Luận án Tác động của cấu trúc vốn đến lợi nhuận và rủi ro của các ngân hàng thương mại Việt Nam

ờng sử dụng nguồn vốn này để đầu tư vào các dự án hoặc danh mục cho vay dài hạn với lãi suất cao hơn và thời hạn dài hơn. Do đó, các ngân hàng cần lựa chọn danh mục đầu tư hoặc cấp tín dụng một cách chặt chẽ 107 và an toàn hơn. Để làm được điều đó, cần phải thẩm định chặt chẽ hơn các dự án đầu tư cũng như các khoản vay trung dài hạn, đảm bảo chất lượng tài sản của ngân hàng trong dài hạn. Các ngân hàng có thể đạt được mức lợi nhuận phù hợp hơn, không quá cao để có thể gây ra rủi ro lớn cho hoạt động kinh doanh ngân hàng. Thứ tám, bên cạnh huy động vốn từ tiền gửi khách hàng, các NHTM có thể huy động từ các khoản nợ phi tiền gửi như phát hành trái phiếu trung và dài hạn, trái phiếu chuyển đổi, chứng chỉ tiền gửi, vay từ Ngân hàng Nhà nước, các NHTM khác hoặc vay từ các tổ chức tài chính quốc tế. Các ngân hàng huy động nợ phi tiền gửi nhằm các mục đích như đáp ứng thanh khoản, tăng vốn trung dài hạn, tăng vốn cấp 2 trong cơ cấu vốn tự có để đáp ứng tỷ lệ an toàn vốn. Tuy nhiên, việc tăng nợ phải trả ngoài tiền gửi trong cơ cấu nguồn vốn của các ngân hàng thương mại có thể làm tăng rủi ro cho NHTM nếu nguồn vốn này được sử dụng một cách kém an toàn. Thời gian gần đây, các ngân hàng tăng mạnh mua trái phiếu doanh nghiệp, đặc biệt là các doanh nghiệp trong lĩnh vực bất động sản và chứng khoán. Do các doanh nghiệp này thường đưa ra mức lãi suất rất cao cho các trái phiếu phát hành ra nên các ngân hàng có thể thu được lợi nhuận lớn từ việc đầu tư vào các trái phiếu này. Tuy nhiên, rủi ro mà các ngân hàng phải đối mặt là rất cao do việc phát hành trái phiếu doanh nghiệp đang còn rất nhiều bất cập, nhiều sai phạm lớn liên quan đến việc phát hành trái phiếu và sử dụng vốn của các doanh nghiệp. Do vậy, để giảm rủi ro, các ngân hàng cần hạn chế đầu tư vào trái phiếu doanh nghiệp; khi đầu tư cần thận trọng hơn, đánh giá kỹ lưỡng hơn các khoản đầu tư vào trái phiếu doanh nghiệp; cần tập trung sử dụng số vốn huy động được vào việc cấp tín dụng cho hoạt động sản xuất kinh doanh, tạo ra sự thịnh vượng cho nền kinh tế. Cuối cùng, việc tăng vốn có thể làm tăng hiệu quả sử dụng tài sản nhưng hiệu quả từ một đồng vốn cổ đông bỏ ra giảm xuống, đồng thời rủi ro của ngân hàng tăng lên. Vì vậy, các ngân hàng cần thận trọng hơn trong quá trình tăng vốn vì tăng vốn là việc làm bắt buộc đối với các ngân hàng. Các ngân hàng không nên tăng vốn quá nhanh, quá ồ ạt mà cần có một lộ trình tăng vốn cụ thể, được đánh giá kỹ lưỡng, từng bước đáp ứng các tiêu chuẩn an toàn vốn Basel II và Basel III trong thời gian sớm nhất. Trong trường hợp ngân hàng tăng vốn quá nhanh sẽ tạo nên áp lực trong việc sử dụng số vốn đó có hiệu quả, dẫn đến phân bổ vốn kém hiệu quả và kết quả là giảm lợi nhuận và tăng rủi ro cho các ngân hàng. 108 5.2.2 Đối với cơ quan quản lý nhà nước Thứ nhất, để đảm bảo an toàn trong toàn hệ thống ngân hàng, NHNN cần có cơ chế tăng tính cạnh tranh trong việc phân bổ các nguồn vốn ngân sách tạm thời nhàn rỗi gửi tại các NHTM. Đây là nguồn vốn rất lớn nhưng hiện nay đang được gửi chủ yếu tại các ngân hàng do nhà nước chi phối, tạo ra sự bất bình đẳng giữa các NHTM. Do vậy, nguồn vốn này cần được phân bổ lại trong toàn hệ thống ngân hàng dựa trên cơ chế cạnh tranh, giảm bớt các rào cản được tạo ra khi tham gia đấu thầu nguồn vốn này như các điều kiện về quy mô tổng tài sản, tổng vốn chủ sở hữu, chất lượng tín dụng, kết quả hoạt động kinh doanh của mỗi ngân hàng. Thứ hai, NHNN cần phối hợp với Bộ Tài chính chấn chỉnh lại hoạt động phát hành trái phiếu và sử dụng vốn từ phát hành trái phiếu của các NHTM lẫn các doanh nghiệp. Việc huy động vốn từ tiền gửi được sự giám sát chặt chẽ của NHNN. Trong khi đó, huy động vốn từ trái phiếu do các ngân hàng, công ty chứng khoán phân phối cho nhà đầu tư lại đang có sự giám sát rất lỏng lẻo của cơ quan quản lý nhà nước, gây rủi ro rất lớn cho bản thân các NHTM lẫn các nhà đầu tư. Vì vậy, để giảm rủi ro cho ngân hàng, doanh nghiệp, nhà đầu tư, hoạt động phát hành trái phiếu cần được giám sát chặt chẽ hơn, bổ sung các quy định pháp lý nhằm lành mạnh hóa thị trường trái phiếu doanh nghiệp. Thứ ba, cần giám sát thường xuyên và liên tục đối với các NHTM có tham gia đầu tư, bảo lãnh phát hành, phân phối trái phiếu doanh nghiệp. Mặc dù các NHTM có thể thu được lợi nhuận cao từ các hoạt động liên quan đến trái phiếu doanh nghiệp nhưng rủi ro cho ngân hàng trong tương lai là rất lớn, ảnh hưởng tới chính ngân hàng và toàn bộ hệ thống ngân hàng. Thứ tư, NHNN thường xuyên theo dõi các phân tích, dự báo xu hướng thị trường tài chính thế giới, khu vực và trong nước. Mặc dù giai đoạn hiện nay thị trường tài chính Việt Nam đã có sự hội nhập sâu rộng vào thị trường tài chính thế giới nhưng các NHTM Việt Nam vẫn còn nhiều hạn chế về khả năng ứng phó với những biến động của thị trường tài chính thế giới. NHNN cần cung cấp các khóa đào tạo để các NHTM đủ khả năng phân tích dự báo xu hướng thị trường tài chính toàn cầu, trên cơ sở đó lập ra kế hoạch tài chính dài hạn. 109 Thứ năm, Ngân hàng Nhà nước cần ban hành kế hoạch cụ thể yêu cầu các NHTM niêm yết trên thị trường chứng khoán nhằm tăng cường minh bạch tài chính và hiệu quả hoạt động của các NHTM. Ngoài ra, cần tăng cường giám sát các ngân hàng trong việc sử dụng các nguồn tiền huy động được, đặc biệt là các ngân hàng đang sử dụng đòn bẩy tài chính lớn. 5.3 HẠN CHẾ CỦA ĐỀ TÀI VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO Mặc dù đã đạt được mục tiêu nghiên cứu, tác giả nhận thấy nghiên cứu này vẫn còn hạn chế và cần được bổ sung, cải thiện trong tương lai, cụ thể là: Thứ nhất, hệ thống NHTM Việt Nam có đặc thù là được chia thành hai nhóm: Nhóm các NHTM do nhà nước chi phối và nhóm các NHTM tư nhân. Trong nghiên cứu này, tác giả gộp cả hai nhóm thành mẫu nghiên cứu, điều này chưa thực sự phù hợp. Vì vậy, trong nghiên cứu tiếp theo, tác giả sẽ chia thành hai nhóm riêng biệt và đánh giá tác động của CTV đến lợi nhuận và rủi ro của từng nhóm ngân hàng. Thứ hai, tiền gửi khách hàng bao gồm tiền gửi không kỳ hạn và có kỳ hạn. Tuy nhiên, do hạn chế trong việc thu thập số liệu nên trong nghiên cứu này, tác giả gộp chung tất cả các khoản tiền gửi thành tiền gửi khách hàng. Vì vậy, trong nghiên cứu tiếp theo, tiền gửi khách hàng sẽ được tách ra thành tiền gửi không kỳ hạn và tiền gửi có kỳ hạn. Thứ ba, mặc dù nghiên cứu đã thu thập dữ liệu với mẫu 30 NHTM Việt Nam trong giai đoạn từ năm 2012 đến năm 2020, tuy nhiên mẫu nghiên cứu chưa bao gồm các loại hình ngân hàng khác như ngân hàng nước ngoài, ngân hàng liên doanh. Điều này làm giới hạn các kết luận có thể rút ra từ kết quả ước lượng cũng như chưa bao quát toàn bộ hệ thống ngân hàng. Các nghiên cứu tiếp theo cần bổ sung số liệu thu thập, qua đó nâng cao cả chất lượng và số lượng của số liệu. Thứ tư, ngoài các biến số đã được phân tích trong các mô hình đã chỉ ra ở trên, về mặt lý thuyết cấu trúc vốn của NHTM có thể bao gồm nợ ngắn hạn và nợ dài hạn. Do đó, các nghiên cứu tiếp theo cần dựa trên mục tiêu nghiên cứu cụ thể để bổ sung thêm các biến khác phản ánh CTV của NHTM. 110 Tóm tắt chương 5 Từ kết quả nghiên cứu ở chương 4, luận án đánh giá lại và đưa ra kết luận về tác động của của cấu trúc vốn đến lợi nhuận và rủi ro của các ngân hàng thương mại Việt Nam trong chương 5. Kết luận được đưa ra dựa trên kết quả mô hình hồi tuyến tính Bayes thông qua thuật toán lấy mẫu Gibbs. Trên cơ sở các kết luận đưa ra, tác giả đưa ra hàm ý chính sách tập trung vào hai nhóm giải pháp bao gồm: (i) giải pháp đối với các ngân hàng thương mại, (ii) giải pháp đối với cơ quan quản lý nhà nước. Cuối cùng, chương 5 nêu lên một số hạn chế của nghiên cứu như hạn chế khi luận án chưa chia nhóm các NHTM do nhà nước chi phối và nhóm các NHTM tư nhân để đánh giá tác động của CTV đến lợi nhuận và rủi ro của từng nhóm ngân hàng. Bên cạnh đó, luận án gộp chung tất cả các khoản tiền gửi thành tiền gửi khách. Hơn nữa, luận án cũng có hạn chế về cỡ mẫu trong mô hình nghiên cứu khi dữ liệu nghiên cứu chưa bao gồm các loại hình ngân hàng khác như ngân hàng nước ngoài, ngân hàng liên doanh. Ngoài ra, luận án chưa đề cập đầy đủ các biến khác phản ánh CTV của NHTM. Các hạn chế này sẽ là hướng nghiên cứu mở rộng cho tác giả trong tương lai. 111 KẾT LUẬN Đối với các NHTM, lợi nhuận và rủi ro đều đóng vai trò rất quan trọng, có tác động lớn đến sự thành công hay thất bại của một ngân hàng. Hơn nữa, hệ thống ngân hàng được xem là huyết mạch của nền kinh tế quốc gia, hoạt động của hệ thống ngân hàng an toàn, hiệu quả thì mới thúc đẩy kinh tế phát triển. Trong đó, cấu trúc vốn của ngân hàng có sự khác biệt rất lớn so với cấu trúc vốn của các doanh nghiệp phi tài chính, có ảnh hưởng quyết định đến sự an toàn và hiệu quả hoạt động của các ngân hàng. Trên cơ sở nền tảng lý thuyết và thực tiễn đặt ra cũng như bổ sung cho khoảng trống nghiên cứu, tác giả lựa chọn đề tài “Tác động của cấu trúc vốn đến lợi nhuận và rủi ro của các ngân hàng thương mại Việt Nam” làm luận án nghiên cứu. Tác giả đã phân tình thực trạng cấu trúc vốn của các NHTM Việt Nam, tác giả cũng đã đi sâu phân tích các thành phần cấu tạo nên cấu trúc vốn của các ngân hàng giai đoạn 2012 – 2020. Tác giả có đóng góp thêm về bằng chứng thực nghiệm và cung cấp thêm một số thông tin hữu ích về tác động của cấu trúc vốn đến lợi nhuận và rủi ro của các NHTM Việt Nam, từ đó đảm bảo tính khoa học cho các gợi ý chính sách để đảm bảo hiệu quả và sự an toàn cho hệ thống ngân hàng tại Việt Nam. Để đạt được các mục tiêu trong luận án này, tác giả sử dụng phương pháp hồi quy Bayes thông qua thuật toán lấy mẫu Gibbs với mẫu nghiên cứu bao gồm 30 NHTM tại Việt Nam trong giai đoạn 2012-2020. Tác giả đã đánh giá mức độ ảnh hưởng của các biến đại diện cho cấu trúc vốn của ngân hàng (bao gồm các biến DEP, NONDEP, CAP) đến lợi nhuận (bao gồm các biến ROA và ROE) và rủi ro (bao gồm biến Z-score) của các NHTM Việt Nam. Trên cơ sở nghiên cứu thực trạng và kết quả nghiên cứu định lượng của các mô hình nghiên cứu, tác giả đã đề xuất những khuyến nghị nhằm giúp các ngân hàng đạt được lợi nhuận và rủi ro ở mức hợp lý nhất. 112 DANH MỤC TÀI LIỆU THAM KHẢO Tài liệu tham khảo tiếng Việt Thủ tướng Chính phủ Việt Nam 2012, Quyết định 254/QĐ-TTg về Đề án cơ cấu lại hệ thống các tổ chức tín dụng giai đoạn 2011 – 2015, Hà Nội. Ngân hàng Nhà nước Việt Nam 2018, Thông tư số 13/2018/TT-NHNN ngày 18/05/2018 quy định về hệ thống kiểm soát nội bộ của ngân hàng thương mại, chi nhánh ngân hàng nước ngoài, Hà Nội. Lê Ngọc Quỳnh Anh, Nguyễn Quý Quốc và Lê Thị Phương Thanh 2020, “Các nhân tố ảnh hưởng đến sự ổn định tài chính của các ngân hàng thương mại Việt Nam”,Tạp chí Khoa học Đại học Huế: Kinh tế và Phát triển, số 129(5B), trang 95-107. Lê Thanh Hoa, Phạm Hoàng Uyên và Nguyễn Đình Thiên 2017, “Một phương pháp mới tìm khoảng mật độ hậu nghiệm cao nhất và ứng dụng”, Tạp chí Phát triển Kinh tế, số 28, tập10, trang 79–120. Nguyễn Minh Kiều 2014, Giáo trình tài chính doanh nghiệp căn bản, NXB Thống kê. Nguyễn Minh Kiều 2009, Nghiệp vụ ngân hàng thương mại, Nhà xuất bản Thống kê, Tp.HCM. Nguyễn Minh Hà và Nguyễn Bá Hướng 2015, “Phân tích các yếu tố ảnh hưởng đến rủi ro phá sản ngân hàng bằng phương pháp Z-scor”, Tạp chí Kính tế & Phát triển, số 229, trang 17-25. Nguyễn Ngọc Thạch 2019, “Một cách tiếp cận Bayes trong dự báo tổng sản phẩm quốc nội của Mỹ”, Tạp chí Kinh tế và Ngân hàng châu Á, số 163, trang 5–18. Nguyễn Thanh Dương 2013, “Phân tích rủi ro trong hoạt động ngân hàn”, Tạp chí Phát Triển & Hội Nhập, Số 9, tập19, trang 29-39. Phạm Tiến Minh và Bùi Huy Hải Bích 2019, “Cấu trúc sở hữu và rủi ro của các ngân hàng thương mại Việt Nam”, Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, số 3(SI):SI1-SI13. 113 Phạm Hải Nam, Huỳnh Thị Tuyết Ngân, Nguyễn Ngọc Tân, Phạm Thị Hồng Nhung và Nguyễn Trần Xuân Linh 2021, “Cấu trúc vốn của các ngân hàng thương mại Việt Nam: Cách tiếp cận theo phương pháp Bayes”, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á, số 32, tập 5, trang 59–80. Trần Huy Hoàng 2011, “Giáo trình quản trị ngân hàng thương mại”, NXB Lao động xã hội. Trần Việt Dũng 2014, “Xác định các nhân tố tác động đến khả năng sinh lời của các ngân hàng thương mại Việt Nam”, Tạp chí Công nghệ ngân hàng, số 16, trang 1-11. Trần Ngọc Thơ, Nguyễn Thị Liên Hoa, Nguyễn Thị Ngọc Trang, Nguyễn Thị Uyên Uyên và Phan Thị Bích Nguyệt 2013, Tài chính doanh nghiệp hiện đại, NXB Thống kê. Trầm Thị Xuân Hương 2012, Nghiệp vụ ngân hàng thương mại, Trường Đại học Kinh tế Tp. Hồ Chi Minh, Nhà xuất bản Kinh tế. Tài liệu tham khảo tiếng Anh Ahmad, R., & Albaity, M. 2019, “The Determinants of Bank Capital for East Asian Countries”, Global Business Review, vol. 20, no. 6, pp. 1311–1 323 Al-Omari, R. 2021, “The Impact of Capital Structure on Jordanian Banks Performance; Journal of Social Sciences”, vol. 10, no. 1, pp. 35-47. https://doi.org/10.25255/jss.2021.10.1.35.47. Ali, K., Akhtar, M., and Sadaqat, S. 2011, “Practical Implication of Capital Structure Thesis Theories: Empirical Evidence from the Commercial Banks of Pakistan”, European Journal of Social Sciences, vol. 23, no. 1, pp. 165-173. Al-Kayed, L., Zain, S., and Duasa, J. 2014, “The relationship between capital structure and performance of Islamic banks”, Journal of Islamic Accounting and Business Research, vol. 5, no. 2, pp. 158-181. Amalendu Ghosh. 2012, Managing Risks in Commercial and Retail Banking, Jonh Wiley & Sons Singapore Pre.Ltd. 114 Anarfo, E. B. (2015, “Determinants of capital structure of banks: Evidence from Sub- Sahara Africa”, Asian Economic and Financial Review, vol. 5, no. 4, pp. 624– 640. Anarfo, E. B., ND Appiahene, E. 2017, “The Impact of Capital Structure on Banks’ Profitability in Africa”, Journal of Accounting and Finance, vol. 17, no 3, pp. 55-66. Asika, E. R., Chitom, J. R., and Chelichi, I. F. 2017, “Appraisal of human resource accounting on profitability of corporate organization”, Economics, vol. 6, no 1, pp. 1- 10. doi: 10.11648/j.eco.20170601.11 Athanasoglou, P., Brissimis, N., and Delis, D. 2008, “Bank-specific, industry-specific and macroeconomic determinants of bank profitability”, Journal of international financial Markets, Institutions and Money, vol. 18, no. 2, pp. 121-136. Awunyo-Vitor, D., and Badu, J. 2012, “Capital structure and performance of listed banks in Ghana”, Global Journal of Human-Social Science Research, vol. 12, no. 5. Baldwin, A., and Fellingham, W. 2013, “Bayesian methods for the analysis of small sample multilevel data with a complex variance structure”, Psychological Methods, vol. 18, pp. 151– 164. Batten, J., and Vo, X. V. 2019, “Determinants of bank profitability – Evidence from Vietnam”, Emerging Markets Finance and Trade, vol. 55, no. 1, pp. 1-12. Basel Committee on Banking Supervision 2010, Basel III: International framework for liquidity risk measurement, standards and monitoring, Bank for International Settlements. Basel 2001, The New Basel Capital Accord: an explanatory note by the Basel Committee on Banking Supervision, January 2001. Basel Committee on Banking Supervision 2004, International Convergence of Capital Measurements and Capital Standards, Bank for International Settlements, Basel. 115 Berger, A., and Di Patti 2002, “Capital Structure and Firm Performance: A New Approach to Testing Agency Theory and an Application to the Banking Industry”, Journal of Banking and Finance, vol. 302006, pp. 1065-1102. Berger, J. O. 1993, Statistical decision theory and Bayesian analysis. Springer. New York. Bessler, W., Drobetz, W., Haller, R., and Meier, I. 2013, “The international zero- leverage phenomenon”, Journal of Corporate Finance, vol. 23, pp. 196-221. Berlin, M. 2011, Can We Explain Banks' Capital Structure? Business Review, Q2 (2011), Federal Reserve Bank of Philadelphia, pp. 1– 11. Bhagat, S., Bolton, B., and Lu, J. 2015, “Size, Leverage, and risk-taking of financial institutions”, Journal of Banking & Finance, vol. 59, pp. 520-537. Boyd, J.H., and Graham, S.L. 1986, Risk, regulation, and bank holding company expansion into nonbanking. Quarterly Review - Federal Reserve Bank of Minneapolis 10, pp. 2–17. Çağlayan and Şak, ̣2010, "The Determinants of Capital Structure: Evidence from the Turkish Banks", Journal of Money, Investment and Banking, ISSN 1450-288X Issue 15. Chiaramonte, L. Liu, H. Poli, F. Zhou, M. 2016, “How accurately can Z‐score predict bank failure?”, Financial Markets, Institutions & Instruments, vol. 25, no. 5, pp. 333– 360. Demsetz, H. 1973, “Industry structure, market rivalry, and public policy”, The Journal of Law & Economics, vol. 16, no. 1, pp. 1-9. Fama, E. F. and French, K. R. 1998, “Value versus Growth: The International Evidence”, Journal of Finance, vol. 53, pp. 1975-1999. 1082.00080 116 Fan, J., Titman, S. and Twite, G. 2012, “An International Comparison of Capital Structure and Debt Maturity Choices”, Journal of Financial and Quantitative Analysis, vol. 47, no. 1, pp. 23-56. Fauziah, F. Latief, A. and Jamal, S. W. 2020, “The determinants of Islamic banking capital structure in Indonesia”, Jurnal Ekonomi dan Bisnis Islam, vol. 5, no. 2, pp. 125– 138. Fitch, T. P. 1997, Dictionary of Banking Terms. Barron's Edutional Series, Inc, 1997. Gelfand, A. E. Hills, S. E. Racine-Poon, A. and Smith A. F. M. 1990, “Illustration of Bayesian inference in normal data models using Gibbs sampling”, Journal of the American Statistical Association, vol. 85, pp. 972– 985. Gohar, M. and Rehman, M. 2016, “Impact of Capital Structure on Banks Performance: Empirical Evidence from Pakistan”, Journal of Economics and Sustainable Development, vol. 7, no. 1, pp. 32-38. Gropp, R. and Heider, F. 2010, “The Determinants of Bank Capital Structure”, Review of Finance, vol. 14, pp. 587–622. Halov, H. Heider, K . and John, K. 2009, “Capital structure and volatility of risk”, SSRN Electronic Journal. Hannan, T.H. and Hanweck, G.A. 1988 “Bank insolvency risk and the market for large certificates of deposit”, Journal of Money, Credit and Banking, vol. 20, pp. 203–211. Hastings, W. K. 1970, “Monte Carlo sampling methods using Markov chains and their applications”, Biometrika, vol. 57, pp. 97–109. Harward, P. and Upton, A. 1953, Introduction to Business Finance. New York, Mc Graw Hill Heffeman, S. 2005, Modem banking. John Wiley & Sons Ltd, Chapter 3 and Chapter 7. 101-171 ,351-407. Hofstrand, D. 2009, Understanding Profitability. 117 Available at: . [Accessed 1 July 2021] Hoque, H. and Pour, E. K. 2018, “Bank‐level and country‐level determinants of bank capital structure and funding sources”, International Journal of Finance & Economics, vol. 23, no. 4, pp. 504– 532. Houston, J. F. Lin, C. Lin, P. and Ma, Y. 2010, “Creditor rights, information sharing, and bank risk taking”, Journal of Financial Economics, vol. 96, no. 3, pp. 485-512. Jensen, M. and Meckling, W. 1976, “Theory of the firm: Managerial behavior, agency costs, and ownership structur”, Journal of Financial Economics, vol. 3, no. 4, pp. 305– 360. Jadah, H. M. Hassan, A. A. Hameed, T. M. and Al-Husainy, N. H. 2020, “The Impact of the Capital Structure on Iraqi Banks’ Performance”, Investment Management and Financial Innovations, vol. 17, no. 3, pp. 122-132. http:// dx.doi.org/10.21511/imfi.17(3).2020.10 Kraus, A. and Litzenberger, R. 1973, “A state-preference model of optimal financial leverage”, The Journal of Finance, vol. 28, no. 4, pp. 911– 922. Kreinovich, V. Thach, N. N. Trung, N. D. and Thanh, D. V. 2019, Beyond Traditional Probabilistic Methods in Economics. Springer, Cham. Doi: 10.1007/978-3-030-04200- 4 Kyereboah-Coleman, A. 2007, “The impact of capital structure on the performance of microfinance institutions”, The Journal of Risk Finance, vol. 8, no. 1, pp. 56-71. Laeven, L. and Levine, R. 2009, “Bank governance, regulation and risk taking”, Journal of Financial Economics, vol. 93, no. 2, pp. 259–275. Le, D. Q. T. and Nguyen, T. D. 2020, “Capital Structure and Bank Profitability in Vietnam: A Quantile Regression Approach”, Journal of Risk Financial Management, vol. 13, pp. 168; doi:10.3390/jrfm13080168 118 Mariëlle, Z. Peeters, M. Depaoli, S. and van de Schoot, R. 2017, “Where do priors come from? Applying guidelines to construct informative priors in small sample research”, Research in Human Development, vol. 14, no. 4, pp. 305– 320. McGuigan, J. R. Kretlow, W. J. and Moyer, R. C. 2006, Contemporary financial management, Thomson – South Western, 10th ed.. Metropolis, N.,Rosenbluth, A. W. Rosenbluth, M. N. Teller, A. H. and Teller, E. 1953, “Equation of state calculations by fast computing machines”, Journal of Chemical Physics, vol. 21, pp. 1087–1092. Mercan, M. 2021, “Determinant factors influence bank risk-taking: Evidence from commercial bank of Georgia”, Globalization and Business, vol. 11, pp. 59-65. https://doi.org/10.35945/gb.2021.11.007 Miller, M. and Rock, K. 1985, “Dividend policy under asymmetric information”, The Journal of Finance, vol. 40, no. 4, pp. 1031– 1051. Mishkin, F. S. 2000, The economics of money, banking, and financial markets. 6th edition, New York: Pearson Education. Modigliani, F. and Miller, M. 1958, “The cost of capital, corporate finance and the theory of investment”, The American Economic Review, vol. 48, no. 3, pp. 261– 297. Modigliani, F. and Miller, M. H. 1963, “Corporate income taxs and the cost of capital: A correction”, The American economic review, vol. 53, no. 3, pp. 433– 443. Molla, I. 2020, {Capital Structure and Bank Performance: Empirical Evidence from Bangladesh”, Asian Journal of Finance & Accounting, vol. 12, no. 1, pp. 161-176. Muthén, B. O. and Curran, P. J. 1997, “General longitudinal modeling of individual differences in experimental designs: A latent variable framework for analysis and power estimation”, Psychological Methods, vol. 2, no. 4, pp. 371–402. Myers, S. C. 1984, “The capital structure puzzle”, Journal of Finance, vol. 39, pp. 575– 592. 119 Myers, S. and Majluf, N. 1984, “Corporate financing and investment decisions when firms have information that investors do not have”, Journal of Financial Econmomics, vol. 13, no. 2, pp. 187– 221. Modigliani, F. and Miller, M. 1958, “The cost of capital, corporate finance and the theory of investment”, The American Economic Review, vol. 48, no. 3, pp. 261– 297. Mishkin, F. S. 2000, The economics of money, banking, and financial markets. 6th edition, New York: Pearson Education. Nguyen, Q. A. and Duong, N. T. P. 2020, “The impact of credit risk on the financial stability of commercial banks in Vietnam”, HCMCOUJS-Economics and Business Administration, vol. 11, no. 2, pp. 67-80. Nguyen H. T. Trung N. D. and Thach N. N. 2019, Beyond Traditional Probabilistic Methods in Econometrics. In: Kreinovich V., Thach N., Trung N., Van Thanh D. (eds) Beyond Traditional Probabilistic Methods in Economics. ECONVN 2019. Studies in Computational Intelligence, vol 809. Springer, Cham. https://doi.org/10.1007/978-3- 030-04200-4_1 Nguyen, N. T. 2020, “How to explain when the ES is lower than one? A Bayesian nonlinear mixed-effects approach”, Journal of Risk and Financial Management, vol. 13, no. 2, pp. 1–17. https://doi.org/10.3390/jrfm13020021. Octavia, M. and Brown, R. 2010, “Determinants of bank capital structure in developing countries: Regulatory capital requirement versus the standard determinants of capital structure”, Journal of Emerging Markets, vol. 15, no. 1, pp. 50– 62. Olalekan, A. and Adeyinka, S. 2013, “Capital adequacy and banks’ profitability of deposit taking: an empirical from Nigeria”, Far East Journal of Psychology and Business, vol. 13, no. 4, pp. 32-41. Paramasivan, C. and Subramanian, T. 2008, Financial Management. New Age International Limited, Publishers. New Delhi 120 Pratomo, W, A. and Ismail, A. G. 2006, “Islamic bank performance and capital structure”, MPRA paper. Pricillia, N. 2015, “The risk-taking behaviour of Indonesian banks using SCP paradigm”, Bina Ekonomi, vol. 19, no. 2, pp. 91-103. Ross, S. A. Westerfield, R. W. and Jordan, B. D. 2003, Fundamentals of Corporate Finance. 6th Edn. McGraw-Hill Irwin Publications, New York Roy, A. D. 1952, “Safety first and the holding of assets”, Econometrica, vol. 20, pp. 431–449 Rocchetti, M. Crescini, A. Borgwardt, S. Caverzasi, E. Politi, P. Atakan, Z. and Fusar- Poli, P. 2013, “Is cannabis neurotoxic for the healthy brain? A metaanalytical review of structural brain alterations in non-psychotic users”, Psychiatry and Clinical Neurosciences, vol. 67, no. 7, pp. 483–492. Saeed, M/ Gull, A. and Rasheed, M. 2013, “Impact of Capital Structure on Banking Performance (A Case Study of Pakistan)”, Interdiscilinary Journal of Contemporary Research in Business, vol 4, no. 10, pp. 5-10 Saif-Alyousfi, A. and Saha, A. 2020, “Determinants of banks’ risk-taking behavior, stability and profitability: Evidence from GCC countries”, International Journal of Islamic and Middle Eastern Finance and Management, Emerald Publishing. Saona, P. 2010, “Capital Structure and Performance in the US Banking Industry” (May 29, 2010). Available at SSRN: https://ssrn.com/abstract=1617830 Sibindi, A. B. 2018, “Determinants of bank capital structure: Evidence from South Africa”, Œconomica, vol. 14, no. 5, pp. 108– 126. Sealey, C. and Lindley, J.T. 1977, “Inputs, outputs and a theory of production and cost at depository financial institution”, Journal of Finance, vol. 32, pp. 1251– 1266. 121 Smirlock, M. 1985, “Evidence on the (non) relationship between concentration and profitability in banking”, Journal of Money, Credit, and Banking, vol. 17, no. 1, pp. 69- 83. Svítek M. Kosheleva O. Kreinovich V. and Nguyen T. N. 2019, Why Quantum (Wave Probability) Models Are a Good Description of Many Non-quantum Complex Systems, and How to Go Beyond Quantum Models. In: Kreinovich V., Thach N., Trung N., Van Thanh D. (eds) Beyond Traditional Probabilistic Methods in Economics. ECONVN 2019. Studies in Computational Intelligence, vol 809. Springer, Cham. https://doi.org/10.1007/978-3-030-04200-4_13 VanHoose, D. 2010, The industrial organization of banking: Bank behavior, market structure, and regulation. Springer. van der Lee, J. H. Wesseling, J. Tanck, M. W. T. and Offringa, M. 2008, “Efficient ways exist to obtain the optimal sample size in clinical trials in rare diseases”, Journal of Clinical Epidemiology, vol. 61, no. 4, pp. 324–330. van de Schoot, R. and Depaoli, S. 2014, “Bayesian analysis: Where to start and what to report”, The European Health Psychologist, vol. 16, no. 2, pp. 75– 84. Widyastuti, A. Komara, R. and Layyinaturrobaniyah. 2019, “Capital structure and bank performance”, Jurnal Bisnis dan Manajemen, vol. 20, no. 2, pp. 136-144. Williams, B. 2014, “Bank risk and national governance in Asia”, Journal of Banking & Finance, vol. 49, pp. 10–26. Willett, A. H. 1901, The economic theory of risk and insurance. New York. Columbia University Press. 122 PHỤ LỤC PHỤ LỤC 1: DANH SÁCH CÁC NHTM TRONG MẪU NGHIÊN CỨU TẠI THỜI ĐIỂM 31/12/2020 Đơn vị: Tỷ đồng STT TÊN NGÂN HÀNG ĐỊA CHỈ SỐ GIẤY PHÉP NGÀY CẤP VỐN ĐIỀU LỆ 1 Công thương Việt Nam (Vietnam Joint Stock Commercial Bank of Industry and Trade) 108 Trần Hưng Đạo, Hoàn Kiếm, Hà Nội *142/GP-NHNN ngày 03/7/2009 *1340/QĐ-NHNN ngày 20/8/2021 48.057 1 2 Đầu tư và Phát triển Việt Nam (Joint Stock Commercial Bank for Investment and Development of Vietnam) 194 Trần Quang Khải, Hoàn Kiếm, Hà Nội 84/GP-NHNN ngày 23/4/2012 40.220,2 3 Ngoại Thương Việt Nam (Joint Stock Commercial Bank for Foreign Trade of Vietnam - VCB) 198 Trần Quang Khải, Hoàn Kiếm, Hà Nội 286/QĐ-NH5 ngày 21/9/1996 37.088,8 4 Á Châu (Asia Commercial Joint Stock Bank - ACB) 442 Nguyễn Thị Minh Khai, Quận 3, TP. Hồ Chí Minh 0032/NHGP ngày 24/4/1993 ( cấp đổi số 91/GP-NHNN ngày 19/9/2018) *1180/QĐ-NHNN ngày 8/7/2021 về việc sửa đổi nội dung về vốn điều lệ tại Giấy phép thành lập và hoạt động 27.019,5 5 An Bình (ABB) (An Binh Commercial Joint Stock Bank - ABB) Tầng 1, 2, 3 Tòa nhà Geleximco, số 36 Hoàng Cầu, phường Ô Chợ Dừa, quận Đống Đa, thành phố Hà Nội 120/GP-NHNN ngày 12/12/2018 5.713,1 6 Bảo Việt (Baoviet bank) Bao Viet Joint Stock commercial Bank Tầng 1 và Tầng 5, Tòa nhà CornerStone, số 16 Phan Chu Trinh, quận Hoàn Kiếm, Hà Nội 328/GP-NHNN ngày 11/12/2018 3.150,0 123 7 Bản Việt (trước đây là Gia Định) (Viet Capital Commercial Joint Stock Bank - Viet Capital Bank) Toà Nhà HM TOWN, số 412 đường Nguyễn Thị Minh Khai, phường 5, Quận 3, TP. Hồ Chí Minh 0025/ NHGP ngày 22/8/1992 *1682/QĐ-NHNN ngày 26/10/2021 3.670,9 8 Bắc Á (BAC A Commercial Joint Stock Bank - Bac A Bank) 117 Quang Trung, TP. Vinh, tỉnh Nghệ An 0052/NHGP ngày 01/9/1994 183/QĐ-NH5 ngày 1/9/1994 ( cấp đổii số 47/GP-NHNN ngày 16/4/2019) *1667/QĐ-NHNN ngày 22/10/2021 (Quyết định sửa đổi nội dung vốn điều lệ) 7.531,35 9 Bưu điện Liên Việt (LienViet Commercial Joint Stock Bank – Lienviet Post Bank - LPB) Tòa nhà Capital Tower số 109 Trần Hưng Đạo, phường Cửa Nam, Quận Hoàn Kiếm, TP. Hà Nội. *91/GP-NHNN ngày 28/3/2008 *22/QĐ-NHNN ngày 14/01/2021 (Quyết định sửa đổi nội dung vốn điều lệ) 12.035,90 10 Đại Chúng Việt Nam (Public Vietnam Bank - PVcomBank) Số 22 Ngô Quyền, Hoàn Kiếm, Hà Nội 279/GP-NHNN ngày 16/9/2013 9.000,0 11 Đông Nam Á (Southeast Asia Commercial Joint Stock Bank - Seabank) 25 Trần Hưng Đạo, Hoàn Kiếm, Hà Nội *0051/NHGP ngày 25/3/1994 *1489/QĐ-NHNN ngày 17/9/2021 về việc sửa đổi nội dung vốn điều lệ tại Giấy phép *2078/QĐ-NHNN ngày 24/12/2021 (Quyết định sửa đổi nội dung vốn điều lệ) 14.784,88 12 Hàng Hải (The Maritime Commercial Joint Stock Bank - MSB) Số 54A Nguyễn Chí Thanh, phường Láng Thượng, Quận Đống Đa, Hà Nội 0001/NHGP ngày 08/6/1991 *1883/QĐ-NHNN ngày 23/11/2021 (Quyết định 15.275 124 sửa đổi nội dung vốn điều lệ) 13 Kiên Long (Kien Long Commercial Joint Stock Bank - KLB) 40-42-44 Phạm Hồng Thái, TP Rạch Giá, tỉnh Kiên Giang. 0056/NH-GP ngày 18/9/1995 2434/QĐ-NHNN ngày 25/12/2006 *2103/QĐ-NHNN ngày 29/12/2021 (Quyết định sửa đổi nội dung vốn điều lệ) 3.653 14 Kỹ Thương (Viet Nam Technological and Commercial Joint Stock Bank - TECHCOMBANK) 191 Bà Triệu, quậnHai Bà Trưng, Hà Nội *0040/NHGP ngày 06/8/1993 *282/QĐ-NHNN ngày 9/3/2021 (Quyết định sửa đổi nội dung vốn điều lệ) *1695/QĐ-NHNN ngày 27/10/2021 (Quyết định sửa đổi nội dung vốn điều lệ) 35.109,1 15 Nam Á (Nam A Commercial Joint Stock Bank - NAM A BANK) 201-203 Cách mạng tháng 8, phường 4, Quận 3, TP. Hồ Chí Minh 0026/NHGP ngày 22/8/1992 4.564,5 16 Phương Đông (Orient Commercial Joint Stock Bank - OCB) 41, 45 Lê Duẩn, Quận 1, TP. Hồ Chí Minh *0061/ NHGP ngày 13/4/1996 *2120/QĐ-NHNN ngày 09/12/2020 (Quyết định sửa đổi nội dung vốn điều lệ) *1661/QĐ-NHNN ngày 21/10/2021 (Quyết định sửa đổi nội dung vốn điều lệ) 13.698,82 17 Quân Đội (Military Commercial Joint Stock Bank - MB) 18 Lê Văn Lương, phường Trung Hòa, Quận Cầu Giấy, Hà Nội *100/NH-GP ngày 17/10/2018 *2009/QĐ-NHNN ngày 25/11/2020 (QĐ thay đổi trụ sở chính) 27.987,6 125 * 1913/QĐ-NHNN ngày 9/11/2020 (Quyết định sửa đổi nội dung vốn điều lệ); 18 Quốc Tế Vietnam International Commercial Joint Stock Bank - VIB Tòa nhà Sailing Tower, số 111A Pasteur, quận 1, TP Hồ Chí Minh *95/GP-NHNN ngày 28/9/2018 *23/QĐ-NHNN ngày 14/1/2021 (Quyết định sửa đổi nội dung vốn điều lệ) *1313/QĐ-NHNN ngày 6/8/2021 (Quyết định sửa đổi nội dung vốn điều lệ) 15.531,4 19 Quốc dân (Đổi tên từ Ngân hàng Nam Việt) (National Citizen bank - NCB) 28C-28D Bà Triệu, quận Hoàn Kiếm, Hà Nội 0057/NHGP ngày 18/9/1995 970/QĐ-NHNN ngày 18/5/2006 4.101,6 20 Sài Gòn (Sai Gon Commercial Joint Stock Bank - SCB) 19,21,23,25 Nguyễn Huệ Phường Bến Nghé, Quận 1, Thành phố HCM 238/GP-NHNN ngày 26/12/2011 ( cấp đổi 29/GP-NHNN ngày 4/3/2020) 15.231,7 21 Sài Gòn Công Thương (Saigon Bank for Industry & Trade - SGB) Số 2C Phó Đức Chính, Quận 1, TP. Hồ Chí Minh 0034/NHGP ngày 04/5/1993 3.080,0 22 Sài Gòn – Hà Nội (Saigon-Hanoi Commercial Joint Stock Bank - SHB) 77 Trần Hưng Đạo, quận Hoàn Kiếm, Hà Nội *115/GP-NHNN ngày 30/11/2018 *957/QĐ-NHNN ngày 7/6/2021 (Quyết định sửa đổi nội dung vốn điều lệ) 19.260,48 23 Sài Gòn Thương Tín (Saigon Thuong TinCommercial Joint Stock Bank - Sacombank) 266-268 Nam Kỳ Khởi Nghĩa, Quận 3, TP. Hồ Chí Minh *0006/NHGP ngày 05/12/1991*289/QĐ- NHNN ngày 10/3/2021 (Quyết định sửa đổi nội dung địa điểm đặt trụ sở chính) 18.852,2 126 24 Tiên Phong (TienPhong Commercial Joint Stock Bank - TPB) Số 57 Lý Thường Kiệt, phường Trần Hưng Đạo, Hoàn Kiếm, Hà Nội *123/GP-NHNN ngày 05/5/2008 *152/QĐ-NHNN ngày 5/2/2021 (Quyết định sửa đổi nội dung vốn điều lệ) *1776/QĐ-NHNN ngày 10/11/2021 (Quyết định sửa đổi nội dung vốn điều lệ) 11.716,7 25 Việt Á (Viet A Commercial Joint Stock Bank - VIETA Bank) Tầng 4 và 5, Tòa nhà nhà Samsora Premier, số 105 đường Chu Văn An, phường Yết Kiêu, quận Hà Đông, thành phố Hà Nội. *55/GP-NHNN ngày 31/5/2019 *Quyết định số 1293/QĐ- NHNN ngày 02/8/2021 (Quyết định sửa đổi địa điểm đặt trụ sở chính) 4.449 26 Việt Nam Thịnh Vượng (Vietnam Commercial Joint Stock Bank for Private Enterprise - VPBank) 89 Láng Hạ, quận Đống Đa, Hà Nội 0042/NHGP ngày 12/8/1993 ( cấp đổi số 94/GP-NHNN ngày 28/9/2018) *1786/QĐ-NHNN ngày 15/11/2021 (Quyết định sửa đổi nội dung vốn điều lệ) 45.056,93 27 Việt Nam Thương Tín (Viet Nam Thuong Tin Commercial Joint Stock Bank - Vietbank) 47 Trần Hưng Đạo, TP. Sóc Trăng, tỉnh Sóc Trăng 2399/QĐ-NHNN ngày 15/12/2006 *1495/QĐ-NHNN ngày 20/9/2021 (QĐ sửa đổi nội dung vốn điều lệ) 4.776,8 28 Xăng dầu Petrolimex (Petrolimex Group Commercial Joint Stock Bank - PGBank) Tầng 16, 23, 24 tòa nhà MIPEC số 229 Phố Tây Sơn, phường Ngã Tư Sở, Đống Đa, Hà Nội 0045/NHGP ngày 13/11/1993 125/QĐ-NHNN ngày 12/01/2007 3.000,0 29 Xuất Nhập Khẩu (Viet nam Export Import Commercial Joint Stock - Eximbank) Tầng 8 Tòa nhà Vincom, số 72 Lê Thánh Tôn và 47 Lý Tự Trọng, phường Bến Nghé, Quận 1, TP. Hồ Chí Minh 0011/NHGP ngày 06/4/1992 12.355,2 127 30 Phát triển Thành phố Hồ Chí Minh (Ho Chi Minh city Development Joint Stock Commercial Bank - HDBank) 25 bis Nguyễn Thị Minh Khai, phường Bến Nghé, Quận 1, TP. Hồ Chí Mịnh 00019/NH-GP ngày 6/6/1992 (cấp đổi: 0026/NH-GP ngày 12/02/2020) 20.272,9 Nguồn: Ngân hàng Nhà nước Việt Nam 128 PHỤ LỤC 2: THỐNG KÊ MÔ TẢ VÀ TƯƠNG QUAN GGDP 261 .0592889 .0123937 .0291 .0708 INFLAT 261 .0422556 .0230588 .0063 .0921 OPE 248 .0171575 .0068336 .0067463 .0692406 LOAN 248 .5685166 .113472 .2162086 .7880604 SIZE 248 32.42133 1.143142 29.4931 34.9553 lnZSCORE 233 4.124943 1.079833 1.22083 7.916884 CAP 248 .0937059 .062105 .0262139 .6140832 NONDEP 248 .2322754 .1018488 .0161054 .50672 DEP 248 .6740187 .1139697 .1746066 .9282358 ROE 248 .0830115 .0636866 .0002843 .2582832 ROA 248 .0071316 .0058571 .0000135 .0280366 Variable Obs Mean Std. Dev. Min Max GGDP -0.0146 -0.2892 1.0000 INFLAT 0.1752 1.0000 OPE 1.0000 OPE INFLAT GGDP GGDP -0.1067 -0.0352 0.0525 -0.0114 -0.0777 -0.0081 0.0457 INFLAT 0.0161 -0.1258 -0.2682 0.1594 0.2309 -0.2388 -0.2972 OPE 0.4021 0.1311 -0.3494 -0.0669 0.7510 -0.3321 0.0473 LOAN 0.1926 0.3030 0.4763 -0.4748 -0.0953 0.2946 1.0000 SIZE 0.2291 0.5332 0.2917 0.0138 -0.5579 1.0000 CAP 0.2433 -0.1643 -0.4573 -0.0981 1.0000 NONDEP 0.1249 0.1657 -0.8402 1.0000 DEP -0.2442 -0.0586 1.0000 ROE 0.8404 1.0000 ROA 1.0000 ROA ROE DEP NONDEP CAP SIZE LOAN 129 GGDP -0.2917 1.0000 INFLAT 1.0000 INFLAT GGDP GGDP 0.0639 0.0519 -0.0253 -0.0731 -0.0344 0.0431 0.0117 INFLAT -0.2749 -0.2527 0.1522 0.2789 -0.2202 -0.2742 0.1668 OPE -0.3393 -0.1413 -0.0476 0.5107 -0.2361 0.0839 1.0000 LOAN 0.0465 0.4692 -0.4447 -0.0845 0.2881 1.0000 SIZE 0.1266 0.2121 0.0131 -0.6105 1.0000 CAP -0.1819 -0.2240 -0.1467 1.0000 NONDEP -0.1056 -0.9312 1.0000 DEP 0.1711 1.0000 lnZSCORE 1.0000 lnZSCORE DEP NONDEP CAP SIZE LOAN OPE GGDP -0.2917 1.0000 INFLAT 1.0000 INFLAT GGDP GGDP 0.0639 0.0519 -0.0253 -0.0731 -0.0344 0.0431 0.0117 INFLAT -0.2749 -0.2527 0.1522 0.2789 -0.2202 -0.2742 0.1668 OPE -0.3393 -0.1413 -0.0476 0.5107 -0.2361 0.0839 1.0000 LOAN 0.0465 0.4692 -0.4447 -0.0845 0.2881 1.0000 SIZE 0.1266 0.2121 0.0131 -0.6105 1.0000 CAP -0.1819 -0.2240 -0.1467 1.0000 NONDEP -0.1056 -0.9312 1.0000 DEP 0.1711 1.0000 lnZSCORE 1.0000 lnZSCORE DEP NONDEP CAP SIZE LOAN OPE 130 PHỤ LỤC 3: KẾT QUẢ HỒI QUY . var .0001055 9.69e-06 9.9e-08 .0001047 .0000883 .0001262 _cons -.0570534 .0219389 .000219 -.0566381 -.101006 -.0144692 GGDP -.0443449 .0557129 .000557 -.0443207 -.152267 .0631527 INFLAT -.0032116 .0315955 .000316 -.0029896 -.0671541 .0582673 OPE .3573147 .1116851 .001105 .358555 .1385037 .5789835 LOAN .0105621 .0071019 .000071 .010666 -.0036587 .0244195 SIZE .0020216 .0006473 6.5e-06 .0020144 .0007619 .0033123 DEP -.0159301 .0071999 .000072 -.015977 -.0299245 -.0018488 ROA Mean Std. Dev. MCSE Median [95% Cred. Interval] Equal-tailed Log marginal-likelihood = 732.20369 max = 1 avg = .9954 Efficiency: min = .9629 Acceptance rate = 1 Number of obs = 248 MCMC sample size = 10,000 Gibbs sampling Burn-in = 2,500 Bayesian normal regression MCMC iterations = 12,500 2: {var} (Gibbs) 1: {ROA:DEP SIZE LOAN OPE INFLAT GGDP _cons} (Gibbs) Block summary (1) Parameters are elements of the linear form xb_ROA. {var} ~ igamma(0.01,0.01) {ROA:DEP SIZE LOAN OPE INFLAT GGDP _cons} ~ normal(1,100) (1) Priors: ROA ~ normal(xb_ROA,{var}) Likelihood: Model summary 131 . var .0001073 9.83e-06 1.0e-07 .0001066 .0000899 .0001288 _cons -.0745851 .0246381 .000243 -.0744204 -.122538 -.0264444 GGDP -.0402087 .0563319 .000563 -.0401663 -.1488984 .0719246 INFLAT .0011463 .0316865 .00032 .0010642 -.0605067 .0628124 OPE .3455753 .1503027 .001503 .3442414 .0457738 .6456181 LOAN .0033615 .006361 .000064 .0034387 -.0094023 .015664 SIZE .0022993 .0007335 7.1e-06 .0022935 .000862 .00373 CAP .0177152 .0187109 .000185 .0175739 -.0184936 .0555414 ROA Mean Std. Dev. MCSE Median [95% Cred. Interval] Equal-tailed Log marginal-likelihood = 731.18779 max = 1 avg = .9925 Efficiency: min = .9615 Acceptance rate = 1 Number of obs = 248 MCMC sample size = 10,000 Gibbs sampling Burn-in = 2,500 Bayesian normal regression MCMC iterations = 12,500 2: {var} (Gibbs) 1: {ROA:CAP SIZE LOAN OPE INFLAT GGDP _cons} (Gibbs) Block summary (1) Parameters are elements of the linear form xb_ROA. {var} ~ igamma(0.01,0.01) {ROA:CAP SIZE LOAN OPE INFLAT GGDP _cons} ~ normal(1,100) (1) Priors: ROA ~ normal(xb_ROA,{var}) Likelihood: Model summary 132 . var .0001062 9.77e-06 1.0e-07 .0001056 .0000886 .000127 _cons -.0631153 .0216855 .000217 -.0630919 -.106196 -.0203012 GGDP -.0492268 .0563331 .00055 -.0491414 -.1599108 .062107 INFLAT -.0024375 .0319951 .00032 -.0023364 -.0640078 .0597335 OPE .4490936 .1043018 .001043 .4487558 .2451604 .6534099 LOAN .0096435 .0072251 .000072 .0094807 -.004241 .0239586 SIZE .0017525 .0006576 6.6e-06 .0017387 .0004733 .0030444 NONDEP .014043 .0074266 .000074 .0140587 -.0005046 .0284133 ROA Mean Std. Dev. MCSE Median [95% Cred. Interval] Equal-tailed Log marginal-likelihood = 731.45409 max = 1 avg = .9898 Efficiency: min = .9186 Acceptance rate = 1 Number of obs = 248 MCMC sample size = 10,000 Gibbs sampling Burn-in = 2,500 Bayesian normal regression MCMC iterations = 12,500 2: {var} (Gibbs) 1: {ROA:NONDEP SIZE LOAN OPE INFLAT GGDP _cons} (Gibbs) Block summary (1) Parameters are elements of the linear form xb_ROA. {var} ~ igamma(0.01,0.01) {ROA:NONDEP SIZE LOAN OPE INFLAT GGDP _cons} ~ normal(1,100) (1) Priors: ROA ~ normal(xb_ROA,{var}) Likelihood: Model summary 133 . var .0023926 .0002203 2.3e-06 .0023808 .0019973 .002857 _cons -1.020316 .1054869 .001055 -1.020024 -1.225718 -.8139486 GGDP -.1708882 .2670569 .002671 -.1697712 -.690691 .3530646 INFLAT -.0902988 .1495219 .001447 -.089923 -.3876381 .2036912 OPE 2.168306 .5313369 .005313 2.172269 1.126995 3.206554 LOAN .1314364 .0342049 .000342 .1315818 .0649421 .1975019 SIZE .034201 .0031132 .000031 .0341922 .0281393 .0402686 DEP -.1534757 .0342266 .000349 -.1536631 -.2209698 -.0860172 ROE Mean Std. Dev. MCSE Median [95% Cred. Interval] Equal-tailed Log marginal-likelihood = 356.34679 max = 1 avg = .9872 Efficiency: min = .9361 Acceptance rate = 1 Number of obs = 248 MCMC sample size = 10,000 Gibbs sampling Burn-in = 2,500 Bayesian normal regression MCMC iterations = 12,500 2: {var} (Gibbs) 1: {ROE:DEP SIZE LOAN OPE INFLAT GGDP _cons} (Gibbs) Block summary (1) Parameters are elements of the linear form xb_ROE. {var} ~ igamma(0.01,0.01) {ROE:DEP SIZE LOAN OPE INFLAT GGDP _cons} ~ normal(1,100) (1) Priors: ROE ~ normal(xb_ROE,{var}) Likelihood: Model summary 134 . var .0025368 .0002319 2.4e-06 .0025251 .0021214 .0030339 _cons -.968798 .119534 .001214 -.9694486 -1.205301 -.7352559 GGDP -.2451963 .2742369 .002742 -.2429518 -.7907735 .2915975 INFLAT -.0387034 .1550521 .001551 -.0379826 -.3451003 .2660357 OPE 4.21022 .7204751 .007205 4.208009 2.784727 5.639181 LOAN .0567946 .0312079 .000312 .0568565 -.0040541 .1180925 SIZE .0302847 .0035721 .000036 .0302894 .0232952 .0373405 CAP -.1964914 .0898993 .000899 -.1962242 -.3712819 -.0211309 ROE Mean Std. Dev. MCSE Median [95% Cred. Interval] Equal-tailed Log marginal-likelihood = 350.02357 max = 1 avg = .9856 Efficiency: min = .9485 Acceptance rate = 1 Number of obs = 248 MCMC sample size = 10,000 Gibbs sampling Burn-in = 2,500 Bayesian normal regression MCMC iterations = 12,500 2: {var} (Gibbs) 1: {ROE:CAP SIZE LOAN OPE INFLAT GGDP _cons} (Gibbs) Block summary (1) Parameters are elements of the linear form xb_ROE. {var} ~ igamma(0.01,0.01) {ROE:CAP SIZE LOAN OPE INFLAT GGDP _cons} ~ normal(1,100) (1) Priors: ROE ~ normal(xb_ROE,{var}) Likelihood: Model summary 135 . var .0022872 .0002112 2.2e-06 .0022747 .0019093 .002739 _cons -1.07819 .1002178 .001019 -1.078208 -1.271985 -.8808086 GGDP -.2269002 .2581567 .002582 -.2267685 -.7358772 .2797909 INFLAT -.0930239 .148978 .00149 -.091385 -.3812907 .1981128 OPE 3.054527 .4823785 .005034 3.058421 2.121131 4.002164 LOAN .1485965 .0336031 .000336 .1482493 .0827163 .2136947 SIZE .0307407 .0030338 .000031 .0307748 .0247969 .0366902 NONDEP .1941452 .0344904 .000345 .1942781 .1259857 .2608986 ROE Mean Std. Dev. MCSE Median [95% Cred. Interval] Equal-tailed Log marginal-likelihood = 361.60366 max = 1 avg = .9714 Efficiency: min = .9135 Acceptance rate = 1 Number of obs = 248 MCMC sample size = 10,000 Gibbs sampling Burn-in = 2,500 Bayesian normal regression MCMC iterations = 12,500 2: {var} (Gibbs) 1: {ROE:NONDEP SIZE LOAN OPE INFLAT GGDP _cons} (Gibbs) Block summary (1) Parameters are elements of the linear form xb_ROE. {var} ~ igamma(0.01,0.01) {ROE:NONDEP SIZE LOAN OPE INFLAT GGDP _cons} ~ normal(1,100) (1) Priors: ROE ~ normal(xb_ROE,{var}) Likelihood: Model summary 136 . var 1.034891 .0997733 .00105 1.029943 .8570127 1.248414 _cons 2.737419 2.034391 .020344 2.743901 -1.310065 6.696537 GGDP .3674336 4.940252 .049403 .3349682 -9.293578 10.21227 INFLAT -10.03895 3.021294 .030213 -10.0364 -16.09405 -4.231502 OPE -20.54807 8.144402 .084196 -20.64308 -36.7147 -4.570804 LOAN -.7691355 .7181547 .007182 -.7639654 -2.208589 .630578 SIZE .0503921 .0613075 .000613 .050373 -.0689028 .1728071 DEP 1.383847 .7695344 .007695 1.392976 -.1162885 2.891216 lnZSCORE Mean Std. Dev. MCSE Median [95% Cred. Interval] Equal-tailed Log marginal-likelihood = -357.34858 max = 1 avg = .9798 Efficiency: min = .9028 Acceptance rate = 1 Number of obs = 233 MCMC sample size = 10,000 Gibbs sampling Burn-in = 2,500 Bayesian normal regression MCMC iterations = 12,500 2: {var} (Gibbs) 1: {lnZSCORE:DEP SIZE LOAN OPE INFLAT GGDP _cons} (Gibbs) Block summary (1) Parameters are elements of the linear form xb_lnZSCORE. {var} ~ igamma(0.01,0.01) {lnZSCORE:DEP SIZE LOAN OPE INFLAT GGDP _cons} ~ normal(1,100) (1) Priors: lnZSCORE ~ normal(xb_lnZSCORE,{var}) Likelihood: Model summary 137 . var 1.035884 .0992864 .001029 1.030185 .8606273 1.248849 _cons 3.127592 2.072912 .020729 3.153879 -1.046209 7.120028 GGDP .6023773 4.938984 .048686 .622814 -9.106724 10.05347 INFLAT -10.40309 3.027852 .030279 -10.39296 -16.36732 -4.455296 OPE -21.59279 8.078434 .083206 -21.59688 -37.64715 -5.924077 LOAN -.7452568 .7146057 .007146 -.7545778 -2.140572 .6505321 SIZE .0760649 .0638414 .000638 .0748234 -.0466937 .2029546 NONDEP -1.19902 .7701782 .007397 -1.199393 -2.729713 .3220114 lnZSCORE Mean Std. Dev. MCSE Median [95% Cred. Interval] Equal-tailed Log marginal-likelihood = -357.91811 max = 1 avg = .9842 Efficiency: min = .9308 Acceptance rate = 1 Number of obs = 233 MCMC sample size = 10,000 Gibbs sampling Burn-in = 2,500 Bayesian normal regression MCMC iterations = 12,500 2: {var} (Gibbs) 1: {lnZSCORE:NONDEP SIZE LOAN OPE INFLAT GGDP _cons} (Gibbs) Block summary (1) Parameters are elements of the linear form xb_lnZSCORE. {var} ~ igamma(0.01,0.01) {lnZSCORE:NONDEP SIZE LOAN OPE INFLAT GGDP _cons} ~ normal(1,100) (1) Priors: lnZSCORE ~ normal(xb_lnZSCORE,{var}) Likelihood: Model summary 138 . var 1.047788 .100594 .001065 1.041862 .8698939 1.261085 _cons 4.007117 2.572305 .025723 3.989014 -1.069412 9.050223 GGDP .2660998 5.005733 .048811 .2833033 -9.500796 10.16865 INFLAT -10.40724 3.103683 .031037 -10.39667 -16.34654 -4.386518 OPE -20.34023 8.466619 .086834 -20.36235 -36.89332 -3.766161 LOAN -.1790247 .6515856 .006516 -.1866009 -1.443073 1.113998 SIZE .0341728 .0761762 .000762 .0342202 -.1155626 .1852508 CAP -1.347189 2.349058 .023491 -1.339577 -5.970975 3.225326 lnZSCORE Mean Std. Dev. MCSE Median [95% Cred. Interval] Equal-tailed Log marginal-likelihood = -357.85598 max = 1 avg = .9805 Efficiency: min = .8929 Acceptance rate = 1 Number of obs = 233 MCMC sample size = 10,000 Gibbs sampling Burn-in = 2,500 Bayesian normal regression MCMC iterations = 12,500 2: {var} (Gibbs) 1: {lnZSCORE:CAP SIZE LOAN OPE INFLAT GGDP _cons} (Gibbs) Block summary (1) Parameters are elements of the linear form xb_lnZSCORE. {var} ~ igamma(0.01,0.01) {lnZSCORE:CAP SIZE LOAN OPE INFLAT GGDP _cons} ~ normal(1,100) (1) Priors: lnZSCORE ~ normal(xb_lnZSCORE,{var}) Likelihood: Model summary 139 prob1 .9701 0.17032 .0017327 Mean Std. Dev. MCSE prob1 : {ROA:NONDEP} > 0 Interval tests MCMC sample size = 10,000 . bayestest interval {ROA:NONDEP}, lower(0) prob1 .8298 0.37583 .0037583 Mean Std. Dev. MCSE prob1 : {ROA:CAP} > 0 Interval tests MCMC sample size = 10,000 prob1 .0536 0.22524 .0022524 Mean Std. Dev. MCSE prob1 : {lnZSCORE:NONDEP} > 0 Interval tests MCMC sample size = 10,000 prob1 .9645 0.18505 .0018505 Mean Std. Dev. MCSE prob1 : {lnZSCORE:DEP} > 0 Interval tests MCMC sample size = 10,000 140 prob1 .2725 0.44527 .0044988 Mean Std. Dev. MCSE prob1 : {lnZSCORE:CAP} > 0 Interval tests MCMC sample size = 10,000 141 DANH MỤC CÁC CÔNG BỐ CỦA TÁC GIẢ CÓ LIÊN QUAN ĐẾN LUẬN ÁN STT Tên công trình Mức độ tham gia Nơi công bố Năm công bố 1 The Impact of capital structure on bank profitability: Evidence from Vietnam Đồng tác giả Cogent Business & Management 2022 2 Impact of Capital Structure on Risk-taking of Vietnamese Commercial Banks Đồng tác giả WSEAS TRANSACTIONS on BUSINESS and ECONOMICS 2022 3 Cấu trúc vốn và lợi nhuận của các ngân hàng thương mại Việt Nam: Tiếp cận bằng Bayes Đồng tác giả Tạp chí Kinh tế và Ngân hàng châu Á 2022 4 Does Internal Control Affect Bank Profitability in Vietnam? A Bayesian Approach Đồng tác giả Springer 2022 5 Cấu trúc vốn của ngân hàng thương mại Việt Nam: cách tiếp cận theo phương pháp Bayes Đồng tác giả Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á 2021 6 Determinants of Bank Liquidity: Evidence from Vietnam Đồng tác giả Springer 2021 142 7 Tác động của kiểm soát nội bộ đến khả năng sinh lời của các ngân hàng thương mại Việt Nam Đồng tác giả Tạp chí Kinh tế và Ngân hàng châu Á 2020 8 Mối quan hệ giữa kiểm soát nội bộ và rủi ro tín dụng của ngân hàng thương mại: Bằng chứng thực nghiệm tại Việt Nam Đồng tác giả Tạp chí Kinh tế và Ngân hàng châu Á 2020