Tải bản đầy đủ - 0 (trang)
2 Mẫu quan sát và nguồn số liệu

2 Mẫu quan sát và nguồn số liệu

Tải bản đầy đủ - 0trang

21



chính sách của các quốc gia Châu Á. Do đó, những hạn chế trên đã khiến mẫu dữ liệu

cấp ngân hàng thu thập từ 19 nước bao gồm: Bangladesh, Trung Quốc, Hongkong, Ấn

Độ, Indonesia, Israel, Jordan, Kazakhstan, Kuwait, Lào, Malaysia, Paskita, Philippin,

Singapore, Hàn Quốc, SriLanka, Đài Loan, Thái Lan và Việt Nam. Sử dụng bộ dữ liệu

này, bài nghiên cứu sử dụng thông tin cấp ngân hàng với 556 ngân hàng ở tất cả các

nước để tạo ra các biến phụ thuộc và kiểm soát. Dữ liệu cấp ngân hàng được trích xuất

hàng năm và kéo dài khoảng thời gian từ năm 1988 đến năm 2016.

3.2.2 Mô tả biến và nguồn dữ liệu

3.2.2.1 Độ phân tán tỷ lệ cho vay

Để xem xét mức độ hiệu quả của sự phân bổ các nguồn cho vay của các ngân

hàng tại một nước, bài nghiên cứu sử dụng thước đo độ phân tán tỷ lệ cho vay trên tổng

tài sản. Cụ thể là phương sai tỷ lệ cho vay trên tổng tài sản của các ngân hàng của nước

j tại thời điểm t. Như vậy, tại một nước, một thời điểm, chỉ có một quan sát.

Bảng 3.1: Mô tả thống kê tỷ lệ cho vay/tổng tài sản

Nước



Giai đoạn



N



Bangladesh



2009 – 2016



18



62,97%



8,49%



Trung Quốc



2004 – 2016



31



48,14%



13,42%



Hongkong



2012 – 2016



13



43,78%



13,42%



Ấn Độ



1998 – 2016



40



54,84%



9,21%



Indonesia



1990 - 2015



119



59,53%



19,62%



Israel



2003 – 2016



10



69,57%



9,18%



Jordan



2004 – 2016



11



45,41%



9,78%



Kazakhstan



2001 – 2015



13



66,80%



10,97%



Kuwait



2011 – 2016



10



53,11%



15,73%



Lào



2012 – 2015



10



45,02%



19,46%



22



Nước



Giai đoạn



N



Malaysia



1994 – 2015



80



49,09%



19,46%



Paskita



2001 – 2016



23



44,14%



14,18%



Philippines



1988 – 2015



48



46,81%



17,89%



Singapore



1988 – 2015



38



49,31%



24,06%



Hàn Quốc



2010 – 2016



10



71,30%



7,65%



SriLanka



2009 - 2016



11



59,12%



14,61%



Đài Loan



1998 - 2016



20



59,12%



11,31%



Thái Lan



1988 – 2015



25



69,9%



15,13%



Việt Nam



2004 – 2015



38



53,23%



14,41%



Bảng 3.1 cung cấp các thông tin cơ bản về dữ liệu ngân hàng trong bài nghiên cứu cho

từng quốc gia. Tỷ lệ cho vay trên tổng tài sản,



, dao động từ 40% đến 70% ở tất cả



các nước. Hàn Quốc là nước có tỷ lệ cho vay cao nhất với giá trị trung bình đạt

71,30%, một số nước khác như Israel, Kazakhstan, Bangladesh, Thái Lan đều có tỷ lệ

cho vay trên 60%. Tỷ lệ cho vay trung bình của Hongkong thấp nhất trong mẫu nghiên

cứu, chỉ đạt 43,78%, một số cũng có tỷ lệ cho vay tương đối thấp có thể kể đến như

Lào, Trung Quốc, Jordan, Paskita. Tương tự, độ lệch chuẩn trung bình tỷ lệ cho vay

trên tổng tài sản,



, ở các nước là dao động từ 8% đến 20%. Độ lệch tiêu chuẩn



trung bình thấp nhất của tỷ lệ cho vay trên tài sản thuộc về Hàn Quốc với 7,65% và giá

trị cao nhất là 24,06% thuộc về Singapore.



23



Hình 3.1: Biểu đồ phân phối biến phụ thuộc

3.2.2.2 Biến động lạm phát

Để ước lượng mơ hình, chúng ta phải đánh giá độ nhiễu trong cơ chế giá của từng

quốc gia mà cụ thể là sự biến động hay lạm phát không chắc chắn. Để đo sự biến động

lạm phát này, bài nghiên cứu dùng với mơ hình ARCH / GARCH để nắm bắt những

biến động khác biệt của chỉ số giá tiêu dùng hàng tháng. Chỉ số giá tiêu dùng được thu

thập từ cơ sở dữ liệu Datasteam theo tháng. Chúng ta cần lưu ý rằng trước khi ước tính

mơ hình, chuỗi chỉ số giá đã được kiểm tra và khẳng định sự hiện diện của các hiệu

ứng ARCH bằng kiểm định Lagrange Multiplier (LM). Mơ hình GARCH (p, q) có

dạng sau:

=

ℎ =



Trong đó



+



+

+







.



ℎ+



+



biểu thị lạm phát, i.month nắm bắt các hiệu ứng tháng, t = t



và t là trung bình khơng, phương sai đơn vị q trình nhiễu trắng.







24



Đối với mỗi quốc gia, bài viết ước tính một biến thể của mơ hình trên, mơ hình

ARCH (p) hoặc GARCH (p, q) đối với các nước được mô tả trong Bảng 3.2 tác giả

thấy rằng đối với hầu hết các quốc gia, mơ hình ARCH (1) hoặc ARCH (2) là đủ để

làm cho các phần dư còn lại khơng có hiệu ứng ARCH bậc cao hơn. Đối với một số

nước khác, mơ hình GARCH (p, q) bậc thấp được sử dụng thay vì mơ hình ARCH bậc

cao hơn. Sau khi mơ hình được lựa chọn đã được xác định rõ ràng, chuỗi phương sai có

điều kiện được tính trung bình trong năm để phù hợp với tần suất của dữ liệu cấp ngân

hàng. Như vậy, sau khi hồi quy chuỗi CPI 12 tháng trong năm của một nước bằng mơ

hình ARCH/GARCH, ta thu được chuỗi phương sai có điều kiện. Sau đó lấy trung bình

chuỗi phương sai 12 tháng này. Từ chuỗi CPI 12 tháng của một nước, sau khi hồi quy

ta thu được một quan sát. Chuỗi này được sử dụng như là một thước đo của độ nhiễu

trong các tín hiệu giá, mà chúng ta biểu thị là ℎ trong phương trình (1) và (2).

Phương sai có điều kiện cao hơn hàm ý độ nhiễu cao hơn trong cơ chế giá, nghĩa

là nội dung thông tin của giá đã giảm. Trong những trường hợp như vậy, người ra

quyết định sẽ khơng thể dự đốn tính khả thi của các dự án và do đó sẽ hành xử một

cách thận trọng hơn. Do đó, hệ số chặn được kỳ vọng mang dấu âm, thể hiện tác động

ngược chiều của biến động lạm phát lên sự phân bổ khoản vay của các ngân hàng. Khi

lạm phát biến động mạnh thì độ phân tán càng giảm do các nhà quản lý ngân hàng cư

xử thận trọng hơn, hàm ý các nguồn cho vay chưa được sử dụng hiệu quả.

Bảng 3.2: Độ trễ p, q trong mơ hình ARCH/GARCH khi ước lượng độ biến động

lạm phát

No.



Country



1

2

3

4

5

6

7



China

India

Isaren

Jordan

Kazantang

Korea

Kuwait



ARCH

(p)

2

2

1

2

1

1

1



GARCH

(q)



2

1

2



No.

11

12

13

14

15

16

17



Country

Pakistan

Philippin

Vietnam

Singapore

Thailand

Bangladesh

Hongkong



ARCH

(p)

1

1

1

2

1

1

1



GARCH

(q)

1

2

1

1



25



No.



Country



ARCH GARCH

No.

Country

ARCH GARCH

(p)

(q)

(p)

(q)

8 Laos

2

18 Taiwan

2

9 Malaysia

1

1

19 Indosia

2

10 Srilanka

1

Để hình dung sự liên quan giữa sự biến động của lạm phát và sự khác biệt về



phương sai của tỷ lệ cho vay / tổng tài sản. Đồ thị ở Hình 3.2 mơ tả sự biến thiên của

biến động lạm phát và phân tán tỷ lệ cho vay trên tổng tài sản. Chúng ta thấy rằng có

sự tương quan âm giữa sự biến động của lạm phát và sự phân tán tỷ lệ cho vay / tổng

tài sản của các ngân hàng. Mặc dù những số liệu này cung cấp một bằng chứng trực

quan về mối tương quan âm giữa sự bất ổn về lạm phát và sự phân tán chéo của tỷ lệ

cho vay trên tài sản của các ngân hàng. Tuy nhiên các ngân hàng ở quốc gia có thể phải

chịu các cú sốc cụ thể với các đặc trưng riêng của mỗi quốc gia, nên cần tiến hành

nghiên cứu thực nghiệm chính thức trước khi đưa ra kết luận về mối tương quan này.

Hơn nữa, ngoài các tác động cố định ở cấp độ quốc gia, chúng ta phải xem xét tác động

của nhiều yếu tố khác có thể bóp méo quan sát.



26



Hình 3.2: Biểu đồ tương quan giữa biến động lạm phát và phân tán tỷ lệ cho

vay/tổng tài sản

3.2.2.3 Nhóm biến kiểm soát

Biến kiểm soát là những biến chỉ đặc điểm riêng có được đưa vào mơ hình nhằm

làm giảm bất cứ tác động nào có thể gây nhiễu cho các nhân tố khác hoặc cho việc diễn

giải kết quả của nghiên cứu. Biến kiểm sốt cũng có một ảnh hưởng tiềm năng vào

biến phụ thuộc như biến độc lập, nhưng sự tác động đó khơng phải là điều mà ta đang

quan tâm. Bên cạnh đó, việc đưa biến kiểm sốt vào mơ hình phân tích vì ta khơng thể

bỏ qua sự tác động của nó khi xem xét các tác động của biến độc lập. Tương tự như

Mustafa, Bing (2016), nhóm biến kiểm sốt được đưa vào mơ hình bao gồm các yếu tố

biến động khác của môi trường vĩ mô:

Lạm phát: được thu thập thừ WorldBank, lạm phát cũng được kỳ vọng tác động

ngược chiều lên sự phân tán tỷ lệ cho vay trên tổng tài sản.

Tốc độ tăng trưởng GPD, ∆GDP: tác động của tăng trưởng GDP (∆GDP) đối với

sự phân tán tỷ lệ cho vay/tài sản vẫn còn chưa rõ ràng. Chẳng hạn như trong một nền

kinh tế tăng trưởng, nếu các tín dụng mới tăng đều đặn trên tất cả các ngân hàng, thì sự

phân tán tỷ lệ cho vay / tài sản không thay đổi. Tuy nhiên, nếu tín dụng mới được mở

rộng bởi các ngân hàng nhất định thì tác động lên sự phân tán sẽ cùng chiều vì tốc độ

tăng trưởng GDP thay đổi theo thời gian.

Biến giả dumFC nhận giá trị là 1 nếu năm t lớn hơn năm 2007. Việc đưa biến giả

này vào mơ hình với mục đích kiểm tra xem sự phân tán của tỷ lệ cho vay đối với tài

sản đã thay đổi sau cuộc khủng hoảng tài chính hay không. Hệ số chặn được kỳ vọng

mang dấu dương vì sau cuộc khủng hoảng tài chính các khoản tiền đã được bơm vào

các thị trường tài chính. Ngược lại, cũng có thể tranh luận về kỳ vọng ngược chiều, vì

các ngân hàng hạn chế cung cấp các khoản vay trong giai đoạn khủng hoảng mặc dù

các nỗ lực của NHTW và Chính phủ.

Biến tương tác giữa biến giả khủng hoảng tài chính và độ biến động lạm phát



27



(dumFC*h) cho thấy sự liên quan giữa biến động lạm phát có thay đổi sau cuộc khủng

hoảng tài chính. Hệ số âm (dương) cho thấy rằng sau cuộc khủng hoảng tài chính, tác

động ngược chiều của sự biến động về phân bổ nguồn lực ngân hàng đã tăng lên (suy

yếu).

Biến động của thị trường chứng khoán (VolStock) và biến động giá dầu (VolOil)

cũng được đo bằng cách áp dụng phương pháp ARCH / GARCH. Để ước tính biến

động thị trường chứng khốn, bài nghiên cứu thu thập dữ liệu theo tháng của các chỉ số

chứng khoản đại diện cho thị trường tại mỗi quốc gia được lấy từ Datastream và biến

động giá dầu được đo dựa trên giá dầu West Taxas Intermediate được lấy từ IMF. Mặc

dù có thể kỳ vọng rằng sự biến động của thị trường chứng khốn sẽ có tác động tích

cực đến sự phân tán các khoản cho vay của ngân hàng, nhưng tác động này cũng có thể

là ngược lại. Ví dụ, nếu các ngân hàng mở rộng tín dụng cho các cơng ty có cơ hội đầu

tư chất lượng tốt mặc dù các công ty này khơng thể huy động vốn tài chính trong giai

đoạn biến động của thị trường chứng khoán, sự phân tán tỷ lệ cho vay / nguồn vốn của

các ngân hàng sẽ mở rộng. Tuy nhiên, nếu sự biến động của thị trường chứng khốn là

tín hiệu cho một bất ổn tổng thể trong thị trường tài chính, thì việc phân tán các khoản

vay sẽ thu hẹp, vì các ngân hàng có xu hướng hành xử thận trọng trong việc mở rộng

các khoản vay trong giai đoạn biến động. Tác động của biến động giá dầu đối với biến

phụ thuộc dự kiến sẽ là ngược chiều, vì sự biến động giá dầu tăng lên hàm ý sự gia

tăng bất ổn trong môi trường kinh tế vĩ mô dẫn đến hành vi cho vay bảo thủ của ngân

hàng.

Rủi ro trung bình của ngành ngân hàng chính là sự biến động lợi nhuận của các

ngân hàng của cùng một nước, nó được tính từ độ lệch chuẩn của tỷ lệ thu nhập ròng

trên tổng tài sản của các ngân hàng có trong bộ dữ liệu. Bài nghiên cứu kỳ vọng rủi ro

trung bình ngân hàng sẽ có tác động ngược chiều lên việc phân tán tỷ lệ cho vay/tổng

tài sản.

Và cuối cùng là tỷ suất sinh lợi ngành ngân hàng trung bình được tính bình quân



28



cho các ngân hàng trong bộ dữ liệu và được kỳ vọng có tác động cùng chiều lên hiệu

quả phân bổ nguồn cho vay của các ngân hàng.

Nhìn chung, việc đưa các biến số kiểm sốt khơng nên ảnh hưởng đến kỳ vọng

dấu và ý nghĩa của hệ số liên quan đến sự biến động của lạm phát,



, thể hiện những



tác động đảo ngược của sự biến động lạm phát lên phân bổ nguồn lực ngân hàng. Cũng

lưu ý rằng mơ hình mở rộng bao gồm các biến giả hằng năm, i.year, nắm bắt những cú

sốc còn lại có thể ảnh hưởng đến mối tương quan.

Bảng 3.3 trình bày tóm tắt mơ tả biến, định nghĩa của các biến được sử dụng

trong phân tích thực nghiệm kèm theo kỳ vọng dấu của các biến độc lập tác động lên

độ phân tán tỷ lệ cho vay trên tổng tài sản của các ngân hàng.



29



Bảng 3.3: Mô tả biến, định nghĩa và nguồn dữ liệu

Nhóm



Tên biến



Biến phụ thuộc

,



ℎ,



Inflation

∆GDP

Biến độc lập



dumFC

dumFC*h

VolStock



VolOil



Định nghĩa



Nguồn dữ liệu



Kỳ vọng dấu



Phương sai của tỷ lệ cho vay trên tổng tài sản của các Bankscope và

ngân hàng trong cùng một nước.

Datastream

Biến động lạm phát được đo bằng phương sai có điều IMF

kiện từ ước lượng ARCH/GARCH của chỉ số giá tiêu

dùng hàng tháng

Lạm phát

Worldbank

Indicators

Tốc độ tăng trưởng GDP

Worldbank

Indicators

Bằng 1 nếu năm t lớn hơn năm 2007

Biến tương tác của dumFC và ℎ ,

Biến động thị trường chứng khoán được đo bằng Datastream

phương sai có điều kiện từ ước lượng

ARCH/GARCH của chỉ số thị trường chứng khoán

Biến động giá dầu được đo bằng phương sai có điều IMF

kiện từ ước lượng ARCH/GARCH của giá dầu WTI



-



+/+/+/+/-



-



30



Ngoài ra, trước khi ước lượng, chúng tôi tiến hành xem xét hiện tượng đa cộng

tuyến giữa các biến độc lập. Bảng 3.4 trình bày các hệ số tương quan đôi giữa các biến

được đưa vào mơ hình. Điều kiện để đánh giá khơng có đa cộng tuyến giữa các biến

độc lập chính là các hệ số tương quan không được vượt quá 0,8 và có ý nghĩa thống kê.

Kết quả cho thấy biến rủi ro ngành ngân hàng và biến lợi nhuận ngành ngân hàng

có tương quan hồn tồn với mức ý nghĩa 1%. Do đó khi hồi quy bằng mơ hình FE,

biến rủi ro ngành ngân hàng bị loại bỏ. Ngoài ra các biến độc lập khác trong mơ hình

đều khơng có mối tương quan nào đặc biệt cao hơn 0,8, tức là không thể xảy ra hiện

tượng đa cộng tuyến.

Thêm vào đó, để làm giảm bớt tác động của các giá trị ngoại lai, chúng tôi đã loại

trừ 2,5% các giá trị ngoại lai. Các quan sát còn lại trong mẫu nghiên cứu là các giá trị

còn lại.



31



Bảng 3.4: Ma trận hệ số tương quan

Với các ký hiệu *,**, và *** lần lượt đại diện cho các mức ý nghĩa 10%, 5%, và 1%

Tên biến

1

2

3

4

5

1. Độ phân tán tỷ lệ cho

1.0000

vay

2. Biến động lạm phát

-0.0881

1.0000

3. Lạm phát

-0.0782

0.0106

1.0000

4. Tăng trưởng GDP

0.0232

0.0060

-0.1755*** 1.0000

5. Khủng hoảng tài chính

-0.1049* 0.1519*** -0.1248**

-0.1527*** 1.0000

6. Biến động lạm phát sau -0.0865

-0.0865

0.0932***

-0.0117

0.2061

khủng hoảng tài chính

7. Biến động thị trường

-0.1472** 0.0277

0.1769***

-0.0441

0.0642

chứng khoán

8. Biến động giá dầu

-0.0449

0.0175

0.0931

-0.1197** 0.1678**

9. Rủi ro ngành ngân hàng 0.0143

-0.0056

-0.0170

-0.0335

0.0633

10. Lợi nhuận ngành ngân -0.0143

0.0056

0.0170

0.0335

-0.0633

hàng



6



7



8



9



10



1.0000

0.0585

-0.0585



1.0000

-1.0000 ***



1.0000



1.0000

0.0155



1.0000



0.2607*** 0.0054

-0.0021

0.0296

0.0021

-0.0296



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

2 Mẫu quan sát và nguồn số liệu

Tải bản đầy đủ ngay(0 tr)

×