Luận văn thạc sĩ ueh ứng dụng mô hình logit để đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại ngân hàng tmcp đầu tư và phát triển việt nam

Luận văn thạc sĩ kinh tế nghiên cứu ueh ứng dụng mô hình logit để đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại ngân hàng, khảo sát thực trạng, phân tích nguyên nhân,

• Tác giả: Nguyễn Hoàng An
• Người hướng dẫn: PGS.TS Trầm Thị Xuân Hương
• Trường học: Trường Đại Học Kinh Tế TP Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Ứng Dụng Mô Hình Logit Để Đánh Giá Khả Năng Trả Nợ Của Khách Hàng Doanh Nghiệp Tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Giới thiệu vấn đề nghiên cứu
• 1.2. Sự cần thiết của vấn đề nghiên cứu
• 1.3. Mục tiêu nghiên cứu
• 1.4. Câu hỏi nghiên cứu
• 1.5. Đối tượng và phạm vi nghiên cứu
• 1.6. Phương pháp nghiên cứu
• 1.7. Kết cấu của luận văn
• 1.8. Ý nghĩa khoa học của đề tài nghiên cứu
• 1.9. Tóm tắt chương 1
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG VÀ MÔ HÌNH LOGIT
• 2.1. Giới thiệu chương
• 2.2. Nền tảng lý thuyết
• 2.3. Tổng quan về khả năng trả nợ của khách hàng doanh nghiệp
• 2.4. Khái quát về khả năng trả nợ của khách hàng
• 2.5. Những yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp
• 2.6. Ý nghĩa và vai trò của đánh giá khả năng trả nợ của khách hàng doanh nghiệp
• 2.7. Lý thuyết về mô hình Logit sử dụng trong việc đánh giá khả năng trả nợ của khách hàng
• 2.8. Một số mô hình tiêu biểu được sử dụng trong việc đánh giá khả năng trả nợ của khách hàng
• 2.9. Tổng quan mô hình Logit
• 2.10. Lược khảo các nghiên cứu trước có liên quan đến vấn đề nghiên cứu
• 2.10.1. Nghiên cứu của Irakli Ninua
• 2.10.2. Nghiên cứu Jiménez và Saurina
• 2.10.3. Nghiên cứu của Andrea Ruth Coravos
• 2.10.4. Nghiên cứu của Chiara Pederzoli, GridThoma, Costanza Torricelli
• 2.11. Tóm tắt chương 2
• 3. CHƯƠNG 3: THỰC TRẠNG KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG DOANH NGHIỆP VÀ CÔNG TÁC ĐÁNH GIÁ KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM
• 3.1. Thực trạng hoạt động tín dụng khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
• 3.2. Thực trạng khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
• 3.3. Thực trạng đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
• 3.4. Phương pháp đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
• 3.5. Đánh giá dựa trên kết quả xếp hạng tín dụng nội bộ
• 3.6. Đánh giá dựa trên kết quả thẩm định tín dụng khách hàng trước, trong và sau cho vay
• 3.7. Thành tựu đạt được
• 3.8. Những mặt hạn chế
• 3.9. Các nguyên nhân gây ra hạn chế
• 3.9.1. Từ phía khách hàng
• 3.9.2. Từ phía BIDV
• 3.9.3. Từ phía NHNN Việt Nam
• 3.10. Tóm tắt chương 3
• 4. CHƯƠNG 4: PHƯƠNG PHÁP, DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
• 4.1. Mô hình nghiên cứu
• 4.2. Lý do lựa chọn Mô hình Logit để đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
• 4.3. Xây dựng Mô hình Logit để đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
• 4.4. Phương pháp xây dựng mô hình
• 4.5. Lựa chọn các biến cho mô hình nghiên cứu
• 4.6. Thu thập và xử lý dữ liệu
• 4.7. Thảo luận kết quả nghiên cứu
• 4.8. Kết quả hồi quy và kiểm định giả thiết
• 4.9. Giải thích ý nghĩa kết quả hồi quy
• 4.9.1. Biến lãi suất cho vay
• 4.9.2. Biến tỷ lệ TSĐB trên tổng dư nợ
• 4.9.3. Biến quy mô của khách hàng doanh nghiệp
• 4.9.4. Biến thời gian quan hệ với ngân hàng
• 4.9.5. Biến lịch sử quan hệ tín dụng
• 4.9.6. Biến tỷ lệ Doanh thu thuần/Tổng tài sản
• 4.10. Tóm tắt Chương 4
• 5. CHƯƠNG 5: KẾT LUẬN VÀ GIẢI PHÁP
• 5.1. Tóm tắt các kết quả nghiên cứu của đề tài
• 5.2. Những kết quả đạt được của nghiên cứu
• 5.3. Ý nghĩa khoa học của đề tài nghiên cứu
• 5.4. Giải pháp ứng dụng mô hình Logit nhằm đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV
• 5.5. Giải pháp nhằm nâng cao hiệu quả công tác đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV
• 5.5.1. Đối với lãi suất cho vay
• 5.5.2. Đối với chính sách về tài sản đảm bảo
• 5.5.3. Liên quan đến quy mô khách hàng
• 5.5.4. Về mối quan hệ giữa khách hàng – ngân hàng
• 5.5.5. Về lịch sử quan hệ của khách hàng
• 5.5.6. Về yếu tố doanh thu
• 5.6. Giải pháp ứng dụng mô hình Logit trong công tác đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV
• 5.7. Khuyến nghị đối với NHNN Việt Nam
• 5.8. Hạn chế của đề tài và gợi ý hướng nghiên cứu tiếp theo
• 5.8.1. Các hạn chế của đề tài nghiên cứu
• 5.8.2. Gợi ý hướng nghiên cứu tiếp theo
• 5.9. Tóm tắt chương 5
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Đánh Giá Khả Năng Trả Nợ Doanh Nghiệp Tại BIDV

Đánh giá khả năng trả nợ của doanh nghiệp là một trong những yếu tố quan trọng trong hoạt động tín dụng của ngân hàng. Tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam (BIDV), việc áp dụng mô hình Logit để đánh giá khả năng trả nợ không chỉ giúp ngân hàng giảm thiểu rủi ro mà còn nâng cao hiệu quả trong việc cấp tín dụng. Mô hình này cho phép phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp, từ đó đưa ra quyết định cho vay chính xác hơn.

1.1. Khái Niệm Về Khả Năng Trả Nợ Doanh Nghiệp

Khả năng trả nợ doanh nghiệp được hiểu là khả năng của doanh nghiệp trong việc thanh toán các khoản nợ đúng hạn. Điều này phụ thuộc vào nhiều yếu tố như tình hình tài chính, doanh thu, và các yếu tố bên ngoài như thị trường và chính sách kinh tế.

1.2. Tầm Quan Trọng Của Đánh Giá Khả Năng Trả Nợ

Việc đánh giá khả năng trả nợ giúp ngân hàng xác định được mức độ rủi ro khi cho vay. Điều này không chỉ bảo vệ lợi ích của ngân hàng mà còn đảm bảo sự phát triển bền vững của doanh nghiệp.

II. Những Thách Thức Trong Đánh Giá Khả Năng Trả Nợ Doanh Nghiệp

Mặc dù việc đánh giá khả năng trả nợ là rất quan trọng, nhưng vẫn tồn tại nhiều thách thức trong quá trình này. Các yếu tố như thông tin không đầy đủ, sự chủ quan trong đánh giá, và sự biến động của thị trường có thể ảnh hưởng đến kết quả đánh giá.

2.1. Thông Tin Không Đầy Đủ Về Doanh Nghiệp

Nhiều doanh nghiệp không cung cấp đầy đủ thông tin tài chính, điều này gây khó khăn cho ngân hàng trong việc đánh giá chính xác khả năng trả nợ.

2.2. Sự Chủ Quan Trong Đánh Giá

Đánh giá khả năng trả nợ đôi khi bị ảnh hưởng bởi các yếu tố chủ quan, dẫn đến quyết định cho vay không chính xác.

III. Phương Pháp Ứng Dụng Mô Hình Logit Trong Đánh Giá Khả Năng Trả Nợ

Mô hình Logit là một trong những phương pháp hiệu quả để đánh giá khả năng trả nợ của doanh nghiệp. Phương pháp này sử dụng các biến độc lập để dự đoán xác suất trả nợ của doanh nghiệp, từ đó giúp ngân hàng đưa ra quyết định cho vay hợp lý.

3.1. Cấu Trúc Mô Hình Logit

Mô hình Logit sử dụng hàm logistic để tính toán xác suất trả nợ, cho phép phân tích nhiều yếu tố ảnh hưởng đến khả năng trả nợ của doanh nghiệp.

3.2. Lợi Ích Của Việc Sử Dụng Mô Hình Logit

Việc sử dụng mô hình Logit giúp ngân hàng có cái nhìn tổng quan và chính xác hơn về khả năng trả nợ của doanh nghiệp, từ đó giảm thiểu rủi ro trong hoạt động cho vay.

IV. Kết Quả Nghiên Cứu Ứng Dụng Mô Hình Logit Tại BIDV

Kết quả nghiên cứu cho thấy mô hình Logit đã giúp BIDV cải thiện đáng kể trong việc đánh giá khả năng trả nợ của khách hàng doanh nghiệp. Các yếu tố như doanh thu, tỷ lệ tài sản đảm bảo và lịch sử tín dụng đã được xác định là những yếu tố quan trọng ảnh hưởng đến khả năng trả nợ.

4.1. Phân Tích Dữ Liệu Tín Dụng Tại BIDV

Dữ liệu tín dụng từ 500 doanh nghiệp đã được phân tích để xác định các yếu tố ảnh hưởng đến khả năng trả nợ, từ đó đưa ra các khuyến nghị cho ngân hàng.

4.2. Kết Quả Hồi Quy Mô Hình Logit

Kết quả hồi quy cho thấy mô hình Logit có độ chính xác cao trong việc dự đoán khả năng trả nợ của doanh nghiệp, giúp ngân hàng đưa ra quyết định cho vay hiệu quả hơn.

V. Kết Luận Và Hướng Phát Triển Tương Lai

Việc ứng dụng mô hình Logit trong đánh giá khả năng trả nợ tại BIDV đã mang lại nhiều lợi ích. Tuy nhiên, cần tiếp tục cải tiến và cập nhật mô hình để phù hợp với sự biến động của thị trường và nhu cầu của khách hàng.

5.1. Đề Xuất Giải Pháp Cải Tiến Mô Hình

Cần nghiên cứu và phát triển thêm các biến số mới để cải thiện độ chính xác của mô hình Logit trong việc đánh giá khả năng trả nợ.

5.2. Tương Lai Của Đánh Giá Khả Năng Trả Nợ

Trong tương lai, việc ứng dụng công nghệ thông tin và trí tuệ nhân tạo có thể giúp nâng cao hiệu quả trong việc đánh giá khả năng trả nợ của doanh nghiệp.

Nội dung chính

Tổng quan nghiên cứu

Hoạt động cấp tín dụng cho khách hàng doanh nghiệp luôn đóng vai trò là động lực tăng trưởng cốt lõi của các ngân hàng thương mại tại Việt Nam, song cũng là mảng tiềm ẩn nhiều rủi ro nợ xấu nhất. Tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam, dư nợ tín dụng doanh nghiệp duy trì tốc độ tăng trưởng bình quân trên 15%/năm và chiếm tỷ trọng xấp xỉ 80% tổng dư nợ toàn hệ thống trong giai đoạn 2012–2015. Tuy nhiên, tình hình chất lượng tín dụng xuất hiện nhiều thách thức khi nợ nhóm 5 (nợ có khả năng mất vốn) vào cuối năm 2015 đã tăng 58,88% so với cùng kỳ năm 2014, chiếm trên 50% tổng quy mô nợ xấu doanh nghiệp.

Thực tế công tác quản trị rủi ro cho thấy hệ thống xếp hạng tín dụng nội bộ truyền thống vẫn mang nặng tính định tính và phụ thuộc vào cảm tính chủ quan của cán bộ thẩm định. Nghiên cứu của tác giả Nguyễn Hoàng An được thực hiện nhằm xây dựng và ứng dụng mô hình định lượng Logit để đánh giá chuẩn xác xác suất trả nợ của khách hàng doanh nghiệp.

Đề tài tập trung giải quyết 4 mục tiêu nghiên cứu cụ thể: nhận diện các yếu tố then chốt chi phối khả năng trả nợ, phân tích thực trạng đánh giá tín dụng tại ngân hàng, xây dựng phương trình hồi quy Logit thực nghiệm và đề xuất gói giải pháp tối ưu hóa công tác quản trị rủi ro tín dụng. Phạm vi nghiên cứu bao gồm bộ dữ liệu thực chứng từ 500 khách hàng doanh nghiệp có quan hệ tín dụng tại hệ thống ngân hàng trong giai đoạn 2013–2015, đại diện cho tổng thể hơn 200.000 khách hàng doanh nghiệp. Nghiên cứu mang lại ý nghĩa khoa học và thực tiễn sâu sắc, giúp định lượng hóa mức độ rủi ro tín dụng, giảm tỷ lệ nợ xấu xuống dưới ngưỡng 3% theo quy định và nâng cao độ an toàn vốn theo chuẩn mực quốc tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên nền tảng Hiệp ước Basel II của Ủy ban Basel về Giám sát Ngân hàng, trọng tâm là phương pháp tiếp cận dựa trên xếp hạng nội bộ. Theo đó, tổn thất tín dụng dự kiến được xác định theo công thức toán học gồm ba tham số: tổn thất dự kiến bằng xác suất không trả được nợ nhân với tổng dư nợ tại thời điểm vỡ nợ và tỷ lệ tổn thất ước tính. Trong đó, xác suất không trả được nợ là biến số trung tâm phản ánh nguy cơ khách hàng vi phạm nghĩa vụ tài chính khi phát sinh nợ quá hạn từ 90 ngày trở lên.

Bên cạnh khung Basel, luận văn tích hợp lý thuyết bất đối xứng thông tin và cấu trúc kỳ hạn nợ của Flannery cùng mô hình điểm số Z của Edward Altman năm 1968. Nghiên cứu làm rõ bốn khái niệm cốt lõi: khả năng trả nợ, xếp hạng tín dụng nội bộ, tài sản bảo đảm và tình trạng vỡ nợ theo Quyết định số 493/2005/QĐ-NHNN của Ngân hàng Nhà nước.

Mô hình hồi quy Logistic nhị phân do Maddala phát triển được áp dụng làm khung phân tích định lượng. Biến phụ thuộc chỉ nhận hai giá trị: giá trị 1 khi khách hàng có đầy đủ năng lực trả nợ đúng hạn và giá trị 0 khi khách hàng rơi vào trạng thái nợ xấu hoặc nợ quá hạn khó thu hồi.

Phương pháp nghiên cứu

Nguồn dữ liệu của nghiên cứu được trích xuất từ báo cáo tài chính đã kiểm toán, hồ sơ thẩm định tín dụng nội bộ và dữ liệu Trung tâm Thông tin Tín dụng Quốc gia trong chu kỳ 3 năm từ 2013 đến 2015. Kích thước mẫu nghiên cứu gồm 500 khách hàng doanh nghiệp được chọn lọc theo phương pháp chọn mẫu phi xác suất phân tầng, đại diện đầy đủ cho 35 ngành kinh tế từ công nghiệp chế biến, thương mại dịch vụ đến xây dựng và bất động sản. Mẫu nghiên cứu bao quát đa dạng loại hình sở hữu: công ty nhà nước, công ty cổ phần, công ty trách nhiệm hữu hạn và doanh nghiệp có vốn đầu tư nước ngoài.

Mô hình Logit được ưu tiên lựa chọn thay thế cho mô hình hồi quy bình phương nhỏ nhất thông thường vì biến phụ thuộc mang tính chất nhị phân. Phương pháp ước lượng hợp lý cực đại trong hồi quy Logit giải quyết triệt để hiện tượng phương sai sai số thay đổi, đồng thời không đặt ra các giả định khắt khe về phân phối chuẩn đa biến như mô hình phân tích phân biệt. So với mô hình mạng nơ-ron nhân tạo đòi hỏi khối lượng dữ liệu khổng lồ, mô hình Logit có tính tường minh cao, dễ giải thích ý nghĩa kinh tế của từng hệ số ước lượng. Độ tin cậy của mô hình được bảo đảm thông qua 3 phép kiểm định thống kê chuẩn mực: kiểm định Wald cho từng hệ số hồi quy, kiểm định độ phù hợp tổng thể Hosmer-Lemeshow và hệ số xác định giải thích biến thiên.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích định lượng từ mẫu khảo sát 500 khách hàng doanh nghiệp đã chỉ ra những phát hiện quan trọng có ý nghĩa thống kê về các nhân tố chi phối khả năng trả nợ:

Thứ nhất, tỷ lệ tài sản bảo đảm trên tổng dư nợ có mối liên hệ mật thiết với chất lượng tín dụng. Tại ngân hàng, các khoản vay có tỷ lệ bảo đảm bằng tài sản đạt 100% ghi nhận tỷ lệ trễ hạn thấp hơn đáng kể so với nhóm có tỷ lệ bảo đảm dưới 50%. Kết quả này tương thích với thực tế khi tỷ lệ nợ nhóm 1 (nợ đủ tiêu chuẩn) luôn chiếm bình quân 86,5% tổng danh mục cho vay.

Thứ hai, lãi suất cho vay tác động ngược chiều rõ rệt đến khả năng trả nợ. Mức chênh lệch lãi suất vay thực tế càng cao làm gia tăng áp lực chi phí tài chính, dẫn đến việc nợ nhóm 2 (nợ cần chú ý) chiếm tỷ trọng 10,7% và nợ dưới tiêu chuẩn chiếm 2,9% trong cơ cấu phân loại nợ.

Thứ ba, quy mô doanh nghiệp và hiệu quả sử dụng tài sản tác động cùng chiều đến năng lực thanh toán. Chỉ tiêu Doanh thu thuần trên Tổng tài sản càng cao thể hiện vòng quay vốn nhanh, giúp giảm thiểu nguy cơ rơi vào nhóm nợ xấu. Luận văn cũng chỉ ra sự chuyển dịch cơ cấu khi tỷ trọng dư nợ nhóm doanh nghiệp nhà nước giảm từ 21,6% năm 2012 xuống 11,8% năm 2015, trong khi khối công ty cổ phần và tư nhân tăng trưởng vượt bậc, đóng góp trên 60% tổng doanh số giải ngân.

Thứ tư, lịch sử quan hệ tín dụng và thời gian giao dịch tại ngân hàng đóng vai trò như bộ lọc rủi ro. Khách hàng có thời gian quan hệ tín dụng liên tục trên 3 năm và chưa từng phát sinh nợ quá hạn tại cổng thông tin tín dụng có xác suất hoàn trả nợ gốc và lãi đúng hạn đạt trên 95%.

Thảo luận kết quả

Các kết quả thực nghiệm phản ánh trung thực bản chất vận hành của thị trường tài chính Việt Nam. Nguyên nhân chính khiến khả năng trả nợ của doanh nghiệp suy giảm bắt nguồn từ đòn bẩy tài chính quá cao, dòng tiền hoạt động thiếu ổn định và năng lực dự báo thị trường còn yếu kém. Dữ liệu nợ xấu năm 2015 tăng 1.471 triệu đồng ở nợ nhóm 5 buộc ngân hàng phải xử lý bán 13.844 triệu đồng nợ xấu cho Công ty Quản lý Tài sản của các Tổ chức Tín dụng Việt Nam dưới dạng trái phiếu đặc biệt.

Khi so sánh với các công trình quốc tế, phát hiện của luận văn hoàn toàn tương đồng với nghiên cứu của Jiménez và Saurina năm 2003 tại Tây Ban Nha về vai trò của tài sản bảo đảm và kỳ hạn nợ. Nghiên cứu cũng củng cố luận điểm của Andrea Ruth Coravos năm 2010 về tầm quan trọng của lịch sử tín dụng trong việc dự báo vỡ nợ ở doanh nghiệp quy mô vừa và nhỏ. Tuy nhiên, khác với nghiên cứu của Irakli Ninua năm 2008 cho rằng quy mô nhân sự lớn làm tăng rủi ro tín dụng, tại Việt Nam các doanh nghiệp quy mô vốn lớn lại sở hữu năng lực chống chịu biến động vĩ mô tốt hơn các cơ sở nhỏ lẻ.

Kết quả nghiên cứu có thể được trực quan hóa hiệu quả thông qua biểu đồ phân phối xác suất vỡ nợ theo từng nhóm ngành và bảng ma trận phân loại dự báo. Ma trận phân loại cho thấy mô hình Logit đạt tỷ lệ dự báo chính xác tổng thể trên 88%, vượt trội hơn hẳn so với mức độ chính xác khoảng 72% của bảng chấm điểm xếp hạng nội bộ thuần túy tại thời điểm ngày 31 tháng 12 năm 2015.

Đề xuất và khuyến nghị

Dựa trên kết quả ước lượng từ mô hình Logit, luận văn đưa ra 4 nhóm giải pháp mang tính hành động cao nhằm hoàn thiện quy trình cấp tín dụng:

Thứ nhất, tối ưu hóa chính sách lãi suất linh hoạt dựa trên mức độ rủi ro của khách hàng. Khối Khách hàng Doanh nghiệp phối hợp cùng Khối Quản trị Rủi ro thiết lập khung lãi suất biên độ mở, giảm 0,5% đến 1,5%/năm cho các doanh nghiệp có xác suất hoàn thành nghĩa vụ nợ cao. Giải pháp này hướng tới mục tiêu kéo giảm tỷ trọng nợ cần chú ý xuống dưới 8% trong khung thời gian 12 tháng.

Thứ hai, siết chặt và chuẩn hóa công tác định giá tài sản bảo đảm. Trung tâm Định giá Tài sản cần định kỳ 6 tháng một lần tái thẩm định giá trị thị trường của bất động sản, máy móc thiết bị thế chấp. Ngân hàng cần duy trì tỷ lệ giá trị tài sản bảo đảm trên dư nợ tối thiểu ở mức 120% đối với các khoản vay trung và dài hạn, hoàn thành áp dụng đồng bộ toàn hệ thống trong vòng 6 tháng.

Thứ ba, tích hợp thuật toán mô hình Logit vào phần mềm thẩm định tín dụng tự động. Khối Công nghệ Thông tin chịu trách nhiệm xây dựng module chấm điểm định lượng trực tiếp trên hệ thống ngân hàng lõi. Hệ thống này cho phép tự động tính toán xác suất vỡ nợ ngay khi nhập dữ liệu báo cáo tài chính, rút ngắn thời gian phê duyệt hồ sơ từ 5 ngày xuống còn 2 ngày và nâng độ chính xác xếp hạng lên trên 90% trong vòng 18 tháng.

Thứ tư, kiến nghị Ngân hàng Nhà nước Việt Nam nâng cấp hạ tầng Trung tâm Thông tin Tín dụng Quốc gia. Cơ quan quản lý cần mở rộng diện thu thập dữ liệu về nghĩa vụ thuế, bảo hiểm xã hội và dữ liệu hải quan của doanh nghiệp, bảo đảm tốc độ truy xuất thông tin lịch sử tín dụng dưới 3 phút với độ phủ dữ liệu đạt 100% doanh nghiệp đang hoạt động trên cả nước theo lộ trình 2 năm.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị tham khảo chuyên môn sâu sắc cho 4 nhóm đối tượng trọng tâm:

Thứ nhất, cán bộ quản trị rủi ro và thẩm định tín dụng tại các ngân hàng thương mại. Luận văn cung cấp công thức toán học và quy trình 6 bước ứng dụng mô hình định lượng để chấm điểm khách hàng, hỗ trợ trực tiếp cho nghiệp vụ phân loại nợ và trích lập dự phòng rủi ro.

Thứ hai, giám đốc tài chính và kế toán trưởng tại các doanh nghiệp. Nghiên cứu chỉ rõ các chỉ số tài chính trọng yếu như vòng quay tổng tài sản, đòn bẩy nợ và khả năng thanh toán ảnh hưởng trực tiếp đến hạn mức vay và mức lãi suất mà ngân hàng áp dụng, giúp doanh nghiệp chủ động cơ cấu tài chính lành mạnh.

Thứ ba, các cơ quan thanh tra, giám sát ngân hàng. Nội dung đề tài cung cấp luận cứ thực chứng về mối liên hệ giữa các nhóm nợ theo quy định hiện hành và chuẩn mực quản trị rủi ro quốc tế Basel II, phục vụ công tác ban hành chính sách điều hành tín dụng an toàn.

Thứ tư, giảng viên, nghiên cứu sinh và học viên cao học chuyên ngành Tài chính – Ngân hàng. Đề tài là tài liệu tham khảo chuẩn mực về phương pháp kết hợp phân tích kinh tế lượng với phần mềm xử lý dữ liệu chuyên dụng để giải quyết bài toán quản trị danh mục cho vay thực tế.

Câu hỏi thường gặp

Mô hình Logit có ưu điểm gì vượt trội so với bảng chấm điểm xếp hạng tín dụng truyền thống?

Mô hình Logit loại bỏ hoàn toàn các yếu tố cảm tính và định kiến chủ quan của cán bộ tín dụng bằng cách sử dụng thuật toán hồi quy phi tuyến. Phương pháp này tính toán chính xác xác suất khách hàng trả được nợ từ 0% đến 100%, nâng độ chính xác phân loại nợ lên trên 88% so với mức 72% của phương pháp chuyên gia.

Vì sao nghiên cứu lựa chọn cỡ mẫu 500 doanh nghiệp trong giai đoạn 2013–2015?

Theo các chuyên gia thống kê kinh tế lượng quốc tế, mô hình Logit đa biến đòi hỏi quy mô mẫu tối thiểu trên 400 quan sát để đảm bảo độ tin cậy. Cỡ mẫu 500 khách hàng doanh nghiệp tại ngân hàng đại diện đầy đủ cho 35 phân ngành kinh tế, bảo đảm tính tổng quát hóa và loại trừ sai số mẫu.

Tài sản bảo đảm có vai trò như thế nào trong việc ngăn ngừa rủi ro nợ xấu?

Tài sản bảo đảm là công cụ phòng vệ thứ cấp giúp ngân hàng giảm thiểu tổn thất khi sự kiện vi phạm xảy ra. Tuy nhiên, mô hình chỉ ra rằng tài sản bảo đảm không thay thế được nguồn thu từ dòng tiền kinh doanh; việc định giá tài sản bảo đảm quá cao có thể tạo ra tâm lý ỷ lại và làm tăng tỷ lệ nợ nhóm 2 lên trên 10%.

Sự dịch chuyển tỷ trọng cho vay sang khối doanh nghiệp tư nhân tác động ra sao đến chất lượng tín dụng?

Tỷ trọng cho vay khối tư nhân tăng nhanh trong khi khối nhà nước giảm từ 21,6% xuống 11,8% mang lại biên lợi nhuận cao hơn nhưng cũng làm nợ nhóm 5 tăng 58,88% vào năm 2015. Điều này đòi hỏi ngân hàng phải tăng cường kiểm soát dòng tiền sau cho vay thay vì chỉ dựa vào uy tín sở hữu.

Kết quả nghiên cứu của luận văn có thể áp dụng cho các ngân hàng thương mại khác không?

Quy trình xây dựng mô hình Logit và bộ biến số độc lập trong luận văn hoàn toàn có thể chuyển giao cho các ngân hàng thương mại cổ phần khác tại Việt Nam. Các tổ chức tín dụng chỉ cần thay thế dữ liệu quá khứ của đơn vị mình để hiệu chỉnh các trọng số hệ số hồi quy cho phù hợp với khẩu vị rủi ro riêng.

Kết luận

Nghiên cứu đã giải quyết trọn vẹn bài toán định lượng hóa rủi ro tín dụng doanh nghiệp thông qua các đóng góp nổi bật sau:

• Chứng minh tính ưu việt của mô hình hồi quy Logit nhị phân trong việc đánh giá xác suất trả nợ so với các phương pháp định tính truyền thống.
• Nhận diện chính xác 6 nhóm biến số tác động mạnh nhất đến khả năng hoàn trả nợ vay gồm lãi suất, tỷ lệ tài sản bảo đảm, quy mô doanh nghiệp, vòng quay tài sản, thời gian quan hệ và lịch sử tín dụng.
• Phân tích bức tranh thực trạng danh mục tín dụng giai đoạn 2012–2015 với tỷ trọng cho vay doanh nghiệp chiếm 80% tổng dư nợ và đề xuất giải pháp kiểm soát nợ nhóm 5 tăng trưởng nóng.
• Xây dựng ma trận phân loại dự báo với độ chính xác đạt trên 88%, hỗ trợ đắc lực cho công tác thẩm định trước cho vay và giám sát sau giải ngân.
• Cung cấp khung khuyến nghị đồng bộ từ cấp độ ngân hàng thương mại đến Ngân hàng Nhà nước nhằm tiệm cận tiêu chuẩn Hiệp ước Basel II.

Về lộ trình triển khai tiếp theo, ngân hàng cần tiến hành thử nghiệm mô hình trên dữ liệu tín dụng thực tế trong vòng 3 đến 6 tháng tới, hoàn thiện module phần mềm tự động trong 12 tháng và mở rộng áp dụng cho toàn bộ danh mục khách hàng cá nhân trong 24 tháng. Hãy áp dụng ngay các giải pháp định lượng rủi ro tín dụng hiện đại để nâng cao năng lực cạnh tranh và đảm bảo tăng trưởng bền vững cho hệ thống ngân hàng.

Trích đoạn nội dung tài liệu

chương 1 cũng đã trình bày về mục tiêu , câu hỏi và phương pháp nghiên cứu để tạo tiền đề cho việc đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV sau đó áp dụng mô hình Logit trong việc phân tích và nghiên cứu các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp. LUAN VAN CHAT LUONG download : add [e-mail] 7 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG VÀ MÔ HÌNH LOGIT 2. Giới thiệu chương Trong hoạt động tín dụng của các NHTM, cụ thể hơn là từng khoản cho vay; điều quan trọng bậc nhất đó là phải thu hồi vốn vay sau thời hạn cho vay. Sau khi trải qua quá trình thẩm định và phê duyệt cho vay, hầu hết các NHTM khi cho vay đều kỳ vọng không chỉ thu hồi được nợ vay mà hơn nữa đó là thu được lãi cho vay để trang trải chi phí hoạt động và mang lại lợi nhuận cho hoạt động kinh doanh.

Tuy nhiên, trên thực tế thì không phải lúc nào các NHTM đều có thể đạt được mục đích của mình bởi mỗi khoản cho vay đều tiềm ẩn rủi ro người vay không thể thanh toán được nợ vay đầy đủ, đúng hạn. Đó chính là rủi ro tín dụng – một loại rủi ro luôn tồn tại mà các NHTM luôn phải tìm cách kiểm soát và hạn chế. Để làm được điều đó, đòi hỏi các NHTM cần đánh giá và đo lường khả năng trả nợ của khách hàng. Từ việc hiểu rõ các quan điểm về khả năng trả nợ của khách hàng cũng như các yếu tố tác động đến khả năng trả nợ của khách hàng, bài nghiên cứu cũng sẽ giới thiệu tổng quan mô hình Logit nhằm đánh giá khả năng trả nợ của khách hàng.

Nền tảng lý thuyết 2. Tổng quan về khả năng trả nợ của khách hàng doanh nghiệp 2. Khái quát về khả năng trả nợ của khách hàng Trước khi xác định của yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng, ta cần có cái nhìn tổng quan về khả năng trả nợ của khách hàng cũng như hiểu rõ các quan điểm về khả năng trả nợ của khách hàng. Hiện tại, trên thế giới và tại Việt Nam chưa có khái niệm thống nhất về khả năng trả nợ của khách hàng mà chỉ tập trung vào các trạng thái, biểu hiện của khách hàng trong quan hệ tín dụng với ngân hàng như: không có khả năng trả nợ, mất khả năng trả nợ, vỡ nợ,… hoặc gián tiếp thông qua các đơn vị đo lường gián tiếp như: tỷ số khả năng trả nợ, các hệ số khả năng thanh toán.

Thông qua việc xác định khách hàng không có khả năng trả nợ, các khách hàng còn lại thuộc trường hợp có khả năng trả nợ. Trong hoạt động cấp tín dụng, khả năng trả nợ của khách hàng – bên được cấp tín dụng, được hiểu là khả năng một khách LUAN VAN CHAT LUONG download : add [e-mail] 8 hàng có thực hiện đầy đủ và đúng hạn nghĩa vụ cho ngân hàng – bên cấp tín dụng như đã thỏa thuận trong thời gian quan hệ tín dụng hay không. Cũng có một số nhà nghiên cứu xây dựng quan điểm của mình đối với tình trạng “không có khả năng trả nợ” hay khả năng "không trả được nợ” của một khách hàng. Theo R3 – Hiệp Hội các chuyên gia phục hồi kinh doanh (2008)1 định nghĩa về khả năng “không trả được nợ” của khách hàng doanh nghiệp như sau: “Một công ty được xem là không có khả năng trả nợ nếu tài sản của họ ít hơn nợ phải trả hoặc nếu họ không thể thanh toán các khoản nợ khi đến hạn phải trả” Các nhà nghiên cứu thuộc Công ty kiểm toán PwC (2009)2 đã định nghĩa tình trạng “không có khả năng trả nợ” của một doanh nghiệp như sau: “Một công ty lâm vào tình trạng không có khả năng trả nợ khi công ty đó không có đủ tài sản để bù đắp các khoản nợ của mình và/hoặc không thể thanh toán các khoản nợ đến hạn” Theo tài liệu của Uỷ ban Basel về giám sát ngân hàng (2006)3, tình trạng “không có khả năng trả nợ – default” phát sinh khi một hoặc tất cả các điều kiện sau đây xảy ra: “(i) Khách hàng không có khả năng thực hiện đầy đủ nghĩa vụ tài chính khi đến hạn mà chưa tính đến việc ngân hàng phải xử lý tài sản (nếu có); (ii) Khách hàng có nợ quá hạn trên 90 ngày đối với khoản vay bất kỳ tại các tổ chức tín dụng”.

Từ các khái niệm tiêu biểu trên, học viên thống nhất với quan điểm của Basel về khả năng trả nợ của khách hàng thông qua tình trạng “không có khả năng trả nợ”. Có thể thấy việc khách hàng “không có khả năng trả nợ” liên hệ khá mật thiết với thời gian quá hạn của một hay tất cả các khoản vay của một khách hàng. Hay nói cách khác, khả năng trả nợ của khách hàng có quan hệ khá mật thiết với kết quả phân loại nợ đối với các khoản vay của khách hàng. Tuy nhiên, khả năng trả nợ của khách hàng theo Basel chỉ đề cập đến thời gian quá hạn của khoản vay chứ không đề cập đến các 1 R3 – The Association of Business Recovery Professionals, 2008.

Insolvency in brief – A guide to insolvency terminology and procedure 3 Basel Committee on Banking Supervision, 2006. International Convergence of Capital Measurement and Capital Standards – A Revised Framework Comprehensive Version. LUAN VAN CHAT LUONG download : add [e-mail] 9 khoản nợ được cơ cấu, kết quả đánh giá khả năng trả nợ sau cơ cấu cũng như tình trạng khoản vay sau đó.1: Phân loại nợ và khả năng trả nợ của khách hàng theo Basel Tình trạng Thời gian quá hạn Phân loại nợ khách hàng Có khả năng - Không có nợ quá hạn Nợ nhóm 1 (Nợ đủ tiêu chuẩn) trả nợ - Nợ quá hạn dưới 10 ngày - Nợ quá hạn từ 10 đến 90 ngày Nợ nhóm 2 (Nợ cần chú ý) - Nợ cơ cấu nhưng khách hàng vẫn còn khả năng trả nợ Không có khả - Có nợ quá hạn trên 90 ngày Nợ nhóm 3, 4, 5 (Nợ xấu) năng trả nợ - Nợ cơ cấu đã quá hạn Nguồn: Tổng hợp theo Quyết định 493/2005/QĐ-NHNN ngày 22/04/2005, các văn bản sửa đổi bổ sung về phân loại nợ, trích lập và sử dụng dự phòng; tài liệu của Basel 2. Những yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp a.

Yếu tố liên quan đến môi trường vĩ mô Khả năng trả nợ của KHDN chịu tác động nhất định từ môi trường vĩ mô như: chu kỳ kinh tế; chỉ số lạm phát, thất nghiệp; tăng trưởng GDP; chính sách tài khóa – tiền tệ; … Trong giai đoạn kinh tế tăng trưởng và các điều kiện vĩ mô thuận lợi, các doanh nghiệp dễ dàng hơn trong việc hoàn trả nợ vay từ các NHTM do các cơ hội đầu tư tăng lên và triển vọng kinh doanh thuận tốt hơn. Ngược lại, trong giai đoạn nền kinh tế suy thoái và các tình hình vĩ mô diễn biến xấu đi, các doanh nghiệp sẽ gặp khó khăn hơn trong hoạt động kinh doanh, từ đó ảnh hưởng tiêu cực đến khả năng hoàn trả nợ vay. Yếu tố liên quan đến khách hàng doanh nghiệp  Ngành nghề kinh doanh LUAN VAN CHAT LUONG download : add [e-mail] 10 Hoạt động kinh doanh luôn tiềm ẩn nhiều rủi ro và mỗi ngành nghề, lĩnh vực đều đối mặt với những rủi ro khác nhau có thể dẫn đến thất bại, phá sản. Điều này có thể được thấy rõ qua việc một số ngành nghề kinh doanh phải đáp ứng những điều kiện khắt khe về vốn pháp định, cơ sở vật chất như chứng khoán, bất động sản, hàng không,.

do tính chất những lĩnh vực này đòi hỏi vốn đầu tư lớn, thời gian thu hồi vốn dài. Lại có những ngành nghề rất nhạy cảm với biến động của môi trường kinh doanh hay thị hiếu của người tiêu dùng như: thời trang, ẩm thực,… Việc phải đối mặt với những rủi ro kinh doanh khác nhau dẫn đến khả năng trả nợ của các ngành nghề, lĩnh vực kinh doanh cũng khác nhau. Nghiên cứu của Jiménez và Saurina (2003); Irakli Ninua (2008) đã chỉ ra rằng ngành nghề kinh doanh, lĩnh vực hoạt động có ảnh hưởng đến khả năng trả nợ của KHDN, nhất là đối với các KHDN hoạt động trong ngành sản xuất so với những ngành còn lại.  Quy mô doanh nghiệp Khả năng trả nợ của khách hàng ở một khía cạnh nào đó cũng phụ thuộc vào quy mô doanh nghiệp.

Những doanh nghiệp có quy mô lớn, tài sản lớn cũng đồng nghĩa với việc khả năng chịu đựng tốt hơn với những biến động của thị trường, môi trường kinh doanh so với các doanh nghiệp có quy mô nhỏ hơn, nhất là khả năng thanh toán các nghĩa vụ nợ cũng tốt hơn. Tuy nhiên, trong một số trường hợp, các doanh nghiệp có quy mô lớn vẫn có thể gặp phải tình trạng mất khả năng thanh toán. Đó là khi bên cạnh yếu tố quy mô, doanh nghiệp còn phải đồng thời gặp phải những vấn đề khác tác động xấu đến hoạt động kinh doanh. Ngoài ra, quy mô cũng là một trong những yếu tố đầu vào đầu tiên khi xếp hạng tín dụng KHDN tại các NHTM và thường được biểu hiện qua nhiều yếu tố như: Doanh thu thuần, vốn chủ sở hữu, số lượng lao động,….

 Mức độ tín nhiệm Nền tảng của tín dụng chính là sự tin cậy giữa bên cấp tín dụng và bên được cấp tín dụng. Và điều này phần lớn được tạo nên từ mức độ tín nhiệm của người đi vay và bao gồm rất nhiều yếu tố như: thương hiệu và thị phần của doanh nghiệp trên thị trường, uy tín của ban lãnh đạo doanh nghiệp, lịch sử quan hệ tín dụng, thiện chí trả LUAN VAN CHAT LUONG download : add [e-mail] 11 nợ của doanh nghiệp trong quá trình vay vốn, …. Độ tin cậy càng cao càng giúp làm giảm thiểu đáng kể rủi ro doanh nghiệp không thanh toán được các nghĩa vụ nợ của mình  Khả năng tài chính Các chỉ tiêu về tài chính luôn là yếu tố được các NHTM quan tâm hàng đầu như: chỉ tiêu về khả năng thanh toán, chỉ tiêu về lợi nhuận, chỉ tiêu cân nợ, chỉ tiêu hoạt động. Và các chỉ tiêu này cũng được sử dụng phần lớn trong việc đánh giá khả năng trả nợ của khách hàng và các nghiên cứu về rủi ro tín dụng.

Các doanh nghiệp có các chỉ tiêu về tài chính tốt trên thực tế và cả trong nghiên cứu thực nghiệm thường có khả năng trả nợ tốt hơn.