Định hướng ESG và hiệu quả hoạt động ngân hàng thương mại Việt Nam: Tiếp cận hồi quy Bayes

ThS. Nguyễn Anh Khôi

Trường Đại học Ngân hàng Thành phố Hồ Chí Minh; Email: khoinguyenanh@gmail.com

Trần Việt Tâm (Tác giả liên hệ)

Trường Đại học Ngân hàng Thành phố Hồ Chí Minh; Email: tamtv@hub.edu.vn

Tóm tắt

Tín dụng xanh giữ vai trò quan trọng trong chiến lược tăng trưởng xanh của Việt Nam, song bằng chứng về việc định hướng môi trường, xã hội và quản trị, gọi tắt là định hướng ESG, có cải thiện hiệu quả ngân hàng hay không vẫn còn chưa thống nhất. Nghiên cứu này áp dụng hồi quy Bayes tuyến tính trên dữ liệu bảng của 19 ngân hàng thương mại Việt Nam giai đoạn 2020-2024, gồm 84 quan sát, với điểm ESG trích từ báo cáo thường niên bằng PhoBERT và hiệu quả đo bằng phương pháp Bao dữ liệu. Kết quả nghiên cứu cho thấy, định hướng ESG có tác động dương đáng tin cậy nhưng khiêm tốn lên hiệu quả, với hệ số chuẩn hóa bằng 0,015 và xác suất dương bằng 0,978; cường độ cho vay là động lực mạnh nhất, còn lợi ích ESG tập trung ở trụ cột Quản trị. Phát hiện hàm ý rằng, tín dụng xanh chưa tự thân nâng cao hiệu quả nếu thiếu năng lực quản trị đi kèm, gợi mở việc gắn điều kiện quản trị khi giao chỉ tiêu tín dụng xanh.

Từ khóa: Tín dụng xanh, ESG, hồi quy Bayes, hiệu quả ngân hàng, Việt Nam.

Abstract

Green credit plays an important role in Viet Nam’s green growth strategy; however, empirical evidence on whether environmental, social, and governance (ESG) orientation improves bank efficiency remains inconclusive. The study applies Bayesian linear regression to panel data from 19 Vietnamese commercial banks over the 2020-2024 period, comprising 84 observations. ESG scores were extracted from annual reports using PhoBERT, while bank efficiency was measured using Data Envelopment Analysis (DEA). The results indicate that ESG orientation has a statistically credible but modest positive effect on bank efficiency, with a standardized coefficient of 0.015 and a probability of a positive effect of 0.978. Lending intensity is identified as the strongest driver of efficiency, while the benefits of ESG orientation are concentrated in the Governance pillar. These findings imply that green credit does not inherently improve bank efficiency in the absence of complementary governance capabilities, highlighting the need to incorporate governance conditions into the allocation of green credit targets.

Keywords: Green credit, ESG, Bayesian regression, bank efficiency, Viet Nam

GIỚI THIỆU

Tín dụng xanh giữ vai trò ngày càng quan trọng trong lộ trình phát triển bền vững của Việt Nam. Ngân hàng Nhà nước đặt mục tiêu tỷ trọng dư nợ tín dụng xanh đạt 10 phần trăm tổng dư nợ vào năm 2025 và hướng tới 25 phần trăm vào năm 2030, theo Đề án phát triển ngân hàng xanh tại Việt Nam (Quyết định số 1604/QĐ-NHNN, ngày 7/8/2018 của Ngân hàng Nhà nước) và khung quản lý rủi ro môi trường tại Thông tư 17/2022/TT-NHNN, ngày 23/12/2022 của Ngân hàng Nhà nước). Tuy nhiên, việc mở rộng tín dụng xanh đòi hỏi ngân hàng phải xây dựng năng lực thẩm định rủi ro môi trường, thu thập dữ liệu phát thải và đánh giá tác động dài hạn của dự án, những công việc vốn tốn kém và chưa được chuẩn hóa trong điều kiện Việt Nam. Khi mục tiêu tăng trưởng xanh được giao xuống dưới dạng chỉ tiêu hành chính, mỗi ngân hàng phải tự cân nhắc giữa áp lực hoàn thành chỉ tiêu và yêu cầu bảo toàn chất lượng tài sản. Chính sự đánh đổi này làm cho câu hỏi về hiệu quả trở nên cấp thiết: nếu định hướng phát triển bền vững song hành với hiệu quả hoạt động, ngân hàng sẽ có động lực tự thân để mở rộng tín dụng xanh; còn nếu không, việc thúc đẩy bằng mệnh lệnh hành chính có nguy cơ chuyển hóa thành rủi ro tín dụng tích lũy.

Một câu hỏi trọng tâm đặt ra cho cả cơ quan quản lý lẫn từng ngân hàng là liệu việc theo đuổi định hướng môi trường, xã hội và quản trị, gọi tắt là định hướng ESG, có thực sự đi đôi với hiệu quả hoạt động hay không. Nếu định hướng ESG cải thiện hiệu quả, các ngân hàng có động lực nội tại để mở rộng tín dụng xanh; ngược lại, nếu ESG làm giảm hiệu quả, việc thúc đẩy tín dụng xanh bằng biện pháp hành chính có thể tạo thêm áp lực lên chất lượng tài sản. Bằng chứng thực nghiệm về mối quan hệ này tại Việt Nam còn mỏng và chưa thống nhất.

Nghiên cứu này nhằm giải quyết 2 vấn đề. Thứ nhất, định hướng ESG có cải thiện hiệu quả hoạt động của ngân hàng thương mại Việt Nam hay không, và nếu có thì độ lớn cùng độ tin cậy ra sao. Thứ hai, trong 3 trụ cột Môi trường, Xã hội và Quản trị, trụ cột nào đóng góp chính vào hiệu quả. Để trả lời, nghiên cứu sử dụng hồi quy Bayes tuyến tính trên dữ liệu bảng của các ngân hàng thương mại Việt Nam giai đoạn 2020 đến 2024, trong đó điểm ESG được trích từ báo cáo thường niên bằng mô hình ngôn ngữ PhoBERT và hiệu quả được đo bằng phương pháp Bao dữ liệu.

Cách tiếp cận Bayes được lựa chọn vì hai lý do. Một là, nó cho phép diễn giải kết quả bằng ngôn ngữ xác suất trực giác, chẳng hạn xác suất một hệ số mang dấu dương, thay vì chỉ dựa vào kiểm định ý nghĩa thống kê. Hai là, khi cỡ mẫu nhỏ, thông tin tiên nghiệm giúp ổn định ước lượng và tránh kết luận quá tự tin. Đóng góp của nghiên cứu là cung cấp bằng chứng định lượng, minh bạch và dễ diễn giải về liên hệ giữa định hướng ESG và hiệu quả ngân hàng Việt Nam, từ đó gợi mở hàm ý chính sách cho việc phân bổ tín dụng xanh.

CƠ SỞ LÝ THUYẾT

Định hướng ESG và hiệu quả hoạt động ngân hàng

Việc tích hợp tiêu chí ESG vào hoạt động cấp tín dụng được kỳ vọng nâng cao năng lực quản trị rủi ro dài hạn và phát tín hiệu tích cực tới thị trường. Tổng hợp quy mô lớn của Friede và cộng sự (2015) trên hàng nghìn nghiên cứu cho thấy phần lớn các công trình ghi nhận quan hệ phi tiêu cực giữa ESG và kết quả tài chính, song mức độ và chiều hướng thay đổi theo bối cảnh thị trường. Trên mẫu các nền kinh tế mới nổi, Azmi và cộng sự (2021) tìm thấy hoạt động ESG có liên hệ tích cực với kết quả của ngân hàng, dù độ lớn ở mức vừa phải. Tại Trung Quốc, nơi chính sách tín dụng xanh được triển khai sớm, Lian và cộng sự (2022) cho thấy tín dụng xanh cải thiện kết quả tài chính của ngân hàng thương mại, trong khi Gao và Liu (2023) cùng Ma và cộng sự (2024) ghi nhận chính sách tín dụng xanh thúc đẩy điểm ESG của doanh nghiệp và ngân hàng. Phân tích theo từng trụ cột của Salem (2026) trên các ngân hàng ASEAN-5 còn chỉ ra rằng, tác động của ESG lên hiệu quả tài chính có thể phi tuyến và khác nhau giữa 3 trụ cột, hàm ý rằng việc gộp ESG thành một điểm duy nhất có thể che giấu sự không đồng nhất quan trọng.

Tại Việt Nam, bằng chứng thực nghiệm còn mỏng và chưa thống nhất. Thi Thu Loan và cộng sự (2024) tìm thấy công bố ESG có liên hệ với kết quả tài chính của ngân hàng thương mại Việt Nam, trong khi Quoc Thinh (2021) cho thấy khả năng sinh lời ảnh hưởng tới mức độ công bố thông tin trách nhiệm, và Van Ngo (2026) nhấn mạnh ESG là một trong các yếu tố quyết định lợi nhuận ngân hàng bên cạnh chuyển đổi số và cấu trúc thị trường. Ở góc độ rủi ro, Tian và cộng sự, (2025) cùng Wu (2025) cho thấy, chính sách tín dụng xanh tác động tới mức độ chấp nhận rủi ro và rủi ro hệ thống của ngân hàng theo những chiều khác nhau. Một số phân tích còn cảnh báo rằng việc đẩy mạnh tín dụng xanh dưới áp lực chỉ tiêu hành chính có thể nới lỏng tiêu chuẩn thẩm định, phù hợp với khái niệm ràng buộc ngân sách mềm của Kornai (1986), qua đó làm gia tăng nợ xấu; đồng thời làm dấy lên lo ngại về rửa xanh, hiện tượng được Galletta và cộng sự (2024) hệ thống hóa trong ngành ngân hàng. Bối cảnh này cho thấy nhu cầu kiểm tra trực tiếp liên hệ giữa định hướng ESG và hiệu quả bằng dữ liệu Việt Nam.

Cơ chế liên kết giữa định hướng ESG và hiệu quả ngân hàng có thể vận hành theo hai chiều đối lập. Theo chiều tích cực, việc tích hợp tiêu chí môi trường và xã hội vào quy trình cấp tín dụng giúp ngân hàng nhận diện sớm rủi ro dài hạn, sàng lọc khách hàng có chất lượng quản trị tốt hơn, và xây dựng uy tín với nhà đầu tư cũng như cơ quan quản lý, từ đó hạ thấp chi phí vốn và tổn thất tín dụng. Theo chiều tiêu cực, việc tuân thủ các yêu cầu công bố và thẩm định bổ sung làm phát sinh chi phí vận hành, trong khi lợi ích môi trường thường chỉ hiện thực hóa sau nhiều năm, tạo ra độ trễ giữa chi phí bỏ ra và kết quả thu về. Khi ràng buộc ngân sách trở nên mềm vì áp lực chỉ tiêu, ngân hàng có thể ưu tiên giải ngân nhanh để đạt tỷ trọng tín dụng xanh mục tiêu thay vì tối ưu chất lượng danh mục, khiến tác động ròng lên hiệu quả trở nên mơ hồ. Chính sự đối lập này lý giải vì sao bằng chứng thực nghiệm quốc tế chưa hội tụ, và vì sao một ước lượng định lượng minh bạch trên dữ liệu Việt Nam là cần thiết.

Tổng quan trên cho thấy một khoảng trống nghiên cứu rõ rệt. Phần lớn công trình về Việt Nam tập trung vào khả năng sinh lời kế toán như ROA hoặc ROE, trong khi hiệu quả kỹ thuật đo bằng phương pháp Bao dữ liệu, vốn phản ánh năng lực chuyển hóa nguồn lực đầu vào thành đầu ra, còn ít được kết nối với định hướng ESG. Đồng thời, các nghiên cứu hiện có chủ yếu dựa vào suy diễn tần suất, ít khai thác khả năng diễn giải xác suất của thống kê Bayes vốn phù hợp với cỡ mẫu nhỏ đặc trưng của hệ thống ngân hàng Việt Nam. Nghiên cứu này lấp khoảng trống đó bằng cách nối điểm ESG trích từ văn bản với hiệu quả Bao dữ liệu trong một khung hồi quy Bayes thống nhất, qua đó vừa đo độ lớn vừa lượng hóa độ tin cậy của mối liên hệ.

Đo lường hiệu quả và định hướng ESG

Hiệu quả hoạt động ngân hàng thường được đo bằng phương pháp Bao dữ liệu do Charnes và cộng sự (1978) đề xuất, vốn ước lượng khả năng biến đầu vào thành đầu ra so với biên hiệu quả mà không cần giả định dạng hàm sản xuất. Phương pháp này tiếp tục được vận dụng rộng rãi cho ngân hàng ở các nền kinh tế mới nổi, chẳng hạn Ullah và cộng sự (2023) phân tích các yếu tố quyết định hiệu quả ngân hàng bằng Bao dữ liệu, còn Phùng và cộng sự (2022) cho thấy nợ xấu làm suy giảm hiệu quả của ngân hàng Việt Nam. Trong khi đó, định hướng ESG của ngân hàng vốn nằm trong các báo cáo thường niên dạng văn bản, khó lượng hóa. Phung và cộng sự (2022) sự phát triển của các mô hình ngôn ngữ chuyên biệt, từ mô hình tiếng Anh như FinBERT của Huang và cộng sự (2023) dùng để trích xuất thông tin từ văn bản tài chính, đến mô hình tiếng Việt PhoBERT của Nguyen và Tuan Nguyen (2020), cho phép trích xuất điểm ESG từ văn bản một cách hệ thống, mở ra khả năng kết nối định hướng ESG với hiệu quả đo bằng Bao dữ liệu trong cùng một khung phân tích.

Hồi quy Bayes cho cỡ mẫu nhỏ

Khi số ngân hàng và số năm quan sát còn hạn chế, suy diễn theo trường phái tần suất dễ cho kết luận thiếu ổn định. Thống kê Bayes, được trình bày hệ thống trong Gelman và cộng sự (2013) cũng như McElreath (2020), xử lý mỗi hệ số như một phân phối xác suất được cập nhật từ thông tin tiên nghiệm và dữ liệu, từ đó cho phép báo cáo khoảng tin cậy và xác suất về dấu của hệ số. Cách tiếp cận Bayes đã bắt đầu được áp dụng cho ngân hàng Việt Nam, chẳng hạn Ngo và Trinh (2025) dùng phân tích Bayes để đánh giá tác động của các loại rủi ro tài chính lên hiệu quả hoạt động của ngân hàng thương mại trong nước. Cách tiếp cận này vừa quen thuộc như một mô hình hồi quy phổ biến, vừa cung cấp diễn giải xác suất phù hợp với mục tiêu chính sách. Nghiên cứu này vận dụng hồi quy Bayes tuyến tính để trả lời hai câu hỏi nghiên cứu đã nêu.

PHƯƠNG PHÁP NGHIÊN CỨU

Hình 1 tóm tắt khung phân tích của nghiên cứu. Quy trình gồm hai nhánh song song. Ở nhánh thứ nhất, điểm ESG được trích từ báo cáo thường niên của ngân hàng bằng mô hình ngôn ngữ PhoBERT. Ở nhánh thứ hai, hiệu quả hoạt động được ước lượng từ dữ liệu tài chính đầu vào và đầu ra bằng phương pháp Bao dữ liệu. Hai đại lượng này, cùng với các biến kiểm soát, được đưa vào mô hình hồi quy Bayes tuyến tính để thu được phân phối hậu nghiệm của các hệ số, từ đó suy ra độ lớn, khoảng tin cậy và xác suất về dấu của từng tác động (Hình 1).

Hình 1: Khung phân tích

Nguồn: Nhóm tác giả xây dựng

Dữ liệu và biến số

Nghiên cứu sử dụng dữ liệu bảng của 19 ngân hàng thương mại Việt Nam niêm yết trong giai đoạn 2020 đến 2024, tổng cộng 84 quan sát ngân hàng-năm. Nguồn dữ liệu là bộ dữ liệu công khai Mendeley mã x7zwhcndk2 do Phùng Mạnh Trung công bố, trong đó điểm ESG của từng ngân hàng được trích từ báo cáo thường niên bằng mô hình ngôn ngữ PhoBERT, còn hiệu quả hoạt động được đo bằng phương pháp Bao dữ liệu.

Biến phụ thuộc là điểm hiệu quả Bao dữ liệu có điều chỉnh ESG, ký hiệu là hiệu quả DEA-ESG, nhận giá trị trong khoảng từ 0 đến 1; giá trị càng gần 1 thể hiện ngân hàng càng sử dụng hiệu quả nguồn lực đầu vào để tạo ra đầu ra. Biến giải thích chính là điểm ESG tổng hợp có trọng số, đại diện cho mức độ định hướng phát triển bền vững và tín dụng xanh của ngân hàng. Để làm rõ cơ chế, nghiên cứu tách điểm ESG thành ba trụ cột Môi trường, Xã hội và Quản trị, trong đó trụ cột Môi trường được xem là phần gần nhất với hoạt động tín dụng xanh. Hai biến kiểm soát là quy mô ngân hàng, đo bằng lô-ga-rít tự nhiên của tổng tài sản, và cường độ cho vay, đo bằng tỷ lệ dư nợ cho vay trên tổng tài sản. Tất cả biến giải thích được chuẩn hóa về điểm z trước khi đưa vào mô hình, do đó hệ số phản ánh thay đổi của hiệu quả khi biến giải thích tăng thêm một độ lệch chuẩn.

Mô hình hồi quy Bayes tuyến tính

Gọi hiệu quả DEA-ESG của ngân hàng i trong năm t là một biến ngẫu nhiên tuân theo phân phối chuẩn quanh giá trị trung bình có điều kiện, như ở phương trình (1) và (2):

(1)

(2)

Trong đó: α là hệ số chặn, các hệ số β đo lường tác động của từng yếu tố lên hiệu quả, và σ là độ lệch chuẩn của phần dư. Khác biệt cốt lõi giữa cách tiếp cận Bayes và hồi quy thông thường nằm ở chỗ mỗi hệ số không phải một con số cố định mà là một phân phối xác suất, được cập nhật từ thông tin tiên nghiệm và dữ liệu quan sát. Nghiên cứu sử dụng các phân phối tiên nghiệm yếu ở Phương trình (3):

(3)

Phân phối tiên nghiệm chuẩn với trung bình bằng 0 cho mỗi hệ số hàm ý quan điểm trung lập ban đầu rằng yếu tố giải thích chưa chắc có tác động, để cho dữ liệu lên tiếng. Việc chọn độ lệch chuẩn của tiên nghiệm bằng 1 trên thang điểm z là một lựa chọn yếu, đủ rộng để không áp đặt kết luận nhưng vẫn đủ chặt để ổn định ước lượng khi mẫu nhỏ; vì các biến giải thích đều đã chuẩn hóa, một độ lệch chuẩn của hệ số tương ứng với một thay đổi rất lớn của hiệu quả, nên tiên nghiệm này khó có thể chi phối kết quả. Tiên nghiệm bán chuẩn cho độ lệch chuẩn phần dư bảo đảm tham số này luôn dương mà không cần đặt thêm ràng buộc. Sau khi kết hợp với dữ liệu, kết quả là phân phối hậu nghiệm của mỗi hệ số, từ đó nghiên cứu báo cáo giá trị trung bình hậu nghiệm, khoảng tin cậy Bayes 94 phần trăm và xác suất hệ số mang dấu dương, ký hiệu là P(beta > 0). Một hệ số được xem là đáng tin khi khoảng tin cậy 94 phần trăm không chứa giá trị 0. Cách báo cáo này có ưu điểm là diễn giải trực tiếp bằng ngôn ngữ xác suất, chẳng hạn phát biểu rằng xác suất một tác động mang dấu dương là bao nhiêu, thay vì chỉ kết luận có hay không có ý nghĩa thống kê theo một ngưỡng cố định.

Ước lượng và kiểm định

Mô hình được ước lượng bằng thuật toán lấy mẫu NUTS trong thư viện PyMC của Salvatier và cộng sự (2016), chạy hai chuỗi độc lập, mỗi chuỗi 1000 mẫu sau giai đoạn khởi động 1000 mẫu. Thuật toán NUTS là một biến thể của phương pháp Monte Carlo theo chuỗi Markov, sử dụng thông tin về độ dốc của hàm mật độ để lấy mẫu hiệu quả từ phân phối hậu nghiệm ngay cả khi không gian tham số có tương quan cao. Chất lượng hội tụ được đánh giá qua chỉ số R-hat, đo mức độ thống nhất giữa các chuỗi, với ngưỡng chấp nhận là gần bằng 1, và qua số mẫu hiệu dụng, phản ánh lượng thông tin độc lập thực sự thu được sau khi loại bỏ tự tương quan trong chuỗi mẫu. Để kiểm chứng chéo độ lớn và dấu của hệ số chính, nghiên cứu chạy thêm một mô hình hồi quy bình phương nhỏ nhất thông thường trên cùng bộ biến chuẩn hóa và đối chiếu kết quả; sự trùng khớp giữa ước lượng Bayes và ước lượng tần suất là một bằng chứng cho thấy phát hiện không phụ thuộc vào lựa chọn tiên nghiệm. Nghiên cứu cũng tái lập toàn bộ quy trình trong ngôn ngữ R như một lớp kiểm tra độc lập, và mức chênh lệch giữa hai môi trường tính toán nằm dưới ngưỡng một phần nghìn, xác nhận rằng kết quả không phải là sản phẩm của một cấu hình phần mềm cụ thể. Toàn bộ quy trình tính toán thực hiện được trên máy tính cá nhân trong vài phút, một ưu điểm thực tiễn cho các đơn vị nghiên cứu và giám sát có nguồn lực tính toán hạn chế.

KẾT QUẢ NGHIÊN CỨU

Thống kê mô tả

Bảng 1 trình bày thống kê mô tả của các biến chính trên mẫu 84 quan sát. Hiệu quả DEA-ESG trung bình đạt 0,890 với độ lệch chuẩn 0,076, cho thấy phần lớn ngân hàng hoạt động khá gần biên hiệu quả, nhưng vẫn còn dư địa cải thiện. Điểm ESG tổng hợp trung bình là 2,723, trong đó trụ cột Xã hội cao nhất với 2,892 và trụ cột Quản trị thấp nhất với 2,522, phản ánh khoảng trống trong thực hành quản trị bền vững của ngành.

Bảng 1: Thống kê mô tả các biến chính (n = 84)

Biến	Trung bình	Độ lệch chuẩn
Hiệu quả DEA-ESG	0,890	0,076
Hiệu quả DEA truyền thống	0,878	0,080
Điểm ESG tổng hợp	2,723	0,369
Trụ cột Môi trường	2,785	0,236
Trụ cột Xã hội	2,892	0,464
Trụ cột Quản trị	2,522	0,432

Nguồn: Phân tích từ dữ liệu nghiên cứu

Hình 2 biểu diễn quan hệ giữa điểm ESG tổng hợp và hiệu quả DEA-ESG trên toàn bộ 84 quan sát, kèm đường xu thế bình phương nhỏ nhất. Đám mây điểm phân tán nhưng đường xu thế dốc lên cho thấy một liên hệ đồng biến yếu giữa định hướng ESG và hiệu quả, phù hợp với kết quả hồi quy Bayes được trình bày ở các mục sau.

Hình 2: Quan hệ giữa điểm ESG tổng hợp trích bằng PhoBERT và hiệu quả DEA-ESG trên mẫu 84 quan sát ngân hàng-năm

Ghi chú: Đường màu cam là xu thế bình phương nhỏ nhất

Nguồn: Tính toán của nhóm tác giả

Định hướng ESG cải thiện hiệu quả ở mức nhỏ nhưng đáng tin cậy

Kết quả mô hình chính, ký hiệu là Mô hình 1, cho thấy điểm ESG có tác động dương lên hiệu quả DEA-ESG, với hệ số chuẩn hóa trung bình hậu nghiệm bằng 0,015 và khoảng tin cậy Bayes 94 phần trăm trải từ 0,001 đến 0,030. Vì khoảng tin cậy này nằm hoàn toàn bên phải số 0, tác động được xem là đáng tin cậy theo nghĩa Bayes, với xác suất hệ số mang dấu dương lên tới 0,978. Độ lớn của tác động là khiêm tốn, hàm ý rằng khi định hướng ESG tăng thêm một độ lệch chuẩn thì hiệu quả tăng thêm khoảng 0,015 điểm, tương đương khoảng một phần năm độ lệch chuẩn của hiệu quả. Mô hình hội tụ tốt với chỉ số R-hat bằng 1,00 và số mẫu hiệu dụng đạt 2100.

Đáng chú ý, cường độ cho vay nổi lên như động lực mạnh nhất, với hệ số 0,027, khoảng tin cậy từ 0,010 đến 0,046 và xác suất dương gần như tuyệt đối bằng 0,9995. Trong khi đó, quy mô ngân hàng gần như không có tác động riêng, với hệ số chỉ bằng âm 0,002 và khoảng tin cậy bao trùm số 0. Phát hiện này cho thấy, hiệu quả của ngân hàng Việt Nam giai đoạn này được dẫn dắt chủ yếu bởi hoạt động cho vay cốt lõi, còn định hướng ESG đóng vai trò bổ trợ tích cực nhưng chưa phải yếu tố quyết định. Hình 3 minh họa khoảng tin cậy 94 phần trăm của các hệ số trong Mô hình 1.

Hình 3: Khoảng tin cậy Bayes 94 phần trăm của các hệ số chuẩn hóa trong Mô hình 1

Ghi chú: Đường nét đứt thẳng đứng đánh dấu giá trị 0

Nguồn: Tính toán của nhóm tác giả

Hiệu ứng tập trung ở trụ cột Quản trị

Để truy nguyên nguồn gốc của tác động ESG, Mô hình 2 thay điểm tổng hợp bằng 3 trụ cột riêng. Kết quả cho thấy, trụ cột Quản trị có hệ số dương lớn nhất bằng 0,018 với xác suất dương 0,751, trong khi trụ cột Môi trường mang hệ số âm nhỏ bằng âm 0,006 và trụ cột Xã hội gần như bằng không. Tuy vậy, khoảng tin cậy 94 phần trăm của cả ba trụ cột đều chứa số 0, nên các hiệu ứng thành phần chỉ mang tính gợi ý chứ chưa đạt mức đáng tin cậy chặt chẽ như tác động tổng hợp. Kết quả này hàm ý rằng lợi ích hiệu quả gắn với ESG ở ngân hàng Việt Nam hiện đến từ năng lực quản trị nhiều hơn là từ riêng hoạt động môi trường.

Hình 4: Hệ số chuẩn hóa của ba trụ cột Môi trường, Xã hội và Quản trị trong Mô hình 2

Ghi chú: Đường nét đứt thẳng đứng đánh dấu giá trị 0.

Nguồn: Tính toán của nhóm tác giả

Hình 4 so sánh trực quan hệ số của ba trụ cột cùng khoảng tin cậy 94 phần trăm. Có thể thấy rõ trụ cột Quản trị nằm lệch hẳn về phía dương và có xác suất mang dấu dương cao nhất, trong khi hai trụ cột còn lại bao quanh giá trị 0. Độ rộng của các khoảng tin cậy phản ánh sự thiếu chắc chắn lớn khi tách điểm tổng hợp thành từng thành phần trên một mẫu chỉ gồm 84 quan sát, do đó các hệ số thành phần cần được đọc như chỉ dấu định hướng hơn là kết luận dứt khoát. Dù vậy, sự nhất quán giữa thứ bậc của ba trụ cột ở đây và độ lớn của tác động tổng hợp ở Mô hình 1 củng cố cách diễn giải rằng năng lực quản trị là kênh truyền dẫn chính từ định hướng ESG sang hiệu quả.

Kiểm định độ bền và đối chiếu chéo

Mô hình 3 thay biến phụ thuộc bằng hiệu quả DEA truyền thống để kiểm tra độ bền. Tác động của điểm ESG vẫn giữ dấu dương với hệ số 0,013 và xác suất dương 0,937, tuy khoảng tin cậy lúc này chạm nhẹ qua số 0, cho thấy kết quả nhất quán về chiều hướng nhưng yếu hơn đôi chút. Ngoài ra, mô hình hồi quy bình phương nhỏ nhất thông thường cho hệ số ESG bằng 0,015, trùng khớp với ước lượng Bayes ở Mô hình 1, qua đó củng cố độ tin cậy của phát hiện chính.

Thảo luận

Diễn giải kết quả

Kết quả hồi quy Bayes tuyến tính cho thấy định hướng ESG gắn liền với sự cải thiện hiệu quả ngân hàng, song độ lớn của tác động này khiêm tốn. Hệ số chuẩn hóa của điểm ESG tổng hợp bằng 0,015 với khoảng tin cậy Bayes 94 phần trăm từ 0,001 đến 0,030, cho thấy khi định hướng ESG của một ngân hàng tăng thêm một độ lệch chuẩn thì hiệu quả chỉ tăng thêm khoảng 0,015 điểm. Vì khoảng tin cậy nằm hoàn toàn bên phải số 0 và xác suất hệ số mang dấu dương đạt 0,978, tác động này được xem là đáng tin cậy theo nghĩa Bayes. Động lực mạnh nhất trong mô hình lại thuộc về cường độ cho vay, với hệ số 0,027 và xác suất dương gần như tuyệt đối bằng 0,9995, cho thấy hiệu quả của ngân hàng Việt Nam giai đoạn 2020-2024 được dẫn dắt chủ yếu bởi hoạt động cho vay cốt lõi. Quy mô ngân hàng gần như không có tác động riêng. Phát hiện này hàm ý rằng định hướng ESG đóng vai trò bổ trợ tích cực nhưng chưa phải yếu tố quyết định trong việc nâng cao hiệu quả hoạt động.

Phát hiện về độ lớn khiêm tốn của tác động ESG phù hợp với bức tranh chung của tài liệu quốc tế. Tổng hợp của Friede và cộng sự (2015) cho thấy quan hệ giữa ESG và kết quả tài chính thường là phi tiêu cực nhưng không lớn, còn Azmi và c.s. (2021) ghi nhận tác động tích cực ở mức vừa phải trên các nền kinh tế mới nổi. Kết quả của nghiên cứu này, với hệ số dương nhỏ nhưng đáng tin cậy, nằm đúng trong khoảng kỳ vọng đó và không ủng hộ những tuyên bố lạc quan quá mức về lợi ích tức thời của tín dụng xanh. Việc cường độ cho vay nổi lên như động lực mạnh nhất cũng nhất quán với đặc điểm của hệ thống ngân hàng Việt Nam giai đoạn 2020 đến 2024, khi thu nhập lãi thuần vẫn là nguồn lợi nhuận chủ đạo. Sự khác biệt giữa ba trụ cột, với Quản trị dẫn dắt, đồng vọng với phát hiện của Salem (2026) rằng tác động của ESG lên hiệu quả tài chính ngân hàng ASEAN-5 có thể không đồng nhất giữa các thành phần, qua đó cảnh báo rằng việc gộp ESG thành một điểm duy nhất có nguy cơ che giấu cấu trúc bên trong của mối quan hệ.

Đóng góp và vai trò của trụ cột Quản trị

Khi tách điểm ESG thành ba trụ cột, kết quả gợi ý rằng lợi ích hiệu quả gắn với ESG ở ngân hàng Việt Nam đến từ năng lực quản trị nhiều hơn là từ riêng hoạt động môi trường. Trụ cột Quản trị có hệ số dương lớn nhất bằng 0,018 với xác suất dương 0,751, trong khi trụ cột Môi trường mang hệ số âm nhỏ bằng âm 0,006 và trụ cột Xã hội gần như bằng không. Dù vậy, khoảng tin cậy 94 phần trăm của cả ba trụ cột đều chứa số 0, nên các hiệu ứng thành phần chỉ mang tính gợi ý. Kết quả này phù hợp với lập luận rằng năng lực quản trị vững là nền tảng để các ngân hàng khai thác hiệu quả từ định hướng phát triển bền vững, trong khi bản thân việc công bố thông tin môi trường chưa tự động chuyển hóa thành hiệu quả hoạt động. Mô hình kiểm định độ bền và đối chiếu với hồi quy bình phương nhỏ nhất đều củng cố tính nhất quán của phát hiện chính.

KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

Kết luận

Nghiên cứu này áp dụng hồi quy Bayes tuyến tính trên dữ liệu bảng của 19 ngân hàng thương mại Việt Nam giai đoạn 2020 đến 2024, tổng cộng 84 quan sát, nhằm kiểm tra mối liên hệ giữa định hướng ESG và hiệu quả hoạt động. Kết quả cho thấy định hướng ESG có tác động dương đáng tin cậy nhưng độ lớn khiêm tốn lên hiệu quả, với hệ số chuẩn hóa bằng 0,015 và xác suất dương bằng 0,978. Phân tích theo trụ cột gợi ý rằng, lợi ích hiệu quả tập trung ở năng lực quản trị nhiều hơn ở hoạt động môi trường, hàm ý rằng tín dụng xanh chưa tự thân nâng cao hiệu quả nếu thiếu nền tảng quản trị vững.

Hàm ý chính sách

Kết quả nghiên cứu phát hiện rằng, lợi ích hiệu quả tập trung ở trụ cột Quản trị mang hàm ý chính sách quan trọng: tín dụng xanh chưa tự thân tạo ra sự cải thiện hiệu quả nếu năng lực quản trị không đi kèm. Khoảng cách giữa mục tiêu dư nợ tín dụng xanh 10 phần trăm vào năm 2025 và mức thực tế khoảng 4,5 phần trăm đầu năm 2024 không chỉ phản ánh hạn chế về nguồn dự án xanh mà còn chỉ ra rằng các ngân hàng cần được trang bị năng lực quản trị rủi ro và thẩm định phù hợp trước khi mở rộng danh mục tín dụng xanh. Cơ quan quản lý có thể xem xét xây dựng khung đánh giá năng lực quản trị và minh bạch thông tin ESG như điều kiện khi giao chỉ tiêu tín dụng xanh, thay vì chỉ phân bổ theo quy mô vốn. Đồng thời, việc chuẩn hóa và liên thông dữ liệu thẩm định rủi ro môi trường sẽ giúp giảm thiểu rủi ro rửa xanh, xảy ra khi ngân hàng công bố thông tin môi trường nhưng không đi đôi với thực chất trong hoạt động.

Ở cấp độ từng ngân hàng, kết quả gợi ý rằng, việc đầu tư vào hệ thống quản trị, kiểm soát nội bộ và năng lực thẩm định dự án xanh nên đi trước hoặc song hành với việc mở rộng quy mô danh mục tín dụng xanh, thay vì chạy theo chỉ tiêu trước rồi bổ sung năng lực sau. Lộ trình tăng tỷ trọng dư nợ tín dụng xanh từ mức thực tế khoảng 4,5 phần trăm lên mục tiêu 10 phần trăm vào năm 2025 vì thế nên được hiểu là một quá trình tích lũy năng lực, trong đó tốc độ mở rộng cần được điều tiết bởi mức độ sẵn sàng về quản trị của từng tổ chức. Cách tiếp cận thận trọng này vừa bảo vệ chất lượng tài sản, vừa tạo nền tảng để lợi ích môi trường của tín dụng xanh được hiện thực hóa một cách bền vững thay vì chỉ tồn tại trên báo cáo.

Tài liệu tham khảo:

1. Azmi, W., Hassan, M. K., Houston, R., & Karim, M. S. (2021). ESG activities and banking performance: International evidence from emerging economies. Journal of International Financial Markets, Institutions and Money, 70, 101277.

2. Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429–444.

3. Friede, G., Busch, T., & Bassen, A. (2015). ESG and financial performance: Aggregated evidence from more than 2000 empirical studies. Journal of Sustainable Finance & Investment, 5(4), 210–233.

4. Galletta, S., Mazzù, S., Naciti, V., & Paltrinieri, A. (2024). A PRISMA systematic review of greenwashing in the banking industry: A call for action. Research in International Business and Finance, 69, 102262.

5. Gao, W., & Liu, Z. (2023). Green credit and corporate ESG performance: Evidence from China. Finance Research Letters, 55, 103940.

6. Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd a.b). Chapman and Hall/CRC.

Huang, A. H., Wang, H., & Yang, Y. (2023). FINBERT: A Large Language Model for Extracting Information from Financial Text. Contemporary Accounting Research, 40(2), 806–841.

7. Kornai*, J. (1986). The Soft Budget Constraint. Kyklos, 39(1), 3–30.

8. Lian, Y., Gao, J., & Ye, T. (2022). How does green credit affect the financial performance of commercial banks? - Evidence from China. Journal of Cleaner Production, 344, 131069.

9. Ma, D., He, Y., & Zeng, L. (2024). Can green finance improve the ESG performance? Evidence from green credit policy in China. Energy Economics, 137, 107772.

10. McElreath, R. (2020). Statistical Rethinking: A Bayesian Course with Examples in R and Stan (2 a.b). Chapman and Hall/CRC.

11. Ngo, H. K., & Trinh, H. T. T. (2025). The impact of financial risks on bank performance: Evidence from Bayesian analysis in Vietnam’s commercial banks. Discover Sustainability, 6(1), 515.

12. Nguyen, D. Q., & Tuan Nguyen, A. (2020). PhoBERT: Pre-trained language models for Vietnamese. Findings of the Association for Computational Linguistics: EMNLP 2020, 1037–1042.

13. Phung, Q. T., Van Vu, H., & Tran, H. P. (2022). Do non-performing loans impact bank efficiency? Finance Research Letters, 46, 102393.

14. Quoc Thinh, T. (2021). Influence of profitability on responsibility accounting disclosure – Empirical study of Vietnamese listed commercial banks. Banks and Bank Systems, 16(2), 119–126.

15. Salem, M. R. M. (2026). Do ESG pillars and ESG disclosure have linear and non-linear effects on the financial performance of ASEAN-5 banks? International Journal of Disclosure and Governance. https://doi.org/10.1057/s41310-026-00349-z.

16. Salvatier, J., Wiecki, T. V., & Fonnesbeck, C. (2016). Probabilistic programming in Python using PyMC3. PeerJ Computer Science, 2, e55.

17. Thi Thu Loan, B., Thi Lan Anh, T., & Hoang, T. (2024). ESG disclosure and financial performance: Empirical study of Vietnamese commercial banks. Banks and Bank Systems, 19(1), 208–220.

18. Tian, C., Shen, X., & Liu, Y. (2025). Green finance policies and bank systemic risk: Evidence from listed banks in China. Finance Research Letters, 80, 107388.

19. Ullah, S., Majeed, A., & Popp, J. (2023). Determinants of bank’s efficiency in an emerging economy: A data envelopment analysis approach. PLOS ONE, 18(3).

20. Van Ngo, T. (2026). Determinants of bank profitability in Vietnam: Integrating digital transformation, ESG, and market structure. Banks and Bank Systems, 21(1), 257–267.

21. Wu, M. (2025). Green credit, bank competitiveness and bank risk-taking. International Review of Economics & Finance, 103.

Ngày nhận bài: 10/7/2026; Ngày phản biện: 29/7/2026; Ngày duyệt đăng: 24/8/2026