Luận văn thạc sĩ default predictors in retail banking an empirical study in vietnam

Nghiên cứu thực nghiệm về các yếu tố dự đoán mặc định trong ngân hàng bán lẻ tại Việt Nam, cung cấp cái nhìn sâu sắc cho ngành tài chính.

• Tác giả: Nguyen Bao Quoc
• Người hướng dẫn: Dr. Le Cong Tru
• Trường học: University of Economics
• Chuyên ngành: Development Economics
• Đề tài: Dự Đoán Rủi Ro Vỡ Nợ Trong Ngân Hàng Bán Lẻ Tại Việt Nam
• Loại tài liệu: Thesis
• Năm xuất bản: 2013
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• 1. CHAPTER 1: INTRODUCTION
• 1.1. Justification of the study
• 1.2. Scope of the study
• 1.3. Organization of the study
• 2. CHAPTER 2: LITERATURE REVIEW
• 2.1. History of credit scoring
• 2.2. Concepts of credit scoring
• 2.3. Reviews of economic theories
• 2.4. Reviews of empirical studies
• 2.5. Default predictors in markets for credit cards and instant loans
• 2.6. Default predictors in markets for automobiles, mortgages and real property construction
• 2.7. Default predictors in markets for individual loans
• 2.8. Empirical literature summary
• 2.9. Problems and limitations of previous studies
• 3. CHAPTER 3: DATA AND RESEARCH METHODOLOGY
• 3.1. Methodologies for CSM
• 3.2. Statistical tests of individual predictors
• 3.3. Goodness-of-fit statistics
• 3.4. Pseudo R-squared statistics
• 3.5. Cox and Snell's R2
• 3.6. Hosmer and Lemeshow test
• 3.7. Validations of predicted probabilities
• 3.8. Area under the ROC curve
• 4. CHAPTER 4: DATA ANALYSIS AND RESULTS
• 4.1. Personal tastes for loans by ages
• 4.2. Discretionary incomes and default
• 4.3. Nexus between loan amount and loan outcomes
• 4.4. Loan duration and loan outcomes
• 4.5. Collateral value and loan outcome
• 4.6. Differences in variables between defaulted and non-defaulted loans
• 4.7. Correlation matrix among independent variables
• 4.8. Overall evaluations and statistical tests of individual predictors
• 4.9. Goodness-of-fit statistics
• 4.10. Validations of predicted probabilities
• 4.11. Receiver operating characteristic and area under the ROC curve
• 5. CHAPTER 5: CONCLUSION AND POLICY IMPLICATIONS
• 5.1. Limitations and further studies
• DECLARATION
• ACKNOWLEDGEMENTS
• ABSTRACT
• LIST OF TABLES
• LIST OF FIGURES
• LIST OF ABBREVIATIONS

Tóm tắt

I. Tổng Quan Rủi Ro Vỡ Nợ Ngân Hàng Bán Lẻ Tại VN

Ngân hàng bán lẻ đóng vai trò quan trọng trong hệ thống tài chính Việt Nam. Tuy nhiên, sự tăng trưởng nhanh chóng của thị trường này đi kèm với rủi ro vỡ nợ gia tăng. Việc dự đoán rủi ro này là yếu tố then chốt để đảm bảo sự ổn định và hiệu quả hoạt động của các ngân hàng bán lẻ. Theo nghiên cứu của McKinsey Global Institute (2012), tín dụng ngân hàng trên GDP đã tăng mạnh, từ khoảng 22% năm 2000 lên hơn 120% sau mười năm. Sự phụ thuộc này làm tăng tính dễ tổn thương của nền kinh tế trước các vấn đề nợ xấu. Bài viết này đi sâu vào các yếu tố ảnh hưởng đến rủi ro vỡ nợ trong ngân hàng bán lẻ tại Việt Nam, đồng thời đề xuất các phương pháp dự đoán rủi ro hiệu quả. Áp lực cạnh tranh ngày càng lớn, việc quản trị rủi ro tín dụng trở nên cấp thiết hơn bao giờ hết.

1.1. Tầm quan trọng của việc dự đoán rủi ro tín dụng

Việc dự đoán rủi ro tín dụng chính xác giúp ngân hàng bán lẻ đưa ra các quyết định cho vay sáng suốt hơn, giảm thiểu nợ xấu và cải thiện lợi nhuận. Mô hình credit scoring giúp đánh giá khả năng trả nợ của khách hàng, từ đó điều chỉnh lãi suất và các điều khoản vay phù hợp. Việc áp dụng các mô hình này cũng giúp các ngân hàng tuân thủ các quy định về quản trị rủi ro của Ngân hàng Nhà nước Việt Nam và các tiêu chuẩn quốc tế như Basel II và Basel III.

1.2. Thực trạng nợ xấu trong ngân hàng bán lẻ Việt Nam

Mặc dù con số nợ xấu được báo cáo có vẻ được kiểm soát, con số thực tế có thể cao hơn nhiều. Việc tăng trưởng tín dụng quá nhanh và sự suy giảm kinh tế do các yếu tố khách quan như đại dịch COVID-19 đã tác động tiêu cực đến khả năng trả nợ của nhiều khách hàng. Điều này đòi hỏi các ngân hàng bán lẻ cần phải có những biện pháp phòng ngừa rủi ro chủ động và hiệu quả hơn.

II. Thách Thức Xác Định Yếu Tố Gây Vỡ Nợ Cá Nhân

Việc xác định chính xác các yếu tố gây vỡ nợ cá nhân là một thách thức lớn đối với các ngân hàng bán lẻ. Các yếu tố này có thể bao gồm các đặc điểm cá nhân của người vay (ví dụ: thu nhập, lịch sử tín dụng, trình độ học vấn), các đặc điểm của khoản vay (ví dụ: số tiền vay, thời hạn vay, mục đích vay), và các yếu tố kinh tế vĩ mô (ví dụ: lãi suất ngân hàng, lạm phát, tăng trưởng GDP). Việc bỏ qua bất kỳ yếu tố quan trọng nào có thể dẫn đến việc đánh giá sai rủi ro tín dụng và tăng nguy cơ vỡ nợ. Theo Stiglitz & Weiss (1981), sự bất cân xứng thông tin là một trong những nguyên nhân chính dẫn đến rủi ro cho vay.

2.1. Ảnh hưởng của yếu tố cá nhân đến khả năng trả nợ

Các yếu tố như thu nhập hộ gia đình, chi tiêu tiêu dùng, và lịch sử tín dụng có ảnh hưởng lớn đến khả năng trả nợ của khách hàng. Những người có thu nhập ổn định và lịch sử tín dụng tốt thường ít có khả năng vỡ nợ hơn. Ngược lại, những người có thu nhập không ổn định hoặc có nợ quá hạn trong quá khứ có nguy cơ vỡ nợ cao hơn.

2.2. Vai trò của đặc điểm khoản vay trong dự đoán rủi ro

Số tiền vay, thời hạn vay, và mục đích vay cũng là những yếu tố quan trọng cần xem xét. Những khoản vay lớn hoặc có thời hạn dài thường có rủi ro cao hơn. Mục đích vay cũng quan trọng: vay tiêu dùng có thể có rủi ro khác so với vay thế chấp. Theo Summers and Wilson (2000), việc đánh giá rủi ro khách hàng là một trong sáu trách nhiệm chính của hoạt động cho vay.

2.3. Tác động của yếu tố kinh tế vĩ mô đến rủi ro vỡ nợ

Các yếu tố kinh tế vĩ mô như lãi suất ngân hàng, lạm phát, và tăng trưởng GDP có thể ảnh hưởng đến khả năng trả nợ của nhiều khách hàng. Khi lãi suất tăng, chi phí trả nợ tăng, làm tăng nguy cơ vỡ nợ. Tương tự, lạm phát có thể làm giảm sức mua của người dân và làm giảm khả năng trả nợ. Đại dịch COVID-19 cũng đã gây ra những tác động tiêu cực đến nhiều ngành nghề, khiến nhiều người mất việc làm và giảm thu nhập, dẫn đến tình trạng nợ xấu gia tăng.

III. Phương Pháp Mô Hình Dự Đoán Rủi Ro Tín Dụng Hiệu Quả

Để dự đoán rủi ro vỡ nợ hiệu quả, các ngân hàng bán lẻ có thể sử dụng nhiều mô hình dự đoán rủi ro tín dụng khác nhau. Các mô hình này có thể dựa trên các phương pháp thống kê truyền thống (ví dụ: hồi quy logistic, phân tích thống kê) hoặc các kỹ thuật machine learning (ví dụ: mạng nơ-ron). Việc lựa chọn mô hình phù hợp phụ thuộc vào dữ liệu có sẵn, mục tiêu dự đoán, và khả năng giải thích của mô hình. Altman & Saunders (1997) nhấn mạnh tầm quan trọng của việc đo lường rủi ro tín dụng trong bối cảnh gia tăng phá sản và cạnh tranh khốc liệt.

3.1. Ưu điểm và nhược điểm của hồi quy logistic trong dự đoán rủi ro

Hồi quy logistic là một phương pháp thống kê phổ biến được sử dụng để dự đoán rủi ro trong ngân hàng bán lẻ. Ưu điểm của phương pháp này là dễ hiểu, dễ triển khai, và cho phép ước tính xác suất vỡ nợ. Tuy nhiên, hồi quy logistic có thể không hiệu quả trong trường hợp dữ liệu phức tạp hoặc có mối quan hệ phi tuyến tính giữa các biến. Nó cũng có thể bị ảnh hưởng bởi các biến ngoại lai và đa cộng tuyến.

3.2. Ứng dụng mô hình machine learning trong dự đoán rủi ro

Các kỹ thuật machine learning như mạng nơ-ron có thể được sử dụng để dự đoán rủi ro một cách hiệu quả hơn trong trường hợp dữ liệu phức tạp. Các mô hình này có khả năng học các mối quan hệ phi tuyến tính và xử lý các biến tương tác. Tuy nhiên, các mô hình machine learning thường khó giải thích hơn và đòi hỏi lượng dữ liệu lớn hơn để huấn luyện.

3.3. Xây dựng credit scoring dựa trên dữ liệu tín dụng và hành vi khách hàng

Credit scoring là một công cụ quan trọng để đánh giá rủi ro tín dụng của khách hàng. Credit scoring có thể được xây dựng dựa trên dữ liệu tín dụng từ CIC (Trung tâm Thông tin Tín dụng Quốc gia Việt Nam) và dữ liệu về hành vi khách hàng từ các nguồn khác nhau. Việc kết hợp nhiều nguồn dữ liệu khác nhau giúp tăng độ chính xác của mô hình dự đoán.

IV. Hướng Dẫn Các Bước Quản Trị Rủi Ro Vỡ Nợ Cho Ngân Hàng

Quản trị rủi ro vỡ nợ là một quá trình liên tục và phức tạp, bao gồm nhiều bước khác nhau. Các bước này bao gồm việc xác định, đo lường, giám sát, và kiểm soát rủi ro. Các ngân hàng bán lẻ cần phải xây dựng một hệ thống quản trị rủi ro toàn diện, bao gồm các chính sách tín dụng, quy trình thẩm định tín dụng, và các biện pháp phòng ngừa rủi ro hiệu quả. Claessens, Krahnen, & Lang (2005) nhấn mạnh tầm quan trọng của việc thúc đẩy các phương pháp đo lường rủi ro tín dụng trong bối cảnh Basel II.

4.1. Xây dựng chính sách tín dụng chặt chẽ và linh hoạt

Chính sách tín dụng cần phải được xây dựng dựa trên việc đánh giá rủi ro cẩn thận và phù hợp với điều kiện thị trường. Chính sách tín dụng cần phải quy định rõ các tiêu chí cho vay, giới hạn cho vay, và các biện pháp phòng ngừa rủi ro. Đồng thời, chính sách tín dụng cũng cần phải linh hoạt để thích ứng với những thay đổi trong môi trường kinh doanh.

4.2. Nâng cao quy trình thẩm định tín dụng

Quy trình thẩm định tín dụng cần phải được thực hiện một cách kỹ lưỡng và khách quan. Các ngân hàng cần phải thu thập đầy đủ thông tin về khách hàng, bao gồm thông tin về thu nhập, tài sản, và lịch sử tín dụng. Các ngân hàng cũng cần phải sử dụng các mô hình dự đoán rủi ro để đánh giá khả năng trả nợ của khách hàng.

4.3. Giám sát và kiểm soát rủi ro tín dụng thường xuyên

Các ngân hàng cần phải giám sát và kiểm soát rủi ro tín dụng một cách thường xuyên. Việc này bao gồm việc theo dõi tình hình trả nợ của khách hàng, đánh giá chất lượng danh mục tín dụng, và thực hiện các biện pháp khắc phục khi cần thiết. Việc báo cáo và phân tích rủi ro tín dụng cũng cần được thực hiện một cách định kỳ.

V. Kết Luận Tương Lai Dự Báo Rủi Ro Ngân Hàng Bán Lẻ

Việc dự đoán rủi ro vỡ nợ trong ngân hàng bán lẻ tại Việt Nam là một vấn đề quan trọng và cấp thiết. Các ngân hàng bán lẻ cần phải đầu tư vào việc xây dựng và triển khai các mô hình dự đoán rủi ro hiệu quả, đồng thời nâng cao năng lực quản trị rủi ro. Sự phát triển của công nghệ và dữ liệu lớn mở ra nhiều cơ hội mới cho việc dự đoán rủi ro chính xác hơn và hiệu quả hơn. Brill (1998) nhấn mạnh rằng việc xây dựng và tinh chỉnh credit scoring model mang lại nhiều lợi ích, bao gồm tiết kiệm chi phí và cải thiện dòng tiền.

5.1. Ứng dụng công nghệ và dữ liệu lớn trong dự đoán rủi ro

Công nghệ và dữ liệu lớn có thể giúp các ngân hàng thu thập và phân tích thông tin về khách hàng một cách nhanh chóng và hiệu quả hơn. Các ngân hàng có thể sử dụng dữ liệu từ nhiều nguồn khác nhau, bao gồm dữ liệu từ báo cáo tín dụng, dữ liệu từ mạng xã hội, và dữ liệu từ các giao dịch trực tuyến. Việc phân tích dữ liệu này có thể giúp các ngân hàng xác định các yếu tố rủi ro tiềm ẩn và dự đoán rủi ro một cách chính xác hơn.

5.2. Vai trò của Ngân hàng Nhà nước Việt Nam trong việc quản lý rủi ro tín dụng

Ngân hàng Nhà nước Việt Nam đóng vai trò quan trọng trong việc quản lý rủi ro tín dụng trong hệ thống ngân hàng. Ngân hàng Nhà nước ban hành các quy định về quản trị rủi ro, giám sát hoạt động của các ngân hàng, và cung cấp thông tin về rủi ro tín dụng. Việc tuân thủ các quy định của Ngân hàng Nhà nước là điều kiện tiên quyết để các ngân hàng hoạt động một cách an toàn và hiệu quả.

Nội dung chính

Tổng quan nghiên cứu

Tín dụng ngân hàng giữ vai trò huyết mạch trong nền kinh tế Việt Nam với mức tăng trưởng tín dụng bình quân lên tới 33% mỗi năm trong thập kỷ 2000 – 2010. Báo cáo của Viện Toàn cầu McKinsey ghi nhận tỷ lệ tổng dư nợ tín dụng trên GDP danh nghĩa của Việt Nam đã tăng vọt từ xấp xỉ 22% năm 2000 lên hơn 120% vào năm 2010, đưa Việt Nam trở thành một trong những quốc gia có độ sâu tài chính tăng trưởng nhanh nhất khu vực Đông Nam Á. Tuy nhiên, sự mở rộng tín dụng quá nóng kết hợp cùng tác động lan tỏa từ cuộc khủng hoảng tài chính toàn cầu 2008 đã kéo theo tỷ lệ nợ xấu gia tăng nhanh chóng. Thống kê chính thức ghi nhận nợ xấu toàn hệ thống ngân hàng chạm ngưỡng 10% tổng dư nợ vào tháng 5/2012, tăng 4% so với năm 2011 và tương đương khoảng 10% quy mô GDP cả nước.

Thực trạng này đặt ra yêu cầu cấp bách phải nâng chuẩn phân loại nợ và quản trị rủi ro vi mô, đặc biệt tại phân khúc tín dụng bán lẻ. Nghiên cứu tập trung giải quyết vấn đề phân định giữa rủi ro tốt và rủi ro xấu nhằm ngăn ngừa nguy cơ vỡ nợ của khách hàng cá nhân. Mục tiêu trọng tâm của đề tài là xác định định lượng các yếu tố chi phối hành vi hoàn trả nợ, đo lường mức độ tác động của đặc điểm người vay so với đặc tính khoản vay, từ đó xây dựng hệ thống chấm điểm tín dụng đạt chuẩn mực thực tiễn.

Phạm vi nghiên cứu được triển khai trên tập dữ liệu gồm 1.810 khoản vay cá nhân giải ngân trong giai đoạn từ tháng 1/2008 đến tháng 12/2011 tại 32 chi nhánh của Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam (BIDV) trên toàn quốc, theo dõi lịch sử hoàn trả đến tháng 6/2012. Tại thời điểm cuối năm 2011, tổng dư nợ cá nhân của BIDV đạt 38.326 tỷ đồng, chiếm 13% tổng dư nợ toàn ngân hàng. Kết quả nghiên cứu mang lại ý nghĩa thực tiễn to lớn khi hỗ trợ cắt giảm 20% đến 30% tỷ lệ vỡ nợ tiềm ẩn, đồng thời chuẩn hóa quy trình ra quyết định theo định hướng Hiệp ước Basel II.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự giao thoa của ba nền tảng lý thuyết kinh tế học tài chính kinh điển:

Thứ nhất, Lý thuyết Bất cân xứng thông tin của Stiglitz và Weiss (1981) cùng nghiên cứu nền tảng của Rothschild và Stiglitz (1976). Trong thị trường tín dụng bán lẻ, người đi vay luôn nắm giữ thông tin vượt trội về khả năng và thiện chí trả nợ so với ngân hàng. Sự bất cân xứng này dẫn tới hai hệ lụy nghiêm trọng: lựa chọn đối nghịch trước khi ký hợp đồng và rủi ro đạo đức sau khi giải ngân vốn.

Thứ hai, Lý thuyết Tiêu dùng tuyệt đối của Keynes (1936) và Giả thuyết Thu nhập tương đối của Duesenberry (1949) bổ sung bởi Nurkse (1957). Các tác giả chỉ ra rằng xu hướng tiêu dùng cận biên gia tăng mạnh mẽ khi có sự hỗ trợ của tín dụng tiêu dùng, trong khi hiệu ứng phô trương thúc đẩy hành vi vay mượn vượt quá năng lực tích lũy thực tế.

Thứ ba, Lý thuyết Phát tín hiệu tài sản bảo đảm của Bester (1985) và Boot cùng các cộng sự (1991). Tài sản bảo đảm không chỉ đóng vai trò là nguồn thu hồi nợ thứ cấp giúp giảm thiểu tổn thất khi vỡ nợ, mà còn là công cụ phát tín hiệu chất lượng tín dụng giúp giảm thiểu rủi ro lựa chọn đối nghịch.

Các khái niệm trọng tâm trong mô hình gồm: Xác suất vỡ nợ (Probability of Default) được xác định khi khoản nợ quá hạn trên 90 ngày theo chuẩn Ngân hàng Thanh toán Quốc tế (BIS, 2006) và Quyết định 18/2007/QĐ-NHNN; Mô hình chấm điểm tín dụng (Credit Scoring Model); Thu nhập khả dụng hàng tháng sau khi trừ chi phí sinh hoạt; Tỷ lệ giá trị tài sản bảo đảm trên dư nợ vay; và Lịch sử quan hệ tín dụng ghi nhận tại Trung tâm Thông tin Tín dụng (CIC).

Phương pháp nghiên cứu

Nguồn dữ liệu của luận văn là tập dữ liệu thứ cấp gồm 1.810 hồ sơ vay vốn cá nhân đại diện từ 32 chi nhánh BIDV trải dài tại cả 3 miền Bắc, Trung, Nam. Dữ liệu ghi nhận chi tiết các khoản vay giải ngân liên tục từ tháng 1/2008 đến tháng 12/2011 với kỳ hạn theo dõi kết quả thu hồi nợ đến ngày 30/6/2012. Cấu trúc mẫu nghiên cứu bao gồm 1.412 khoản vay an toàn (chiếm tỷ lệ 78%) và 398 khoản vay chuyển nhóm nợ xấu hoặc vỡ nợ (chiếm tỷ lệ 22%). Phương pháp chọn mẫu áp dụng theo cơ chế phân tầng ngẫu nhiên trên toàn bộ mạng lưới chi nhánh nhằm phản ánh trung thực danh mục tín dụng bán lẻ của ngân hàng thương mại quốc doanh lớn.

Phương pháp phân tích chủ đạo được lựa chọn là Hồi quy Logistic nhị phân (Binary Logistic Regression) kết hợp phương pháp sàng lọc biến qua Giá trị thông tin (Information Value - IV). Lý do lựa chọn mô hình Logit thay vì Hồi quy tuyến tính thông thường (OLS) hay Phân tích hàm phân biệt (MDA) xuất phát từ các luận cứ khoa học vững chắc: Biến phụ thuộc mang bản chất nhị phân; mô hình OLS dễ dẫn tới ước lượng xác suất phi lý nằm ngoài khoảng từ 0 đến 1; trong khi phương pháp MDA đòi hỏi nghiêm ngặt giả định phân phối chuẩn đa biến và phương sai đồng nhất – điều hoàn toàn không thỏa mãn đối với dữ liệu thực tế gồm nhiều biến phân loại và biến giả. Phương pháp Logit sử dụng hàm ước lượng hợp lý cực đại (Maximum Likelihood), cho phép xác định chính xác tỷ số chênh lệch Odds Ratio và chuyển đổi trực tiếp thành xác suất vỡ nợ của từng khách hàng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích định lượng từ mô hình thực nghiệm đã làm sáng tỏ 4 nhóm phát hiện then chốt về các yếu tố dự báo rủi ro vỡ nợ:

Thứ nhất, nhóm biến đặc điểm người vay có sức mạnh dự báo vượt trội so với các điều kiện kỹ thuật của hợp đồng vay vốn. Biến số nắm giữ tài khoản thanh toán tại ngân hàng thể hiện tác động giảm thiểu rủi ro sâu sắc: nhóm khách hàng chưa từng mở tài khoản giao dịch có tỷ lệ vỡ nợ lên tới 33,59%, trong khi nhóm đã có tài khoản duy trì tỷ lệ nợ xấu ở mức thấp hơn nhiều lần. Tương tự, thời gian duy trì quan hệ giao dịch với ngân hàng dưới 1 năm ghi nhận tỷ lệ vỡ nợ kỷ lục là 41,24%, sau đó giảm mạnh dần theo thâm niên quan hệ tín dụng.

Thứ hai, trình độ học vấn và tính chất nghề nghiệp là thước đo tin cậy về năng lực hoàn trả nợ bền vững. Khách hàng chưa tốt nghiệp trung học phổ thông có tỷ lệ vỡ nợ lên tới 36,71%, cao gấp 1,8 lần so với nhóm có trình độ cao đẳng, đại học trở lên. Xét theo nghề nghiệp, nhóm người thuộc diện thất nghiệp hoặc nghỉ hưu ghi nhận tỷ lệ vỡ nợ ở mức báo động 63,72%, trong khi nhân viên văn phòng và công chức nhà nước có mức độ ổn định cao nhất.

Thứ ba, lịch sử tín dụng tại hệ thống CIC là chỉ báo định lượng nhạy bén nhất. Khách hàng từng có lịch sử phát sinh nợ nhóm 2 hoặc nợ xấu tại các tổ chức tín dụng trong vòng 5 năm gần nhất có xác suất tái vỡ nợ cao gấp 4 đến 6 lần nhóm khách hàng có lịch sử tín dụng trong sạch. Đối với nhóm khách hàng hoàn toàn mới chưa có dữ liệu tại CIC, tỷ lệ phát sinh nợ xấu ghi nhận ở mức 15,79%.

Thứ tư, mục đích vay và tỷ lệ bảo đảm bằng tài sản phản ánh rõ rệt mức độ tập trung rủi ro. Các khoản vay phục vụ mục đích tiêu dùng thuần túy không có tài sản bảo đảm ghi nhận tỷ lệ vỡ nợ ở mức 36,18%, cao hơn đáng kể so với các khoản vay bổ sung vốn kinh doanh cá thể. Khi tỷ lệ giá trị tài sản bảo đảm trên quy mô khoản vay vượt mức 350%, tỷ lệ vỡ nợ thực tế giảm sâu xuống mức 15,68%.

Thảo luận kết quả

Nguyên nhân sâu xa của các phát hiện trên bắt nguồn từ tính kỷ luật tài chính và chi phí chuyển đổi của khách hàng. Khách hàng có thâm niên giao dịch lâu năm và sử dụng đa dịch vụ tài khoản tại cùng một ngân hàng thường có chi phí cơ hội rất cao nếu để xảy ra nợ xấu, qua đó tự giác hạn chế hành vi rủi ro đạo đức. Trình độ học vấn cao hơn cũng đồng nghĩa với mức thu nhập khả dụng ổn định và khả năng hoạch định dòng tiền trả nợ tốt hơn trước các cú sốc kinh tế vĩ mô.

So sánh với các công trình nghiên cứu trước đây, kết quả này hoàn toàn đồng thuận với nghiên cứu của Dinh và Kleimeier (2007) khi khẳng định thời gian quan hệ với ngân hàng và tài khoản thanh toán là những biến số cốt lõi tại thị trường tài chính Việt Nam. Nghiên cứu cũng củng cố phát hiện của Kočenda và Vojtek (2011) tại thị trường Cộng hòa Séc về vai trò bảo chứng của trình độ học vấn. Ngược lại, kết quả thực nghiệm tại BIDV phản bác kết luận của Özdemir và Boran (2004) tại Thổ Nhĩ Kỳ – nhóm tác giả vốn cho rằng các biến số tài chính như lãi suất hay thời hạn vay có ý nghĩa quyết định hơn nhân khẩu học.

Trong thực tế thẩm định, toàn bộ dữ liệu kiểm định mô hình có thể được minh họa trực quan thông qua Đường cong ROC (Receiver Operating Characteristic) với chỉ số diện tích dưới đường cong (AUC) đạt trên 0,85, khẳng định năng lực phân loại hồ sơ xuất sắc. Các ngân hàng thương mại có thể chuyển hóa các trọng số hồi quy thành Bảng điểm tín dụng trực quan kết hợp Biểu đồ phân bổ xác suất vỡ nợ theo từng nhóm thu nhập khả dụng để hỗ trợ phê duyệt tự động.

Đề xuất và khuyến nghị

Dựa trên kết quả thực nghiệm, 4 nhóm giải pháp cụ thể được kiến nghị nhằm nâng cao hiệu quả kiểm soát rủi ro tín dụng bán lẻ:

Thứ nhất, chuẩn hóa và tích hợp mô hình chấm điểm tín dụng Logit nhị phân vào hệ thống phần mềm khởi tạo khoản vay tự động (Loan Origination System). Khối Quản trị rủi ro phối hợp cùng Trung tâm Công nghệ thông tin hoàn thiện việc cấu hình hệ số điểm trong vòng 6 tháng. Mục tiêu cụ thể là rút ngắn 40% thời gian thẩm định hồ sơ và kéo giảm 15% tỷ lệ nợ xấu phát sinh mới tại khối bán lẻ trong năm đầu vận hành.

Thứ hai, thiết lập quy chế bắt buộc kiểm tra chuyên sâu báo cáo CIC kết hợp điều kiện mở tài khoản thanh toán nhận lương. Phòng Thẩm định tín dụng chi nhánh phải thực thi ngay trong quý tới, áp dụng nguyên tắc từ chối tự động đối với 100% khách hàng có lịch sử nợ quá hạn trên 90 ngày trong vòng 3 năm gần nhất, đồng thời phấn đấu nâng tỷ lệ khách hàng vay vốn duy trì dòng tiền qua tài khoản BIDV lên tối thiểu 70%.

Thứ ba, áp dụng chính sách định giá khoản vay dựa trên mức độ rủi ro (Risk-Based Pricing) và tỷ lệ bảo đảm tài sản. Khối Khách hàng bán lẻ hoàn tất xây dựng biểu lãi suất linh hoạt trong 9 tháng, trong đó khách hàng có điểm tín dụng tối ưu được hưởng biên độ lãi suất ưu đãi thấp hơn từ 1,5% đến 2,5%/năm so với nhóm rủi ro trung bình, đi kèm yêu cầu tỷ lệ tài sản bảo đảm tối thiểu 150% đối với các khoản vay tiêu dùng trung dài hạn.

Thứ tư, thiết lập hệ thống cảnh báo sớm sau giải ngân thông qua theo dõi biến động số dư tài khoản và nhắc nợ đa kênh. Bộ phận Quản lý tín dụng và Thu hồi nợ triển khai giám sát định kỳ hàng tháng, đặt ngưỡng kích hoạt can thiệp xử lý ngay khi khách hàng có dấu hiệu giảm sút dòng tiền quá 30% hoặc quá hạn từ 10 đến 30 ngày.

Đối tượng nên tham khảo luận văn

Nội dung và mô hình định lượng trong luận văn mang lại giá trị ứng dụng thiết thực cho 4 nhóm đối tượng trọng tâm:

Thứ nhất, Ban lãnh đạo và Chuyên gia quản trị rủi ro tại các ngân hàng thương mại. Luận văn cung cấp phương pháp luận chuẩn xác để thiết kế hệ thống scorecard nội bộ, hỗ trợ tái cơ cấu danh mục cho vay cá nhân quy mô hàng chục nghìn tỷ đồng theo các tiêu chuẩn khắt khe của Hiệp ước Basel II và Basel III.

Thứ hai, Cán bộ thẩm định và Chuyên viên quan hệ khách hàng cá nhân tại các chi nhánh ngân hàng. Tài liệu giúp nâng cao nhận thức về 4 chỉ báo rủi ro then chốt gồm học vấn, thâm niên quan hệ, dữ liệu CIC và tài khoản thanh toán, qua đó khắc phục triệt để các định kiến cảm tính của phương pháp đánh giá 5C truyền thống khi xử lý hàng trăm bộ hồ sơ mỗi tháng.

Thứ ba, Giảng viên, Nhà nghiên cứu và Học viên cao học chuyên ngành Tài chính - Ngân hàng, Kinh tế học ứng dụng. Công trình đóng vai trò như một nghiên cứu tình huống mẫu mực về việc xử lý dữ liệu vi mô 1.810 quan sát, tính toán chỉ số Information Value, xây dựng hàm Logit và kiểm định độ tin cậy bằng đường cong ROC.

Thứ tư, Cơ quan thanh tra, giám sát ngân hàng thuộc Ngân hàng Nhà nước Việt Nam. Luận văn cung cấp góc nhìn thực tiễn đa chiều phục vụ công tác hoàn thiện khung khổ pháp lý về phân loại tài sản có, trích lập dự phòng rủi ro và giám sát an toàn vĩ mô toàn hệ thống tín dụng.

Câu hỏi thường gặp

Tại sao mô hình hồi quy Logistic lại vượt trội hơn phân tích hàm phân biệt MDA trong dự báo rủi ro tín dụng bán lẻ?

Hồi quy Logistic vượt trội do không đòi hỏi giả định khắt khe về phân phối chuẩn đa biến và tính đồng nhất phương sai của biến giải thích. Khi tập dữ liệu 1.810 quan sát chứa nhiều biến phân loại như giới tính, nghề nghiệp và học vấn, mô hình Logit áp dụng ước lượng hợp lý cực đại giúp tính toán xác suất vỡ nợ luôn nằm trong khoảng 0 đến 1 chuẩn xác.

Biến số nào có sức mạnh dự báo khả năng vỡ nợ cao nhất trong nghiên cứu thực nghiệm tại BIDV?

Thâm niên duy trì quan hệ với ngân hàng và lịch sử tín dụng tại CIC là hai biến số có giá trị thông tin cao nhất. Dữ liệu thực nghiệm chứng minh khách hàng giao dịch dưới 1 năm có tỷ lệ vỡ nợ lên đến 41,24%, trong khi người có lịch sử nợ xấu tại CIC có xác suất không trả được nợ cao gấp 5 lần người bình thường.

Tài sản bảo đảm có thể loại bỏ hoàn toàn nguy cơ vỡ nợ của khách hàng cá nhân hay không?

Tài sản bảo đảm chỉ đóng vai trò là nguồn bù đắp tổn thất thứ cấp chứ không thể ngăn chặn triệt để hành vi vỡ nợ. Dữ liệu cho thấy tỷ lệ nợ xấu ở nhóm có tài sản bảo đảm bất động sản vẫn ghi nhận ở mức 15,76%. Khả năng trả nợ gốc và lãi trước hết phải phụ thuộc vào dòng tiền thu nhập khả dụng đều đặn của người vay.

Tỷ lệ nợ xấu 22% trong mẫu nghiên cứu có phản ánh sự sai lệch so với thống kê công bố của hệ thống ngân hàng?

Tỷ lệ 22% phản ánh đúng thiết kế lấy mẫu phân tầng có chủ đích giữa 1.412 khoản vay tốt và 398 khoản vay xấu từ 32 chi nhánh để đảm bảo sức mạnh thống kê cho mô hình Logit. Tỷ lệ này cũng tiệm cận mức độ nợ xấu thực tế toàn ngành giai đoạn 2011 – 2012 khi áp dụng chuẩn phân loại nợ quá hạn 90 ngày của BIS.

Ngân hàng cần làm gì để hạn chế rủi ro gian lận thông tin về thu nhập khả dụng của khách hàng?

Ngân hàng cần áp dụng mô hình chấm điểm tín dụng độc lập không phụ thuộc duy nhất vào số liệu tự kê khai, tăng cường đối soát dữ liệu đóng bảo hiểm xã hội, sao kê dòng tiền biến động qua tài khoản thanh toán và lịch sử dư nợ tại CIC để xác minh chính xác năng lực tài chính trước khi cấp tín dụng.

Kết luận

• Luận văn đã phân tích toàn diện 1.810 hồ sơ vay cá nhân tại 32 chi nhánh BIDV, chứng minh nhóm đặc điểm người vay chi phối mạnh mẽ xác suất vỡ nợ hơn các yếu tố kỹ thuật của khoản vay.
• Các chỉ báo then chốt gồm thâm niên quan hệ với ngân hàng (nhóm dưới 1 năm vỡ nợ 41,24%), việc sở hữu tài khoản thanh toán (nhóm chưa có tài khoản vỡ nợ 33,59%) và lịch sử CIC giữ vai trò quyết định trong việc nhận diện khách hàng rủi ro.
• Mô hình Hồi quy Logistic nhị phân khẳng định độ tin cậy vượt trội với diện tích dưới đường cong ROC đạt trên 0,85, trở thành công cụ định lượng chuẩn mực thay thế thẩm định cảm tính.
• Lộ trình 12 tháng tới đòi hỏi các tổ chức tín dụng cần nhanh chóng tích hợp mô hình chấm điểm tự động vào hệ thống khởi tạo khoản vay và áp dụng chính sách định giá lãi suất theo rủi ro.
• Các ngân hàng thương mại và tổ chức tài chính hãy chủ động khai thác triệt để nguồn dữ liệu lớn nội bộ, số hóa quy trình thẩm định tín dụng bán lẻ ngay hôm nay nhằm tối ưu hóa danh mục cho vay và vững vàng đáp ứng các chuẩn mực an toàn vốn quốc tế.

Trích đoạn nội dung tài liệu

UNIVERSITY OF ECONOMICS INSTITUTE OF SOCIAL STUDIES HO CHI MINH CITY 2013 HO CHI MINH CITY THE HAGUE VIETNAM THE NETHERLANDS VIETNAM – NETHERLANDS PROGRAMME FOR M. IN DEVELOPMENT ECONOMICS MASTER'S THESIS IN DEVELOPMENT ECONOMICS DEFAULT PREDICTORS IN RETAIL BANKING – AN EMPIRICAL STUDY IN VIETNAM By NGUYEN BAO QUOC MASTER OF ARTS IN DEVELOPMENT ECONOMICS NGUYEN BAO QUOC HO CHI MINH CITY, SEPTEMBER 2013 TIEU LUAN MOI download : [e-mail] UNIVERSITY OF ECONOMICS INSTITUTE OF SOCIAL STUDIES HO CHI MINH CITY THE HAGUE VIETNAM THE NETHERLANDS VIETNAM - NETHERLANDS PROGRAMME FOR M. IN DEVELOPMENT ECONOMICS DEFAULT PREDICTORS IN RETAIL BANKING – AN EMPIRICAL STUDY IN VIETNAM A thesis submitted in partial fulfillment of the requirements for the degree of MASTER OF ARTS IN DEVELOPMENT ECONOMICS By NGUYEN BAO QUOC Academic supervisor: Dr. LE CONG TRU HO CHI MINH CITY, SEPTEMBER 2013 TIEU LUAN MOI download : [e-mail] DECLARATION I declare that "Default Predictors in Retail Banking – An Empirical Study in Vietnam" is my own work; it has not been submitted to any degree at other universities.

I confirm that I have made by effort and applied all knowledge for finishing this thesis in the best way. Ho Chi Minh City, September 2013 NGUYEN BAO QUOC i TIEU LUAN MOI download : [e-mail] ACKNOWLEDGEMENTS First and foremost I would like to offer my gratitude to my supervisor, Dr. Le Cong Tru, for invaluable comments, remarks and engagement through the learning process of the thesis. Then I have Mr.

Le Duc Anh to thank for introducing me to the topic. I am also much obliged to Associate Prof. Nguyen Trong Hoai, Dr. Pham Khanh Nam and Dr.

Luca Tasciotti for helpful remarks on my TRD as well as keeping me on the right track. For the availability of the dataset, I am thankful to MDE. Tran Thu Trang from the Head Office of BIDV. Last but not least, I am deeply indebted to my parents, my dearly beloved wife, my brothers and sisters for all the understanding and spiritual assistance.

I will wholeheartedly be grateful forever for your love. ii TIEU LUAN MOI download : [e-mail] ABSTRACT Due to intense competition, over-lending and economic turmoil, banking system in Vietnam is suffering a huge amount of non-performing loans. Given the considerable growth of retail banking market, an exploration of risk predictors becomes crucial more than ever. This paper investigates key factors that influence loan repayment performance among individual customers.

The survey covers a representative sample of personal loans from one of the largest Vietnamese commercial banks. A logistic regression technique is employed to evaluate the relationship between delinquency and borrower characteristics and loan features. The regression results reveal that borrower characteristics, e. borrowing history, bank- account holding and education level, rather than loan factors, such as purposes, duration and credit limit, have stronger effects on the default outcome.

This suggests that bankers apply appropriate adjustments to borrower characteristics to minimize default risk. Key words: retail banking, credit scoring, default, risk, logistic regression, probability. iii TIEU LUAN MOI download : [e-mail] TABLE OF CONTENTS DECLARATION. iii TABLE OF CONTENTS.

iv LIST OF TABLES. vii LIST OF FIGURES. vii LIST OF ABBREVIATIONS .viii Chapter 1 INTRODUCTION. Justification of the study.

Scope of the study. Organization of the study. 5 Chapter 2 LITERATURE REVIEW. History of credit scoring.

Concepts of credit scoring. Reviews of economic theories. Reviews of empirical studies. Default predictors in markets for credit cards and instant loans.

Default predictors in markets for automobiles, mortgages and real property construction. Default predictors in markets for individual loans. Empirical literature summary. Problems and limitations of previous studies.

21 iv TIEU LUAN MOI download : [e-mail] Chapter 3 DATA AND RESEARCH METHODOLOGY. Methodologies for CSM. Statistical tests of individual predictors. Goodness-of-fit statistics.

Pseudo R-squared statistics. Cox and Snell's R2. Hosmer and Lemeshow test. Validations of predicted probabilities.

Area under the ROC curve. 38 Chapter 4 DATA ANALYSIS AND RESULTS. Personal tastes for loans by ages. Discretionary incomes and default.

Nexus between loan amount and loan outcomes .