- Trang Chủ
- Ngân hàng - Tín dụng
- Kiểm tra sức chịu đựng đối với rủi ro tín dụng của các ngân hàng thương mại: Nghiên cứu trong điều kiện vĩ mô tại Việt Nam
Xem mẫu
- Giải thưởng Sinh viên Nghiên cứu khoa học Euréka lần thứ XIX năm 2017 Kỷ yếu khoa học
KIỂM TRA SỨC CHỊU ĐỰNG ĐỐI VỚI RỦI RO TÍN DỤNG CỦA CÁC NGÂN HÀNG
THƯƠNG MẠI: NGHIÊN CỨU TRONG ĐIỀU KIỆN VĨ MÔ TẠI VIỆT NAM
Lê Trần Thy Ánh*, Lê Thị Thanh Trúc
Trường Đại học Công nghiệp Thực phẩm TP.HCM
*Corresponding authour: anhlh@cntp.edu.vn
TÓM TẮT
Trên các diễn đàn kinh tế, cũng như trong thực tiễn hoạt động ngân hàng, rủi ro tín dụng
được đánh giá là một mắt xích quan trọng trong quản trị ngân hàng. Nhiều công cụ đã được
phát triển để quản trị rủi ro này, kiểm định sức chịu đựng, là một trong số các công cụ đó.
Trong những năm gần đây, đặc biệt sau cuộc khủng hoảng tài chính toàn cầu năm 2008, nội
dung kiểm định sức chịu đựng càng được nhấn mạnh thường xuyên hơn trên các diễn đàn
nghiên cứu khoa học và các hội thảo về quản lý rủi ro.
Từ khóa: Sức chịu đựng, rủi ro tín dụng.
INSPECTING THE RISK OF CREDIT RISK: MACROSCOPY STUDY IN VIETNAM
Le Tran Thy Anh*, Le Thi Thanh Truc
University of Food Industry Ho Chi Minh City
*Corresponding authour: anhlh@cntp.edu.vn
ABSTRACT
At economic forums, as well as in banking practice, credit risk is considered to be an
important link in banking governance. Many tools have been developed to manage this risk,
endurance testing, as one of those tools. In recent years, especially after the global financial
crisis of 2008, the content of stamina testing has been increasingly emphasized in scientific
research forums and risk management workshops.
Keywords: Endurance, financial.
ĐẶT VẤN ĐỀ NGHIÊN CỨU sức chịu đựng đối với rủi ro tín dụng của các
Hiện nay, phần lớn các ngân hàng trung ương ngân hàng thương mại: nghiên cứu trong điều
và các cơ quan giám sát tài chính đều sử kiện vĩ mô tại Việt Nam” cần thiết được thực
dụng công cụ Stress Testing để chuẩn đoán hiện.
và dự báo sức khỏe của hệ thống ngân hàng.
Theo đó, các ngân hàng trung ương, cơ quan CƠ SỞ LÝ THUYẾT VÀ NGHIÊN CỨU
giám sát tài chính sẽ ban hành các quy định LIÊN QUAN
về Stress Testing và yêu cầu các ngân hàng Cơ sở lý thuyết
thực hiện, đồng thời báo cáo kết quả để chủ Stress Testing là thuật ngữ chỉ các kỹ thuật
động đi trước đón đầu trong các việc phòng khác nhau được sử dụng để đo lường tổn thất
ngừa và giải quyết những rủi ro gặp phải của tổ chức tài chính đối với các sự kiện bất
trong quá trình kinh doanh trước những biến thường nhưng có thể xảy ra. Các kỹ thuật
động về kinh tế vĩ mô. Là một thị trường thực hiện Stress Testing gồm: phân tích độ
đang phát triển nhưng kinh nghiệm quản lý nhạy đơn giản, phân tích kịch bản, phương
rủi ro chưa nhiều, các ngân hàng tại Việt pháp tổn thất tối đa, lý thuyết giá trị cực đại
Nam đã bộc lộ một số bất cập, yếu kém như (Committee on the Global Financial System,
tỷ lệ nợ xấu gia tăng, trình độ quản trị còn 2000).
yếu, nguồn nhân lực chưa đáp ứng yêu cầu Theo Cihák (2007), Stress Testing có thể
của sự phát triển đa dạng và phong phú. Thực được thực hiện thông qua 2 phương pháp.
trạng hệ thống ngân hàng Việt Nam hiện nay Phương pháp đầu tiên được gọi là phương
đặt ra vấn đề cấp bách là cần phải có một pháp từ trên xuống (Top-down), phương
nghiên cứu để kiểm định mức độ chịu đựng pháp thứ hai là phương pháp từ dưới lên
đối với rủi ro tín dụng. Xuất phát từ những lý (Bottom-up). Trong nghiên cứu này, chúng
do đó, chúng tôi cho rằng đề tài “Kiểm định tôi tiến hành thực hiện Stress Testing đối với
318
- Giải thưởng Sinh viên Nghiên cứu khoa học Euréka lần thứ XIX năm 2017 Kỷ yếu khoa học
rủi ro tín dụng theo phương pháp Top-down. bản để thực hiện Stress Testing thông qua
Lược khảo các nghiên cứu liên quan phân tích nợ xấu sau các cú sốc. Kịch bản
Nghiên cứu của Settor Amediku (2006) thực thứ nhất giả định tốc độ tăng GDP, CPI, tốc
hiện kiểm tra độ căng thẳng của hệ thống độ tăng cung tiền M2 giảm 3%, giá nhà tăng
ngân hàng Ghana bằng cách sử dụng phương 3%. Kịch bản thứ hai giả định GDP, CPI
pháp VAR. Settor Amediku đã cho thấy rằng giảm (dựa trên thông tin về cuộc khủng
có mối liên hệ khách quan giữa tỷ lệ nợ xấu hoảng tài chính toàn cầu năm 2008-2009);
của hệ thống ngân hàng với chỉ số lạm phát ban đầu các tác giả giữ nguyên cung tiền M2,
và chênh lệch sản lượng của nền kinh tế. Ông sau khi GDP và CPI giảm cùng tỷ lệ, cung
cho rằng nền kinh tế ảnh hưởng mạnh mẽ tiền được bơm vào nền kinh tế - giống như
đến hoạt động của ngân hàng mà cụ thể là những gì Chính phủ Trung Quốc đã thực
tình hình nợ xấu của hệ thống ngân hàng. hiện trong cuộc khủng hoảng tài chính Châu
Điều này tương ứng với các rủi ro mà ngân Á. Kết quả Stress Testing từ kịch bản thứ
hàng sẽ phải đối mặt khi tình hình nợ xấu nhất cho thấy nợ xấu bị ảnh hưởng bởi giá
tăng cao, căng thẳng về tín dụng. nhà (trong ngắn hạn) và tốc độ tăng GDP, tốc
Trong một nghiên cứu khác về Stress Testing độ tăng cung tiền M2 (trong dài hạn). Kết
rủi ro tín dụng tại Đức và Cộng Hòa Séc, quả Stress Testing từ kịch bản thứ 2 cho rằng
Jakubík & Schmieder (2008) xây dựng mô nợ xấu sẽ tăng vọt khi xảy ra khủng hoảng,
hình hồi quy với các biến trễ cho 2 khu vực tuy nhiên chính sách nới lỏng tiền tệ sẽ giúp
doanh nghiệp và hộ gia đình của Đức và ngăn chặn sự gia tăng nợ xấu.
Cộng hòa Séc. Nợ xấu trên tổng dư nợ là Gần đây nhất, Fungáčová & Jakubík (2013)
biến phụ thuộc, đại diện cho rủi ro tín dụng; đã thực hiện Stress Testing đối với hệ thống
biến độc lập trong mô hình gồm các biến vĩ ngân hàng Nga bằng phương pháp Top -
mô như tỷ giá hối đoái thực, lạm phát, GDP, down để đánh giá sự kháng cự của hệ thống
tỷ lệ nợ trên GDP, lãi suất, thất nghiệp, thu ngân hàng Nga đối với các cú sốc kinh tế bất
nhập hộ gia đình. Do đặc điểm của từng quốc lợi. Tác giả xem xét ảnh hưởng của các yếu
gia và từng khu vực, các biến vĩ mô sẽ khác tố vĩ mô như GDP thực, GDP danh nghĩa, giá
nhau trong từng mô hình. Sau đó, các mô nhà và tốc độ tăng trưởng tín dụng hộ gia
hình này được sử dụng để thực hiện Stress đình… đến tăng trưởng nợ xấu và tăng
Testing cho các ngân hàng Đức và Cộng hòa trưởng tín dụng thông qua mô hình vĩ mô. Từ
Séc. Tác giả xây dựng kịch bản dựa trên các đó, các kịch bản cho năm tài chính được xây
dữ liệu quá khứ và đánh giá của chuyên gia. dựng để tính toán rủi ro tín dụng, rủi ro lãi
Đối với kịch bản dựa trên dữ liệu quá khứ, suất, rủi ro tỷ giá và rủi ro liên ngân hàng (rủi
tác giả giả định các biến vĩ mô đều thay đổi ở ro lan truyền). Sau cùng, tác giả tính toán ảnh
cùng một tỷ lệ (10%, 20%). Kết quả Stress hưởng của tổng rủi ro đến nguồn vốn từng
Testing được so sánh giữa 2 quốc gia theo ngân hàng. Nghiên cứu của tác giả đã chỉ ra
từng khu vực. Nhìn chung, ảnh hưởng của rằng ngân hàng Nga hoàn toàn nhạy cảm với
các biến vĩ mô đến nợ xấu ở Đức thấp hơn ở thay đổi môi trường vĩ mô. Vào năm đầu tiên
Cộng hòa Séc đối với khu vực doanh nghiệp (năm 2010), các cú sốc vĩ mô không ảnh
nhưng ngược lại đối với khu vực hộ gia đình. hưởng đến nguồn vốn của các ngân hàng.
Tại Trung Quốc, Lu & Yang (2012) đã thực Vào năm thứ 2, kịch bản chuẩn đưa ra dự báo
hiện Stress Testing độ nhạy đối với rủi ro tín tăng trưởng tín dụng sẽ tăng gấp đôi và điều
dụng của các ngân hàng thương mại Trung này gây áp lực suy giảm tỷ lệ an toàn vốn của
Quốc. Nghiên cứu của tác giả đưa ra mô hình ngân hàng. Kết quả nghiên cứu của tác giả
hồi quy theo biến trễ giữa nợ xấu của ngân cũng cho thấy khu vực ngân hàng đang quá
hàng với 4 biến vĩ mô: tốc độ tăng GDP, CPI, nhỏ so với quy mô của nền kinh tế và khu
tốc độ tăng cung tiền M2, giá nhà và biến giả vực tư nhân đang đối mặt với khó khăn tài
(bằng 1 nếu có thanh lý nợ xấu). Kết quả chính bên ngoài khi các điều kiện vĩ mô trở
nghiên cứu cho thấy các biến vĩ mô đều tác nên xấu đi.
động có ý nghĩa thống kê với nợ xấu của các
ngân hàng thương mại Trung Quốc. Dựa trên PHƯƠNG PHÁP NGHIÊN CỨU
mô hình hồi quy này, tác giả xây dựng 2 kịch Mô hình nghiên cứu
319
- Giải thưởng Sinh viên Nghiên cứu khoa học Euréka lần thứ XIX năm 2017 Kỷ yếu khoa học
Dựa trên nghiên cứu đối với hệ thống Ngân đại diện cho giai đoạn khủng hoảng kinh tế
hàng Nga của Elsinger, Lehar và Summer năm 2008 và năm 2010. Mô hình nghiên cứu
(2002), Lu & Yang (2012), Fungáčová & mới có dạng:
Jakubík (2013), chúng tôi đề xuất các biến 𝑁𝑃𝐿𝑖𝑡 = 𝛽0 + 𝛽1 × 𝑁𝑃𝐿𝑖𝑡 (−1) +
được đưa vào mô hình là tốc độ tăng trưởng 𝛽2 × 𝐿𝑁𝑅𝐺𝐷𝑃𝑖𝑡 + 𝛽3 × 𝐿𝑁𝑅𝐸𝐸𝑅𝑖𝑡 + 𝛽4 ×
GDP, tốc độ tăng trưởng tín dụng, tỷ giá hối 𝐿𝑁𝑉𝑁𝐼𝑖𝑡 + 𝛽5 × 𝐶𝑅𝐸𝑖𝑡 + 𝛽6 ×
đoái, biến trễ của tỷ lệ nợ xấu trên tổng dư nợ 𝐾𝐻𝑈𝑁𝐺𝐻𝑂𝐴𝑁𝐺𝑡 + 𝜀𝑖𝑡 (2)
và các biến động của thị trường chứng khoán. Để xem xét ảnh hưởng của các yếu tố vĩ mô
Như vậy, mô hình nghiên cứu có dạng: đến rủi ro tín dụng của các ngân hàng thương
𝑁𝑃𝐿𝑖𝑡 = 𝛽0 + 𝛽1 × 𝑁𝑃𝐿𝑖𝑡 (−1) + 𝛽2 × mại Việt Nam trong tương lai. Chúng tôi tiến
𝐿𝑁𝑅𝐺𝐷𝑃𝑖𝑡 + 𝛽3 × 𝐿𝑁𝑅𝐸𝐸𝑅𝑖𝑡 + 𝛽4 × hành xây dựng các kịch bản dựa trên Dự báo
𝐿𝑁𝑉𝑁𝐼𝑖𝑡 + 𝛽5 × 𝐶𝑅𝐸𝑖𝑡 + 𝜀𝑖𝑡 (1) về kinh tế - xã hội Việt Nam giai đoạn 2016
Để xem xét ảnh hưởng của các yếu tố vĩ mô – 2020 của Viện nghiên cứu kinh tế và chính
đến rủi ro tín dụng của các ngân hàng thương sách VEPR và bao gồm 3 kịch bản: kịch bản
mại Việt Nam trong điều kiện bình thường và bất lợi, kịch bản bình thường và kịch bản
điều kiện khủng hoảng, chúng tôi đưa thêm thuận lợi.
vào mô hình (1) biến giả KHUNGHOANG,
Bảng 1. Tóm tắt các kịch bản cho giai đoạn 2016 – 2020
Biến Kịch bản bất lợi Kịch bản bình thường Kịch bản thuận lợi
LNRGDP 4,2%/năm 5,08%/năm 5,52%/năm
CRE 11,3%/năm 18,7%/năm 21,7%/năm
LNVNI 13,33%/năm 14,3%/năm 14,78%/năm
Nguồn:nghiên cứu và tổng hợp của tác giả.
Phương pháp ước lượng mô hình. bố xác suất chủ yếu được sử dụng trong phân
Mô hình (1) và (2) được ước lượng bằng các tích mô phỏng Monte Carlo là các phân bố
phương pháp ước lượng dữ liệu bảng như: sau: Phân bố chuẩn, phân bố đồng dạng,
phương pháp tác động cố định (Fixed phân bố tam giác. Cuối cùng, ta quan sát sự
effects), phương pháp tác động ngẫu nhiên thay đổi của biến phụ thuộc khi các biến độc
(Random effects). Việc lựa chọn phương lập thay đổi n lần và có phân bố đã được xác
pháp tốt nhất được thực hiện thông qua kiểm định. Trong nghiên cứu này, chúng tôi lấy n
định Hausman. = 5.000.
Nếu mô hình được chọn có xảy ra hiện tượng Theo Thông tư 13/2010/TT-NHNN của Ngân
tự tương quan hay phương sai thay đổi qua hàng Nhà nước Việt Nam, quy định về các tỷ
các thực thể, chúng tôi sử dụng phương pháp lệ bảo đảm an toàn trong hoạt động của tổ
ước lượng bình phương tối thiểu tổng quát chức tín dụng được ban hành ngày
khả thi (Feasible General Least Square – 20/05/2010, thì tỷ lệ nợ xấu trên tổng dư nợ
FGLS) để khắc phục hiện tượng này. của các ngân hàng thương mại phải dưới mức
Phương pháp thực hiện Stress Test. 3%. Do đó, sau khi thực hiện phân tích mô
Với mô hình tốt nhất được xây dựng, chúng phỏng Monte Carlo, biến động tỷ lệ nợ xấu
tôi thực hiện kiểm định sức chịu đựng đối với trên tổng dư nợ của mỗi ngân hàng sẽ được
rủi ro tín dụng của các ngân hàng thương mại so sánh với mức tỷ lệ quy định này để thấy
Việt Nam bằng phân tích mô phỏng Monte được khả năng chịu đựng rủi ro tín dụng
Carlo với phần mềm Crystal Ball. trước các cú sốc vĩ mô của các ngân hàng
Để tiến hành phân tích mô phỏng Monte thương mại Việt Nam.
Carlo, giai đoạn đầu tiên là phải xây dựng Thu thập và xử lý dữ liệu.
được một mô hình toán học. Một mô hình Dữ liệu thứ cấp về các biến trong mô hình
như vậy sẽ xác định quan hệ đại số giữa biến nghiên cứu được chúng tôi thu thập từ những
phụ thuộc và các biến độc lập. Trong nghiên nguồn đáng tin cậy, cụ thể: NPL: số liệu tính
cứu này, mô hình (1) chính là mô hình toán toán tỷ lệ nợ xấu trên tổng dư nợ của 24 ngân
học cần được xây dựng. Tiếp theo, cần xác hàng thương mại cổ phần tại Việt Nam lấy từ
định phân bố xác suất của các biến độc lập báo cáo tài chính đã được kiểm toán và công
trong mô hình toán học được xây dựng. Phân bố theo năm trong giai đoạn 2008 - 2016.
320
- Giải thưởng Sinh viên Nghiên cứu khoa học Euréka lần thứ XIX năm 2017 Kỷ yếu khoa học
RGDP: số liệu tổng sản phẩm quốc nội thực 2016. Sau đó lấy logarit tự nhiên để tính toán
tế hằng năm được lấy từ Qũy tiền tệ quốc tế số liệu cho biến LNREER.
(IMF) trong giai đoạn 2008 - 2016. Sau đó
lấy logarit tự nhiên để tính toán số liệu cho KẾT QUẢ NGHIÊN CỨU
biến LNRGDP. REER: số liệu tỷ giá hối đoái Kết quả ước lượng mô hình
hiệu lực thực tế hằng năm được lấy từ Qũy Kết quả ước lượng mô hình như sau:
tiền tệ quốc tế (IMF) trong giai đoạn 2008 -
Bảng 2. Kết quả ước lượng mô hình bằng phương pháp Feasible General Least Square –
FGLS
Biến số Hệ số hồi quy Độ lệch Chỉ P- Cận dưới Cận trên
chuẩn số Z value của hệ số của hệ số
(**) (**)
NPL(-1) 0,4261473*** 0,057905 7,36 0,000 0,3126555 0,5396391
LNVNI 0,0386476** 0,0174103 2,22 0,026 0,004524 0,0727712
CRE -0,0970501*** 0,0296652 -3,27 0,001 -0,1551928 -0,0389074
LNREER -0,0373221 0,0324724 -1,15 0,250 -0,1009668 0,0263226
LNRGDP -0,0501133*** 0,0145664 -3,44 0,001 -0,078663 -0,0215637
KHUNGHOANG 0,0018483 0,0035408 0,52 0,602 -0,0050915 0,0087881
_CONS 1,746939 0,4788421 3,65 0,000 0,8084255 2,685452
(*) là có ý nghĩa thống kê tại 10%, (**) là có ý nghĩa thống kê tại 5%, (***) là có ý nghĩa
thống kê tại 1%
Kết quả ước lượng mô hình bằng phương các biến không có ý nghĩa thống kê và ước
pháp FGLS cho thấy hệ số hồi quy của các lượng lại mô hình. Kết quả ước lượng như
biến LNREER, KHUNGHOANG không có ý sau:
nghĩa thống kê. Chúng tôi tiến hành loại bớt
Bảng 3. Kết quả ước lượng mô hình bằng phương pháp Feasible General Least Square –
FGLS
Biến số Hệ số hồi quy Độ lệch Chỉ P- Cận dưới Cận trên
chuẩn số Z value của hệ số của hệ số
(**) (**)
NPL(-1) 0,4098594*** 0,0544628 7,53 0,000 0,3031142 0,5166047
LNVNI 0,0211079** 0,008806 2,40 0,017 0,0038484 0,0383674
CRE -0,0726522*** 0,0154457 -4,70 0,000 -0,1029252 -0,0423792
LNRGDP -0,0482278*** 0,0140582 -3,43 0,001 -0,0757813 -0,0206742
_CONS 1,604891 0,4493774 3,57 0,000 0,7241276 2,485655
(*) là có ý nghĩa thống kê tại 10%, (**) là có ý nghĩa thống kê tại 5%, (***) là có ý nghĩa thống kê tại 1%.
321
- Giải thưởng Sinh viên Nghiên cứu khoa học Euréka lần thứ XIX năm 2017 Kỷ yếu khoa học
Kết quả ước lượng cho thấy hệ số hồi quy tổng dư nợ của các ngân hàng thương mại
của các biến NPL(-1), CRE, LNVNI, Việt Nam.
LNRGDP đều có ý nghĩa thống kê. Điều này Kết quả kiểm định sức chịu đựng
cho thấy độ trễ một thời đoạn của tỷ lệ nợ Kịch bản bất lợi
xấu trên tổng dư nợ, tốc độ tăng trưởng tín Với kết quả phân tích mô phỏng, tỷ lệ nợ xấu
dụng, Logarit tự nhiên của chỉ số giá chứng trên tổng dư nợ của các ngân hàng thương
khoán VN-INDEX, Logarit tự nhiên của mại Việt Nam trong giai đoạn 2016 – 2020
GDP thực có ảnh hưởng đến tỷ lệ nợ xấu trên có thể biến động như sau:
Bảng 4. Biến động tỷ lệ nợ xấu trên tổng dư nợ bình quân năm giai đoạn 2016 – 2020
Giai đoạn 2016 - 2020
STT Ngân hàng 2016
2017 2018 2019 2020
1 BID 1.96% 2.12% 2.28% 2.47% 2.67%
2 CTG 1.02% 1.10% 1.19% 1.28% 1.39%
3 EIB 1.59% 1.72% 1.86% 2.01% 2.17%
4 VCB 1.48% 1.60% 1.73% 1.87% 2.02%
5 ACB 0.87% 0.94% 1.01% 1.10% 1.18%
6 MBB 1.34% 1.45% 1.56% 1.69% 1.82%
7 STB 5.35% 5.78% 6.24% 6.74% 7.28%
8 TCB 1.58% 1.70% 1.84% 1.98% 2.14%
9 SCB 0.10% 0.11% 0.12% 0.13% 0.14%
10 NCB 1.48% 1.60% 1.73% 1.87% 2.02%
11 SHB 2.87% 3.10% 3.35% 3.62% 3.91%
12 SEA 1.72% 1.86% 2.01% 2.17% 2.35%
13 VIB 1.51% 1.63% 1.76% 1.90% 2.05%
14 VPB 2.91% 3.14% 3.39% 3.66% 3.96%
15 MARIB 2.17% 2.34% 2.53% 2.73% 2.95%
16 HDB 1.46% 1.57% 1.70% 1.84% 1.98%
17 OCB 1.51% 1.63% 1.76% 1.90% 2.05%
18 KLB 1.61% 1.73% 1.87% 2.02% 2.19%
19 NAB 2.94% 3.18% 3.43% 3.70% 4.00%
20 VAB 2.14% 2.31% 2.50% 2.70% 2.91%
21 ABB 2.51% 2.71% 2.92% 3.16% 3.41%
22 VIETCAPB 2.98% 3.22% 3.48% 3.75% 4.05%
23 PGB 2.47% 2.67% 2.88% 3.11% 3.36%
24 TPB 0.51% 0.55% 0.59% 0.64% 0.69%
Nguồn: Tính toán của tác giả
Như vậy, với kịch bản bất lợi, các ngân hàng Kịch bản bình thường
STB, SHB, VPB, NAB, ABB, VIETCAPB, Với kết quả phân tích mô phỏng, tỷ lệ nợ xấu
PGB sẽ có tỷ lệ nợ xấu trên tổng dư nợ bình trên tổng dư nợ của các ngân hàng thương
quân trong giai đoạn 2016 – 2020 vượt quá mại Việt Nam trong giai đoạn 2016 – 2020
giới hạn cho phép 3%. có thể biến động như sau:
322
- Giải thưởng Sinh viên Nghiên cứu khoa học Euréka lần thứ XIX năm 2017 Kỷ yếu khoa học
Bảng 5. Biến động tỷ lệ nợ xấu trên tổng dư nợ bình quân năm giai đoạn 2016 – 2020
Giai đoạn 2016 - 2020
STT Ngân hàng 2016
2017 2018 2019 2020
1 BID 1.96% 2.04% 2.12% 2.20% 2.29%
2 CTG 1.02% 1.06% 1.10% 1.15% 1.19%
3 EIB 1.59% 1.66% 1.72% 1.79% 1.87%
4 VCB 1.48% 1.54% 1.60% 1.67% 1.74%
5 ACB 0.87% 0.90% 0.94% 0.98% 1.02%
6 MBB 1.34% 1.39% 1.45% 1.51% 1.57%
7 STB 5.35% 5.57% 5.79% 6.02% 6.26%
8 TCB 1.58% 1.64% 1.70% 1.77% 1.84%
9 SCB 0.10% 0.10% 0.11% 0.11% 0.12%
10 NCB 1.48% 1.54% 1.61% 1.67% 1.74%
11 SHB 2.87% 2.99% 3.11% 3.23% 3.36%
12 SEA 1.72% 1.79% 1.87% 1.94% 2.02%
13 VIB 1.51% 1.57% 1.63% 1.70% 1.76%
14 VPB 2.91% 3.02% 3.15% 3.27% 3.40%
15 MARIB 2.17% 2.26% 2.35% 2.44% 2.54%
16 HDB 1.46% 1.52% 1.58% 1.64% 1.71%
17 OCB 1.51% 1.57% 1.63% 1.70% 1.77%
18 KLB 1.61% 1.67% 1.74% 1.81% 1.88%
19 NAB 2.94% 3.06% 3.18% 3.31% 3.44%
20 VAB 2.14% 2.23% 2.32% 2.41% 2.50%
21 ABB 2.51% 2.61% 2.71% 2.82% 2.93%
22 VIETCAPB 2.98% 3.10% 3.22% 3.35% 3.49%
23 PGB 2.47% 2.57% 2.67% 2.78% 2.89%
24 TPB 0.51% 0.53% 0.55% 0.57% 0.60%
Nguồn: Tính toán của tác giả
Như vậy, với kịch bản bình thường, các ngân Kịch bản thuận lợi
hàng STB, SHB, VPB, NAB, VIETCAPB sẽ Với kết quả phân tích mô phỏng, tỷ lệ nợ xấu
có tỷ lệ nợ xấu trên tổng dư nợ bình quân trên tổng dư nợ của các ngân hàng thương
trong giai đoạn 2016 – 2020 vượt quá giới mại Việt Nam trong giai đoạn 2016 – 2020
hạn cho phép 3%. có thể biến động như sau:
Bảng 6. Biến động tỷ lệ nợ xấu trên tổng dư nợ bình quân năm giai đoạn 2016 – 2020
Giai đoạn 2016 - 2020
STT Ngân hàng 2016
2017 2018 2019 2020
1 BID 1.96% 1.94% 1.92% 1.90% 1.88%
2 CTG 1.02% 1.01% 1.00% 0.99% 0.98%
3 EIB 1.59% 1.58% 1.56% 1.55% 1.53%
4 VCB 1.48% 1.47% 1.45% 1.44% 1.43%
5 ACB 0.87% 0.86% 0.85% 0.84% 0.84%
6 MBB 1.34% 1.33% 1.31% 1.30% 1.29%
7 STB 5.35% 5.30% 5.25% 5.19% 5.14%
8 TCB 1.58% 1.56% 1.54% 1.53% 1.51%
9 SCB 0.10% 0.10% 0.10% 0.10% 0.10%
323
- Giải thưởng Sinh viên Nghiên cứu khoa học Euréka lần thứ XIX năm 2017 Kỷ yếu khoa học
10 NCB 1.48% 1.47% 1.46% 1.44% 1.43%
11 SHB 2.87% 2.85% 2.82% 2.79% 2.76%
12 SEA 1.72% 1.71% 1.69% 1.67% 1.66%
13 VIB 1.51% 1.49% 1.48% 1.46% 1.45%
14 VPB 2.91% 2.88% 2.85% 2.82% 2.79%
15 MARIB 2.17% 2.15% 2.13% 2.11% 2.08%
16 HDB 1.46% 1.44% 1.43% 1.41% 1.40%
17 OCB 1.51% 1.49% 1.48% 1.47% 1.45%
18 KLB 1.61% 1.59% 1.57% 1.56% 1.54%
19 NAB 2.94% 2.91% 2.88% 2.85% 2.82%
20 VAB 2.14% 2.12% 2.10% 2.08% 2.06%
21 ABB 2.51% 2.48% 2.46% 2.43% 2.41%
22 VIETCAPB 2.98% 2.95% 2.92% 2.89% 2.86%
23 PGB 2.47% 2.44% 2.42% 2.40% 2.37%
24 TPB 0.51% 0.50% 0.50% 0.49% 0.49%
Nguồn: Tính toán của tác giả
Như vậy, với kịch bản thuận lợi, chỉ có STB TCTD để hướng tới các mô hình quản lý rủi
còn tỷ lệ nợ xấu trên tổng dư nợ bình quân ro tiên tiến, hiệu quả tạo tiền đề cho quá trình
trong giai đoạn 2016 – 2020 vượt quá giới triển khai áp dụng kiểm định sức chịu đựng
hạn cho phép 3% đối với rủi ro tín dụng của các TCTD.
Kết quả kiểm định sức chịu đựng đối với rủi Thứ hai, ban hành các hướng dẫn quy định
ro tín dụng, theo các kịch bản tương lai được về khuôn khổ thực hiện kiểm định sức chịu
xây dựng, cho thấy ở cả kịch bản bất lợi, kịch đựng cho các ngân hàng thương mại, Hội
bản bình thường và kịch bản thuận lợi, vẫn sẽ đồng quản trị, Ban điều hành của các TCTD.
có ngân hàng thương mại cổ phần tại Việt Thứ ba, mỗi ngân hàng cần ban hành các quy
Nam với tỷ lệ nợ xấu trên tổng dư nợ bình định thực hiện kiểm định sức chịu đựng đối
quân trong giai đoạn 2016 – 2020 vượt quá với rủi ro tín dụng và đảm bảo việc kiểm
giới hạn cho phép 3%. định sức chịu đựng đối với rủi ro tín dụng
Kiến nghị được gắn kết với hoạt động quản lý rủi ro.
Trên cơ sở kết quả nghiên cứu, để quá trình Thực hiện xây dựng các mô hình, phương
kiểm định sức chịu đựng đối với rủi ro tín pháp kiểm tra sức chịu đựng đối với rủi ro tín
dụng có thể được triển khai thành công trong dụng gắn với các hoạt động kinh doanh trọng
thực tế, chúng tôi đưa ra các định hướng áp yếu. Xác định các kịch bản phù hợp với đặc
dụng như sau: thù hoạt động kinh doanh và định kỳ rà soát
Thứ nhất, cần thay đổi nhận thức của các tính hợp lý của các kịch bản này.
TÀI LIỆU THAM KHẢO
CIHÁK M., 2007. Introduction to Applied Stress Testing. IMF Working Paper, no, 07/59.
Committee on the Global Financial System, 2000. Stress Testing by large financial
institutions: current practice and aggregation issues.
ELSINGER H., LEHAR A., SUMMER M., 2006. Using Market Information for Banking
System Risk Assessment, International Journal of Central Banking.
FUNGÁČOVÁ Z & JAKUBÍK P, 2013. Bank Stress Tests as an Information Device for
Emerging Markets: The Case of Russia. IES Working Paper 4/2012. IES FSV. Charles
University.
LU W & YANG Z., 2012. Stress Testing of Commercial Banks’ Exposure to Credit Risk: A
Study Based on Write-off Nonperforming Loans.
SETTOR AMEDIKU, 2006. Stress Testings of the Ghanaian Banking Sector: a VAR
approach. Bank of Ghana.
324
nguon tai.lieu . vn