Tổng quan về luận án

Hoạt động cấp tín dụng luôn giữ vị thế là mảng nghiệp vụ kinh doanh cốt lõi, mang lại nguồn thu nhập và lợi nhuận chủ yếu cho các ngân hàng thương mại (NHTM), song cũng là nơi tiềm ẩn rủi ro tín dụng (RRTD) lớn nhất. Trong bối cảnh hội nhập tài chính quốc tế sâu rộng và yêu cầu chuyển đổi số toàn diện của cuộc Cách mạng Công nghiệp 4.0, vấn đề kiểm soát và lành mạnh hóa chất lượng tài sản có trở thành yêu cầu sống còn. Luận án tiến sĩ kinh tế với đề tài "Quản lý nợ xấu tại Ngân hàng thương mại cổ phần Kỹ thương Việt Nam" do NCS. Vũ Ngọc Anh thực hiện dưới sự hướng dẫn của TS. Đỗ Đình Thu và PGS.TS. Hà Minh Sơn tại Học viện Tài chính (2021) là công trình nghiên cứu tiên phong, tiếp cận toàn diện mô hình quản lý nợ xấu (QLNX) tại một ngân hàng tư nhân hàng đầu Việt Nam tiên phong áp dụng chuẩn mực Basel II.

Khoảng trống nghiên cứu (Research Gap) được xác định rõ: Phần lớn các công trình trước đây (như Trương Thị Đức Giang, 2020; Nguyễn Thị Thu Cúc, 2015) chủ yếu tập trung vào các NHTM có vốn Nhà nước hoặc nghiên cứu chung toàn hệ thống (Nguyễn Thị Hồng Vinh, 2017; Lê Thị Thùy Vân, 2017). Về mặt lý luận, các nghiên cứu đi trước tiếp cận QLNX nặng về đánh giá định tính, chỉ dừng lại ở kết quả nợ xấu cuối kỳ mà chưa gắn kết chu trình quản lý 4 giai đoạn khép kín với khẩu vị rủi ro và các công cụ đo lường kinh tế lượng lượng hóa mức độ tác động của từng nhân tố.

Luận án đặt ra 4 câu hỏi nghiên cứu (Research Questions - RQ) và kiểm định hệ thống giả thuyết tương ứng:

  • RQ1: Tiêu chí khoa học nào dùng để nhận diện, đo lường và đánh giá toàn diện hoạt động QLNX tại NHTM?
  • RQ2: Những nhân tố nội sinh và ngoại sinh nào tác động đến hiệu quả QLNX tại Techcombank và mức độ tác động được lượng hóa ra sao thông qua mô hình kinh tế lượng?
  • RQ3: Những rào cản, hạn chế và nguyên nhân cốt lõi trong công tác QLNX tại Techcombank giai đoạn 2015–2020 là gì?
  • RQ4: Hệ thống giải pháp đồng bộ và lộ trình nào giúp tối ưu hóa QLNX tại Techcombank đến năm 2025, định hướng 2030 đáp ứng chuẩn mực Basel II/Basel III?

Khung lý thuyết của luận án được xây dựng dựa trên sự tích hợp của Lý thuyết Bất đối xứng thông tin (Asymmetric Information Theory) của Mishkin (1992), Lý thuyết Rủi ro vốn và Hiệu quả hoạt động ngân hàng của Kwan & Eisenbeis (1997), cùng Khung chuẩn mực Giám sát Ngân hàng của Ủy ban Basel (BCBS). Luận án xác lập phạm vi khảo sát thực nghiệm tại Techcombank trong chuỗi thời gian 2015–2020 (giai đoạn tăng trưởng tín dụng bình quân toàn ngành đạt xấp xỉ 16,1% và tỷ lệ nợ xấu bình quân duy trì ở mức 2,06%), kết hợp khảo sát sơ cấp trên diện rộng tại các chi nhánh trọng điểm đại diện cho các vùng miền kinh tế.

       ┌────────────────────────────────────────────────────────┐
       │   KHUNG QUẢN LÝ NỢ XẤU TOÀN DIỆN TẠI NHTM (BASEL II)   │
       └───────────────────────────┬────────────────────────────┘
                                   │
         ┌─────────────────────────┼─────────────────────────┐
         ▼                         ▼                         ▼
  [1. NHẬN DIỆN]            [2. ĐO LƯỜNG]             [3. KIỂM SOÁT]
  • Định tính & Định lượng  • Hệ thống xếp hạng       • Khẩu vị rủi ro
  • Cảnh báo sớm RRTD       • Ước lượng PD, LGD, EAD  • 3 Tuyến bảo vệ
         │                         │                         │
         └─────────────────────────┼─────────────────────────┘
                                   ▼
                            [4. XỬ LÝ NỢ]
           ┌───────────────────────┴───────────────────────┐
           ▼                                               ▼
  [Nhóm Khai Thác Nợ]                             [Nhóm Thanh Lý Nợ]
  • Cơ cấu lại kỳ hạn trả nợ                      • Xử lý TSBĐ & Bán nợ (VAMC)
  • Miễn/giảm lãi vay                             • Trích lập & Sử dụng quỹ DPRR
  • Tiếp tục giải ngân bổ sung                    • Chứng khoán hóa nợ (SPV)

Literature Review và Positioning

Tổng quan tài liệu quốc tế và trong nước ghi nhận nhiều dòng nghiên cứu chủ lưu về nợ xấu (Non-Performing Loans - NPL) và quản trị rủi ro:

  1. Dòng nghiên cứu lý thuyết nền tảng về bản chất và nguyên nhân nợ xấu: Peter S. Rose (1996) trong "Commercial Bank Management" định hình nợ xấu là các khoản nợ dưới chuẩn quá hạn từ 90 ngày trở lên hoặc có nghi ngờ nghiêm trọng về khả năng thu hồi vốn. Reed (1984) nhấn mạnh nguyên nhân chủ quan từ phía khách hàng vay vốn khi mất cân đối tài chính. Frederic S. Mishkin (1992) giải thích nguồn gốc nợ xấu thông qua lựa chọn đối nghịch (Adverse Selection) và rủi ro đạo đức (Moral Hazard) bắt nguồn từ bất đối xứng thông tin, đề xuất các nguyên tắc sàng lọc, giám sát và trích lập quỹ dự phòng rủi ro (DPRR) để chống đỡ tổn thất.
  2. Dòng nghiên cứu tác động vĩ mô và hiệu ứng lan truyền: Simon Kwan & Robert A. Eisenbeis (1997) phân tích mối quan hệ giữa rủi ro, vốn hóa và hiệu quả hoạt động, chỉ ra hiệu ứng "suy giảm tín dụng" (Credit Crunch) khi nợ xấu vượt ngưỡng an toàn. Rogoff (2010) khẳng định nợ xấu là biến số cảnh báo sớm cho các cuộc khủng hoảng tài chính mang tính hệ thống.
  3. Dòng nghiên cứu thực nghiệm đa quốc gia: Raphael Espinoza & Ananthakrishnan Prasad (2010) sử dụng mô hình Vector Autoregression (VAR) trên bảng dữ liệu 80 ngân hàng vùng Vịnh (GCC) giai đoạn 1995–2008, chứng minh các cú sốc kinh tế vĩ mô tích lũy làm gia tăng đột biến NPL và tạo hiệu ứng phản hồi tiêu cực làm giảm tăng trưởng GDP. Moh Benny Alexandri & Teguh Iman Santoso (2015) sử dụng mô hình tác động ngẫu nhiên (Random Effects Model - REM) trên 26 ngân hàng tại Indonesia (2009–2013), chứng minh tỷ lệ an toàn vốn (CAR) và tỷ suất sinh lời trên tài sản (ROA) có mối tương quan nghịch rõ rệt với quy mô nợ xấu.

Tại Việt Nam, các nghiên cứu vĩ mô (Lê Thị Thùy Vân, 2017; Phạm Phú Thái, 2020; Nguyễn Thị Kim Quỳnh, 2020) tập trung vào vai trò xử lý nợ của Công ty Quản lý Tài sản của các TCTD Việt Nam (VAMC) và khung pháp lý xử lý tài sản bảo đảm (TSBĐ). Ở cấp độ vi mô, Trương Thị Đức Giang (2020) và Nguyễn Thị Thu Cúc (2015) tiếp cận nợ xấu tại VietinBank và Agribank – những ngân hàng thương mại nhà nước có cơ chế quản trị và danh mục tín dụng khác biệt lớn so với khối ngân hàng cổ phần tư nhân.

                  ┌────────────────────────────────────────────────────────┐
                  │                 LITERATURE POSITIONING                 │
                  └───────────────────────────┬────────────────────────────┘
                                              │
         ┌────────────────────────────────────┴────────────────────────────────────┐
         ▼                                                                         ▼
[DÒNG NGHIÊN CỨU VĨ MÔ]                                                   [DÒNG NGHIÊN CỨU VI MÔ]
• Espinoza & Prasad (2010): VAR Model (GCC)                               • Rose (1996), Mishkin (1992): Information Asymmetry
• Alexandri & Santoso (2015): REM Model (Indonesia)                       • Trương Thị Đức Giang (2020): VietinBank (NHTM Nhà nước)
• Nguyễn Thị Hồng Vinh (2017): Dynamic GMM                                • Nguyễn Thị Thu Cúc (2015): Agribank (NHTM Nhà nước)
         │                                                                         │
         └────────────────────────────────────┬────────────────────────────────────┘
                                              │
                                              ▼
                         [KHOẢNG TRỐNG HỌC THUẬT ĐƯỢC LẤP ĐẦY]
                         • Định vị tại Techcombank (NHTMCP tư nhân quy mô lớn)
                         • Tiếp cận toàn diện 4 giai đoạn theo Basel II (AIRB/FIRB)
                         • Kết hợp mô hình EFA - ANOVA - OLS lượng hóa các nhân tố

Về mặt học thuật, tồn tại cuộc tranh luận lớn giữa hai trường phái:

  • Trường phái định lượng thuần túy: Dựa vào mốc thời gian quá hạn 90 ngày (IMF, 2004; Thông tư 02/2013/TT-NHNN) để hạch toán nhóm nợ.
  • Trường phái quản trị rủi ro hiện đại: Dựa trên đánh giá định tính khả năng trả nợ tương lai và lượng hóa tổn thất kỳ vọng (Expected Loss - $EL = PD \times LGD \times EAD$) theo Basel II.

Luận án định vị nghiên cứu tại điểm giao thoa giữa hai trường phái, làm rõ thực tiễn quản lý nợ xấu tại một NHTMCP tư nhân quy mô lớn nhất Việt Nam đang trong tiến trình chuyển đổi sang phương pháp xếp hạng nội bộ nâng cao (AIRB).

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng Lý thuyết Bất đối xứng thông tin và Lý thuyết Trung gian tài chính thông qua việc chuẩn hóa mô hình QLNX 4 giai đoạn liên hoàn:

$$\text{Quy trình QLNX} = \text{Nhận diện} \longrightarrow \text{Đo lường} \longrightarrow \text{Kiểm soát} \longrightarrow \text{Xử lý nợ xấu}$$

Luận án đưa ra định nghĩa học thuật chuẩn xác:

"Nợ xấu (nợ khó đòi) là các khoản nợ dưới chuẩn, có thể quá hạn và bị nghi ngờ về khả năng thanh toán của người vay cũng như khả năng thu hồi vốn của người cho vay. Đây là khoản nợ mà người đi vay (có thể là cá nhân hoặc pháp nhân) không thể trả cho người cho vay khi đến hạn thanh toán đã cam kết trong hợp đồng tín dụng."

Đồng thời, luận án làm sâu sắc thêm nguyên tắc số 6 về Quản trị công ty của Ủy ban Basel:

"Mỗi ngân hàng cần có một bộ phận quản lý rủi ro độc lập, hiệu quả đặt dưới sự chỉ đạo của một Giám đốc rủi ro (CRO) có đủ vị thế, độc lập, nguồn lực và trao đổi trực tiếp với Hội đồng quản trị."

  ┌─────────────────────────────────────────────────────────────────────────────┐
  │                 MÔ HÌNH HỒI QUY CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN QLNX              │
  └──────────────────────────────────────┬──────────────────────────────────────┘
                                         │
    ┌──────────────┬──────────────┬──────┴───────┬──────────────┬──────────────┐
    ▼              ▼              ▼              ▼              ▼              ▼
  [Biến A]       [Biến B]       [Biến C]       [Biến D]       [Biến E]       [Biến F]
 Khung pháp lý   Tổ chức bộ    Nguồn lực tài   Tổ chức thực  Kiểm tra, giám  Ứng dụng CNTT
   nội bộ        máy QLNX          chính       hiện QLNX      sát nội bộ     & Dữ liệu lớn
 (Beta = 0.245) (Beta = 0.218) (Beta = 0.182) (Beta = 0.284) (Beta = 0.195) (Beta = 0.263)
    │              │              │              │              │              │
    └──────────────┴──────────────┼──────────────┴──────────────┴──────────────┘
                                  ▼
                     [BIẾN PHỤ THUỘC: HIỆU QUẢ QLNX]
                     • Tỷ lệ NPL thực tế / Mục tiêu
                     • Tỷ lệ dự phòng bao nợ xấu (LLRC)
                     • Tốc độ thu hồi và xử lý tài sản

Mô hình lý thuyết thiết lập 6 giả thuyết nghiên cứu về các nhân tố cấu thành ảnh hưởng đến hiệu quả QLNX:

  • H1: Khung pháp lý và hệ thống văn bản nội bộ ($A$) có tác động thuận chiều với hiệu quả QLNX.
  • H2: Mô hình tổ chức bộ máy và cơ chế phân quyền ($B$) có tác động thuận chiều với hiệu quả QLNX.
  • H3: Năng lực tài chính và chính sách trích lập DPRR ($C$) có tác động thuận chiều với khả năng chống đỡ tổn thất nợ xấu.
  • H4: Quy trình tổ chức thực hiện nhận diện, phân loại và xử lý nợ ($D$) tác động tích cực đến tỷ lệ thu hồi nợ.
  • H5: Công tác kiểm tra, kiểm soát và kiểm toán nội bộ ($E$) giúp phát hiện sớm các vi phạm và ngăn chặn chuyển nhóm nợ xấu.
  • H6: Ứng dụng công nghệ thông tin và chuyển đổi số ($F$) nâng cao độ chính xác của hệ thống cảnh báo sớm RRTD.

Khung phân tích độc đáo

Khung phân tích tích hợp hệ thống tiêu chí đánh giá QLNX theo cấu trúc 2 tầng:

  1. Nhóm tiêu chí định lượng:
    • Tỷ lệ nợ xấu trên tổng dư nợ: $$\text{NPL Ratio} = \frac{\text{Nợ nhóm 3} + \text{Nợ nhóm 4} + \text{Nợ nhóm 5}}{\text{Tổng dư nợ tín dụng}} \times 100%$$
    • Hệ số bù đắp tổn thất nợ xấu (Loan Loss Reserve Coverage - LLRC): $$\text{LLRC} = \frac{\text{Quỹ dự phòng rủi ro cụ thể} + \text{chung}}{\text{Tổng nợ xấu (Nhóm 3+4+5)}} \times 100%$$
    • Tỷ lệ nợ quá hạn (NQH), Tỷ lệ nợ không thể thu hồi được, Tỷ lệ an toàn vốn (CAR), Tỷ lệ dư nợ trên vốn huy động (LDR), Biên lãi thuần (NIM).
  2. Nhóm tiêu chí định tính:
    • Mức độ hoàn thiện của hệ thống xếp hạng tín dụng nội bộ (Internal Credit Rating System).
    • Hiệu lực của mô hình quản trị rủi ro 3 tuyến bảo vệ (Three Lines of Defence).
    • Tính linh hoạt của danh mục 7 công cụ thanh lý nợ: Xử lý TSBĐ, Bán nợ cho VAMC/tổ chức kinh tế, Sử dụng quỹ DPRR, Chuyển nợ thành vốn góp, Chứng khoán hóa nợ qua tổ chức phát hành đặc biệt (Special Purpose Vehicle - SPV), Quy trách nhiệm cá nhân, Khởi kiện/Yêu cầu mở thủ tục phá sản.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ thế giới quan duy vật biện chứng kết hợp lập trường thực chứng (Positivism) và chủ nghĩa hiện thực phê phán (Critical Realism). Nghiên cứu sử dụng phương pháp hỗn hợp (Mixed Methods) kết hợp định tính và định lượng:

[BƯỚC 1: NGHIÊN CỨU ĐỊNH TÍNH]
Phỏng vấn sâu chuyên gia, lãnh đạo khối QLRR, giám đốc chi nhánh Techcombank
          │
          ▼
[BƯỚC 2: THIẾT KẾ CÔNG CỤ ĐO LƯỜNG]
Bảng câu hỏi Likert 5 mức độ (1 = Rất không đồng ý -> 5 = Rất đồng ý)
          │
          ▼
[BƯỚC 3: THU THẬP DỮ LIỆU THỰC NGHIỆM]
Khảo sát phân tầng tại Hội sở chính, Sở giao dịch và các Chi nhánh trọng điểm
          │
          ▼
[BƯỚC 4: PHÂN TÍCH ĐỊNH LƯỢNG (SPSS)]
Cronbach's Alpha ──> EFA (KMO & Bartlett) ──> Pearson Correlation ──> OLS Regression ──> ANOVA

Quy trình nghiên cứu rigorous

  • Chiến lược chọn mẫu: Chọn mẫu phân tầng xác suất kết hợp phi xác suất đảm bảo tính đại diện: Khảo sát tại các chi nhánh thuộc trung tâm tài chính lớn (Hà Nội, TP.HCM, Đà Nẵng), chi nhánh đô thị loại II, chi nhánh nông thôn, nhóm chi nhánh có tỷ lệ nợ xấu thấp và nhóm chi nhánh có tỷ lệ nợ xấu cao.
  • Quy mô mẫu: Phát ra 250 phiếu khảo sát, thu về 215 phiếu hợp lệ (tỷ lệ phản hồi 86%). Đối tượng khảo sát gồm cán bộ quản lý tín dụng, chuyên viên thẩm định RRTD, cán bộ xử lý nợ và thanh tra nội bộ.
  • Kiểm định độ tin cậy và giá trị:
    • Độ tin cậy thang đo kiểm định qua hệ số Cronbach's Alpha ($> 0.70$).
    • Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) thực hiện qua 2 lần kiểm định KMO (Kaiser-Meyer-Olkin $> 0.5$, kiểm định Bartlett có mức ý nghĩa $p < 0.001$).
    • Giá trị hội tụ và phân biệt kiểm định qua hệ số tải nhân tố (Factor Loading $> 0.5$) và tổng phương sai trích (Total Variance Explained $> 50%$).

Data và phân tích kinh tế lượng

Dữ liệu thứ cấp được trích xuất từ Báo cáo tài chính kiểm toán, Báo cáo thường niên của Techcombank, Ngân hàng Nhà nước (NHNN), Trung tâm Thông tin Tín dụng Quốc gia (CIC) giai đoạn 2015–2020. Dữ liệu sơ cấp được phân tích trên phần mềm SPSS 22.0:

  • Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai (Variance Inflation Factor - VIF) đều $< 2.0$, hệ số chấp nhận (Tolerance) $> 0.5$, chứng minh không tồn tại hiện tượng đa cộng tuyến giữa các biến độc lập.
  • Kiểm định giả định hồi quy: Đồ thị phần dư chuẩn hóa (Normal P-P Plot of Regression Standardized Residual) dạng phân phối chuẩn, điểm phân tán bám sát đường chéo kỳ vọng; phân tích phương sai ANOVA cho thấy mô hình đạt độ phù hợp tổng thể ở mức ý nghĩa $p < 0.001$.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Chuyển biến vượt bậc về kiểm soát nợ xấu định lượng: Giai đoạn 2015–2020 ghi nhận sự bứt phá của Techcombank khi tỷ lệ nợ xấu nội bảng giảm từ mức trên 2.0% (năm 2015) xuống dưới 1.0% (giai đoạn 2018–2020, đạt xấp xỉ 0.5%–0.7%), thấp hơn đáng kể so với mức bình quân toàn hệ thống NHTM Việt Nam (2.06%). Tốc độ gia tăng nợ xấu luôn thấp hơn tốc độ tăng trưởng tín dụng bình quân hàng năm.
  2. Năng lực đệm dự phòng rủi ro đạt mức kỷ lục: Hệ số bù đắp tổn thất nợ xấu (LLRC) của Techcombank tăng trưởng vượt bậc, từ mức dưới 80% năm 2015 lên mức trên 130%–170% vào năm 2020, tạo bộ đệm an toàn vững chắc giúp ngân hàng chủ động xóa nợ bằng quỹ DPRR mà không làm suy giảm lợi nhuận trước thuế.
  3. Mức độ tác động phân hóa của các nhân tố quản trị: Kết quả hồi quy đa biến ($R^2 > 0.65, p < 0.01$) chỉ ra thứ tự mức độ tác động của các nhân tố đến hiệu quả QLNX: $$\text{Tổ chức thực hiện QLNX (D)} > \text{Ứng dụng CNTT (F)} > \text{Khung văn bản nội bộ (A)} > \text{Mô hình tổ chức (B)} > \text{Kiểm tra giám sát (E)} > \text{Năng lực tài chính (C)}$$
  4. Phát hiện nghịch lý trong xử lý TSBĐ và phân loại nợ: Tỷ lệ nợ xấu có TSBĐ tại Techcombank chiếm trên 85%, tuy nhiên thời gian xử lý phát mại tài sản trung bình kéo dài từ 1.5 đến 3 năm do vướng mắc pháp lý về quyền thu giữ tài sản và tranh chấp dân sự. Đồng thời, việc phân loại nợ theo phương pháp định lượng (số ngày quá hạn) thường có độ trễ so với phương pháp định tính dự báo dòng tiền của khách hàng doanh nghiệp.
┌────────────────────────────────────────────────────────────────────────────────────────┐
│              SO SÁNH CÁC CHỈ SỐ QUẢN TRỊ NỢ XẤU GIAI ĐOẠN 2015 - 2020                  │
├────────────────────────────────┬───────────────────────────┬───────────────────────────┤
│ Chỉ tiêu tài chính / Quản trị  │    Techcombank (2015)     │    Techcombank (2020)     │
├────────────────────────────────┼───────────────────────────┼───────────────────────────┤
│ Tỷ lệ NPL nội bảng             │ ~2.15%                    │ < 0.70% (Top thấp nhất)   │
│ Hệ số bù đắp nợ xấu (LLRC)     │ ~78.5%                    │ > 150.0%                  │
│ Tỷ lệ an toàn vốn (CAR)        │ Đạt Basel I (~9.5%)       │ Tiên phong Basel II (>16%)│
│ Hệ thống xếp hạng nội bộ       │ Bán tự động, phân tán     │ Chuẩn hóa AIRB tập trung  │
│ Ứng dụng CNTT cảnh báo sớm     │ Thủ công từng chi nhánh   │ Real-time, phân tích dữ   │
│                                │                           │ liệu lớn tập trung        │
└────────────────────────────────┴───────────────────────────┴───────────────────────────┘

Implications đa chiều

  • Hàm ý lý thuyết: Khẳng định tính đúng đắn của việc kết hợp Lý thuyết Bất đối xứng thông tin với Khung quản trị vốn Basel II, chứng minh việc nâng cao tính minh bạch thông tin qua hệ thống xếp hạng nội bộ giúp triệt tiêu rủi ro đạo đức ngay từ khâu cấp tín dụng.
  • Hàm ý phương pháp luận: Cung cấp bộ công cụ đo lường thực nghiệm chuẩn hóa (bảng hỏi, thang đo EFA, mô hình hồi quy) có thể chuyển giao áp dụng cho các NHTMCP khác trong thị trường mới nổi.
  • Hàm ý thực tiễn và chính sách:
    • Đối với Techcombank: Tái cấu trúc mô hình QLNX từ phân tán sang quản lý rủi ro tập trung; thành lập Ban Xử lý nợ đặc biệt trực thuộc Khối QLRR; đẩy mạnh số hóa quy trình thẩm định tín dụng tự động qua AI và Big Data; xây dựng kịch bản kiểm tra sức chịu tải (Stress Testing) theo chuẩn Basel III.
    • Đối với NHNN và Chính phủ: Hoàn thiện hành lang pháp lý về thị trường mua bán nợ tập trung; luật hóa Nghị quyết 42/2017/QH14 về thí điểm xử lý nợ xấu; tạo cơ chế vận hành thị trường chứng khoán hóa nợ (SPV) để khơi thông nguồn vốn cho nền kinh tế.

Limitations và Future Research

  1. Giới hạn không gian và phạm vi đối tượng: Nghiên cứu chỉ tập trung vào pháp nhân Ngân hàng mẹ Techcombank, chưa bao gồm hoạt động của các công ty con (Techcombank AMC, Techcom Securities), nơi có thể chuyển dịch các khoản nợ tiềm ẩn rủi ro qua các cấu trúc tài chính phức tạp.
  2. Giới hạn chuỗi thời gian dữ liệu: Chuỗi số liệu khảo sát dừng lại ở năm 2020. Tác động trễ của đại dịch COVID-19 và chính sách cơ cấu lại nợ giữ nguyên nhóm nợ theo Thông tư 01/2020/TT-NHNN có thể che giấu một phần nợ xấu tiềm ẩn chưa bộc lộ hết trên bảng cân đối kế toán.
  3. Hướng nghiên cứu tương lai (Future Research Agenda):
    • Mở rộng đánh giá tác động của nợ xấu tiềm ẩn trong bối cảnh phục hồi kinh tế hậu COVID-19 và biến động của thị trường trái phiếu doanh nghiệp, bất động sản.
    • Nghiên cứu mô hình ước lượng đồng thời xác suất không trả nợ (Probability of Default - $PD$), tổn thất khi vỡ nợ (Loss Given Default - $LGD$) và quy mô nợ tại thời điểm vỡ nợ (Exposure at Default - $EAD$) phục vụ áp dụng toàn diện phương pháp AIRB theo Basel III.
    • Phân tích kinh tế lượng so sánh cấu trúc QLNX giữa nhóm NHTM cổ phần tư nhân và nhóm NHTM Nhà nước cổ phần hóa trong môi trường lãi suất thả nổi.

Tác động và ảnh hưởng

  • Tác động học thuật (Academic Impact): Cung cấp tài liệu tham khảo chuyên khảo chất lượng cao cho các chương trình đào tạo tiến sĩ, thạc sĩ chuyên ngành Tài chính - Ngân hàng tại Học viện Tài chính và các trường đại học khối kinh tế; mở ra hướng tiếp cận lượng hóa quy trình quản trị ngân hàng thương mại.
  • Tác động ngành và chuyển đổi thực tiễn (Industry Transformation): Mô hình và giải pháp của luận án trực tiếp đóng góp vào chiến lược quản trị rủi ro của Techcombank, giúp ngân hàng duy trì vị thế dẫn đầu về chất lượng tài sản và hiệu quả kinh doanh (ROA, ROE, CAR) trong nhiều năm liên tiếp.
  • Tác động chính sách và xã hội (Policy & Societal Benefits): Cung cấp luận cứ thực chứng phục vụ cơ quan quản lý (NHNN, Cơ quan Thanh tra Giám sát Ngân hàng) trong việc hoàn thiện các thông tư hướng dẫn về phân loại tài sản có, trích lập dự phòng và lộ trình thực thi Basel II/Basel III tại Việt Nam.

Đối tượng hưởng lợi

                 ┌────────────────────────────────────────────────────────┐
                 │                  ĐỐI TƯỢNG HƯỞNG LỢI                   │
                 └───────────────────────────┬────────────────────────────┘
                                             │
    ┌────────────────────────┬───────────────┴───────────────┬────────────────────────┐
    ▼                        ▼                               ▼                        ▼
[NCS & GIẢNG VIÊN]    [LÃNH ĐẠO NHTM]               [CƠ QUAN QUẢN LÝ]        [THỊ TRƯỜNG & KH]
Hưởng lợi từ khung    Áp dụng bộ công cụ nhận       Cung cấp luận cứ thực    Gia tăng an toàn hệ
lý thuyết tích hợp,   diện 4 giai đoạn, mô hình     chứng xây dựng chính     thống tài chính, giảm
thang đo EFA chuẩn    AIRB và danh mục 7 biện       sách thị trường mua      chi phí vốn vay cho
hóa và mô hình OLS.   pháp xử lý nợ tối ưu.         bán nợ và luật hóa NQ42. toàn bộ nền kinh tế.
  • Nghiên cứu sinh và Giảng viên đại học: Tiếp cận khung lý thuyết tích hợp hiện đại và mô hình định lượng xử lý nợ xấu có thể nhân rộng trong các đề tài nghiên cứu chuyên sâu.
  • Hội đồng quản trị và Ban điều hành các NHTM: Nhận được cẩm nang quản trị thực tiễn với 8 nhóm giải pháp chi tiết từ pháp lý, tổ chức, nhân sự, quy trình đến chuyển đổi số.
  • Cơ quan hoạch định chính sách (NHNN, Bộ Tài chính): Sở hữu dữ liệu thực nghiệm phục vụ hoàn thiện cơ chế mua bán nợ xấu theo nguyên tắc thị trường và quản lý rủi ro hệ thống.
  • Khách hàng và Xã hội: Hệ thống NHTM quản trị nợ xấu hiệu quả sẽ giúp giảm thiểu rủi ro đổ vỡ dây chuyền, hạ chi phí vốn vay và thúc đẩy phân bổ nguồn lực tài chính lành mạnh cho tăng trưởng kinh tế.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của công trình là gì?

Luận án đã hệ thống hóa và làm giàu Lý thuyết Bất đối xứng thông tin trong hoạt động ngân hàng thông qua việc tích hợp quy trình QLNX 4 giai đoạn (Nhận diện – Đo lường – Kiểm soát – Xử lý) gắn liền với 3 trụ cột của Hiệp ước Basel II. Luận án chỉ ra rằng hiệu quả QLNX không chỉ đo bằng tỷ lệ nợ xấu bề nổi mà phải lượng hóa qua năng lực đệm dự phòng rủi ro và tính chuẩn xác của hệ thống xếp hạng tín dụng nội bộ trong việc dự báo xác suất vỡ nợ ($PD$).

2. Điểm đổi mới phương pháp luận so với các nghiên cứu trước đây?

So với các nghiên cứu của Trương Thị Đức Giang (2020) hay Nguyễn Thị Thu Cúc (2015) vốn nặng về thống kê mô tả định tính, luận án đã thiết lập quy trình phân tích định lượng chặt chẽ: Thiết kế thang đo Likert phân tầng, kiểm định độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá EFA qua 2 lần lọc KMO, kiểm định tương quan Pearson, chạy hồi quy OLS và kiểm định phân tích phương sai ANOVA đa biến. Phương pháp này cho phép lượng hóa chính xác trọng số tác động của từng nhân tố quản trị nội bộ đến hiệu quả QLNX.

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì?

Nhân tố "Năng lực tài chính" ($C$) tuy rất quan trọng nhưng lại có hệ số tác động chuẩn hóa Beta thấp hơn nhân tố "Tổ chức thực hiện QLNX" ($D$) và "Ứng dụng CNTT" ($F$). Điều này chứng minh rằng tiềm lực vốn lớn không tự động đem lại chất lượng tín dụng an toàn nếu quy trình nhận diện nợ xấu bị buông lỏng và thiếu các công cụ số cảnh báo sớm tự động.

4. Luận án có cung cấp quy trình nhân rộng (Replication Protocol) không?

Có. Toàn bộ thang đo, cấu trúc bảng câu hỏi khảo sát, ma trận hệ số tương quan, bảng kiểm định KMO, bảng phương sai trích và hệ số hồi quy được trình bày minh bạch, chi tiết trong hệ thống bảng biểu của luận án, cho phép các nhà nghiên cứu độc lập dễ dàng kiểm chứng và nhân rộng tại các định chế tài chính khác.

5. Định hướng chương trình nghiên cứu 10 năm tới được phác thảo như thế nào?

Luận án mở đường cho chương trình nghiên cứu 2021–2030 tập trung vào 3 trụ cột: (i) Ứng dụng trí tuệ nhân tạo và học máy trong nhận diện sớm tín hiệu cảnh báo nợ xấu real-time; (ii) Xây dựng khung quản trị rủi ro khí hậu và rủi ro môi trường - xã hội (ESG Credit Risk) tác động đến khả năng trả nợ; (iii) Mô hình hóa quá trình chứng khoán hóa nợ xấu (Securitization) trên thị trường vốn thứ cấp Việt Nam.

Kết luận

Luận án tiến sĩ của NCS. Vũ Ngọc Anh là công trình nghiên cứu công phu, chuẩn mực và có giá trị khoa học - thực tiễn xuất sắc trong lĩnh vực Tài chính - Ngân hàng tại Việt Nam.

  1. Hệ thống hóa toàn diện lý luận: Chuẩn hóa khái niệm nợ xấu, xác lập mô hình QLNX 4 giai đoạn và hệ thống tiêu chí đánh giá định lượng - định tính chuẩn mực theo Basel II.
  2. Bức tranh thực chứng sâu sắc: Phân tích khách quan thực trạng nợ xấu tại Techcombank giai đoạn 2015–2020, làm rõ thành quả hạ tỷ lệ nợ xấu xuống dưới 1.0% cùng hệ số bao phủ nợ xấu vượt 150%.
  3. Lượng hóa thành công các nhân tố ảnh hưởng: Sử dụng thành công mô hình kinh tế lượng (EFA, OLS Regression, ANOVA) xác định mức độ tác động của 6 nhóm nhân tố nội bộ, khẳng định vai trò quyết định của quy trình tổ chức thực hiện và công nghệ số.
  4. Hệ thống giải pháp mang tính hành động cao: Đề xuất 8 nhóm giải pháp đồng bộ từ hoàn thiện khung pháp lý nội bộ, tổ chức lại bộ máy 3 tuyến bảo vệ, ứng dụng Big Data/AI, đến triển khai 7 kỹ thuật thanh lý nợ hiện đại.
  5. Đóng góp kiến nghị chính sách tầm vĩ mô: Đề xuất các giải pháp căn cơ cho NHNN và Chính phủ nhằm hoàn thiện thị trường mua bán nợ, thúc đẩy chứng khoán hóa nợ xấu và hoàn thiện khuôn khổ áp dụng Basel III tại Việt Nam đến năm 2030.