Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Vận tải biển đóng vai trò là một ngành kinh tế quan trọng trong tiến trình hội nhập và phát triển kinh tế của Việt Nam nhờ lợi thế về vị trí địa lý và điều kiện tự nhiên. Nghị quyết Hội nghị lần thứ tám Ban Chấp hành Trung ương Đảng khóa XII về Chiến lược phát triển bền vững kinh tế biển Việt Nam đến năm 2030, tầm nhìn đến năm 2045 đã xác định mục tiêu đến năm 2030, kinh tế của 28 tỉnh, thành phố ven biển ước đạt 65-70% GDP cả nước [51]. Cùng với đó, Quyết định số 1037/QĐ-TTg ngày 24/06/2014 của Thủ tướng Chính phủ về điều chỉnh quy hoạch hệ thống Cảng Biển Việt Nam đến năm 2020, định hướng tới năm 2030 dự báo sản lượng hàng hóa container thông qua cảng tiếp tục tăng mạnh, ước đạt từ 630 đến 715 triệu tấn [53]. Nhu cầu vận chuyển container gia tăng nhanh chóng theo xu thế container hóa toàn cầu, tuy nhiên thị phần của đội tàu container Việt Nam mới chỉ chiếm khoảng 3,6% trong tổng năng lực đội tàu quốc gia, thấp hơn nhiều so với tỷ trọng tàu container trên thế giới.

Đặc thù đầu tư tàu container đòi hỏi quy mô vốn lớn và thời gian thu hồi vốn dài, khiến nguồn vốn tín dụng ngân hàng đóng vai trò quyết định. Mặc dù vậy, thực trạng rủi ro tín dụng (RRTD) trong lĩnh vực này tại Việt Nam đang ở mức cao, với tỷ lệ nợ xấu trong cho vay đầu tư tàu container lên tới 39%. Tình trạng này khiến các tổ chức tín dụng (TCTD) suy giảm niềm tin và thắt chặt việc cấp tín dụng đối với các dự án đóng mới hoặc mua tàu container. Để kiểm soát và giảm thiểu rủi ro, công tác dự báo RRTD cần phải đi trước một bước nhằm cung cấp cơ sở định lượng khách quan giúp các TCTD ra quyết định tài trợ hiệu quả. Từ yêu cầu thực tiễn và sự phù hợp với chuyên ngành Tổ chức và Quản lý vận tải, tác giả lựa chọn đề tài "Dự báo RRTD trong đầu tư phát triển đội tàu Container của Việt Nam" làm đề tài luận án tiến sĩ.

Khoảng trống nghiên cứu được xác định là: các nghiên cứu trước đây tại Việt Nam về quản trị rủi ro tín dụng chủ yếu dừng lại ở phân tích định tính hoặc mô hình quản trị chung cho toàn hệ thống ngân hàng mà chưa có công cụ lượng hóa chuyên sâu gắn với đặc thù kỹ thuật và kinh tế của các dự án đầu tư tàu container; đồng thời chưa có mô hình dự báo tiên nghiệm RRTD ngay từ giai đoạn nghiên cứu khả thi của dự án.

Mục tiêu và nhiệm vụ nghiên cứu

Mục đích tổng quát của luận án là dự báo RRTD trong cho vay đầu tư phát triển đội tàu container của Việt Nam thông qua công cụ lượng hóa, cung cấp thêm cơ sở khoa học cho các tổ chức tín dụng trước khi ra quyết định cấp tín dụng.

Để đạt được mục đích trên, luận án xác định 4 nhiệm vụ nghiên cứu cụ thể:

  1. Nghiên cứu tổng quan các công trình khoa học đã công bố liên quan đến đề tài luận án, đánh giá thành tựu và hạn chế nhằm xác định rõ khoảng trống nghiên cứu cần giải quyết.
  2. Nghiên cứu hệ thống hóa cơ sở lý luận về dự báo, rủi ro, rủi ro tín dụng, cùng các phương pháp và mô hình dự báo rủi ro, đặc biệt là RRTD trong cho vay đầu tư phát triển đội tàu container.
  3. Nghiên cứu, đánh giá thực trạng công tác dự báo RRTD trong cho vay đầu tư phát triển đội tàu container tại các TCTD ở Việt Nam, làm rõ ưu điểm, hạn chế và nguyên nhân tồn tại.
  4. Nghiên cứu xây dựng mô hình dự báo RRTD trong đầu tư phát triển đội tàu container của Việt Nam làm công cụ lượng hóa rủi ro, hỗ trợ các TCTD ra quyết định cấp tín dụng cho các dự án đầu tư tàu container mới.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Công tác dự báo RRTD tại các tổ chức tín dụng trong cho vay đầu tư phát triển đội tàu container của Việt Nam, bao gồm cơ sở lý luận, thực trạng dự báo tại các TCTD và mô hình lượng hóa dự báo RRTD.
  • Phạm vi nghiên cứu:
    • Về nội dung: Công tác dự báo RRTD trong cho vay đầu tư phát triển đội tàu container tại Việt Nam.
    • Về không gian: Hệ thống các tổ chức tín dụng hoạt động tại Việt Nam theo quy định của Luật các TCTD [74], bao gồm ngân hàng thương mại, TCTD phi ngân hàng, tổ chức tài chính vi mô, quỹ tín dụng nhân dân và chi nhánh/ngân hàng nước ngoài hiện diện thương mại tại Việt Nam.
    • Về thời gian: Dữ liệu các dự án đầu tư phát triển đội tàu container tại Việt Nam thu thập từ năm 1997 đến năm 2019. Luận án thực hiện dự báo kiểm định tại năm 2019 (so sánh kết quả dự báo với thực tế rủi ro năm 2019) và thực hiện dự báo tiên nghiệm đối với các tàu đang khai thác đến năm 2025 cũng như các dự án đầu tư tàu container mới trước khi giải ngân.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trên thế giới

Nghiên cứu về lượng hóa và dự báo rủi ro tín dụng trên thế giới đã trải qua quá trình phát triển lâu dài với nhiều mô hình tiêu biểu:

Tác giả / Năm Tên công trình / Mô hình Nội dung và đóng góp chính Hạn chế được ghi nhận
Macaulay (1938) Phương pháp đánh giá rủi ro lãi suất trái phiếu [25] Đặt nền tảng cho việc lượng hóa rủi ro tài chính và dự báo trước khi đầu tư. Mới tiếp cận hình thức tín dụng đơn giản là trái phiếu; phụ thuộc việc định giá trái phiếu khi lãi suất đổi.
David Duran (1941) Ứng dụng phân nhóm Fisher (1936) [63] Ứng dụng toán học xác suất để phân biệt khoản nợ tốt và nợ xấu; tiền đề cho mô hình chấm điểm tín nhiệm cá nhân [56]. Không trực tiếp lượng hóa và dự báo rủi ro cho từng khoản tín dụng cụ thể.
Bill Fair & Earl Isaac (1950s) Mô hình FICO [64] Đánh giá rủi ro khoản vay theo thang điểm tín nhiệm 100 dựa trên mô hình toán học; thử nghiệm tại 50 ngân hàng Mỹ. Chưa bao hàm hết yếu tố vĩ mô; phụ thuộc dữ liệu lịch sử nên không áp dụng được cho đối tượng mới [69].
Jan Mossin (1966) Mô hình CAMP (Equilibrium in a Capital Asset Market) [58] Sử dụng hàm hồi quy đơn biến xác định rủi ro thị trường; cấu trúc đơn giản, dễ áp dụng [25]. Loại bỏ nhiều biến tác động khác ngoài thị trường, làm giảm độ chính xác của dự báo đa chiều.
Stephen Ross (1976) Mô hình APT (Arbitrage Pricing Theory) [65] Phát triển mô hình hồi quy đa nhân tố (Multi-Factor Model) mô tả quan hệ rủi ro - lợi nhuận. Chưa phản ánh được toàn bộ sự tác động phức tạp của các mối quan hệ kinh tế thực tế.
Josel Basis (1998) Risk Management in Banking [61] Khái quát lý luận quản trị rủi ro ngân hàng và phân tích sâu các mô hình định lượng như Value at Risk (VaR). Mô hình VaR chỉ đo lường rủi ro danh mục ngắn hạn, không phản ánh tổng thể rủi ro tài sản cố định dài hạn.
Bofondi & Ropele (2011) Nghiên cứu các yếu tố vĩ mô tại Italy 1990-2010 [55] Xác định tốc độ tăng trưởng GDP, tỷ lệ thất nghiệp và lãi suất là các nhân tố vĩ mô tác động đến chất lượng khoản vay. Nghiên cứu tập trung vào cấp độ nền kinh tế quốc gia, chưa gắn với ngành vận tải biển.
Marijana Curak, Sandra Pepur & Klime Poposki (2013) Nghiên cứu nợ xấu tại Đông Nam Châu Âu [59] Khảo sát 69 ngân hàng tại 10 quốc gia (2003-2010); chỉ ra tăng trưởng thấp, lạm phát cao, lãi suất cao làm tăng nợ xấu; quy mô ngân hàng tỷ lệ nghịch với nợ xấu. Tập trung vào phạm vi khu vực ngân hàng thương mại tổng thể.
Tilahun Aemiro Tehulu & cs (2014) Nghiên cứu tại các ngân hàng Ethiopia 2007-2011 [60] Sử dụng mô hình hiệu ứng ngẫu nhiên (GLS) trên 10 ngân hàng; chỉ ra tăng trưởng tín dụng và quy mô có tác động ngược chiều có ý nghĩa thống kê tới RRTD. Chưa lượng hóa cho từng dự án đầu tư tài sản kỹ thuật chuyên biệt.

Các hướng nghiên cứu tại Việt Nam

Tại Việt Nam, các công trình nghiên cứu về rủi ro tín dụng và khoa học dự báo được tác giả điểm lại theo ba nhóm chính:

  1. Nhóm nghiên cứu về quản trị rủi ro tín dụng ngân hàng:

    • Lê Thị Huyền Diệu (2010) [7]: Hệ thống hóa lý luận và mô hình quản lý RRTD tại hệ thống NHTM Việt Nam. Hạn chế: Chưa đưa ra phương pháp dự báo trước khi cấp tín dụng và mô hình áp dụng chung, chưa gắn với đặc thù từng ngành kinh tế.
    • Trần Trung Tường (2011) [40]: Quản trị tín dụng tại các NHTMCP trên địa bàn TP. Hồ Chí Minh. Hạn chế: Chưa xây dựng công cụ đo lường và dự báo RRTD; phạm vi địa lý hẹp trong khi cơ chế tín dụng mang tính toàn quốc.
    • Nguyễn Đức Tú (2012) [41]: Quản trị RRTD tại Ngân hàng TMCP Công thương Việt Nam (VietinBank), đề xuất mô hình quản trị theo thông lệ quốc tế và hoàn thiện quy trình rà soát tín dụng. Hạn chế: Chưa xem xét vai trò của công tác dự báo RRTD.
    • Nguyễn Tuấn Anh (2012) [2] và Nguyễn Hùng Tiến (2016) [33]: Nghiên cứu quản trị rủi ro tín dụng tại Agribank, tiếp cận khung Basel và kinh nghiệm các ngân hàng tại Thái Lan, Malaysia, Indonesia, ANZ. Hạn chế: Chưa xây dựng công cụ lượng hóa để dự báo rủi ro một cách khách quan.
    • Nguyễn Thị Gấm (2018) [15]: Nghiên cứu quản trị RRTD đối với khách hàng doanh nghiệp tại các NHTM Việt Nam, phân tích thực nghiệm các biến vi mô và vĩ mô tác động tới rủi ro.
    • Trần Khánh Dương (2019) [13]: Nghiên cứu phòng ngừa và hạn chế RRTD tại BIDV, phân tích mô hình chất lượng 6C và ước tính tổn thất tín dụng. Hạn chế: Chưa xây dựng mô hình lượng hóa chuyên biệt theo đối tượng dự án.

  2. Nhóm nghiên cứu về dự báo trong kinh tế và vận tải:

    • Cao Ngọc Châu (1994) [6]: Nghiên cứu dự báo nhu cầu vận tải hành khách với mô hình luồng đa phương thức cạnh tranh. Hạn chế: Mô hình mang tính vĩ mô chung, chưa xét đặc thù riêng của từng phương thức vận tải thủy, sắt, bộ, hàng không.
    • Nguyễn Thanh Hiếu (2016) [21]: Dự báo dòng tiền của các công ty tài chính niêm yết tại Việt Nam, khẳng định mô hình hồi quy tác động cố định (FEM) là phù hợp nhất.
    • Phạm Thị Thu Hằng (2017) [20]: Xây dựng 37 mô hình dự báo lượng hàng container thông qua cảng biển Việt Nam bằng phần mềm Eviews, bổ sung các biến vĩ mô (giá trị công nghiệp, nông lâm thủy sản, vốn đầu tư). Hạn chế: Việc chia thành quá nhiều mô hình (37 mô hình) gây phân tán trong ứng dụng; mô hình dựa hoàn toàn vào chuỗi thời gian quá khứ nên không áp dụng được cho các cảng mới xây dựng.

  3. Nhóm nghiên cứu ứng dụng mô hình hồi quy Binary Logistic tại Việt Nam:

    • Đặng Văn Dân (2014) [8]: Phân tích các yếu tố tác động đến nhu cầu học từ xa tại Việt Nam với 3 biến độc lập.
    • Vũ Quỳnh Nam (2017) [27]: Đánh giá các nhân tố ảnh hưởng tới phát triển bền vững làng nghề chè tại Thái Nguyên.
    • Cù Thanh Thủy (2018) [36]: Nghiên cứu các nhân tố ảnh hưởng tới đầu tư kết cấu hạ tầng giao thông đường bộ từ vốn ngân sách.
    • Nguyễn Hồng Thu (2018) [37]: Đánh giá tác động của tín dụng vi mô đến thu nhập của hộ nghèo tại khu vực Đông Nam Bộ.

Khoảng trống nghiên cứu luận án lựa chọn giải quyết

  • Về mặt lý luận: Khoa học kinh tế biển và khoa học dự báo tại Việt Nam còn thiếu các khái niệm chuyên biệt về "rủi ro tín dụng trong đầu tư tàu container" và phạm trù "dự báo rủi ro tín dụng". Cơ sở lý thuyết hiện hành chưa phản ánh đầy đủ các đặc thù kinh tế - kỹ thuật của hoạt động khai thác tàu container trong mối liên hệ với an toàn tín dụng.
  • Về mặt thực tiễn: Chưa có công trình nào xây dựng mô hình lượng hóa độc lập để dự báo xác suất RRTD cho từng dự án đầu tư tàu container tại Việt Nam ngay từ thời điểm thẩm định nghiên cứu khả thi, tách rời khỏi sự phụ thuộc vào chuỗi thời gian của đối tượng vay.

Cơ sở lý luận và phương pháp nghiên cứu

Cơ sở lý thuyết về dự báo và phân loại phương pháp dự báo

Thuật ngữ "Dự báo" có nguồn gốc từ tiếng Hy Lạp "prognois", hình thành từ hai thành tố "Pro" (trước) và "gnois" (biết) [62]. Về mặt học thuật, dự báo được định nghĩa là khoa học và nghệ thuật tiên đoán những sự việc sẽ xảy ra trong tương lai dựa trên phân tích khoa học các dữ liệu đã thu thập được [19]. Dự báo mang hai thuộc tính nền tảng:

  • Tính xác suất: Không có phương pháp dự báo nào đảm bảo sự kiện xảy ra chính xác 100% do sự biến động khách quan của các hiện tượng kinh tế [20].
  • Tính thời điểm: Mỗi phương pháp chỉ phù hợp với một giai đoạn và quy luật vận động nhất định; dự báo ngắn hạn thường có độ tin cậy cao hơn dự báo dài hạn.

Phân loại phương pháp dự báo tổng hợp theo 8 phương pháp phổ biến trên thế giới do học giả Gordon đề xuất (trích dẫn qua Nguyễn Sỹ Linh [23]):

STT Phương pháp dự báo Tên tiếng Anh Viết tắt
1 Phương pháp tiên đoán Genius Forecasting —
2 Phương pháp ngoại suy xu hướng Trend extrapolation —
3 Phương pháp chuyên gia Consensus methods Delphi
4 Phương pháp mô phỏng / mô hình hóa Simulation —
5 Phương pháp ma trận tác động qua lại Cross-impact matrix method —
6 Phương pháp kịch bản Scenario —
7 Phương pháp cây quyết định Decision trees —
8 Phương pháp tổng hợp Combining method —

Tại Việt Nam, các phương pháp dự báo thực tế được chia thành hai nhóm:

  • Phương pháp định tính: Lấy ý kiến ban điều hành, lấy ý kiến người bán hàng, phương pháp chuyên gia (Delphi) [31], và điều tra người tiêu dùng.
  • Phương pháp định lượng: Gồm các phương pháp ngắn hạn (bình quân di động có trọng số, điều hòa mũ $F_t = F_{t-1} + \alpha(A_{t-1} - F_{t-1})$, điều hòa mũ theo xu hướng) và các phương pháp dài hạn dựa trên chuỗi thời gian hoặc phân tích hồi quy nhân quả [3, 11, 12].

Phân tích và so sánh các mô hình lượng hóa rủi ro tài chính

Luận án tiến hành tổng hợp, đánh giá ưu điểm và hạn chế của các mô hình lượng hóa rủi ro đã được áp dụng trong thực tiễn tài chính:

Mô hình Tác giả / Năm Đặc trưng kỹ thuật Ưu điểm Hạn chế chính khi áp dụng cho dự án tàu container
Mô hình điểm số Z Altman (1968) [54] Hàm hồi quy 5 tỷ số tài chính ($X_1$ đến $X_5$). Phân loại theo ngưỡng $Z > 2{,}99$; $1{,}81 \le Z \le 2{,}99$; $Z < 1{,}81$ [5]. Dễ tính toán, cho kết quả nhanh dựa trên số liệu kế toán lịch sử. Mang tính ngắn hạn; độ chính xác thực nghiệm thấp (Grice & Ingram 2001 chỉ ra đạt 57,6% [46]); đánh giá cấp doanh nghiệp chứ không đánh giá riêng từng dự án đầu tư.
Mô hình Merton Merton (1974) [4, 39] Dựa trên lý thuyết định giá quyền chọn Black-Scholes, giả định giá trị tài sản $V_t$ theo phân phối chuẩn loga. Đo lường được xác suất vỡ nợ (PD) của doanh nghiệp tại thời điểm đáo hạn $T$. Đồng nhất vỡ nợ với giải thể; giả định chỉ có 1 khoản nợ đáo hạn tại $T$; giả định phân phối Gaussian bị chỉ trích trong thực tế [39].
Mô hình Markov Jarrow, Lando & Turnbull (1997) [71] Áp dụng xích Markov với tính chất mất trí nhớ để mô tả cấu trúc kỳ hạn chênh lệch RRTD. Tính toán xác suất phá sản tại thời điểm $t$ bất kỳ. Phức tạp trong tính toán thực tế; giả định doanh nghiệp chỉ có 1 khoản nợ thuần nhất.
Mô hình CAPM William Sharpe, Jan Mossin (1966) [58] Thiết lập quan hệ lợi nhuận kỳ vọng và rủi ro: $k_s = R_{rf} + \beta(R_m - R_{rf})$. Đơn giản, phản ánh quan hệ giữa rủi ro hệ thống và lợi nhuận. Thiên về đầu tư chứng khoán ngắn hạn (1 năm); bị ảnh hưởng bởi quy mô công ty [65].
Mô hình VaR JP Morgan (1993), Josel Basis (1998) [25, 61] Đo lường mức tổn thất tối đa trong khoảng thời gian xác định ở độ tin cậy $(1-\alpha)%$. Lượng hóa mức tổn thất tối đa của danh mục đầu tư. Không đo lường được rủi ro tổng thể của doanh nghiệp; không áp dụng cho dự án tài sản cố định dài hạn [7, 25].
Mô hình Binary Logistic Ứng dụng phổ biến trong kinh tế lượng [44] Biến phụ thuộc nhị phân $Y \in {0, 1}$, hàm xác suất: $P_i = \frac{1}{1 + e^{-Z_i}}$. Ngưỡng cắt phân loại $P \ge 0{,}5$. Không phụ thuộc chuỗi thời gian; ước lượng trực tiếp xác suất xảy ra sự kiện cho từng dự án độc lập. Yêu cầu kiểm định chặt chẽ các biến độc lập và hiện tượng đa cộng tuyến.

Qua phân tích so sánh, luận án lựa chọn mô hình hồi quy Binary Logistic vì mô hình này đáp ứng đầy đủ các yêu cầu nghiên cứu: biến phụ thuộc phân loại nhị phân ("Dự án có rủi ro tín dụng cao" tương ứng $Y=1$ và "Dự án có rủi ro tín dụng thấp" tương ứng $Y=0$), các dự án đầu tư tàu container có tính độc lập về mặt thời gian và không chịu sự ràng buộc của chuỗi dữ liệu lịch sử liên tục.

Phương pháp nghiên cứu và nguồn dữ liệu

  • Phương pháp điều tra, thống kê:
    • Thu thập số liệu thứ cấp về hiện trạng kỹ thuật và kinh tế của đội tàu container Việt Nam từ Tổng cục Thống kê, Cục Hàng hải Việt Nam, Cục Đăng kiểm Việt Nam và các cơ sở dữ liệu tra cứu trực tuyến.
    • Thu thập số liệu sơ cấp qua phiếu khảo sát điều tra công tác dự báo RRTD tại toàn bộ 41 tổ chức tín dụng đang hoạt động tại Việt Nam ở thời điểm năm 2019 (kích thước mẫu $N=41$).
    • Thu thập thông tin lịch sử nợ và tình trạng tín dụng của các doanh nghiệp vận tải biển đầu tư tàu container thông qua phiếu hỏi gửi Trung tâm Thông tin Tín dụng Quốc gia (CIC) thuộc Ngân hàng Nhà nước Việt Nam [68].
  • Phương pháp phân tích, so sánh, đối chiếu: Sử dụng để đánh giá biến động chỉ tiêu kinh tế, so sánh hiệu quả giữa các nhóm dự án và các phương pháp dự báo.
  • Phương pháp tư duy logic, biện chứng, ngoại suy: Phân tích bản chất quan hệ giữa các biến số kinh tế vĩ mô, năng lực doanh nghiệp, đặc tính kỹ thuật tàu với xác suất phát sinh nợ xấu.
  • Phương pháp kiểm định thống kê và công cụ tính toán: Thực hiện các kiểm định thống kê cho biến độc lập và độ phù hợp của mô hình hồi quy Binary Logistic thông qua phần mềm xử lý số liệu SPSS phiên bản 20.0.

Nội dung chính theo từng chương

Chương 1: Tổng quan về các công trình nghiên cứu đã công bố liên quan tới đề tài luận án

Chương 1 tổng thuật chi tiết các công trình nghiên cứu trong và ngoài nước theo ba mạch nội dung:

  • Lịch sử phát triển các mô hình lượng hóa rủi ro tín dụng trên thế giới từ năm 1938 đến nay (Macaulay, David Duran, FICO, CAMP, APT, VaR, các nghiên cứu thực nghiệm tại Italy, Đông Nam Châu Âu, Ethiopia).
  • Các nghiên cứu tại Việt Nam về quản trị rủi ro tín dụng ngân hàng (Lê Thị Huyền Diệu, Trần Trung Tường, Nguyễn Đức Tú, Nguyễn Tuấn Anh, Nguyễn Hùng Tiến, Nguyễn Thị Gấm, Trần Khánh Dương) và các nghiên cứu dự báo kinh tế vận tải biển (Cao Ngọc Châu, Nguyễn Thanh Hiếu, Phạm Thị Thu Hằng).
  • Tổng quan ứng dụng mô hình Binary Logistic trong các luận án tiến sĩ kinh tế tại Việt Nam (Đặng Văn Dân, Vũ Quỳnh Nam, Cù Thanh Thủy, Nguyễn Hồng Thu).

Từ việc tổng kết y văn, chương 1 khẳng định tính cấp thiết, tính độc lập của đề tài và xác định khoảng trống nghiên cứu: chưa có nghiên cứu nào tại Việt Nam xây dựng mô hình định lượng dự báo RRTD chuyên biệt cho lĩnh vực đầu tư phát triển đội tàu container.

Chương 2: Cơ sở lý luận về dự báo, rủi ro tín dụng và dự báo rủi ro tín dụng

Chương 2 hoàn thiện khung lý thuyết nền tảng cho luận án:

  • Phân tích bản chất của dự báo (nguồn gốc từ "prognois", tính xác suất, tính thời điểm), vai trò của công tác dự báo trong việc phòng ngừa tổn thất tài chính.
  • Hệ thống hóa các phương pháp dự báo định tính và định lượng, bảng phân loại 8 phương pháp dự báo của Gordon theo trích dẫn từ Nguyễn Sỹ Linh.
  • Phân tích chi tiết 6 mô hình lượng hóa rủi ro tài chính (Z-score, Merton, Markov, CAPM, VaR, Binary Logistic), phân tích công thức toán học và điều kiện áp dụng, từ đó luận chứng cơ sở khoa học của việc lựa chọn hàm Binary Logistic với thuật toán lựa chọn biến từng bước có điều kiện (Forward - Conditional).
  • Xây dựng khái niệm mới về "RRTD trong đầu tư tàu container" và "Dự báo RRTD trong đầu tư tàu container", xác định các đặc thù kinh tế biển tác động đến an toàn vốn vay.

Chương 3: Thực trạng công tác dự báo rủi ro tín dụng trong đầu tư phát triển đội tàu container của Việt Nam

Chương 3 tập trung phân tích dữ liệu thực tế thu thập từ giai đoạn 1997 đến 2019:

  • Trình bày bức tranh toàn diện về quá trình hình thành, phát triển và cơ cấu đội tàu container Việt Nam (thị phần chỉ chiếm 3,6% trong tổng đội tàu).
  • Phân tích thực trạng rủi ro tín dụng trong cho vay tàu container: tỷ lệ nợ xấu ghi nhận lên tới 39%, làm suy giảm nghiêm trọng khả năng tiếp cận vốn tín dụng của các doanh nghiệp vận tải biển.
  • Đánh giá thực trạng công tác dự báo tại 41 tổ chức tín dụng qua kết quả khảo sát mẫu: công tác nhận định và dự báo hiện nay chủ yếu mang tính định tính (lấy ý kiến ban điều hành hoặc cán bộ thẩm định), thiếu các công cụ lượng hóa chuyên biệt, dẫn đến sai số dự báo lớn và không phát hiện sớm nguy cơ nợ xấu.
  • Phân tích các nhóm nguyên nhân dẫn đến rủi ro tín dụng từ phía thị trường hàng hải, năng lực quản trị của chủ tàu và hạn chế trong quy trình thẩm định của các ngân hàng.

Chương 4: Dự báo rủi ro tín dụng trong đầu tư phát triển đội tàu container của Việt Nam

Chương 4 là chương thực nghiệm trọng tâm của luận án:

  • Ứng dụng hàm hồi quy Binary Logistic trên phần mềm SPSS 20.0 để xử lý dữ liệu các dự án đầu tư tàu container giai đoạn 1997-2019.
  • Thiết lập phương trình dự báo xác suất rủi ro tín dụng với các biến độc lập đại diện cho các yếu tố kỹ thuật tàu, tình hình tài chính doanh nghiệp và thị trường.
  • Thực hiện kiểm định mô hình (dự báo kiểm định năm 2019): so sánh kết quả xác suất tính toán từ mô hình với tình trạng thực tế của các dự án tại năm 2019 để chứng minh độ tin cậy và sự phù hợp của mô hình.
  • Thực hiện dự báo tiên nghiệm: đưa ra kết quả dự báo RRTD cho các tàu container đang vận hành trong giai đoạn 2020-2025 và dự báo rủi ro cho các phương án đầu tư tàu container mới ngay tại thời điểm nghiên cứu khả thi.
  • Đề xuất hệ thống các giải pháp và biện pháp kỹ thuật giúp các tổ chức tín dụng kiểm soát, hạn chế RRTD trong quá trình thẩm định tài trợ dự án đầu tư tàu container.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận

  1. Hệ thống hóa và bổ sung lý luận về dự báo kinh tế và quản trị rủi ro tín dụng; lần đầu tiên đưa ra khái niệm chuyên sâu về "rủi ro tín dụng trong đầu tư tàu container" và khái niệm về "dự báo rủi ro tín dụng" gắn liền với hoạt động kinh tế biển.
  2. Mở rộng và phát triển ứng dụng của hàm hồi quy Binary Logistic trong việc xây dựng mô hình dự báo RRTD chuyên biệt cho các dự án đầu tư tàu container của Việt Nam, làm phong phú thêm phương pháp luận lượng hóa rủi ro tài chính.

Đóng góp về mặt thực tiễn

  1. Cung cấp hệ thống dữ liệu toàn diện về thực trạng đầu tư, vận hành và cơ cấu đội tàu container Việt Nam từ năm 1997 đến năm 2019, giúp các cơ quan quản lý và doanh nghiệp thuận tiện trong việc tra cứu, đánh giá.
  2. Làm rõ thực trạng, hạn chế và nguyên nhân của công tác dự báo rủi ro tín dụng tại 41 tổ chức tín dụng ở Việt Nam, chứng minh sự thiếu hụt của các công cụ định lượng trước năm 2019.
  3. Xây dựng thành công công cụ mô hình hóa định lượng có khả năng đưa ra dự báo tiên nghiệm cho các dự án đầu tư tàu container ngay từ khâu nghiên cứu khả thi, hỗ trợ các TCTD đưa ra quyết định cấp tín dụng khách quan, giảm thiểu nợ xấu trong giai đoạn 2020-2025.
  4. Đề xuất các biện pháp cụ thể giúp TCTD hoàn thiện quy trình thẩm định tín dụng chuyên biệt cho lĩnh vực mua và đóng mới tàu container.

Hạn chế và hướng nghiên cứu tiếp

Căn cứ theo nội dung và phạm vi nghiên cứu được trình bày trong văn bản:

  • Hạn chế:
    • Dữ liệu nghiên cứu thực nghiệm giới hạn trong phạm vi các dự án đầu tư phát triển đội tàu container của Việt Nam từ năm 1997 đến năm 2019.
    • Mô hình hồi quy Binary Logistic sử dụng biến phụ thuộc ở dạng nhị phân (rủi ro cao / rủi ro thấp) và phân tích các dự án độc lập, chưa phản ánh các biến động bất thường có tính chất cực đoan của thị trường tài chính toàn cầu (như thiên tai, dịch bệnh lớn, khủng hoảng kinh tế toàn diện).
  • Hướng nghiên cứu tiếp:
    • Tiếp tục cập nhật chuỗi số liệu các dự án đầu tư tàu container sau năm 2019 để tái kiểm định và hiệu chỉnh hệ số của mô hình dự báo.
    • Mở rộng phạm vi nghiên cứu sang các loại tàu chuyên dụng khác trong đội tàu biển quốc gia (như tàu chở hàng rời, tàu dầu) hoặc kết hợp thêm các kỹ thuật trí tuệ nhân tạo (mạng nơ-ron, hệ chuyên gia) để nâng cao độ nhạy của kết quả dự báo.

Giá trị tham khảo

Luận án mang lại giá trị tham khảo thiết thực cho các nhóm đối tượng:

  • Các tổ chức tín dụng và ngân hàng thương mại: Cán bộ thẩm định tín dụng, ban quản trị rủi ro có thể sử dụng trực tiếp mô hình Binary Logistic đã xây dựng như một công cụ hỗ trợ định lượng để tính toán xác suất rủi ro trước khi phê duyệt khoản vay cho các dự án đầu tư tàu container mới.
  • Các doanh nghiệp vận tải biển và chủ tàu: Tham khảo các tiêu chí, nhân tố ảnh hưởng đến RRTD để chủ động xây dựng phương án kinh doanh khả thi, nâng cao năng lực tài chính và quản trị kỹ thuật khi lập hồ sơ vay vốn.
  • Cơ quan quản lý nhà nước (Bộ Giao thông vận tải, Cục Hàng hải Việt Nam, Ngân hàng Nhà nước): Tham khảo bức tranh toàn cảnh về thực trạng nợ xấu (39%) và thị phần đội tàu (3,6%) để hoạch định các chính sách hỗ trợ phát triển đội tàu container quốc gia phù hợp với Chiến lược kinh tế biển đến năm 2030.
  • Nghiên cứu sinh, giảng viên chuyên ngành Kinh tế biển, Tổ chức và Quản lý vận tải, Tài chính - Ngân hàng: Tham khảo về phương pháp luận kết hợp giữa khoa học dự báo, mô hình kinh tế lượng và đặc thù kinh tế kỹ thuật chuyên ngành.

Câu hỏi thường gặp

1. Tại sao luận án lại lựa chọn mô hình Binary Logistic thay vì các mô hình truyền thống như Z-score, Merton hay VaR?

Mô hình điểm số Z của Altman chủ yếu đánh giá rủi ro tài chính của cả doanh nghiệp trong ngắn hạn và có độ chính xác thực nghiệm thấp (Grice và Ingram chỉ ra đạt 57,6%); mô hình Merton đồng nhất vỡ nợ với giải thể và giả định công ty chỉ có 1 khoản nợ; mô hình VaR và CAPM chủ yếu áp dụng cho danh mục đầu tư chứng khoán ngắn hạn. Trong khi đó, việc tài trợ tàu container diễn ra theo từng dự án tài sản cố định dài hạn độc lập. Hàm hồi quy Binary Logistic phù hợp nhất vì xử lý biến phụ thuộc nhị phân (rủi ro cao / rủi ro thấp), không bị ràng buộc bởi chuỗi thời gian liên tục và ước lượng trực tiếp xác suất xảy ra rủi ro cho từng dự án cụ thể.

2. Thực trạng nợ xấu trong cho vay đầu tư tàu container tại Việt Nam được văn bản ghi nhận ở mức bao nhiêu?

Theo số liệu được luận án trình bày, tỷ lệ nợ xấu trong cho vay đầu tư tàu container tại các tổ chức tín dụng Việt Nam ở mức cao, lên đến 39%. Đây là nguyên nhân chính khiến các TCTD suy giảm niềm tin và hạn chế cấp tín dụng cho lĩnh vực này.

3. Quy mô khảo sát thực trạng công tác dự báo tại các tổ chức tín dụng được thực hiện như thế nào?

Tác giả đã sử dụng phương pháp điều tra hỏi ý kiến với mẫu khảo sát là toàn bộ 41 tổ chức tín dụng đang hoạt động tại Việt Nam ở thời điểm năm 2019 (tương ứng với 41 mẫu điều tra), kết hợp với phiếu hỏi thông tin gửi Trung tâm Thông tin Tín dụng Quốc gia (CIC) để thu thập dữ liệu về tình trạng nợ vay của các doanh nghiệp đầu tư tàu container.

4. Phạm vi thời gian nghiên cứu và các mốc dự báo của luận án được xác định ra sao?

Luận án nghiên cứu dữ liệu lịch sử của các dự án đầu tư tàu container từ năm 1997 đến năm 2019. Mốc năm 2019 được sử dụng để thực hiện dự báo kiểm định (so sánh xác suất mô hình tính ra với thực tế rủi ro năm 2019). Giai đoạn 2020-2025 được sử dụng để đưa ra dự báo tiên nghiệm đối với các tàu đang khai thác và dự báo trước khi cấp vốn cho các dự án đầu tư mới.

Kết luận

Luận án tiến sĩ "Dự báo RRTD trong đầu tư phát triển đội tàu Container của Việt Nam" thuộc chuyên ngành Tổ chức và Quản lý vận tải đã giải quyết trọn vẹn mục tiêu định lượng hóa rủi ro tín dụng trong một lĩnh vực kinh tế biển đặc thù. Bằng việc tổng hợp cơ sở dữ liệu dự án từ năm 1997 đến năm 2019 và khảo sát toàn bộ 41 tổ chức tín dụng tại Việt Nam, tác giả đã chứng minh tính phù hợp của hàm hồi quy Binary Logistic trong việc đánh giá xác suất rủi ro nợ xấu thay cho các phương pháp định tính truyền thống. Kết quả nghiên cứu không chỉ bổ sung các khái niệm lý luận mới cho khoa học dự báo kinh tế biển mà còn mang lại công cụ thực hành hữu hiệu hỗ trợ các ngân hàng ra quyết định cấp tín dụng trong giai đoạn 2020-2025. Công trình là tài liệu tham khảo có giá trị học thuật và ứng dụng thực tiễn cao cho các tổ chức tài chính, doanh nghiệp vận tải biển và các nhà hoạch định chính sách kinh tế biển Việt Nam.