Rủi ro tín dụng và khả năng sinh lợi của ngân hàng: nghiên cứu phân tích dữ liệu bảng

 TNU Journal of Science and Technology 225(10): 3 - 10 
 Email: jst@tnu.edu.vn 3 
RỦI RO TÍN DỤNG VÀ KHẢ NĂNG SINH LỢI CỦA NGÂN HÀNG: 
NGHIÊN CỨU PHÂN TÍCH DỮ LIỆU BẢNG 
Đặng Hoàng Nhật Tâm1*, Phạm Thị Tuấn Linh2 
1UBND huyện Hóc Môn, TP.HCM, 2Đại học Thái Nguyên 
TÓM TẮT 
Nghiên cứu này hướng tới việc phân tích tác động của rủi ro tín dụng đến hiệu quả hoạt động tài 
chính của các ngân hàng thương mại tại Việt Nam. Dữ liệu bảng gồm 31 ngân hàng thương mại cổ 
phần tại Việt Nam từ năm 2008 đến 2019 được sử dụng để nghiên cứu bằng mô hình dữ liệu bảng. 
Kết quả chỉ ra rằng 03 biến đo lường rủi ro tín dụng (gồm: hệ số nợ xấu, hệ số dư nợ cho vay/tiền 
gửi của khách hàng và hệ số dự phòng rủi ro tín dụng) có ảnh hưởng đồng biến đến hiệu quả hoạt 
động của ngân hàng, điều này hàm ý rằng các ngân hàng thương mại ở Việt Nam thu được lợi 
nhuận cao mặc dù chịu rủi ro tín dụng cao. Đồng thời, nghiên cứu cũng chỉ ra mối quan hệ đồng 
biến giữa quy mô ngân hàng với hiệu quả hoạt động, cho thấy các ngân hàng có lợi thế về chi phí 
và thu nhiều lợi nhuận hơn nhờ vào lợi thế kinh tế về quy mô. 
Từ khóa: Rủi ro tín dụng; khả năng sinh lợi; hiệu quả hoạt động tài chính; nợ xấu; ngân hàng 
thương mại cổ phần. 
Ngày nhận bài: 16/8/2020; Ngày hoàn thiện: 31/8/2020; Ngày đăng: 04/9/2020 
CREDIT RISK AND BANK PROFITABILITY: A PANEL ANALYSIS 
Dang Hoang Nhat Tam
1*
, Pham Thi Tuan Linh
2
1People’s Committee of Hoc Mon District – HCMC, 2Thai Nguyen University 
ABSTRACT 
This study tries to ascertain the effect of credit risk on the financial performance of commercial 
banks in Vietnam. A panel data of all 31 joint-stock commercial banks from 2008 to 2019 was 
investigated under the fixed effects model. The results depict that three indicators of credit risk 
(i.e. non-performing loan ratio, loan to deposit ratio and loan loss provision ratio) have significant 
positive influence on banks’ profitability, signifying that commercial banks in Vietnam obtain high 
profitability despite exposure to high credit risk. Also, there is a positive relationship between the 
bank size and bank performance, suggesting that banks might obtain cost advantage and become 
more profitable due to the economies of scale. 
Keywords: Credit risk; bank profitability; financial performance; non-performing loan; joint-
stock commercial banks. 
Received: 16/8/2020; Revised: 31/8/2020; Published: 04/9/2020 
* Corresponding author. Email: tamhnd@outlook.com 
Đặng Hoàng Nhật Tâm và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(10): 3 - 10 
 Email: jst@tnu.edu.vn 4 
1. Đặt vấn đề 
Có nhiều loại rủi ro có thể tác động đến hoạt 
động và lợi nhuận của các ngân hàng [1]. 
Theo Koch và Macdonald [2], các rủi ro này 
có thể được phân loại thành: rủi ro tín dụng, 
rủi ro thị trường, rủi ro hoạt động, rủi ro thanh 
khoản, rủi ro pháp lý và rủi ro danh nghĩa. 
Mỗi loại rủi ro này có thể tác động nghịch 
biến đến vốn chủ sở hữu, giá trị thị trường, nợ 
phải trả và hiệu quả hoạt động tài chính của 
các ngân hàng. Ekinci và Pzoyraz [3] cho 
rằng hoạt động chính tạo ra thu nhập cho các 
ngân hàng là hoạt động tín dụng. Vì thế, rủi ro 
tín dụng được xem là một trong các rủi ro lớn 
nhất mà ngân hàng gặp phải. 
Theo Basel Committee on Banking 
Supervision [4], rủi ro tín dụng được định 
nghĩa là khả năng một khách hàng vay nợ 
nhưng không thực hiện các cam kết đã thỏa 
thuận từ trước với ngân hàng. Boffey và 
Robson [5] cho rằng rủi ro tín dụng là rủi ro 
lớn nhất ảnh hưởng đến hiệu quả hoạt động 
của ngân hàng; đồng thời, Saeed và Zahid [6] 
cũng xem giá trị tín dụng là một chỉ báo quan 
trọng cho sức khỏe tài chính của các ngân 
hàng. Nair và Fissha [7] cũng đã nhận thấy các 
ngân hàng thương mại có hệ số nợ xấu cao và 
hệ số này có tác động nghịch biến đến ngành 
công nghiệp. Hệ số nợ xấu, một biến đo lường 
rủi ro tín dụng, có thể làm giảm hiệu quả hoạt 
động tài chính của các ngân hàng. Một ngân 
hàng càng gặp nhiều rủi ro tín dụng thì khả 
năng ngân hàng đó đối mặt với khủng hoảng 
tài chính càng cao. Nói cách khác, mức rủi ro 
tín dụng cao có thể dẫn đến mức rủi ro vỡ nợ 
cao, cuối cùng sẽ làm nguy hại đến các khách 
hàng gửi tiền của ngân hàng [8]. Vì thế, các 
ngân hàng thực sự cần một phương pháp quản 
lý và hạn chế rủi ro tín dụng hiệu quả. 
Việc quản lý rủi ro tín dụng hiệu quả không 
những giúp các ngân hàng cải thiện được tính 
bền vững và khả năng sinh lời trong hoạt 
động của mình mà còn đóng góp cho việc 
phân bổ vốn hiệu quả và sự ổn định của nền 
kinh tế [9]. Hiện nay trên thế giới đã có nhiều 
nghiên cứu phân tích mối quan hệ giữa rủi ro 
tín dụng và hiệu quả hoạt động của ngân 
hàng. Trong khi một số nghiên cứu tìm ra ảnh 
hưởng đồng biến của rủi ro tín dụng đến khả 
năng sinh lời của các ngân hàng, một số 
nghiên cứu khác lại cho thấy mối quan hệ 
nghịch biến giữa rủi ro tín dụng và khả năng 
sinh lời của ngân hàng. 
Boahene et al. [10] đã kiểm định mối quan hệ 
giữa rủi ro tín dụng và lợi nhuận tại 06 ngân 
hàng thương mại ở Ghana giai đoạn 05 năm từ 
2005 đến 2009. Tác giả sử dụng 03 biến đo 
lường rủi ro tín dụng, gồm: hệ số nợ xấu, hệ số 
khoanh nợ ròng (net charge-off rate) và hệ số 
lợi nhuận trước khi trích lập dự phòng/tổng dư 
nợ; trong khi đó, tỷ suất sinh lợi trên vốn chủ sở 
hữu (ROE) được sử dụng làm biến phụ thuộc. 
Kết quả hồi quy từ mô hình dữ liệu bảng chỉ ra 
rủi ro tín dụng có mối quan hệ đồng biến với 
hiệu quả hoạt động của ngân hàng, cho thấy các 
ngân hàng ở Ghana có khả năng sinh lời cao 
mặc dù chịu rủi ro tín dụng cao. 
Alshatti [1] sử dụng mô hình dữ liệu bảng để 
kiểm định liệu các biến đo lường rủi ro tín 
dụng có mối tương quan với hiệu quả hoạt 
động (được đo bằng ROA và ROE) của các 
ngân hàng thương mại ở Jordan hay không. 
Kết quả cho thấy hệ số nợ xấu/tổng dư nợ có 
ảnh hưởng đồng biến đến khả năng sinh lời 
của các ngân hàng. Tương tự, Saeed và Zahid 
[6] thu thập dữ liệu từ 05 ngân hàng thương 
mại lớn ở Vương Quốc Anh từ năm 2007 đến 
2015, sử dụng mô hình hồi quy tuyến tính để 
ước lượng tác động của rủi ro tín dụng (được 
đo bởi nợ xấu) đến khả năng sinh lời (được đo 
bởi ROA và ROE); kết quả là tất cả các biến 
rủi ro tín dụng đều có tác động đồng biến đến 
hiệu quả hoạt động tài chính của các ngân 
hàng. Kết quả của các nghiên cứu trên tương 
đồng với nghiên cứu của [11] và [12]. 
Gần đây, Le [13] đã sử dụng mẫu dữ liệu gồm 
40 ngân hàng trong giai đoạn 11 năm để 
nghiên cứu các yếu tố ảnh hưởng đến lợi 
nhuận của ngân hàng thương mại tại Việt 
Nam bằng phương pháp GMM (generalized 
method of moments). Nghiên cứu sử dụng hệ 
số dự phòng rủi ro tín dụng/tổng dư nợ là biến 
Đặng Hoàng Nhật Tâm và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(10): 3 - 10 
 Email: jst@tnu.edu.vn 5 
độc lập của mô hình; kết quả chỉ ra biến đo 
lường rủi ro tín dụng có mối quan hệ đồng 
biến với khả năng sinh lời của các ngân hàng 
thương mại Việt Nam. 
Ekinci và Poyraz [3] kiểm định mối quan hệ 
nêu trên với 26 ngân hàng tại Thổ Nhĩ Kỳ từ 
2005 đến 2017, sử dụng hệ số nợ quá 
hạn/tổng dư nợ để đo lường rủi ro tín dụng, sử 
dụng ROA và ROE là biến phụ thuộc. Ước 
lượng từ mô hình dữ liệu bảng chỉ ra mối 
quan hệ nghịch biến giữa rủi ro tín dụng và 
khả năng sinh lời. Tương tự, Hamza [14] đã 
sử dụng ROA và ROE để đo lường hiệu quả 
hoạt động khi phân tích đối với các ngân hàng 
tại Pakistan, kết quả nghiên cứu cho thấy hệ 
số dự phòng rủi ro tín dụng và tỷ số nợ xấu có 
mối quan hệ nghịch biến với hiệu quả hoạt 
động ngân hàng. 
Phân tích 20 ngân hàng thương mại tại 
Uganda trong giai đoạn 2006 – 2015, 
Serwadda [15] đã sử dụng mô hình dữ liệu 
bảng để kiểm định giả thiết quản trị rủi ro tín 
dụng có tác động đến lợi nhuận ngân hàng 
hay không; kết quả tác giả đã tìm ra hệ số 
ROA của các ngân hàng thương mại chịu tác 
động nghịch biến bởi nợ xấu, điều này hàm ý 
rằng nợ xấu có thể ảnh hưởng lớn đến chất 
lượng tài sản của các ngân hàng thương mại ở 
Uganda. Liên quan đến ngành ngân hàng tại 
Trung Quốc, Isanzu [16] đã chỉ ra quan hệ 
nghịch biến giữa hệ số nợ xấu và ROA của 
các ngân hàng, cho thấy rủi ro tín dụng cao sẽ 
có thể làm giảm hiệu quả hoạt động tài chính 
của các ngân hàng thương mại Trung Quốc. 
Kết quả này cũng tương đồng với kết quả 
thực nghiệm được thực hiện bởi 
Kodithuwakku [17] tại Sri Lanka. 
Sử dụng mô hình partial least squares (PLS), 
Gadzo et al. [18] tìm thấy rủi ro tín dụng (đại 
diện bởi hệ số nợ xấu và hệ số an toàn vốn tối 
thiểu CAR) có mối quan hệ nghịch biến với tỷ 
suất sinh lợi trên vốn chủ sở hữu (ROE) và tỷ 
lệ thu nhập lãi cận biên (NIM) của các ngân 
hàng tại Ghana. Bên cạnh đó, tác giả cũng 
phát hiện rủi ro hoạt động có tác động nghịch 
biến đến khả năng sinh lời của các ngân hàng. 
Do còn tồn tại nhiều sự không tương đồng 
trong kết quả nghiên cứu trên thế giới về mối 
quan hệ giữa rủi ro tín dụng và khả năng sinh 
lời của các ngân hàng, nghiên cứu này hướng 
đến việc phân tích tác động của rủi ro tín dụng 
đến hiệu quả hoạt động của các ngân hàng 
thương mại tại Việt Nam, từ đó đưa ra các kiến 
nghị, đề xuất nhằm nâng cao hiệu quả quản trị 
rủi ro tín dụng cho các ngân hàng. 
2. Phương pháp nghiên cứu 
2.1. Dữ liệu nghiên cứu 
Dữ liệu nghiên cứu bao gồm số liệu của 31 
ngân hàng thương mại cổ phần tại Việt Nam 
trong giai đoạn từ 2008 đến 2019. Dữ liệu thứ 
cấp được thu thập từ báo cáo thường niên, 
bảng cân đối kế toán và báo cáo kết quả hoạt 
động kinh doanh được kiểm toán cũng như từ 
trang web cơ sở dữ liệu 
(https://finance.vietstock.vn) [19]. Bên cạnh 
đó, dữ liệu vĩ mô được thu thập từ trang web 
dữ liệu của Ngân hàng Thế giới 
(https://data.worldbank.org) [20]. 
2.2. Lựa chọn các biến nghiên cứu 
2.2.1. Biến phụ thuộc 
Dựa vào cách lựa chọn biến phụ thuộc từ các 
nghiên cứu [1], [3], [6], [14] và [18], nghiên 
cứu sử dụng 03 biến đo lường khả năng sinh 
lợi của các ngân hàng thương mại, gồm: tỷ 
suất sinh lợi trên tổng tài sản (ROA), tỷ suất 
sinh lợi trên vốn chủ sở hữu (ROE) và tỷ lệ 
thu nhập lãi cận biên (NIM). 
2.2.2. Biến độc lập 
Tương tự như các nghiên cứu trước đây đã đề 
cập ở phần Đặt vấn đề, tác giả sử dụng 04 
biến đo lường rủi ro tín dụng, gồm: hệ số nợ 
xấu (NPLR), hệ số dư nợ trên tiền gửi của 
khách hàng (LDR), hệ số dự phòng rủi ro tín 
dụng trên nợ quá hạn (LLPR) và hệ số tổng dư 
nợ trên tổng tài sản (TLTA). Các biến: quy mô 
ngân hàng (SIZE), tăng trưởng kinh tế (GDP) 
và lạm phát (CPI) được sử dụng làm các biến 
kiểm soát trong mô hình. 
Đặng Hoàng Nhật Tâm và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(10): 3 - 10 
 Email: jst@tnu.edu.vn 6 
Bảng 1. Khái niệm và cách đo lường các biến trong mô hình 
Ký hiệu Mô tả Cách đo lường Ghi chú 
Biến phụ thuộc 
ROA Tỷ suất sinh lợi trên tổng tài sản Lợi nhuận sau thuế/ Tổng tài sản Khả năng sinh lợi 
ROE Tỷ suất sinh lợi trên vốn chủ sở hữu 
Lợi nhuận sau thuế/ 
Tổng vốn chủ sở hữu 
Khả năng sinh lợi 
NIM Tỷ lệ thu nhập lãi cận biên 
Thu nhập lãi ròng/ 
Tổng tài sản có sinh lãi 
Khả năng sinh lợi 
Biến độc lập 
NPLR Hệ số nợ xấu Nợ xấu/ Tổng dư nợ Rủi ro tín dụng 
LDR 
Hệ số dư nợ trên tiền gửi của 
khách hàng 
Tổng dư nợ/ 
Tổng tiền gửi của khách hàng 
Rủi ro tín dụng 
LLPR Hệ số dự phòng rủi ro tín dụng 
Dự phòng rủi ro tín dụng/ 
Nợ quá hạn 
Rủi ro tín dụng 
TLTA Hệ số tổng dư nợ trên tổng tài sản Tổng dư nợ/ Tổng tài sản Rủi ro tín dụng 
SIZE Quy mô ngân hàng Logarit cơ số e của tổng tài sản Biến kiểm soát 
GDP Tăng trưởng kinh tế Thu thập dữ liệu thứ cấp Biến kiểm soát 
CPI Lạm phát Thu thập dữ liệu thứ cấp Biến kiểm soát 
(Nguồn: [3], [21] và [22]) 
Sơ đồ 1. Khung nghiên cứu mối quan hệ giữa rủi ro tín dụng và khả năng sinh lợi của ngân hàng thương mại 
(Nguồn: Tác giả tổng hợp) 
Bảng 1 mô tả khái niệm và cách đo lường các 
biến sử dụng trong mô hình; đồng thời, khung 
nghiên cứu mối quan hệ giữa rủi ro tín dụng 
và khả năng sinh lợi của ngân hàng thương 
mại được thể hiện trong Sơ đồ 1. 
2.3. Mô hình hồi quy 
Tương tự như các nghiên cứu trước đây, 03 
mô hình hồi quy dữ liệu bảng (1), (2) và (3) 
được sử dụng đối với 03 biến phụ thuộc 
(ROA, ROE và NIM), được ước lượng bằng 
phần mềm STATA 15. 
ROAi,t = β0 + β1.NPLRi,t + β2.LDRi,t + 
β3.LLPRi,t + β4.TLTAi,t + β5. SIZEi,t + β6. 
GDPt + β7. CPIt + εi,t (1) 
ROEi,t = β0 + β1.NPLRi,t + β2.LDRi,t + 
β3.LLPRi,t + β4.TLTAi,t + β5. SIZEi,t + β6. 
GDPt + β7. CPIt + εi,t (2) 
NIMi,t = β0 + β1.NPLRi,t + β2.LDRi,t + 
β3.LLPRi,t + β4.TLTAi,t + β5. SIZEi,t + β6. 
GDPt + β7. CPIt + εi,t (3) 
Trong đó: 
β0 : hệ số chặn 
β1 đến β7 : hệ số của các biến độc lập 
εi,t : sai số thống kê. 
3. Kết quả và thảo luận 
Thống kê mô tả các biến sử dụng trong mô 
hình được thể hiện tại Bảng 2. 
Đặng Hoàng Nhật Tâm và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(10): 3 - 10 
 Email: jst@tnu.edu.vn 7 
Bảng 2. Thống kê mô tả các biến được sử dụng trong mô hình 
 Biến Số quan sát Trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất 
Biến phụ thuộc 
ROA 283 0,0095 0,0105 -0,0599 0,1155 
ROE 283 0,1055 0,1266 -0,5633 1,7219 
NIM 283 0,0321 0,0151 -0,0088 0,1542 
Biến độc lập 
NPLR 283 0,0278 0,0613 0,0000 1,0000 
LDR 283 0,9041 0,3038 0,3820 3,1336 
LLPR 283 0,3846 0,4399 0,0098 6,3085 
TLTA 283 0,5603 0,1224 0,1473 0,8186 
SIZE 283 18,3281 1,2283 15,0185 21,1220 
GDP 283 0,0626 0,0062 0,0525 0,0708 
CPI 283 0,0662 0,0592 0,0063 0,2312 
(Nguồn: Tác giả tổng hợp từ phần mềm STATA 15) 
Bảng 3. Tóm tắt kết quả hồi quy 
Mô hình (1) 
ROA 
Mô hình (2) 
ROE 
Mô hình (3) 
NIM 
NPLR 
0,016* 
(0,0096) 
0,091* 
(0,049) 
0,007 
(0,006) 
LDR 
0,006* 
(0,003) 
0,042* 
(0,024) 
0,014** 
(0,007) 
LLPR 
0,002 
(0,001) 
0,0095** 
(0,005) 
0,003* 
(0,002) 
TLTA 
0,004 
(0,009) 
0,092 
(0,098) 
0,025 
(0,016) 
SIZE 
0,005** 
(0,002) 
0,084*** 
(0,025) 
0,002 
(0,005) 
GDP 
-4,131* 
(2,180) 
-53,737 
(56,354) 
-5,327 
(4,758) 
CPI 
-0,222 
(0,155) 
-2,899 
(3,996) 
-0,3264 
(0,341) 
Within R-square 0,2038 0,1560 0,2058 
F-value F(16,236) = 3,77 F(16,30) = 38,60 F(16,30) = 5,38 
Prob > F 0,000 0,000 0,000 
(Nguồn: Tác giả tổng hợp từ phần mềm STATA 15. Sai số chuẩn được đặt trong ngoặt đơn ( ). 
*, **, *** đại diện cho mức ý nghĩa tướng ứng 10%, 5% và 1%) 
Bằng kiểm định Hausman test, tác giả nhận 
thấy rằng mô hình dữ liệu bảng (dạng Fixed 
effects) phù hợp hơn mô hình dữ liệu bảng 
(dạng Random effects) để ước lượng cho cả 
03 biến phụ thuộc ROA, ROE và NIM. Bên 
cạnh đó, giá trị trung bình của hệ số phóng 
đại phương sai (VIF) bằng 1,23 (<2) hàm ý 
rằng có rất ít sự hiện diện của hiện tượng đa 
cộng tuyến trong mô hình. Kết quả hồi quy 
của 03 mô hình dữ liệu bảng được trình bày 
tại Bảng 3. Giá trị kiểm định F-test của mô 
hình (1), (2) và (3) đều chỉ ra các mô hình dữ 
liệu bảng này là phù hợp với dữ liệu được thu 
thập. Giá trị within R square đạt ở mức 
khoảng 20% ở mô hình (1) và (3), và xấp xỉ 
16% ở mô hình (2), cho thấy các biến độc lập 
có thể giải thích khoảng 20% sự biến động 
của ROA/NIM và giải thích được 16% sự 
biến động của ROE. 
Kết quả thực nghiệm cho thấy hệ số nợ xấu 
(NPLR) có tác động đồng biến đến ROA và 
ROE, và có ý nghĩa thống kê ở mức 10%. Điều 
này chỉ ra rằng sự gia tăng trong nợ xấu có thể 
làm tăng khả năng sinh lời của các ngân hàng. 
Mối quan hệ đồng biến này cũng đồng nhất với 
kết quả của [1], [6], [10], [11] và [12]. Khi đối 
Đặng Hoàng Nhật Tâm và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(10): 3 - 10 
 Email: jst@tnu.edu.vn 8 
mặt với rủi ro tín dụng, các ngân hàng có thể 
sẽ tăng phần bù rủi ro vỡ nợ lớn hơn mức rủi 
ro thực tế, dẫn đến làm tăng thu nhập của họ 
[10]. Theo Afriyie and Akotey [11], điều này 
cũng đồng nghĩa với việc ngân hàng không có 
một phương pháp quản trị rủi ro tín dụng hiệu 
quả, bởi lẽ họ chỉ đơn giản là chuyển phần bù 
rủi ro vỡ nợ cho khách hàng dưới hình thức 
tăng lãi suất cho vay. 
Trong cả 03 mô hình, tham số ước lượng của 
hệ số dư nợ trên tiền gửi của khách hàng 
(LDR) mang giá trị dương và đều có ý nghĩa 
thống kê, kết quả này tương đồng với [8] và 
[22], cho thấy sự gia tăng trong hệ số này có 
thể làm tăng hiệu quả hoạt động tài chính của 
ngân hàng. Nói cách khác, ngân hàng càng 
mở rộng hoạt động tín dụng thì có xu hướng 
gia tăng được lợi nhuận của mình [8]. 
Bên cạnh đó, kết quả chỉ rõ mối quan hệ đồng 
biến, có ý nghĩa thống kê giữa hệ số dự phòng 
rủi ro tín dụng (LLPR) và khả năng sinh lợi 
của ngân hàng trong mô hình (2) và (3), kết 
quả này phù hợp với [23], [24] và [15]. Đáng 
ngạc nhiên khi kết quả này lại trái với quan 
điểm lý thuyết cho rằng hệ số dự phòng rủi ro 
tín dụng có ảnh hưởng nghịch biến đến hiệu 
quả hoạt động tài chính của ngân hàng [15]. 
Theo Gizaw et al. [23], mối quan hệ đồng 
biến giữa LLPR và khả năng sinh lời của 
ngân hàng chỉ ra rằng các nhà quản trị ngân 
hàng nhận thấy hoạt động tín dụng khá rủi ro 
mặc dù họ có khả năng thu được lợi nhuận 
cao. Trong khi đó, Anandarajan et al. [25] lại 
cho rằng quan hệ đồng biến này thể hiện dự 
phòng rủi ro tín dụng có thể được sử dụng để 
thao túng giá trị lợi nhuận của ngân hàng, 
nghĩa là khi lợi nhuận của ngân hàng giảm thì 
dự phòng rủi ro tín dụng sẽ bị cắt giảm với 
mục đích điều chỉnh lợi nhuận theo ý muốn 
chủ quan của nhà quản trị. 
Tham số ước lượng của biến quy mô ngân 
hàng (SIZE) mang giá trị dương và có ý nghĩa 
thống kê chỉ ra rằng ngân hàng càng lớn thì 
khả năng sinh lời có thể đạt được càng cao. 
Nói cách khác, ngân hàng có thể thu được lợi 
thế về chi phí và thu được nhiều lợi nhuận 
hơn nhờ vào lợi thế kinh tế về quy mô [3]. 
4. Kết luận 
Trên cơ sở các nghiên cứu trước đây về mối 
quan hệ giữa rủi ro tín dụng và khả năng sinh 
lời của ngân hàng có kết quả không tương 
đồng, nghiên cứu này hướng tới việc phân 
tích mối quan hệ nêu trên đối với các ngân 
hàng thương mại cổ phần tại Việt Nam. Khá 
bất ngờ khi kết quả ước lượng hồi quy chỉ ra 
các biến đo lường rủi ro tín dụng có mối quan 
hệ đồng biến và có ý nghĩa thống kê với khả 
năng sinh lời của các ngân hàng. Điều này 
hàm ý rằng các ngân hàng thương mại Việt 
Nam có xu hướng hưởng lợi từ rủi ro tín dụng 
nhờ vào việc chuyển rủi ro mất vốn cho khách 
hàng bằng cách tăng lãi suất cho vay. Hơn 
nữa, các ngân hàng có thể tận dụng lợi thế về 
quy mô để cải thiện hiệu quả hoạt động tài 
chính của họ. 
Kết quả nghiên cứu thực nghiệm này đề xuất 
các ngân hàng thương mại Việt Nam nên cân 
nhắc tới các biến đo lường rủi ro tín dụng nêu 
trên để phát triển một mô hình quản trị rủi ro 
tín dụng hiệu quả hơn. Năm 2004, Ủy ban 
Basel về giám sát ngân hàng đã ban hành Hiệp 
ước về vốn Basel II nhằm hạn chế rủi ro kinh 
doanh của các ngân hàng và tăng cường hệ 
thống tài chính. Theo đó, Basel II giới thiệu 
một chuỗi các cách tiếp cận rủi ro tín dụng và 
tập trung vào rủi ro vận hành, bao gồm 03 Trụ 
cột sau: (1) yêu cầu vốn tối thiểu, (2) rà soát 
giám sát và (3) nguyên tắc thị trường [26]. Tại 
Việt Nam, tính đến nay có 22 ngân hàng 
thương mại áp dụng tỷ lệ an toàn vốn theo 
Thông tư số 41/2016/TT-NHNN ngày 
30/12/2016 của Ngân hàng Nhà nước Việt 
Nam (theo chuẩn mực Basel II); trong đó chỉ 
có 06 ngân hàng thương mại hoàn thành cả 03 
Trụ cột nêu trên [27], [28]. Đặc biệt, việc áp 
dụng Quy trình đánh giá nội bộ về mức đủ vốn 
(Trụ cột 2 - Basel II) được xem là một quy 
trình toàn diện giúp các ngân hàng thực hiện 
việc tự đánh giá mức độ đủ vốn nhằm đảm bảo 
tuân thủ yêu cầu của Ngân hàng Nhà nước, 
Đặng Hoàng Nhật Tâm và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(10): 3 - 10 
 Email: jst@tnu.edu.vn 9 
đồng thời giúp các ngân hàng đạt được mục 
tiêu hoạt động kinh doanh phù hợp với chiến 
lược quản trị rủi ro của mình [28]. 
Vì vậy, các ngân hàng thương mại nên thực 
hiện nghiêm quy định của Ngân hàng Nhà 
nước tại Thông tư số 41/2016/TT-NHNN 
ngày 30/12/2016 (thực hiện Trụ cột 1 và Trụ 
cột 3 của Basel II), đồng thời cần xây dựng lộ 
trình cụ thể để triển khai áp dụng Quy trình 
đánh giá nội bộ về mức đủ vốn (Trụ cột 2 - 
Basel II), góp phần xây dựng một mô hình 
quản trị rủi ro toàn diện và hiệu quả hơn. Khi 
đó, thay vì phải gia tăng lãi suất cho vay 
nhằm bù đắp rủi ro mất vốn như trước đây, 
các ngân hàng có thể giảm lãi vay ở mức có 
thể chấp nhận được nhằm mở rộng tín dụng, 
tăng cường khả năng tiếp cận nguồn vốn cho 
người dân và doanh nghiệp, đặc biệt đối với 
các lĩnh vực sản xuất kinh doanh, góp phần 
tạo động lực thúc đẩy tăng trưởng kinh tế. 
TÀI LIỆU THAM KHẢO/ REFERENCES 
[1]. A. Sulieman Alshatti, “The effect of credit 
risk management on financial performance of 
the Jordanian commercial bank,” Investment 
Management and Financial Innovations, vol. 
12, no. 1, pp. 338–345, 2015. 
[2]. T. W. Koch, and S. S. Macdonald, Bank 
Management, 7
th
 ed. South-Western Cengage 
Learning, 2014. [Online]. Available: 
https://bit.ly/2Z5GbNl. [Accessed Jun. 2, 
2020]. 
[3]. R. Ekinci, and G. Poyraz, “The Effect of 
Credit Risk on Financial Performance of 
Deposit Banks in Turkey,” Procedia Computer 
Science, vol. 158, pp. 979-987, 2019. [Online]. 
Available: https://doi.org/10.1016/j.procs. 
2019.09.139. [Accessed Jun. 2, 2020]. 
[4]. Basel Committee on Banking Supervision, 
“Principles for the Management of Credit 
Risk,” Basel Committee on Banking 
Supervision, 2000. [Online]. Available: 
https://www.bis.org/publ/bcbs75.pdf. 
[Accessed Jun. 3, 2020]. 
[5]. R. Boffey and G. N. Robson, “Bank Credit 
Risk Management,” Managerial Finance, vol. 
21, no. 1, pp. 66-78, 1995. [Online]. 
Available: https://doi.org/10.1108/eb018497. 
[Accessed Jun. 2, 2020]. 
[6]. M. Saeed, and N. Zahid, “The Impact of 
Credit Risk on Profitability of the 
Commercial Banks,” Journal of Business and 
Financial Affairs, vol. 5, no. 2, 2016. 
[Online]. Available: https://bit.ly/2DeknHx. 
[Accessed Jun. 2, 2020]. 
[7]. A. Nair, and A. Fissha, “Rural Banking: The 
Case of Rural and Community Banks in 
Ghana,” Agriculture and Rural Development 
Discussion Paper 48, The World Bank, 2010. 
[Online]. Available: https://bit.ly/3biL8XW. 
[Accessed Jun. 5, 2020]. 
[8]. M. Bizuayehu, “The Impact of Credit Risk on 
Financial Performance of Banks in Ethiopia,” 
2015. [Online]. Available: https://bit.ly/2YQ 
VyJb. [Accessed Jun. 5, 2020]. 
[9]. M. Psillaki, I. E. Tsolas, and D. Margaritis, 
“Evaluation of credit risk based on firm 
performance,” European Journal of 
Operational Research, vol. 201, no. 3, pp. 
873-881, 2010. [Online]. Available: 
[Accessed Jun. 5, 2020]. 
[10]. S. Boahene, J. Dasah, and S. Agyei, 
“Credit risk and profitability of selected banks 
in Ghana,” Research Journal of Finance and 
Accounting, vol. 3, no. 7, pp. 6-15, 2012. 
[Online]. Available:  
index.php/RJFA/article/view/2628. [Accessed 
Jun. 5, 2020]. 
[11]. H. O. Afriyie, and J. O. Akotey, “Credit 
Risk Management and Profitability of 
Selected Rural Banks in Ghana,” 2012. 
[Online]. Available: https://bit.ly/3b8su4W. 
[Accessed Jun. 2, 2020]. 
[12]. I. Abiola, and A. S. Olausi, “The impact 
of credit risk management on the commercial 
banks performance in Nigeria,” International 
Journal of Management and Sustainability, 
vol. 3, no. 5, pp. 295-306, 2014. [Online]. 
Available: https://bit.ly/2QCIjHJ. [Accessed 
Jun. 2, 2020]. 
[13]. T. Le, “The Determinants of Commercial 
Bank Profitability in Vietnam,” 2017. [Online]. 
Available: https://papers.ssrn.com/sol3/pap 
ers. cfm?abstract_id=3048571. [Accessed Jun. 
3, 2020]. 
[14]. S. M. Hamza, “Impact of Credit Risk 
Management on Banks Performance: A Case 
Study in Pakistan Banks,” European Journal 
of Business and Management, vol. 3, no. 3, 
pp. 69-74, 2017. [Online]. Available: 
https://bit.ly/3jru2Kb. [Accessed Jun. 3, 2020]. 
[15]. I. Serwadda, “Impact of credit risk 
management systems on the financial 
performance of commercial banks in 
Uganda,” Acta Universitatis Agriculturae et 
Đặng Hoàng Nhật Tâm và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(10): 3 - 10 
 Email: jst@tnu.edu.vn 10 
Silviculturae Mendelianae Brunensis, vol. 66, 
no. 6, pp. 1627-1635, 2018. [Online]. 
Available: https://bit.ly/3jtjaLL. [Accessed 
Jun. 3, 2020]. 
[16]. J. S. Isanzu, “The Impact of Credit Risk 
on the Financial Performance of Chinese 
Banks,” Journal of International Business 
Research and Marketing, vol. 2, no. 3, pp. 14-
17, 2017. [Online]. Available: 
https://ideas.repec.org/a/mgs/jibrme/v2y2017i
3p14-17.html. [Accessed Jun. 3, 2020]. 
[17]. M. S. Kodithuwakku, “Impact of Credit 
Risk Management on the Performance of 
Commercial Banks in Sri Lanka,” 
International Journal of Scientific Research 
and Innovative Technology, vol. 2, no. 7, pp. 
24-29, 2015. [Online]. Available: https:// 
bit.ly/2EJfKWd. [Accessed Jun. 8, 2020]. 
[18]. S. G. Gadzo, H. K. Kportorgbi, and J. G. 
Gatsi, “Credit risk and operational risk on 
financial performance of universal banks in 
Ghana: A partial least squared structural 
equation model (PLS SEM) approach,” 
Cogent Econ. Financ., vol. 7, no. 1, pp. 1-16, 
2019. [Online]. Available: https://doi.org/ 
10.1080/23322039.2019.1589406. [Accessed 
Jun. 8, 2020]. 
[19]. Vietstock, “Vietstock - Corporate,” 
Vietstock, 2020. [Online]. Available: https:// 
finance.vietstock.vn. [Accessed Jul. 18, 2020]. 
[20]. The World Bank Data, “World Bank Open 
Data - Free and open access to global 
development data,” The World Bank Data, 
2020. [Online]. Available: https://data. 
worldbank.org. [Accessed Jul. 18, 2020]. 
[21]. J. W. Bitner, and R. A. Goddard, Successful 
Bank Asset/Liability Management: A Guide to 
the Future Beyond Gap, Wiley, 1992. 
[22]. T. F. Kolapo, R. K. Ayeni, and M. O. 
Oke, “Credit risk and commercial banks’ 
performance in Nigeria: a panel model 
approach,” Australian Journal of Business 
and Management Research, vol. 2, no. 02, pp. 
31-38, 2012. [Online]. Available: 
https://bit.ly/2YL8kZx. [Accessed Jun. 8, 2020]. 
[23]. M. Gizaw, M. Kebede, and Sujata, “The 
impact of credit risk on profitability 
performance of commercial banks in 
Ethiopia,” African Journal of Business 
Management, vol. 9, no. 2, pp. 59-66, 2015. 
[Online]. Available: https://doi.org/10.5897/ 
AJBM2013.7171. [Accessed Jun. 2, 2020]. 
[24]. I. O. Nwanna, and F. C. Oguezue, “Effect 
of Credit Management on Profitability of 
Deposit Money Banks in Nigeria,” IIARD 
International Journal of Banking and Finance 
Research, vol. 03, no. 11, pp. 405-413, 2017. 
[Online]. Available: https://bit.ly/2YQKA6B. 
[Accessed Jun. 2, 2020]. 
[25]. A. Anandarajan, I. Hasan, and A. Lozano 
-Vivas, “The Role of Loan Loss Provisions in 
Earnings Management, Capital Management, 
and Signaling: the Spanish Experience,” 
Advances in International Accounting, vol. 
16, no. 03, pp. 45-65, 2003. [Online]. 
Available: https://doi.org/10.1016 /S0897-
3660(03)16003-5. [Accessed Jul. 2, 2020]. 
 [26]. The State Bank of Vietnam, “The overview 
of Basel II,” The State Bank of Vietnam, 2014. 
[Online]. Available: https://bit.ly/3jxx3c3. 
[Accessed Aug. 26, 2020]. 
[27]. M. K., “Banks got back on track of 
complying with Basel II,” Banking Times, 
May 18, 2020. [Online]. Available: https:// 
bit.ly/31GX0j0. [Accessed Aug. 26, 2020]. 
[28]. T. B., “Vietcombank recognized as 
complying with 3 pillars of Basel II ahead of 
time,” The Country, August 5, 2020. [Online]. 
Available: https://bit.ly/2QEmg3g. [Accessed 
Aug. 26, 2020].