CAMEL là gì? Cách xây dựng và kiểm định mô hình CAMEL
Mô hình CAMEL là gì
CAMEL là khung phân tích sức khỏe tài chính của ngân hàng dựa trên năm nhóm yếu tố: Capital Adequacy, Asset Quality, Management Quality, Earnings và Liquidity. Khi Việt hóa, bạn có thể hiểu lần lượt là mức độ an toàn vốn, chất lượng tài sản, chất lượng quản trị, khả năng sinh lời và khả năng thanh khoản.
Trong luận văn định lượng, CAMEL thường được dùng theo hai hướng. Hướng thứ nhất là xây dựng một bộ chỉ tiêu tài chính để đánh giá từng ngân hàng qua nhiều năm. Hướng thứ hai là xem các thành phần của CAMEL như những biến giải thích cho một kết quả nghiên cứu, chẳng hạn hiệu quả hoạt động, rủi ro ngân hàng hoặc khả năng ổn định tài chính.
Điểm cần chốt trước khi mở SPSS là CAMEL không tự động là một thang đo Likert. Nếu bạn lấy ROA, CAR, NPL, LDR và các tỷ số tài chính từ báo cáo thường niên, đó là bộ dữ liệu thứ cấp gồm các biến quan sát dạng số. Nếu bạn khảo sát nhận định của nhân viên hoặc khách hàng về quản trị, thanh khoản hay hiệu quả ngân hàng, bạn mới có thể xử lý các biến quan sát bằng Cronbach's Alpha, EFA hoặc SmartPLS.
CAMEL cũng không phải một mô hình hồi quy hoàn chỉnh. Nó cung cấp cấu trúc khái niệm và nhóm biến. Bạn vẫn phải xác định biến phụ thuộc, biến độc lập, giả thuyết, cách đo lường và phương pháp kiểm định phù hợp với câu hỏi nghiên cứu. Trong nhóm chủ đề Mô hình nghiên cứu, CAMEL nên được đặt cạnh các mô hình tài chính khác, thay vì dùng như một nhãn cho mọi phân tích về ngân hàng.
Các thành phần trong mô hình
Năm thành phần của CAMEL mô tả năm góc nhìn khác nhau. Bạn nên ghi rõ mỗi thành phần được đo bằng chỉ tiêu nào, nguồn dữ liệu ở đâu và giá trị lớn hay nhỏ có ý nghĩa gì. Bảng dưới đây là khung khởi đầu để bạn thiết kế mô hình, không phải một bộ chỉ tiêu bắt buộc cho mọi đề tài.
| Thành phần | Tên tiếng Anh | Nội dung cần đánh giá | Chỉ tiêu có thể tham khảo |
|---|---|---|---|
| C | Capital Adequacy | Khả năng vốn hấp thụ tổn thất và hỗ trợ hoạt động | CAR, vốn chủ sở hữu trên tổng tài sản |
| A | Asset Quality | Mức độ an toàn của danh mục tài sản, đặc biệt là khoản cho vay | NPL, dự phòng trên dư nợ, tỷ lệ nợ xấu |
| M | Management Quality | Khả năng quản trị rủi ro, kiểm soát chi phí và vận hành | CIR, năng suất lao động, chỉ báo quản trị |
| E | Earnings | Khả năng tạo lợi nhuận ổn định từ nguồn lực hiện có | ROA, ROE, NIM |
| L | Liquidity | Khả năng đáp ứng nghĩa vụ thanh toán khi đến hạn | LDR, tài sản thanh khoản trên tổng tài sản |
Capital Adequacy thường được đại diện bằng CAR hoặc một tỷ lệ vốn tương tự. Asset Quality cần chú ý NPL vì tỷ lệ nợ xấu cao thường kéo theo áp lực dự phòng. Tuy vậy, chiều hướng và cách diễn giải phải dựa trên định nghĩa biến trong đề tài của bạn. Một chỉ tiêu cao chưa chắc luôn tốt.
Management Quality là phần khó nhất nếu bạn chỉ có báo cáo tài chính. CIR có thể phản ánh hiệu quả kiểm soát chi phí, nhưng không bao quát toàn bộ chất lượng quản trị. Nếu dùng bảng hỏi, bạn phải định nghĩa rõ quản trị rủi ro, kiểm soát nội bộ hoặc năng lực điều hành đang được đo bằng những biến quan sát nào.
Earnings thường gắn với ROA, ROE hoặc NIM. Bạn cần tránh đưa đồng thời các chỉ tiêu có quan hệ công thức quá chặt vào cùng một phương trình nếu chưa kiểm tra đa cộng tuyến. Liquidity có thể dùng LDR hoặc một tỷ lệ tài sản thanh khoản, nhưng cách tính giữa các ngân hàng phải nhất quán.
Mô hình gốc và các mở rộng phổ biến
CAMEL có cấu trúc năm nhóm C, A, M, E và L. Khi áp dụng vào từng quốc gia hoặc từng ngành ngân hàng, nhà nghiên cứu có thể thay đổi chỉ tiêu đại diện, cách chuẩn hóa dữ liệu và cách tổng hợp điểm. Vì vậy, bạn không nên bê nguyên một bảng chỉ tiêu từ đề tài khác khi bối cảnh, giai đoạn và quy định báo cáo đã khác.
Một hướng mở rộng thường gặp là bổ sung thành phần S, viết tắt của Sensitivity to Market Risk. Khi đó mô hình được gọi là CAMELS, nhấn mạnh mức độ nhạy cảm trước rủi ro thị trường như lãi suất, tỷ giá hoặc giá chứng khoán. Nếu đề tài của bạn chỉ tuyên bố nghiên cứu CAMEL, việc thêm S phải được giải thích ngay trong phần cơ sở lý thuyết và mô hình đề xuất.
Một hướng khác là chuyển từ điểm tổng hợp sang mô hình hồi quy. Chẳng hạn, C, A, M và L có thể được dùng để giải thích E, trong đó ROA là biến phụ thuộc. Cách này giúp bạn kiểm tra tác động riêng của từng nhóm, nhưng nó cũng đòi hỏi dữ liệu theo ngân hàng và theo thời gian đủ nhất quán.
Bạn có thể tham khảo cách các bài về Beneish M-Score, CAPM hoặc danh mục Markowitz trình bày biến số tài chính. Điểm giống nhau là khái niệm chỉ trở thành mô hình nghiên cứu sau khi được gắn với cách đo cụ thể và một quy trình kiểm định. Tên mô hình không thay thế cho thiết kế dữ liệu.
Nếu đề tài nghiên cứu định giá hoặc hiệu quả đầu tư, CAMEL có thể chỉ là biến kiểm soát hoặc khung phân loại. Ví dụ, đề tài về chiết khấu dòng tiền DCF không nên đưa CAMEL vào chỉ vì cả hai đều liên quan đến tài chính. Bạn cần chỉ ra quan hệ lý thuyết giữa CAMEL và câu hỏi nghiên cứu trước khi thêm biến.
Thang đo thường dùng cho từng khái niệm
Với dữ liệu báo cáo tài chính, “thang đo” thường là quy tắc tính tỷ số, không phải câu hỏi Likert. Bạn cần lập một bảng mã biến gồm tên biến, công thức, đơn vị, chiều hướng và nguồn báo cáo. Với dữ liệu khảo sát, mỗi thành phần cần có các biến quan sát phản ánh cùng một khái niệm.
| Khái niệm | Biến hoặc chỉ báo minh họa | Loại dữ liệu | Lưu ý khi sử dụng |
|---|---|---|---|
| Capital Adequacy | CAR, vốn chủ sở hữu/tổng tài sản | Tỷ số tài chính | Ghi rõ tử số, mẫu số và đơn vị |
| Asset Quality | NPL/tổng dư nợ, dự phòng/tổng dư nợ | Tỷ số tài chính | Kiểm tra chiều hướng tốt, xấu trước khi chuẩn hóa |
| Management Quality | CIR hoặc nhóm biến quan sát về quản trị rủi ro | Tỷ số hoặc Likert | CIR và cảm nhận quản trị không nên gộp tùy tiện |
| Earnings | ROA, ROE, NIM | Tỷ số tài chính | Chọn một biến phụ thuộc phù hợp với giả thuyết |
| Liquidity | LDR, tài sản thanh khoản/tổng tài sản | Tỷ số tài chính | Định nghĩa thanh khoản phải nhất quán giữa các năm |
Nếu bạn dùng bảng hỏi Likert, thang đo cần được điều chỉnh theo bối cảnh ngân hàng Việt Nam và thử nghiệm trước khi thu thập chính thức. Các biến quan sát phải mô tả một nội dung cụ thể, chẳng hạn khả năng kiểm soát rủi ro tín dụng hoặc mức độ chủ động quản trị thanh khoản. Không nên biến một tỷ số tài chính thành câu hỏi cảm nhận chỉ để chạy Cronbach's Alpha.
Trong trường hợp mô hình gồm nhiều biến quan sát, bạn có thể chạy Cronbach's Alpha để xem độ nhất quán nội bộ. Cronbach's Alpha từ 0.7 trở lên thường được chấp nhận theo (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, Alpha từ 0.6 có thể được xem xét theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên được tham khảo theo (Nunnally và Bernstein, 1994).
Sau đó, EFA có thể được dùng để kiểm tra cấu trúc nhóm biến. KMO từ 0.5 trở lên và Bartlett's Test có p-value dưới 0.05 được tham khảo theo (Kaiser, 1974). Factor loading từ 0.5 trở lên và Total Variance Explained từ 50% trở lên được tham khảo theo (Hair và cộng sự, 2010). Các con số này chỉ áp dụng khi thiết kế của bạn thực sự là thang đo khảo sát.
Áp dụng vào đề tài của bạn
Giả sử bạn nghiên cứu “Các yếu tố CAMEL ảnh hưởng đến hiệu quả hoạt động của ngân hàng thương mại tại Việt Nam”. Bạn có dữ liệu bảng gồm nhiều ngân hàng trong nhiều năm. Một mô hình minh họa có thể đặt ROA là biến phụ thuộc, còn CAR, NPL, CIR và LDR là các biến giải thích.
Bốn giả thuyết có thể viết như sau:
- H1: Capital Adequacy có ảnh hưởng đến hiệu quả hoạt động của ngân hàng.
- H2: Asset Quality có ảnh hưởng đến hiệu quả hoạt động của ngân hàng.
- H3: Management Quality có ảnh hưởng đến hiệu quả hoạt động của ngân hàng.
- H4: Liquidity có ảnh hưởng đến hiệu quả hoạt động của ngân hàng.
Đây mới là khung giả thuyết. Bạn chưa nên tự ghi “ảnh hưởng tích cực” hoặc “ảnh hưởng tiêu cực” nếu phần tổng quan chưa giải thích được chiều tác động. Chẳng hạn, NPL cao thường được kỳ vọng liên quan đến hiệu quả thấp, nhưng bạn phải quy định rõ NPL được nhập ở dạng gốc hay đã đảo chiều. Khi đảo chiều, tên biến và công thức cần được lưu lại trong file dữ liệu.
Bạn cũng cần quyết định CAMEL là năm biến độc lập riêng hay một chỉ số tổng hợp. Nếu dùng năm biến riêng, kết quả cho biết thành phần nào liên quan đến ROA. Nếu cộng thành điểm CAMEL, bạn phải giải thích cách chấm điểm, trọng số và cách xử lý khi một thành phần tốt còn thành phần khác xấu. Điểm tổng hợp dễ trình bày hơn nhưng có thể che mất thông tin của từng nhóm.
Nếu đề tài chuyển sang khảo sát, mô hình có thể dùng năm biến tiềm ẩn C, A, M, E, L và một biến tiềm ẩn về hiệu quả. Khi đó, bạn cần xác định số biến quan sát cho mỗi khái niệm, mã hóa các câu trả lời Likert, kiểm tra dữ liệu thiếu và xử lý biến đảo chiều trước khi chạy phân tích.
Cách viết vào luận văn: “Nghiên cứu kế thừa khung CAMEL để xây dựng các nhóm biến đại diện cho [mức độ an toàn vốn], [chất lượng tài sản], [chất lượng quản trị], [khả năng sinh lời] và [khả năng thanh khoản]. Biến phụ thuộc được đo bằng [ROA/ROE/biến đo lường khác], trong khi các giả thuyết H1 đến H4 kiểm định ảnh hưởng của [các thành phần được chọn] đến [kết quả nghiên cứu].”
Cách kiểm định mô hình bằng SPSS hoặc SmartPLS
Việc chọn phần mềm phụ thuộc vào cấu trúc dữ liệu, không phụ thuộc vào tên CAMEL. Nếu bạn có tỷ số tài chính theo ngân hàng và năm, SPSS phù hợp để thống kê mô tả, tương quan, hồi quy và kiểm tra các giả định. Nếu bạn có mô hình biến tiềm ẩn từ bảng hỏi, SmartPLS phù hợp để đánh giá measurement model và structural model.
Với SPSS, bạn có thể bắt đầu bằng Analyze > Descriptive Statistics > Descriptives để xem Mean, Standard Deviation, Minimum và Maximum. Sau đó dùng Analyze > Correlate > Bivariate để xem tương quan, rồi chọn Analyze > Regression > Linear để chạy hồi quy. Đưa ROA vào ô Dependent, các biến CAMEL vào ô Independent(s), sau đó xem bảng Model Summary, ANOVA và Coefficients.
Nếu dữ liệu có nhiều ngân hàng trong nhiều năm, bạn phải cân nhắc đặc điểm dữ liệu bảng trước khi dùng hồi quy OLS đơn giản. Các quan sát cùng một ngân hàng có thể không độc lập. Nếu luận văn yêu cầu mô hình tác động cố định hoặc tác động ngẫu nhiên, SPSS cơ bản có thể không phải công cụ thuận tiện nhất, và bạn cần thống nhất phương pháp với giảng viên trước khi chạy.
Với SmartPLS 4, dữ liệu .csv cần có một dòng tiêu đề và mỗi dòng tiếp theo là một quan sát. Bạn tạo các construct C, A, M, E, L và biến kết quả, kéo các indicator vào đúng construct, sau đó vẽ mũi tên theo giả thuyết. Quy trình nên đi từ measurement model sang structural model theo cách tiếp cận hai bước được trình bày trong (Anderson và Gerbing, 1988).
Trong SmartPLS 4, chạy Calculate > PLS-SEM Algorithm để xem Outer Loadings, Construct Reliability and Validity và Discriminant Validity. Sau đó chạy Calculate > Bootstrapping, chọn số lượng subsamples phù hợp với thiết kế, và đọc Path Coefficients, T Statistics cùng P Values. Việc dùng 5.000 bootstrap subsamples được tham khảo theo (Hair và cộng sự, 2022).
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được mô phỏng theo các bảng thường thấy trong SmartPLS, giúp bạn nhận ra vị trí cần đọc khi output hiện trên màn hình.
| Path Coefficients | Original Sample (O) | Sample Mean (M) | Standard Deviation (STDEV) | T Statistics | P Values |
|---|---|---|---|---|---|
| Capital Adequacy -> ROA | 0.214 | 0.219 | 0.081 | 2.642 | 0.008 |
| Asset Quality -> ROA | -0.176 | -0.171 | 0.074 | 2.378 | 0.017 |
| Management Quality -> ROA | 0.301 | 0.297 | 0.092 | 3.272 | 0.001 |
| Liquidity -> ROA | 0.063 | 0.067 | 0.069 | 0.913 | 0.361 |
Ở dòng Capital Adequacy -> ROA, hệ số đường dẫn minh họa là 0.214 và p-value là 0.008. Nếu ngưỡng ý nghĩa đã chọn là 5%, bạn có thể kết luận giả thuyết tương ứng được ủng hộ trong bộ dữ liệu minh họa. Với Liquidity -> ROA, p-value là 0.361, nên chưa có đủ bằng chứng thống kê để kết luận có ảnh hưởng ở mức 5%. Cách diễn giải này không dự đoán kết quả trong file của bạn.
Trong SmartPLS, outer loading từ 0.7 trở lên có thể tham khảo (Chin, 1998) hoặc (Hair và cộng sự, 2022). CR từ 0.7 và AVE từ 0.5 trở lên được tham khảo theo (Fornell và Larcker, 1981). HTMT dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, được tham khảo theo (Henseler và cộng sự, 2015). VIF dưới 5 được tham khảo theo (Hair và cộng sự, 2019).
| Tiêu chí | Mức tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên | (Nunnally, 1978) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) |
| Factor loading | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Outer loading trong PLS-SEM | Từ 0.7 trở lên | (Chin, 1998) |
| CR | Từ 0.7 trở lên | (Fornell và Larcker, 1981) |
| AVE | Từ 0.5 trở lên | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85 hoặc 0.90 | (Henseler và cộng sự, 2015) |
| VIF | Dưới 5 | (Hair và cộng sự, 2019) |
| R² | 0.25 yếu, 0.50 vừa, 0.75 đáng kể | (Hair và cộng sự, 2011) |
| Q² | Lớn hơn 0 | (Stone, 1974) |
Các ngưỡng trong bảng phải được đọc cùng với bản chất dữ liệu. Bạn không dùng CFI, TLI, RMSEA của CB-SEM để đánh giá một mô hình PLS-SEM trong SmartPLS. Các chỉ số đó thuộc họ đánh giá CB-SEM và được trình bày theo (Hu và Bentler, 1999).
Lỗi thường gặp khi dùng mô hình này
Lỗi đầu tiên là viết CAMEL như một biến duy nhất nhưng không mô tả cách tính. Người đọc luận văn cần biết điểm CAMEL được tạo từ những tỷ số nào, có chuẩn hóa hay không, trọng số ra sao và thiếu dữ liệu thì xử lý thế nào.
Lỗi thứ hai là trộn dữ liệu khảo sát với tỷ số tài chính trong cùng một thang đo mà không có lý do phương pháp. CAR, NPL và ROA có bản chất khác với mức độ đồng ý trên thang Likert. Bạn có thể dùng chúng trong cùng một mô hình hồi quy nếu thiết kế cho phép, nhưng không nên gọi tất cả là biến quan sát của một thang đo phản xạ.
Lỗi thứ ba là đảo chiều NPL hoặc LDR nhưng không ghi lại. Khi bảng dữ liệu đã đổi dấu, tên biến nên thể hiện rõ quy ước, chẳng hạn NPL_reverse. Nếu không, phần kết quả có thể diễn giải ngược dấu của hệ số.
Lỗi thứ tư là chạy hồi quy ngay khi chưa kiểm tra outlier, dữ liệu thiếu và đa cộng tuyến. Hãy xem bảng mô tả, biểu đồ hoặc thống kê chẩn đoán, kiểm tra VIF và đọc phần Residual Statistics. Durbin-Watson trong khoảng 1 đến 3 là mức tham khảo theo (Field, 2013), nhưng bạn vẫn phải xét bối cảnh dữ liệu.
Lỗi cuối là dùng cùng một giả thuyết cho mọi chỉ tiêu mà không phân biệt chiều tác động. CAR, NPL, CIR, ROA và LDR có ý nghĩa kinh tế khác nhau. Mỗi mối quan hệ cần một đoạn giải thích riêng và một biến được định nghĩa nhất quán từ chương phương pháp đến chương kết quả.
Câu hỏi thường gặp
CAMEL có phải là mô hình hồi quy không
CAMEL là khung đánh giá gồm năm thành phần, chưa phải một phương trình hồi quy hoàn chỉnh. Bạn cần chọn biến phụ thuộc, các biến giải thích và cách đo lường để biến khung CAMEL thành mô hình nghiên cứu có thể kiểm định.
CAMEL và CAMELS khác nhau thế nào
CAMELS thêm thành phần Sensitivity to Market Risk, tức mức độ nhạy cảm với rủi ro thị trường. Nếu đề tài chỉ dùng CAMEL, bạn không nên tự thêm chữ S hoặc thêm chỉ tiêu rủi ro thị trường mà không điều chỉnh tên mô hình và cơ sở lý thuyết.
Có thể chạy Cronbach's Alpha cho CAR, NPL và ROA không
Thông thường không nên gom các tỷ số tài chính này vào Cronbach's Alpha như một thang đo Likert. Cronbach's Alpha đánh giá mức độ nhất quán giữa các biến quan sát cùng phản ánh một khái niệm, còn CAR, NPL và ROA có thể đại diện cho các khía cạnh khác nhau của ngân hàng.
Bạn có thể kiểm tra tương quan, hồi quy hoặc mô hình dữ liệu bảng tùy thiết kế. Nếu đề tài dùng bảng hỏi để đo cảm nhận về Capital Adequacy hoặc Management Quality, khi đó Cronbach's Alpha có thể phù hợp với nhóm biến quan sát được thiết kế cho khái niệm đó.
Nên dùng SPSS hay SmartPLS cho mô hình CAMEL
SPSS phù hợp hơn khi bạn dùng dữ liệu tỷ số tài chính và muốn chạy thống kê mô tả, tương quan, hồi quy hoặc kiểm tra giả định. SmartPLS phù hợp hơn khi CAMEL được mô hình hóa bằng các biến tiềm ẩn và nhiều indicator từ bảng hỏi.
Nếu dữ liệu của bạn là panel data theo ngân hàng và theo năm, hãy xác định trước phương pháp xử lý dữ liệu bảng. Việc đổi phần mềm không giải quyết được vấn đề quan sát không độc lập hoặc định nghĩa biến chưa nhất quán.
NPL cao hay thấp thì tốt
NPL là tỷ lệ nợ xấu trên dư nợ hoặc một cách tính tương tự, nên trong cách diễn giải thông thường, tỷ lệ thấp phản ánh chất lượng tài sản tốt hơn. Tuy nhiên, công thức, thời điểm ghi nhận và cách thu thập dữ liệu phải giống nhau giữa các ngân hàng và các năm.
Khi đưa NPL vào hồi quy, bạn cần giữ nguyên chiều đo hoặc ghi rõ đã đảo chiều biến. Dấu của hệ số trong output phải được đối chiếu với cách mã hóa, không thể kết luận chỉ bằng việc nhìn tên thành phần Asset Quality.
Có cần tạo điểm CAMEL tổng hợp không
Bạn chỉ nên tạo điểm tổng hợp khi có quy tắc chấm điểm và lý do lý thuyết rõ ràng. Nếu mục tiêu là biết từng thành phần ảnh hưởng thế nào đến hiệu quả ngân hàng, giữ C, A, M, E và L thành các biến riêng thường giúp kết quả dễ giải thích hơn.
Hãy mở file dữ liệu, lập bảng định nghĩa cho từng biến C, A, M, E và L, rồi ghi rõ công thức tính, chiều hướng và nguồn của từng chỉ tiêu trước khi chạy mô hình. Nếu cần thiết kế lại mô hình, giả thuyết và bảng đo lường cho đề tài ngân hàng, bạn có thể dùng M3 của DoThesis để làm bước này trên chính đề cương của mình.