Original Title: Determinants of Liquidity Risk in Vietnamese Commercial Banks
Source: doi.org/10.31817/vjas.2024.7.1.06
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

កត្តាកំណត់ហានិភ័យសាច់ប្រាក់ងាយស្រួលនៅក្នុងធនាគារពាណិជ្ជវៀតណាម

ចំណងជើងដើម៖ Determinants of Liquidity Risk in Vietnamese Commercial Banks

អ្នកនិពន្ធ៖ Nguyen Thi Huong (Vietnam National University of Agriculture), Dang Thi Hai Yen (Vietnam National University of Agriculture)

ឆ្នាំបោះពុម្ព៖ 2024, Vietnam Journal of Agricultural Sciences

វិស័យសិក្សា៖ Finance and Banking

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះវាយតម្លៃពីកត្តាដែលជះឥទ្ធិពលដល់ហានិភ័យសាច់ប្រាក់ងាយស្រួល (Liquidity Risk) របស់ធនាគារពាណិជ្ជនៅប្រទេសវៀតណាម ក្នុងអំឡុងពេល និងមុនពេលមានជំងឺរាតត្បាតកូវីដ-១៩ (២០១៧-២០២១)។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រមូលទិន្នន័យពីរបាយការណ៍ហិរញ្ញវត្ថុប្រចាំឆ្នាំរបស់ធនាគារពាណិជ្ជចំនួន៣០ ដោយប្រើប្រាស់ស្ថិតិពណ៌នា និងម៉ូដែលវិភាគទិន្នន័យស៊េរីពេលដើម្បីកំណត់ទំនាក់ទំនងអថេរ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Pooled Ordinary Least Squares (OLS)
ម៉ូដែលការ៉េអប្បបរមាធម្មតា (Pooled OLS)
ងាយស្រួលក្នុងការគណនា និងសាកសមសម្រាប់ទិន្នន័យដែលគ្មានភាពខុសប្លែកគ្នារវាងអង្គភាពនីមួយៗក្នុងសំណាកទិន្នន័យ។ មិនអើពើពីលក្ខណៈដោយឡែករបស់ធនាគារនីមួយៗ (Heterogeneity) ដែលអាចបណ្តាលឱ្យមានកំហុសក្នុងការប៉ាន់ស្មាន (Omitted variable bias)។ មិនត្រូវបានជ្រើសរើសប្រើប្រាស់ចុងក្រោយ ដោយសារការធ្វើតេស្ត Breusch-Pagan បង្ហាញថាមិនសាកសមនឹងទិន្នន័យពិត។
Fixed Effects Model (FEM)
ម៉ូដែលផលប៉ះពាល់ថេរ (FEM)
អាចគ្រប់គ្រងអថេរដែលមិនអាចសង្កេតបាន ដែលមានទំនាក់ទំនងជាមួយអថេរឯករាជ្យ ជួយកាត់បន្ថយកំហុសកម្រិតអង្គភាព។ មិនអាចប៉ាន់ស្មានឥទ្ធិពលនៃអថេរដែលមិនប្រែប្រួលតាមពេលវេលា (Time-invariant variables) បានទេ ដែលធ្វើឱ្យបាត់បង់ព័ត៌មានមួយចំនួន។ មិនត្រូវបានជ្រើសរើសសម្រាប់ការសន្និដ្ឋានចុងក្រោយ ដោយសារការធ្វើតេស្ត Hausman បង្ហាញថាវាមិនមែនជាជម្រើសល្អបំផុត។
Random Effects Model (REM)
ម៉ូដែលផលប៉ះពាល់ចៃដន្យ (REM)
អនុញ្ញាតឱ្យមានការប្រើប្រាស់អថេរដែលមិនប្រែប្រួលតាមពេលវេលា និងចាត់ទុកភាពខុសគ្នារវាងអង្គភាពជាលក្ខណៈចៃដន្យ (Random error)។ ទាមទារការសន្មត់យ៉ាងតឹងរ៉ឹងថាអថេរឯករាជ្យមិនមានទំនាក់ទំនងជាមួយលក្ខណៈដោយឡែករបស់អង្គភាពនីមួយៗ។ ត្រូវបានជ្រើសរើសជាម៉ូដែលល្អបំផុត ដែលរកឃើញថាកំណើនឥណទាន អនុបាតបំណុលខូច និង ROA បង្កើនហានិភ័យ ខណៈ CAR និងការកាន់កាប់មូលបត្រកាត់បន្ថយហានិភ័យ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យបន្ទាប់បន្សំពីរបាយការណ៍ហិរញ្ញវត្ថុ ដូច្នេះមិនទាមទារធនធានហិរញ្ញវត្ថុសម្រាប់ការពិសោធន៍ ឬឧបករណ៍ស្មុគស្មាញច្រើនឡើយ ប៉ុន្តែទាមទារកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យស្ថិតិកម្រិតខ្ពស់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងដោយផ្អែកលើទិន្នន័យធនាគារពាណិជ្ជចំនួន ៣០ នៅប្រទេសវៀតណាម ចន្លោះឆ្នាំ ២០១៧ ដល់ ២០២១ ដែលរាប់បញ្ចូលទាំងបរិបទនៃវិបត្តិជំងឺកូវីដ-១៩។ ភាពលម្អៀងអាចកើតមានដោយសារធនាគាររដ្ឋធំៗចំនួន ៤ ក្តោបក្តាប់ជាង ៥០% នៃទំហំទីផ្សារ ដែលអាចធ្វើឱ្យលទ្ធផលលម្អៀងទៅរកនិន្នាការនៃធនាគារខ្នាតយក្សទាំងនេះ។ សម្រាប់កម្ពុជា នេះជាចំណុចគួរយល់ដឹង ព្រោះប្រព័ន្ធធនាគារកម្ពុជាមានលក្ខណៈប្រកួតប្រជែងខ្លាំង និងមានធនាគារពាណិជ្ជឯកជនជាច្រើនដែលមានទំហំប្រកៀកប្រកិតគ្នា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រស្រាវជ្រាវ និងរបកគំហើញនៃការសិក្សានេះ មានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់វិស័យធនាគារនៅកម្ពុជា ក្នុងការរៀបចំយុទ្ធសាស្ត្រគ្រប់គ្រងហានិភ័យសាច់ប្រាក់ងាយស្រួល ស្របតាមការវិវត្តនៃសេដ្ឋកិច្ច។

សរុបមក ការរក្សាបាននូវការយល់ដឹងពីការដោះដូរ (Trade-off) រវាងការស្វែងរកប្រាក់ចំណេញកម្រិតខ្ពស់ និងការរក្សាសុវត្ថិភាពសាច់ប្រាក់ គឺជាគន្លឹះដ៏សំខាន់សម្រាប់ធានានិរន្តរភាពនៃគ្រឹះស្ថានធនាគារនៅកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីមូលដ្ឋានគ្រឹះនៃទិន្នន័យកម្រិតអង្គភាពតាមពេលវេលា (Panel Data Analysis): ចាប់ផ្តើមសិក្សាពីទ្រឹស្តីសេដ្ឋកិច្ចវិទ្យា (Econometrics) ជាពិសេសការវិភាគទិន្នន័យប្រភេទ Panel Data ដោយផ្តោតលើម៉ូដែល Pooled OLS, Fixed Effects (FEM) និង Random Effects (REM) តាមរយៈសៀវភៅ ឬវគ្គសិក្សាតាមអ៊ីនធឺណិត។
  2. ប្រមូលទិន្នន័យពីគ្រឹះស្ថានធនាគារនៅកម្ពុជា: ទាញយករបាយការណ៍ហិរញ្ញវត្ថុប្រចាំឆ្នាំរបស់ធនាគារពាណិជ្ជនៅកម្ពុជា (តាមរយៈគេហទំព័រធនាគារនីមួយៗ ឬរបាយការណ៍ប្រចាំឆ្នាំរបស់ National Bank of Cambodia) ដើម្បីប្រមូលទិន្នន័យអថេរដូចជា LDR, CAR, NPL, ROA និងកំណើនឥណទាន សម្រាប់រយៈពេលយ៉ាងហោចណាស់ ៥ឆ្នាំកន្លងមក។
  3. ប្រើប្រាស់កម្មវិធីវិភាគទិន្នន័យស្ថិតិ: អនុវត្តការសម្អាត រៀបចំទិន្នន័យ និងរត់ម៉ូដែលវិភាគដោយប្រើប្រាស់កម្មវិធី Stata, REViews។ បន្ទាប់មក ត្រូវធ្វើតេស្ត F-test, Breusch-Pagan test និង Hausman test ដើម្បីជ្រើសរើសម៉ូដែលដែលសាកសមបំផុតសម្រាប់ទិន្នន័យកម្ពុជា។
  4. វាយតម្លៃឥទ្ធិពល និងសរសេររបាយការណ៍ផ្តល់អនុសាសន៍: វិភាគលើមេគុណកម្រិតប៉ះពាល់ (Coefficients) និងកម្រិតសារៈសំខាន់ (P-values) នៃអថេរនីមួយៗ ដើម្បីកំណត់ថាតើកត្តាណាខ្លះដែលជះឥទ្ធិពលខ្លាំងដល់ហានិភ័យសាច់ប្រាក់។ បន្ទាប់មក រៀបចំជារបាយការណ៍សង្ខេបដើម្បីផ្តល់អនុសាសន៍ជាក់ស្តែងដល់ថ្នាក់ដឹកនាំ ឬគណៈកម្មការគ្រប់គ្រងហានិភ័យរបស់ធនាគារ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Liquidity risk (ហានិភ័យសាច់ប្រាក់ងាយស្រួល) ស្ថានភាពដែលធនាគារមិនមានសាច់ប្រាក់គ្រប់គ្រាន់ ឬមិនអាចបំប្លែងទ្រព្យសកម្មទៅជាសាច់ប្រាក់បានទាន់ពេលវេលា ដើម្បីសងប្រាក់បញ្ញើដល់អតិថិជន ឬទូទាត់កាតព្វកិច្ចហិរញ្ញវត្ថុពេលដល់កំណត់ដោយមិនខាតបង់តម្លៃដើម។ ដូចជាអ្នកមានផ្ទះមានដីច្រើន (ទ្រព្យសម្បត្តិ) ប៉ុន្តែអត់មានលុយសុទ្ធក្នុងហោប៉ៅសម្រាប់ទិញម្ហូបហូបប្រចាំថ្ងៃភ្លាមៗនោះទេ។
Loan to deposit ratio / LDR (អនុបាតប្រាក់កម្ចីធៀបនឹងប្រាក់បញ្ញើ) រង្វាស់ដែលប្រៀបធៀបទំហំប្រាក់ដែលធនាគារបានបញ្ចេញឱ្យគេខ្ចី ធៀបនឹងទំហំប្រាក់ដែលអតិថិជនបានផ្ញើនៅធនាគារ។ អនុបាតនេះកាន់តែខ្ពស់ មានន័យថាធនាគារយកលុយបញ្ញើទៅឱ្យគេខ្ចីកាន់តែច្រើន ដែលអាចប្រឈមនឹងការខ្វះសាច់ប្រាក់។ ដូចជាការយកលុយដែលគេផ្ញើទុកនៅយើងចំនួន ១០០ដុល្លារ ទៅចងការឱ្យគេបន្តចំនួន ៩០ដុល្លារ ដូច្នេះយើងសល់តែ ១០ដុល្លារទេសម្រាប់ត្រៀមពេលគេមកសុំលុយវិញ។
Capital adequacy ratio / CAR (អនុបាតសុវត្ថិភាពដើមទុន) សូចនាករដែលវាស់ស្ទង់ទំហំដើមទុនផ្ទាល់របស់ធនាគារ ធៀបនឹងទ្រព្យសកម្មដែលមានហានិភ័យ (ដូចជាប្រាក់កម្ចី) ដើម្បីធានាថាធនាគារមានទុនបម្រុងគ្រប់គ្រាន់សម្រាប់ស្រូបយកការខាតបង់ដែលអាចកើតមាន និងការពារអ្នកផ្ញើប្រាក់។ ដូចជាការពាក់មួកសុវត្ថិភាព និងអាវក្រោះពេលជិះម៉ូតូ ដើម្បីកាត់បន្ថយការរងរបួសធ្ងន់ធ្ងរពេលមានគ្រោះថ្នាក់ចៃដន្យ។
Bad debt (បំណុលខូច) ប្រាក់កម្ចីដែលអតិថិជនមិនអាចសងត្រឡប់មកវិញបានតាមកាលកំណត់ ឬគ្មានលទ្ធភាពសងទាល់តែសោះ ដែលធ្វើឱ្យធនាគារខាតបង់ប្រាក់ចំណេញ ទុន និងធ្វើឱ្យប៉ះពាល់ដល់ទំហំសាច់ប្រាក់ក្នុងដៃរបស់ធនាគារ។ ដូចជាការឱ្យមិត្តភក្តិខ្ចីលុយ ហើយគេគេចមុខមិនព្រមសង ដែលធ្វើឱ្យយើងបាត់បង់លុយនោះទាំងស្រុង។
Random effects model / REM (ម៉ូដែលផលប៉ះពាល់ចៃដន្យ) ជាវិធីសាស្ត្រស្ថិតិ និងសេដ្ឋកិច្ចវិទ្យាសម្រាប់វិភាគទិន្នន័យបន្ទះ (Panel Data) ដែលសន្មត់ថាភាពខុសគ្នារវាងអង្គភាពនីមួយៗ (ដូចជាធនាគារនីមួយៗ) កើតឡើងដោយចៃដន្យ និងមិនមានទំនាក់ទំនងជាមួយអថេរឯករាជ្យក្នុងម៉ូដែលឡើយ។ វាអនុញ្ញាតឱ្យសិក្សាពីអថេរដែលមិនប្រែប្រួលតាមពេលវេលាផងដែរ។ ដូចជាការសន្មត់ថា សមត្ថភាពរៀនពូកែពីកំណើតរបស់សិស្សម្នាក់ៗគឺជារឿងចៃដន្យ ហើយវាមិនពាក់ព័ន្ធដោយផ្ទាល់ជាមួយនឹងចំនួនម៉ោងដែលពួកគេរៀនកម្រិតបំប៉ននោះទេ។
Liquid securities (មូលបត្រដែលមានសាច់ប្រាក់ងាយស្រួល) ឧបករណ៍ហិរញ្ញវត្ថុ (ដូចជាភាគហ៊ុន សញ្ញាប័ណ្ណ ឬមូលបត្ររតនាគារ) ដែលធនាគារអាចលក់ដូរ ឬបំប្លែងទៅជាសាច់ប្រាក់បានយ៉ាងឆាប់រហ័សនៅលើទីផ្សារ ដោយមិនធ្វើឱ្យបាត់បង់តម្លៃដើមច្រើន ដើម្បីបំពេញកាតព្វកិច្ចហិរញ្ញវត្ថុបន្ទាន់។ ដូចជាមាស ឬគ្រឿងអលង្ការ ដែលអ្នកអាចយកទៅលក់នៅហាងមាសយកលុយសុទ្ធបានភ្លាមៗពេលខ្វះខាត ខុសពីការលក់ដី ឬផ្ទះដែលត្រូវរង់ចាំយូរ។
Return on assets / ROA (អនុបាតប្រាក់ចំណេញធៀបនឹងទ្រព្យសកម្ម) សូចនាករហិរញ្ញវត្ថុវាស់ស្ទង់ពីសមត្ថភាពរបស់ធនាគារក្នុងការបង្កើតប្រាក់ចំណេញសុទ្ធ ដោយប្រើប្រាស់ទ្រព្យសកម្មសរុបដែលខ្លួនមាន។ វាបង្ហាញពីប្រសិទ្ធភាពរបស់ថ្នាក់ដឹកនាំធនាគារក្នុងការប្រើប្រាស់ធនធានដើម្បីទាញយកប្រាក់ចំណេញ។ ដូចជាការវាយតម្លៃថាតើម៉ាស៊ីនផលិតទឹកកកមួយគ្រឿងតម្លៃ ១ពាន់ដុល្លារ (ទ្រព្យសកម្ម) អាចជួយរកប្រាក់ចំណេញបានប៉ុន្មានដុល្លារក្នុងមួយខែ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖