library(readxl)
library(mixtools)
## Warning: package 'mixtools' was built under R version 4.3.1
## mixtools package, version 2.0.0, Released 2022-12-04
## This package is based upon work supported by the National Science Foundation under Grant No. SES-0518772 and the Chan Zuckerberg Initiative: Essential Open Source Software for Science (Grant No. 2020-255193).
library(sn)
## Warning: package 'sn' was built under R version 4.3.1
## Loading required package: stats4
## 
## Attaching package: 'sn'
## The following object is masked from 'package:stats':
## 
##     sd
library(rlang)
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.3.1
library(dexter)
## Warning: package 'dexter' was built under R version 4.3.1
library(VGAM)
## Warning: package 'VGAM' was built under R version 4.3.1
## Loading required package: splines
## 
## Attaching package: 'VGAM'
## The following object is masked from 'package:sn':
## 
##     zeta
library(fBasics)
## Warning: package 'fBasics' was built under R version 4.3.1
## 
## Attaching package: 'fBasics'
## The following objects are masked from 'package:sn':
## 
##     tr, vech

** MÔ PHỎNG CÁC YẾU TỐ TÁC ĐỘNG ĐẾN TĂNG TRƯỞNG DƯ NỢ TÍN DỤNG CỦA NGÂN HÀNG TMCP Á CHÂU ACB**

Link số liệu:

https://docs.google.com/spreadsheets/d/16mx2qcNeuZxecHnXYaZKoSlS6gdBgykupuz1e5VX2wI/edit?usp=sharing

LỜi CẢM ƠN

Lời đầu tiên, chúng em xin chân thành cảm ơn toàn thể thầy, cô của trường Đại học Tài chính – Marketing nói chung và các thầy cô trong khoa Kinh tế - Luật nói riêng vì đã giảng dạy và truyền đạt cho em những kiến thức bổ ích về chuyên ngành trong quá trình học tập, về đời sống và đạo đức văn hóa . Đặt biệt, em xin gửi lời cảm ơn sâu sắc đến Thầy – Trần Mạnh Tường đã hướng dẫn, chỉ bảo và quan tâm giúp đỡ em hoàn thành bài tiểu luận này. Bài tiểu luận kết thúc môn với đề tài “Mô phỏng Monte Carlo tác động của các nhân tố tác động đến dư nợ tín dụng của Ngân hàng TMCP Á Châu” đã được hoàn thành dưới sự nỗ lực và vận dụng tất cả những kỹ năng làm bài tiểu luận thầy đã chỉ dạy và hướng dẫn. Do thời gian và trình độ còn hạn chế, bài tiểu luận không thể tránh khỏi những thiếu sót. Kính mong thầy chỉ bảo và đóng góp ý kiến để bài tiểu luận của tôi được hoàn thiện hơn. Tôi xin chân thành cảm ơn!.

CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU

1.1 Lí Do Chọn Đề Tài

Trong quá trình phát triển kinh tế của các nước, hệ thống ngân hàng luôn đóng vai trò trung gian tài chính, có nhiệm vụ luân chuyển vốn từ thành phần tiết kiệm đến những người có nhu cầu về vốn, từ đó đảm bảo cho nền kinh tế vận hành trơn tru, giữ ổn định tăng trưởng của nền kinh tế. Đối với một nền kinh tế vẫn phụ thuộc nhiều vào hệ thống ngân hàng như Việt Nam thì vai trò trung gian tài chính của hệ thống ngân hàng càng trở nên quan trọng hơn. Tuy nhiên, bên cạnh những thành tựu tàng trưởng của các ngân hàng, hệ thống ngân hàng vẫn còn nhiều tồn tại như tỷ lệ nợ xấu cao, tỷ lệ an toàn vốn tối thiểu chưa thực sự ổn định,… Ngoài ra, kinh tế vĩ mô hiện nay còn nhiều biến động, ngày càng khó dự báo, trong đó hệ thống NHTM chịu tác động mạnh.

Tăng trưởng tín dụng là một trong những ưu tiên hàng đầu của Chính phủ và toàn ngành ngân hàng trong giai đoạn hiện nay bởi tăng trưởng tín dụng một cách hợp lý, chất lượng sẽ tạo ra nguồn thu nhập ổn định và an toàn cho ngân hàng. Vì vậy, việc nghiên cứu sự tác động của các yếu tố đến tăng trưởng dư nợ tín dụng ngân hàng là cần thiết, giúp các NHTM xây dựng một mức tăng trưởng phù hợp, có tác động hiệu quả đến nền kinh tế cũng như lợi nhuận của bản thân các ngân hàng và để đưa ra các giải pháp góp phần thúc đẩy tăng trưởng tín dụng.

1.2 Mục Tiêu Nghiên Cứu

Mục tiêu chung: Làm rõ thêm các vấn đề lý luận về hiệu quả hoạt động tín dụng của Ngân hàng Thương Mại Cổ Phần Á Châu (ACB)

Mục tiêu cụ thể: - Thứ nhất, xác định hiệu quả hoạt động tín dụng của Ngân hàng TMCP Á Châu - Thứ hai, đo lường mức độ ảnh hưởng của từng yếu tố đến hiệu quả hoạt động tín dụng của TMCP Á Châu - Thứ ba, gợi ý một số hàm ý chính sách nâng cao hiệu quả hoạt động tín dụng của Ngân hàng TMCP Á Châu

1.3 Phạm Vi Đối Tượng Nghiên Cứu

Phạm vi nghiên cứu: Dữ liệu thu thập từ Q1/2019 đến Q2/2023 tại Ngân hàng.

Đối tượng nghiên cứu: các yếu tố ảnh hưởng đến hiệu quả hoạt động tín dụng của Ngân hàng ACB.

1.4 Phương pháp nghiên cứu

Bài báo cáo sử dụng phương pháp định lượng để nhận diện về hiệu quả hoạt động tín dụng của Ngân Hàng

1.5. Ý Nghĩa Của Đề Tài

Ý nghĩa khoa học: Bài báo cáo góp phần bổ sung thêm bằng chứng thực nghiệm về hiệu quả hoạt động tín dụng của Ngân hàng TMCP Á Châu giai đoạn từ Q1/2019 đến Q2/2023.

Ý nghĩa thực tiễn: Bài báo cáo góp phần đưa ra những nguyên nhân và giải pháp nhằm góp phần nâng cao hiệu quả tín dụng của Ngân hàng ACB.

1.6 Kết cấu của bài nghiên cứu

Chương 1: Tổng Quan Nghiên Cứu

Chương 2: Cơ sở lý thuyết và những nghiên cứu liên quan

Chương 3: Mô hình nghiên cứu

Chương 4: Phân tích dữ liệu nghiên cứu

Chương 5: Kết quả mô hình nghiên cứu

Chương 6: Kết luận và kiến nghị

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ NHỮNG NGHIÊN CỨU LIÊN QUAN

2.1 Tổng Quan Về Ngân Hàng TMCP Á Châu

Ngân hàng thương mại cổ phần Á Châu (tên giao dịch tiếng Anh là Asia Commercial Joint Stock Bank), gọi tắt là ngân hàng Á Châu và viết tắt là ACB.Ngân hàng ACB được thành lập từ 4/6/1993, sau 17 năm hoạt động phát triển đến 31/12/2010 vốn điều lệ của ngân hàng Á Châu đã đạt đến 9,376,965,060.000 đồng.

Có hơn 20 năm hoạt động phát triển, đó là cả một quá trình phấn đấu, nổ lực không ngừng của ngân hàng ACB để mang đến cho quý khách hàng những sản phẩm dịch vụ tốt nhất và phù hợp nhất. Đến hiện tại mạng lưới ngân hàng TMCP Á Châu xuất hiện dày đặc với hơn 350 chi nhánh và phòng giao đặt tại những vùng kinh tế phát triển ở 47 tỉnh thành trên cả nước.

Quá trình xây dựng phát triển của ngân hàng TMCP Á Châu (ACB) được tóm tắt như sau:

  • Từ giai đoạn 1993 đến 1995, ACB tập trung vào khách hàng cá nhân và doanh nghiệp vừa và nhỏ.

  • Năm 1996, ACB là ngân hàng Thương mại cổ phần đầu tiên phát hành loại thẻ Visa và MasterCard.

  • Trong 2 năm 1997-1998, ACB tiếp cận các nghiệp vụ ngân hàng hiện đại và khởi động chương trình hiện đại hóa công nghệ thông tin ngân hàng.

  • Năm 2000, ACB đã tái cấu trúc hoạt động, thành lập công ty chứng khoán ABCS, mở ra một bước phát triển mới cho ACB.

  • Năm 2003, ACB bắt tay vào xây dựng hệ thống quản lý chất lượng theo tiêu chuẩn ISO 9001:2000.

  • Năm 2004, ACB thành lập Công ty quản lý nợ và khai thác tài sản (ACBA).

  • Từ giai đoạn 2006 đến 2010, ACB bắt đầu niêm yết cổ phiếu tại Trung tâm Giao dịch Chứng khoán Hà Nội.

  • Từ năm 2015 đến nay, ACB chú trọng kết hợp các công nghệ hiện đại nhằm nâng cấp hệ thống ATM, website, dịch vụ thanh toán khách hàng và liên tục cải tiến để tạo ra những dịch vụ đa dạng và tiện lợi cho khách hàng.

Ngân hàng Á Châu mang đến rất nhiều các sản phẩm dịch vụ đủ để đáp ứng nhu cầu sử dụng của khách hàng cá nhân và khách hàng doanh nghiệp.

  • Phát hành thẻ

  • Dịch vụ tài khoản tiền gửi

  • Dịch vụ cho vay đối với nhóm khách hàng cá nhân

  • Huy động – Dịch vụ tài chính

  • Dịch vụ tài trợ thương mại

  • Dịch vụ tín dụng bảo lãnh

2.2 Cơ Sở Lý Thuyết Về Các Yếu Tố Ảnh Hưởng

Hiệu quả tín dụng là một trong những biểu hiện phản ánh hiệu quả kinh tế trong lĩnh vực ngân hàng và cụ thể chính là phản ứng chất lượng các hoạt động tín dụng ngân hàng.

2.2.1 Quy mô ngân hàng

Khi đánh giá tỷ suất sinh lợi trong hoạt động của ngân hàng, quy mô ngân hàng được đo lường bằng tổng tài sản và đóng vai trò hết sức quan trọng. Ngân hàng có quy mô lớn sẽ có lợi thế kinh tế theo quy mô, dẫn đến hoạt động tốt hơn, tỷ suất sinh lợi cao hơn, giảm khả năng thua lỗ hơn các ngân hàng có quy mô nhỏ. Hơn nữa, các hoạt động kinh doanh của ngân hàng có quy mô lớn sẽ giảm rủi ro hơn do danh mục đầu tư được đa dạng hoá tốt trong các thị trường khác nhau và có nhiều công cụ hạn chế rủi ro hơn.

Tăng trưởng tín dụng cao hay thấp còn phụ thuộc bởi quy mô hoạt động của ngân hàng. Quy mô hoạt động của ngân hàng được thể hiện qua số vốn tự có và mạng lưới hoạt động của ngân hàng vì đây là nhân tố quan trọng quyết định khả năng huy động cũng như cho vay của ngân hàng.

2.2.2 Tăng trưởng dư nợ tín dụng

Theo nghiên cứu của Lane P. R., McQuade P. (2014) thì tăng trưởng tín dụng là một sự gia tăng trong giá trị dư nợ cho vay trong khu vực tư nhân (là các cá nhân và các tổ chức). Một khi quy mô tín dụng gia tăng, khách hàng có thể vay tiền được nhiều hơn để sử dụng cho các mục đích khác nhau.

Tăng trưởng tín dụng giúp so sánh sự tăng trưởng dư nợ tín dụng qua các năm để đánh giá khả năng cho vay, tìm kiếm khách hàng và đánh tình hình thực hiện kế hoạch tín dụng của ngân hàng.Nếu chỉ tiêu này càng cao thì mức độ hoạt động của ngân hàng càng ổn định và có hiệu quả, ngược lại ngân hàng đang gặp khó khăn, nhất là trong việc tìm kiếm khách hàng và thể hiện việc thực hiện kế hoạch tín dụng chưa hiệu quả.

2.2.3 Tỷ lệ nợ xấu

Tỷ lệ nợ xấu là cụm thuật ngữ được dùng để chỉ các khoản nợ khó đòi, có thời hạn quá hạn lớn và được cho là khó có khả năng thu hồi. Cụ thể, nó chính là các khoản ngân hàng cho khách hàng vay nhưng khi đến hạn thu hồi, ngân hàng không thể đòi được do khách hàng làm ăn thua lỗ, đóng cửa hoặc vì một lý do nào đó dẫn đến mất khả năng thanh toán.

Tỉ lệ nợ xấu cao là biểu hiện của chất lượng cho vay thiếu hiệu quả. Hoạt động tín dụng đạt kết quả thấp, ảnh hưởng khả năng thanh khoản, giới hạn sự phát triển của hoạt động tín dụng, ảnh hưởng xấu đến uy tín của ngân hàng, hạ thấp năng lực cạnh tranh của ngân hàng.Tỷ lệ nợ xấu càng cao thì nguy cơ ảnh hưởng đến dòng vốn của các ngân hàng thương mại càng lớn. Đây là nguyên nhân chính kiềm chế sự lưu thông của tín dụng trong nền kinh tế.

Đây là chỉ tiêu đánh già rủi ro tín dụng, phản ánh khả năng quản lý tín dụng của ngân hàng trong khâu cho vay, đôn đốc thu hồi nợ của ngân hàng đối với các khoản vay cũng như chất lượng tín dụng tại ngân hàng. Chỉ tiêu này càng lớn thể hiện chất lượng tín dụng càng kém và ngược lại. Theo quy định của NHNN hiện nay chỉ tiêu này không được vượt quá 3%. Mục tiêu phấn đấu của các ngân hàng là không để xảy ra nợ xấu. Tuy nhiên trong thực tế điều này rất khó thực hiện.

2.2.4 Tăng trưởng vốn huy động

Huy động vốn là một quá trình quan trọng trong kinh doanh và đầu tư. Nó đề cập đến việc tìm kiếm các nguồn tài nguyên tài chính, tài sản hoặc tiền để sử dụng trong các hoạt động kinh doanh, đầu tư, hoặc để trả các khoản nợ. Huy động vốn giúp các doanh nghiệp phát triển, mở rộng hoạt động và đáp ứng các nhu cầu tài chính.

Để có nguồn tiền cho hoạt động tín dụng, một trong những hoạt động chính đem lại nguồn thu cho các ngân hàng là huy động nguồn vốn nhàn rỗi từ dân cư. Khi ngân hàng huy động càng nhiều vốn thì khả năng mở rộng quy mô cho vay càng cao, có nghĩa ngân hàng sử dụng nguồn vốn huy động để tài trợ cho các hoạt động đầu tư và cho vay.

2.2.5 Lãi thuần

Lãi thuần là khoản tiền thu được từ các hoạt động kinh doanh thuần của các doanh nghiệp. Lãi thuần hiện có vai trò rất quan trọng trong doanh nghiệp. Điều đó có thể kể ra bởi các yếu tố như:

  • Đánh giá mức độ sinh lời của doanh nghiệp: Lãi thuần sẽ là thước đo để đánh giá tổng doanh thu của doanh nghiệp nhằm xem xét lợi nhuận chiếm tỉ lệ bao nhiêu. Từ đó đánh giá khả năng sinh lời của toàn bộ doanh nghiệp.

  • Tiền đề đưa ra phương án kinh doanh hiệu quả: việc đưa ra được phương án kinh doanh hiệu quả chính là tiền đề để doanh nghiệp có thể hoạt động. Vì thế, lợi nhuận thuần được xem như phương tiện thiết yếu của doanh nghiệp để có thể nắm rõ được tình trạng lãi lỗ.

2.2.6 Tỷ số lợi nhuận ròng trên vốn chủ sở hữu (ROE)

Đây là tỷ số quan trọng nhất đối với các cổ đông, đo lường khả năng sinh lợi trên mỗi đồng vốn của cổ đông thường.Chỉ số này là thước đo chính xác để đánh giá một đồng vốn bỏ ra và tích lũy tạo ra bao nhiêu đồng lợi nhuận.Tỷ lệ ROE càng cao chứng tỏ ngân hàng sử dụng hiệu quả đồng vốn.Tỷ số này càng cao thì cho thấy tình hình sản xuất kinh doanh của Công ty càng khả quan. Công ty đang sử dụng các đồng vốn hiệu quả, để tạo ra nhiều hơn lợi nhuận ròng.

Nếu Tỷ suất lợi nhuận trên vốn chủ sở hữu - ROE bị âm, điều này cho thấy kết quả kinh doanh của Công ty đang bị lỗ. Nguồn vốn được sử dụng chưa hiệu quả, thu nhập không đủ bù đắp chi phí, dẫn đến Công ty không có lợi nhuận để trả cho các cổ đông, cũng như tái sản xuất cho các kỳ tiếp theo. Nếu Tỷ suất lợi nhuận trên vốn chủ sở hữu - ROE càng gần về 0, càng cho thấy tình hình kinh doanh không mấy khả quan của doanh nghiệp. Nguồn vốn vẫn tiếp tục được sử dụng, tuy nhiên lại không mang về lợi nhuận ròng đáng kể, từ đó, sẽ không có ngân sách để tái sản xuất, cũng như phát triển mở rộng quy mô doanh nghiệp.

ROE ổn định và tăng theo thời gian có nghĩa là một công ty rất giỏi trong việc tạo ra giá trị cho cổ đông bởi vì họ biết cách tái đầu tư thu nhập của mình một cách khôn ngoan để tăng năng suất và lợi nhuận. Ngược lại, nếu ROE giảm có nghĩa là ban lãnh đạo đang đưa ra các quyết định kém về tái đầu tư vốn vào các tài sản không tạo ra lợi nhuận.

2.3 Tổng Quan Các Nghiên Cứu Có Liên Quan

Nghiên cứu của Imran và Nishatm (2013), nghiên cứu này sử dụng phương pháp kinh tế lượng ARDL sử dụng dữ liệu hàng năm từ giai đoạn 1971 đến 2010 cho Pakistan. Các kết quả thực nghiệm chỉ ra rằng các khoản nợ nước ngoài, tiền gửi trong nước, tăng trưởng kinh tế, tỷ giá hối đoái và các điều kiện tiền tệ có liên quan đáng kể đến tín dụng ngân hàng cho khu vực tư nhân ở Pakistan, đặc biệt là trong dài hạn. Trong khi lạm phát và lãi suất thị trường tiền tệ không ảnh hưởng đến tín dụng tư nhân. Hơn nữa, trong ngắn hạn, tiền gửi trong nước không ảnh hưởng đến tín dụng tư nhân.

Nghiên cứu của Phạm Xuân Quỳnh (2017), Phân Tích Các Yếu Tố Tác Động Đến Tăng Trưởng Tín Dụng Của Các NHTM Việt Nam Giai Đoạn 2007 – 2014. Sử dụng dữ liệu từ báo cáo tài chính của 25 ngân hàng thương mại Việt Nam giai đoạn 2007-2014. Kết quả nghiên cứu với mô hình REM và GMM cho thấy tăng trưởng vốn huy động và tăng trưởng kinh tế là hai yếu tố có tác động tích cực góp phần giúp ngân hàng tăng trưởng tín dụng. Ngược lại, tỷ lệ nợ xấu, quy mô, tỷ lệ lạm phát là các yếu tố không có lợi cho việc tăng trưởng tín dụng của ngân hàng.

Nghiên cứu của Lê Vũ Hà và Đỗ Văn Lập (2022), Các Yếu Tô Tác Động Đên Tăng Trưởng Tín Dụng Tại Cãc Ngân Hàng Thương Mại Việt Nam. Nghiên cứu sử dụng dữ liệu ngân hàng được thu thập từ báo cáo tài chính của 23 NHTM Việt Nam giai đoạn 2016 - 2021 và dữ liệu vĩ mô được thu thập từ Thomson Reuter, World Bank và Tổng cục Thông kê. Phương pháp hồi quy dữ liệu bảng POOL, FEM, REM và FGLS được sử dụng để phân tích dữ liệu và kiểm định mô hình. Với phương pháp FGLS, kết quả cho thấy, 3/8 biến độc lập có tác động đến tăng trưởng tín dụng tại NHTM Việt Nam.

Nghiên cứu của Lương Hữu Phúc và Lê Nguyễn Đoan Khôi (2021), Các Yếu Tố Ảnh Hưởng Đến Hiệu Quả Hoạt Động Tín Dụng Của Ngân Hàng Thương Mại Cổ Phần Đầu Tư Và Phát Triển Việt Nam - Chi Nhánh Tây Nam. Trên cơ sở dữ liệu bảng trong giai đoạn 2013-2020, phương pháp bình phương nhỏ nhất OLS được sử dụng để kiểm định sự ảnh hưởng của những yếu tố vĩ mô và nhân tố nội tại của ngân hàng đến hoạt động tín dụng. Kết quả nghiên cứu cho thấy tốc độ tăng trưởng tín dụng, khả năng sinh lời trên vốn chủ sở hữu, dư nợ tín dụng và dư nợ ngắn hạn có ảnh hưởng đến nợ xấu. Tuy nhiên, các yếu tố tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát và quy mô ngân hàng không có ý nghĩa thống kê.

Nghiên cứu của Nguyễn Văn Thuận (2021),Yếu tố ảnh hưởng đến tăng trưởng tín dụng của các ngân hàng thương mại Việt Nam. Dữ liệu được sử dụng trong nghiên cứu được tổng hợp từ các báo cáo thường niên, báo cáo tài chính của 16 ngân hàng thương mại niêm yết trên các Sở Giao dịch chứng khoán tại Việt Nam giai đoạn từ năm 2011 đến năm 2020. Kết quả cho thấy: Quy mô tín dụng kỳ trước, tốc độ tăng trưởng huy động vốn hằng năm, quy mô ngân hàng, tỷ suất sinh lời trên tổng tài sản có ảnh hưởng tích cực đến tăng trưởng tín dụng của các ngân hàng thương mại Việt Nam, tỷ lệ thanh khoản có ảnh hưởng tiêu cực.

CHƯƠNG 3: MÔ HÌNH NGHIÊN CỨU

3.1 Mô hình đề xuất nghiên cứu

Dựa vào tổng quan các công trình nghiên cứu trong và ngoài nước về nhân tố ảnh hưởng tới hiệu quả hoạt động tín dụng của ngân hàng để giải quyết các mục tiêu nghiên cứu, tác giả đưa ra mô hình nghiên cứu và các biến sử dụng trong mô hình nghiên cứu. Trong đó, phần lớn các biến trong mô hình nghiên cứu là kế thừa từ các nghiên cứu trước của Lê Vũ Hà và Đỗ Văn Lập (2022) và Phạm Xuân Quỳnh (2017). Bài nghiên cứu xem xét tổng hợp tác động của các nhân tố nội tại tới hiệu quả tín dụng của Ngân hàng TMCP Á Châu. Mô hình nghiên cứu có dạng như sau:

\(TTTD= \beta_0 + \beta_1 NPL + \beta_2QM+ \beta_3TLV+\beta_4LT+\beta_5ROE\)

Trong đó: Biến phụ thuộc : Dư nợ tín dụng (TTTD)

Biến độc lập:

  • NPL : Tỷ lệ nợ xấu

  • QM : Quy mô ngân hàng

  • TLV : Tỷ lệ vốn

  • LT : Lãi thuần

  • ROE : Tỷ số lợi nhuận ròng trên vốn chủ sở hữu

3.2 Dữ liệu nghiên cứu

Dữ liệu được thu thập từ Q1/2019 đến Q2/2023 trong báo cáo tài chính của Ngân hàng ACB và trang dữ liệu Vietstock. Bao gồm 7 biến và 18 quan sát.

  • Dư nợ tín dụng (TTTD): TTTD = Dư nợ tín dụng

  • Tỷ lệ nợ xấu (NPL): NPL = Tỷ lệ nợ xấu / Tổng dư nợ

  • Quy mô ngân hàng (QM): tính bằng tổng tài sản

  • Tỷ lệ vốn (TLV) : TLV = Tổng vốn chủ sở hữu / tổng tài sản

  • Lãi thuần(LT): LT = Doanh thu thuần – giá vốn hàng hóa + (Doanh thu hoạt động tài chính – chi phí hoạt động tài chính)- (chi phí bán hàng + chi phí vận hành, quản lý doanh nghiệp)

  • Tỷ số lợi nhuận ròng trên vốn chủ sở hữu (ROE): Thu nhập ròng / Vốn chủ sở hữu

CHƯƠNG 4 : PHÂN TÍCH DỮ LIỆU NGHIÊN CỨU

4.1 Dữ liệu nghiên cứu

library(readxl)
library(mixtools)
library(sn)
library(rlang)
library(ggplot2)
SL <- read_excel("C:/Users/pc/Downloads/SLTLMP.xlsx")
## New names:
## • `` -> `...1`

Thống kê mô tả

summary(SL)
##      ...1                TTTD                NPL                 QM           
##  Length:18          Min.   :234648400   Min.   :0.003367   Min.   :335017845  
##  Class :character   1st Qu.:277033971   1st Qu.:0.003755   1st Qu.:389737145  
##  Mode  :character   Median :330401360   Median :0.004763   Median :460395085  
##                     Mean   :331841948   Mean   :0.004778   Mean   :471391854  
##                     3rd Qu.:391694726   3rd Qu.:0.005386   3rd Qu.:539961653  
##                     Max.   :434031946   Max.   :0.007931   Max.   :630893169  
##       TLV                LT               ROE       
##  Min.   :0.06274   Min.   :2804617   Min.   :5.030  
##  1st Qu.:0.07214   1st Qu.:3310591   1st Qu.:5.628  
##  Median :0.07967   Median :4580042   Median :6.560  
##  Mean   :0.07943   Mean   :4526211   Mean   :6.319  
##  3rd Qu.:0.08772   3rd Qu.:5564960   3rd Qu.:6.822  
##  Max.   :0.09911   Max.   :6454217   Max.   :7.870
  • Biến TTTD có giá trị lớn nhất là 434031946 triệu đồng, giá trị nhỏ nhất là 234648400 triệu đồng và giá trị trung bình là 331841948 triệu đồng

  • Biến NPL có giá trị lớn nhất là 0.007931, giá trị nhỏ nhất là 0.003367 và giá trị trung bình là 0.004778

  • Biến QM có giá trị lớn nhất là 630893169 triệu đồng, giá trị nhỏ nhất là 335017845 triệu đồng và giá trị trung bình là 471391854 triệu đồng

  • Biến TLV có giá trị lớn nhất là 0.09911, giá trị nhỏ nhất là 0.06274 và giá trị trung bình là 0.07943

  • Biến LT có giá trị lớn nhất là 6454217 triệu đồng, giá trị nhỏ nhất là 2804617 triệu đồng và giá trị trung bình là 4526211 triệu đồng

  • Biến ROE có giá trị lớn nhất là 7.870, giá trị nhỏ nhất là 5.030 và giá trị trung bình là 6.319

4.2 Kiểm định phân phối cho các biến

4.2.1 Biến Tăng trưởng tín dụng

Thống kê mô tả:

basicStats(SL$TTTD)
##                X..SL.TTTD
## nobs         1.800000e+01
## NAs          0.000000e+00
## Minimum      2.346484e+08
## Maximum      4.340319e+08
## 1. Quartile  2.770340e+08
## 3. Quartile  3.916947e+08
## Mean         3.318419e+08
## Median       3.304014e+08
## Sum          5.973155e+09
## SE Mean      1.508499e+07
## LCL Mean     3.000154e+08
## UCL Mean     3.636685e+08
## Variance     4.096025e+15
## Stdev        6.400019e+07
## Skewness     6.066100e-02
## Kurtosis    -1.511501e+00

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: TTTD tuân theo phân phối chuẩn

H1: TTTD không tuân theo phân phối chuẩn

shapiro.test(SL$TTTD)
## 
##  Shapiro-Wilk normality test
## 
## data:  SL$TTTD
## W = 0.94414, p-value = 0.3405

Với p-value > 5%, Chấp nhận giả thuyết H0. Vậy Biến TTTD tuân theo phân phối chuẩn

Đồ thị

hist(SL$TTTD)

4.2.2 Biến Tỷ lệ nợ xấu

Thống kê mô tả:

basicStats(SL$NPL)
##             X..SL.NPL
## nobs        18.000000
## NAs          0.000000
## Minimum      0.003367
## Maximum      0.007931
## 1. Quartile  0.003755
## 3. Quartile  0.005386
## Mean         0.004778
## Median       0.004763
## Sum          0.086011
## SE Mean      0.000282
## LCL Mean     0.004184
## UCL Mean     0.005373
## Variance     0.000001
## Stdev        0.001195
## Skewness     0.911001
## Kurtosis     0.312590

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: NPL tuân theo phân phối chuẩn

H1: NPL không tuân theo phân phối chuẩn

shapiro.test(SL$NPL)
## 
##  Shapiro-Wilk normality test
## 
## data:  SL$NPL
## W = 0.90554, p-value = 0.07182

Với p-value > 5%, Chấp nhận giả thuyết H0. Vậy Biến NPL tuân theo phân phối chuẩn

Đồ thị

hist(SL$NPL)

4.2.3 Biến Tỷ Lệ vốn

Thống kê mô tả:

basicStats(SL$TLV)
##             X..SL.TLV
## nobs        18.000000
## NAs          0.000000
## Minimum      0.062737
## Maximum      0.099114
## 1. Quartile  0.072136
## 3. Quartile  0.087723
## Mean         0.079432
## Median       0.079671
## Sum          1.429771
## SE Mean      0.002638
## LCL Mean     0.073866
## UCL Mean     0.084997
## Variance     0.000125
## Stdev        0.011192
## Skewness     0.133112
## Kurtosis    -1.295631

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: TLV tuân theo phân phối chuẩn

H1: TLV không tuân theo phân phối chuẩn

shapiro.test(SL$TLV)
## 
##  Shapiro-Wilk normality test
## 
## data:  SL$TLV
## W = 0.9594, p-value = 0.59

Với p-value > 5%,Chấp nhận giả thuyết H0. Vậy Biến TLV tuân theo phân phối chuẩn

Đồ thị

hist(SL$TLV)

4.2.4 Biến Quy mô ngân hàng

Thống kê mô tả:

basicStats(SL$QM)
##                  X..SL.QM
## nobs         1.800000e+01
## NAs          0.000000e+00
## Minimum      3.350178e+08
## Maximum      6.308932e+08
## 1. Quartile  3.897371e+08
## 3. Quartile  5.399617e+08
## Mean         4.713919e+08
## Median       4.603951e+08
## Sum          8.485053e+09
## SE Mean      2.243133e+07
## LCL Mean     4.240659e+08
## UCL Mean     5.187178e+08
## Variance     9.056962e+15
## Stdev        9.516807e+07
## Skewness     2.033120e-01
## Kurtosis    -1.397078e+00

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: QM tuân theo phân phối chuẩn

H1: QM không tuân theo phân phối chuẩn

shapiro.test(SL$QM)
## 
##  Shapiro-Wilk normality test
## 
## data:  SL$QM
## W = 0.94347, p-value = 0.3318

Với p-value > 5%, Chấp nhận giả thuyết H0. Vậy Biến QM tuân theo phân phối chuẩn

Đồ thị

hist(SL$QM)

4.2.5 Biến Lãi Thuần

Thống kê mô tả:

basicStats(SL$LT)
##                  X..SL.LT
## nobs         1.800000e+01
## NAs          0.000000e+00
## Minimum      2.804617e+06
## Maximum      6.454217e+06
## 1. Quartile  3.310591e+06
## 3. Quartile  5.564961e+06
## Mean         4.526211e+06
## Median       4.580042e+06
## Sum          8.147180e+07
## SE Mean      3.010934e+05
## LCL Mean     3.890959e+06
## UCL Mean     5.161463e+06
## Variance     1.631831e+12
## Stdev        1.277431e+06
## Skewness     6.805600e-02
## Kurtosis    -1.573166e+00

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: LT tuân theo phân phối chuẩn

H1: LT không tuân theo phân phối chuẩn

shapiro.test(SL$LT)
## 
##  Shapiro-Wilk normality test
## 
## data:  SL$LT
## W = 0.91622, p-value = 0.1108

Với p-value > 5%, Chấp nhận giả thuyết H0. Vậy Biến LT tuân theo phân phối chuẩn

Đồ thị

hist(SL$LT)

4.2.6 Biến ROE

Thống kê mô tả:

basicStats(SL$ROE)
##              X..SL.ROE
## nobs         18.000000
## NAs           0.000000
## Minimum       5.030000
## Maximum       7.870000
## 1. Quartile   5.627500
## 3. Quartile   6.822500
## Mean          6.319444
## Median        6.560000
## Sum         113.750000
## SE Mean       0.196873
## LCL Mean      5.904078
## UCL Mean      6.734811
## Variance      0.697664
## Stdev         0.835263
## Skewness     -0.136875
## Kurtosis     -1.064380

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: ROE tuân theo phân phối chuẩn

H1: ROE không tuân theo phân phối chuẩn

shapiro.test(SL$ROE)
## 
##  Shapiro-Wilk normality test
## 
## data:  SL$ROE
## W = 0.94008, p-value = 0.2907

Với p-value > 5% ,Chấp nhận giả thuyết H0. Vậy Biến ROE tuân theo phân phối chuẩn

Đồ thị

hist(SL$ROE)

CHƯƠNG 5: KẾT QUẢ NGHIÊN CỨU

5.1 Mô hình hồi quy

HQ <- lm(SL$TTTD ~ SL$NPL +SL$TLV + SL$QM + SL$LT + SL$ROE)
summary(HQ)
## 
## Call:
## lm(formula = SL$TTTD ~ SL$NPL + SL$TLV + SL$QM + SL$LT + SL$ROE)
## 
## Residuals:
##       Min        1Q    Median        3Q       Max 
## -13789142  -1596142   -835890   3029762   8620471 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)   
## (Intercept) -1.795e+07  2.759e+07  -0.651  0.52760   
## SL$NPL      -4.890e+08  1.706e+09  -0.287  0.77929   
## SL$TLV       1.448e+09  6.634e+08   2.183  0.04967 * 
## SL$QM        3.626e-01  1.059e-01   3.424  0.00504 **
## SL$LT        1.045e+01  6.485e+00   1.612  0.13304   
## SL$ROE       2.992e+06  2.161e+06   1.384  0.19146   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 6386000 on 12 degrees of freedom
## Multiple R-squared:  0.993,  Adjusted R-squared:   0.99 
## F-statistic: 339.1 on 5 and 12 DF,  p-value: 1.751e-12

Vậy các biến NPL,LT,ROE không có ý nghĩa thống kê ở mức 5%, nghĩa là các biến này không có tác dộng đến biến phụ thuộc TTTD. Do đó, tôi chạy lại mô hình với biến TLV,QM.

HQ1 <- lm(SL$TTTD ~ SL$QM + SL$TLV) 
summary(HQ1)
## 
## Call:
## lm(formula = SL$TTTD ~ SL$QM + SL$TLV)
## 
## Residuals:
##       Min        1Q    Median        3Q       Max 
## -14104509  -3959028   -489841   3344011  14047070 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -2.185e+07  2.011e+07  -1.087   0.2943    
## SL$QM        4.909e-01  8.334e-02   5.891 2.97e-05 ***
## SL$TLV       1.539e+09  7.087e+08   2.172   0.0463 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 7317000 on 15 degrees of freedom
## Multiple R-squared:  0.9885, Adjusted R-squared:  0.9869 
## F-statistic: 642.9 on 2 and 15 DF,  p-value: 2.912e-15

Mô hình hồi quy : \(TTTD = (-2.185e+07) + (4.909e-01)*QM + (1.539e+09)*TLV\)

5.2 Mô phỏng các biến theo phân phối chuẩn

Mô hình mô phỏng: \(TTTD = - 4.4701 + 0.5642QM + - 4.8038TLV\)

Các biến NPL,TLV,DTL,QM,ROE sau khi kiểm định phân phối đều cho kết quả là phân phối chuẩn. Do đó, ta sẽ tiến hành mô phỏng tăng trưởng dư nợ với giả định phân phối chuẩn.

5.2.1 Biến NPL

NPL1 <- rnorm(n = 10000, mean = 0.004778, sd =  0.001195)
hist(NPL1, main = "Mô phỏng NPL", col = "red")

5.2.2 Biến TLV

TLV1 <- rnorm(n = 10000, mean =  0.079432, sd =  0.011192)
hist(TLV1, main = "Mô phỏng TLV", col = "blue")

5.2.3 Biến QM

QM1 <- rnorm(n = 10000, mean = 4.713919e+08, sd =  9.516807e+07)
hist(QM1, main = "Mô phỏng QM", col = "red")

5.2.2 Biến LT

LT1 <- rnorm(n = 10000, mean = 4.526211e+06, sd = 1.277431e+06)
hist(LT1, main = "Mô phỏng LT", col = "blue")

5.2.3 Biến ROE

ROE1 <- rnorm(n = 10000, mean =  6.319444, sd = 0.835263)
hist(ROE1, main = "Mô phỏng ROE", col = "red")

5.3 Kết quả nghiên cứu

TTTD1 <-( -2.185e+07) + 4.909e-01*QM1 + 1.539e+09*TLV1
hist(TTTD1, main = "Mô phỏng TTTD", col = "blue")

Tang <- TTTD1[TTTD1 >= 434031946]
Giam <- TTTD1[TTTD1 < 434031946]
table(cut(TTTD1, breaks = 2,labels = c('Tang','Giam')))
## 
## Tang Giam 
## 4774 5226
  • Xác suất để tăng trưởng dư nợ tăng
length(Tang)/length(TTTD1)
## [1] 0.023
  • Xác suất để dư nợ tín dụng giảm
length(Giam)/length(TTTD1)
## [1] 0.977

Từ giá trị đã mô phỏng, ta lấy dư nợ tín dụng quý 2 năm 2023 làm thước đo, ta thấy dư nợ tín dụng tăng có xác suất gần 2% và dư nợ tín dụng giảm, có xác suất gần 98%. Do đó, ngân hàng cần điều chỉnh nguồn vốn và tài sản để hạn chế tốn thất .

CHƯƠNG 6 : KẾT LUẬN VÀ KIẾN NGHỊ

6.1 Kết Luận

Qua kết quả mô phỏng bằng mô hình hồi quy, ta thấy được yếu tố tỷ lệ vốn và quy mô ngân hàng có ý nghĩa thống kê với dư nợ tín dụng. Yếu tố quy mô ngân hàng và tỷ lệ vốn có tác động cùng chiều với dư nợ tín dụng cho thấy khi quy mô ngân hàng và tỷ lệ vốn tăng sẽ làm cho dư nợ tín dụng tăng và ngược lại. Dư nợ tín dụng qua mô phỏng có xu hướng giảm mạnh. Qua đó, ngân hàng có thể đưa ra những điều chỉnh và giải pháp để tăng trưởng tín dụng hiệu quả hơn.

6.2 Kiến nghị

Ngân hàng tập trung điều hành tăng trưởng dư nợ tín dụng với cơ cấu hợp lý, đáp ứng nhu cầu vốn tín dụng cho nền kinh tế; hướng nguồn vốn tín dụng vào sản xuất kinh doanh, lĩnh vực ưu tiên và các động lực tăng trưởng; thực hiện các giải pháp đồng bộ, quyết liệt để giảm mặt bằng lãi suất, nhất là giảm lãi suất cho vay; xác định hạn mức tăng trưởng tín dụng phù hợp với tình hình thực tiễn

Ngân hàng nên xử lý nợ xấu, tăng cường hoạt động thanh tra, giám sát, đảm bảo an toàn hệ thống; tiếp tục hoàn thiện khuôn khổ pháp lý về tiền tệ và hoạt động ngân hàng; thúc đẩy chuyển đổi số, đẩy mạnh hoạt động thanh toán không dùng tiền mặt.

Ngân hàng nên giảm chi phí, cắt giảm các loại phí để giảm lãi suất cho vay; rà soát, điều chỉnh điều kiện, tiêu chí cho vay, cắt giảm, đơn giản hóa, công khai, minh bạch thủ tục cho vay để tăng khả năng tiếp cận tín dụng cho doanh nghiệp, người dân; tạo điều kiện vốn hỗ trợ sớm khôi phục thị trường bất động sản, đặc biệt chú trọng các đối tượng xây dựng và nhà ở xã hội, nhà ở công nhân, người có thu nhập thấp.

TÀI LIỆU THAM KHẢO

  1. Trần Mạnh Tường (2023), Mô phỏng ngẫu nhiên, https://www.rpubs.com/tmt/1063123.

  2. Trần Lộc Hùng và Trần Mạnh Tường (2017), Bài giảng Mô phỏng ngẫu nhiên, Trường Đại học Tài chính - Marketing.

---
title: "TIỂU LUẬN MÔ PHỎNG NGẪU NHIÊN"
author: "Bùi Võ Hạ Vy"
date: "2023-07-24"
output:
 html_document:
  toc: true
  toc_float: true
  code_download: true
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

```{r}
library(readxl)
library(mixtools)
library(sn)
library(rlang)
library(ggplot2)
library(dexter)
library(VGAM)
library(fBasics)
```

** MÔ PHỎNG CÁC YẾU TỐ TÁC ĐỘNG ĐẾN TĂNG TRƯỞNG DƯ NỢ TÍN DỤNG CỦA NGÂN HÀNG TMCP Á CHÂU ACB**

Link số liệu:

https://docs.google.com/spreadsheets/d/16mx2qcNeuZxecHnXYaZKoSlS6gdBgykupuz1e5VX2wI/edit?usp=sharing

# LỜi CẢM ƠN

Lời đầu tiên, chúng em xin chân thành cảm ơn toàn thể thầy, cô của trường Đại học Tài chính – Marketing nói chung và các thầy cô trong khoa Kinh tế - Luật nói riêng vì đã giảng dạy và truyền đạt cho em những kiến thức bổ ích về chuyên ngành trong quá trình học tập, về đời sống và đạo đức văn hóa .
Đặt biệt, em xin gửi lời cảm ơn sâu sắc đến Thầy –  Trần Mạnh Tường đã hướng dẫn, chỉ bảo và quan tâm giúp đỡ em hoàn thành bài tiểu luận này. 
Bài tiểu luận kết thúc môn với đề tài “Mô phỏng Monte Carlo tác động của các nhân tố tác động đến dư nợ tín dụng của Ngân hàng TMCP Á Châu” đã được hoàn thành dưới sự nỗ lực và vận dụng tất cả những kỹ năng làm bài tiểu luận thầy đã chỉ dạy và hướng dẫn. Do thời gian và trình độ còn hạn chế, bài tiểu luận không thể tránh khỏi những thiếu sót. Kính mong thầy chỉ bảo và đóng góp ý kiến để bài tiểu luận của tôi được hoàn thiện hơn. Tôi xin chân thành cảm ơn!. 

# CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU

## 1.1 Lí Do Chọn Đề Tài

Trong quá trình phát triển kinh tế của các nước, hệ thống ngân hàng luôn đóng vai trò trung gian tài chính, có nhiệm vụ luân chuyển vốn từ thành phần tiết kiệm đến những người có nhu cầu về vốn, từ đó đảm bảo cho nền kinh tế vận hành trơn tru, giữ ổn định tăng trưởng của nền kinh tế. Đối với một nền kinh tế vẫn phụ thuộc nhiều vào hệ thống ngân hàng như Việt Nam thì vai trò trung gian tài chính của hệ thống ngân hàng càng trở nên quan trọng hơn. Tuy nhiên, bên cạnh những thành tựu tàng trưởng của các ngân hàng, hệ thống ngân hàng vẫn còn nhiều tồn tại như tỷ lệ nợ xấu cao, tỷ lệ an toàn vốn tối thiểu chưa thực sự ổn định,... Ngoài ra, kinh tế vĩ mô hiện nay còn nhiều biến động, ngày càng khó dự báo, trong đó hệ thống NHTM chịu tác động mạnh. 

Tăng trưởng tín dụng là một trong những ưu tiên hàng đầu của Chính phủ và toàn ngành ngân hàng trong giai đoạn hiện nay bởi tăng trưởng tín dụng một cách hợp lý, chất lượng sẽ tạo ra nguồn thu nhập ổn định và an toàn cho ngân hàng. Vì vậy, việc nghiên cứu sự tác động của các yếu tố đến tăng trưởng dư nợ tín dụng ngân hàng là cần thiết, giúp các NHTM xây dựng một mức tăng trưởng phù hợp, có tác động hiệu quả đến nền kinh tế cũng như lợi nhuận của bản thân các ngân hàng và để đưa ra các giải pháp góp phần thúc đẩy tăng trưởng tín dụng.

## 1.2 Mục Tiêu Nghiên Cứu

Mục tiêu chung: Làm rõ thêm các vấn đề lý luận về hiệu quả hoạt động tín dụng của Ngân hàng Thương Mại Cổ Phần Á Châu (ACB)

Mục tiêu cụ thể:
- Thứ nhất, xác định hiệu quả hoạt động tín dụng của Ngân hàng TMCP Á Châu 
- Thứ hai, đo lường mức độ ảnh hưởng của từng yếu tố đến hiệu quả hoạt động tín dụng của TMCP Á Châu 
- Thứ ba, gợi ý một số hàm ý chính sách nâng cao hiệu quả hoạt động tín dụng của Ngân hàng TMCP Á Châu 

## 1.3 Phạm Vi Đối Tượng Nghiên Cứu

Phạm vi nghiên cứu:  Dữ liệu thu thập từ Q1/2019 đến Q2/2023 tại Ngân hàng.

Đối tượng nghiên cứu: các yếu tố ảnh hưởng đến hiệu quả hoạt động tín dụng của Ngân hàng ACB.

## 1.4 Phương pháp nghiên cứu

Bài báo cáo sử dụng phương pháp định lượng để nhận diện về hiệu quả hoạt động tín dụng của Ngân Hàng 

## 1.5. Ý Nghĩa Của Đề Tài

Ý nghĩa khoa học: Bài báo cáo góp phần bổ sung thêm bằng chứng thực nghiệm về hiệu quả hoạt động tín dụng của Ngân hàng TMCP Á Châu giai đoạn từ Q1/2019 đến Q2/2023.

Ý nghĩa thực tiễn: Bài báo cáo góp phần đưa ra những nguyên nhân và giải pháp nhằm góp phần nâng cao hiệu quả tín dụng của  Ngân hàng ACB.

## 1.6 Kết cấu của bài nghiên cứu

Chương 1: Tổng Quan Nghiên Cứu

Chương 2: Cơ sở lý thuyết và những nghiên cứu liên quan

Chương 3: Mô hình nghiên cứu

Chương 4: Phân tích dữ liệu nghiên cứu

Chương 5: Kết quả mô hình nghiên cứu

Chương 6: Kết luận và kiến nghị


# CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ NHỮNG NGHIÊN CỨU LIÊN QUAN

## 2.1 Tổng Quan Về Ngân Hàng TMCP Á Châu

Ngân hàng thương mại cổ phần Á Châu (tên giao dịch tiếng Anh là Asia Commercial Joint Stock Bank), gọi tắt là ngân hàng Á Châu và viết tắt là ACB.Ngân hàng ACB được thành lập từ 4/6/1993, sau 17 năm hoạt động phát triển đến 31/12/2010 vốn điều lệ của ngân hàng Á Châu đã đạt đến 9,376,965,060.000 đồng.

Có hơn 20 năm hoạt động phát triển, đó là cả một quá trình phấn đấu, nổ lực không ngừng của ngân hàng ACB để mang đến cho quý khách hàng những sản phẩm dịch vụ tốt nhất và phù hợp nhất. Đến hiện tại mạng lưới ngân hàng TMCP Á Châu xuất hiện dày đặc với hơn 350 chi nhánh và phòng giao đặt tại những vùng kinh tế phát triển ở 47 tỉnh thành trên cả nước.

Quá trình xây dựng phát triển của ngân hàng TMCP Á Châu (ACB) được tóm tắt như sau:

* Từ giai đoạn 1993 đến 1995, ACB tập trung vào khách hàng cá nhân và doanh nghiệp vừa và nhỏ.

* Năm 1996, ACB là ngân hàng Thương mại cổ phần đầu tiên phát hành loại thẻ Visa và MasterCard.

* Trong 2 năm 1997-1998, ACB tiếp cận các nghiệp vụ ngân hàng hiện đại và khởi động chương trình hiện đại hóa công nghệ thông tin ngân hàng.

* Năm 2000, ACB đã tái cấu trúc hoạt động, thành lập công ty chứng khoán ABCS, mở ra một bước phát triển mới cho ACB.

* Năm 2003, ACB bắt tay vào xây dựng hệ thống quản lý chất lượng theo tiêu chuẩn ISO 9001:2000.

* Năm 2004, ACB thành lập Công ty quản lý nợ và khai thác tài sản (ACBA).

* Từ giai đoạn 2006 đến 2010, ACB bắt đầu niêm yết cổ phiếu tại Trung tâm Giao dịch Chứng khoán Hà Nội.

* Từ năm 2015 đến nay, ACB chú trọng kết hợp các công nghệ hiện đại nhằm nâng cấp hệ thống ATM, website, dịch vụ thanh toán khách hàng và liên tục cải tiến để tạo ra những dịch vụ đa dạng và tiện lợi cho khách hàng.

Ngân hàng Á Châu mang đến rất nhiều các sản phẩm dịch vụ đủ để đáp ứng nhu cầu sử dụng của khách hàng cá nhân và khách hàng doanh nghiệp.

* Phát hành thẻ

* Dịch vụ tài khoản tiền gửi

* Dịch vụ cho vay đối với nhóm khách hàng cá nhân

* Huy động – Dịch vụ tài chính

* Dịch vụ tài trợ thương mại

* Dịch vụ tín dụng bảo lãnh


## 2.2 Cơ Sở Lý Thuyết Về Các Yếu Tố Ảnh Hưởng

Hiệu quả tín dụng là một trong những biểu hiện phản ánh hiệu quả kinh tế trong lĩnh vực ngân hàng và cụ thể chính là phản ứng chất lượng các hoạt động tín dụng ngân hàng.

### 2.2.1 Quy mô ngân hàng

Khi đánh giá tỷ suất sinh lợi trong hoạt động của ngân hàng, quy mô ngân hàng được đo lường bằng tổng tài sản và đóng vai trò hết sức quan trọng. Ngân hàng có quy mô lớn sẽ có lợi thế kinh tế theo quy mô, dẫn đến hoạt động tốt hơn, tỷ suất sinh lợi cao hơn, giảm khả năng thua lỗ hơn các ngân hàng có quy mô nhỏ. Hơn nữa, các hoạt động kinh doanh của ngân hàng có quy mô lớn sẽ giảm rủi ro hơn do danh mục đầu tư được đa dạng hoá tốt trong các thị trường khác nhau và có nhiều công cụ hạn chế rủi ro hơn.

Tăng trưởng tín dụng cao hay thấp còn phụ thuộc bởi quy mô hoạt động của ngân hàng. Quy mô hoạt động của ngân hàng được thể hiện qua số vốn tự có và mạng lưới hoạt động của ngân hàng vì đây là nhân tố quan trọng quyết định khả năng huy động cũng như cho vay của ngân hàng. 

### 2.2.2 Tăng trưởng dư nợ tín dụng

Theo nghiên cứu của Lane P. R., McQuade P. (2014) thì tăng trưởng tín dụng là một sự gia tăng trong giá trị dư nợ cho vay trong khu vực tư nhân (là các cá nhân và các tổ chức). Một khi quy mô tín dụng gia tăng, khách hàng có thể vay tiền được nhiều hơn để sử dụng cho các mục đích khác nhau.

Tăng trưởng tín dụng giúp so sánh sự tăng trưởng dư nợ tín dụng qua các năm để đánh giá khả năng cho vay, tìm kiếm khách hàng và đánh tình hình thực hiện kế hoạch tín dụng của ngân hàng.Nếu chỉ tiêu này càng cao thì  mức độ hoạt động của ngân hàng càng ổn định và có hiệu quả, ngược lại ngân hàng đang gặp khó khăn, nhất là trong việc tìm kiếm khách hàng và thể hiện việc thực hiện kế hoạch tín dụng chưa hiệu quả.

### 2.2.3 Tỷ lệ nợ xấu

Tỷ lệ nợ xấu là cụm thuật ngữ được dùng để chỉ các khoản nợ khó đòi, có thời hạn quá hạn lớn và được cho là khó có khả năng thu hồi. Cụ thể, nó chính là các khoản ngân hàng cho khách hàng vay nhưng khi đến hạn thu hồi, ngân hàng không thể đòi được do khách hàng làm ăn thua lỗ, đóng cửa hoặc vì một lý do nào đó dẫn đến mất khả năng thanh toán.

Tỉ lệ nợ xấu cao là biểu hiện của chất lượng cho vay thiếu hiệu quả. Hoạt động tín dụng đạt kết quả thấp, ảnh hưởng khả năng thanh khoản, giới hạn sự phát triển của hoạt động tín dụng, ảnh hưởng xấu đến uy tín của ngân hàng, hạ thấp năng lực cạnh tranh của ngân hàng.Tỷ lệ nợ xấu càng cao thì nguy cơ ảnh hưởng đến dòng vốn của các ngân hàng thương mại càng lớn. Đây là nguyên nhân chính kiềm chế sự lưu thông của tín dụng trong nền kinh tế.

Đây là chỉ tiêu đánh già rủi ro tín dụng, phản ánh khả năng quản lý tín dụng của ngân hàng trong khâu cho vay, đôn đốc thu hồi nợ của ngân hàng đối với các khoản vay cũng như chất lượng tín dụng tại ngân hàng.  Chỉ tiêu này càng lớn thể hiện chất lượng tín dụng càng kém và ngược lại. Theo quy định của NHNN hiện nay chỉ tiêu này không được vượt quá 3%.  Mục tiêu phấn đấu của các ngân hàng là không để xảy ra nợ xấu. Tuy nhiên trong thực tế điều này rất khó thực hiện.

## 2.2.4 Tăng trưởng vốn huy động

Huy động vốn là một quá trình quan trọng trong kinh doanh và đầu tư. Nó đề cập đến việc tìm kiếm các nguồn tài nguyên tài chính, tài sản hoặc tiền để sử dụng trong các hoạt động kinh doanh, đầu tư, hoặc để trả các khoản nợ. Huy động vốn giúp các doanh nghiệp phát triển, mở rộng hoạt động và đáp ứng các nhu cầu tài chính.

Để có nguồn tiền cho hoạt động tín dụng, một trong những hoạt động chính đem lại nguồn thu cho các ngân hàng là huy động nguồn vốn nhàn rỗi từ dân cư. Khi ngân hàng huy động càng nhiều vốn thì khả năng mở rộng quy mô cho vay càng cao, có nghĩa ngân hàng sử dụng nguồn vốn huy động để tài trợ cho các hoạt động đầu tư và cho vay.

## 2.2.5 Lãi thuần

Lãi thuần là khoản tiền thu được từ các hoạt động kinh doanh thuần của các doanh nghiệp. 
Lãi thuần hiện có vai trò rất quan trọng trong doanh nghiệp. Điều đó có thể kể ra bởi các yếu tố như:

- Đánh giá mức độ sinh lời của doanh nghiệp: Lãi thuần sẽ là thước đo để đánh giá tổng doanh thu của doanh nghiệp nhằm xem xét lợi nhuận chiếm tỉ lệ bao nhiêu. Từ đó đánh giá khả năng sinh lời của toàn bộ doanh nghiệp.

- Tiền đề đưa ra phương án kinh doanh hiệu quả: việc đưa ra được phương án kinh doanh hiệu quả chính là tiền đề để doanh nghiệp có thể hoạt động. Vì thế, lợi nhuận thuần được xem như phương tiện thiết yếu của doanh nghiệp để có thể nắm rõ được tình trạng lãi lỗ.

## 2.2.6 Tỷ số lợi nhuận ròng trên vốn chủ sở hữu (ROE)

Đây là tỷ số quan trọng nhất đối với các cổ đông, đo lường khả năng sinh lợi trên mỗi đồng vốn của cổ đông thường.Chỉ số này là thước đo chính xác để đánh giá một đồng vốn bỏ ra và tích lũy tạo ra bao nhiêu đồng lợi nhuận.Tỷ lệ ROE càng cao chứng tỏ ngân hàng sử dụng hiệu quả đồng vốn.Tỷ số này càng cao thì cho thấy tình hình sản xuất kinh doanh của Công ty càng khả quan. Công ty đang sử dụng các đồng vốn hiệu quả, để tạo ra nhiều hơn lợi nhuận ròng.

Nếu Tỷ suất lợi nhuận trên vốn chủ sở hữu - ROE bị âm, điều này cho thấy kết quả kinh doanh của Công ty đang bị lỗ. Nguồn vốn được sử dụng chưa hiệu quả, thu nhập không đủ bù đắp chi phí, dẫn đến Công ty không có lợi nhuận để trả cho các cổ đông, cũng như tái sản xuất cho các kỳ tiếp theo. Nếu Tỷ suất lợi nhuận trên vốn chủ sở hữu - ROE càng gần về 0, càng cho thấy tình hình kinh doanh không mấy khả quan của doanh nghiệp. Nguồn vốn vẫn tiếp tục được sử dụng, tuy nhiên lại không mang về lợi nhuận ròng đáng kể, từ đó, sẽ không có ngân sách để tái sản xuất, cũng như phát triển mở rộng quy mô doanh nghiệp.

ROE ổn định và tăng theo thời gian có nghĩa là một công ty rất giỏi trong việc tạo ra giá trị cho cổ đông bởi vì họ biết cách tái đầu tư thu nhập của mình một cách khôn ngoan để tăng năng suất và lợi nhuận. Ngược lại, nếu ROE giảm có nghĩa là ban lãnh đạo đang đưa ra các quyết định kém về tái đầu tư vốn vào các tài sản không tạo ra lợi nhuận.

## 2.3 Tổng Quan Các Nghiên Cứu Có Liên Quan

Nghiên cứu của Imran và Nishatm (2013), nghiên cứu này sử dụng phương pháp kinh tế lượng ARDL sử dụng dữ liệu hàng năm từ giai đoạn 1971 đến 2010 cho Pakistan. Các kết quả thực nghiệm chỉ ra rằng các khoản nợ nước ngoài, tiền gửi trong nước, tăng trưởng kinh tế, tỷ giá hối đoái và các điều kiện tiền tệ có liên quan đáng kể đến tín dụng ngân hàng cho khu vực tư nhân ở Pakistan, đặc biệt là trong dài hạn. Trong khi lạm phát và lãi suất thị trường tiền tệ không ảnh hưởng đến tín dụng tư nhân. Hơn nữa, trong ngắn hạn, tiền gửi trong nước không ảnh hưởng đến tín dụng tư nhân. 

Nghiên cứu của Phạm Xuân Quỳnh (2017), Phân Tích Các Yếu Tố Tác Động Đến Tăng Trưởng Tín Dụng Của Các NHTM Việt Nam Giai Đoạn 2007 – 2014. Sử dụng dữ liệu từ báo cáo tài chính của 25 ngân hàng thương mại Việt Nam giai đoạn 2007-2014. Kết quả nghiên cứu với mô hình REM và GMM cho thấy tăng trưởng vốn huy động và tăng trưởng kinh tế là hai yếu tố có tác động tích cực góp phần giúp ngân hàng tăng trưởng tín dụng. Ngược lại, tỷ lệ nợ xấu, quy mô, tỷ lệ lạm phát là các yếu tố không có lợi cho việc tăng trưởng tín dụng của ngân hàng.

Nghiên cứu của Lê Vũ Hà và Đỗ Văn Lập (2022), Các Yếu Tô Tác Động Đên Tăng Trưởng Tín Dụng Tại Cãc Ngân Hàng Thương Mại Việt Nam. Nghiên cứu sử dụng dữ liệu ngân hàng được thu thập từ báo cáo tài chính của 23 NHTM Việt Nam giai đoạn 2016 - 2021 và dữ liệu vĩ mô được thu thập từ Thomson Reuter, World Bank và Tổng cục Thông kê. Phương pháp hồi quy dữ liệu bảng POOL, FEM, REM và FGLS được sử dụng để phân tích dữ liệu và kiểm định mô hình. Với phương pháp FGLS, kết quả cho thấy, 3/8 biến độc lập có tác động đến tăng trưởng tín dụng tại NHTM Việt Nam.

Nghiên cứu của Lương Hữu Phúc và Lê Nguyễn Đoan Khôi (2021), Các Yếu Tố Ảnh Hưởng Đến Hiệu Quả Hoạt Động Tín Dụng Của Ngân Hàng Thương Mại Cổ Phần Đầu Tư Và Phát Triển Việt Nam - Chi Nhánh Tây Nam. Trên cơ sở dữ liệu bảng trong giai đoạn 2013-2020, phương pháp bình phương nhỏ nhất OLS được sử dụng để kiểm định sự ảnh hưởng của những yếu tố vĩ mô và nhân tố nội tại của ngân hàng đến hoạt động tín dụng. Kết quả nghiên cứu cho thấy tốc độ tăng trưởng tín dụng, khả năng sinh lời trên vốn chủ sở hữu, dư nợ tín dụng và dư nợ ngắn hạn có ảnh hưởng đến nợ xấu. Tuy nhiên, các yếu tố tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát và quy mô ngân hàng không có ý nghĩa thống kê.

Nghiên cứu của Nguyễn Văn Thuận (2021),Yếu tố ảnh hưởng đến tăng trưởng tín dụng của các ngân hàng thương mại Việt Nam. Dữ liệu được sử dụng trong nghiên cứu được tổng hợp từ các báo cáo thường niên, báo cáo tài chính của 16 ngân hàng thương mại niêm yết trên các Sở Giao dịch chứng khoán tại Việt Nam giai đoạn từ năm 2011 đến năm 2020. Kết quả cho thấy: Quy mô tín dụng kỳ trước, tốc độ tăng trưởng huy động vốn hằng năm, quy mô ngân hàng, tỷ suất sinh lời trên tổng tài sản có ảnh hưởng tích cực đến tăng trưởng tín dụng của các ngân hàng thương mại Việt Nam, tỷ lệ thanh khoản có ảnh hưởng tiêu cực. 

# CHƯƠNG 3: MÔ HÌNH NGHIÊN CỨU

## 3.1 Mô hình đề xuất nghiên cứu

Dựa vào tổng quan các công trình nghiên cứu trong và ngoài nước về nhân tố ảnh hưởng tới hiệu quả hoạt động tín dụng của ngân hàng để giải quyết các mục tiêu nghiên cứu, tác giả đưa ra mô hình nghiên cứu và các biến sử dụng trong mô hình nghiên cứu. Trong đó, phần lớn các biến trong mô hình nghiên cứu là kế thừa từ các nghiên cứu trước của Lê Vũ Hà và Đỗ Văn Lập (2022) và Phạm Xuân Quỳnh (2017). Bài nghiên cứu xem xét tổng hợp tác động của các nhân tố nội tại tới hiệu quả tín dụng của Ngân hàng TMCP Á Châu. Mô hình nghiên cứu có dạng như sau:

$TTTD= \beta_0 + \beta_1 NPL + \beta_2QM+ \beta_3TLV+\beta_4LT+\beta_5ROE$

Trong đó:
Biến phụ thuộc : Dư nợ tín dụng (TTTD)

Biến độc lập:

- NPL : Tỷ lệ nợ xấu

- QM : Quy mô ngân hàng

- TLV : Tỷ lệ vốn

- LT : Lãi thuần

- ROE : Tỷ số lợi nhuận ròng trên vốn chủ sở hữu

## 3.2 Dữ liệu nghiên cứu

Dữ liệu được thu thập từ Q1/2019 đến Q2/2023 trong báo cáo tài chính của Ngân hàng ACB và trang dữ liệu Vietstock. Bao gồm 7 biến và 18 quan sát.

* Dư nợ tín dụng (TTTD): TTTD = Dư nợ tín dụng

* Tỷ lệ nợ xấu (NPL): NPL = Tỷ lệ nợ xấu / Tổng dư nợ 

* Quy mô ngân hàng (QM): tính bằng tổng tài sản

* Tỷ lệ vốn (TLV) : TLV =  Tổng vốn chủ sở hữu / tổng tài sản

* Lãi thuần(LT): LT = Doanh thu thuần – giá vốn hàng hóa + (Doanh thu hoạt động tài chính – chi phí hoạt động tài chính)- (chi phí bán hàng + chi phí vận hành, quản lý doanh nghiệp)

* Tỷ số lợi nhuận ròng trên vốn chủ sở hữu (ROE): Thu nhập ròng / Vốn chủ sở hữu  


# CHƯƠNG 4 : PHÂN TÍCH DỮ LIỆU NGHIÊN CỨU 

## 4.1 Dữ liệu nghiên cứu

```{r}
library(readxl)
library(mixtools)
library(sn)
library(rlang)
library(ggplot2)
SL <- read_excel("C:/Users/pc/Downloads/SLTLMP.xlsx")
```

Thống kê mô tả

```{r}
summary(SL)
```

- Biến TTTD có giá trị lớn nhất là 434031946 triệu đồng, giá trị nhỏ nhất là 234648400 triệu đồng và giá trị trung bình là 331841948 triệu đồng

- Biến NPL có giá trị lớn nhất là 0.007931, giá trị nhỏ nhất là 0.003367 và giá trị trung bình là 0.004778

- Biến QM có giá trị lớn nhất là 630893169 triệu đồng, giá trị nhỏ nhất là 335017845 triệu đồng và giá trị trung bình là 471391854 triệu đồng

- Biến TLV có giá trị lớn nhất là 0.09911, giá trị nhỏ nhất là 0.06274 và giá trị trung bình là 0.07943

- Biến LT có giá trị lớn nhất là 6454217 triệu đồng, giá trị nhỏ nhất là 2804617 triệu đồng và giá trị trung bình là 4526211 triệu đồng

- Biến ROE có giá trị lớn nhất là 7.870, giá trị nhỏ nhất là 5.030 và giá trị trung bình là 6.319 



## 4.2 Kiểm định phân phối cho các biến

### 4.2.1 Biến Tăng trưởng tín dụng

Thống kê mô tả:

```{r}
basicStats(SL$TTTD)
```

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: TTTD tuân theo phân phối chuẩn

H1: TTTD không tuân theo phân phối chuẩn

```{r}
shapiro.test(SL$TTTD)
```
 
Với p-value > 5%, Chấp nhận giả thuyết H0. Vậy Biến TTTD tuân theo phân phối chuẩn

Đồ thị 

```{r}
hist(SL$TTTD)
```


### 4.2.2 Biến Tỷ lệ nợ xấu

Thống kê mô tả:

```{r}
basicStats(SL$NPL)
```

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: NPL tuân theo phân phối chuẩn

H1: NPL không tuân theo phân phối chuẩn
 
```{r}
shapiro.test(SL$NPL)
```
 
Với p-value > 5%, Chấp nhận giả thuyết H0. Vậy Biến NPL tuân theo phân phối chuẩn

Đồ thị 

```{r}
hist(SL$NPL)
```


### 4.2.3 Biến Tỷ Lệ vốn

Thống kê mô tả:

```{r}
basicStats(SL$TLV)
```

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: TLV tuân theo phân phối chuẩn

H1: TLV không tuân theo phân phối chuẩn

```{r}
shapiro.test(SL$TLV)
```
 
Với p-value > 5%,Chấp nhận giả thuyết H0. Vậy Biến TLV tuân theo phân phối chuẩn

Đồ thị 

```{r}
hist(SL$TLV)
```


### 4.2.4 Biến Quy mô ngân hàng

Thống kê mô tả:

```{r}
basicStats(SL$QM)
```

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: QM tuân theo phân phối chuẩn

H1: QM không tuân theo phân phối chuẩn

```{r}
shapiro.test(SL$QM)
```
 
Với p-value > 5%, Chấp nhận giả thuyết H0. Vậy Biến QM tuân theo phân phối chuẩn

Đồ thị 

```{r}
hist(SL$QM)
```


### 4.2.5 Biến Lãi Thuần

Thống kê mô tả:

```{r}
basicStats(SL$LT)
```

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: LT tuân theo phân phối chuẩn

H1: LT không tuân theo phân phối chuẩn


```{r}
shapiro.test(SL$LT)
```
 
Với p-value > 5%, Chấp nhận giả thuyết H0. Vậy Biến LT tuân theo phân phối chuẩn

Đồ thị 

```{r}
hist(SL$LT)
```


### 4.2.6 Biến ROE

Thống kê mô tả:

```{r}
basicStats(SL$ROE)
```

Kiểm Định Phân Phối Chuẩn (Shapiro-Wilk Test) :

H0: ROE tuân theo phân phối chuẩn

H1: ROE không tuân theo phân phối chuẩn

```{r}
shapiro.test(SL$ROE)
```
 
Với p-value > 5% ,Chấp nhận giả thuyết H0. Vậy Biến ROE tuân theo phân phối chuẩn

Đồ thị 

```{r}
hist(SL$ROE)
```


# CHƯƠNG 5: KẾT QUẢ NGHIÊN CỨU

## 5.1 Mô hình hồi quy

```{r}
HQ <- lm(SL$TTTD ~ SL$NPL +SL$TLV + SL$QM + SL$LT + SL$ROE)
summary(HQ)
```

Vậy các biến NPL,LT,ROE không có ý nghĩa thống kê ở mức 5%, nghĩa là các biến này không có tác dộng đến biến phụ thuộc TTTD. Do đó, tôi chạy lại mô hình với biến TLV,QM.

```{r}
HQ1 <- lm(SL$TTTD ~ SL$QM + SL$TLV) 
summary(HQ1)
```


Mô hình hồi quy : $TTTD = (-2.185e+07) + (4.909e-01)*QM + (1.539e+09)*TLV$


## 5.2 Mô phỏng các biến theo phân phối chuẩn

Mô hình mô phỏng: $TTTD =  - 4.4701 + 0.5642QM + - 4.8038TLV$

Các biến NPL,TLV,DTL,QM,ROE sau khi kiểm định phân phối đều cho kết quả là phân phối chuẩn. Do đó, ta sẽ tiến hành mô phỏng tăng trưởng dư nợ với giả định phân phối chuẩn.

### 5.2.1 Biến NPL

```{r}
NPL1 <- rnorm(n = 10000, mean = 0.004778, sd =  0.001195)
hist(NPL1, main = "Mô phỏng NPL", col = "red")
```

### 5.2.2 Biến TLV

```{r}
TLV1 <- rnorm(n = 10000, mean =  0.079432, sd =  0.011192)
hist(TLV1, main = "Mô phỏng TLV", col = "blue")
```

### 5.2.3 Biến QM

```{r}
QM1 <- rnorm(n = 10000, mean = 4.713919e+08, sd =  9.516807e+07)
hist(QM1, main = "Mô phỏng QM", col = "red")
```

### 5.2.2 Biến LT

```{r}
LT1 <- rnorm(n = 10000, mean = 4.526211e+06, sd = 1.277431e+06)
hist(LT1, main = "Mô phỏng LT", col = "blue")
```


### 5.2.3 Biến ROE

```{r}
ROE1 <- rnorm(n = 10000, mean =  6.319444, sd = 0.835263)
hist(ROE1, main = "Mô phỏng ROE", col = "red")
```

## 5.3 Kết quả nghiên cứu

```{r}
TTTD1 <-( -2.185e+07) + 4.909e-01*QM1 + 1.539e+09*TLV1
hist(TTTD1, main = "Mô phỏng TTTD", col = "blue")
```

```{r}
Tang <- TTTD1[TTTD1 >= 434031946]
Giam <- TTTD1[TTTD1 < 434031946]
table(cut(TTTD1, breaks = 2,labels = c('Tang','Giam')))
```

* Xác suất để tăng trưởng dư nợ tăng

```{r}
length(Tang)/length(TTTD1)
```


* Xác suất để dư nợ tín dụng giảm

```{r}
length(Giam)/length(TTTD1)
```

Từ giá trị đã mô phỏng, ta lấy dư nợ tín dụng quý 2 năm 2023 làm thước đo, ta thấy dư nợ tín dụng tăng có xác suất gần 2% và dư nợ tín dụng giảm, có xác suất gần 98%. Do đó, ngân hàng cần điều chỉnh nguồn vốn và tài sản để hạn chế tốn thất .

# CHƯƠNG 6 : KẾT LUẬN VÀ KIẾN NGHỊ

## 6.1 Kết Luận

Qua kết quả mô phỏng bằng mô hình hồi quy, ta thấy được yếu tố tỷ lệ vốn và quy mô ngân hàng có ý nghĩa thống kê với dư nợ tín dụng. Yếu tố quy mô ngân hàng và tỷ lệ vốn có tác động cùng chiều với dư nợ tín dụng cho thấy khi quy mô ngân hàng và tỷ lệ vốn tăng sẽ làm cho dư nợ tín dụng tăng và ngược lại. Dư nợ tín dụng qua mô phỏng có xu hướng giảm mạnh. Qua đó, ngân hàng có thể đưa ra những điều chỉnh và giải pháp để tăng trưởng tín dụng hiệu quả hơn.

## 6.2 Kiến nghị

Ngân hàng tập trung điều hành tăng trưởng dư nợ tín dụng với cơ cấu hợp lý, đáp ứng nhu cầu vốn tín dụng cho nền kinh tế; hướng nguồn vốn tín dụng vào sản xuất kinh doanh, lĩnh vực ưu tiên và các động lực tăng trưởng; thực hiện các giải pháp đồng bộ, quyết liệt để giảm mặt bằng lãi suất, nhất là giảm lãi suất cho vay; xác định hạn mức tăng trưởng tín dụng phù hợp với tình hình thực tiễn

Ngân hàng nên xử lý nợ xấu, tăng cường hoạt động thanh tra, giám sát, đảm bảo an toàn hệ thống; tiếp tục hoàn thiện khuôn khổ pháp lý về tiền tệ và hoạt động ngân hàng; thúc đẩy chuyển đổi số, đẩy mạnh hoạt động thanh toán không dùng tiền mặt.

Ngân hàng nên giảm chi phí, cắt giảm các loại phí để giảm lãi suất cho vay; rà soát, điều chỉnh điều kiện, tiêu chí cho vay, cắt giảm, đơn giản hóa, công khai, minh bạch thủ tục cho vay để tăng khả năng tiếp cận tín dụng cho doanh nghiệp, người dân; tạo điều kiện vốn hỗ trợ sớm khôi phục thị trường bất động sản, đặc biệt chú trọng các đối tượng xây dựng và nhà ở xã hội, nhà ở công nhân, người có thu nhập thấp.

# TÀI LIỆU THAM KHẢO

1. Trần Mạnh Tường (2023), Mô phỏng ngẫu nhiên, https://www.rpubs.com/tmt/1063123.

2. Trần Lộc Hùng và Trần Mạnh Tường (2017), Bài giảng Mô phỏng ngẫu nhiên, Trường Đại học Tài chính - Marketing.



