Luận văn thạc sĩ các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp tại ngân hàng thương mại cổ phần ngoại thương việt nam chi nhánh tp hồ chí minh

Nghiên cứu các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp tại ngân hàng thương mại cổ phần ngoại thương Việt Nam.

• Tác giả: Đoàn Thị Thùy Trang
• Người hướng dẫn: TS. Nguyễn Trần Phúc
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài Chính Ngân Hàng
• Đề tài: Các Yếu Tố Ảnh Hưởng Đến Khả Năng Trả Nợ Của Khách Hàng Doanh Nghiệp Tại Vietcombank
• Loại tài liệu: Luận Văn Thạc Sĩ Kinh Tế
• Năm xuất bản: 2017
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• TÓM TẮT
• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC BẢNG
• DANH MỤC BIỂU ĐỒ
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục tiêu và câu hỏi nghiên cứu
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.4. Dữ liệu và phương pháp nghiên cứu
• 1.5. Đóng góp của đề tài
• 1.6. Kết cấu của luận văn
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT, CÁC NGHIÊN CỨU TRƯỚC
• 2.1. Khái quát về khả năng trả nợ của khách hàng
• 2.2. Những yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp
• 2.2.1. Năng lực tài chính
• 2.2.2. Quy mô doanh nghiệp
• 2.2.3. Thời gian vay
• 2.2.4. Kinh nghiệm hoạt động của các công ty khách hàng
• 2.2.5. Loại hình Doanh nghiệp nhà nước
• 2.2.6. Tài sản bảo đảm
• 2.3. Các mô hình thường được sử dụng để đánh giá khả năng trả nợ của khách hàng doanh nghiệp
• 2.3.1. Mô hình chuẩn đoán (Mô hình Heuristic)
• 2.3.2. Mô hình thống kê (Statistical models)
• 2.3.3. Phương pháp quan hệ nhân quả (Causal models)
• 2.3.4. Mô hình kết hợp
• 2.4. Tổng quan các nghiên cứu trước
• 2.5. Kết luận chương 2
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Trình tự nghiên cứu
• 3.2. Thiết kế mô hình nghiên cứu
• 3.3. Đối tượng và mẫu nghiên cứu
• 3.4. Lựa chọn các nhân tố và biến số đại diện
• 3.5. Thu thập và xử lý dữ liệu
• 3.6. Lựa chọn phương pháp ước lượng
• 3.7. Kết luận chương 3
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU ĐỊNH LƯỢNG
• 4.1. Thống kê mô tả các biến
• 4.2. Phân tích tương quan giữa các biến
• 4.3. Kiểm tra hiện tượng đa cộng tuyến
• 4.4. Phân tích dữ liệu
• 4.4.1. Xây dựng mô hình tính toán xác suất trả nợ
• 4.4.2. Tính xác suất vỡ nợ
• 4.4.3. Kiểm tra tính phù hợp của mô hình với mẫu dữ liệu đối chứng
• 4.5. Thảo luận kết quả nghiên cứu
• 4.6. Kết luận chương 4
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO
• Phụ lục A: Các bước thực hiện và kết quả mô hình hồi quy Logit
• Phụ lục B: Bảng tính toán xác suất vỡ nợ của 202 KHDN trong mẫu nghiên cứu
• Phụ lục C: Cách xác định lãi suất cho vay đối với KHDN
• Phụ lục D: Quy trình xếp hạng tín dụng tại Vietcombank

Tóm tắt

I. Tổng Quan Về Khả Năng Trả Nợ Khách Hàng Doanh Nghiệp Vietcombank

Trong bối cảnh toàn cầu hóa, rủi ro tín dụng trở thành thách thức lớn đối với các ngân hàng thương mại như Vietcombank. Nguồn thu chính từ hoạt động tín dụng tiềm ẩn nhiều rủi ro. Quản lý rủi ro tín dụng là yếu tố then chốt để đạt mục tiêu kinh doanh. Tỷ lệ nợ xấu gia tăng đòi hỏi Vietcombank phải áp dụng các biện pháp quản trị rủi ro hiệu quả, như ước lượng xác suất vỡ nợ (PD) của khách hàng doanh nghiệp. Việc này giúp phân bổ vốn hợp lý, cân bằng giữa rủi ro và lợi nhuận. Theo Đoàn Thị Thùy Trang, tác giả luận văn, cần xây dựng mô hình kết hợp biến định lượng và định tính để xác định khả năng trả nợ của KHDN. Luận văn sử dụng dữ liệu từ 302 khách hàng doanh nghiệp có quan hệ tín dụng tại VCB.HCM giai đoạn 2014-2016 để thực hiện nghiên cứu.

1.1. Tầm Quan Trọng của Quản Lý Rủi Ro Tín Dụng tại Vietcombank

Quản lý rủi ro tín dụng là điều kiện tiên quyết cho sự ổn định của Vietcombank. Yêu cầu Vietcombank phân bổ nguồn vốn hợp lý để cân bằng giữa rủi ro và lợi nhuận. Ủy ban Basel khuyến khích các ngân hàng phát triển mô hình định lượng chính xác cho đo lường rủi ro. Theo báo cáo hàng năm của Ngân hàng Nhà nước Việt Nam thì tỷ lệ nợ xấu của hệ thống Ngân hàng trong nước đã tăng từ 3,25% vào cuối năm 2014 lên 3,59 % tại thời điểm cuối tháng hai năm 2015. Việc này giúp đảm bảo đủ vốn cho hoạt động kinh doanh trên cơ sở đánh giá rủi ro chính xác.

1.2. Thách Thức Đo Lường Khả Năng Trả Nợ KHDN tại Vietcombank

Các NHTM ở Việt Nam chủ yếu đo lường rủi ro tín dụng dựa trên nợ xấu, nợ quá hạn. Việc áp dụng các phương pháp hiện đại để định lượng rủi ro tín dụng còn hạn chế. Vietcombank chưa xây dựng mô hình thống kê để định lượng rủi ro, đánh giá khả năng trả nợ của khách hàng vay. Cán bộ tín dụng (CBTD) dựa vào kinh nghiệm chủ quan để phân tích hồ sơ vay. Hệ thống xếp hạng tín dụng chưa tận dụng kết quả phân tích danh mục tín dụng để đánh giá mức độ ảnh hưởng của từng yếu tố đến khả năng trả nợ của KHDN.

II. Các Yếu Tố Tài Chính Ảnh Hưởng Khả Năng Trả Nợ Tại Vietcombank

Các yếu tố tài chính đóng vai trò quan trọng trong việc đánh giá khả năng trả nợ của khách hàng doanh nghiệp. Các chỉ số như vốn chủ sở hữu/tổng tài sản, vốn lưu động/tổng tài sản, doanh thu, lợi nhuận, dòng tiền và tỷ lệ nợ là những thước đo quan trọng. Khả năng thanh toán thể hiện qua các tỷ số thanh toán hiện hành, thanh toán nhanh. Báo cáo tài chính cung cấp thông tin chi tiết để phân tích tình hình tài chính doanh nghiệp. Theo nghiên cứu của Đoàn Thị Thùy Trang, vốn chủ sở hữu/tổng tài sản và vốn lưu động /tổng tài sản có tác động cùng chiều đến khả năng trả nợ của KHDN.

2.1. Phân Tích Báo Cáo Tài Chính Đánh Giá Khả Năng Trả Nợ

Phân tích báo cáo tài chính giúp đánh giá tình hình tài chính doanh nghiệp, từ đó dự đoán khả năng trả nợ. Các chỉ số quan trọng bao gồm doanh thu, lợi nhuận, dòng tiền, khả năng thanh toán và tỷ lệ nợ. Các tỷ số thanh toán (hiện hành, nhanh) đánh giá khả năng trả các khoản nợ ngắn hạn bằng tài sản ngắn hạn. Tỷ lệ nợ (tổng nợ trên tổng tài sản) thể hiện mức độ sử dụng nợ của doanh nghiệp.

2.2. Tầm Quan Trọng của Vốn Chủ Sở Hữu và Vốn Lưu Động

Vốn chủ sở hữu thể hiện năng lực tài chính và khả năng chống chịu rủi ro của doanh nghiệp. Vốn lưu động đảm bảo khả năng thanh toán các khoản nợ ngắn hạn, duy trì hoạt động kinh doanh liên tục. Tỷ lệ vốn chủ sở hữu/tổng tài sản cao cho thấy doanh nghiệp ít phụ thuộc vào nợ vay. Tỷ lệ vốn lưu động/tổng tài sản cao cho thấy doanh nghiệp có khả năng thanh toán tốt.

III. Yếu Tố Phi Tài Chính Ảnh Hưởng Đến Khả Năng Trả Nợ Tại Vietcombank

Ngoài các yếu tố tài chính, yếu tố phi tài chính cũng ảnh hưởng đáng kể đến khả năng trả nợ của khách hàng doanh nghiệp. Các yếu tố này bao gồm quy mô doanh nghiệp, kinh nghiệm quản lý, mô hình quản trị, lịch sử tín dụng, tài sản đảm bảo, ngành nghề kinh doanh, và môi trường kinh doanh. Theo nghiên cứu của Đoàn Thị Thùy Trang, quy mô doanh nghiệp và loại hình DNNN có tác động cùng chiều đến khả năng trả nợ của KHDN. Ngược lại, biến thời gian vay có tác động ngược chiều đến khả năng trả nợ của KHDN.

3.1. Quy Mô Doanh Nghiệp và Kinh Nghiệm Quản Lý Tác Động Trả Nợ

Quy mô doanh nghiệp lớn thường có nguồn lực tài chính mạnh, khả năng tiếp cận vốn tốt hơn. Kinh nghiệm quản lý giúp doanh nghiệp đưa ra quyết định đúng đắn, quản lý rủi ro hiệu quả. Doanh nghiệp có quy mô lớn, kinh nghiệm quản lý tốt thường có khả năng trả nợ cao hơn.

3.2. Lịch Sử Tín Dụng Tài Sản Đảm Bảo và Ngành Nghề Kinh Doanh

Lịch sử tín dụng tốt cho thấy doanh nghiệp có ý thức trả nợ, tuân thủ cam kết. Tài sản đảm bảo giảm thiểu rủi ro cho ngân hàng trong trường hợp doanh nghiệp không trả được nợ. Ngành nghề kinh doanh ổn định, có tiềm năng phát triển giúp doanh nghiệp tạo ra dòng tiền ổn định để trả nợ.

IV. Ứng Dụng Mô Hình Hồi Quy Logit Đánh Giá Rủi Ro Tín Dụng Vietcombank

Mô hình hồi quy logit là công cụ hữu ích để đánh giá rủi ro tín dụng và khả năng trả nợ của khách hàng doanh nghiệp. Mô hình này cho phép kết hợp các yếu tố tài chính và phi tài chính để đưa ra dự báo chính xác. Kết quả mô hình hồi quy logit giúp Vietcombank cải thiện quy trình đánh giá tín dụng, quản lý rủi ro tín dụng hiệu quả hơn. Bằng phương pháp hồi quy logit nhị phân, tác giả sử dụng mẫu dữ liệu 202 DN để thực hiện ước lượng mô hình nghiên cứu và 100 DN để thực hiện mô hình đối chứng.

4.1. Ưu Điểm của Mô Hình Hồi Quy Logit Trong Đánh Giá Tín Dụng

Mô hình hồi quy logit cho phép kết hợp biến định lượng (các chỉ số tài chính) và biến định tính (kinh nghiệm quản lý, ngành nghề kinh doanh) để đánh giá khả năng trả nợ. Mô hình này có khả năng dự báo xác suất vỡ nợ (PD) của khách hàng, giúp ngân hàng đưa ra quyết định cho vay chính xác hơn. Mô hình hồi quy logit dễ dàng triển khai, sử dụng, và có thể tùy chỉnh để phù hợp với đặc thù của từng ngân hàng.

4.2. Xây Dựng và Kiểm Định Mô Hình Hồi Quy Logit Thực Tế

Để xây dựng mô hình hồi quy logit, cần thu thập dữ liệu về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp. Sau đó, sử dụng phần mềm thống kê (SPSS, R) để ước lượng các tham số của mô hình. Cần kiểm định tính phù hợp của mô hình bằng các kiểm định thống kê (Hosmer-Lemeshow, Wald) để đảm bảo độ tin cậy của kết quả.

4.3. Tính Xác Suất Vỡ Nợ Từ Mô Hình Và Ứng Dụng Cho Vietcombank

Sau khi xây dựng và kiểm định mô hình logit, ta có thể tính được xác suất vỡ nợ của từng khách hàng doanh nghiệp. Dựa vào xác suất này, Vietcombank có thể xếp hạng tín dụng khách hàng, điều chỉnh lãi suất và các điều khoản cho vay. Mô hình này giúp Vietcombank đưa ra các gợi ý về mặt chính sách trong việc đưa ra quyết định cho vay đối với KHDN. Mô hình còn có thể được sử dụng để dự báo nợ xấu, quản lý rủi ro tín dụng danh mục.

V. Giải Pháp Nâng Cao Khả Năng Trả Nợ Khách Hàng Doanh Nghiệp Vietcombank

Để nâng cao khả năng trả nợ của khách hàng doanh nghiệp, Vietcombank cần thực hiện các giải pháp đồng bộ. Cần cải thiện quy trình đánh giá tín dụng, tăng cường quản lý rủi ro tín dụng, hỗ trợ khách hàng doanh nghiệp phát triển bền vững. Ngoài ra, cần chủ động ứng phó với các biến động của môi trường kinh doanh. Từ đó đề xuất việc ứng dụng mô hình thực nghiệm vào công tác quản lý rủi ro tín dụng tại Vietcombank

5.1. Hoàn Thiện Quy Trình Đánh Giá Tín Dụng Tại Vietcombank

Cần cập nhật, chuẩn hóa các tiêu chí đánh giá tín dụng, đảm bảo tính khách quan, minh bạch. Tăng cường đào tạo cán bộ tín dụng về kiến thức, kỹ năng phân tích rủi ro. Ứng dụng công nghệ thông tin trong quy trình đánh giá tín dụng để nâng cao hiệu quả, giảm thiểu sai sót. Hợp nhất mô hình chấm điểm và chuyên môn của cán bộ tín dụng để đưa ra quyết định chính xác nhất.

5.2. Tăng Cường Quản Lý Rủi Ro Tín Dụng và Hỗ Trợ Doanh Nghiệp

Xây dựng hệ thống cảnh báo sớm rủi ro tín dụng, giúp ngân hàng chủ động ứng phó. Phân loại rủi ro tín dụng theo từng ngành nghề, quy mô doanh nghiệp để có biện pháp quản lý phù hợp. Hỗ trợ khách hàng doanh nghiệp tiếp cận thông tin thị trường, nâng cao năng lực quản lý, cải thiện hiệu quả kinh doanh để trả nợ đúng hạn. Cung cấp các gói sản phẩm, dịch vụ tài chính phù hợp với nhu cầu của từng đối tượng khách hàng.

VI. Kết Luận và Hướng Nghiên Cứu Tiếp Theo Về Khả Năng Trả Nợ

Nghiên cứu về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp tại Vietcombank có ý nghĩa quan trọng. Kết quả nghiên cứu giúp Vietcombank cải thiện quy trình đánh giá tín dụng, quản lý rủi ro tín dụng hiệu quả. Các nghiên cứu tiếp theo có thể tập trung vào việc mở rộng phạm vi nghiên cứu, sử dụng các mô hình phức tạp hơn, và đánh giá tác động của các yếu tố vĩ mô đến khả năng trả nợ.

6.1. Tổng Kết Kết Quả Nghiên Cứu và Hàm Ý Quản Lý Rủi Ro

Nghiên cứu đã xác định được các yếu tố quan trọng ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp tại Vietcombank. Các yếu tố này bao gồm các chỉ số tài chính (vốn chủ sở hữu, vốn lưu động, lợi nhuận) và các yếu tố phi tài chính (quy mô doanh nghiệp, kinh nghiệm quản lý, ngành nghề kinh doanh). Kết quả nghiên cứu cung cấp thông tin hữu ích cho Vietcombank trong việc cải thiện quy trình đánh giá tín dụng, quản lý rủi ro tín dụng.

6.2. Đề Xuất Hướng Nghiên Cứu Mở Rộng và Phát Triển Trong Tương Lai

Các nghiên cứu tiếp theo có thể tập trung vào việc mở rộng phạm vi nghiên cứu, bao gồm nhiều ngân hàng và nhiều giai đoạn thời gian hơn. Có thể sử dụng các mô hình phức tạp hơn (mạng nơ-ron, máy học) để dự báo khả năng trả nợ. Cần đánh giá tác động của các yếu tố vĩ mô (lãi suất, lạm phát, tăng trưởng kinh tế) đến khả năng trả nợ của khách hàng doanh nghiệp. Cuối cùng, Bài nghiên cứu đưa ra các kiến nghị nhằm ứng dụng kết quả của mô hình ng hiên cứu thực nghiệm vào công tác đánh giá khả năng trả nợ của KHDN và công tác quản lý rủi ro tín dụng tại Vietcombank.

Nội dung chính

Tổng quan nghiên cứu

Quản trị rủi ro tín dụng là trụ cột sống còn đối với sự an toàn và phát triển bền vững của hệ thống ngân hàng thương mại. Trong giai đoạn 2014 - 2016, thị trường tài chính Việt Nam chứng kiến áp lực nợ xấu đáng kể khi tỷ lệ nợ xấu toàn hệ thống dao động từ 2,53% đến 3,59%. Tại Ngân hàng TMCP Ngoại thương Việt Nam – Chi nhánh TP. Hồ Chí Minh (VCB.HCM), đơn vị đầu tàu với hơn 1.200 nhân viên và quy mô dư nợ cho vay năm 2016 vượt mức 60.680 tỷ đồng cùng thu nhập hoạt động ròng trên 2.638 tỷ đồng, yêu cầu chuẩn hóa quy trình thẩm định rủi ro trở nên cấp thiết hơn bao giờ hết.

Thực tế công tác thẩm định tín dụng tại các ngân hàng thương mại trong nước thời điểm này vẫn phụ thuộc phần lớn vào kinh nghiệm chủ quan của cán bộ tín dụng và việc phân loại nợ dựa trên số liệu quá hạn phát sinh. Hệ thống chấm điểm nội bộ chưa tích hợp toàn diện các mô hình kinh tế lượng để định lượng chính xác xác suất vỡ nợ (Probability of Default - PD) theo chuẩn mực quốc tế Basel II. Vấn đề nghiên cứu trọng tâm là nhận diện và đo lường mức độ tác động của các nhân tố tài chính lẫn phi tài chính đến khả năng hoàn trả nợ vay của khách hàng doanh nghiệp.

Mục tiêu cụ thể của luận văn bao gồm:

• Xác định các yếu tố cốt lõi chi phối khả năng trả nợ của khách hàng doanh nghiệp tại VCB.HCM.
• Đo lường mức độ tác động cụ thể của từng biến số thông qua mô hình hồi quy kinh tế lượng.
• Đánh giá khả năng dự báo và ứng dụng thực tiễn của mô hình thực nghiệm trong việc hỗ trợ ra quyết định cấp tín dụng.

Phạm vi nghiên cứu tập trung vào danh mục 302 khách hàng doanh nghiệp có phát sinh dư nợ tín dụng tại VCB.HCM trong giai đoạn 2014 - 2016. Kết quả nghiên cứu mang lại giá trị thực tiễn cao, giúp ngân hàng nâng cao tỷ lệ dự báo chính xác các khoản nợ tiềm ẩn rủi ro, góp phần kiểm soát tỷ lệ nợ quá hạn dưới ngưỡng 1,5% và tối ưu hóa hiệu quả phân bổ nguồn vốn tín dụng quy mô hàng chục nghìn tỷ đồng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự kết hợp chặt chẽ giữa các lý thuyết kinh tế tài chính hiện đại và quy định pháp lý hiện hành của Ngân hàng Nhà nước Việt Nam. Khung lý thuyết nền tảng bao gồm:

• Mô hình xếp hạng Z-score của Edward Altman (1968, 1981): Ứng dụng phân tích phân biệt đa biến để dự báo nguy cơ phá sản của doanh nghiệp thông qua các tỷ số tài chính về khả năng thanh toán, đòn bẩy và hiệu quả sinh lời.
• Lý thuyết bất cân xứng thông tin và lựa chọn bất lợi của Flannery (1986), Stiglitz và Weiss (1981): Giải thích hành vi lựa chọn kỳ hạn vay và tác động của rào cản thông tin giữa tổ chức tín dụng và khách hàng vay vốn.
• Mô hình hồi quy Logistic ứng dụng trong dự báo xác suất vỡ nợ của Ohlson (1980) và phát triển gần đây bởi Chiara Pederzoli, Costanza Torricelli (2010): Sử dụng hàm hồi quy nhị phân để ước lượng xác suất thực hiện nghĩa vụ trả nợ của doanh nghiệp.

Khung phân tích định nghĩa 4 khái niệm chuyên ngành then chốt:

1. Khả năng trả nợ của khách hàng: Mức độ thực hiện đầy đủ nghĩa vụ nợ gốc và lãi đúng hạn theo cam kết hợp đồng.
2. Xác suất vỡ nợ (PD): Tỷ lệ rủi ro khách hàng rơi vào tình trạng mất khả năng thanh toán trên 90 ngày theo định nghĩa của Ủy ban Basel (2006) và Quỹ Tiền tệ Quốc tế (2004).
3. Phân loại nợ theo quy định: Căn cứ Thông tư 22/VBHN-NHNN và Quyết định 493/2005/QĐ-NHNN, danh mục nợ được phân bổ thành 5 nhóm, trong đó nhóm 1 và 2 đại diện cho nhóm trả nợ tốt, nhóm 3 đến 5 đại diện cho nhóm nợ xấu.
4. Cơ cấu vốn và đệm thanh khoản: Thể hiện qua tỷ lệ vốn chủ sở hữu trên tổng tài sản và tỷ lệ vốn lưu động ròng trên tổng tài sản.

Phương pháp nghiên cứu

Luận văn triển khai phương pháp nghiên cứu định lượng làm chủ đạo, kết hợp thống kê mô tả và phân tích hồi quy thực nghiệm. Quy trình xử lý dữ liệu và thiết kế mẫu được tiến hành chuẩn mực:

• Nguồn dữ liệu: Thu thập từ báo cáo tài chính đã kiểm toán 3 năm liên tiếp (2014 - 2016), hồ sơ chấm điểm xếp hạng tín dụng nội bộ và cơ sở dữ liệu quản lý thông tin khách hàng tại VCB.HCM.
• Cỡ mẫu và kỹ thuật chọn mẫu: Từ tổng thể 625 doanh nghiệp phát sinh dư nợ tại chi nhánh tính đến ngày 31/12/2016, tác giả áp dụng phương pháp chọn mẫu ngẫu nhiên hệ thống theo mã định danh CIF (chọn cách quãng 1 đơn vị). Sau khi loại trừ các tổ chức tài chính đặc thù (công ty bảo hiểm, chứng khoán) và các hồ sơ không đầy đủ báo cáo tài chính 3 năm, tập dữ liệu thu được gồm 302 doanh nghiệp.
• Phân chia tập dữ liệu: Mẫu nghiên cứu chính gồm 202 doanh nghiệp (chiếm 66,89%) dùng để ước lượng mô hình hồi quy; mẫu đối chứng gồm 100 doanh nghiệp (chiếm 33,11%) dùng để kiểm định chéo khả năng dự báo ngoài mẫu.
• Phương pháp phân tích: Sử dụng mô hình hồi quy Logit nhị phân trên phần mềm SPSS. Lý do lựa chọn Logit thay vì mô hình phân tích biệt thức (MDA) là do Logit không đòi hỏi các biến độc lập phải tuân theo phân phối chuẩn, xử lý mượt mà cả biến định lượng lẫn biến định tính, đồng thời cho ra giá trị xác suất trực quan nằm trong khoảng từ 0 đến 1.
• Kiểm định mô hình: Sử dụng hệ số phóng đại phương sai (VIF < 10) để kiểm tra hiện tượng đa cộng tuyến và kiểm định Hosmer - Lemeshow để đánh giá độ tương thích của mô hình.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Mô hình hồi quy Logit nhị phân thực hiện trên tập mẫu 202 doanh nghiệp và kiểm định trên 100 doanh nghiệp đối chứng đã lượng hóa rõ nét mức độ tác động của từng yếu tố đến khả năng trả nợ của khách hàng doanh nghiệp:

1. Tỷ lệ Vốn chủ sở hữu / Tổng tài sản (EQUIA) tác động cùng chiều mạnh mẽ: Hệ số hồi quy mang dấu dương (+) với mức ý nghĩa thống kê cao. Doanh nghiệp có tỷ lệ tự tài trợ vốn càng lớn thì áp lực nợ vay càng giảm, tạo ra lớp đệm an toàn vững chắc trước các cú sốc tài chính, qua đó xác suất hoàn trả nợ đúng hạn tăng thêm khoảng 25% so với nhóm có đòn bẩy tài chính cao.
2. Tỷ lệ Vốn lưu động / Tổng tài sản (WCLTA) có tương quan dương (+): Doanh nghiệp duy trì vốn lưu động ròng dương đảm bảo khả năng thanh toán các nghĩa vụ ngắn hạn, hạn chế tối đa rủi ro mất cân đối kỳ hạn nguồn vốn.
3. Quy mô doanh nghiệp (LOGTA) tác động cùng chiều (+): Tổng tài sản lớn là thước đo thể hiện vị thế thị trường và năng lực vượt qua suy thoái. Doanh nghiệp quy mô lớn ghi nhận xác suất trả nợ tốt cao hơn khoảng 18% so với các doanh nghiệp quy mô siêu nhỏ.
4. Thời gian vay vốn (LENLN) tác động ngược chiều (-): Khoản vay có thời hạn càng dài thì xác suất vỡ nợ của khách hàng càng tăng. Các khoản vay trung và dài hạn (trên 3 năm) chịu tác động mạnh bởi sự biến động vĩ mô và rủi ro sử dụng vốn sai mục đích.
5. Biến loại hình Doanh nghiệp Nhà nước (OWNSP): Thể hiện mối tương quan thuận (+) với khả năng trả nợ trong tập mẫu khảo sát tại VCB.HCM do tính chất các dự án lớn có sự bảo trợ và kiểm soát chặt chẽ từ cơ quan chủ quản.

Mô hình nghiên cứu đạt tỷ lệ phân loại chính xác tổng thể trên 85% trên tập dữ liệu ước lượng và duy trì độ chính xác trên 82% trên tập mẫu đối chứng 100 khách hàng. Kiểm định Hosmer - Lemeshow cho giá trị p-value lớn hơn 0,05, khẳng định mô hình có độ phù hợp rất cao với dữ liệu thực tế.

Thảo luận kết quả

Kết quả phân tích có thể được biểu diễn trực quan qua bảng ma trận phân loại dự báo (Classification Matrix) và biểu đồ phân tán đường cong xác suất vỡ nợ theo thời gian vay và quy mô tài sản. Việc biến thời gian vay mang dấu âm (-) hoàn toàn phù hợp với nghiên cứu của Flannery (1986) và Coravos (2010), giải thích rằng kỳ hạn vay dài làm tăng mức độ bất đối xứng thông tin và rủi ro đạo đức, khiến ngân hàng gặp khó khăn trong việc kiểm soát dòng tiền sau giải ngân.

Đồng thời, mối quan hệ tích cực giữa các tỷ số tài chính (EQUIA, WCLTA) với khả năng trả nợ hoàn toàn củng cố các kết luận kinh điển của Edward Altman (1968) và Chiara Pederzoli, Costanza Torricelli (2010). Đối với loại hình doanh nghiệp nhà nước, dù một số báo cáo ngành ghi nhận khối doanh nghiệp nhà nước chiếm tỷ trọng nợ xấu cao trong giai đoạn trước 2014 (khoảng 70% tổng nợ xấu theo thống kê của Ngân hàng Nhà nước năm 2012 với quy mô ước tính 73.000 tỷ đồng), song tại danh mục chọn lọc của VCB.HCM, các doanh nghiệp nhà nước được cấp tín dụng đều là các đơn vị đầu ngành, có dòng tiền ổn định và khả năng trả nợ đảm bảo.

Ý nghĩa thực tiễn của phát hiện này chỉ ra rằng VCB.HCM cần chuyển dịch trọng tâm đánh giá tín dụng: không chỉ căn cứ vào tài sản bảo đảm mà phải đặt trọng tâm vào chất lượng cơ cấu vốn, khả năng tạo dòng tiền lưu động ròng và quản trị chặt chẽ kỳ hạn cho vay.

Đề xuất và khuyến nghị

Dựa trên kết quả mô hình định lượng, luận văn đề xuất 4 nhóm giải pháp chiến lược nhằm tối ưu hóa công tác quản trị rủi ro tín dụng tại VCB.HCM và toàn hệ thống Vietcombank:

1. Tích hợp mô hình hồi quy Logit vào hệ thống xếp hạng tín dụng nội bộ

   • Động từ hành động: Tự động hóa và chuẩn hóa thuật toán tính xác suất vỡ nợ (PD) trên hệ thống phần mềm quản lý tín dụng tập trung.
   • Target metric: Giảm tỷ trọng chấm điểm cảm tính phi tài chính của cán bộ tín dụng xuống dưới 15%, nâng tỷ lệ dự báo sớm nợ có vấn đề lên trên 85%.
   • Timeline: Hoàn thiện nâng cấp hệ thống trong vòng 6 đến 12 tháng.
   • Chủ thể thực hiện: Ban Quản lý Rủi ro Hội sở chính Vietcombank phối hợp với Khối Công nghệ Thông tin.

2. Xây dựng chính sách định giá lãi suất cho vay theo mức độ rủi ro (Risk-Based Pricing)

   • Động từ hành động: Thiết lập biểu lãi suất linh hoạt căn cứ trực tiếp vào xác suất trả nợ ước tính của từng doanh nghiệp thay vì áp dụng mức lãi suất cào bằng theo tài sản bảo đảm.
   • Target metric: Tăng biên lãi ròng (NIM) thêm 0,2% - 0,35% và duy trì tỷ lệ nợ xấu chi nhánh dưới 1,2% giai đoạn 2018 - 2020.
   • Timeline: Triển khai thí điểm trong 3 tháng và áp dụng chính thức từ quý tiếp theo.
   • Chủ thể thực hiện: Ban Giám đốc VCB.HCM và Phòng Khách hàng Doanh nghiệp.

3. Tái cấu trúc quy trình thẩm định và kiểm soát kỳ hạn cho vay

   • Động từ hành động: Rút ngắn thời gian thẩm định sơ bộ, siết chặt điều kiện giải ngân đối với các khoản vay trung dài hạn (thời hạn trên 36 tháng), yêu cầu kiểm soát dòng tiền thu hồi thực tế qua tài khoản thanh toán tại Vietcombank tối thiểu đạt 80% doanh thu.
   • Target metric: Giảm thiểu 30% tỷ lệ nợ phải cơ cấu lại thời hạn trả nợ phát sinh mới.
   • Timeline: Thực hiện định kỳ hàng quý liên tục trong năm tài chính.
   • Chủ thể thực hiện: Phòng Quản lý Nợ và Phòng Phê duyệt Tín dụng.

4. Thiết lập ngưỡng an toàn tài chính đối với khách hàng doanh nghiệp vay vốn

   • Động từ hành động: Quy định tiêu chuẩn sàng lọc bắt buộc về tỷ lệ Vốn chủ sở hữu / Tổng tài sản tối thiểu đạt 20% và Vốn lưu động ròng phải mang giá trị dương trước khi xem xét cấp hạn mức tín dụng không có tài sản bảo đảm toàn phần.
   • Target metric: Nâng tỷ trọng dư nợ khách hàng doanh nghiệp xếp hạng tín dụng loại A và AA lên trên 75% tổng danh mục.
   • Timeline: Áp dụng ngay vào đầu kỳ xét duyệt hạn mức tín dụng hàng năm.
   • Chủ thể thực hiện: Đội ngũ Cán bộ Tín dụng và Trưởng phòng Tín dụng tại các phòng giao dịch.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu thực nghiệm của luận văn mang lại giá trị ứng dụng chuyên sâu cho 4 nhóm đối tượng cụ thể:

1. Cán bộ tín dụng và chuyên viên thẩm định rủi ro tại các ngân hàng thương mại

   • Lợi ích: Tiếp cận phương pháp luận khoa học để kết hợp hài hòa giữa phân tích chỉ số tài chính và các yếu tố phi tài chính khi thẩm định hồ sơ vay.
   • Use case: Vận dụng bảng trọng số của mô hình để phân loại nhanh chất lượng khách hàng doanh nghiệp ngay từ giai đoạn tiếp nhận hồ sơ vay vốn, giúp giảm thời gian thẩm định từ 5 ngày xuống còn 2 ngày làm việc.

2. Nhà quản trị ngân hàng và chuyên gia hoạch định chính sách tín dụng

   • Lợi ích: Nắm bắt mô hình định lượng xác suất vỡ nợ PD làm nền tảng triển khai phương pháp xếp hạng nội bộ nâng cao (F-IRB) theo Hiệp ước Basel II.
   • Use case: Xây dựng khung hạn mức tín dụng tập trung cho từng phân khúc ngành nghề và thiết kế chính sách định giá khoản vay theo mức độ rủi ro danh mục dư nợ trên 60.000 tỷ đồng.

3. Học viên cao học và nghiên cứu sinh chuyên ngành Tài chính - Ngân hàng

   • Lợi ích: Tham khảo khung nghiên cứu thực nghiệm chuẩn mực, từ quy trình chọn mẫu ngẫu nhiên hệ thống, làm sạch ma trận dữ liệu đến kỹ thuật xử lý hồi quy Logit và kiểm định đối chứng trên SPSS.
   • Use case: Làm tài liệu tham khảo để phát triển các đề tài nghiên cứu về rủi ro vỡ nợ, quản trị rủi ro thanh khoản và mô hình hóa danh mục tín dụng doanh nghiệp.

4. Giám đốc tài chính (CFO) và nhà quản lý doanh nghiệp

   • Lợi ích: Thấu hiểu tường tận bộ tiêu chí và trọng số mà các ngân hàng thương mại lớn như Vietcombank áp dụng để ra quyết định cấp tín dụng.
   • Use case: Chủ động tái cấu trúc tỷ lệ vốn chủ sở hữu, quản trị vốn lưu động và hoạch định kỳ hạn vay phù hợp nhằm cải thiện điểm tín nhiệm và đàm phán mức lãi suất vay ưu đãi hơn.

Câu hỏi thường gặp

Tại sao mô hình hồi quy Logit lại ưu việt hơn mô hình phân tích biệt thức Z-score trong nghiên cứu này? Mô hình hồi quy Logit không đòi hỏi giả định nghiêm ngặt về phân phối chuẩn của các biến độc lập như phân tích biệt thức đa biến (MDA). Đồng thời, Logit có khả năng kết hợp đồng thời cả biến định lượng liên tục (tỷ số tài chính) và biến giả định tính (loại hình sở hữu doanh nghiệp), cho ra kết quả dự báo xác suất vỡ nợ dạng số thực nằm trong khoảng từ 0 đến 1, giúp cán bộ ngân hàng dễ dàng diễn giải và ứng dụng thực tế.

Yếu tố thời gian vay ảnh hưởng như thế nào đến xác suất trả nợ của khách hàng doanh nghiệp tại VCB.HCM? Kết quả hồi quy thực nghiệm trên 202 doanh nghiệp chứng minh thời gian vay có mối tương quan nghịch (-) với khả năng trả nợ. Khoản vay có kỳ hạn càng dài thì độ bất định của dòng tiền trong tương lai càng cao, đồng thời làm tăng rủi ro doanh nghiệp sử dụng vốn sai mục đích đầu tư ban đầu, khiến tỷ lệ phát sinh nợ quá hạn và nợ nhóm 3 đến nhóm 5 tăng cao hơn so với các khoản vay ngắn hạn dưới 12 tháng.

Luận văn sử dụng tiêu chí nào để phân loại khách hàng có khả năng trả nợ tốt và không tốt? Căn cứ Thông tư 22/VBHN-NHNN và thông lệ quốc tế của Ủy ban Basel, biến phụ thuộc POLRP được mã hóa nhị phân: nhận giá trị 1 (trả nợ tốt) nếu doanh nghiệp không phát sinh nợ quá hạn hoặc quá hạn tối đa dưới 90 ngày (nợ nhóm 1 và nhóm 2); nhận giá trị 0 (không trả nợ tốt/vỡ nợ) nếu doanh nghiệp phát sinh nợ quá hạn trên 90 ngày hoặc phải cơ cấu lại thời hạn trả nợ (nợ nhóm 3, 4 và 5).

Quy mô mẫu 302 doanh nghiệp được thu thập và phân bổ kiểm định như thế nào? Từ tổng thể 625 khách hàng doanh nghiệp có dư nợ tại VCB.HCM giai đoạn 2014 - 2016, tác giả chọn ngẫu nhiên hệ thống cách quãng thu được 302 đơn vị đáp ứng tiêu chuẩn báo cáo tài chính đầy đủ 3 năm. Tập dữ liệu được chia theo tỷ lệ xấp xỉ 2:1, gồm 202 doanh nghiệp (66,89%) dùng để ước lượng mô hình hồi quy và 100 doanh nghiệp (33,11%) dùng làm tập kiểm định đối chứng độc lập nhằm xác thực độ chính xác của dự báo.

Kết quả nghiên cứu hỗ trợ việc áp dụng Hiệp ước Basel II tại Vietcombank ra sao? Hiệp ước Basel II yêu cầu các ngân hàng thương mại phải xây dựng hệ thống đo lường rủi ro nội bộ dựa trên việc tính toán chính xác xác suất vỡ nợ (PD) của từng khách hàng. Mô hình Logit trong luận văn cung cấp công cụ định lượng tin cậy với độ chính xác trên 82% trên mẫu kiểm định ngoài, tạo tiền đề để Vietcombank chuyển đổi từ phương pháp tiếp cận chuẩn hóa sang phương pháp xếp hạng nội bộ nâng cao, tối ưu hóa mức vốn dự phòng rủi ro tín dụng bắt buộc.

Kết luận

• Luận văn đã định lượng thành công mức độ tác động của 5 yếu tố trọng yếu đến khả năng trả nợ của khách hàng doanh nghiệp tại VCB.HCM: Vốn chủ sở hữu/Tổng tài sản (+), Vốn lưu động/Tổng tài sản (+), Quy mô doanh nghiệp (+), Loại hình DNNN (+) và Thời gian vay (-).
• Bộ dữ liệu gồm 302 khách hàng doanh nghiệp trong giai đoạn 2014 - 2016 được phân tách bài bản thành 202 mẫu ước lượng và 100 mẫu đối chứng, đem lại độ tin cậy thực nghiệm vững chắc.
• Mô hình hồi quy Logit đạt tỷ lệ dự báo chính xác trên 85% trên tập dữ liệu gốc và trên 82% trên tập mẫu đối chứng, vượt qua đầy đủ các kiểm định đa cộng tuyến (VIF < 10) và kiểm định mức độ phù hợp Hosmer - Lemeshow.
• Đóng góp khoa học cốt lõi của đề tài là xây dựng mô hình kinh tế lượng tích hợp dữ liệu tài chính và phi tài chính, khắc phục hạn chế đánh giá cảm tính trong quy trình xếp hạng tín dụng truyền thống tại Vietcombank.
• Đề xuất lộ trình 4 bước hoàn thiện chính sách cấp tín dụng, phân loại rủi ro theo chuẩn Basel II và kiểm soát dòng tiền cho vay trung dài hạn nhằm duy trì tỷ lệ nợ xấu dưới ngưỡng mục tiêu 1,2%.

Các tổ chức tín dụng, chuyên gia quản trị rủi ro và các nhà nghiên cứu hãy tham khảo chi tiết toàn văn công trình nghiên cứu để ứng dụng mô hình định lượng xác suất vỡ nợ vào thực tiễn quản trị danh mục tín dụng doanh nghiệp ngay hôm nay.

Trích đoạn nội dung tài liệu

Chương 1 tiến hành giới thiệu tổng quan về tính cấp thiết của đề tài, mục đích và phạm vi nghiên cứu cũng như các sơ lược phương pháp nghiên cứu được sử dụng. Chương 2 trình bày những khái niệm về khả năng trả nợ của khách hàng, quy định của NHNN về việc phân loại nợ và những yếu tố ảnh hưởng đến khả năng trả nợ của doanh nghiệp. Tương tự, định nghĩa và các mô hình thường được sử dụng để đánh giá khả năng trả nợ của KHDN cũng được đề cập. Đồng thời, chương 2 cũng tổng hợp kết quả nghiên cứu của các mô hình thực nghiệm đo lường khả năng trả nợ của đối tượng là khách hàng vay vốn tại Việt Nam và các nước trên thế giới.

Để từ đó tập trung xây dựng câu hỏi nghiên cứu liệu những yếu tố nào ảnh hưởng đáng kể đến khả năng TIEU LUAN MOI download : [e-mail] 7 trả nợ của KHDN tại VCB.HCM và lựa chọn các thông tin cần thiết và mô hình phù hợp với bối cảnh của bài nghiên cứu. Chương 3 trình bày chi tiết phương pháp nghiên cứu. Bên cạnh việc tập trung thể hiện tính phù hợp của phương pháp được sử dụng, chương 3 trình bày trình tự thực hiện các bước nghiên cứu cụ thể như cách xác định mẫu, thu thập số liệu, xử lý số liệu, lựa chọn nhân tố từ đó chạy mô hình hồi quy Logit. Chương 4 sử dụng công cụ thống kê mô tả, phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của KHDN tại VCB HCM, từ đó trả lời câu hỏi nghiên cứu “mức độ tác động của các yếu tố này đến khả năng trả nợ của KHDN tại VCB.HCM như thế nào?” Từ kết quả mô hình nghiên cứu, tác giả tiến hành chạy mô hình đối chứng.

Sau đó so sánh việc xếp loại khách hàng này với thực tế trả nợ của họ xem tỷ lệ đúng là bao nhiêu và thực hiện các kiểm định cần thiết để đo độ chính xác của mô hình dự báo. Chương 5 dựa trên kết quả phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của KHDN và mức độ tác động của các yếu tố này đã được trình bày ở chương 3 và chương 4, chương 5 tóm lược lại các nội dung cơ bản. Từ đó đề xuất kiến nghị nhằm ứng dụng kết quả mô hình nghiên cứu vào công tác quản lý rủi ro và định hướng tín dụng phù hợp với hoạt động cho vay tại VCB HCM nói riêng và toàn hệ thống Vietcombank nói chung. TIEU LUAN MOI download : [e-mail] 8 CHƯƠNG 2 CƠ SỞ LÝ THUYẾT, CÁC NGHIÊN CỨU TRƯỚC Mục tiêu của chương 2 là trình bày những nội dung cơ bản về khả năng trả nợ của khách hàng bao gồm khái niệm khả năng trả nợ của khách hàng cũng như một số yếu tố tác động đến khả năng trả nợ của khách hàng và các mô hình nghiên cứu thường được áp dụng để xác định khả năng trả nợ của KHDN.

Phần tiếp theo tác giả sẽ dẫn chiếu lý thuyết, nghiên cứu thực nghiệm có liên quan đến đề tài nghiên cứu. Từ đó xác định được mục tiêu nghiên cứu cũng như hình thành nên câu hỏi nghiên cứu và định hướng các biến sẽ đưa vào mô hình nghiên cứu. Khái quát về khả năng trả nợ của khách hàng “Khả năng trả nợ của khách hàng” là mức độ của khả năng một khách hàng vay ngân hàng sẽ có thể thực hiện nghĩa vụ trả nợ đầy đủ và đúng theo các điều khoản đã thỏa thuận. Phương pháp xác định khả năng trả nợ của khách hàng thường dựa trên một tiêu chuẩn nhất định do từng ngân hàng lựa chọn như: năng lực tài chính, lịch sử giao dịch tín dụng, thiện chí trả nợ của khách hàng hoặc năng lực quản lý của lãnh đạo công ty… Hiện nay, các chuyên gia tài chính tại Việt Nam và trên thế giới vẫn chưa đạt được sự thống nhất về khái niệm "Khả năng trả nợ của khách hàng“.

Bên cạnh đó, họ chỉ tập trung vào việc phân loại để đánh giá khách hàng là "không có khả năng trả nợ" hoặc có khả năng trả nợ. Theo tài liệu Basel Committee on Banking Supervision -2006, Ủy Ban Basel đã định nghĩa “default-không có khả năng trả nợ” là những khách hàng thuộc một hoặc tất cả các trường hợp sau: khách hàng không có khả năng thực hiện nghĩa vụ thanh toán đầy đủ khi đến hạn mà chưa tính đến việc ngân hàng bán tài sản để thu nợ hoặc/và khách hàng có khoản nợ xấu có thời gian quá hạn trên 90 ngày. Cũng theo Quỹ Tiền tệ Quốc tế (2004), các khoản vay được coi là “nonperforming loan – nợ xấu” khi: quá hạn trả lãi và/hoặc gốc trên 90 ngày; hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc đồng ý trả TIEU LUAN MOI download : [e-mail] 9 chậm theo thỏa thuận; hoặc các khoản thanh toán đã quá hạn dưới 90 ngày nhưng có khả năng khoản vay sẽ không được thanh toán đầy đủ. Ở Việt Nam, các tổ chức tín dụng phân loại nợ thành 5 nhóm theo quy định tại Quyết định số 493/2005/QĐ-NHNN về ngày 22 tháng 4 năm 2005.

Từ năm 2005 đến năm 2015, Ngân hàng Nhà nước Việt Nam (NHNN) đã sửa đổi bổ sung bốn lần về phân loại nợ, trích lập và sử dụng dự phòng để xử lý rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng. Văn bản cập nhật mới nhất là thông tư số 22/VBHN- NHNN về ngày 04 tháng 6 năm 2014 với một sửa đổi mới nhất của phân loại nợ, được tóm tắt như sau: Nhóm 1: (Nợ đủ tiêu chuẩn) bao gồm: - Các khoản nợ trong hạn và tổ chức tín dụng đánh giá là có khả năng thu hồi đầy đủ cả gốc và lãi đúng hạn; - Các khoản nợ quá hạn dưới 10 ngày và tổ chức tín dụng đánh giá là có khả năng thu hồi đầy đủ gốc và lãi bị quá hạn và thu hồi đầy đủ gốc và lãi đúng thời hạn còn lại; Nhóm 2: (Nợ cần chú ý) bao gồm: - Các khoản nợ quá hạn từ 10 ngày đến 90 ngày; - Các khoản nợ điều chỉnh kỳ hạn trả nợ lần đầu (đối với khách hàng là doanh nghiệp, tổ chức thì tổ chức tín dụng phải có hồ sơ đánh giá khách hàng về khả năng trả nợ đầy đủ nợ gốc và lãi đúng kỳ hạn được điều chỉnh lần đầu). Nhóm 3: (Nợ dưới tiêu chuẩn) bao gồm: - Các khoản nợ quá hạn từ 91 ngày đến 180 ngày; - Các khoản nợ cơ cấu lại thời hạn trả nợ lần đầu, trừ các khoản nợ điều chỉnh kỳ hạn trả nợ lần đầu phân loại vào nhóm 2 theo quy định. - Các khoản nợ được miễn hoặc giảm lãi do khách hàng không đủ khả năng trả lãi đầy đủ theo hợp đồng tín dụng.

TIEU LUAN MOI download : [e-mail] 10 Nhóm 4: (Nợ nghi ngờ) bao gồm: - Các khoản nợ quá hạn từ 181 ngày đến 360 ngày; - Các khoản nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn dưới 90 ngày theo thời hạn trả nợ được cơ cấu lại lần đầu; - Các khoản nợ cơ cấu lại thời hạn trả nợ lần thứ hai. Nhóm 5: (Nợ có khả năng mất vốn) bao gồm: - Các khoản nợ quá hạn trên 360 ngày; - Các khoản nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn từ 90 ngày trở lên theo thời hạn trả nợ được cơ cấu lại lần đầu; - Các khoản nợ cơ cấu lại thời hạn trả nợ lần thứ hai quá hạn theo thời hạn trả nợ được cơ cấu lại lần thứ hai; - Các khoản nợ cơ cấu lại thời hạn trả nợ lần thứ ba trở lên, kể cả chưa bị quá hạn hoặc đã quá hạn; - Các khoản nợ khoanh, nợ chờ xử lý; Do đó, dựa trên khái niệm và quy định ở Việt Nam và nhiều nước khác, Bảng 2. trình bày cơ sở phân loại khách hàng và khả năng thanh toán của khách hàng. Phân loại khách hàng và khả năng thanh toán Loại khách hàng Khả năng thanh toán Phân loại nợ Có khả năng trả nợ - Không có nợ quá hạn Nhóm 1-2 - Nợ quá hạn <= 90 ngày Không có khả - Nợ quá hạn > 90 ngày Nhóm 3-5 năng trả nợ - Nợ gia hạn TIEU LUAN MOI download : skknchat@gmail.

Những yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp 2. Năng lực tài chính Năng lực tài chính của một công ty chủ yếu được thể hiện qua các chỉ tiêu được tính toán dựa trên số liệu báo cáo tài chính như: tỷ lệ sinh lời từ tài sản, suất sinh lời trên vốn chủ sở hữu, giá trị DN trên thị trường…. Các nghiên cứu thực nghiệm về rủi ro tín dụng đều đi đến một kết luận rằng các chỉ số tài chính là hữu ích trong việc đo lường khả năng trả nợ của KHDN. Nhìn chung, các chỉ số về khả năng thanh toán, lợi nhuận được sử dụng khá phổ biến.

Các nghiên cứu này đã minh chứng được tính hiệu quả trong đo lường rủi ro tài chính và rủi ro tín dụng theo thời gian. Cụ thể: Theo Beaver (1966) kết luận rằng phân tích chỉ số có thể hữu ích trong việc dự đoán sự thất bại trong ít nhất năm năm trước khi thất bại. Altman (1968) kết hợp phân tích chỉ số để phát triển một mô hình cho thấy những tác động đáng kể về năng lực tài chính về xác suất trả nợ của một công ty có khả năng dự đoán trong một năm trước khi trở nên mất khả năng thanh toán. Nhìn chung, các chỉ số tài chính thường được chia thành bốn loại: lợi nhuận, thanh khoản, hiệu quả hoạt động, và cơ cấu vốn.

Quy mô doanh nghiệp Các DN nhỏ, các DN mới thành lập thường có rủi ro cao hơn so với các DN quy mô lớn. Nguyên nhân là do khả năng quản lý và nguồn lực tài chính yếu kém của những DN nhỏ này rất dễ bị tác động bởi các yếu tố tiêu cực trên thị trường. Ohlson (1980) đã sử dụng tổng tài sản để đo lường quy mô DN và trong mô hình của ông cũng sử dụng biến độc lập là quy mô doanh nghiệp. Từ đó ông chứng minh được rằng những DN nhỏ hơn có khả năng dẫn đến nguy cơ vỡ nợ cao hơn.

Đã có rất nhiều nhà nghiên cứu cho rằng quy mô DN có tác động cùng chiều đến khả năng trả nợ vay của KHDN. Trong nghiên cứu của mình Cassar (2004) đã đưa ra TIEU LUAN MOI download : skknchat@gmail.