Trương Điểm Bích*, Lê Trần Huy, Bùi Phương Anh, Bùi Sỹ Hưng

Đại học Kinh tế Quốc dân

*Tác giả liên hệ, Email: diembichtruong@gmail.com

Tóm tắt

Nghiên cứu đánh giá thực trạng sử dụng vốn trí tuệ và quản trị rủi ro tại các ngân hàng thương mại niêm yết trên sàn chứng khoán Việt Nam từ năm 2014 đến 2023. Dữ liệu được sử dụng bao gồm 27 ngân hàng niêm yết trên sàn HOSE, HNX và UPCoM. Kết quả nghiên cứu cho thấy: (1) Có sự chênh lệch rõ rệt trong việc sử dụng IC giữa các ngân hàng; (2) Phần lớn các ngân hàng có mức độ rủi ro trung bình, với tỷ lệ nợ xấu biến động trong giai đoạn nghiên cứu. Từ đó, bài nghiên cứu đưa ra những đánh giá khách quan nhằm hỗ trợ trong việc xây dựng chiến lược quản lý hiệu quả ngành ngân hàng.

Từ khóa: ngân hàng thương mại Việt Nam, quản trị rủi ro, rủi ro ngân hàng, hiệu quả sử dụng vốn trí tuệ

Summary

The study assesses the current situation of intellectual capital utilization and risk management at commercial banks listed on the Vietnamese stock exchange from 2014 to 2023. The data used includes 27 banks listed on the HOSE, HNX and UPCoM. The research results show that: (1) There is a clear difference in the use of IC among banks; (2) Most banks have an average risk level, with the bad debt ratio fluctuating during the research period. From there, the study provides objective assessments to support the development of effective management strategies for the banking industry.

Keywords: Vietnamese commercial banks, risk management, bank risk, effective use of intellectual capital

GIỚI THIỆU

Đối với ngành ngân hàng, vốn trí tuệ đóng vai trò nền tảng không chỉ trong việc nâng cao hiệu quả hoạt động, mà còn trong quản trị rủi ro. Thông qua việc khai thác tri thức tường minh và tri thức ngầm, vốn trí tuệ giúp ngân hàng nhận diện, đánh giá và giảm thiểu các rủi ro tài chính, đồng thời cải thiện hệ thống quản lý rủi ro và phát triển năng lực dự báo. Tại Việt Nam, ngành ngân hàng đóng vai trò trọng yếu trong hệ thống tài chính quốc gia, chiếm tỷ trọng lớn trong việc huy động và phân bổ vốn. Tuy nhiên, với áp lực cạnh tranh ngày càng gay gắt, yêu cầu hội nhập quốc tế và tuân thủ các tiêu chuẩn quản trị toàn cầu như Basel III, các ngân hàng đang đối mặt với nhiều rủi ro phức tạp, bao gồm nợ xấu, rủi ro tín dụng và rủi ro thanh khoản. Những thách thức này không chỉ đòi hỏi năng lực tài chính vượt trội, mà còn yêu cầu tối ưu hóa trong quản lý vốn trí tuệ.

Tuy nhiên, nghiên cứu thực nghiệm tại Việt Nam về vai trò của vốn trí tuệ trong việc quản trị rủi ro ngành ngân hàng vẫn còn hạn chế. Mặc dù đã có một số nghiên cứu về mối quan hệ giữa vốn trí tuệ và hiệu quả tài chính, hầu hết các nghiên cứu này mới dừng lại ở phân tích tác động của vốn trí tuệ tới hiệu quả hoạt động, mà chưa làm rõ vai trò cụ thể của từng thành phần vốn trí tuệ tới quản lý rủi ro.

Xuất phát từ những khoảng trống trong nghiên cứu trước đây, nhóm tác giả tiến hành phân tích chuyên sâu để làm rõ hiện trạng hệ số trí tuệ gia tăng và mức độ rủi ro của 27 ngân hàng thương mại niêm yết trên sàn chứng khoán Việt Nam trong giai đoạn 2014–2023.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Một số khái niệm

Theo quan điểm truyền thống, vốn trí tuệ được định nghĩa bởi Stewart (1997) là “kiến thức hữu ích được đóng gói”, bao gồm kiến thức, công nghệ, kỹ năng, sở hữu trí tuệ và lòng trung thành của khách hàng, góp phần tạo ra giá trị cho sản phẩm và dịch vụ. Pulic và Kolakovic (2003) nhấn mạnh khả năng tạo giá trị của vốn trí tuệ, định nghĩa nó là tập hợp các kỹ năng và giải pháp sáng tạo, giúp doanh nghiệp tăng năng suất, biến đổi giá trị thị trường và duy trì lợi thế cạnh tranh.

Trong hai thập kỷ qua, nhiều học giả đã đạt được sự đồng thuận rằng, vốn con người, vốn cấu trúc và vốn quan hệ là các thành phần chính của vốn trí tuệ. Vốn con người là yếu tố trung tâm trong bất kỳ mô hình vốn trí tuệ nào. Theo Antosova (2011), vốn con người được tạo ra bởi nhân viên thông qua kiến thức, kỹ năng, tài năng và năng lực vốn có hoặc tích lũy được. Vốn cấu trúc thể hiện kiến ​​thức thể chế do tổ chức tạo ra và sở hữu và được lưu trữ trong cơ sở dữ liệu, sổ tay... Trong loại vốn này có quy trình làm việc, chuẩn mực tổ chức, quy trình công nghệ, bí quyết, thương hiệu... (Antosova, 2011). Vốn quan hệ là khái niệm gắn liền các mối quan hệ với các cổ đông, các bên liên quan, nhà cung cấp và hiệp hội ngành có ảnh hưởng trực tiếp và gián tiếp đến công ty để tạo ra giá trị trên thị trường (Oppong và Pattanayak, 2019).

Trong ngành ngân hàng, rủi ro đề cập đến mối đe dọa rằng ngân hàng có thể mất một phần tài sản, thu nhập, hoặc phải chịu chi phí cao hơn trong quá trình thực hiện các hoạt động tài chính (Jasienė và cộng sự, 2012). Ngân hàng phải đối mặt với nhiều loại rủi ro bao gồm rủi ro tín dụng, rủi ro hệ thống, rủi ro thanh khoản, rủi ro thị trường. Trong đó, các loại rủi ro khác nhau có mối liên hệ với nhau và những sự kiện từ một loại rủi ro có thể gây ra những tác động lan tỏa đến nhiều loại rủi ro khác (Alexander, 2005).

Tổng quan nghiên cứu

Trên thế giới và Việt Nam đã có khá nhiều nghiên cứu về vốn trí tuệ trong quản trị rủi ro của ngân hàng. Cụ thể, Abdulmuttalip Pilatin và cộng sự (2023) nhận định rằng, vốn trí tuệ ảnh hưởng đáng kể đến lợi nhuận, rủi ro tín dụng và lợi thế cạnh tranh, trong đó hiệu quả vốn sử dụng có tác động mạnh hơn so với vốn con người và vốn cấu trúc. Ngược lại, Dalwai và cộng sự (2022) cho thấy, hiệu quả vốn trí tuệ không liên quan đến sự ổn định và khả năng chấp nhận rủi ro của các ngân hàng ở thị trường mới nổi tại châu Á. Phan Anh (2023) chỉ rõ, việc tăng cường các thành phần như vốn con người, vốn cấu trúc và vốn quan hệ đã góp phần cải thiện lợi nhuận và tính ổn định tài chính của ngân hàng. Trong khi đó, Lê Hồng Nga (2022) lại nhấn mạnh rằng, quản lý vốn trí tuệ hiệu quả thông qua đào tạo nhân viên và phát triển công nghệ thông tin đã giúp giảm thiểu rủi ro tín dụng, hạn chế tỷ lệ nợ xấu và nâng cao tính ổn định tài chính trong hệ thống ngân hàng.

Nhìn chung, các nghiên cứu đều khẳng định vai trò quan trọng của vốn trí tuệ đối với quản trị rủi ro của ngân hàng. Các nghiên cứu chủ yếu sử dụng dữ liệu thực nghiệm và mô hình kinh tế lượng để phân tích mối quan hệ giữa vốn trí tuệ và quản trị rủi ro trong ngân hàng. Một số công trình tập trung vào khảo sát dữ liệu tài chính, trong khi các nghiên cứu khác phân tích chỉ số hiệu quả và các thành phần vốn trí tuệ riêng biệt. Tuy nhiên, việc đo lường các thành phần vốn trí tuệ và mối quan hệ giữa vốn trí tuệ và quản trị rủi ro vẫn gặp khó khăn do hạn chế về dữ liệu và sự đa dạng của các ngành nghề.

Dữ liệu nghiên cứu

Bộ dữ liệu sử dụng trong nghiên cứu này là dữ liệu thứ cấp được thu thập từ báo cáo tài chính và báo cáo thường niên của các ngân hàng thương mại Việt Nam niêm yết trên sàn chứng khoán, giai đoạn 2014-2023. Dữ liệu vĩ mô, bao gồm GDP và Covid-19, được thu thập từ Tổng cục Thống kê. Sau quá trình sàng lọc, mẫu nghiên cứu cuối cùng bao gồm 405 quan sát của 27 ngân hàng, trong đó có 17 mã cổ phiếu niêm yết trên HOSE, 2 mã cổ phiếu niêm yết trên HNX và 7 mã cổ phiếu giao dịch trên UPCoM.

Bảng 1: Danh sách 27 ngân hàng thương mại

Nguồn: Nhóm tác giả tổng hợp

Phương pháp nghiên cứu

Nhóm tác giả sử dụng phương pháp hệ số trí tuệ gia tăng giá trị (VAIC ™) được phát triển bởi Alen Pulic (1998) để đo lường vốn trí tuệ của ngân hàng. Mô hình này bắt đầu bằng khả năng tạo giá trị gia tăng sản xuất (VA) của công ty, được thể hiện qua phương trình sau:

VA = OUT - IN

Trong đó: Outputs (OUT) đại diện cho doanh thu; Inputs (IN) bao gồm tất cả các chi phí phát sinh để tạo ra doanh thu.

Sau khi tính VA, các phép tính của VAIC sẽ dựa trên: Vốn con người (HC), về cơ bản được hiểu là chi phí của nhân viên; Vốn cấu trúc (SC), được hiểu là sự khác biệt giữa giá trị gia tăng sản xuất (VA) và vốn con người (HC), tức là SC = VA – HC; Vốn sử dụng (CE), được hiểu là vốn tài chính.

Hiệu quả sử dụng vốn: CEE = VA/CE

Hiệu quả vốn con người: HCE = VA/HC

Hiệu quả vốn cơ cấu: SCE = SC/VA

Từ đó, công thức cuối cùng của VAIC là:

VAIC = CEE + HCE + SCE

Để đo lường rủi ro của ngân hàng, nhóm tác giả sử dụng tỷ lệ nợ xấu (NPL) và hệ số nguy cơ phá sản Z-Score. NPL được xác định bằng cách chia nợ quá hạn cho tổng dư nợ (Goetz, 2018; Albaity và các cộng sự, 2019; Cahyaningrum và các cộng sự, 2021).

Theo Beck và cộng sự (2013), Bermpei và cộng sự (2018), Albaity và cộng sự, (2019), chỉ số Z-score được tính bằng công thức:

Trong đó: ROA là tỷ số lợi nhuận ròng trên tài sản, được tính bằng cách lấy lợi nhuận sau thuế chia cho tổng tài sản của ngân hàng; Equity/Asset là tỷ lệ vốn chủ sở hữu trên tổng tài sản của ngân hàng; σROA là độ lệch chuẩn của chỉ tiêu ROA. Nghiên cứu sử dụng cách viết số thập phân theo chuẩn quốc tế.

KẾT QUẢ NGHIÊN CỨU

Thực trạng vốn trí tuệ tại các ngân hàng thương mại Việt Nam

Hình 1 cho thấy một xu hướng tăng trưởng tổng thể kèm theo những biến động đáng chú ý. Giai đoạn 2014–2016, điểm VAIC giảm từ 7.93 xuống 6.61, phản ánh những thách thức hoạt động và sự kém hiệu quả ban đầu trong việc áp dụng các chiến lược sử dụng vốn trí tuệ. Từ năm 2017, ngành ngân hàng bắt đầu phục hồi mạnh mẽ nhờ vào chuyển đổi số và tái cấu trúc, với VAIC đạt 7.92 (năm 2018). Giai đoạn 2019–2021, mặc dù đối mặt với những gián đoạn từ đại dịch Covid-19, điểm VAIC duy trì sự ổn định quanh mức 7.1–7.3. Đến năm 2023, VAIC tăng mạnh lên 9.26 – mức cao nhất trong giai đoạn – phản ánh sự phục hồi hậu đại dịch, cùng với sự gia tăng ứng dụng số hóa và các cải tiến trong hoạt động kinh doanh.

Hình 1: VAIC trung bình của ngân hàng thương mại Việt Nam năm 2014-2023

Nguồn: Tổng hợp của nhóm tác giả

Hình 2: VAIC trung bình của 27 ngân hàng thương mại Việt Nam

Nguồn: Kết quả nghiên cứu

Theo Hình 2, điểm VAIC trung bình dao động từ 4.64 (MSB) đến 15.37 (TPB), thể hiện mức độ chênh lệch trong cách các ngân hàng tận dụng nguồn lực trí tuệ. Các ngân hàng dẫn đầu như TPB (15.37), BAB (14.5) và VAB (15.17), nổi bật với chiến lược đầu tư mạnh vào công nghệ, trọng tâm vào khách hàng và đào tạo nhân lực. Ngược lại, các ngân hàng có hiệu suất thấp như MSB (4.64) và LPB (5.66) tiếp tục gặp khó khăn trong việc tối ưu hóa vốn trí tuệ, chủ yếu do hạn chế trong chuyển đổi số và năng lực quản trị. Những ngân hàng có điểm số tầm trung như BID (7.95) và CTG (7.67) cho thấy sự cân bằng giữa quy mô hoạt động lớn và các nỗ lực hiện đại hóa, nhưng chưa đạt mức hiệu quả vượt trội.

Theo Bảng 1, chỉ số VAIC trung bình của các ngân hàng trong mẫu nghiên cứu đạt 7.64, phản ánh mức độ hiệu quả tương đối trong việc quản lý vốn trí tuệ. Thành phần đóng góp chủ yếu là HCA với giá trị trung bình 6.77, cho thấy vai trò quan trọng của nguồn nhân lực trong việc tạo ra giá trị gia tăng. SCA đạt trung bình 0.82, cho thấy mặc dù vốn cấu trúc có đóng góp nhất định, nhưng vẫn phụ thuộc chủ yếu vào hiệu suất của vốn con người. Trong khi đó, CCE có giá trị trung bình thấp nhất (0.0508).

Bảng 1: VAIC, HCA, SCA, CCE trung bình của 27 ngân hàng thương mại Việt Nam

Nguồn: Kết quả nghiên cứu

Loại hình ngân hàng và chiến lược tập trung đóng vai trò quan trọng trong hiệu suất VAIC. Theo nghiên cứu của Lê Hồng Nga (2021), việc ứng dụng công nghệ thông tin không chỉ giúp giảm chi phí nhân sự trong các hoạt động truyền thống, mà còn khai thác tối đa vốn nhân lực. Đồng quan điểm, Phan Anh (2023) khẳng định rằng, đầu tư vào nền tảng số hóa làm gia tăng hiệu quả vốn cấu trúc. Các ngân hàng như TPB và VAB đạt điểm VAIC cao nhờ tập trung vào ngân hàng số, dịch vụ khách hàng và đào tạo nhân lực. Trong khi đó, các ngân hàng lớn và lâu đời hơn như BID và CTG gặp khó khăn trong hiện đại hóa hệ thống cũ và quản lý các hoạt động phức tạp, dẫn đến điểm số trung bình. Thành công của các ngân hàng dẫn đầu nhấn mạnh tầm quan trọng của đổi mới, chuyển đổi số và chiến lược lấy khách hàng làm trung tâm, phù hợp với nhận định của Galazova và Magomaeva (2019) rằng, chuyển đổi số là chiến lược ưu tiên cho bất kỳ ngân hàng nào trên thế giới.

Thực trạng rủi ro tại các NHTM Việt Nam

Từ năm 2014 đến 2019, tỷ lệ NPL giảm từ 2.26% xuống còn 1.6%, phản ánh những nỗ lực hiệu quả trong quản lý rủi ro tín dụng, xử lý nợ xấu và nâng cao chất lượng khoản vay (Hình 3). Tuy nhiên, năm 2020, tỷ lệ NPL tăng vọt lên 2.89% – mức cao nhất trong cả giai đoạn – do các tác động nghiêm trọng của đại dịch Covid-19, làm suy giảm khả năng trả nợ của khách hàng. Sau đại dịch, tỷ lệ NPL giảm xuống 1.97% (năm 2022), nhưng tăng nhẹ lên 2.14% (năm 2023). Sự thay đổi này cho thấy chất lượng tín dụng đang dần phục hồi, nhưng vẫn chịu ảnh hưởng kéo dài từ đại dịch, đặc biệt trong một số phân khúc khách hàng.

Hình 3: NPL trung bình của ngân hàng thương mại Việt Nam năm 2014-2023 (không bao gồm VIB)

Nguồn: Kết quả nghiên cứu

Hình 4 cho biết, những ngân hàng có tỷ lệ NPL cao nhất như BAB (6%) và STB (4%) thể hiện khó khăn trong quản lý rủi ro tín dụng. Ngược lại, các ngân hàng như ACB, TPB và VCB ghi nhận tỷ lệ NPL thấp nhất, chỉ khoảng 1%, phản ánh chiến lược quản lý rủi ro hiệu quả và cách tiếp cận cho vay thận trọng. Các ngân hàng có hiệu suất trung bình như BID và CTG duy trì tỷ lệ NPL quanh mức 2%, thể hiện một cách tiếp cận cân bằng giữa tăng trưởng tín dụng và quản lý rủi ro.

Hình 4: NPL trung bình của 26 ngân hàng thương mại Việt Nam

Nguồn: Kết quả nghiên cứu

Từ năm 2014 đến 2023, Z-Score trung bình của ngành ngân hàng cho thấy xu hướng giảm (Hình 5). Tuy nhiên, giai đoạn 2017–2021 ghi nhận Z-Score duy trì quanh mức 30, cho thấy khả năng thích ứng của ngành trước những biến động kinh tế lớn, đặc biệt là đại dịch Covid-19. Dẫu vậy, Z-Score trung bình năm 2023 vẫn thấp hơn so với năm 2014, phản ánh những khó khăn vẫn tiếp diễn trong ngành ngân hàng sau những biến động lớn của nền kinh tế.

Hình 5: Z-Score trung bình của ngân hàng thương mại Việt Nam năm 2014-2023

Nguồn: Kết quả nghiên cứu

Hình 6: Z-Score trung bình của 27 ngân hàng thương mại Việt Nam

Nguồn: Kết quả nghiên cứu

Các giá trị Z-Score trải dài từ dưới 10 đến trên 100, cho thấy sự phân hóa lớn trong nội bộ ngành (Hình 6). Đáng chú ý, ngân hàng BAB nổi bật với Z-Score vượt mức 100, vượt trội so với các đối thủ cùng ngành, thể hiện khả năng ổn định tài chính và chống chịu tốt trước rủi ro mất khả năng thanh toán. Trái lại, phần lớn các ngân hàng khác dao động trong khoảng 10-40, phản ánh mức độ ổn định tài chính trung bình. Một số ngân hàng có hiệu suất thấp, chẳng hạn như OCB, TCB và ACB, ghi nhận Z-Score gần mức 10, báo hiệu mức độ rủi ro mất khả năng thanh toán cao hơn.

KẾT LUẬN

Nghiên cứu đã cung cấp một bức tranh tổng quan về thực trạng vốn trí tuệ và mức độ rủi ro của các ngân hàng thương mại tại Việt Nam trong giai đoạn 2014–2023. Kết quả cho thấy sự phát triển của vốn trí tuệ trong hệ thống ngân hàng, tuy nhiên, vẫn còn tồn tại những hạn chế cần được khắc phục để tăng cường hiệu quả quản trị và phát triển bền vững.

Các ngân hàng thương mại tại Việt Nam đã đạt được nhiều thành tựu trong việc nâng cao hiệu quả sử dụng vốn trí tuệ. VAIC trung bình của toàn ngành cho thấy xu hướng gia tăng tích cực trong thập kỷ qua, đặc biệt trong giai đoạn phục hồi sau đại dịch Covid-19. Tuy nhiên, sự chênh lệch đáng kể giữa các ngân hàng về điểm số VAIC nhấn mạnh sự khác biệt trong cách tận dụng nguồn lực trí tuệ. Trong đó, các ngân hàng với chỉ số VAIC vượt trội có xu hướng ứng dụng công nghệ trong việc khai thác vốn nhân lực. Do đó, có thể thấy vốn trí tuệ là một trong những nguồn động lực thúc đẩy các ngân hàng đầu tư vào công nghệ và chuyển đổi số.

Về quản trị rủi ro, NPL và hệ số Z-Score đã được sử dụng để đánh giá mức độ rủi ro tài chính của các ngân hàng. Tỷ lệ nợ xấu có xu hướng giảm trong giai đoạn 2014–2019, phản ánh những nỗ lực của các ngân hàng trong quản trị tín dụng và xử lý nợ xấu. Tuy nhiên, tỷ lệ này tăng mạnh trong giai đoạn 2020–2021 do tác động của đại dịch, sau đó dần phục hồi nhưng vẫn chưa đạt mức tối ưu. Chỉ số Z-Score trung bình của toàn ngành cho thấy sự ổn định tài chính ở mức tương đối.

Nhìn chung, hệ thống ngân hàng Việt Nam đã đạt được những bước tiến tích cực trong việc quản lý và phát triển vốn trí tuệ cũng như kiểm soát rủi ro. Tuy nhiên, sự không đồng đều giữa các ngân hàng về hiệu quả sử dụng vốn trí tuệ và mức độ rủi ro tài chính đòi hỏi các chính sách cải thiện mạnh mẽ hơn để bắt kịp xu hướng và phát triển trong thời gian tới./.

TÀI LIỆU THAM KHẢO

1. Abdulmuttalip Pilatin, Hasan Ayaydın, Barut, A. (2023), Does Intellectual Capital Affect Financial Performance and Non-Performing Loans? Evidence From the Banking Sector in Turkey, BDDK Bankacılık ve Finansal Piyasalar Dergisi, 17(1), 39–64.

2. Abdulmuttalip Pilatin, Hasan Ayaydın, Barut, A. (2023), Does Intellectual Capital Affect Financial Performance and Non-Performing Loans? Evidence From the Banking Sector in Turkey, BDDK Bankacılık ve Finansal Piyasalar Dergisi, 17(1), 39–64.

3. Albaity, M., Mallek, R. S., Noman, A. H. Md. (2019), Competition and bank stability in the MENA region: The moderating effect of Islamic versus conventional banks, Emerging Markets Review, 38, 310–325.

4. Alexander, C. (2005), The Present and Future of Financial Risk Management, Journal of Financial Econometrics, 3(1), 3–25.

5. Antosova, M., Csikosov, A. (2011), Intellectual capital in context of knowledge management, The Economic Geography of Globalization.

6. Beck, T., De Jonghe, O., Schepens, G. (2013), Bank competition and stability: Cross-country heterogeneity, Journal of Financial Intermediation, 22(2), 218–244.

7. Bermpei, T., Kalyvas, A., Nguyen, T. C. (2018), Does institutional quality condition the effect of bank regulations and supervision on bank stability? Evidence from emerging and developing economies, International Review of Financial Analysis, 59(C), 255–275.

8. Cahyaningrum, A. D., Atahau, A. D. R. (2021), Intellectual capital and financial performance: Banks’ risk as the mediating variable, Jurnal Manajemen Dan Kewirausahaan, 22(1), 21–32.

9. Dalwai, T., Singh, D., S., A. (2021), Intellectual capital, bank stability and risk-taking: evidence from Asian emerging markets, Competitiveness Review: An International Business Journal, 32(6).

10. Galazova, S. S., Magomaeva, L. R. (2019), The Transformation of Traditional Banking Activity in Digital, International Journal of Economics & Business Administration, VII(Special 2), 41–51.

11. Goetz, M. R. (2018), Competition and bank stability, Journal of Financial Intermediation, 35, 57–69.

12. Hồng Nga, L., Thành Đạt, N. (2021), Tác động của vốn trí tuệ đến hiệu quả hoạt động của các ngân hàng thương mại tại Việt Nam, Tạp chí Nghiên cứu Tài chính - Marketing, 61(1), 48–63.

13. Jasienė, M., Martinavičius, J., Jasevičienė, F., Krivkienė, G. (2012), Bank liquidity risk: Analysis and estimates, Business, Management and Education, 10(2), 186–204.

14. Oppong, G. K., Pattanayak, J. K. (2019), Does investing in intellectual capital improve productivity? Panel evidence from commercial banks in India, Borsa Istanbul Review, 19, 219–227.

15. Ozkan, N., Cakan, S., Kayacan, M. (2017), Intellectual capital and financial performance: A study of the Turkish Banking Sector, Borsa Istanbul Review, 17(3), 190–198.

16. Phan Anh, Nhật Minh Nguyễn (2023), Impact of intellectual capital on financial performance of Vietnamese commercial banks, Tạp chí Khoa học và Đào tạo ngân hàng, 252, 1–14.

17. Pulić, A. (1998), Measuring the performance of intellectual potential in the knowledge economy, 19th Annual National Business Conference, Disk.

18. Pulic, A. (2000), VAICTM an accounting tool for IC management, International Journal of Technology Management, 20(5/6/7/8), 702.

19. Pulic, A., Kolakovic, M. (2003), Value creation efficiency in the new economy, Global Business and Economics Review, 5, 111.

20. Stewart, T. A. (1997), Intellectual capital: the new wealth of organizations, Nicholas Brealey.