Tác động của các nhân tố đến rủi ro phá sản của các ngân hàng thương mại niêm yết tại Việt Nam

TÁC ĐỘNG CỦA CÁC NHÂN TỐ ĐẾN RỦI RO PHÁ SẢN
CỦA CÁC NGÂN HÀNG THƯƠNG MẠI NIÊM YẾT TẠI VIỆT NAM
Hoàng Thị Minh Duyên
ThS.NCS. Vũ Thị Thúy Vân1
Trường Đại học Kinh tế Quốc dân
Lương Thị Ngọc Thủy
Ngân hàng TMCP Quân đội

Tóm tắt
Bài viết nghiên cứu t c động của một số nhân tố đến rủi ro phá sản của 6 ngân
hàng niêm yết trên thị trường chứng khoán Việt Nam trong 20 quý, tương ứng với
giai đoạn từ năm 2011 đến năm 2015. Dựa trên kết quả phân tích cho thấy, địn bẩy
tài chính và tỷ lệ thu nhập lãi thuần có mối liên hệ đến rủi ro phá sản của các ngân
hàng thương mại niêm yết. Đây có thể coi là chỉ báo về sức khỏe ngân hàng giúp các
ngân hàng đưa ra định hướng hoạt động sao cho phù hợp với chiến lược quản trị rủi
ro trong từng thời kì.
Từ khóa: Địn bẩy, Rủi ro phá sản, Thu nhập lãi thuần.

1. Đặt vấn đề
Trong quá trình tái cấu trúc giai đoạn 5 năm từ năm 2011 đến năm
2015, hệ thống ngân hàng Việt Nam đã trải qua nhiều biến động, đặc biệt phải
kể đến việc Ngân hàng nhà nước mua lại ba ngân hàng thương mại
OceanBank, GPBank, VNCB với giá 0 đồng, và một loạt các vụ sáp nhập
khác. Cách xử lý này đối với ba ngân hàng được xem như biện pháp phù hợp
trong điều kiện hiện nay và là những bước đi đầu tiên rất quan trọng để tiến tới
triển khai thủ tục phá sản tổ chức tín dụng theo tố tụng tư pháp quy định tại
Luật Phá sản mà Quốc hội thông qua năm 2014 (Lê Thị Nga, 2015). Tuy
nhiên, với chức năng trung gian tài chính, các ngân hàng thương mại là cầu
nối cho dòng vốn luân chuyển giữa các chủ thể kinh tế, điều này tất yếu dẫn
đến quan ngại nếu ngân hàng phá sản, hệ thống tài chính có thể bị ảnh hưởng
dây chuyền theo hiệu ứng Domino khiến nền kinh tế bị rơi vào khủng hoảng.

1

Email của tác giả chính:

243


Thực tiễn đã minh chứng, cuộc khủng hoảng tài chính thế giới khởi đầu ở Mỹ
năm 2009 được bắt nguồn từ sự phá sản của các ngân hàng thương mại bởi
hoạt động cho vay thế chấp “dưới chuẩn” của các ngân hàng, đã dẫn đến sự
suy thối kinh tế tồn cầu. Do đó, việc lưu tâm một cách đúng mực đối với
vấn đề quản lý và nghiên cứu về rủi ro phá sản tại các ngân hàng thương mại
Việt Nam để đưa ra các biện pháp nâng cao sức khỏe ngân hàng, giảm thiểu
tối đa khả năng ngân hàng đối mặt với phá sản là vô cùng quan trọng.
Trước sự cấp thiết trong nghiên cứu về rủi ro phá sản ngân hàng thương
mại tại thị trường Việt Nam, các đề tài nghiên cứu tính đến thời điểm hiện nay
vẫn cịn tồn tại những khoảng trống nghiên cứu. Thứ nhất, chưa có nhiều cơng
trình nghiên cứu về rủi ro phá sản ngân hàng. Hầu hết các nghiên cứu trước
đây mới chỉ tập trung vào các doanh nghiệp ngồi ngành tài chính - ngân
hàng. Hơn nữa, rất ít các nghiên cứu về nhân tố tác động đến rủi ro phá sản
ngân hàng tại Việt Nam được khai thác phân tích; trong khi đó trên thế giới,
việc nghiên cứu về các nhân tố này đã được thực hiện khá đa dạng. Thứ hai, các
nghiên cứu tại Việt Nam về rủi ro phá sản chủ yếu xoay quanh việc xác định
ngưỡng phá sản bằng mơ hình điểm số Z của Altman đối với các doanh nghiệp
ngồi ngành tài chính - ngân hàng, số ít mới xếp ngân hàng vào nhóm Z và chưa
chỉ ra được đặc trưng về rủi ro phá sản của ngân hàng. Hơn nữa, các nghiên cứu
cũng chưa tập trung phân tích các nhân tố tác động đến rủi ro này. Trong khi đó,
việc phân tích nhân tố là cơ sở quan trọng trong việc quản lý rủi ro hệ thống
trên thị trường chứng khốn, có thể đóng vai trị như một chỉ báo về sức khỏe
ngân hàng giúp các ngân hàng điều chỉnh hoạt động của mình sao cho phù hợp

với chiến lược quản trị rủi ro trong từng thời kì.
Xuất phát từ những khoảng trống nêu trên, việc nghiên cứu về các nhân
tố tác động đến rủi ro phá sản của ngân hàng thương mại là rất cần thiết.
2. Phƣơng pháp nghiên cứu
2.1. Phương pháp thu thập số liệu
Để phân tích tác động của các nhân tố đến rủi ro phá sản của các ngân
hàng niêm yết trên thị trường chứng khoán Việt Nam, tác giả đã sử dụng dữ
liệu thứ cấp được thu thập từ báo cáo tài chính của 6 ngân hàng niêm yết bao
244


gồm Ngân hàng TMCP Á Châu (ACB), Ngân hàng TMCP Công thương Việt
Nam Vietinbank (CTG), Ngân hàng TMCP Xuất nhập khẩu Việt Nam
Eximbank (EIB), Ngân hàng TMCP Sài Gòn Thương Tín Sacombank (STB),
Ngân hàng TMCP Sài Gịn – Hà Nội (SHB), Ngân hàng TMCP Ngoại thương
Việt Nam Vietcombank (VCB) trong 20 quý của giai đoạn nghiên cứu 5 năm
từ đầu quý I năm 2011 đến hết quý IV năm 2015 và tiến hành xử lý số liệu.
2.2. Phương pháp xử lý số liệu
Trước hết, từ bộ dữ liệu thu thập được, tác giả thực hiện tính tốn các chỉ
tiêu cần thiết cho bài nghiên cứu bằng phần mềm Microsoft Excel 2013. Sau
đó đưa các số liệu này vào trong phần mềm thống kê Stata 13 theo mơ hình
Panel Data. Tác giả tiếp tục xử lý số liệu thu thập được thơng qua việc phân
tích tương quan giữa các biến độc lập và thống kê mơ tả các biến có trong mơ
hình như việc quan sát phân tích các thống kê đặc trưng mơ tả từng biến như:
trung bình, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn. Tiếp đến, sử dụng
phương pháp ước lượng trong xây dựng mô hình hồi quy với số liệu mảng, do
đó có sự lựa chọn giữa 3 mơ hình: mơ hình tác động ngẫu nhiên (Random
Effect Model), mơ hình tác động cố định (Fixed Effect Model) hoặc OLS gộp
(Pooled OLS) để hồi quy bằng phần mềm thống kê Stata.
2.3. Mơ hình nghiên cứu

Rủi ro phá sản của các ngân hàng thương mại niêm yết trong nghiên cứu
được xác định dựa trên điểm số Z-score

(Boyd & ctg, 2006). Trên

thực tế, nguy cơ phá sản ngân hàng thể hiện qua điểm số Z đã được đo lường
qua những khoảng thời gian ngắn như 3 năm (Boyd & cộng sự, 2006; Yeyati
& Micco, 2007), trong khi những các nhà nghiên cứu khác còn xem xét ở mức
5 năm (Hannan & Hanweck, 1988) hoặc 6 năm (Laeven & Levine, 2009).
Trong mẫu nghiên cứu về các ngân hàng tại Hoa Kỳ, Boyd & cộng sự (2006)
đã sử dụng quan sát hàng quý để ước tính giá trị trung bình và độ lệch chuẩn
của ngân hàng ROA để tính ra Z-score. Số liệu theo quý cũng được Yeyati &
Micco (2007) sử dụng trong nghiên cứu, trong khi Hannan & Hanweck (1988)
lại sử dụng dữ liệu 6 tháng.
245


Mỗi nghiên cứu đều tận dụng những đặc điểm phù hợp với mẫu nghiên
cứu để đo lường Z-score. Trong bài nghiên cứu này, nhóm tác giả tập trung
chủ yếu vào việc sử dụng các dữ liệu của 6 ngân hàng thương mại niêm yết
trên thị trường chứng khoán Việt Nam, được công bố hằng quý. Như vậy, xem
xét trong khoảng thời gian 5 năm (2011-2015) trên cơ sở báo cáo tài chính
theo q, sẽ mở rộng được quy mơ mẫu. Ngồi ra, so sánh việc xem xét dưới
khía cạnh mẫu nghiên cứu theo quý và theo năm, độ biến động ROA trong
ngắn hạn (theo quý) sẽ được mong đợi cao hơn và thể hiện rõ hơn mức biến
động trong dài hạn (theo năm).


nghĩa điểm số Z

Tính chất của Z - score là khi Z - score càng lớn, khả năng dẫn tới khánh
kiệt và phá sản ngân hàng càng thấp, và ngược lại. Ví dụ, trong trường hợp giảm
thu nhập sẽ làm thâm hụt vốn, tức là Z - score giảm, tương đương với việc khiến
ngân hàng lâm vào trạng thái khánh kiệt và đứng trước nguy cơ phá sản.
 Mơ hình kiểm định
Để kiểm định tác động của các nhân tố đến rủi ro hệ thống, tác giả sử
dụng mơ hình hồi quy đối với số liệu mảng của 6 ngân hàng thương mại niêm
yết trên thị trường chứng khốn Việt Nam. Biến phụ thuộc trong mơ hình
được lựa chọn là điểm số Z, đại diện cho rủi ro phá sản của các ngân hàng
niêm yết trên thị trường. Các biến độc lập được lựa chọn trong mơ hình là các
chỉ tiêu tài chính đại diện cho các nhóm rủi ro tín dụng, rủi ro lãi suất, rủi ro
thanh khoản và rủi ro phát sinh từ cơ cấu vốn tác động đến rủi ro phá sản của
ngân hàng. Nghiên cứu lựa chọn mơ hình kiểm định dựa trên mơ hình đã được
điều chỉnh phù hợp với thực tiễn Việt Nam trong nghiên cứu của Nguyễn
Thanh Dương (2013). Tuy nhiên, khác với Nguyễn Thanh Dương, trong khi
chạy mơ hình, để đảm bảo không xảy ra hiện tượng đa cộng tuyến giữa các
biến độc lập gây ảnh hưởng đến kết quả nghiên cứu, tác giả chỉ lựa chọn mỗi
nhóm một chỉ tiêu đại diện để đưa vào phân tích.

246


Bảng 1: Ma trận hệ số tƣơng quan giữa các biến độc lập trong mơ hình
LLR
LLR

NIR

LDR

LLP

1

LEV 0,033865
NIR

LEV

1

0,091594 0,077749

1

LDR 0,125955 0,075695 0,230512

1

LLP 0,927481 0,024989 -0,06661 0,101803

Nguồn: Tác giả tính tốn dựa trên dữ liệu Stoxplus và phần mềm

1

icrosoft Excel

Để đảm bảo khơng bỏ sót biến quan trọng, nghiên cứu đã kiểm định khả
năng xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập trong mơ hình của
Nguyễn Thanh Dương được trình bày trong Bảng 1. Kết quả cho thấy tồn tại

hiện tượng đa cộng tuyến giữa hai biến LLR và LLP với hệ số tương quan
r = 0.927> 0.8. Từ đó, tiến hành kiểm định độ phù hợp đối với mơ hình hồi
quy, tác giả đã loại biến LLP và giữ lại biến LLR đại diện cho rủi ro tín dụng
tác động đến khả năng phá sản ngân hàng.
Như vậy, dựa trên những nghiên cứu đã được tiến hành bởi các tác giả đi
trước, cùng với những cân nhắc trong q trình thực hiện, cũng như có những
điều chỉnh cho phù hợp với đặc trưng của đối tượng nghiên cứu và thực tiễn
Việt Nam, nghiên cứu đã tiến hành lựa chọn giữa các chỉ tiêu trong từng nhóm
nhân tố để đưa vào mơ hình. Mơ hình kiểm định được xây dựng như sau:
Zscoreit = α0 + α1 LLRit + α2LEVit + α3 NIRit + α4 LDRit + ui + εi
Trong đó:
Zscore (điểm số Z): Rủi ro phá sản
i: biến của các phần tử chéo thứ i
t: biến đc quan sát ở mức thời điểm t
ui: thành phần sai số riêng biệt của từng phần tử chéo
ei: sai số ngẫu nhiên thông thường
247


Các hệ số từ α1 đến α4 thể hiện tác động của các nhân tố đến rủi ro phá sản.
Với một mức ý nghĩa xác định, nếu các hệ số này bằng khơng có nghĩa là hệ số
khơng có ý nghĩa thống kê, tức nhân tố đưa ra không tác động đến rủi ro phá sản
của các ngân hàng thương mại niêm yết trên thị trường chứng khoán Việt Nam.
Bảng 2: Tóm tắt các biến từ nghiên cứu thực chứng
Nhân tố

Công thức

Nghiên cứu thực nghiệm

Rủi ro
phá sản

Z-score=

Hannan & Hanweck (1988); Jordan J.
S. (1998); Marco T. G. & Fernandez
M. D. (2004); Boyd & cộng sự
(2006); Yeyati & Micco (2007);
Cihak M. & Hess H. (2008); Laeven
& Levine, (2009). Foos D., Norden L.
& Weber M. (2010).

Rủi ro
tín dụng

LLR=

Whalen G. & Thomson J. B (1988);
Halling M. & Hayden E. (2006).

Rủi ro
lãi suất

NIR=

Logan A. (2001); Halling M. & Hayden
E. (2006); Jordan J. D. &cộng sự
(2011).

Rủi ro
thanh
khoản

LDR=

Rủi ro
tài chính

LEV =

248

Montgomery & cộng sự (2004); PWC
(2006, 2011).
(Estrella & cộng sự, 2000); Logan
(2001); Montgomery (2004); Jordan J.
D. & cộng sự (2011).


3. Kết quả nghiên cứu
3.1. Kiểm định mối quan hệ tương quan giữa các biến lựa chọn trong
mơ hình
Từ bộ số liệu thu thập và xử lý dữ liệu theo các biến dược lựa chọn trong
mơ hình, kết quả thống kê mô tả cụ thể như sau:
Bảng 3. Thống kê mơ tả các biến trong mơ hình
Variable

Mean

Std.Dev

Min

Max

Z-score

161,8956

168,2058

8,747149

1105,087

1,038977

LLR

0,0023649

0,0032135

-0,0099146

0,0241354

1,358831

LEV

0,0834424

0,0158834

0,0473046

0,116441

0,190352

NIR

0,007361

0,0027302

0,0027302

0,012909

0,370901

LDR

0,572696

0,090061

0,362322

0,696362

0,157258

Nguồn: Tác giả tính toán dựa trên dữ liệu Stoxplus và phần mềm

CV

icrosoft Excel.

Từ bảng thống kê mơ tả có thể nhận thấy Z-score của 6 ngân hàng niêm
yết trên thị trường chứng khoán Việt Nam nhận giá trị trung bình là 161,8956;
ngồi ra, hệ số biến thiên CV của biến phụ thuộc Z-score khá cao là 1,039; cho
thấy mức độ phân tán là tương đối đáng kể giữa các giá trị Z-score của các
ngân hàng so với giá trị trung bình. Điều này càng có thể thấy rõ ràng qua thực
tế là trong khi điểm số Z trong quý 2 năm 2013 của SHB có giá trị nhỏ nhất là
8,747 thì Ngân hàng STB trong quý 2 năm 2012 có điểm số Z đạt giá trị lớn
nhất lên tới con số 1105,087.
3.2. Kết quả kiểm định mơ hình
Trước hết, nhóm tác giả tiến hành hồi quy với mơ hình tác động ngẫu
nhiên sau đó kiểm định lại mơ hình có tồn tại ui hay không.

249


Bảng 4: Kết quả ƣớc lƣợng theo mơ hình tác động ngẫu nhiên
Các biến trong
mơ hình

Hệ số hồi quy (α)

Thống kê z

P_value

LLR

4552,742

1,00

0,315

LEV

-2817,997

-2,23

0,026

NIR

-16486,9

-2,10

0,036

LDR

191,971

1,02

0,305

C

397,6888

2,49

0,013

Độ tin cậy

95%

Nguồn: Tác giả tính tốn dựa trên dữ liệu của Stoxplus và phần mềm thống kê Stata.
Sau đó sử dụng kiểm định Breusch - Pagan (xttest 0) để lựa chọn mơ
hình tác động ngẫu nhiên hay mơ hình OLS gộp:
Bảng 5: Kết quả kiểm định Breusch - Pagan
Var

Sd=sqrt(Var)

Zscore

28293,2

168,2058

E

22878,94

151,2578

U

9419,529

97,05426

Test: Var(u)= 0
Chibar2 (01)= 7,76
Prob> chibar2= 0,0027
Nguồn: Tác giả tính toán dựa trên dữ liệu của Stoxplus và phần mềm thống kê Stata.
Theo kết quả của kiểm định Breusch - Pagan, Prob= 0,0027< 5%, do đó
đủ điều kiện bác bỏ H0: tức là khơng sử dụng mơ hình OLS gộp.
Khi đó, xuất hiện sự lựa chọn giữa hai mơ hình tác động ngẫu nhiên và
tác động cố định. Tác giả tiếp tục sử dụng kiểm định Hausman để lựa chọn mơ
hình cho dự báo:

250

Bảng 6: Kết quả kiểm định Hausman
Test: H0: difference in coefficients not systematic
chi2(4)=

4,48

Prob> chi2=

0,3445

Nguồn: Tác giả tính tốn dựa trên dữ liệu của Stoxplus và phần mềm thống kê Stata.
Tác giả nhận thấy Prob bằng 0,3445 lớn hơn mức ý nghĩa 5% nên khơng
có mối tương quan giữa ui và các biến độc lập. Do đó, lựa chọn phù hợp ở đây
là mơ hình tác động ngẫu nhiên.
Để khẳng định lần nữa mơ hình tác động ngẫu nhiên có ý nghĩa trong dự
báo, nghiên cứu tiến hành kiểm định bệnh của mơ hình được lựa chọn như sau:
Bảng 7: Kiểm định tƣơng quan chéo trong mơ hình
Pesaran‟s test of cross sectional independence = 0,245

Pr= 0,8603

Average absolute value of the off- diagonal elements= 0,305
Nguồn: Tác giả tính tốn dựa trên dữ liệu của Stoxplus và phần mềm thống kê Stata.
Theo kết quả kiểm định Pesaran có Prob = 0,8063 lớn hơn mức ý nghĩa
thống kê nên không đủ điều kiện bác bỏ H0; do đó, mơ hình khơng có tương
quan chéo. Vậy, mơ hình kiểm định có độ tin cậy cao trong dự báo.
Bảng 4 về mơ hình tác động ngẫu nhiên cho thấy kết quả hồi quy về sự
tác động của các nhân tố đến rủi ro phá sản ngân hàng. Với độ tin cậy 95%,
kết quả hồi quy từ mơ hình tác động ngẫu nhiên đã chỉ ra tác động của nhân tố
NIR và LEV có ý nghĩa thống kê. Từ kết quả hồi quy thu được hệ số ước

lượng α tương ứng, cho thấy, NIR và LEV tác động ngược chiều với Zscore,
tức là tác động cùng chiều với rủi ro phá sản. Điều này đồng nghĩa với việc
khi tỷ lệ lãi thuần tăng lên (NIR tăng) và địn bẩy tài chính tăng (LEV tăng) sẽ
làm cho rủi ro phá sản tăng hoặc ngược lại.

251


Thứ nhất, địn bẩy tài chính đo lường bằng hệ số tự tài trợ ngược chiều
với rủi ro phá sản. Tuy kết quả có đi ngược lại với kỳ vọng ban đầu của nghiên
cứu, và kết quả nghiên cứu trước đây của Montgomery (2004), nhưng có thể
giải thích rằng với giả định vốn chủ sở hữu là ít biến đổi trong kì tài chính, tỷ
lệ LEV chủ yếu phụ thuộc vào mức độ tăng trưởng của tổng huy động vốn.
Nếu huy động vốn của ngân hàng không tốt, LEV tăng lên. Trong khi đó, vẫn
cần nguồn tài trợ cho tín dụng, dẫn tới mất cân bằng trong cơ cấu tài trợ, đồng
thời chi phí huy động vốn tăng lên, ngân hàng không hoạt động hiệu quả, đẩy
ngân hàng đến đối mặt với rủi ro phá sản. Thực tế tại Việt Nam, giai đoạn
2011-2012 là giai đoạn các ngân hàng thương mại chạy đua lãi suất với xu thế
tăng huy động để đáp ứng nhu cầu vốn cho nền kinh tế. Tuy nhiên, khi “bệnh
khát vốn” của các ngân hàng đã trở nên “trầm kha” và lây lan trên diện rộng
một cách khơng mong muốn thì vấn đề nằm ở chỗ, họ buộc phải tăng lãi suất
lên dù biết đây không phải là “liều thuốc” hiệu quả thực sự vì “tác dụng phụ”
của nó rất lớn, có những ngân hàng trong giai đoạn này đã bị khách hàng rút
tới cả chục nghìn tỷ đồng, mà lý do chính là đem gửi ở ngân hàng khác có lãi
suất cao hơn. Nhìn chung, liều thuốc này chỉ mang lại hiệu quả cho một số
ngân hàng nhất định, số còn lại tổng huy động giảm xuống, đẩy tỷ lệ LEV tăng
lên. Đồng thời thực trạng là ngân hàng đối mặt với rủi ro cao hơn rất nhiều.
Thứ hai, rủi ro phá sản được nhận định chịu tác động thuận chiều từ phía
tỷ lệ thu lãi thuần NIR, kết quả này tương đồng với nghiên cứu của Logan
(2001); Halling (2006) và giả thuyết nghiên cứu đã đưa ra. Nếu ngân hàng phụ

thuộc quá nhiều vào thu nhập lãi thuần (NIR càng cao) thì đồng thời danh mục
cho vay chứa đựng nợ xấu và danh mục đầu tư không được định giá đúng
cũng sẽ làm tăng rủi ro.
Bên cạnh đó, rủi ro phá sản cũng được tìm thấy là có quan hệ ngược
chiều với nhân tố tỷ lệ dự phịng rủi ro tín dụng và tỷ lệ LDR; tuy nhiên các hệ
số này khơng có ý nghĩa thống kê với mức ý nghĩa 5%; đồng thời cũng trái với
kỳ vọng ban đầu của nghiên cứu. Song, có thể giải thích rằng, một ngân hàng
tăng trưởng tín dụng lành mạnh, đồng thời luôn sẵn sàng chủ động dự phòng
rủi ro sẽ hạn chế được rủi ro phá sản.

252


4. Kết luận
Bài viết nghiên cứu tác động của một số nhân tố đến rủi ro phá sản của 6
ngân hàng niêm yết trên thị trường chứng khoán Việt Nam trong 20 quý,
tương ứng với 5 năm từ 2011 đến 2015. Dựa trên kết quả phân tích đã cho
thấy, có 2 nhân tố trong 4 nhân tố được đề xuất phân tích có mối liên hệ đến
rủi ro phá sản mà các ngân hàng có thể phải đối mặt. Đặc biệt, với độ tin cậy
95%, trong số 2 nhân tố có ý nghĩa thống kê (địn bẩy tài chính, và tỷ lệ thu
nhập lãi thuần), các ngân hàng nên chú ý hơn tới tỷ lệ thu nhập lãi thuần của
ngân hàng, do NIR tăng 1 đơn vị thì Z-score đã giảm 16486,9 đơn vị, tức là rủi
ro phá sản đã tăng lên rất nhiều. Để giảm thiểu rủi ro phá sản, ngân hàng nên
quan tâm điều chỉnh để không quá phụ thuộc vào thu nhập từ lãi. Tuy nhiên,
việc đa dạng hóa thu nhập để giảm thu nhập từ lãi, ngân hàng cần cẩn trọng do
có thể mất đi thị phần và khách hàng tiềm năng. Bên cạnh đó, chỉ tiêu địn bẩy
tài chính của ngân hàng (phản ánh qua hệ số tự tài trợ, tức LEV trong nghiên
cứu này) cũng cần để tâm tới. Mặc dù vốn chủ sở hữu là tấm đệm giúp ngân
hàng đối phó với biến động từ bên ngoài, song đây lại là nguồn vốn có chi phí
huy động cao so với huy động vốn nợ; nếu ngân hàng duy trì tỷ lệ LEV cao sẽ

tăng khả năng gặp phải rủi ro phá sản (1 đơn vị tăng LEV sẽ giảm 2817,9 đơn
vị Z-score, đồng nghĩa với việc tăng rủi ro phá sản). Ngược lại, giả thuyết ban
đầu của nhóm về tác động thuận chiều của nhân tố LLR và LDR tới rủi ro phá
sản của ngân hàng bị bác bỏ với mức ý nghĩa 5%. Mặc dù chưa có ý nghĩa
thống kê, nhưng kết quả về dấu của hai biến độc lập này cũng là chỉ báo đáng
để ngân hàng lưu tâm.
Tài liệu tham khảo
1. Boyd, J. H., De Nicolò, G., & Jalal, A. M. (2006), Bank risk-taking and
competition revisited: New theory and new evidence.
2. Cihak M., Hesse H. (2008), Islamic Banks And Financial Stability: An
Empirical Analysis, IMF working paper.
3. Estrella, A., Park, S., & Peristiani, S. (2000), Capital ratios as predictors of
bank failure, Federal reserve bank of New York economic policy
review, 6(2), p.33.
4. Foos D., Norden L., Weber M (2010), “Loan Growth And Riskiness Of
Banks”, Journal of Banking and Finance, Vol. 34, p.2929-2940.

253


5. Gary Whalen & James B. Thomson (1988), “Using Financial Data To
Indentify Changes In Bank Condition”, SSRN.
6. Halling M., Hayden E. (2006), “Bank failure Predicttion: A Two-Step
Survival Time Approach”, SSRN.
7. Hannan, T. H., & Hanweck, G. A. (1988).Bank insolvency risk and the
market for large certificates of deposit. Journal of Money, Credit and
Banking, 20(2), p.203-211.
8. Jordan J. S. (1998), “Problem Loans At New England Banks 1989-1992:
Evidence Of Aggressive Loan Policies”, New England Economic Review,
Federal Reserve Bank of Boston, p.23-38.

9. Jordan D. J., Rice D., Sanchez J., Walker C., Work D. H. (2011),
“Predicting Bank Failures: Evidence From 2007 To 2010”, SSRN.
10. Laeven, L., & Levine, R. (2009), Bank governance, regulation and risk
taking, Journal of Financial Economics, 93(2), p.259-275.
11. Lê Thị Nga (2015), truy cập từ “ />12. Logan A. (2001), “The UK‟s small bank‟s crisis of the early 1990s: what
were

the

leading

indicators

of

failure”,

Banking

of

England,

www.bankofengland.co.uk/workingpapers/index.htm.
13. Marco G. T. & Fernadez D. R. M. (2004), “Risk-taking behavior and
ownership in the Banking Industry: the Spanish Evidence”, SSRN.
14. Montgomery H., Tran B. H., Santoso W., Besar D. (2004), Coordinate
failure? A cross-country bank failure prediction model, ADB Institute
Discussion Paper, No. 32, />15. Nguyễn Thanh Dương (2013), Phân tích rủi ro trong hoạt động ngân hàng,
Tạp chí Phát triển & Hội nhập, số 9 (19) – Tháng 03-04/2013, tr.29- 39.

16. Yeyati, E. L., & Micco, A. (2007), Concentration and foreign penetration in
Latin American banking sectors: Impact on competition and risk, Journal of
Banking & Finance, 31(6), p.1633-1647.

254