Tác động của chuyển đổi số đến hiệu quả quản trị rủi ro thanh khoản tại các ngân hàng thương mại cổ phần niêm yết ở Việt Nam
ThS. Đặng Mai Linh
Đại học Phenikaa
Email: linh.dangmai@phenikaa-uni.edu.vn
Tóm tắt
Nghiên cứu phân tích tác động của chuyển đổi số đến hiệu quả quản trị rủi ro thanh khoản tại các ngân hàng thương mại cổ phần niêm yết ở Việt Nam. Hiệu quả quản trị rủi ro thanh khoản được đại diện bằng tỷ lệ dư nợ cho vay trên tiền gửi (LDR), trong khi chuyển đổi số được đo lường thông qua biến DT. Mô hình nghiên cứu sử dụng các biến kiểm soát gồm quy mô ngân hàng, tỷ lệ an toàn vốn, lạm phát, tăng trưởng kinh tế, khả năng sinh lời, tỷ lệ nợ xấu và tỷ lệ chi phí trên thu nhập. Dữ liệu nghiên cứu gồm 250 quan sát ngân hàng-năm, sau khi loại bỏ các trường hợp thiếu dữ liệu còn 233 quan sát được đưa vào phân tích. Nghiên cứu sử dụng phần mềm Stata để ước lượng mô hình hồi quy và kiểm định các giả thuyết nghiên cứu. Kết quả cho thấy chuyển đổi số có tác động đáng kể đến hiệu quả quản trị rủi ro thanh khoản, đồng thời một số biến kiểm soát cũng ảnh hưởng có ý nghĩa thống kê đến LDR. Kết quả nghiên cứu cung cấp bằng chứng thực nghiệm phục vụ hoạch định chính sách và nâng cao hiệu quả quản trị rủi ro thanh khoản tại các ngân hàng Việt Nam.
Từ khóa: Chuyển đổi số, quản trị rủi ro thanh khoản, ngân hàng thương mại.
Abstract
This study examines the impact of digital transformation on the effectiveness of liquidity risk management in listed joint-stock commercial banks in Vietnam. Liquidity risk management effectiveness is measured by the Loan-to-Deposit Ratio (LDR), while digital transformation is represented by the DT variable. The research model incorporates several control variables, including bank size, capital adequacy ratio, inflation, economic growth, profitability, non-performing loans, and the cost-to-income ratio. The dataset consists of 250 bank-year observations; after excluding observations with missing values, 233 observations were retained for empirical analysis. Stata software was employed to estimate the regression models and test the proposed research hypotheses. The empirical findings indicate that digital transformation has a statistically significant impact on the effectiveness of liquidity risk management. In addition, several control variables also exhibit significant effects on the LDR, highlighting the importance of financial capacity, operational efficiency, and macroeconomic conditions in managing liquidity risk. The findings provide empirical evidence for policymakers and bank managers in formulating strategies to accelerate digital transformation while enhancing liquidity risk management effectiveness within Vietnam’s banking sector.
Keywords: Digital transformation, liquidity risk management, commercial banks, Vietnam.
GIỚI THIỆU
Chuyển đổi số đang làm thay đổi mạnh mẽ hoạt động ngân hàng thông qua mobile banking, internet banking, eKYC, dữ liệu lớn, trí tuệ nhân tạo, điện toán đám mây và hợp tác fintech. Tại Việt Nam, Quyết định 810/QĐ-NHNN năm 2021 đã xác định chuyển đổi số là định hướng quan trọng của ngành ngân hàng đến năm 2025, định hướng đến năm 2030. Chuyển đổi số giúp ngân hàng nâng cao hiệu quả vận hành, mở rộng khách hàng và cải thiện khả năng xử lý dữ liệu. Tuy nhiên, hoạt động số hóa cũng đặt ra yêu cầu mới đối với quản trị rủi ro thanh khoản. Trong bối cảnh giao dịch ngân hàng diễn ra nhanh hơn trên nền tảng số, ngân hàng cần quản lý tốt dòng tiền, tiền gửi và khả năng đáp ứng nghĩa vụ thanh toán.
Rủi ro thanh khoản thường được phản ánh thông qua tỷ lệ dư nợ cho vay trên tiền gửi khách hàng, gọi tắt là LDR. LDR càng cao, áp lực thanh khoản càng lớn. Nếu chuyển đổi số giúp ngân hàng mở rộng huy động, dự báo dòng tiền tốt hơn và quản trị tài sản nợ - tài sản có hiệu quả hơn, LDR có thể giảm.
Hiện nay, các nghiên cứu về chuyển đổi số ngân hàng tại Việt Nam chủ yếu tập trung vào hiệu quả hoạt động và khả năng sinh lời, trong khi tác động đến rủi ro thanh khoản chưa được phân tích nhiều. Vì vậy, đề tài “Tác động của chuyển đổi số đến hiệu quả quản trị rủi ro thanh khoản tại các NHTM cổ phần niêm yết ở Việt Nam” có ý nghĩa thực tiễn và học thuật.
CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU
Chuyển đổi số trong ngân hàng
Chuyển đổi số trong ngân hàng là quá trình ứng dụng công nghệ số vào sản phẩm, dịch vụ, quy trình vận hành, quản trị dữ liệu và mô hình kinh doanh. Chuyển đổi số không chỉ là cung cấp dịch vụ trực tuyến mà còn bao gồm tự động hóa quy trình, phân tích dữ liệu khách hàng và tích hợp công nghệ vào quản trị rủi ro.
Trong ngân hàng, chuyển đổi số được thể hiện qua mobile banking, internet banking, ngân hàng số, eKYC, thanh toán số, AI, big data, API mở, điện toán đám mây, nâng cấp core banking và hợp tác fintech. Trong nghiên cứu này, chuyển đổi số được đo bằng chỉ số DT dựa trên thông tin công bố của ngân hàng.
Rủi ro thanh khoản
Rủi ro thanh khoản là rủi ro ngân hàng không thể đáp ứng nghĩa vụ thanh toán đến hạn hoặc phải huy động vốn với chi phí cao. Đây là rủi ro quan trọng vì ngân hàng thường huy động vốn ngắn hạn nhưng cho vay trung và dài hạn.
Trong nghiên cứu này, rủi ro thanh khoản được đo bằng LDR, được tính bằng dư nợ cho vay khách hàng chia cho tiền gửi khách hàng. LDR càng cao cho thấy ngân hàng sử dụng tỷ trọng lớn tiền gửi cho hoạt động cho vay, từ đó áp lực thanh khoản càng lớn.
Tác động của chuyển đổi số đến rủi ro thanh khoản
Chuyển đổi số có thể làm giảm rủi ro thanh khoản thông qua 4 kênh chính.
Thứ nhất, công nghệ số giúp ngân hàng thu thập và xử lý dữ liệu nhanh hơn, từ đó dự báo dòng tiền tốt hơn.
Thứ hai, ngân hàng số và eKYC giúp mở rộng khách hàng, tăng khả năng huy động tiền gửi và đa dạng hóa nguồn vốn.
Thứ ba, AI, big data và hệ thống cảnh báo sớm giúp ngân hàng phát hiện biến động bất thường trong dòng tiền.
Thứ tư, tự động hóa và quản trị dữ liệu giúp ngân hàng kiểm soát tốt hơn quan hệ giữa tăng trưởng tín dụng và tăng trưởng huy động, từ đó làm giảm LDR.
Tuy nhiên, chuyển đổi số cũng có thể tạo ra rủi ro mới như rủi ro an ninh mạng, gián đoạn hệ thống và tốc độ dịch chuyển tiền nhanh hơn. Vì vậy, tác động của chuyển đổi số đến LDR cần được kiểm định bằng dữ liệu thực nghiệm.
Giả thuyết nghiên cứu
Từ cơ sở lý thuyết và tổng quan nghiên cứu, đề tài đề xuất các giả thuyết:
H1: Chuyển đổi số có tác động đến rủi ro thanh khoản của các NHTM cổ phần niêm yết ở Việt Nam.
H2: Chuyển đổi số làm giảm rủi ro thanh khoản, thể hiện qua hệ số DT âm đối với LDR.
H3: Các yếu tố nội tại và vĩ mô có ảnh hưởng đến LDR của các NHTM cổ phần niêm yết ở Việt Nam.
Phương pháp nghiên cứu
Quy trình nghiên cứu
Nghiên cứu được thực hiện theo các bước sau: xác định vấn đề nghiên cứu; tổng quan cơ sở lý thuyết và các nghiên cứu liên quan; xây dựng mô hình và giả thuyết nghiên cứu; thu thập dữ liệu; xử lý dữ liệu; ước lượng mô hình; kiểm định kết quả và đề xuất hàm ý quản trị.
Dữ liệu và mẫu nghiên cứu
Nghiên cứu sử dụng dữ liệu bảng của các NHTM cổ phần niêm yết hoặc đăng ký giao dịch trên HOSE, HNX và UPCoM trong giai đoạn 2015-2024.
Dữ liệu tài chính gồm LDR, SIZE, CAP, ROA, NPL và CIR được thu thập từ báo cáo tài chính kiểm toán, báo cáo thường niên và báo cáo quản trị của các ngân hàng. Dữ liệu chuyển đổi số được thu thập từ báo cáo thường niên và các công bố chính thức của ngân hàng. Dữ liệu vĩ mô gồm GDP và INF được thu thập từ Tổng cục Thống kê, Ngân hàng Nhà nước Việt Nam hoặc World Bank.
Mẫu nghiên cứu cuối cùng phụ thuộc vào mức độ đầy đủ của dữ liệu. Sau khi xử lý dữ liệu thiếu, số quan sát dùng trong mô hình hồi quy là 233 quan sát ngân hàng-năm.
Mô hình nghiên cứu
Để kiểm định tác động của chuyển đổi số đến rủi ro thanh khoản, nghiên cứu sử dụng mô hình hồi quy dữ liệu bảng như sau:
LDRᵢₜ = β₀ + β₁DTᵢₜ + β₂SIZEᵢₜ + β₃CAPᵢₜ + β₄ROAᵢₜ + β₅NPLᵢₜ + β₆CIRᵢₜ + β₇GDPₜ + β₈INFₜ + εᵢₜ
Trong đó, i đại diện cho ngân hàng, t đại diện cho năm. LDR là biến phụ thuộc, phản ánh rủi ro thanh khoản. DT là biến độc lập chính, phản ánh mức độ chuyển đổi số của ngân hàng. Các biến SIZE, CAP, ROA, NPL, CIR, GDP và INF là các biến kiểm soát.
Biến DT được xây dựng dựa trên thông tin công bố trong báo cáo thường niên và các tài liệu chính thức của ngân hàng. Chỉ số này phản ánh mức độ ngân hàng triển khai các hoạt động chuyển đổi số.
Các tiêu chí đo lường DT gồm: ngân hàng số/mobile banking, internet banking, eKYC, ứng dụng AI hoặc big data, hợp tác fintech, nâng cấp core banking, API hoặc cloud, công bố giao dịch số và chiến lược chuyển đổi số.
Mỗi tiêu chí được chấm điểm theo mức độ công bố và triển khai. Sau đó, điểm chuyển đổi số được chuẩn hóa để tạo thành chỉ số DT. Giá trị DT càng cao cho thấy mức độ chuyển đổi số của ngân hàng càng lớn.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Kết quả nghiên cứu thực nghiệm về tác động của chuyển đổi số đến rủi ro thanh khoản tại các NHTM cổ phần niêm yết ở Việt Nam. Biến phụ thuộc là LDR, đại diện cho rủi ro thanh khoản. Biến độc lập chính là DT, phản ánh mức độ chuyển đổi số của ngân hàng. Các biến kiểm soát gồm SIZE, CAP, INF, GDP, ROA, NPL và CIR.
Dữ liệu nghiên cứu gồm 250 quan sát ngân hàng-năm. Tuy nhiên, do một số biến có dữ liệu bị thiếu, số quan sát được sử dụng trong mô hình hồi quy là 233. Kết quả được xử lý bằng phần mềm Stata.
Thống kê mô tả
Bảng 1: Thống kê mô tả các biến
|
Biến |
Số quan sát |
Trung bình |
Độ lệch chuẩn |
Nhỏ nhất |
Lớn nhất |
|
LDR |
250 |
1,0232 |
0,7892 |
0,4486 |
9,5636 |
|
SIZE |
250 |
33,1250 |
1,0908 |
30,8371 |
35,5543 |
|
CAP |
250 |
0,0874 |
0,0547 |
0,0293 |
0,4490 |
|
INF |
250 |
0,0317 |
0,0156 |
0,0063 |
0,0709 |
|
GDP |
250 |
0,0576 |
0,0195 |
0,0256 |
0,0802 |
|
ROA |
249 |
0,0138 |
0,0489 |
0,0000 |
0,7538 |
|
DT |
250 |
0,4473 |
0,2545 |
0,0009 |
0,8769 |
|
NPL |
234 |
2,4103 |
3,0002 |
0,4700 |
29,7600 |
|
CIR |
248 |
77,4330 |
20,3240 |
23,0300 |
230,3600 |
Kết quả thống kê mô tả (Bảng 1) cho thấy, LDR có giá trị trung bình là 1,0232, tương đương khoảng 102,32%. Điều này cho thấy tỷ lệ dư nợ cho vay trên tiền gửi của các ngân hàng trong mẫu ở mức tương đối cao. Giá trị lớn nhất của LDR là 9,5636, cho thấy có thể tồn tại một số quan sát ngoại lai hoặc sự khác biệt lớn về cấu trúc huy động - cho vay giữa các ngân hàng.
Biến DT có giá trị trung bình là 0,4473, giá trị nhỏ nhất là 0,0009 và giá trị lớn nhất là 0,8769. Điều này phản ánh mức độ chuyển đổi số giữa các ngân hàng trong mẫu có sự khác biệt đáng kể. Một số biến như ROA, NPL và CIR cũng có giá trị lớn nhất khá cao, vì vậy cần thận trọng khi diễn giải kết quả nghiên cứu.
Ma trận tương quan
Bảng 2: Ma trận tương quan Pearson
|
Biến |
LDR |
SIZE |
CAP |
INF |
GDP |
ROA |
DT |
NPL |
CIR |
|
LDR |
1,0000 |
||||||||
|
SIZE |
0,0336 |
1,0000 |
|||||||
|
CAP |
-0,0140 |
-0,2255*** |
1,0000 |
||||||
|
INF |
0,0737 |
0,2399*** |
-0,0214 |
1,0000 |
|||||
|
GDP |
-0,0751 |
-0,1835*** |
-0,0224 |
-0,2455*** |
1,0000 |
||||
|
ROA |
0,0166 |
0,1476** |
0,0563 |
0,0229 |
0,0184 |
1,0000 |
|||
|
DT |
-0,1758*** |
-0,3661*** |
-0,1336** |
-0,6307*** |
0,4800*** |
-0,0686 |
1,0000 |
||
|
NPL |
-0,0268 |
-0,1620** |
-0,0168 |
0,1344** |
-0,0333 |
-0,0304 |
-0,1295** |
1,0000 |
|
|
CIR |
-0,0971 |
-0,3623*** |
-0,0754 |
-0,4674*** |
0,2519*** |
-0,0392 |
0,3729*** |
0,2668*** |
1,0000 |
Nguồn: Kết quả xử lý dữ liệu bằng Stata.
Kết quả tương quan (Bảng 2) cho thấy, DT có tương quan âm với LDR, hệ số tương quan là -0,1758 và có ý nghĩa thống kê ở mức 1%. Điều này gợi ý ban đầu rằng mức độ chuyển đổi số cao hơn có thể đi kèm với tỷ lệ LDR thấp hơn. Vì LDR cao thường phản ánh áp lực thanh khoản cao, mối tương quan âm này phù hợp với kỳ vọng rằng chuyển đổi số có thể góp phần làm giảm rủi ro thanh khoản.
Tuy nhiên, phân tích tương quan chỉ phản ánh mối quan hệ tuyến tính sơ bộ giữa các biến, chưa kiểm soát ảnh hưởng của các yếu tố khác. Vì vậy, nghiên cứu tiếp tục thực hiện kiểm định mô hình và hồi quy dữ liệu bảng.
Kiểm định mô hình và kết quả hồi quy
Trước khi hồi quy, nghiên cứu kiểm định đa cộng tuyến bằng hệ số VIF. Kết quả cho thấy VIF trung bình là 1,57; biến có VIF cao nhất là DT với giá trị 2,42. Vì các giá trị VIF đều nhỏ hơn 10, mô hình không gặp hiện tượng đa cộng tuyến nghiêm trọng.
Nghiên cứu tiếp tục ước lượng các mô hình OLS, FEM và REM. Kết quả F-test cho thấy FEM phù hợp hơn OLS. Kiểm định Breusch-Pagan LM cho thấy REM phù hợp hơn OLS. Kiểm định Hausman có p-value = 0,6041, lớn hơn mức ý nghĩa 5%, do đó REM được lựa chọn là mô hình phù hợp hơn FEM. Tuy nhiên, các kiểm định cũng cho thấy mô hình tồn tại phương sai sai số thay đổi và tự tương quan. Vì vậy, nghiên cứu sử dụng thêm GLS để khắc phục khuyết tật mô hình.
Bảng 3: Tổng hợp kiểm định mô hình và kết quả hồi quy
|
Nội dung |
OLS |
FEM |
REM |
GLS |
|
Kết quả hồi quy |
||||
|
SIZE |
-0,0710 |
0,5358** |
-0,0272 |
0,0088 |
|
CAP |
-1,1646 |
0,4913 |
-0,8797 |
-0,0732 |
|
INF |
-5,6451 |
-4,8994 |
-5,1910 |
-1,1790 |
|
GDP |
1,2632 |
1,3019 |
1,1910 |
0,6109 |
|
ROA |
0,2031 |
0,2760 |
0,0787 |
0,0263 |
|
DT |
-0,8579*** |
0,0647 |
-0,8076** |
-0,3469*** |
|
NPL |
-0,0109 |
0,0020 |
-0,0051 |
-0,0006 |
|
CIR |
-0,0035 |
-0,0012 |
-0,0023 |
-0,0012* |
|
Hằng số |
4,2661** |
-16,6383* |
2,6535 |
0,9031 |
|
Số quan sát |
233 |
233 |
233 |
233 |
|
Số ngân hàng |
25 |
25 |
25 |
|
|
Prob > F/chi2 |
0,2541 |
0,0985 |
0,2760 |
0,0000 |
|
Kiểm định lựa chọn mô hình |
||||
|
F-test |
2,16*** |
|||
|
Breusch-Pagan LM |
9,16*** |
|||
|
Hausman |
6,39 |
|||
|
Kiểm định khuyết tật mô hình |
||||
|
Heteroskedasticity test |
174,42*** |
|||
|
Modified Wald |
12.876.000,29*** |
|||
|
Wooldridge |
67.866,745*** |
|||
|
Kiểm định đa cộng tuyến |
||||
|
VIF trung bình |
1,57 |
|||
|
VIF cao nhất |
DT = 2,42 |
Ghi chú: ***, **, * lần lượt tương ứng với mức ý nghĩa 1%, 5% và 10%.
Nguồn: Kết quả xử lý dữ liệu bằng Stata.
Kết quả hồi quy (Bảng 3) cho thấy, biến DT có hệ số âm trong các mô hình OLS, REM và GLS. Cụ thể, hệ số của DT trong mô hình OLS là -0,8579 và có ý nghĩa thống kê ở mức 1%. Trong mô hình REM, hệ số của DT là -0,8076 và có ý nghĩa thống kê ở mức 5%. Sau khi khắc phục phương sai sai số thay đổi và tự tương quan bằng GLS, hệ số của DT là -0,3469 và có ý nghĩa thống kê ở mức 1%.
Kết quả này cho thấy chuyển đổi số có tác động ngược chiều đến LDR. Nói cách khác, khi mức độ chuyển đổi số tăng, tỷ lệ dư nợ cho vay trên tiền gửi có xu hướng giảm. Vì LDR càng cao thường phản ánh áp lực thanh khoản càng lớn, kết quả này hàm ý rằng chuyển đổi số góp phần làm giảm rủi ro thanh khoản tại các NHTM cổ phần niêm yết ở Việt Nam.
Trong mô hình FEM, biến DT không có ý nghĩa thống kê. Điều này cho thấy khi kiểm soát toàn bộ đặc điểm cố định riêng của từng ngân hàng, tác động của DT đến LDR chưa rõ ràng. Tuy nhiên, do kiểm định Hausman lựa chọn REM và kết quả GLS tiếp tục khẳng định hệ số âm có ý nghĩa của DT, nghiên cứu có cơ sở để kết luận rằng chuyển đổi số có vai trò tích cực trong việc giảm áp lực thanh khoản.
Đối với các biến kiểm soát, SIZE có ý nghĩa thống kê trong mô hình FEM nhưng không có ý nghĩa trong REM và GLS. CIR có hệ số âm và có ý nghĩa thống kê ở mức 10% trong mô hình GLS. Các biến CAP, INF, GDP, ROA và NPL không có ý nghĩa thống kê ổn định trong các mô hình. Điều này cho thấy tác động của các yếu tố kiểm soát đến LDR chưa thật sự rõ ràng trong mẫu nghiên cứu.
Thảo luận kết quả
Kết quả nghiên cứu cho thấy chuyển đổi số có tác động âm đến LDR. Cụ thể, biến DT mang dấu âm và có ý nghĩa thống kê trong mô hình REM và GLS. Điều này cho thấy khi mức độ chuyển đổi số tăng, tỷ lệ dư nợ cho vay trên tiền gửi có xu hướng giảm. Vì LDR cao thường phản ánh áp lực thanh khoản lớn, kết quả này cho thấy chuyển đổi số góp phần làm giảm rủi ro thanh khoản tại các NHTM cổ phần niêm yết ở Việt Nam.
Kết quả trên phù hợp với kỳ vọng nghiên cứu. Chuyển đổi số có thể giúp ngân hàng nâng cao chất lượng dữ liệu, dự báo dòng tiền tốt hơn, mở rộng kênh huy động và tăng cường hệ thống cảnh báo sớm. Nhờ đó, ngân hàng có thể quản lý tốt hơn quan hệ giữa tăng trưởng tín dụng và tăng trưởng tiền gửi, qua đó kiểm soát LDR hiệu quả hơn.
Tuy nhiên, trong mô hình FEM, biến DT không có ý nghĩa thống kê. Vì vậy, kết quả cần được diễn giải thận trọng. Tác động của chuyển đổi số đến rủi ro thanh khoản có thể khác nhau giữa các ngân hàng, tùy thuộc vào chiến lược kinh doanh, năng lực công nghệ, cấu trúc nguồn vốn và chất lượng quản trị dữ liệu.
Đối với các biến kiểm soát, chỉ có SIZE có ý nghĩa trong mô hình FEM và CIR có ý nghĩa ở mức 10% trong mô hình GLS. Các biến CAP, INF, GDP, ROA và NPL không có ý nghĩa thống kê ổn định. Điều này cho thấy tác động của các yếu tố kiểm soát đến LDR chưa thật sự rõ ràng trong mẫu nghiên cứu.
Bảng 4: Tổng hợp kết quả kiểm định giả thuyết
|
Giả thuyết |
Nội dung |
Kết quả |
|
H1 |
Chuyển đổi số có tác động đến rủi ro thanh khoản của các NHTM cổ phần niêm yết ở Việt Nam |
Được hỗ trợ |
|
H2 |
Chuyển đổi số làm giảm rủi ro thanh khoản, thể hiện qua hệ số DT âm đối với LDR |
Được hỗ trợ |
|
H3 |
Các yếu tố nội tại và vĩ mô có ảnh hưởng đến LDR |
Được hỗ trợ một phần |
Nguồn: Kết quả xử lý dữ liệu bằng Stata.
óm lại, kết quả thực nghiệm nhìn chung ủng hộ giả thuyết rằng chuyển đổi số giúp giảm rủi ro thanh khoản. Do đó, H1 và H2 được hỗ trợ, trong khi H3 chỉ được hỗ trợ một phần. Kết quả này hàm ý rằng các ngân hàng cần tiếp tục đẩy mạnh chuyển đổi số, nhưng phải gắn với quản trị dòng tiền, mở rộng nguồn vốn huy động, kiểm soát tăng trưởng tín dụng và tăng cường cảnh báo sớm rủi ro thanh khoản.
KẾT LUẬN
Nghiên cứu đánh giá tác động của chuyển đổi số đến rủi ro thanh khoản tại các NHTM cổ phần niêm yết ở Việt Nam. Rủi ro thanh khoản được đo bằng LDR, còn chuyển đổi số được đo bằng chỉ số DT.
Kết quả hồi quy cho thấy DT có tác động âm đến LDR, đặc biệt trong mô hình REM và GLS. Điều này cho thấy khi mức độ chuyển đổi số tăng, tỷ lệ dư nợ cho vay trên tiền gửi có xu hướng giảm. Như vậy, chuyển đổi số góp phần làm giảm áp lực rủi ro thanh khoản và nâng cao hiệu quả quản trị thanh khoản tại các ngân hàng.
Tuy nhiên, nghiên cứu vẫn có một số hạn chế. Chỉ số DT được xây dựng từ thông tin công bố nên có thể chịu ảnh hưởng bởi mức độ minh bạch của từng ngân hàng. Ngoài ra, nghiên cứu chỉ sử dụng LDR để đo rủi ro thanh khoản và chỉ tập trung vào các ngân hàng niêm yết hoặc đăng ký giao dịch. Các nghiên cứu tiếp theo có thể mở rộng mẫu, sử dụng thêm các chỉ tiêu thanh khoản khác và áp dụng mô hình động như GMM để kiểm định tác động có độ trễ của chuyển đổi số.
Tài liệu tham khảo:
1. Akerlof, G. A. (1970). The market for “lemons”: Quality uncertainty and the market mechanism. The Quarterly Journal of Economics, 84(3), 488-500.
2. Basel Committee on Banking Supervision. (2008). Principles for sound liquidity risk management and supervision. Bank for International Settlements. https://www.bis.org/publ/bcbs144.htm
3. Committee of Sponsoring Organizations of the Treadway Commission. (2017). Enterprise risk management: Integrating with strategy and performance. COSO.
4. Diamond, D. W., & Dybvig, P. H. (1983). Bank runs, deposit insurance, and liquidity. Journal of Political Economy, 91(3), 401-419. https://doi.org/10.1086/261155
5. Li, G., Elahi, E., & Zhao, L. (2022). FinTech, bank risk-taking, and risk-warning for commercial banks in the era of digital technology. Frontiers in Psychology, 13, 934053. https://doi.org/10.3389/fpsyg.2022.934053
6. Musau, S. (2022). Digital transformation and liquidity risk of commercial banks in Kenya. Journal of Finance and Accounting, 6(2), 121-132. https://doi.org/10.53819/81018102t5079
7. Ngân hàng Nhà nước Việt Nam. (2019). Thông tư 22/2019/TT-NHNN ngày 15/11/2019 quy định các giới hạn, tỷ lệ bảo đảm an toàn trong hoạt động của ngân hàng, chi nhánh ngân hàng nước ngoài.
8. Ngân hàng Nhà nước Việt Nam. (2021). Quyết định 810/QĐ-NHNN ngày 11/5/2021 phê duyệt Kế hoạch chuyển đổi số ngành ngân hàng đến năm 2025, định hướng đến năm 2030.
9. Nguyen-Thi-Huong, L., Nguyen-Viet, H., Nguyen-Phuong, A., & Van Nguyen, D. (2023). How does digital transformation impact bank performance? Cogent Economics & Finance, 11(1), 2217582. https://doi.org/10.1080/23322039.2023.2217582
10. Stiglitz, J. E., & Weiss, A. (1981). Credit rationing in markets with imperfect information. The American Economic Review, 71(3), 393-410.
11. Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509-533.
12. Tran, T. T. T., Nguyen, Y. T., Nguyen, T. T. H., & Tran, L. (2019). The determinants of liquidity risk of commercial banks in Vietnam. Banks and Bank Systems, 14(1), 94-110. https://doi.org/10.21511/bbs.14(1).2019.09
13. Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2nd ed.). MIT Press.
| Ngày nhận bải: 10/6/2026; Ngày hoàn thiện biên tập: 8/7/2026; Ngày duyệt đăng: 13/7/2026 |
Các tin khác
Đề xuất mô hình nghiên cứu các yếu tố ảnh hưởng đến sự hài lòng công việc của nhân viên tại doanh nghiệp vừa và nhỏ ở Việt Nam
Các yếu tố ảnh hưởng đến đổi mới sáng tạo của doanh nghiệp tại địa bàn TP. Hồ Chí Minh
Phát triển du lịch cộng đồng ở Việt Nam: Lý luận và thực tiễn
Nghiên cứu so sánh chính sách đổi mới công nghệ cho doanh nghiệp nhỏ và vừa tại Trung Quốc, Hàn Quốc và gợi ý cho Việt Nam
Đa dạng hóa thị trường và đối tác kinh tế của Việt Nam trong bối cảnh cạnh tranh chiến lược giữa các nước lớn
Cá nhân hoá hành trình khách hàng dựa trên AI tác động đến lòng trung thành thương hiệu - Vai trò trung gian của niềm tin thương hiệu
Các nhân tố ảnh hưởng đến khả năng áp dụng kế toán tinh gọn tại các doanh nghiệp sản xuất trên địa bàn TP. Hồ Chí Minh
Giải pháp nâng cao sự hài lòng của cư dân về dịch vụ quản lý vận hành tại các chung cư trên địa bàn TP. Hồ Chí Minh
Chuyển đổi số trong kế toán và những tác động đến chất lượng thông tin kế toán tại doanh nghiệp nhỏ và vừa