Nguồn: Tổng hợp của tác giả

Trong nghiên cứu này, tác giả ước lượng các mô hình bằng phương pháp SGMM với dữ liệu của 32 NHTM được lấy từ các báo cáo tài chính đã được kiểm toán trong giai đoạn 2012-2022. Bên cạnh đó, tác giả cũng sử dụng dữ liệu kinh tế vĩ mô bao gồm tăng trưởng kinh tế (GDP) và chỉ tiêu lạm phát (CPI). Hai chỉ tiêu này được nhóm tác giả lấy từ cơ sở dữ liệu của Quỹ Tiền tệ Quốc tế (IMF).

Xuất phát từ các nghiên cứu của các tác giả trong và ngoài nước về tác động của TNNL đến HQHĐ của NHTM đều sử dụng mô hình hồi quy để nghiên cứu như: Văn Thị Thái Thu (2022), Lê Long Hậu và Phạm Xuân Quỳnh (2017) tác giả đề xuất mô hình nghiên cứu tác động của TNNL đến HQHĐ của các NHTM như sau:

HQHĐi,t = α + β1ICOCOM i,t + β2ICOTRADi,t + β3ICOOTHi,t
+ γCONTROLi,t + εi,t

Trong đó:

HQHĐi,t là biến phụ thuộc với các biến đại diện là ROA, ROE, HQKT (TE) và HQQM (SE) của ngân hàng i trong năm t.

ICOCOMi,t là biến độc lập về TNNL từ hoạt động dịch vụ của ngân hàng i trong năm t.

ICOTRADi,t là biến độc lập về TNNL từ hoạt động kinh doanh đầu tư của ngân hàng i trong năm t.

ICOOTH i,t là biến độc lập về TNNL từ hoạt động khác của ngân hàng i trong năm t.

CONTROLi,t là biến kiểm soát tập hợp các nhân tố nội tại của NH như cơ cấu vốn của ngân hàng, quy mô ngân hàng, tỷ lệ dư nợ cho vay trên tổng tài sản, tỷ lệ nợ xấu, thời gian hoạt động của ngân hàng và nhân tố kinh tế vĩ mô (tăng trưởng kinh tế và lạm phát) tác động đến HQHĐ của ngân hàng i trong năm t; α là hệ số chặn; β và γ là các tham số ước lượng; ε là sai số ngẫu nhiên.

Kết quả nghiên cứu

Kiểm định tính nội sinh của mô hình

Kết quả khi thực hiện kiểm định với các biến của mô hình ROA và ROE cho thấy Wu-hausman F (1,310) của biến NPL có p< 0,05, do đó mô hình ROA và ROE có xảy ra hiện tượng nội sinh.

Kết quả khi thực hiện kiểm định với các biến của mô hình SE cho thấy Wu -hausman F của biến LOANTA có p< 0,05, do đó mô hình SE có xảy ra hiện tượng nội sinh. Với mô hình của TE, kết quả kiểm định cho thấy Wu-hausman F đều có giá trị lớn hơn 0,05. Do đó, mô hình TE không có hiện tượng nội sinh.

Kết quả hồi quy bằng phương pháp FGLS với TE

Kết quả mô hình TE cho thấy các biến ICO-com, ICO-trad và ICO-oth đều có tác động cùng chiều đến ROE ở mức ý nghĩa 1%. Biến DEPTA, INF có tác động tích cực ở mức ý nghĩa 5%. Biến NPL có tác động ngược chiều đến ROA ở mức ý nghĩa 1%. Các biến LOAN, EQTA, BANKSIZE, GDP đều không có sự tác động đến TE.

Kết quả hồi quy bằng phương pháp SGMM với ROA, ROE, SE

Để khắc phục các khuyết tật của dữ liệu như hiện tượng nội sinh, tự tương quan, phương sai sai số thay đổi, nghiên cứu tiến hành ước lượng bằng phương pháp SGMM. Kết quả cho thấy, giá trị p-value của kiểm định F là 0.000<0.05, do đó nghiên cứu bác bỏ giả thuyết H0: tất cả các hệ số phương trình đều bằng 0, hay các hệ số ước lượng của biến giải thích không có nghĩa thống kê. Giá trị p-value của kiểm định Hansen >0.1 nên chấp nhận giả thuyết H0: các mô hình xác định đúng, các biến đại diện là phù hợp. Bên cạnh đó, giá trị p-value kiểm định AR(1) của mô hình <0.05 nên bác bỏ giả thuyết H0: không có sự tương quan chuỗi bậc 1, nghĩa là mô hình có sự tương quan chuỗi bậc 1. Giá trị p-value của kiểm định AR(2) của mô hình >0.1 do đó nghiên cứu chấp nhận giả thuyết H0: không có sự tương quan chuỗi bậc hai trong phần dư của mô hình hồi quy. Bên cạnh đó, số công cụ nhỏ hơn số nhóm cũng cho thấy các kiểm định trong mô hình thỏa mãn.

Kết quả cho thấy, các biến ICO-com và ICO-trad có tác động tích cực đến ROA ở mức ý nghĩa 1% trong khi biến ICO-oth tác động tích cực ở mức ý nghĩa 5%. Các biến DEPTA và BANKSIZE có tác động tích cực đến ROA ở mức ý nghĩa 1%, biến GDP có tác động tiêu cực đến ROA ở mức ý nghĩa 10%. Các biến còn lại không có tác động đến ROA.

Kết quả mô hình hồi quy thể hiện biến ICO-oth, ICO-trad, LOANTA và DEPTA đều có ý nghĩa thống kê và có tác động tích cực đến ROE. Các biến ICO-com và INF có tác động trái chiều đến ROE.

Bảng 2 cho thấy biến ICO-com có tác động ở mức ý nghĩa 10% và ICO-oth có ý nghĩa ở mức 5%. ICO-trad không có tác động đến SE. Ngoài ra, trong các biến kiểm soát chỉ có DEPTA có ý nghĩa thống kê, các biến còn lại không thấy sự tác động đến SE.

Thảo luận kết quả nghiên cứu

Nguồn: Kết quả phân tích từ phần mềm STATA17.0

Biến ICOcom: Hệ số ước lượng của ICO_com mang giá trị dương và có ý nghĩa thống kê ở mức 1% đối với ROA và TE, 5% đối với ROE và 10% đối với SE.

Biến ICOtrad: Hệ số ước lượng của ICO_trad mang giá trị dương và có ý nghĩa thống kê ở mức 1% đối với ROA, ROE và TE, không thấy sự tác động đến SE.

Biến ICOoth: Hệ số ước lượng của ICO_oth mang giá trị dương và có ý nghĩa thống kê ở mức 1% đối với TE và 5% đối với ROA, ROE và SE.

Biến LOANTA: Hệ số ước lượng của LOANTA mang giá trị dương và có ý nghĩa thống kê ở mức 1% đối với ROA và 5% đối với ROE.

Biến NPL: Hệ số ước lượng của NPL mang giá trị âm và có ý nghĩa thống kê ở mức 1% đối với ROE và TE cho thấy sự tác động tiêu cực của nợ xấu từ đến HQHĐ các NHTM Việt Nam trong giai đoạn 2012- 2022.

Biến EQTA: Hệ số ước lượng của EQTA mang giá trị dương và có ý nghĩa thống kê ở mức 1% đối với ROE và 5% đối với ROA.

Biến DEPTA: Hệ số ước lượng của DEPTA mang giá trị dương và có ý nghĩa thống kê ở mức 1% đối với ROA, ROE , SE và 5% đối với TE.

Biến BANKSIZE: Hệ số ước lượng của BANKSIZE mang giá trị dương và có ý nghĩa thống kê ở mức 5% đối với ROA cho thấy sự tác động tích cực của quy mô ngân hàng đến lợi nhuận sau thuế trên tổng tài sản các NHTM Việt Nam trong giai đoạn 2012- 2022.

Biến GDP: Hệ số ước lượng của GDP mang giá trị âm và có ý nghĩa thống kê đối với ROA và SE cho thấy sự tác động tiêu cực của tăng trưởng kinh tế đến lợi nhuận sau thuế trên tổng tài sản và hiệu quả quy mô các NHTM Việt Nam trong giai đoạn 2012- 2022.

Biến INF: Hệ số ước lượng của INF mang giá trị dương và có ý nghĩa thống kê ở mức 1% đối với SE và 5% đối với TE.

Hàm ý chính sách

Dựa trên kết quả nghiên cứu, tác giả đưa ra một số hàm ý chính sách liên quan đến TNNL đến HQHĐ của các NHTM Việt Nam, cụ thể:

Một là, gia tăng tỷ lệ tiền gửi của khách hàng. Kết quả của mô hình nghiên cứu cho thấy, tỷ lệ tiền gửi trên tổng tài sản có ảnh hưởng tích cực đến TNNL và HQHĐ của các NHTM tại Việt Nam, do đó các NHTM cần chú trọng nâng cao tỷ lệ này. Với xu hướng phát triển công nghệ ngân hàng hiện nay, người dân tích cực gửi tiền vào ngân hàng để sử dụng các dịch vụ thanh toán không dùng tiền mặt như: tiền điện, nước, tiền hàng hoá, học phí… từ đó đem lại nguồn TNNL.

Hai là, giảm và hạn chế nợ xấu phát sinh tại các NHTM. Cần xây dựng mô hình tổ chức và quản trị điều hành để triển khai và xử lý nợ xấu. Đồng thời, các NHTM cần nghiêm túc thực hiện việc trích lập quỹ dự phòng rủi ro theo nguyên tắc đúng và đủ để xử lý các tổn thất có thể xảy ra do khách hàng không thực hiện nghĩa vụ đã cam kết.

Ba là, các NHTM cần nâng cao tỷ lệ nguồn vốn chủ sở hữu. Đối với các NHTM có lợi nhuận cao có thể thực hiện tăng vốn bằng chính sách phân phối lợi nhuận phù hợp. Bên cạnh đó, các NHTM còn có thể thực hiện tăng vốn từ bên ngoài thông qua việc phát hành bổ sung cổ phiếu, phát hành trái phiếu chuyển đổi.

Bốn là, mở rộng quy mô hoạt động của NHTM. Việc mở rộng các điểm giao dịch, hệ thống ATM, POS, dịch vụ 24/24 cùng với việc xây dựng thương hiệu uy tín giúp NHTM gia tăng khả năng cạnh tranh.

Năm là, thực hiện đa dạng hoá thu nhập. Kết quả nghiên cứu cho thấy đa dạng hoá thu nhập có tác động tích cực đến TNNL của các NHTM.

Sáu là, tập trung phát triển các sản phẩm dịch vụ phi tín dụng, đa dạng hoá các tiện ích sản phẩm, nâng cao chất lượng dịch vụ, tập trung phát triển các dịch vụ mới để thu hút khách hàng của ngân hàng. Xây dựng hệ thống phát triển sản phẩm mới, áp dụng kỹ thuật công nghệ hiện đại để gia tăng TNNL từ hoạt động dịch vụ của NHTM.

Bảy là, xây dựng và phát triển công nghệ hiện đại. Việc phát triển công nghệ sẽ giúp NHTM dễ dàng trong việc phát triển sản phẩm mới cũng như nâng cấp các sản phẩm hiện có. Đầu tư công nghệ hiện đại sẽ giúp các NHTM đưa sản phẩm đến khách hàng nhanh chóng hơn và cắt giảm chi phí hoạt động, gia tăng lợi nhuận.

Tám là, nâng cao trình độ chuyên môn của đội ngũ cán bộ nhân viên. Các NHTM cần thường xuyên tổ chức các khoá học mới, đặc biệt là các khoá học về chuyển đổi số để nhân viên được nắm bắt kịp thời sự thay đổi theo xu hướng mới, làm chủ công nghệ.

Tài liệu tham khảo:

1. Abdul, L. A. (2015), "Income diversification and bank efficiency in an emerging market", Managerial Finance, 41 (12), 1318 – 1335;
2. Alrafadi, K.M.S., Kamaruddin, B.H. và Yusuf, M.M. (2014), "Efficiency and Determinants in Libyan Banking", International Journal of Business and Social Science 5 (5), 156–168;
3. Baele, Jonghe and Vennet (2007), Does the stock market value bank diversification? Journal of Banking and Finance, 31, 1999-2023;
4. Delpachitra, S., và Lester, L. (2013), Non-interest income: Are Australian banks moving away from their traditional businesses? Economics Papers, 32, 190-199;
5. DeYoung, R., và Rice, T. (2004), "Noninterest income and financial performance at US commercial banks", Financial Review, vol. 39, no.1, pp. 101-127;
6. Hoàng Ngọc Tiến và Võ Thị Hiền (2010), "Trao đổi về phương pháp tính tỷ lệ thu nhập ngoài tín dụng của ngân hàng thương mại". Tạp chí Công nghệ Ngân hàng, 48,36-39;
7. Lê Long Hậu, Phạm Xuân Quỳnh (2017), 'Ảnh hưởng của thu nhập ngoài lãi đến hiệu quả kinh doanh của các ngân hàng thương mại Việt Nam giai đoạn 2006-2016', Tạp chí Ngân hàng, vol. 9, pp. 13-17.