Bối cảnh và vấn đề nghiên cứu

Tín dụng tiêu dùng đóng vai trò thiết yếu đối với sự tăng trưởng kinh tế và là nguồn thu nhập quan trọng của hệ thống ngân hàng thương mại bán lẻ. Khảo sát của Ngân hàng Thế giới (World Bank, 2015) cho thấy cho vay tiêu dùng chỉ chiếm từ 30% đến 35% tổng dư nợ nhưng mang lại hơn 60% lợi nhuận cho các ngân hàng thương mại tại khu vực châu Á, bao gồm Việt Nam. Với quy mô dân số khoảng 92,7 triệu người, thu nhập bình quân đầu người đạt mức 3.000 USD vào năm 2020 và cơ cấu dân số trẻ có 70% trong độ tuổi 15–64 (World Bank, 2018), Việt Nam sở hữu thị trường tiêu dùng giàu tiềm năng. Tuy nhiên, tỷ lệ cho vay tiêu dùng trên tổng tín dụng của Việt Nam vẫn chỉ bằng khoảng một nửa so với mức trung bình của các nước ASEAN (Võ Trí Thành, 2018).

Sự gia tăng cạnh tranh gay gắt giữa các ngân hàng thương mại cổ phần trong nước, các ngân hàng nước ngoài (HSBC, Shinhan Bank, ANZ) và các công ty tài chính tiêu dùng (HD SAISON, Home Credit, Prudential Finance) buộc các tổ chức tín dụng phải mở rộng mạng lưới, hạ chuẩn cho vay và nới lỏng chính sách tín dụng. Điều này tiềm ẩn rủi ro nợ xấu và vỡ nợ (default risk). Không giống như khách hàng doanh nghiệp có báo cáo tài chính chuẩn hóa, việc thẩm định khách hàng cá nhân vay tiêu dùng phụ thuộc nhiều vào đánh giá chủ quan của cán bộ tín dụng.

Tại Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank), dư nợ cho vay tiêu dùng giai đoạn 2014–2017 tăng trưởng mạnh từ 219.770 triệu đồng lên 341.180 triệu đồng, song các khoản nợ không có khả năng thu hồi cũng có xu hướng gia tăng. Chi nhánh Huỳnh Tấn Phát (Quận 7, TP.HCM) là địa bàn có tốc độ phát triển tín dụng tiêu dùng nổi bật nhờ tọa lạc tại trung tâm đô thị tập trung nhiều dự án căn hộ cao cấp (Novaland, Vinhomes, Đất Xanh Group), các showroom ô tô và tiếp giáp các khu công nghiệp, khu chế xuất lớn (Khu chế xuất Tân Thuận, Khu công nghiệp Long Hậu). Sự biến động của thị trường bất động sản khu vực Quận 7, Nhà Bè, Cần Giờ cùng đặc thù thu nhập không ổn định của nhóm khách hàng lao động phổ thông đặt ra yêu cầu cấp thiết phải phân tích các yếu tố tác động đến khả năng hoàn trả khoản vay.

Mục tiêu nghiên cứu của khóa luận gồm:

  1. Xác định các yếu tố ảnh hưởng đến việc trả nợ của khách hàng vay tiêu dùng tại VPBank Chi nhánh Huỳnh Tấn Phát.
  2. Đo lường mức độ tác động của các yếu tố này đối với xác suất trả nợ của khách hàng.
  3. Đề xuất các giải pháp và kiến nghị nhằm nâng cao hiệu suất trả nợ vay tiêu dùng tại chi nhánh.

Nhiệm vụ nghiên cứu được giải quyết thông qua hai câu hỏi:

  1. Những yếu tố nào ảnh hưởng đến việc trả nợ của khách hàng vay tiêu dùng tại VPBank Chi nhánh Huỳnh Tấn Phát trong giai đoạn nghiên cứu?
  2. Mức độ và chiều hướng tác động của các yếu tố đó đến khả năng trả nợ vay tiêu dùng diễn ra như thế nào?

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các yếu tố ảnh hưởng đến hiệu suất và xác suất trả nợ vay tiêu dùng của khách hàng cá nhân.
  • Phạm vi không gian: Khách hàng cá nhân có quan hệ tín dụng tiêu dùng tại VPBank Chi nhánh Huỳnh Tấn Phát.
  • Phạm vi thời gian: Dữ liệu hồ sơ tín dụng và báo cáo tài chính thu thập từ tháng 01/2014 đến ngày 31/12/2017.

Cơ sở lý thuyết và phương pháp

Khóa luận kế thừa các khái niệm về tín dụng tiêu dùng của Lê Thị Lan (2016), Lê Văn Tự (2005) và Wonder (2008), xác định cho vay tiêu dùng là hình thức cấp tín dụng nhằm tài trợ cho nhu cầu chi tiêu sinh hoạt, mua sắm tài sản (nhà ở, xe cộ, đồ dùng gia đình, giáo dục, y tế) của cá nhân và hộ gia đình.

Về định nghĩa khả năng trả nợ và nợ xấu, tác giả căn cứ vào tiêu chuẩn của Quỹ Tiền tệ Quốc tế (IMF, 2004), Ủy ban Basel về Giám sát Ngân hàng (Basel II, Điều 452, 2016) và Khoản 8 Điều 3, Điều 10 Thông tư số 02/2013/TT-NHNN của Ngân hàng Nhà nước Việt Nam. Theo đó, các khoản nợ thuộc Nhóm 3 (Nợ dưới tiêu chuẩn), Nhóm 4 (Nợ nghi ngờ) và Nhóm 5 (Nợ có khả năng mất vốn) được xếp vào nhóm nợ xấu (NPLs) đại diện cho tình trạng khách hàng không có khả năng trả nợ ($Y = 0$). Khách hàng thuộc Nhóm 1 (Nợ đủ tiêu chuẩn) đại diện cho khả năng trả nợ đúng hạn ($Y = 1$). Các khoản nợ Nhóm 2 (Nợ cần chú ý) được xem xét riêng biệt trong phân tích lịch sử tín dụng.

Về khung lý thuyết đánh giá tín dụng, tác giả đối chiếu mô hình định tính 5C bao gồm:

  • Character (Uy tín/Tư cách người vay)
  • Capacity (Năng lực tài chính/Nguồn trả nợ)
  • Capital (Vốn tự có tham gia)
  • Collateral (Tài sản bảo đảm)
  • Condition (Điều kiện kinh tế - xã hội)

Phương pháp nghiên cứu thực nghiệm được triển khai theo hướng định lượng:

  • Mô hình hồi quy: Mô hình hồi quy Logistic nhị phân (Binary Logistic Regression) xử lý biến phụ thuộc nhị phân $Y \in {0, 1}$. Hàm xác suất trả nợ được xác định theo công thức:

$$P_i = \frac{e^{\beta_0 + \beta_1 X_1 + \dots + \beta_k X_k + u_i}}{1 + e^{\beta_0 + \beta_1 X_1 + \dots + \beta_k X_k + u_i}}$$

  • Công cụ phân tích: Phần mềm SPSS 20.0 dùng để chạy ma trận tương quan, kiểm định đa cộng tuyến thông qua hệ số phóng đại phương sai (VIF), kiểm định độ phù hợp tổng thể bằng Omnibus Tests và chỉ số Log-likelihood (-2LL), kiểm định ý nghĩa thống kê của các hệ số hồi quy qua Wald Chi-Square.
  • Nguồn dữ liệu: 300 mẫu hồ sơ vay tiêu dùng (hồ sơ vay thế chấp mua nhà, vay thế chấp bất động sản tiêu dùng, vay tín chấp cá nhân) trích xuất từ hệ thống ngân hàng lõi T24 và các báo cáo tài chính của VPBank Huỳnh Tấn Phát giai đoạn 2014–2017. Mẫu loại trừ các hồ sơ của cán bộ nhân viên VPBank, quân đội (nhóm có quy trình thẩm định ưu đãi riêng) và các hồ sơ chỉ do chuyên viên tín dụng thẩm định đơn lẻ nhằm đảm bảo tính khách quan và đầy đủ dữ liệu.

Nội dung chính theo từng chương

Chương 1: Tổng quan nghiên cứu (Introduction)

Chương 1 làm rõ sự bùng nổ của thị trường bán lẻ và cho vay tiêu dùng tại Việt Nam trong bối cảnh thu nhập dân cư tăng trưởng ổn định. Tác giả phân tích tính cấp thiết của việc kiểm soát rủi ro vỡ nợ tại VPBank nói chung và Chi nhánh Huỳnh Tấn Phát nói riêng khi quy mô dư nợ tăng nhanh nhưng nợ xấu cũng có dấu hiệu đi lên. Tác giả xác lập hệ thống mục tiêu, câu hỏi nghiên cứu, phạm vi không gian - thời gian và cấu trúc 5 chương của khóa luận.

Chương 2: Tổng quan lý thuyết và các yếu tố ảnh hưởng đến việc trả nợ của khách hàng vay tiêu dùng tại các ngân hàng thương mại (Literature Review and Factors Affecting the Repayment of Consumer Borrowers in Commercial Banks)

Chương 2 hệ thống hóa các định nghĩa, đặc điểm kinh tế của tín dụng tiêu dùng và cơ sở phân loại nợ theo Thông tư 02/2013/TT-NHNN, tiêu chuẩn IMF (2004) và Basel II (2016). Tác giả tổng thuật các công trình nghiên cứu thực nghiệm trong và ngoài nước:

  • Mô hình OLS của Maharjan và cộng sự (1983) tại Nepal.
  • Mô hình Probit và Logit của AH Roslan và Mohd Zaini Abd Karim (2009) tại Agrobank Malaysia trên mẫu 2.630 khách hàng.
  • Mô hình Logit của Kohansal và Mansoori (2009) trên 175 hộ nông dân tại tỉnh Khorasan-Razavi, Iran.
  • Mô hình tính điểm tín dụng của Đinh Thị Thanh Huyền và Stefanie Kleimeier (2007) trên 56.037 khoản vay tại Việt Nam.
  • Mô hình Probit của Trương Đông Lộc và Nguyễn Thanh Bình (2011) khảo sát 436 nông hộ tại Hậu Giang.

Từ cơ sở lý thuyết, tác giả tổng hợp các yếu tố ảnh hưởng thành 5 nhóm chính: Nhân khẩu học, Tình trạng tài chính, Lịch sử tín dụng/Dư nợ, Đặc điểm khoản vay và Yếu tố kinh tế khách quan.

Chương 3: Dữ liệu và phương pháp nghiên cứu (Data and Methodology)

Chương 3 phân tích ưu nhược điểm của mô hình 5C và xác lập luận cứ lựa chọn mô hình Binary Logistic trên phần mềm SPSS 20. Tác giả xây dựng mô hình nghiên cứu gồm 8 biến độc lập giải thích cho xác suất trả nợ:

Ký hiệu Tên biến Đo lường Kỳ vọng dấu
$X_1$ Tuổi (Age) 2018 – năm sinh (năm) $+$
$X_2$ Nghề nghiệp (Career) 1: Lao động phổ thông (công nhân); 0: Nghề nghiệp khác $-$
$X_3$ Thời hạn vay (Tenor) Thời gian hoàn trả khoản vay (tháng) $+$
$X_4$ Tỷ lệ TSBĐ/Khoản vay (Collateral/Loan scale) Giá trị tài sản bảo đảm / Giá trị khoản vay (%) $+$
$X_5$ Số người phụ thuộc (Dependents) Số người phụ thuộc trong gia đình (người) $-$
$X_6$ Thu nhập (Income) Thu nhập bình quân hàng tháng (triệu đồng/tháng) $+$
$X_7$ Lịch sử tín dụng (Credit history) 1: Từng có nợ quá hạn Nhóm 2; 0: Chưa từng có nợ quá hạn $-$
$X_8$ Mục đích vay (Loan purpose) 1: Mua bất động sản/ô tô; 0: Mục đích tiêu dùng khác $+$

Chương 4: Kết quả nghiên cứu (Research Result)

Chương 4 phân tích thực trạng tín dụng tiêu dùng tại VPBank Chi nhánh Huỳnh Tấn Phát giai đoạn 2014–2017:

  • Cơ cấu theo mục đích: Vay mua nhà/căn hộ chiếm tỷ trọng lớn nhất (từ 44,41% năm 2014 đến 45,92% năm 2017); vay mua ô tô tăng từ 23,92% tổng dư nợ tiêu dùng.
  • Chất lượng tín dụng: Nợ Nhóm 1 tăng từ 66,46% năm 2014; nợ Nhóm 3 giảm từ 6,24% (2014) xuống 2,xx%; nợ Nhóm 5 dao động nhẹ từ 0,638 triệu đồng lên 0,864 triệu đồng giai đoạn 2016–2017.
  • Thống kê mô tả 300 mẫu: Khách hàng trả nợ tốt ($Y=1$) chiếm 83,67% (251 khách hàng), khách hàng không trả được nợ ($Y=0$) chiếm 16,33% (49 khách hàng). Độ tuổi 26–45 chiếm 50%; thời hạn vay bình quân 73 tháng (trên 70% là vay trung và dài hạn); thu nhập bình quân đạt 40 triệu đồng/tháng (trong đó 37% dưới 10 triệu đồng, 30% từ 11–30 triệu đồng, 20% trên 50 triệu đồng); tỷ lệ TSBĐ/khoản vay lớn hơn hoặc bằng 1 chiếm gần 60%; nhóm khách hàng là công nhân chiếm 34,33%.
  • Kiểm định mô hình: Ma trận tương quan cho thấy hệ số tương quan giữa các biến độc lập đều nhỏ hơn 0,5. Hệ số phóng đại phương sai $VIF < 2$ (mức cao nhất là 1,037), khẳng định không xảy ra hiện tượng đa cộng tuyến.
  • Kết quả hồi quy Logistic: Trong 8 biến ban đầu, có 6 biến có ý nghĩa thống kê ($p < 0,05$): $X_2$ (Nghề nghiệp), $X_4$ (Tỷ lệ TSBĐ/khoản vay), $X_5$ (Số người phụ thuộc), $X_6$ (Thu nhập), $X_7$ (Lịch sử tín dụng), $X_8$ (Mục đích vay). Hai biến $X_1$ (Độ tuổi) và $X_3$ (Thời hạn vay) không đạt mức ý nghĩa thống kê ($p > 0,05$).

Chương 5: Kết luận, khuyến nghị và hạn chế nghiên cứu (Conclusion, Recommendations and Limitations)

Chương 5 phân nhóm các biến tác động tích cực và tiêu cực đến khả năng hoàn trả nợ vay tiêu dùng, đồng thời đề xuất hệ thống giải pháp nâng cao hiệu quả thu hồi nợ, hoàn thiện quy trình kiểm tra lịch sử tín dụng tại Trung tâm Thông tin Tín dụng (CIC) và thẩm định tài sản bảo đảm. Chương này cũng chỉ rõ các hạn chế về mặt dữ liệu và định hướng các nghiên cứu tiếp theo.

Kết quả và đóng góp

Kết quả nghiên cứu thực nghiệm

Kết quả phân tích định lượng từ 300 hồ sơ tín dụng tại VPBank Huỳnh Tấn Phát xác lập các phát hiện cụ thể:

Biến số Tác động thực tế Diễn giải thống kê và ý nghĩa kinh tế
Thu nhập ($X_6$) Tích cực ($+$) Thu nhập càng cao, năng lực tài chính càng vững, xác suất trả nợ đúng hạn càng lớn.
Tỷ lệ TSBĐ/Khoản vay ($X_4$) Tích cực ($+$) Tỷ lệ TSBĐ trên quy mô nợ vay $\ge 1$ gia tăng áp lực tuân thủ nghĩa vụ trả nợ của khách hàng để bảo vệ tài sản thế chấp.
Mục đích vay ($X_8$) Tích cực ($+$) Khoản vay phục vụ mua ô tô, nhà đất/căn hộ có tính pháp lý rõ ràng, dễ thẩm định thực địa nên có xác suất hoàn trả cao hơn các mục đích mua sắm vặt.
Nghề nghiệp công nhân ($X_2$) Tiêu cực ($-$) Nhóm lao động phổ thông có công việc và dòng tiền biến động, tỷ lệ mất việc cao làm giảm khả năng trả nợ.
Số người phụ thuộc ($X_5$) Tiêu cực ($-$) Gánh nặng chi phí sinh hoạt gia đình tăng làm suy giảm phần thu nhập khả dụng dành cho việc trả gốc và lãi.
Lịch sử nợ quá hạn ($X_7$) Tiêu cực ($-$) Khách hàng từng có nợ quá hạn Nhóm 2 có độ uy tín tín dụng thấp và xác suất tái phát nợ xấu cao hơn.
Độ tuổi ($X_1$), Thời hạn vay ($X_3$) Không có ý nghĩa Không thể hiện tác động có ý nghĩa thống kê ($p > 0,05$) trong mẫu dữ liệu tại chi nhánh.

Đóng góp của khóa luận

  • Về mặt lý luận: Khóa luận kiểm chứng thực nghiệm mô hình Binary Logistic trong phân tích rủi ro tín dụng tiêu dùng tại một chi nhánh ngân hàng thương mại đô thị tại Việt Nam, bổ sung bằng chứng về tác động của các biến số vi mô (nhân khẩu, tài sản, thu nhập).
  • Về mặt thực tiễn: Cung cấp cơ sở định lượng để VPBank Huynh Tan Phat thiết kế lại ma trận chấm điểm tín dụng nội bộ, tối ưu hóa quy trình phân luồng hồ sơ vay vốn, điều chỉnh yêu cầu tài sản thế chấp linh hoạt theo nghề nghiệp và số người phụ thuộc của khách hàng.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ rõ các hạn chế được ghi nhận từ phạm vi nghiên cứu:

  • Quy mô và phạm vi dữ liệu: Cỡ mẫu khảo sát dừng lại ở 300 hồ sơ tại một chi nhánh duy nhất (VPBank Huỳnh Tấn Phát) trên địa bàn Quận 7, TP.HCM, chưa bao quát toàn bộ hệ thống VPBank hay các địa bàn nông thôn, liên tỉnh.
  • Biến số định tính chưa được lượng hóa: Một số nhân tố về tâm lý, đạo đức người vay, chi phí phát sinh bất thường (tai nạn, bệnh tật) và biến động vĩ mô (lãi suất thị trường, chính sách tiền tệ) chưa được đưa vào mô hình hồi quy.
  • Phương pháp thu thập: Mẫu nghiên cứu loại trừ các đối tượng đặc thù (quân đội, nhân viên ngân hàng) và các khoản vay xử lý phi tập trung, có thể làm giảm tính khái quát hóa cho toàn bộ các sản phẩm tín dụng tiêu dùng đặc biệt.

Hướng nghiên cứu tiếp theo:

  • Mở rộng quy mô mẫu khảo sát trên nhiều chi nhánh và ngân hàng thương mại khác nhau tại Việt Nam.
  • Bổ sung các biến số vĩ mô (lạm phát, tốc độ tăng trưởng kinh tế) và các chỉ số đo lường hành vi tiêu dùng vào mô hình phân tích.

Giá trị tham khảo

Tài liệu có giá trị tham khảo cụ thể cho các nhóm đối tượng:

  • Sinh viên và học viên ngành Tài chính – Ngân hàng: Tham khảo phương pháp ứng dụng mô hình hồi quy Logistic nhị phân (Binary Logit) trên SPSS để xử lý biến phụ thuộc nhị phân ($Y \in {0, 1}$) trong bài toán quản trị rủi ro tín dụng bán lẻ.
  • Cán bộ tín dụng và chuyên viên quản trị rủi ro ngân hàng: Tham khảo khung phân tích 6 biến số thực nghiệm có ý nghĩa thống kê nhằm nâng cao chất lượng thẩm định hồ sơ vay mua nhà, mua ô tô và cho vay tiêu dùng không có tài sản bảo đảm.
  • Nhà nghiên cứu kinh tế bán lẻ: Khai thác các dữ liệu thứ cấp và số liệu thống kê mô tả về cơ cấu nhân khẩu học, thu nhập và thói quen vay nợ của cư dân đô thị giai đoạn 2014–2017.

Câu hỏi thường gặp

1. Tại sao tác giả lựa chọn mô hình hồi quy Logistic nhị phân thay vì phương pháp OLS truyền thống?

Mô hình OLS yêu cầu biến phụ thuộc phải là biến liên tục và phân phối chuẩn. Trong nghiên cứu này, biến phụ thuộc $Y$ là biến nhị phân đại diện cho hai trạng thái trả được nợ ($Y=1$, nợ Nhóm 1) và không trả được nợ ($Y=0$, nợ Nhóm 3, 4, 5). Việc áp dụng hồi quy tuyến tính thông thường sẽ dẫn đến hiện tượng ước lượng chệch và xác suất dự báo vượt ra ngoài khoảng $[0, 1]$. Mô hình Binary Logit giải quyết triệt để hạn chế này bằng cách sử dụng hàm phân phối logistic để ước lượng tỷ số chênh (odds ratio) và xác suất xảy ra biến cố.

2. Tiêu chí phân loại khách hàng "trả được nợ" và "không trả được nợ" trong khóa luận được căn cứ vào đâu?

Tác giả căn cứ vào Điều 10 Thông tư 02/2013/TT-NHNN của Ngân hàng Nhà nước Việt Nam cùng các hướng dẫn của IMF (2004) và Basel II. Khách hàng thuộc Nhóm 1 (nợ đủ tiêu chuẩn, quá hạn dưới 10 ngày nhưng có khả năng thu hồi đầy đủ gốc và lãi) được gán giá trị $Y=1$. Khách hàng có nợ xấu thuộc Nhóm 3 (quá hạn 91–180 ngày), Nhóm 4 (quá hạn 181–360 ngày) và Nhóm 5 (quá hạn trên 360 ngày) được gán giá trị $Y=0$.

3. Vì sao các hồ sơ vay vốn của nhân viên VPBank và quân đội bị loại khỏi mẫu nghiên cứu?

Khách hàng là quân đội hoặc cán bộ nhân viên nội bộ VPBank được hưởng chính sách tín dụng và quy trình thẩm định ưu tiên riêng biệt. Hồ sơ của nhóm này thường được miễn giảm một số tiêu chí thu thập thông tin nhân khẩu học (như tình trạng hôn nhân, số người phụ thuộc). Việc đưa nhóm đối tượng này vào mẫu sẽ gây thiếu hụt dữ liệu (missing data) và làm sai lệch tính khách quan của mô hình định lượng.

4. Hai biến số nào không có ý nghĩa thống kê trong mô hình hồi quy tại VPBank Huỳnh Tấn Phát?

Biến Độ tuổi ($X_1$) và Thời hạn vay ($X_3$) có mức ý nghĩa $p > 0,05$, cho thấy trong điều kiện dữ liệu thực tế tại Chi nhánh Huỳnh Tấn Phát giai đoạn 2014–2017, độ tuổi của khách hàng và thời gian vay (tháng) không tạo ra sự khác biệt có ý nghĩa thống kê lên xác suất hoàn trả khoản vay.

5. Đặc điểm kinh tế - xã hội nào tại địa bàn Quận 7 ảnh hưởng trực tiếp đến kết quả nghiên cứu của chi nhánh?

Quận 7 là khu vực có tốc độ đô thị hóa nhanh, tập trung nhiều dự án căn hộ cao cấp (Novaland, Vinhomes, Đất Xanh Group), các đại lý phân phối ô tô lớn, đồng thời nằm kề cận Khu chế xuất Tân Thuận và Khu công nghiệp Long Hậu. Điều này tạo nên sự phân hóa rõ nét giữa hai nhóm khách hàng vay tiêu dùng: nhóm có thu nhập cao vay mua nhà, mua ô tô và nhóm công nhân vay tiêu dùng nhỏ lẻ với nguồn thu nhập bấp bênh.

Kết luận

Khóa luận của tác giả Nguyễn Thị Thu Uyên đã hệ thống hóa cơ sở lý luận về tín dụng tiêu dùng và ứng dụng thành công mô hình hồi quy Binary Logistic để xác định 6 yếu tố trọng yếu chi phối khả năng trả nợ của khách hàng tại VPBank Chi nhánh Huỳnh Tấn Phát. Kết quả nghiên cứu chứng minh thu nhập, tỷ lệ tài sản bảo đảm và mục đích vay mua tài sản lớn có tác động tích cực đến xác suất trả nợ, trong khi nghề nghiệp lao động phổ thông, số người phụ thuộc lớn và tiền sử nợ quá hạn làm gia tăng rủi ro tín dụng. Các phát hiện thực nghiệm cung cấp luận cứ khoa học giúp ngân hàng hoàn thiện chính sách phân loại khách hàng và nâng cao hiệu quả kiểm soát nợ xấu.