Các yếu tố ảnh hưởng đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam

25
TRÖÔØNG ÑAÏI HOÏC ÑOÀNG THAÙP Taïp chí Khoa hoïc soá 35 (12-2018)
CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU 
CỦA HỆ THỐNG NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
 y Nguyễn Thành Đạt(*)
Tóm tắt
Nghiên cứu phân tích số liệu của 23 ngân hàng thương mại cổ phần Việt Nam từ năm 2009 - 2017, 
để kiểm định tác động của các yếu tố ảnh hưởng đến tỷ lệ nợ xấu của các ngân hàng thương mại cổ 
phần. Sử dụng phương pháp hồi quy tác động cố định (FE) và tác động ngẫu nhiên (RE). Nghiên cứu 
thấy rằng tỷ lệ nợ xấu của các ngân hàng ở năm trước càng cao sẽ làm cho tỷ lệ nợ xấu của ngân hàng 
hiện tại càng gia tăng. Đồng thời, ngân hàng có chi phí trích lập dự phòng càng cao thì nợ xấu càng 
cao. Từ kết quả nghiên cứu, tác giả đề xuất một số ý kiến nhằm cải thiện tỷ lệ nợ xấu của các ngân hàng 
thương mại cổ phần.
Từ khóa: Đặc điểm ngân hàng, kinh tế vĩ mô, nợ xấu, phương pháp FE và RE.
1. Đặt vấn đề
Hệ thống ngân hàng đóng vai trò quan trọng 
đối với sự phát triển của nền kinh tế, là cầu nối cho 
vốn được luân chuyển từ nơi thừa vốn đến nơi có 
nhu cầu sử dụng. Do đó, sự ổn định của ngành ngân 
hàng được xem là yếu tố then chốt đối với sự phát 
triển của nền kinh tế. Tuy nhiên, trong thời gian gần 
đây, các ngân hàng trở nên thận trọng hơn trong 
công tác cho vay do vấn đề nợ xấu. Hoạt động cho 
vay mang đến rủi ro tín dụng cho ngân hàng được 
xem là rủi ro nghiêm trọng nhất khi mà các khoản 
nợ xấu trực tiếp làm giảm lợi nhuận của ngân hàng 
và hiệu quả hoạt động trong dài hạn. Khi nợ xấu gia 
tăng lên một cách đáng kể trong danh mục cho vay 
của ngân hàng thì sẽ gây ra các ảnh hưởng nghiêm 
trọng đối với quá trình hoạt động kinh doanh của 
ngân hàng. Một mức nợ xấu càng cao cho thấy sự 
tồn tại của các hạn chế tài chính và sự ảnh hưởng 
đến hoạt động quản lý ngân hàng và cơ quan quản 
lý. Nợ xấu còn ảnh hưởng đáng kể đến các chức 
năng của ngân hàng thông qua sự suy yếu tài sản 
ngân hàng và sự suy giảm trong thu nhập khi các 
khoản nợ không thu hồi được ngày càng lớn. Việc 
giải quyết các khoản nợ xấu thường được xử lý bởi 
các doanh nghiệp quản lý tài sản được lập ra dưới 
sự quản lý của nhà nước. Nhiệm vụ chính của các 
doanh nghiệp này là tiếp nhận và xử lý các khoản 
nợ xấu của các tổ chức tài chính. Hậu quả là nguồn 
thu ngân sách của chính phủ sẽ bị giảm, việc xử 
lý nợ xấu của các ngân hàng sẽ chiếm từ 10% đến 
20% tổng GDP của quốc gia. Trong năm 2016 tại 
Việt Nam, tỷ lệ nợ xấu của hệ thống ngân hàng 
thương mại là dưới 3% tổng dư nợ, đã đạt yêu cầu 
mà Chính phủ đặt ra. Tuy nhiên, việc xử lý nợ xấu 
chưa có nhiều triển vọng, chỉ giảm nhẹ từ 2,9% 
năm 2015 xuống 2,8%. Dù tiếp tục giảm nhẹ và 
một lượng lớn nợ được xử lý nhưng Ủy ban Giám 
sát Tài chính Quốc gia đánh giá, nợ xấu chờ xử lý 
và nợ xấu tiềm ẩn trong tái cơ cấu vẫn lớn. Sang 
năm 2017, nợ xấu lại có xu hướng tăng. Xuất phát 
từ thực tiễn về nợ xấu của ngân hàng Việt Nam và 
ảnh hưởng của nợ xấu đối với ngành ngân hàng, đối 
với nền kinh tế, bài nghiên cứu này phân tích tác 
động của các yếu tố kinh tế vĩ mô và đặc điểm ngân 
hàng đến tỷ lệ nợ xấu của các ngân hàng thương 
mại cổ phần (NHTMCP). Với kỳ vọng từ kết quả 
nghiên cứu, tác giả đề xuất một số ý kiến nhằm cải 
thiện tỷ lệ nợ xấu của các NHTMCP Việt Nam.
Kết quả nghiên cứu chỉ ra rằng “việc mở rộng 
tín dụng cũng là một nguyên nhân gây ra nợ xấu 
cao, do việc kiểm tra và lựa chọn người vay kém 
chất lượng” [4]. Golden và cộng sự đã kết luận 
rằng, “thông tin tín dụng có ảnh hưởng đến việc 
ra quyết định cho vay của ngân hàng, nghĩa là, 
nếu ngân hàng có nhiều thông tin hơn về khách 
hàng, chất lượng thông tin tốt sẽ giúp giảm rủi ro 
tín dụng, từ đó giảm các khoản nợ xấu của ngân 
hàng” [2]. “Nghiên cứu yếu tố quyết định cho vay 
của ngân hàng thương mại Tây Ban Nha, bằng cách 
sử dụng một mô hình dữ liệu bảng trong giai đoạn 
1985- 1997” [10]. Phát hiện của nghiên cứu này là 
sự thay đổi trong nợ xấu của các ngân hàng được 
giải thích bởi các yếu tố như: Tăng trưởng GDP, 
mở rộng tín dụng, kích thước ngân hàng, tỷ lệ vốn (*) Trường Đại học Kiên Giang.
26
TRÖÔØNG ÑAÏI HOÏC ÑOÀNG THAÙP Taïp chí Khoa hoïc soá 35 (12-2018)
và sức mạnh thị trường. Trong quá trình nghiên 
cứu các yếu tố tác động đến tỷ lệ nợ xấu của các 
NHTM ở châu Âu, “cũng đã phát hiện tốc độ tăng 
trưởng tín dụng (credit growth) và nợ xấu có mối 
tương quan thuận” [2]. Nghiên cứu về các yếu tố 
ảnh hưởng đến tỷ lệ nợ xấu của hệ thống ngân 
hàng tại 16 quốc gia thuộc vùng cận Sahara từ năm 
1993 - 2002, “đã chứng minh rằng, ROE có tác 
động trái chiều đến nợ xấu” [1]. Nghiên cứu về rủi 
ro của hệ thống ngân hàng ở Italia trong giai đoạn 
từ 1985-2002, “đã chỉ ra mối tương quan thuận 
giữa nợ xấu với tỷ lệ dự phòng rủi ro tín dụng” 
[7]. Louzis, Vouldis và Metaxas (2010) nghiên 
cứu nợ xấu theo các khoản vay của hệ thống ngân 
hàng ở Hy lạp đã chỉ ra rằng, “lãi suất cho vay có 
tác động cùng chiều với tỷ lệ nợ xấu của các ngân 
hàng, các tác giả cũng chỉ ra rằng có thể nhìn vào 
hiệu quả hoạt động của ngân hàng, thông qua ROA 
và ROE, để đánh giá xu hướng nợ xấu trong tương 
lai vì chúng có tương quan nghịch với nợ xấu” [6]. 
Qua lược khảo các nghiên cứu trước làm nền tảng, 
nghiên cứu này tiếp cận cả khía cạnh yếu tố vĩ mô 
và yếu tố nội bộ tác động đến nợ xấu của các ngân 
hàng thương mại Việt Nam giai đoạn 2009-2017.
2. Phương pháp nghiên cứu
2.1. Cơ sở chọn biến nghiên cứu
Bảng 1. Cơ sở chọn biến
TÊN BIẾN MÔ TẢ CÔNG THỨC DẤU TÁC ĐỘNG NGHIÊN CỨU TRƯỚC
ROE Suất sinh lời trên vốn chủ sở hữu
Lợi nhuận sau thuế/
vốn chủ sở hữu (%) - [5]
LnRISK Dự phòng rủi ro Lợi nhuận dự phòng rủi ro tín dụng + [7]
LnASSETS Tổng tài sản Lợi nhuận tổng tài sản của ngân hàng - [3], [10]
AGENT_
BRANCH Nhân viên-chi nhánh
Số nhân viên/chi 
nhánh (người/chi 
nhánh)
+ [10]
INTEREST Lãi suất cơ bản Lãi suất cơ bản (%) + [6]
ICT Ứng dụng công nghệ của ngân hàng
Chỉ số xếp hạng 
ứng dụng công nghệ 
trong ngân hàng
- [2]
GDP Tốc độ tăng trưởng Tốc độ tăng trưởng (%) - [1], [4], [5], [10]
INF Tỷ lệ lạm phát Tỷ lệ lạm phát (%) +,- [1], [9]
UNEMPLOY Tỷ lệ thất nghiệp Tỷ lệ thất nghiệp (%) + [6]
Nguồn: tác giả tổng hợp.
 2.2. Mô hình nghiên cứu
Mô hình nghiên cứu được đề xuất dựa theo cơ 
sở lý luận và đặc thù của các ngân hàng thương mại 
Việt Nam, cũng như tính phù hợp của dữ liệu thu 
thập được. Mô hình nghiên cứu có dạng như sau: 
 .it it j it itπ ς α χ ε= + +
Trong đó, π là biến phụ thuộc được đo lường 
bằng tỷ số NPL, ς là hệ số chặn, α là hệ số hồi quy, 
χ đại diện cho các biến đặc trưng bên trong ngân 
hàng. Kí hiệu i đại diện cho thứ tự các ngân hàng 
sau khi loại trừ các NHTMCP không công bố đầy 
đủ báo cáo tài chính cũng như số liệu về nợ xấu 
của ngân hàng trong giai đoạn xem xét, t là thời 
gian của các ngân hàng được tính bằng năm. Mô 
hình nghiên cứu chi tiết như sau:
1 2 3 4 5
6 7 8 9 .
it it it it it it it
it it it it it
NPL ROE LnRISK LnASSETS AGENT BRANCH INTEREST
ICT GDP INF UNEMPLOY
ς α α α α α
α α α α ε
−= + + + + +
+ + + + + 
NPL: Bad debt (%) - biến phụ thuộc. Tỷ lệ nợ 
xấu của các ngân hàng được nêu trong báo cáo tài 
chính (đã kiểm toán) hằng năm.
2.3. Dữ liệu và phương pháp nghiên cứu
Mẫu nghiên cứu sau khi đã loại trừ ra các ngân 
hàng không công bố đầy đủ và các ngân hàng đã 
27
TRÖÔØNG ÑAÏI HOÏC ÑOÀNG THAÙP Taïp chí Khoa hoïc soá 35 (12-2018)
sáp nhập, thì mẫu nghiên cứu cuối cùng, bao gồm 
23 ngân hàng với tổng cộng 207 quan sát theo năm 
cho dữ liệu bảng trong 9 năm từ 2009-2017. Dữ liệu 
nghiên cứu được thu thập từ báo cáo tài chính, bảng 
cân đối kế toán, bảng thuyết minh của các ngân 
hàng thương mại Việt Nam từ 2009 - 2017. Chỉ số 
GDP, lạm phát, thất nghiệp được thu thập từ báo cáo 
của Tổng cục thống kê. Chỉ số lãi suất cơ bản được 
thu thập từ Ngân hàng Nhà nước Việt Nam. Riêng 
chỉ số ICT thu thập từ hiệp hội tin học Việt Nam.
Kỹ thuật hồi quy bảng được sử dụng để phân 
tích tác động của các biến đối với NPL. Trong 
nghiên cứu này tác giả sẽ lần lượt thực hiện hồi 
quy mô hình tác động cố định FE, và mô hình tác 
động ngẫu nhiên RE. Tiếp theo dùng kiểm định 
Hausman giúp lựa chọn giữa mô hình FE và RE, 
nếu giá trị Prob của kiểm định Hausman > α = 0,05 
thì bác bỏ giả thuyết H0 tức mô hình RE phù hợp, 
ngược lại thì FE phù hợp.
3. Kết quả nghiên cứu
Bảng 2. Thống kê mô tả các biến trong mô hình
Variable Obs Mean Std.Dev Min Max
NPL 207 2,298599 0,984497 0,62 8,4
ROE 207 9,591787 6,869601 0,07 28,79
RISK 207 921,7571 2354,093 1,073 14847
ASSETS 207 215,7449 682,3497 7,478 9467,212
AGENTBRANCH 207 34,94216 30,05503 2,42 143,55
ICT 207 7,463768 7,163648 0 26
GDP 207 6,037778 0,5913412 5,25 6,81
INTEREST 207 8,77778 0,6300631 7 9
INF 207 6,447053 5,154854 0,6 18,13
UNEMPLOY 207 2,352222 0,304925 1,99 2,9
Nguồn: tác giả tổng hợp từ phần mềm Stata.
Kết quả Bảng 1 cho thấy tỷ lệ nợ xấu (NPL) 
của các ngân hàng từ 2009-2017 có giá trị trung 
bình là 2,29%. Tỷ lệ nợ xấu nhỏ nhất là 0,62% và 
cao nhất là 8,4%, độ lệch chuẩn là 0,98%. 
Bảng 3. Kết quả phân tích hồi quy
INDEPENDENT 
VARIABLES
MODEL REGRESSION
FE RE
Coef. Sta.Err Coef. Sta.Err
ROE -0,0450052*** 0,013763 -0,0374028*** 0,0100469
RISK 0,0000338 0,0000564 0,0000861** 0,0000396
ASSETS -0,0001342 0,0000962 -0,0001181 0,0000879
AGENT-BRANCH -0,0065715 0,0075796 -0,0059537* 0,0030687
ICT -0,0029455 0,0101666 -0,0173229* 0,0089533
GDP -0,7930547*** 0,178008 -0,7933395*** 0,174301
INTEREST 0,3864402* 0,2097428 0,4093099** 0,2074231
INF 0,0102158 0,0160136 0,0024208 0,0152348
UNEMPLOY 0,0400027 0,4135736 0,0329578 0,4114247
Number of obs 207 207
R-squared 0,3558 0,3432
Prob>F 0,0000 0,0000
Mức ý nghĩa: *: P<0,1; **: P<0,05; ***: P<0,01.
Nguồn: tác giả tổng hợp từ phần mềm Stata.
28
TRÖÔØNG ÑAÏI HOÏC ÑOÀNG THAÙP Taïp chí Khoa hoïc soá 35 (12-2018)
ROE có giá trị trung bình là 9,5%, độ lệch 
chuẩn 6,86%, giá trị lớn nhất là 28,79% và nhỏ 
nhất là 0,07%. Risk có giá trị cao nhất là 1,48% 
và thấp nhất là 1,07%. Assets có giá trị trung bình 
là 215,74, độ lệch chuẩn 682,34, giá trị lớn nhất là 
9467,2 và thấp nhất 7,478. AgentBranch có giá trị 
trung bình là 35, độ lệch chuẩn 30,1 và giá trị thấp 
nhất 2,42 và cao nhất 143,6. Ict có giá trị trung bình 
là 7,46, độ lệch chuẩn 7,16 và giá trị thấp nhất là 
0 và cao nhất là 26. Bên cạnh đó GDP có giá trị 
trung bình 6,03%, giá trị thấp nhất là 5,25% và cao 
nhất là 6,81% với độ lệch chuẩn là 0,5%. Lãi suất 
có giá trị trung bình là 8,7%, giá trị nhỏ nhất là 7% 
và lớn nhất là 9% với độ lệch chuẩn là 0,63%. Lạm 
phát có giá trị trung bình 6,44%, giá trị thấp nhất 
0,6% và cao nhất là 18,13%, độ lệch chuẩn 5,15%. 
Thất nghiệp có giá trị trung bình là 2,35%, tỷ lệ 
thất nghiệp thấp nhất 1,99% và cao nhất là 2,9%. 
Kết quả phân tích hồi quy biến phụ thuộc (tỷ 
lệ nợ xấu (%) NPL) theo các biến độc lập bằng 
phương pháp ước lượng FE, RE.
Từ kết quả hồi quy FE, RE thì ta thấy các 
biến ROE, GDP, INTEREST luôn có tác động 
đến NPL. Mô hình hồi quy đều có ý nghĩa thống 
kê và có R-square từ 34% trở lên. Kiểm định 
Hausman để lựa chọn giữa mô hình FE và RE, 
kết quả kiểm định cho ra giá trị Prob > Chi 2 = 
0,2410 > = 0,05. Nên ta bác bỏ giả thuyết H0, 
mô hình RE phù hợp hơn FE. Kiểm định Breusch 
- Pagan cho mô hình RE cho kết quả Prob > Chi 
2 = 1,000 > = 0,05 nên mô hình không có xảy 
ra hiện tượng phương sai sai số thay đổi. Đồng 
thời kiểm định tự tương quan theo Worldridge 
cho Prob > Chi 2 = 0,0634 > = 0,05 nên mô hình 
không xảy ra hiện tượng tự tương quan. Kiểm 
định đa cộng tuyến bằng ma trận tương quan.
Bảng 4. Ma trận tự tương quan giữa các biến
 Nguồn: tác giả tính tổng hợp từ phần mềm Stata.
“Hệ số tương quan giữa các cặp biến không 
có trường hợp nào vượt quá 0,8” [8]. “Độ lớn của 
các hệ số tương quan chỉ ra rằng khả năng xuất hiện 
đa cộng tuyến trong mô hình hồi quy là thấp” [8]. 
Kiểm định sự phù hợp của mô hình, giá trị kiểm 
định F cho kết quả Prob (F-statistic) = 0,000 < = 
0,05 nên ta bác bỏ giả thuyết H0, chấp nhận giả 
thuyết H1 mô hình nghiên cứu là phù hợp. Các biến 
độc lập giải thích được khoảng 34,32% cho sự biến 
thiên của NPL. Như vậy mô hình không có khuyết 
tật đảm bảo độ tin cậy cao.
4. Kết luận và giải pháp
4.1. Kết luận
Phân tích kết quả cho thấy, tại Việt Nam chi 
phí trích lập dự phòng rủi ro tín dụng thể hiện tác 
động cùng chiều đến tỷ lệ nợ xấu của các ngân 
hàng trong mẫu nghiên cứu ở mức ý nghĩa 5%, ta 
có thể giải thích cho việc trích lập dự phòng cao thì 
lượng vốn lớn bị giữ lại không đưa vào thị trường. 
Dự phòng rủi ro được hạch toán đưa vào chi phí 
hoạt động để đề phòng những rủi ro. Cho nên các 
ngân hàng trích lập dự phòng càng cao thì nợ xấu 
của ngân hàng càng lớn.
Roe cũng cho thấy mối quan hệ ngược chiều 
với tỷ lệ nợ xấu của các ngân hàng trong mẫu 
nghiên cứu ở mức ý nghĩa 1%. Các ngân hàng càng 
có lợi nhuận cao sẽ ít có động cơ tham gia vào các 
hoạt động rủi ro bởi các ngân hàng này ít bị áp lực 
việc tạo ra lợi nhuận. Đồng thời các ngân hàng có 
lợi nhuận càng cao thì sẽ có cơ hội để lựa chọn ra 
29
TRÖÔØNG ÑAÏI HOÏC ÑOÀNG THAÙP Taïp chí Khoa hoïc soá 35 (12-2018)
các khách hàng có khả năng tài chính tốt và rủi ro 
thấp. Do đó, khi lợi nhuận của các ngân hàng gia 
tăng, xác suất mà các nhà quản trị ngân hàng tham 
gia vào các dự án đầu tư rủi ro không nhiều, các 
khoản vay của ngân hàng chuyển sang nợ xấu cũng 
giảm tương ứng.
Nhân viên chi nhánh có mối quan hệ ngược 
chiều với tỷ lệ nợ xấu của các ngân hàng với mức 
ý nghĩa 10%. Điều này trái với kỳ vọng của Salas 
và Saurina (2002), nhưng cũng có thể giải thích 
rằng việc các ngân hàng gia tăng chi nhánh và nhân 
viên sẽ giúp ngân hàng quản lý được tốt hơn, từ 
đó hạn chế được những sai sót tiêu cực góp phần 
làm giảm nợ xấu.
Ứng dụng công nghệ thông tin vào ngân hàng 
qua kết quả nghiên cứu cho thấy có mối quan hệ 
ngược chiều với nợ xấu và có mức ý nghĩa 10%. 
Với khả năng ứng dụng công nghệ càng cao thì 
việc quản lý thu thập thông tin khách hàng càng 
đảm bảo góp phần hạn chế được rủi ro tín dụng từ 
đó nợ xấu cũng sẽ được giảm theo.
Tốc độ tăng trưởng kinh tế ảnh hưởng ngược 
chiều đến tỷ lệ nợ xấu của các ngân hàng trong 
mẫu nghiên cứu ở mức ý nghĩa 1%. Điều này có 
nghĩa khi nền kinh tế Việt Nam tăng trưởng sẽ 
giúp các NHTMCP giảm thiểu nợ xấu trong danh 
mục dư nợ cho vay. Do đó, tốc độ tăng trưởng 
kinh tế sẽ có tương quan cùng chiều với thu nhập 
của các cá nhân lẫn tổ chức trong nền kinh tế, kết 
quả cải thiện khả năng thanh toán lãi vay và nợ 
của người đi vay, do đó làm giảm tỷ lệ nợ xấu 
của các ngân hàng. Ngược lại, khi nền kinh tế suy 
thoái những yếu tố này sẽ làm giảm khả năng trả 
nợ của người đi vay, và dẫn đến gia tăng nợ xấu 
của ngân hàng.
Lãi suất có mức ý nghĩa 5% và có tác động 
cùng chiều với nợ xấu. Kết quả này cho thấy khi 
lãi suất tăng lên sẽ dẫn đến việc trả nợ của người đi 
vay sẽ khó khăn. Điều này dẫn đến mất khả năng 
trả nợ của người đi vay và nợ xấu sẽ gia tăng.
Bên cạnh đó các yếu tố vĩ mô khác như lạm 
phát và thất nghiệp trong bài nghiên cứu không cho 
thấy có mức ý nghĩa thống kê. 
 4.2. Giải pháp
Các ngân hàng thương mại có thể kiểm soát 
nợ xấu thông qua việc quản lí nhiều cách khác 
nhau như trích lập dự phòng rủi ro theo đúng quy 
định, sử dụng hiệu quả thông tin tín dụng để có thể 
kiểm soát được những rủi ro, từ đó góp phần đưa 
ra những quyết định tín dụng phù hợp. Bên cạnh 
đó bản thân các ngân hàng thương mại phải chú ý 
cải thiện các tác nhân xuất phát từ đặc điểm hoạt 
động của chính mình thì mới có thể cải thiện tỷ lệ 
nợ xấu và không cho tỷ lệ này gia tăng trong tương 
lai. Đó chính là phải tăng cường phòng ngừa rủi ro 
tín dụng, không chỉ bằng cách tăng số tiền vật chất, 
tăng trích lập dự phòng rủi ro tín dụng mà còn phải 
nâng cao ý thức thận trọng đối với các khoản cho 
vay các khách hàng. Thực sự quan tâm vào công 
tác kiểm soát các khoản vay sau khi giải ngân một 
cách thiết thực như rà soát và cải tiến các quy trình 
giám sát chéo trong nội bộ ngân hàng đối với các 
khoản cho vay, sử dụng tốt công nghệ thông tin, 
từ đó có thể giúp ngân hàng nhận diện được các 
khoản vay có vấn đề.
Ngoài ra Chính phủ cần duy trì tăng trưởng 
kinh tế ổn định. Vì tăng trưởng kinh tế sẽ giúp tạo ra 
thành quả hoạt động cho doanh nghiệp, tạo ra sinh 
lợi cho nhà đầu tư và gia tăng thu nhập cá nhân lẫn 
tổ chức trong nền kinh tế, kết quả là cải thiện khả 
năng thanh toán lãi vay và nợ của người đi vay, do 
đó giảm tỷ lệ nợ xấu của các ngân hàng./.
Tài liệu Tham khảo
[1]. Fofack, H. (2005), “Non-performing loans in sub-Saharan Africa: Causal Analysis and 
Macroeconmics Impication”, World Bank Policy Research Working Paper, (3769), p. 17-27.
[2]. Golden, S., Walker, H. M. (1993), “The Ten Commandments of Commerical Credit. The Cs of 
good and bad loans”, Journal of Commerial Banking Leading, 9 (13), p. 42-46.
[3]. Hu, J. L., Li, Y., & Chiu, Y. H. (2004), “Ownership and nonperforming loans: Evidence from 
Taiwan’s banks”, The Developing Economies, 42 (3), p. 405-420.
[4]. Jimenez, G. and Saurina, J. (2006), “Credit Cycles, Credit Risk and Prudential Regulation”, 
International Journal of central Banking, 2 (2), p. 65-98.
30
TRÖÔØNG ÑAÏI HOÏC ÑOÀNG THAÙP Taïp chí Khoa hoïc soá 35 (12-2018)
[5]. Louzis, D., Vouldis, A., & Metaxas, V. (2012), “Macroeconomic and bank -specifi c determinants 
of non-performing loans in Greece: A comparative study of mortgage, business and consumer loan 
portfolios”, Journal of Banking & Finance, 36 (4), p. 1012-1027.
[6]. Louzis, D., Vouldis, A., & Metaxas, V. (2010), “Macroeconomic and bank -specifi c determinants 
of non-performing loans in Greece: A comparative study of mortgage, business and consumer loan 
portfolios”, Bank of Greece working paper, (110), p. 1-41.
[7]. Mario, Q. (2006), “Bank’s Riskiness over the bussiness cycle: A panel Analysis on Intaian 
Intermediaries”, Bank of Italy working papers, (559), p. 119-138.
[8]. Mai Văn Nam và cộng sự (2005), Giáo trình Kinh tế lượng, NXB Đại học Cần Thơ, Cần Thơ.
[9]. Nkusu (2011), “Nonperforming loans and macrofi nancial vulnerabilities in advanced economies”, 
International Monetary Fund, 11-161. p. 17-22.
[10]. Salas, V. & Saurina. J. (2002), “Credit risk in two institutional regimes: Spanish commercial 
and savings banks”, Journal of Financial Services Research, 22 (3), p. 203-224.
DETERMINANTS OF BAD DEBTS 
AT VIETNAM JOINT-STOCK COMMERCIAL BANKS
Summary
The study analyzed the data of 23 joint stock commercial banks in Vietnam from 2009 to 2017 to 
examine the impact of factors affecting their bad debt rate. The fi xed-effect regression (FE) and random 
effects (RE) were used. The study found that the higher bad debt rate in the previous years, the much 
higher it was in the current year. Also, the higher provisioning fund the bank had, the much higher the 
bad debt was. Thereby, suggestions are made to deal with bad debts at joint stock commercial banks.
Keywords: Bank-specifi cs, macroeconomy, bad debt, fi xed-effects (FE) and random-effects (RE).
Ngày nhận bài: 16/11/2018; Ngày nhận lại: 03/12/2018; Ngày duyệt đăng: 12/12/2018.