បញ្ហា (The Problem)៖ តើការធ្វើពិពិធកម្មប្រភពចំណូលមានឥទ្ធិពលយ៉ាងណាទៅលើហានិភ័យរបស់ធនាគារពាណិជ្ជនៅប្រទេសវៀតណាម ក្នុងបរិបទនៃការជំរុញហិរញ្ញវត្ថុប្រកបដោយចីរភាព?
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យបន្ទះ (Panel data) និងវិធីសាស្ត្រប៉ាន់ស្មានអេកូណូមេទ្រីកដើម្បីវិភាគទំនាក់ទំនងរវាងអថេរ និងគ្រប់គ្រងអថេរចុងក្រោយ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Pooled OLS, FEM, and REM ម៉ូដែល OLS, FEM, និង REM |
ងាយស្រួលក្នុងការគណនា និងផ្តល់ការយល់ដឹងជាមូលដ្ឋានអំពីទំនាក់ទំនងរវាងអថេរនៅក្នុងទិន្នន័យបន្ទះ (Panel Data)។ | មិនអាចដោះស្រាយបញ្ហាអន្តរកម្ម (Endogeneity) រវាងអថេរបានល្អ ដែលអាចធ្វើឱ្យលទ្ធផលនៃការប៉ាន់ស្មានមានភាពលំអៀង។ | ម៉ូដែលទាំងនេះត្រូវបានប្រើប្រាស់ដើម្បីត្រួតពិនិត្យ ប៉ុន្តែត្រូវបានបដិសេធសម្រាប់លទ្ធផលចុងក្រោយ ដោយសារមានវត្តមាននៃបញ្ហាអន្តរកម្ម។ |
| System Generalized Method of Moments (SGMM) វិធីសាស្ត្រប៉ាន់ស្មាន SGMM |
អាចដោះស្រាយបញ្ហាអន្តរកម្ម (Endogeneity) និងគ្រប់គ្រងបម្រែបម្រួលមិនអាចសង្កេតបាន ផ្តល់លទ្ធផលច្បាស់លាស់សម្រាប់ទិន្នន័យបន្ទះសកម្ម (Dynamic panel data)។ | ទាមទារទំហំសំណាកទិន្នន័យបន្ទះធំល្មម ហើយមានភាពស្មុគស្មាញខ្ពស់ក្នុងការគណនា និងការកំណត់អថេរឧបករណ៍ (Instruments)។ | បង្ហាញយ៉ាងច្បាស់ថាការធ្វើពិពិធកម្មចំណូល (DIV) មានទំនាក់ទំនងអវិជ្ជមានទៅនឹងសូចនាករ Z-SCORE (-12.415) មានន័យថាវាបង្កើនហានិភ័យធនាគារ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារការប្រមូលទិន្នន័យហិរញ្ញវត្ថុជាក់ស្តែងពីធនាគារ កម្មវិធីវិភាគស្ថិតិ និងចំណេះដឹងផ្នែកអេកូណូមេទ្រីកកម្រិតខ្ពស់។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយផ្អែកលើទិន្នន័យធនាគារពាណិជ្ជវៀតណាមចំនួន ២៧ ចន្លោះឆ្នាំ ២០១៦ ដល់ ២០២៤។ ទិន្នន័យនេះឆ្លុះបញ្ចាំងពីបរិបទសេដ្ឋកិច្ចកំពុងអភិវឌ្ឍន៍នៅវៀតណាម ដែលមានរចនាសម្ព័ន្ធហិរញ្ញវត្ថុ និងធនាគារស្រដៀងគ្នាទៅនឹងប្រទេសកម្ពុជា។ ការស្រាវជ្រាវនេះមានសារៈសំខាន់សម្រាប់កម្ពុជា ដោយសារធនាគារក្នុងស្រុកក៏កំពុងពង្រីកសេវាកម្មហិរញ្ញវត្ថុថ្មីៗក្រៅពីការប្រាក់ (ដូចជាសេវាផ្ទេរប្រាក់ ធានារ៉ាប់រង) ដែលទាមទារការយល់ដឹងឱ្យបានច្បាស់ពីហានិភ័យដែលភ្ជាប់មកជាមួយ។
វិធីសាស្ត្រវិភាគ និងរបកគំហើញនៃការសិក្សានេះមានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការវាយតម្លៃហានិភ័យនៅក្នុងវិស័យធនាគារនៅប្រទេសកម្ពុជា។
សរុបមក ការយល់ដឹងពីឥទ្ធិពលអវិជ្ជមានដែលអាចកើតមានពីការធ្វើពិពិធកម្មចំណូល នឹងជួយឱ្យអ្នកធ្វើគោលនយោបាយ និងប្រតិបត្តិករធនាគារនៅកម្ពុជាអាចរៀបចំយុទ្ធសាស្ត្រគ្រប់គ្រងហានិភ័យបានទាន់ពេលវេលា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| System Generalized Method of Moments (SGMM) | ជាវិធីសាស្ត្រស្ថិតិមួយប្រភេទប្រើប្រាស់សម្រាប់វិភាគទិន្នន័យបន្ទះ (Panel Data) ដើម្បីដោះស្រាយបញ្ហាអន្តរកម្ម (Endogeneity) ដែលអថេរឯករាជ្យមានទំនាក់ទំនងជាមួយកំហុសនៅក្នុងម៉ូដែល ជួយឱ្យការប៉ាន់ស្មានមានភាពត្រឹមត្រូវខ្ពស់ និងអាចគ្រប់គ្រងកត្តាដែលមើលមិនឃើញ។ | វាដូចជាឧបករណ៍តម្រងដ៏វៃឆ្លាតមួយ ដែលជួយច្រោះយកភាពលម្អៀងចេញពីទិន្នន័យ ដើម្បីឱ្យយើងអាចមើលឃើញពីទំនាក់ទំនងពិតប្រាកដរវាងហេតុនិងផល។ |
| Z-SCORE | ជាសូចនាករហិរញ្ញវត្ថុដែលប្រើសម្រាប់វាស់ស្ទង់កម្រិតស្ថិរភាព ឬហានិភ័យនៃការក្ស័យធនរបស់ធនាគារ ដោយគណនាផ្អែកលើប្រាក់ចំណេញ ទំហំដើមទុន និងភាពប្រែប្រួលនៃប្រាក់ចំណេញ។ តម្លៃ Z-score កាន់តែខ្ពស់ បង្ហាញថាធនាគារកាន់តែមានសុវត្ថិភាព។ | វាប្រៀបដូចជាពិន្ទុសុខភាពរបស់មនុស្សម្នាក់ដែរ បើពិន្ទុកាន់តែខ្ពស់ មានន័យថាអ្នកនោះមានសុខភាពកាន់តែល្អ និងមិនងាយឈឺធ្ងន់ (ធនាគារមិនងាយក្ស័យធន)។ |
| Income diversification | ជាយុទ្ធសាស្ត្ររបស់ធនាគារក្នុងការស្វែងរកប្រាក់ចំណូលពីប្រភពផ្សេងៗក្រៅពីការប្រាក់កម្ចី ដូចជាសេវាផ្ទេរប្រាក់ ធានារ៉ាប់រង និងការវិនិយោគផ្សេងៗ ដើម្បីកាត់បន្ថយការពឹងផ្អែកលើប្រភពចំណូលតែមួយមុខ។ | វាដូចជាការរកស៊ីមានមុខរបរច្រើនក្នុងពេលតែមួយ បើមុខរបរមួយខាត ក៏នៅមានមុខរបរផ្សេងទៀតជួយទប់ទល់រក្សាលំនឹងប្រាក់ចំណូល។ |
| Non-interest income | ជាប្រាក់ចំណូលទាំងអស់របស់ធនាគារដែលមិនបានមកពីការប្រាក់នៃប្រាក់កម្ចី ប៉ុន្តែបានមកពីកម្រៃសេវាប្រតិបត្តិការ សេវាកម្មកាត ការប្តូរប្រាក់បរទេស ការលក់ធានារ៉ាប់រង និងការប្រឹក្សាហិរញ្ញវត្ថុ។ | វាគឺដូចជាប្រាក់ធីប ឬប្រាក់កម្រៃសេវាបន្ថែម ដែលអ្នករត់តុទទួលបានពីភ្ញៀវ ក្រៅពីប្រាក់ខែគោលប្រចាំខែរបស់គាត់។ |
| Endogeneity | នៅក្នុងម៉ូដែលស្ថិតិ វាគឺជាបញ្ហាមួយដែលកើតឡើងនៅពេលអថេរពន្យល់ (Independent variable) មានទំនាក់ទំនងជាមួយនឹងកំហុសនៃម៉ូដែល (Error term) ដែលធ្វើឱ្យលទ្ធផលនៃការវិភាគមិនត្រឹមត្រូវ ដោយសារតែមានកត្តាផ្សេងទៀតដែលមិនត្រូវបានរាប់បញ្ចូលតែមានឥទ្ធិពលលើអថេរទាំងនោះ ឧទាហរណ៍ដូចជាឥទ្ធិពលឆ្លងត្រឡប់ទៅវិញទៅមក (Causality loop)។ | ដូចជាការសន្និដ្ឋានថា "ឆ័ត្រធ្វើឱ្យមានភ្លៀង" ដោយសារតែឃើញគេកាងវានៅពេលភ្លៀងធ្លាក់ ដោយមិនបានគិតថាធាតុអាកាសទេដែលជាអ្នកធ្វើឱ្យមានភ្លៀង និងធ្វើឱ្យគេកាងឆ័ត្រនោះ។ |
| Panel data | ជាប្រភេទនៃសំណុំទិន្នន័យដែលមានការរួមបញ្ចូលគ្នារវាងទិន្នន័យកាត់ទទឹង (Cross-sectional) និងទិន្នន័យតាមពេលវេលា (Time series) ពោលគឺវាជាទិន្នន័យរបស់អង្គភាពច្រើន (ឧទាហរណ៍ ធនាគារចំនួន២៧) ក្នុងរយៈពេលច្រើនឆ្នាំ (ឧទាហរណ៍ ឆ្នាំ២០១៦ ដល់ ២០២៤)។ | ប្រៀបដូចជាការតាមដានពិន្ទុប្រចាំខែរបស់សិស្សមួយក្រុមតាំងពីដើមឆ្នាំរហូតដល់ចុងឆ្នាំ ដែលជួយឱ្យយើងដឹងពីការប្រែប្រួលរបស់សិស្សម្នាក់ៗផង និងអាចប្រៀបធៀបសិស្សទាំងអស់គ្នាបានផង។ |
| Net interest margin (NIM) | ជាសូចនាករវាស់ស្ទង់ប្រាក់ចំណេញរបស់ធនាគារ ដោយប្រៀបធៀបភាពខុសគ្នារវាងប្រាក់ចំណូលពីការប្រាក់ដែលធនាគារទទួលបានពីការផ្តល់កម្ចី និងប្រាក់ចំណាយលើការប្រាក់ដែលធនាគារត្រូវសងទៅអ្នកផ្ញើប្រាក់ ធៀបនឹងទ្រព្យសកម្មសរុបដែលបង្កើតចំណូល។ | ដូចជាប្រាក់ចំណេញសុទ្ធដែលអ្នកលក់ដុំទទួលបាន បន្ទាប់ពីដកថ្លៃដើមទិញចូលពីតម្លៃលក់ចេញ។ |
| Capital adequacy | ជាសមាមាត្រនៃដើមទុនផ្ទាល់ខ្លួនរបស់ធនាគារធៀបនឹងទ្រព្យសកម្មដែលមានហានិភ័យរបស់ខ្លួន ដើម្បីធានាថាធនាគារមានដើមទុនបម្រុងគ្រប់គ្រាន់សម្រាប់ស្រូបយកការខាតបង់ដែលអាចកើតមានដោយមិនបានរំពឹងទុក ស្របតាមស្តង់ដារអន្តរជាតិ (Basel)។ | ប្រៀបដូចជាប្រាក់សន្សំក្នុងកូនជ្រូកដែលអ្នកត្រៀមទុកសម្រាប់ដោះស្រាយបញ្ហាបន្ទាន់ ដើម្បីកុំឱ្យធ្លាក់ខ្លួនជំពាក់បំណុលគេ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
