự tương quan.
  3. Triển khai thuật toán Gibbs Sampling trong MCMC: Thực hiện mô phỏng chuỗi Markov Monte Carlo với số lần lặp (iterations) lớn, thiết lập giai đoạn khởi động (burn-in period) để loại bỏ các giá trị ban đầu không ổn định.
  4. Kiểm định độ tin cậy và hội tụ chuỗi: Sử dụng biểu đồ tự tương quan (Autocorrelation plots) và chỉ số Cỡ mẫu hiệu quả (Effective Sample Size - ESS) để đảm bảo chuỗi MCMC hội tụ hoàn toàn về phân phối hậu nghiệm mục tiêu, triệt tiêu hoàn toàn sai số ước lượng.

Data và phân tích

Mô hình toán học tổng quát có dạng:

$$Y_{it} = \beta_0 + \sum_{k=1}^{K} \beta_k X_{k,it} + \epsilon_{it}$$

Trong đó:

  • Biến phụ thuộc ($Y_{it}$): Đo lường KNSL gồm Lợi nhuận trên tổng tài sản ($ROA = \frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản}}$) và Lợi nhuận trên vốn chủ sở hữu ($ROE = \frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu}}$).
  • Biến độc lập vi mô ($X_{k,it}$): $SIZE$ (Logarit tự nhiên của tổng tài sản), $CAP$ (Vốn CSH/Tổng tài sản), $LLP$ (Dự phòng rủi ro tín dụng/Tổng dư nợ), $LOAN$ (Tổng dư nợ/Tổng tài sản), $LIQ$ (Tài sản thanh khoản/Tổng tài sản), $OPE$ (Chi phí hoạt động/Tổng tài sản), $DEP$ (Tiền gửi khách hàng/Tổng tài sản), $INT$ (Chi phí trả lãi/Tổng nợ phải trả).
  • Biến độc lập vĩ mô: $GDP$ (Tốc độ tăng trưởng GDP hàng năm), $INF$ (Tỷ lệ lạm phát hàng năm tính theo CPI), $CRISIS$ (Biến giả nhận giá trị 1 cho giai đoạn 2007–2011 và 0 cho giai đoạn 2012–2018).

Phần mềm thống kê chuyên sâu và thuật toán MCMC Gibbs Sampling được vận hành để trích xuất trung bình hậu nghiệm (Posterior Mean), độ lệch chuẩn hậu nghiệm (Posterior Standard Deviation) và khoảng tin cậy Bayes (Credible Intervals).

Phát hiện đột phá và implications

Những phát hiện then chốt

Nghiên cứu mang lại 5 phát hiện cốt lõi với bằng chứng thống kê vững chắc:

┌─────────────────────────────────────────────────────────────────────────────────────────────┐
│                 TỔNG HỢP CÁC PHÁT HIỆN THỰC NGHIỆM THEN CHỐT CỦA LUẬN ÁN                    │
├────┬─────────────────────────────┬──────────────────────────────────────────────────────────┤
│ STT│ Yếu tố tác động             │ Chiều hướng & Bản chất tác động thực nghiệm              │
├────┼─────────────────────────────┼──────────────────────────────────────────────────────────┤
│ 1  │ Khủng hoảng kinh tế         │ KNSL (ROA, ROE) giai đoạn khủng hoảng (2007–2011) CAO    │
│    │ (2007–2011 vs 2012–2018)    │ HƠN rõ rệt so với giai đoạn hậu khủng hoảng (2012–2018). │
├────┼─────────────────────────────┼──────────────────────────────────────────────────────────┤
│ 2  │ Quy mô (SIZE) & Vốn (CAP)   │ Duy trì tác động CÙNG CHIỀU (+) bền vững đến ROA và ROE  │
│    │                             │ xuyên suốt cả hai giai đoạn chu kỳ kinh tế.              │
├────┼─────────────────────────────┼──────────────────────────────────────────────────────────┤
│ 3  │ Dư nợ cho vay (LOAN) &      │ LOAN luôn tác động DƯƠNG (+), trong khi LLP luôn tác động│
│    │ Dự phòng rủi ro (LLP)       │ ÂM (-) sâu sắc đến KNSL trên toàn bộ chu kỳ.             │
├────┼─────────────────────────────┼──────────────────────────────────────────────────────────┤
│ 4  │ Tài sản thanh khoản (LIQ)   │ Chuyển đổi chiều hướng: Tác động ÂM (-) trong khủng hoảng│
│    │                             │ nhưng chuyển sang tác động DƯƠNG (+) ở hậu khủng hoảng.  │
├────┼─────────────────────────────┼──────────────────────────────────────────────────────────┤
│ 5  │ Chi phí hoạt động (OPE) &   │ OPE và DEP đảo chiều tác động do hiệu ứng bùng nổ tín    │
│    │ Tiền gửi khách hàng (DEP)   │ dụng ngắn hạn chuyển hóa thành chi phí xử lý nợ xấu.     │
└────┴─────────────────────────────┴──────────────────────────────────────────────────────────┘
  1. Nghịch lý KNSL trong khủng hoảng (Counter-intuitive Finding): Bằng chứng thực nghiệm từ cả ước lượng Bayes và SGMM xác nhận KNSL (ROA, ROE) của các NHTM Việt Nam trong giai đoạn khủng hoảng 2007–2011 cao hơn có ý nghĩa thống kê so với giai đoạn hậu khủng hoảng 2012–2018. Hiện tượng tưởng chừng nghịch lý này được luận giải thuyết phục bằng sự can thiệp của gói kích cầu tài khóa quy mô lớn năm 2009 (hỗ trợ lãi suất 4%) thúc đẩy tăng trưởng tín dụng nóng danh nghĩa, giúp các ngân hàng ghi nhận doanh thu lãi vay đột biến trong ngắn hạn trước khi nợ xấu thực sự phát tác và đè nặng lên chi phí trích lập dự phòng ở giai đoạn tái cơ cấu 2012–2018.
  2. Vai trò trụ cột của Quy mô và Vốn chủ sở hữu: Biến $SIZE$ và $CAP$ luôn có tác động cùng chiều ($+$) và ổn định đến cả ROA và ROE trong cả hai giai đoạn. Điều này khẳng định tính kinh tế theo quy mô (Economies of Scale) và vai trò của bộ đệm vốn tự có trong việc giảm chi phí huy động vốn, củng cố niềm tin thị trường và phòng ngừa rủi ro phá sản.
  3. Mối quan hệ đánh đổi Tín dụng - Rủi ro: Dư nợ cho vay ($LOAN$) tác động tích cực ($+$) đến KNSL, trong khi Dự phòng rủi ro tín dụng ($LLP$) tác động tiêu cực mạnh mẽ ($-$) đến ROA và ROE xuyên suốt toàn bộ thời kỳ 2007–2018. Tăng trưởng tín dụng mang lại nguồn thu lãi lớn nhưng đi kèm với cái giá rất đắt về trích lập dự phòng khi chất lượng danh mục cho vay suy giảm.
  4. Sự đảo chiều của Tài sản thanh khoản ($LIQ$): Trong giai đoạn khủng hoảng 2007–2011, việc nắm giữ nhiều tài sản thanh khoản tác động ngược chiều ($-$) đến KNSL do chi phí cơ hội cao khi dòng tiền không được đưa vào kênh cho vay sinh lời cao. Tuy nhiên, trong giai đoạn hậu khủng hoảng 2012–2018, $LIQ$ chuyển sang tác động cùng chiều ($+$) đến KNSL, cho thấy khi thị trường tái cấu trúc, thanh khoản dồi dào giúp ngân hàng ổn định vận hành, giảm áp lực lãi suất liên ngân hàng và tối ưu hóa chi phí vốn.
  5. Hiệu ứng phi tuyến của Chi phí hoạt động ($OPE$) và Tiền gửi ($DEP$): Tác động của chi phí hoạt động và tiền gửi khách hàng có sự biến thiên đảo chiều rõ rệt giữa hai thời kỳ, phản ánh năng lực quản trị chi phí và cấu trúc kỳ hạn nguồn vốn chưa thực sự tương thích với chu kỳ kinh tế vĩ mô.

Implications đa chiều

  • Ý nghĩa lý luận: Luận án khẳng định giá trị thực tiễn của trường phái Minsky trong việc giải thích chu kỳ tín dụng ngân hàng tại các nền kinh tế mới nổi, đồng thời cung cấp một hướng tiếp cận nhận thức luận mới thông qua suy luận Bayes cho các nghiên cứu tài chính thực nghiệm.
  • Ý nghĩa phương pháp luận: Chứng minh tính ưu việt vượt trội của phương pháp hồi quy tuyến tính Bayes và thuật toán Gibbs Sampling trong việc loại bỏ các hạn chế cố hữu của kinh tế lượng tần suất truyền thống (như tính nhạy cảm với kích thước mẫu và các giả định tham số cứng nhắc).
  • Ứng dụng quản trị ngân hàng:
    • Tăng cường năng lực vốn tự có: Các NHTM cần chủ động nâng cao tỷ lệ an toàn vốn (CAR) theo chuẩn mực Basel II và Basel III, xây dựng bộ đệm vốn dày để hấp thụ các cú sốc chu kỳ.
    • Đa dạng hóa cơ cấu thu nhập: Giảm dần sự phụ thuộc thái quá vào thu nhập lãi thuần (tín dụng); đẩy mạnh phát triển mảng dịch vụ phi tín dụng, thanh toán quốc tế và ngân hàng số.
    • Quản trị rủi ro thanh khoản chủ động: Cân đối kỳ hạn giữa nguồn vốn huy động ngắn hạn và dư nợ cho vay trung - dài hạn, tránh rơi vào bẫy căng thẳng thanh khoản cục bộ.
  • Khuyến nghị chính sách vĩ mô cho Ngân hàng Nhà nước và Chính phủ:
    • Thận trọng với các gói kích cầu nới lỏng tiền tệ: Khi thiết kế các chương trình hỗ trợ lãi suất trong khủng hoảng, cần thiết lập cơ chế giám sát dòng vốn chặt chẽ, hướng dòng tiền vào khu vực sản xuất thực, ngăn chặn tình trạng dòng vốn giá rẻ chảy vào các kênh đầu cơ tài sản tạo bong bóng (bất động sản, chứng khoán).
    • Điều hành chính sách tăng trưởng tín dụng linh hoạt: Tránh áp đặt chỉ tiêu tăng trưởng tín dụng nóng đồng loạt mà không đi kèm tiêu chuẩn thẩm định tín dụng nghiêm ngặt; đẩy mạnh xử lý nợ xấu thực chất thông qua các cơ chế thị trường như VAMC.

Limitations và Future Research

Nghiên cứu thẳng thắn nhìn nhận 4 giới hạn khoa học cụ thể:

  1. Giới hạn về phạm vi mẫu nghiên cứu: Mẫu khảo sát gồm 30 NHTM Việt Nam tuy chiếm 86% tổng tài sản nhưng chưa bao quát được toàn bộ các ngân hàng thương mại cổ phần quy mô siêu nhỏ, các chi nhánh ngân hàng nước ngoài và các ngân hàng liên doanh đang hoạt động tại Việt Nam.
  2. Giới hạn về biến số ngoại bảng: Luận án chủ yếu sử dụng các chỉ tiêu tài chính nội bảng (on-balance sheet) từ Báo cáo tài chính, chưa lượng hóa đầy đủ các cam kết bảo lãnh, công cụ tài chính phái sinh và các hoạt động ngoại bảng (off-balance sheet items) đang ngày càng gia tăng.
  3. Độ dài chuỗi thời gian: Dữ liệu dừng lại ở năm 2018, chưa kịp cập nhật và phản ánh cú sốc bất đối xứng toàn cầu từ đại dịch COVID-19 (2020–2022) và chu kỳ thắt chặt tiền tệ toàn cầu giai đoạn 2022–2024.
  4. Thông tin tiên nghiệm trong mô hình Bayes: Do hạn chế về dữ liệu lịch sử chuẩn hóa trước năm 2007, nghiên cứu chủ yếu sử dụng phân phối tiên nghiệm không thông tin (non-informative priors) thay vì phân phối tiên nghiệm có thông tin phong phú (informative priors).

Chương trình nghiên cứu 10 năm tiếp theo (Future Research Agenda):

  • Mở rộng mô hình Bayes cấu trúc động (Dynamic Bayesian Structural Models) để đánh giá tác động tương hỗ giữa rủi ro hệ thống (Systemic Risk), rủi ro thanh khoản và rủi ro tín dụng.
  • Đưa các yếu tố quản trị công ty (Corporate Governance), cấu trúc sở hữu nước ngoài và mức độ chuyển đổi số (Digital Transformation Index) vào mô hình giải thích KNSL.
  • Mở rộng so sánh đa quốc gia (Cross-country comparative analysis) giữa khối ASEAN-6 trong các cuộc khủng hoảng kinh tế toàn diện.

Tác động và ảnh hưởng

Công trình luận án mang lại giá trị ảnh hưởng sâu rộng trên nhiều bình diện:

  • Tác động học thuật: Định hình chuẩn mực mới trong nghiên cứu tài chính ngân hàng tại Việt Nam thông qua việc tiên phong ứng dụng kinh tế lượng Bayes (Bayesian Econometrics) và thuật toán MCMC Gibbs Sampling. Đóng góp nguồn tài liệu tham khảo giá trị cao cho các chương trình đào tạo tiến sĩ và thạc sĩ kinh tế.
  • Chuyển đổi ngành ngân hàng: Cung cấp cơ sở khoa học để các nhà quản trị ngân hàng tái cấu trúc danh mục tài sản sinh lời, chuẩn hóa quy trình trích lập dự phòng rủi ro tín dụng và chủ động thích ứng với lộ trình Basel II/Basel III.
  • Tác động chính sách: Cung cấp bằng chứng thực nghiệm độc lập cho Ngân hàng Nhà nước và các cơ quan tham mưu kinh tế của Chính phủ trong việc đánh giá hiệu quả thực tế và độ trễ rủi ro của các chính sách vĩ mô hỗ trợ nền kinh tế.
  • Giá trị quốc tế: Bổ sung dữ liệu thực nghiệm quý giá về hành vi của hệ thống ngân hàng tại các nền kinh tế đang phát triển (Emerging Markets) trong các chu kỳ khủng hoảng toàn cầu.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và học giả chuyên ngành Tài chính - Ngân hàng: Tiếp cận phương pháp luận suy luận Bayes tiên tiến, hiểu rõ cách thiết lập thuật toán Gibbs Sampling và kiểm định hội tụ MCMC (Autocorrelation, ESS) trong phân tích dữ liệu bảng tài chính.
  • Hội đồng quản trị và Ban điều hành các NHTM: Nắm bắt các quy luật biến thiên của chi phí hoạt động, đòn bẩy vốn, quy mô tài sản và tài sản thanh khoản qua từng pha chu kỳ kinh tế để hoạch định chiến lược kinh doanh an toàn, bền vững.
  • Ngân hàng Nhà nước và các nhà hoạch định chính sách vĩ mô: Sở hữu các luận cứ khoa học định lượng vững chắc để thiết kế các công cụ điều hành chính sách tiền tệ thận trọng, kiểm soát tăng trưởng tín dụng và xử lý nợ xấu hiệu quả.
  • Các tổ chức định hạng tín nhiệm và nhà đầu tư tài chính: Nâng cao năng lực phân tích, dự báo KNSL và nhận diện rủi ro hệ thống của các ngân hàng thương mại Việt Nam trong các giai đoạn biến động kinh tế vĩ mô.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của nghiên cứu là gì và đã mở rộng lý thuyết kinh điển nào?

Đóng góp lý thuyết độc đáo nhất của luận án là việc kiểm chứng và mở rộng thành công Giả thuyết Bất ổn Tài chính của Hyman Minsky (1975) trong bối cảnh một nền kinh tế chuyển đổi có sự can thiệp kích cầu của nhà nước. Luận án đã làm sáng tỏ cơ chế chuyển hóa kỳ hạn và tích tụ rủi ro từ giai đoạn tài chính phòng vệ sang tài chính đầu cơ và Ponzi khi dòng vốn kích thích kinh tế năm 2009 được bơm qua hệ thống ngân hàng, giải thích căn nguyên vì sao lợi nhuận danh nghĩa ngắn hạn tăng cao trong khủng hoảng nhưng lại gây ra suy thoái KNSL kéo dài trong giai đoạn hậu khủng hoảng.

2. Sự đổi mới về phương pháp luận nghiên cứu thể hiện như thế nào khi so sánh với các nghiên cứu trước đây?

So với các nghiên cứu của Le (2017), Nguyễn Anh Tú và Phạm Trí Nghĩa (2019), Sufian (2011) hay Andries et al. (2016) vốn sử dụng các mô hình tần suất tĩnh hoặc động truyền thống (FEM, REM, FGLS, System GMM), luận án đã tạo bước đột phá phương pháp luận khi ứng dụng Hồi quy tuyến tính Bayes thông qua thuật toán lấy mẫu Gibbs (MCMC). Phương pháp này khắc phục triệt để các hạn chế về giả định cỡ mẫu lớn, giải quyết hiện tượng nội sinh phức tạp và ước lượng chính xác phân phối hậu nghiệm của các tham số mà không bị sai lệch bởi các ngoại lai chu kỳ.

┌──────────────────────────────┬──────────────────────────────┬──────────────────────────────┐
│ TIÊU CHÍ SO SÁNH             │ PHƯƠNG PHÁP TẦN SUẤT (GMM)   │ PHƯƠNG PHÁP BAYES (LUẬN ÁN)  │
├──────────────────────────────┼──────────────────────────────┼──────────────────────────────┤
│ Bản chất tham số             │ Hằng số cố định chưa biết    │ Biến ngẫu nhiên có phân phối │
│ Yêu cầu cỡ mẫu               │ Tiệm cận vô cùng lớn         │ Nhất quán với mọi cỡ mẫu     │
│ Xử lý thông tin tiên nghiệm  │ Bỏ qua hoàn toàn             │ Tích hợp tiên nghiệm linh hoạt│
│ Kiểm định độ tin cậy         │ P-value, z-test, Sargan/Hansen│ Autocorrelation, ESS, MCMC   │
└──────────────────────────────┴──────────────────────────────┴──────────────────────────────┘

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và bằng chứng dữ liệu hỗ trợ phát hiện đó là gì?

Phát hiện bất ngờ nhất là KNSL (ROA và ROE) của các NHTM Việt Nam trong giai đoạn khủng hoảng (2007–2011) cao hơn rõ rệt so với giai đoạn hậu khủng hoảng (2012–2018). Bằng chứng thực nghiệm từ hồi quy Bayes và mô hình đối chứng SGMM khẳng định sự gia tăng biên lãi và doanh thu tín dụng dưới tác động nới lỏng tiền tệ và gói kích cầu 2009 đã đẩy KNSL tăng cao đột biến trong ngắn hạn, trước khi các khoản nợ xấu phát tác toàn diện và bào mòn lợi nhuận ngân hàng ở giai đoạn 2012–2018.

4. Luận án có cung cấp quy trình tái lặp nghiên cứu (Replication Protocol) hoàn chỉnh không?

Luận án cung cấp đầy đủ giao thức tái lặp nghiên cứu chi tiết bao gồm: định nghĩa toán học và phương pháp tính toán toàn bộ 10 biến số tài chính vi mô và vĩ mô, danh sách 30 NHTM trong mẫu nghiên cứu, quy trình lấy mẫu Gibbs MCMC, các tham số thiết lập chuỗi hội tụ và tiêu chuẩn kiểm định ESS cùng biểu đồ tự tương quan, cho phép các nhà nghiên cứu độc lập tái lặp hoàn toàn kết quả thực nghiệm.

5. Khung chương trình nghiên cứu 10 năm được định hình như thế nào?

Luận án định hình chương trình nghiên cứu dài hạn tập trung vào: phát triển các mô hình Bayes phi tuyến tính (Non-linear Bayesian Models), tích hợp các biến số rủi ro khí hậu (ESG/Green Banking), định lượng tác động của công nghệ tài chính (Fintech) và ngân hàng số lên hiệu quả chi phí, cùng các phân tích so sánh đa biến giữa hệ thống ngân hàng các quốc gia đang phát triển trong kỷ nguyên hậu suy thoái toàn cầu.

Kết luận

Luận án tiến sĩ của tác giả Phạm Hải Nam đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra với 5 đóng góp học thuật và thực tiễn nổi bật:

  1. Xác lập hệ thống bằng chứng thực nghiệm toàn diện về các nhân tố vi mô và vĩ mô chi phối khả năng sinh lời của hệ thống NHTM Việt Nam qua hai giai đoạn tương phản của chu kỳ kinh tế thế giới (2007–2011 và 2012–2018).
  2. Làm sáng tỏ cơ chế tác động của khủng hoảng và chính sách kích cầu, giải mã nghịch lý KNSL cao trong khủng hoảng và sự suy giảm trong hậu khủng hoảng dưới góc nhìn tích tụ rủi ro tín dụng và nợ xấu trễ hạn.
  3. Tiên phong đổi mới phương pháp luận thông qua việc ứng dụng thành công hồi quy tuyến tính Bayes với thuật toán lấy mẫu Gibbs MCMC, mở ra chuẩn mực nghiên cứu định lượng hiện đại cho ngành tài chính - ngân hàng tại Việt Nam.
  4. Khẳng định tính phù hợp và mở rộng phạm vi áp dụng của các lý thuyết kinh điển: Giả thuyết Bất ổn tài chính của Minsky, Lý thuyết Keynes và Lý thuyết Cấu trúc Hiệu quả (ES) trong môi trường tài chính chuyển đổi.
  5. Cung cấp hệ thống giải pháp quản trị ngân hàng và khuyến nghị chính sách vĩ mô đồng bộ, đóng góp thiết thực vào chiến lược xây dựng hệ thống ngân hàng thương mại Việt Nam an toàn, lành mạnh và phát triển bền vững trước các biến động kinh tế toàn cầu.