Ứng dụng phương pháp định lượng trong phân tích rủi ro thanh khoản hệ thống ngân hàng thương mại Việt Nam

Ứng dụng phương pháp định lượng trong phân tích rủi ro thanh khoản hệ thống ngân hàng thương mại Việt Nam

TS. Phan Anh1

 

Một số ngân hàng trung ương trên thế giới đã ứng dụng phương pháp định lượng trong phân tích rủi ro thanh khoản (RRTK) hệ thống ngân hàng thương mại (NHTM) nhằm phát hiện và cảnh báo về nguy cơ xảy ra RRKT của toàn hệ thống ngân hàng. Để làm được điều này, các nhà nghiên cứu đã xây dựng nên các bộ chỉ số thanh khoản hệ thống NHTM, các chỉ số này được coi như là một trong những tiêu chuẩn cảnh báo giúp các nhà hoạch định chính sách cũng như các nhà quản trị ngân hàng có những biện pháp ứng phó kịp thời giúp ngăn chặn khủng hoảng thanh khoản xảy ra và lan rộng. Tại Việt Nam hiện nay, việc giám sát hệ thống NHTM chủ yếu dựa trên lĩnh vực tuân thủ mà thiếu đi các phương pháp phân tích định lượng nhằm sớm phát hiện các rủi ro mang tính hệ thống nói chung và RRTK nói riêng. Xuất phát từ thực tiễn đó, bài viết tập trung vào nghiên cứu: (i) Các phương pháp định lượng và điều kiện áp dụng trong phân tích RRTK hệ thống NHTM; (ii) Ứng dụng phương pháp định lượng trong phân tích RRTK hệ thống NHTM Việt Nam giai đoạn 2010-2016; (iii) Một số khuyến nghị trong việc ứng dụng phương pháp định lượng trong phân tích RRTK hệ thống NHTM Việt Nam trong thời gian tới.

1. Các phương pháp định lượng và điều kiện áp dụng trong phân tích RRTK hệ thống NHTM

1.1. Phân tích mô hình kiểm tra sức chịu đựng (stress test)

Mô hình kiểm tra sức chịu đựng thanh khoản là kỹ thuật nhằm xem xét liệu các tổ chức tài chính có đủ dòng tiền mặt và tài sản lưu động để đảm bảo nhu cầu thanh khoản trong một kịch bản căng thẳng. Khuôn khổ kiểm tra sức chịu đựng thanh khoản có tính tổng quát, bao gồm một mô hình vệ tinh, nó liên kết các biến kinh tế vĩ mô với các biến tài chính, cụ thể là chất lượng tài sản. Mô hình vệ tinh được xây dựng dựa trên dữ liệu của từng ngân hàng đơn lẻ thuộc hệ thống trong một khoảng thời gian: sử dụng kỹ thuật bảng dữ liệu, chất lượng tài sản của các ngân hàng đơn lẻ có thể được giải thích như là một hàm của các biến ngân hàng đơn lẻ và các biến cấp hệ thống. Cùng với mô hình kinh tế vĩ mô, mô hình vệ tinh được sử dụng để lập giả định cho các cú sốc bên ngoài (ví dụ: sự suy giảm GDP thế giới) tác động vào chất lượng tài sản ngân hàng. Mô hình vệ tinh được sử dụng trong quá trình tính toán bước đầu, “ở vòng ngoài”. Để có thể tính toán một cách cụ thể tác động của các cú sốc, biến động vĩ mô đến hệ thống ngân hàng. Mô hình tập trung vào việc tính toán tác động của cú sốc bên ngoài vào hệ thống ngân hàng và thể hiện những tác động này qua biến an toàn vốn. Mô hình kiểm tra sức chịu đựng giả định rằng áp lực thanh khoản hệ thống bắt nguồn từ sự gia tăng những lo ngại về khả năng thanh toán, cùng với sự biến động về giá trị tài sản của ngân hàng. Phương pháp kiểm tra sức chịu đựng mô hình hóa ba kênh tác động của thanh khoản hệ thống: (i) Môi trường tài chính và kinh tế vĩ mô khủng hoảng, theo đó rủi ro vỡ nợ cùng với sự thận trọng của các bên sẽ dẫn đến giảm vốn từ các thị trường vốn không có bảo đảm; (ii) Hành động bán tháo tài sản của ngân hàng nhằm đáp ứng nghĩa vụ thanh khoản sẽ làm giảm giá bán, ảnh hưởng đến giá trị tài sản và yêu cầu ký quỹ đối với các ngân hàng trong hệ thống. Theo đó, chúng sẽ tiếp tục ảnh hưởng đến giá vốn, lợi nhuận, và gia tăng những lo ngại về khả năng thanh khoản hệ thống nói chung; (iii) Thanh khoản vốn ở mức thấp do sự bất ổn bắt nguồn từ rủi ro của các đối tác và định giá tài sản thấp sẽ khiến các ngân hàng và nhà đầu tư rơi vào trạng thái tích trữ thanh khoản, dẫn đến thiếu hụt thanh khoản hệ thống (Hình 1)

Hình 1: Mô hình kiểm định độ căng của Martin Cihak

Nguồn: Cihak (2004)

 

Việc cần làm tiếp theo là xác định các NHTM có tầm quan trọng đối với hệ thống thông qua nhận diện các D-SIBs. Theo thực tiễn quốc tế tốt nhất được IMF/WB khuyến nghị, nếu một NHTM không được liệt kê vào danh sách D-SIBs (quá nhiều liên kết hoặc quá lớn để sụp đổ) thì khi NHTM đó mất khả năng thanh toán, có thể để thị trường tự quyết định hoặc áp dụng thủ tục phá sản, cơ quan quản lý chỉ can thiệp phục hồi khi đó là các NHTM có tầm quan trọng hệ thống hay D-SIBs. Dựa trên các nghiên cứu quốc tế, phương pháp các chỉ số định lượng tĩnh với bộ chỉ số giản lược đề xuất cho Việt Nam để xác định các D-SIBs như sau: (Bảng 1)

Bảng 1: So sánh các chỉ số định lượng tĩnh

Tiêu chí	BCBS (2011)	Zlatuse Komarkova et al. (2012)	Nghiên cứu này (đề xuất cho Việt Nam)
Kích cỡ	Tổng tài sản rủi ro như định nghĩa sử dụng để tính tỷ lệ đòn bẩy theo Basel III(đoạn 157–164)	Tổng tài sản chịu rủi ro tín dụng. Thu nhập từ lãi và thu nhập từ hoạt động dịch vụ	Cho vay khách hàng (làm đại diện cho tổng tài sản chịu rủi ro tín dụng) (50%)
Liên kết lẫn nhau	Tổng tài sản có trong hệ thống tài chính	Tổng tài sản có đối với các TCTD	Tổng tiền gửi các TCTD và NHNN (25%)
	Tổng nợ phải trả trong hệ thống tài chính Tỷ lệ vốn	Tổng nợ phải trả đối với các TCTD	Tổng nợ phải trả các TCTD, Chính phủ và NHNN (25%)
Khả năng thay thế	Tài sản lưu ký (theo Basel III đoạn 76 về định nghĩa các dịch vụ lưu ký) Các thanh toán được bù trừ thông qua hệ thống thanh toán Giá trị giao dịch bảo lãnh của TCTD tại thị trường trái phiếu và cổ phiếu	Tài sản lưu ký Các thanh toán được bù trừ thông qua hệ thống thanh toán	Tài sản lưu ký (N/A) 0%

Nguồn: Nguyễn Đức Trung (2015)

1.2. Phân tích mô hình cảnh báo sớm

Trong phạm vi nghiên cứu, tác giả sử dụng mô hình phi tham số được phát triển bởi Kaminsky, Lizonso, Reinhart (IMF, 1998); Edison (2000); ADB (2002)... đây là mô hình sử dụng phương pháp tiếp cận phát tín hiệu và tìm kiếm “ngưỡng cảnh báo tối ưu” cho mỗi chỉ số để có thể tối đa hóa năng lực dự báo các chỉ số đó. Theo đó, cách tiếp cận tín hiệu để xây dựng một mô hình EWS gồm 5 bước: (i) Xác định thời gian xảy ra các tình huống khủng hoảng trong quá khứ và lựa chọn độ dài của cửa sổ khủng hoảng; (ii) Lựa chọn các chỉ tiêu cảnh báo; (iii) Xác định mức ngưỡng cho các chỉ tiêu cảnh báo; (iv) Xây dựng các chỉ số dự báo tổng hợp; (v) Dự báo khủng hoảng.

Một số dấu hiệu căng thẳng thanh khoản của hệ thống NHTM thường được đưa vào trong phân tích như: (i) Biến động tăng mạnh của các mức lãi suất thị trường như lãi suất huy động, cho vay, đặc biệt là lãi suất liên ngân hàng, chủ yếu là các kỳ hạn ngắn dưới 1 tháng, đặc biệt là kỳ hạn qua đêm; (ii) Lãi suất tiền gửi và cho vay tăng cao; (iii) Sụt giảm mạnh tiền gửi của các NHTM tại NHTW về mức xấp xỉ ngang bằng hoặc thậm chí thấp hơn mức yêu cầu về dự trữ bắt buộc; (iv) Tăng mạnh các khoản tái cấp vốn của NHTW cho các NHTM khi các NHTM đều gặp phải khó khăn đối với việc huy động vốn từ nền kinh tế và thị trường liên ngân hàng (LNH); (v) Sự đảo chiều trong mối tương quan khiến cho lãi suất LNH tăng cao hơn lãi suất OMO và lãi suất tái cấp vốn; (vi) Gia tăng mạnh hoặc sụt giảm mạnh số dư huy động vốn trên thị trường LNH. Tương ứng với các dấu hiệu trên là các chỉ tiêu được đưa vào mô hình dự báo gồm: (Bảng 2)

Bảng 2: Các chỉ số phục vụ tính toán EWS

TT	Chỉ số	Biến giải thích
1	Tỷ lệ huy động vốn ngắn hạn / cho vay trung và dài hạn	Mất cân đối giữa nguồn và sử dụng nguồn của hệ thống ngân hàng
2	Tỷ lệ tín dụng / huy động vốn
3	Tỷ lệ tín dụng / huy động vốn; chênh lệch tín dụng - huy động vốn
4	Tỷ lệ huy động vốn trên thị trường LNH / huy động vốn trên thị trường 1
5	Tỷ lệ tài sản có thanh khoản/tài sản nợ thanh khoản;
6	Tỷ lệ tổng tài sản có / tổng tài sản nợ
7	Tỷ lệ huy động vốn / tổng huy động vốn
8	Tỷ lệ nợ xấu / dư nợ tín dụng
9	Tốc độ tăng trưởng GDP và chỉ số giá tiêu dùng quốc nội và các quốc gia có nhiều quan hệ thương mại	Biến động bất thường của nền kinh tế thực trong nước và quốc tế
10	Cán cân vãng lai/GDP
11	Tốc độ tăng trưởng kim ngạch xuất, nhập khẩu
12	Cán cân thương mại/GDP
13	Biến động chỉ số chứng khoán, biến động giá bất động sản
14	Biến động giá dầu trên thị trường quốc tế
15	Tăng trưởng tín dụng so với tháng trước và cùng kỳ năm trước	Biến động bất thường của thị trường tài chính trong nước và quốc tế
16	Tỷ lệ nợ xấu/tổng dư nợ tín dụng
17	Biến động tỷ giá của đồng nội tệ so với USD so với tháng trước và cùng kỳ năm trước
18	Dự trữ ngoại hối theo tháng nhập khẩu
19	Dòng vốn ngắn hạn/GDP
20	Cán cân vãng lai/GDP
21	Biến động kim ngạch xuất, nhập khẩu
22	Cán cân thương mại/GDP
23	Chênh lệch lãi suất cho vay trong nước và của Mỹ
24	Tài sản nợ nước ngoài/tài sản có nước ngoài
25	Dự trữ ngoại hối theo tháng nhập khẩu
26	Dòng vốn ngắn hạn/GDP
27	Tỷ lệ huy động vốn trên thị trường LNH/GDP	Tác động lan truyền
28	Tín dụng /GDP
29	Tổng dư nợ tín dụng/GDP
30	Tỷ lệ nợ xấu/tổng dư nợ tín dụng
31	Tín dụng /huy động vốn
32	Tín dụng/huy động vốn
33	Tài sản nợ nước ngoài/tài sản có nước ngoài của hệ thống ngân hàng

Nguồn: Phan Anh (2016)

 

1.3. Phân tích chỉ số thanh khoản hệ thống theo Basel

Theo Federico (2012), Phân tích RRTK hệ thống NHTM dựa trên việc phân tích chỉ số thanh khoản hệ thống theo Basel (FPIs) gồm bốn bước:

Bước 1: Lựa chọn của các tổ chức trong phân tích

Việc lựa chọn được tuân theo cách cách phân loại của Bankscope, trong đó hệ thống ngân hàng gồm: NHTM, ngân hàng hợp tác, ngân hàng địa ốc, ngân hàng tiết kiệm, công ty tài chính, ngân hàng đầu tư, tổ chức tài chính vi mô, công ty quản lí tín dụng và các tổ chức tài chính phi ngân hàng (việc phân tích không bao gồm các NHTM bị các công ty nắm giữ lí do báo cáo tài chính và bảng cân đối kế toán của các tổ chức này chịu ảnh hưởng của các công ty con phi ngân hàng khác). Ngoài ra, với việc lựa chọn bảng cân đối kế toán chưa được hợp nhất của các tổ chức nêu trên sẽ giúp việc phân tích tránh được các nội dung mà bảng cân đối đã được hợp nhất thường trình bày (gồm các nội dung: các công ty con của ngân hàng, bao gồm các công ty bảo hiểm, đã thay đổi đáng kể số lượng chứng khoán và mức độ nguy hiểm của RRTK.

Bước 2: Tính toán mức thiếu hụt tiền mặt của các ngân hàng.

Căn cứ vào các hướng dẫn của Basel trong tính toán tỷ lệ NSFR để đánh giá tài sản và các khoản nợ theo tính thanh khoản của các NHTM gồm: (i) các khoản nợ không ổn định và (ii) tài sản không yêu cầu sự ổn định (có tính thanh khoản cao). Lấy giá trị của (i) trừ đi (ii) sẽ tính được tình trạng thiếu hụt tiền mặt mà một ngân hàng có thể phải đối mặt trong tình trạng căng thẳng thanh khoản. Tình trạng thiếu tiền mặt của ngân hàng i trong đất nước j được xác định bởi:

 

 

 

Trong đó:

WLk và WLh là giá trị được ấn định bởi BCBS (2009) với lần lượt khoản nợ k và tài sản h, như được miêu tả trong phụ lục 3.

csi,j : Mức độ thiếu hụt tiền mặt của ngân hàng i thuộc quốc gia j

: Giá trị tài sản nợ k của ngân hàng i thuộc quốc gia j;

: Giá trị tài sản có h của ngân hàng i thuộc quốc gia j.

Bước 3: Tính toán “mức độ của các khoản cho vay mới” và “mức giảm của khoản vay mới” ở cấp hệ thống.

Các khoản cho vay mới có đảm bảo của ngân hàng i trong chuỗi các vấn đề về căng thằng thanh khoản được xác định như sau: cnli,j = rnli,j – acsi,j

Trong đó:

+ rnli,j là khối lượng của các khoản vay cần phải được tái cấp vốn để giữ cho tổng danh mục các khoản vay là không đổi;

+ ΣAi,jk là danh mục các khoản vay và ω là một tham số đo lường các biện pháp tái cấp vốn điển hình của các danh mục cho vay.

Tổng số cho vay mới (CNL) của nước j được tính như sau:

Biện pháp “giảm các khoản cho vay mới” (INL), được tính toán bằng cách lấy yêu cầu chung để thực hiện cho vay mới trừ đi CNL:

 

Bước 4: Tiêu chuẩn hóa của CNL và INL

Cả CNL và INL đều được thể hiện dưới dạng tiền tệ, do đó để có thể so sánh các chỉ số đo lường trong sự hồi quy giữa các quốc gia thì trong phân tích cần tiêu chuẩn hóa các chỉ số này bằng cách lấy tỷ lệ của CNL và INL trên tổng dư nợ và trên GDP.

 

 

1.4. Phân tích chỉ số RRTK hệ thống có điều chỉnh - (Systemic-adjusted Liquidity) - SRL

Mô hình chỉ số rủi ro thanh khoản hệ thống điều chỉnh SRL được xây dựng và đề xuất áp dụng đối với đánh giá cấu trúc và kiểm định độ căng của rủi ro thanh khoản hệ thống. Mô hình chỉ số SRL đánh giá định lượng quy mô và sự liên kết của các tổ chức tài chính (với các mức độ khác nhau về đòn bẩy và sự chênh lệch trong cấu trúc kỳ hạn, xác định đặc điểm rủi ro của từng tổ chức tài chính) có thể gây ra rủi ro thanh khoản ngắn hạn với mức độ toàn hệ thống trong giai đoạn căng thẳng (Severo, 2012). Mô hình SRL được xây dựng nhằm đánh giá mức độ RRTK chung đối với danh mục đầu tư của các tổ chức, dựa trên đề xuất quy định hiện hành nhằm hạn chế sự chuyển đổi cấu trúc kỳ hạn - tỷ lệ quỹ bình ổn ròng (NSFR). Tỷ lệ NSFR xác định RRTK xảy ra khi có sự mất cân đối trong cấu trúc kỳ hạn giữa các khoản nợ ngắn hạn (“Quỹ bình ổn thực tế” - ASF) và các tài sản ngắn hạn (“Quỹ bình ổn bắt buộc” - RSF). Phương pháp đo lường chỉ số SRL được thực hiện theo 3 bước như sau:

Bước 1: Tính chỉ số NSFR theo ngày tại mức giá thị trường, theo đó nguồn vốn ổn định yêu cầu (RSF) và nguồn vốn ổn định sẵn có (ASF) phản ánh chênh lệch giữa giá trị thị trường và giá trị theo bảng cân đối của tổng tài sản có và tài sản nợ của từng ngân hàng.

Bước 2: Xác định mức thua lỗ kì vọng do RRTK gây ra thông qua sử dụng mô hình CCA. Mức thua lỗ kì vọng do RRTK của ngân hàng được xác định bằng cách mô hình hóa chỉ số NSFR ở bước 1 được hiểu là một hợp đồng quyền chọn bán ngầm định, trong đó giá trị hiện tại của RSF là giá thực hiện hợp đồng.

Bước 3: Tính mức thua lỗ kì vọng dẫn đến RRTK hệ thống ngân hàng. Dùng hàm phân phối xác xuất của các mức thua lỗ kì vọng thu được từ việc xác định chỉ số NSFR của từng ngân hàng riêng lẻ ở bước 2, để tính ra xác xuất của việc các ngân hàng đối mặt với việc RRTK hàng loạt.

1.5. Phân tích diễn biến trên thị trường tiền tệ

Ngoài các phương pháp phân tích hiện đại được nêu ở phần trên thì các NHTW trên thế giới vẫn sử dụng các phương pháp phân tích RRTK hệ thống NHTM theo kiểu truyền thống để phục vụ việc giám sát thanh khoản hệ thống NHTM, các chỉ số đo lường thanh khoản hệ thống ngân hàng truyền thống bao gồm các chỉ số về nợ nước ngoài, và các chỉ số về tài chính, tiền tệ. Cụ thể, Federico (2012) cho rằng đó là các chỉ số: (i) Các chỉ số về nợ nước ngoài gồm: Tỷ lệ dự trữ ngoại hối quốc gia trên tổng nợ nước ngoài ngắn hạn; Tỷ lệ tổng nợ nước ngoài trên GDP; Tỷ lệ tổng nợ ngắn hạn trên GDP; (ii) Các chỉ số về tài chính tiền tệ gồm: Tỷ lệ M2 trên GDP; Tỷ lệ tài sản có tính lỏng cao trên tổng tài sản của hệ thống ngân hàng; Tỷ lệ dư nợ trên tổng tài sản của hệ thống ngân hàng; Tỷ lệ dư nợ trên tổng tiền gửi của hệ thống ngân hàng; Tỷ lệ tăng trưởng tín dụng; Tỷ lệ dư nợ ngoại tệ trên dư nợ cả hệ thống; Tỷ lệ tổng tiền gửi ngoại tệ trên tổng tiền gửi cả hệ thống. Ngoài ra, các dấu hiệu trên thị trường LNH thông qua diễn biến khối lượng giao dịch và lãi suất trên thị trường tiền tệ LNH và khối lượng bơm ròng qua nghiệp vụ thị trường mở (OMO) của NHTW cũng phản ánh RRTK hệ thống NHTM.

1.6. Điều kiện ứng dụng các phương pháp định lượng trong phân tích RRTK hệ thống NHTM

Nghiên cứu cho thấy các phương pháp định lượng trong phân tích RRTK hệ thống NHTM được nêu ở phần trên đều có thể áp dụng cho việc phân tích RRTK hệ thống NHTM Việt Nam. Tuy nhiên, để có thể áp dụng được các phương pháp phân tích nêu trên thì hệ thống cơ sở dữ liệu, đặc biệt là báo cáo tài chính của các NHTM trong hệ thống phải được cập nhật, bổ sung đầy đủ, chi tiết với tần suất lớn nhất có thể, đảm bảo chất lượng của các cơ sở dữ liệu. Đi kèm với đó, đội ngũ nhân lực phải được đào tạo bài bản, có kinh nghiệm trong ứng dụng các mô hình kinh tế lượng cũng như trong đánh giá mô hình đo lường sức chịu đựng rủi ro. Ngoài ra, đối với mỗi phương pháp đều cần phải có các điều kiện cụ thể nhất định: (i) Đối với phương pháp phân tích mô hình kiểm tra sức chịu đựng, phải xây dựng được các kịch bản kinh tế tài chính với các dự báo có độ chính xác cao nhất, vì các kịch bản càng chi tiết với các thông số đầu vào bao trùm hết các khả năng có thể xảy ra thì sẽ đo lường chính xác các tác động đến RRTK hệ thống NHTM dưới các kịch bản, ví dụ: nhóm thông tin về kinh tế vĩ mô, nhóm thông tin về tài sản, nợ, các giao dịch ngoại bảng như thế chấp,… của ngân hàng, nhóm thông tin về sự điều chỉnh có khả năng tác động đến các mối quan hệ ứng xử. (ii) Đối với phương pháp phân tích mô hình cảnh báo sớm, việc xác định chính xác các chỉ số cảnh báo và các ngưỡng cảnh báo là hết sức quan trọng, các chỉ tiêu cảnh báo để dự đoán các cuộc khủng hoảng thường được chọn dựa trên các quan điểm kinh tế và sự sẵn có của các số liệu, tuy nhiên việc tổng hợp và phân phối trọng số các chỉ tiêu phù hợp với từng quốc gia là điều không đơn giản. (iii) Đối với phân tích chỉ số thanh khoản hệ thống theo Basel, thì yêu cầu dữ liệu đầu vào phải sử dụng bảng tổng kết tài sản hợp nhất và sắp xếp các hạng mục theo như đề xuất theo Basel III. (iv) Đối với phân tích chỉ số RRTK hệ thống có điều chỉnh, phải xác định mức tác động của từng tổ chức đối với rủi ro của cả hệ thống, điều này đòi hỏi chất lượng bộ số liệu cao hơn, kĩ thuật tính toán phức tạp hơn nhưng chất lượng dự đoán tốt hơn. Theo đó, khi thị trường xuất hiện sự căng thẳng thanh khoản, khi các nguồn vốn có thể cho vay không đáp ứng được nhu cầu vay vốn thì hệ thống ngân hàng phải tìm kiếm các nguồn vốn khác ngoài ngân hàng, hiện tượng này phản ánh sự thiếu hụt thanh khoản trong hệ thống ngân hàng.

 

2. Ứng dụng phương pháp định lượng trong phân tích RRTK hệ thống NHTM Việt Nam giai đoạn 2010-2016

Mỗi phương pháp định lượng dùng trong phân tích RRTK hệ thống NHTM đều có những điều kiện cụ thể nhất định, điều này ảnh hưởng không nhỏ đến việc áp dụng để phân tích RRTK hệ thống NHTM Việt Nam. Do những hạn chế về việc thu thập số liệu, trong phạm vi bài viết tác giả chỉ tiến hành mô phỏng phương pháp: “Phân tích mô hình kiểm tra sức chịu đựng” để phân tích RRTK hệ thống NHTM Việt Nam.

Các bước thực hiện

2.1. Xác định 10 NHTM có tầm quan trọng trong hệ thống

Nghiên cứu thực hiện kiểm tra sức chịu đựng dựa trên RRTK đối với nhóm D-SIBs bao gồm 10 NHTM có tầm quan trọng đối với hệ thống NHTM Việt Nam, cụ thể bài viết sử dụng số liệu từ các báo cáo tài chính của các NHTM trong hệ thống để nhận diện D-SIBs tại thời điểm gần nhất: quý 4 năm 2016 của 38 NHTM, để từ đó lọc ra 10 ngân hàng có điểm số cao nhất được nhận diện là 10 D-SIBs. Phương pháp được đề xuất bởi FSB, IMF, BIS (2009), BCBS 2011 và Zlatuse Komarkova, Václav Hausenblas và Jan Frait (2012) - phương pháp các chỉ số định lượng tĩnh để xác định các D-SIBs tại Việt Nam. Kết quả thu được từ phương pháp trên, tác giả nhận diện 10 NHTM quan trọng trong hệ thống trong nước (D-SIBs) tại thời điểm tháng 12/2010 và thời điểm tháng 12/2016 (gồm: Vietinbank, Agribank, BIDV, Vietcombank, Sacombank, Eximbank, ACB, Techcombank, SCB, SHB) (Bảng 3)

Bảng 3: 10 NHTM có tính quan trọng trong hệ thống NHTM Việt Nam

Thứ hạng	T12/2016	Kích cỡ	Liên kết lẫn nhau		Tổng điểm số	Tổng điểm số (%)
		Cho vay khách hàng	Tổng tiền gửi các TCTD	Tổng nợ phải trả các TCTD
1	NH1	0.104	0.115	0.067	0.281	14.01
2	NH2	0.136	0.062	0.078	0.271	13.30
3	NH3	0.149	0.059	0.071	0.263	13.04
4	NH4	0.193	0.041	0.032	0.253	12.71
5	NH5	0.035	0.032	0.027	0.093	3.89
6	NH6	0.048	0.031	0.021	0.085	3.48
7	NH7	0.051	0.026	0.022	0.072	3.15
8	NH8	0.035	0.021	0.018	0.066	3.05
9	NH9	0.046	0.013	0.007	0.060	2.81
10	NH10	0.033	0.011	0.009	0.055	2.72
Tổng					1.499	72.14

(Nguồn: Tính toán của tác giả)

 

2.2. Kiểm tra sức chịu đựng thanh khoản của 10 NHTM có tầm quan trọng trong hệ thống

Bài viết giả định về bảng cân đối kế toán tĩnh và lợi nhuận được giả định bằng 0 trong giai đoạn từ tháng 12/2010 đến tháng 12/2016. Các bài kiểm tra sức chịu đựng về khả năng thanh khoản đã được tiến hành dựa trên giả định về tỷ lệ rút tiền gửi và tỷ lệ xử lý tài sản. Trong bài kiểm tra này, số tiền có được từ việc xử lý tài sản hàng ngày được sử dụng để bù đắp (ít nhất là một phần) các dòng tiền gửi rút ra khỏi ngân hàng. Bài kiểm tra này giả định tỷ lệ rút tiền gửi ồ ạt hàng ngày là 10% đối với tiền gửi của khách hàng; 3% đối với tiền gửi tổ chức và tỷ lệ xử lý tài sản là 90% đối với tài sản thanh khoản nhanh; 1% đối với các tài sản thanh khoản thấp. Các tài sản thanh khoản nhanh bao gồm tiền mặt, dự trữ tại NHNN và “giấy tờ có giá khác” có thời gian đến hạn dưới 3 tháng. (Bảng 4)

Bảng 4: Thu thập số liệu tính toán

Đơn vị: Đồng, tỷ lệ: %

STT	Các khoản mục	Tên ngân hàng	NH 1 (2010)	NH 1 (2016)	…
(A) Tổng tài sản			366,722,279, 000,000	468,994,032, 000,000
(1)	Tiền mặt và các khoản tương đương tại quỹ		5.39377E+12	6.05967E+12
(2)	Tiền gửi tại NHNN		1.06168E+13	2.48436E+13
(3)	Dự trữ bắt buộc	(3)=3%*(7.1.1)+8%*(7.1.2)+1%*(7.2.1)+6%*(7.2.2)	6.78917E+12	9.16332E+12
(4)	Tiền gửi không kỳ hạn tại các TCTD khác		1.87588E+13	2.99983E+13
(5)	Cho vay khách hàng		2.04089E+14	2.67863E+14
(B) Tổng nợ			3.3794E+14	4.26458E+14
(6)	Tiền gửi của các TCTD khác		2.27255E+13	3.11817E+13
(6.1)	Tiền gửi không kỳ hạn của các TCTD khác		1.70464E+13	3.06439E+13
(6.2)	Tiền gửi có kỳ hạn của các TCTD khác		5.67907E+12	5.37847E+11
(7)	Tiền gửi của khách hàng		2.27017E+14	3.32246E+14
(7.1)	Tiền gửi không kỳ hạn		5.74137E+13	8.63893E+13
(7.1.1)	Tiền gửi không kỳ hạn bằng VND của khách hàng		3.6985E+13	5.88998E+13
(7.1.2)	Tiền gửi không kỳ hạn bằng vàng và ngoại tệ		2.04288E+13	2.74895E+13
(7.2)	Tiền gửi có kỳ hạn		1.66374E+14	2.41834E+14
(7.2.1)	Tiền gửi có kỳ hạn bằng VND của khác hàng		1.18743E+14	1.86258E+14
(7.2.2)	Tiền gửi có kỳ hạn bằng ngoại tệ của khách hàng		4.76314E+13	5.55764E+13
( C) Tổng tài sản "Có" thanh toán ngay (Tài sản thanh khoản)		( C)=(1)+(2)-(3)+(4)-(6.1)	1.09337E+13	2.10944E+13
(D) Tài sản kém thanh khoản			3.55789E+14	4.479E+14

(Nguồn: Tính toán của tác giả)

Bảng 5: Các dữ liệu trước khi chạy mô hình

Đơn vị: đồng, tỷ lệ: %

Khoản mục	Tên ngân hàng	NH 1 (2010)	NH 1 (2016)	…
Ngày
0
(8) Tiền gửi không kỳ hạn (nội tệ)	=(7.1.1)	3.6985E+13	5.88998E+13
Tỷ lệ rút tiền trong ngày (%)	beta1	0.130	0.130
(9) Tiền gửi không kỳ hạn (vàng và ngoại tệ)	=(7.1.2)	2.04288E+13	2.74895E+13
Tỷ lệ rút tiền trong ngày (%)	beta2	0.120	0.120
(10) Tiền gửi có kỳ hạn (nội tệ)	=(7.2.1)	1.18743E+14	1.86258E+14
Tỷ lệ rút tiền trong ngày (%)	beta3	0.110	0.110
(11) Tiền gửi có kỳ hạn (ngoại tệ)	=(7.2.2)	4.76314E+13	5.55764E+13
Tỷ lệ rút tiền trong ngày (%)	beta4	0.100	0.100
(12) Tài sản thanh khoản	=( C)	1.09337E+13	2.10944E+13
Tỷ lệ chuyển đổi thành tiền trong ngày (%)	muy1	0.950	0.950
(13) Tài sản kém thanh khoản	=(D)	3.55789E+14	4.479E+14
Tỷ lệ chuyển đổi thành tiền trong ngày (%)	muy2	0.010	0.010

(Nguồn: Tính toán của tác giả)

Bảng 6: Số dư các tài khoản và các dòng tiền của ngân hàng

sau 5 ngày xảy ra căng thẳng thanh khoản (Kịch bản trung bình)

Ngân hàng	NH1(2010)	NH1 (2016)	…
Ngày 1
(14) Tiền gửi không kỳ hạn (nội tệ)	3.38782E+13	5.39522E+13
(15) Tiền gửi không kỳ hạn (ngoại tệ)	1.8917E+13	2.54553E+13
(16) Tiền gửi có kỳ hạn (nội tệ)	1.11025E+14	1.74151E+14
(17) Tiền gửi có kỳ hạn (ngoại tệ)	4.48212E+13	5.22974E+13
(18) Dòng tiền ra mới (trong ngày thứ nhất)	1.5147E+13	2.23676E+13
(19) Tài sản thanh khoản (sau ngày thứ nhất)	5.46686E+11	1.05472E+12
(20) Tài sản kém thanh khoản (sau ngày thứ nhất)	3.52231E+14	4.43421E+14
(21) Dòng tiền vào mới (trong ngày thứ nhất)	1.39449E+13	2.45187E+13
(22) Dòng tiền vào thuần từ khi xảy ra rút tiền	-1.20209E+12	2.1511E+12
(23) Thanh khoản? (1=Có, 0=Không)	0	1
Ngày 2
(24) Tiền gửi không kỳ hạn (nội tệ)	3.10325E+13	4.94202E+13
(25) Tiền gửi không kỳ hạn (ngoại tệ)	1.75172E+13	2.35716E+13
(26) Tiền gửi có kỳ hạn (nội tệ)	1.03808E+14	1.62831E+14
(27) Tiền gửi có kỳ hạn (ngoại tệ)	4.21767E+13	4.92119E+13
(28) Dòng tiền ra mới (trong ngày thứ 2)	1.41067E+13	2.0821E+13
(29) Tài sản thanh khoản (sau ngày thứ 2)	27334297375	52735961700
(30) Tài sản kém thanh khoản (sau ngày thứ 2)	3.48708E+14	4.38986E+14
(31) Dòng tiền vào mới (trong ngày thứ 2)	4.04166E+12	5.43619E+12
(32) Dòng tiền vào thuần từ khi xảy ra rút tiền	-1.12671E+13	-1.32337E+13
(33) Thanh khoản? (1=Có, 0=Không)	0	0
Ngày 3
(34) Tiền gửi không kỳ hạn (nội tệ)	2.84257E+13	4.52689E+13
(35) Tiền gửi không kỳ hạn (ngoại tệ)	1.62209E+13	2.18273E+13
(36) Tiền gửi có kỳ hạn (nội tệ)	9.70605E+13	1.52247E+14
(37) Tiền gửi có kỳ hạn (ngoại tệ)	3.96883E+13	4.63084E+13
(38) Dòng tiền ra mới (trong ngày thứ 3)	1.31389E+13	1.93831E+13
(39) Tài sản thanh khoản (sau ngày thứ 3)	1366714869	2636798085
(40) Tài sản kém thanh khoản (sau ngày thứ 3)	3.45221E+14	4.34597E+14
(41) Dòng tiền vào mới (trong ngày thứ 3)	3.51305E+12	4.43996E+12
(42) Dòng tiền vào thuần từ khi xảy ra rút tiền	-2.0893E+13	-2.81769E+13
(43) Thanh khoản? (1=Có, 0=Không)	0	0
Ngày 4
(44) Tiền gửi không kỳ hạn (nội tệ)	2.6038E+13	4.14663E+13
(45) Tiền gửi không kỳ hạn (ngoại tệ)	1.50206E+13	2.02121E+13
(46) Tiền gửi có kỳ hạn (nội tệ)	9.07516E+13	1.42351E+14
(47) Tiền gửi có kỳ hạn (ngoại tệ)	3.73467E+13	4.35762E+13
(48) Dòng tiền ra mới (trong ngày thứ 4)	1.22387E+13	1.80461E+13
(49) Tài sản thanh khoản (sau ngày thứ 4)	68335743.44	131839904.3
(50) Tài sản kém thanh khoản (sau ngày thứ 4)	3.41769E+14	4.30251E+14
(51) Dòng tiền vào mới (trong ngày thứ 4)	3.45351E+12	4.34847E+12
(52) Dòng tiền vào thuần từ khi xảy ra rút tiền	-2.96782E+13	-4.18745E+13
(53) Thanh khoản? (1=Có, 0=Không)	0	0
Ngày 5
(54) Tiền gửi không kỳ hạn (nội tệ)	2.38508E+13	3.79831E+13
(55) Tiền gửi không kỳ hạn (ngoại tệ)	1.3909E+13	1.87164E+13
(56) Tiền gửi có kỳ hạn (nội tệ)	8.48528E+13	1.33098E+14
(57) Tiền gửi có kỳ hạn (ngoại tệ)	3.51432E+13	4.10052E+13
(58) Dòng tiền ra mới (trong ngày thứ 5)	1.1401E+13	1.68027E+13
(59) Tài sản thanh khoản (sau ngày thứ 5)	3416787.172	6591995.213
(60) Tài sản kém thanh khoản (sau ngày thứ 5)	3.38351E+14	4.25948E+14
(61) Dòng tiền vào mới (trong ngày thứ 5)	3.41776E+12	4.30263E+12
(62) Dòng tiền vào thuần từ khi xảy ra rút tiền	-3.76614E+13	-5.43745E+13
(63) Thanh khoản? (1=Có, 0=Không)	0	0

(Nguồn: Tính toán của tác giả)

Bảng 7: Các kịch bản căng thẳng thanh khoản

Tiêu chí	Tỷ lệ (%)
Kịch bản	1	2	3	4	5	6	7	8	9	10	Trung bình
Xác suất xảy ra	10%	10%	10%	10%	10%	10%	10%	10%	10%	10%
Tỷ lệ rút tiền gửi không kỳ hạn trong 1 ngày
Nội tệ	3%	5%	6%	7%	8%	9%	10%	11%	12%	13%	8.4%
Ngoại tệ	2%	5%	5%	5%	6%	8%	9%	10%	12%	12%	7.4%
Tỷ lệ rút tiền gửi có kỳ hạn trong 1 ngày
Nội tệ	2%	3%	4%	5%	6%	7%	8%	9%	10%	11%	6.5%
Ngoại tệ	2%	3%	4%	4%	6%	5%	8%	8%	9%	10%	5.9%
Tài sản thanh khoản: Tỷ lệ chuyển hóa thành tiền trong ngày	95%	95%	95%	95%	95%	95%	95%	95%	95%	95%	95.0%
Những tài sản khác: Tỷ lệ chuyển hóa thành tiền trong ngày	1%	1%	1%	1%	1%	1%	1%	1%	1%	1%	1.0%

(Nguồn: Tính toán của tác giả)

Bảng 8: Số lượng ngân hàng không đáp ứng nhu cầu thanh khoản

trong 5 ngày xảy ra căng thẳng với 10 kịch bản số liệu năm 2010 và năm 2016

Kịch bản năm 2010
Ngày	NH1	NH2		NH3		NH4		NH5		NH6		NH7		NH8		NH9		NH10
1	0	0		0		0		0		1		1		1		2		2
2	0	0		0		1		1		3		3		3		4		4
3	1	2		2		2		2		3		3		3		4		4
4	2	2		3		3		3		4		4		4		5		5
5	3	3		3		4		4		4		4		4		5		5
Kịch bản năm 2016
Ngày	NH1		NH2		NH3		NH4		NH5		NH6		NH7		NH8		NH9		NH10
1	0		0		0		0		0		1		1		1		2		2
2	0		0		0		1		2		3		3		3		3		3
3	1		2		2		2		3		3		3		3		3		3
4	2		2		3		3		4		4		4		4		4		4
5	3		3		3		5		5		5		5		5		5		5

(Nguồn: Tính toán của tác giả)

 

3. Một số khuyến nghị trong việc ứng dụng phương pháp định lượng trong phân tích RRTK hệ thống NHTM Việt Nam trong thời gian tới

Mô phỏng phương pháp: “Phân tích mô hình kiểm định độ căng” để phân tích RRTK hệ thống NHTM Việt Nam cho thấy việc mất thanh khoản tại các NHTM có tầm quan trọng trong hệ thống là lớn và chắc chắn là sẽ có ảnh hưởng nhất định đến thanh khoản của toàn hệ thống, tuy nhiên tác giả cho rằng vẫn chưa đủ cơ sở để đánh giá chính xác mức độ tác động đến thanh khoản của cả hệ thống NHTM, để việc đánh giá được chính xác thì các phương pháp phân tích định lượng nên được áp dụng song song cùng với nhau. Tuy nhiên, điều này là không hề dễ dàng mà cần có nghiên cứu một lộ trình cụ thể phù hợp với tình hình thực tế của Việt Nam. Một lộ trình phù hợp nên được chia thành 3 giai đoạn:

Giai đoạn 1 (trước khi áp dụng các bộ chỉ số đo lường RRTK hệ thống ngân hàng): Thứ nhất, NHNN Việt Nam yêu cầu các NHTM tuân thủ chặt chẽ những nguyên tắc cho việc giám sát và quản lý rủi ro thanh khoản hoàn chỉnh theo khuyến nghị của Basel, đi kèm với đó là xây dựng và nâng cao chất lượng hệ thống cơ sở dữ liệu, nâng cao chất lượng nguồn nhân lực phục vụ dự báo, thống kê; Thứ hai, có thể áp dụng ngay phương pháp cảnh báo sớm và phương pháp kiểm định độ căng vào việc phân tích RRTK hệ thống NHTM Việt Nam.

Giai đoạn 2 (sau khi hoàn thiện cơ sở dữ liệu và nâng cao chất lượng nguồn nhân lực): Nghiên cứu áp dụng chỉ số thanh khoản hệ thống dựa trên Basel thông qua việc tính toán hai chỉ số đo lường “Coverage of new lending” (CNL) và “Impaired new lending” (INL). Đây cũng là các phương pháp đang áp dụng chủ yếu tại các quốc gia có xây dựng và ứng dụng bộ chỉ số RRTK hệ thống ngân hàng. Tuy nhiên, để có thể áp dụng các phương pháp này trong xây dựng và ứng dụng bộ chỉ số RRTK hệ thống ngân hàng Việt Nam, cần phải hoàn thiện các điều kiện về hệ thống thông tin, hệ thống dữ liệu, con người và đặc biệt là khung pháp lý do NHNN ban hành về rủi ro thanh khoản hệ thống;

Giai đoạn 3 (sau khi nguồn cơ sở dữ liệu và nguồn nhân lực được đào tạo đến trình độ tiệm cận quốc tế): Nghiên cứu áp dụng phương pháp khoảng cách tương đối và phương pháp tiêu chuẩn hóa các chỉ số trên cơ sở SRLI, bởi hai phương pháp này đòi hỏi chất lượng bộ số liệu khắt khe và kĩ thuật tính toán tương đối phức tạp.

Bảng 9: Lộ trình ứng dụng phương pháp định lượng

trong phân tích RRTK hệ thống NHTM Việt Nam giai đoạn 2017-2025

	2017	2018	2019	2020	2021	2022	2023	2024	2025
Giai đoạn 1
Hoàn thiện khung pháp lý về quản lý rủi ro thanh khoản ngân hàng
Nâng cao chất lượng hệ thống thông tin và cơ sở dữ liệu
Đào tạo và nâng cao chất lượng nguồn nhân lực trong lĩnh vực dự báo
Áp dụng phương pháp cảnh báo sớm và phương pháp kiểm định độ căng
Giai đoạn 2
Áp dụng chỉ số thanh khoản hệ thống ngân hàng theo Basel
Giai đoạn 3
Áp dụng chỉ số đo lường RRTK hệ thống dựa vào thị trường và chỉ số dựa vào thị trường có điều chỉnh (SRLI và SRL)

Nguồn: Phan Anh (2016)

 

TÀI LIỆU THAM KHẢO:

Tiếng Việt

1. Ngô Thu Trà (2016), “Xây dựng và ứng dụng mô hình cảnh báo sớm về căng thẳng tiền tệ, thanh khoản trong hệ thống ngân hàng Việt Nam”.

2. Nguyễn Đức Trung (2015), “Khả năng và điều kiện áp dụng một số khuyến nghị chính sách từ Basel III trong giám sát hệ thống ngân hàng thương mại Việt Nam”.

3. Nguyễn Thị Thu Phương (2013), “Nghiên cứu ứng dụng ST cho các NHTM Việt Nam”.

4. Phạm Thị Hoàng Anh (2015), “Chỉ số thanh khoản hệ thống (Systematic Liquidity Index) và khả năng ứng dụng đối với hệ thống ngân hàng thương mại Việt Nam”.

5. Phan Anh (2016), “Phân tích rủi ro thanh khoản hệ thống ngân hàng - Kinh nghiệm quốc tế và một số khuyến nghị cho Việt Nam”.

6. Phan Anh (2016), “Rủi ro thanh khoản hệ thống NHTM Việt Nam”.

Tiếng Anh

7. Asian Development Bank. (2005). “Early Warning Systems For Financial Crises, application to East Asia”.

8. Altman, E. (2000). “Predicting Financial Distress of Companies: Revisiting the Z- scores and ZETA Models”. Working Paper 7/2000, New York University.

9. Ali Ari (2008). “An Early Warning Singal Approach to the Currency crises: The Turkish Case”. MPRA Paper, p8 -18.

10. Becerra, S., Gregory Claeys, Juan-Francisco Martinez (2013), “A New Liquidity Risk Measure for the Chilean Banking Sector”.

11. Basel Committee on Banking Supervision (BCBS), (2013), “Basel III: The Liquidity Coverage Ratio and liquidity risk monitoring tools”, BIS.

12. ____, (2014), “Basel III: The Net Stable Funding Ratio”, BIS.

13. Cihak, M (2004). “Introduction to Applied ST,” IMF Working Paper 07/59.

14. ____,(2007). STer 2.0: http://www.imf.org/external/pubs/cat/longres.aspx?sk=20222.0.

15. Diana Bonfim and Moshe Kim (2012), “Systemic liquidity risk”, Financial stability report.

16. Eric Wong. September (2012), “Predicting Banking Distress in Hong Kong and other EMEAP Economies”, Ha Noi, Viet Nam, 17-18 September 2012. Hong Kong Monetary Authority.

17. Federico, P.M. (2012), “Developing an Index of Liquidity-Risk Exposure: An Application to Latin American and Caribbean Banking Systems”, Technical note, No.IDB-TN-426, Inter-American Development Bank.

18. G. Kaminsky, S. Lizondo, and C. Reinhart (1998), “Leading Indicators of Currency Crises”, IMF Staff Papers. 45 (1).

19. Giordana, G., Schumacher, I., (2011), “The Impact of the Basel III Liquidity Regulations on the Bank Lending Channel: the Luxembourg case study”, BCL Working Paper No. 61/2011 June.

20. Goldstein, M., Kaminsky, G., and Reinhart, C. (2000), “Assessing Financial Vulnerability: An Early Warning System of Emerging Markets”, Institue for International Economics, Washington DC.

21. Gray, S. T. (2006), “Central Bank management of surplus liquidity. Centre for Central banking studies - Bank of England”.

22. Mathias, D., Kleopatra Nikolaou (2012), “Funding liquidity risk: Definition and measure- ment” Journal of banking and Finance.

23. Mishra, R.N., Mohan, G.J, Singh, S., (2012), “Systemic Liquidity Index for India” Working paper series, Department of Economic and Policy Research, Reserve Bank of India.

24. Severo, Tiago (2012), “Measuring systemic liquidity risk and the cost of liwuidity insurance”, IMF working paper, No WP/12/94.

25. Van den End, J., W., (2010), “Liquidity STer: Do Basel III and Unconventional Monetary Policy Work?”, DNB Working Paper No. 269/2010 December.