Dự đoán xác suất vỡ nợ cho doanh nghiệp xây dựng tại Việt Nam từ 2014 đến 2016 bằng mô hình logistic

Luận văn thạc sĩ phân tích hub applying logistic model to predict the probability of default for construction enterprises in, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải

• Tác giả: Trinh Thanh Dat
• Người hướng dẫn: M. Tran Kim Long
• Trường học: Banking University of Ho Chi Minh City
• Chuyên ngành: Finance – Banking
• Đề tài: Dự Đoán Xác Suất Vỡ Nợ Cho Doanh Nghiệp Xây Dựng Tại Việt Nam (2014-2016) Bằng Mô Hình Logistic
• Loại tài liệu: Graduation Thesis
• Năm xuất bản: 2018
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• THE AUTHOR'S DECLARATION
• THE AUTHOR'S ACKNOWLEDGEMENT
• ABSTRACT
• INDEX
• 0.1. LIST OF ACRONYMS
• 0.2. LIST OF TABLES AND FIGURES
• 0.3. Significance of research
• 0.4. Object and scope of the study
• 0.5. Structure of the themes
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Research background
• 1.2. Significance of research
• 1.3. Object and scope of the study
• 1.4. Research questions
• 1.5. Research methods
• 1.6. Structure of the themes
• 1.7. SUMMARY OF CHAPTER 1
• 2. CHAPTER 2: LITERATURE REVIEW AND THEORETICAL FOUNDATIONS
• 2.1. Definition
• 2.2. Measuring credit risk
• 2.3. Probability of default (PD)
• 2.3.1. Definition
• 2.3.2. Measuring PD
• 2.4. Some previous research on measuring PD
• 2.5. SUMMARY OF CHAPTER 2
• 3. CHAPTER 3: MODEL ESTABLISHMENT
• 3.1. Logistic model and Model selection
• 3.2. Collection and cleaning data
• 3.3. Apply the models into estimating the PD in 2016
• 3.4. Choosing cutoff values
• 3.5. SUMMARY OF CHAPTER 3
• 4. CHAPTER 4: VALIDATING MODEL‟S PERFORMANCE AND EVALUATING RESULTS
• 4.1. The area under curve (AUC)
• 4.2. SUMMARY OF CHAPTER 4
• 4.3. Future research direction
• APPENDIX 1: LOGISTIC MODEL EXPLANATION
• APPENDIX 2: CODES IN R
• APPENDIX 3: PROBABILITY OF DEFAULT OF LOGIT MODEL
• APPENDIX 4: PROBABILITY OF DEFAULT OF PROBIT MODEL
• APPENDIX 5: PROBABILITY OF DEFAULT OF C LOG-LOG MODEL

Tóm tắt

I. Tổng quan về Dự đoán xác suất vỡ nợ cho doanh nghiệp xây dựng

Trong bối cảnh kinh tế Việt Nam từ năm 2014 đến 2016, việc dự đoán xác suất vỡ nợ cho các doanh nghiệp xây dựng trở nên cấp thiết. Các doanh nghiệp trong ngành xây dựng thường phải đối mặt với nhiều rủi ro tài chính, đặc biệt là trong giai đoạn khủng hoảng kinh tế. Mô hình logistic đã được áp dụng để phân tích và dự đoán khả năng vỡ nợ của các doanh nghiệp này, giúp các ngân hàng và nhà đầu tư đưa ra quyết định chính xác hơn.

1.1. Tầm quan trọng của việc dự đoán xác suất vỡ nợ

Dự đoán xác suất vỡ nợ không chỉ giúp các ngân hàng quản lý rủi ro tài chính mà còn hỗ trợ các doanh nghiệp xây dựng trong việc cải thiện tình hình tài chính của họ. Theo nghiên cứu của World Bank (2014), Việt Nam có tỷ lệ nợ xấu cao nhất trong khu vực Đông Nam Á, điều này càng làm nổi bật tầm quan trọng của việc áp dụng các mô hình dự đoán hiệu quả.

1.2. Mô hình logistic trong dự đoán vỡ nợ

Mô hình logistic là một công cụ mạnh mẽ trong việc phân tích dữ liệu và dự đoán xác suất vỡ nợ. Mô hình này sử dụng các biến số tài chính để ước lượng khả năng vỡ nợ của doanh nghiệp, từ đó giúp các ngân hàng đưa ra quyết định cho vay hợp lý hơn.

II. Thách thức trong việc dự đoán xác suất vỡ nợ cho doanh nghiệp xây dựng

Mặc dù mô hình logistic mang lại nhiều lợi ích, nhưng việc áp dụng nó trong dự đoán xác suất vỡ nợ cho doanh nghiệp xây dựng cũng gặp phải nhiều thách thức. Các yếu tố như tính không ổn định của thị trường, sự thay đổi trong chính sách kinh tế và các yếu tố bên ngoài khác có thể ảnh hưởng đến độ chính xác của mô hình.

2.1. Tính không ổn định của thị trường xây dựng

Thị trường xây dựng tại Việt Nam thường xuyên biến động, điều này làm cho việc dự đoán trở nên khó khăn hơn. Các yếu tố như giá nguyên liệu, nhu cầu thị trường và chính sách của nhà nước có thể thay đổi nhanh chóng, ảnh hưởng đến khả năng thanh toán của doanh nghiệp.

2.2. Thiếu dữ liệu chính xác và đầy đủ

Một trong những thách thức lớn nhất trong việc áp dụng mô hình logistic là thiếu dữ liệu chính xác và đầy đủ từ các doanh nghiệp xây dựng. Việc thu thập và phân tích dữ liệu tài chính là rất quan trọng để đảm bảo độ tin cậy của mô hình.

III. Phương pháp áp dụng mô hình logistic trong dự đoán vỡ nợ

Để áp dụng mô hình logistic trong dự đoán xác suất vỡ nợ, cần thực hiện một số bước quan trọng. Đầu tiên, cần thu thập dữ liệu tài chính từ các doanh nghiệp xây dựng. Sau đó, dữ liệu này sẽ được xử lý và phân tích để xác định các yếu tố ảnh hưởng đến khả năng vỡ nợ.

3.1. Thu thập và xử lý dữ liệu

Dữ liệu tài chính từ báo cáo tài chính của các doanh nghiệp xây dựng sẽ được thu thập từ các nguồn đáng tin cậy. Sau đó, dữ liệu sẽ được làm sạch và chuẩn hóa để đảm bảo tính chính xác trong quá trình phân tích.

3.2. Xây dựng mô hình logistic

Sau khi dữ liệu đã được xử lý, mô hình logistic sẽ được xây dựng để dự đoán xác suất vỡ nợ. Các biến số tài chính như tỷ lệ nợ, lợi nhuận và dòng tiền sẽ được đưa vào mô hình để phân tích.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả từ mô hình logistic cho thấy khả năng dự đoán xác suất vỡ nợ của các doanh nghiệp xây dựng là khá chính xác. Mô hình này không chỉ giúp các ngân hàng trong việc đánh giá rủi ro mà còn cung cấp thông tin hữu ích cho các doanh nghiệp trong việc cải thiện tình hình tài chính.

4.1. Đánh giá hiệu quả của mô hình

Mô hình logistic đã cho thấy khả năng phân loại tốt giữa các doanh nghiệp có khả năng vỡ nợ và không vỡ nợ. Kết quả này cho thấy mô hình có thể được áp dụng rộng rãi trong ngành xây dựng.

4.2. Ứng dụng trong quản lý rủi ro tài chính

Các ngân hàng có thể sử dụng mô hình logistic để cải thiện quy trình cho vay và quản lý rủi ro tài chính. Điều này không chỉ giúp giảm thiểu rủi ro mà còn nâng cao hiệu quả kinh doanh.

V. Kết luận và triển vọng tương lai

Mô hình logistic đã chứng minh được giá trị của nó trong việc dự đoán xác suất vỡ nợ cho doanh nghiệp xây dựng tại Việt Nam. Trong tương lai, việc cải tiến mô hình và áp dụng các công nghệ mới sẽ giúp nâng cao độ chính xác và hiệu quả của dự đoán.

5.1. Hướng phát triển mô hình trong tương lai

Cần nghiên cứu thêm về các yếu tố ảnh hưởng đến khả năng vỡ nợ và cải tiến mô hình để tăng cường độ chính xác. Việc áp dụng công nghệ mới như trí tuệ nhân tạo có thể giúp nâng cao khả năng dự đoán.

5.2. Tác động đến ngành xây dựng và ngân hàng

Việc áp dụng mô hình logistic không chỉ giúp các ngân hàng quản lý rủi ro mà còn hỗ trợ các doanh nghiệp xây dựng trong việc cải thiện tình hình tài chính, từ đó góp phần vào sự phát triển bền vững của ngành.

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING THE STATE BANK OF VIET NAM BANKING UNIVERSITY OF HO CHI MINH CITY TRINH THANH DAT APPLYING LOGISTIC MODEL TO PREDICT THE PROBABILITY OF DEFAULT FOR CONSTRUCTION ENTERPRISES IN VIETNAM FROM 2014 TO 2016 GRADUATION THESIS MAJOR: FINANCE – BANKING CODE: 7340201 HO CHI MINH CITY - 2018 - LUAN VAN CHAT LUONG download : add [e-mail] MINISTRY OF EDUCATION AND TRAINING THE STATE BANK OF VIET NAM BANKING UNIVERSITY OF HO CHI MINH CITY TRINH THANH DAT APPLYING LOGISTIC MODEL TO PREDICT THE PROBABILITY OF DEFAULT FOR CONSTRUCTION ENTERPRISES IN VIETNAM FROM 2014 TO 2016 GRADUATION THESIS MAJOR: FINANCE – BANKING CODE: 7340201 INSTRUCTOR M. TRAN KIM LONG HO CHI MINH CITY - 2018 LUAN VAN CHAT LUONG download : add [e-mail] i THE AUTHOR'S DECLARATION Full name: Trinh Thanh Dat Student class: HQ02-GE01, faculty of Banking and Finance, Banking University of Ho Chi Minh city. Student code: 030630141126 I declare that this thesis has been composed solely by myself and that it has not been submitted, in whole or in part, in any previous application for a degree. Except where states otherwise by reference or acknowledgment, the work presented is entirely my own.

Ho Chi Minh City, May 18, 2018 Author Trinh Thanh Dat LUAN VAN CHAT LUONG download : add [e-mail] ii THE AUTHOR'S ACKNOWLEDGEMENT First of all, I would like to thank all lecturers at Banking University of HCMC. Your enthusiastic and devoted instruction helped me to improve my logical thinking ability and knowledge. In addition, I would like to thank Mr. Tran Kim Long who enthusiastically instructed and encouraged me to complete this graduation thesis.

However, due to limited knowledge and practical experience and limited research time, the study cannot avoid certain shortcomings. The author wishes to receive the comments of members in the committee to complete the thesis. Ho Chi Minh City, May 18, 2018 Author Trinh Thanh Dat LUAN VAN CHAT LUONG download : add [e-mail] iii BANKING UNIVERSITY OF HO CHI MINH CITY VIETNAM High-Quality Program of Banking and Finance ABSTRACT Author DAT, Thanh TRINH Title Applying logistic model to predict the probability of default for construction enterprises in Vietnam from 2014 to 2016 Year 2018 Language English Instructor M. LONG, Kim TRAN In the current overall development of the economy, banking credit plays a very important role in the economy of every country in the world and is especially important for countries with underdeveloped financial markets like Vietnam because it is a main source of funding for businesses.

However, recently, excessive credit growth, resulting in uncontrolled credit quality, has caused some consequences for the banking system such as: high credit risk, declining profit, liquidity reduced. The paper focuses on building a model estimating credit risk for construction firms in Vietnam from 2014 to 2016. Based on the results of the study, the paper provides not only an effective tool to predict the probability of default of construction companies but also comments and policy implications for commercial banks to improve the quality of credit and reduce credit risk in the future. Key words: Credit risk, Logistic model, Basel II, Probability of default, Construction companies, Vietnam.

LUAN VAN CHAT LUONG download : add [e-mail] iv INDEX LIST OF ACRONYMS. 1 LIST OF TABLES AND FIGURES .2 Significance of research .3 Object and scope of the study .6 Structure of the themes. 4 SUMMARY OF CHAPTER 1. 5 CHAPTER 2: LITERATURE REVIEW AND THEORETICAL FOUNDATIONS .2 Measuring credit risk .2 Probability of default (PD).3 Some previous research on measuring PD .4 Model evaluation methods.

23 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.1 Definition and some overviews. 25 SUMMARY OF CHAPTER 2. 26 CHAPTER 3: MODEL ESTABLISHMENT .1 Logistic model and Model selection .2 Collection and cleaning data .4 Apply the models into estimating the PD in 2016 .5 Choosing cutoff values. 35 SUMMARY OF CHAPTER 3.

36 CHAPTER 4: VALIDATING MODEL‟S PERFORMANCE AND EVALUATING RESULTS .5 The area under curve (AUC). 44 SUMMARY OF CHAPTER 4. 46 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.4 Future research direction. 48 APPENDIX 1: LOGISTIC MODEL EXPLANATION.

54 APPENDIX 2: CODES IN R. 56 APPENDIX 3: PROBABILITY OF DEFAULT OF LOGIT MODEL. 59 APPENDIX 4: PROBABILITY OF DEFAULT OF PROBIT MODEL. 60 APPENDIX 5: PROBABILITY OF DEFAULT OF C LOG-LOG MODEL.

61 LUAN VAN CHAT LUONG download : add [e-mail] 1 LIST OF ACRONYMS Abbreviations Full meaning AUC Area Under Curve BS Balance Sheet CAGR Compound Annual Growth Rate CRAs Credit Rating Agencies EAD Exposure at Default EL Expected Loss IRB Approach Internal Ratings Based Approach IS Income Statement LEF Loan Equivalency Factor LGD Loss Given Default PD Probability of Default ROA Return on Asset ROE Return on Equity ROC Curve Receiver Operating Characteristic Curve ROS Return on Sales SMEs Small and Medium-sized Enterprises UL Unexpected Loss LUAN VAN CHAT LUONG download : add [e-mail] 2 LIST OF TABLES AND FIGURES Page Figure 2. Relationship between Expected and Unexpected Loss. The Standardized Probit, Logit and C-Log-Log Links. List of Ratios Tested.

Number of observations and defaults per year. Distribution of financial ratios before handling outliers. Distribution of financial ratios after handling outliers. Financial ratios in six categories.

Descriptive statistical table. Regression table of Logit model. Regression table of Probit model. Regression table of C log-log model.

Matrix confusion for logit model at cutoff of 0. Matrix confusion for probit model at cutoff of 0. Matrix confusion for C log-log model at cutoff of 0. Receiver Operating Characteristic Curves of three models.

42 LUAN VAN CHAT LUONG download : add [e-mail] 3 CHAPTER 1: INTRODUCTION 1.1 Research background In an economy, coupled with the development and establishment of businesses every year, there is always the bankruptcy of companies that cannot meet the conditions of a fierce competition in the economy. As a consequence, the phenomenon of bankruptcy as well as default can be understood as a completely natural economic phenomenon and an inevitable consequence of the process of selection and elimination. In recent times, overdue debts and non-performing loans in Vietnamese commercial banks have become a serious problem, hindering the comprehensive development of the banking industry. World Bank (2014) announced that Vietnam had the highest non- performing loans compared to other Southeast Asian countries.

Therefore, focusing on risk management in general and credit risk management in particular is considered as a guideline to ensure that the banking system operates stably. While many countries around the world have applied Basel's recommendations in credit risk management, not many commercial banks in Vietnam have a completed Internal Rating – Based Approach. In addition, retail banking in Vietnam has been developing significantly recently, Wang and Kapfer (2017) said that “The retail financial services industry in Vietnam will become the top growth market in Asia Pacific this year. It is expected to surge by 29% in regard to retail assets compared to 2016 and the compound annual growth rate (CAGR) of retail income in Vietnam will reach $6.

Therefore, this sector needs to have a huge amount of credit specialists to expertise credit profiles, and this work will take a lot of time and effort because every single credit analyst could handle a certain number of credit profiles. Based on the reasons stated above, the author selects the topic "Applying logistic model to predict the PD for construction enterprises in Vietnam from 2014 to 2016”.2 Significance of research Practical significance: After this model is established and verified, it will be one of the most useful tools for banks before they grant credit because it allows them to avoid LUAN VAN CHAT LUONG download : add [e-mail] 4 mistakes in assessing firms‟ potential and risk. As a result, bank decisions will be more accurate and secured. For companies, the model will indicate bad signals, which helps firms‟ leaders to fix mistakes in the nick of time and improve companies‟ status.

Scientific significance: First of all, this study could develop a new model that examines the predictive power of classification models and discover new factors that help commercial banks as well as financial institutions develop automatic credit rating system. Finally, diversification of credit rating models with additional baseline comparison between model types and verification of previous model types.3 Object and scope of the study Research object: real estate companies listed on Vietnam stock market from 2014 to 2016. Research scope: This study will use data from Financial statement (mostly from Income statement and Balance sheet) from real estate companies from 2014 to 2016. The data will be collected from www.vn and www.4 Research questions This study aims to answer a question: Which factors affecting PD of construction firms during the 2014-to-2016 period.5 Research methods The thesis uses quantitative research methods, namely using descriptive statistics and logistic regression models with the aid of software R for data analysis.6 Structure of the themes Chapter 1: Overview Chapter 2: Literature review and theoretical foundations Chapter 3: Model establishment Chapter 4: Validating model‟s performance and evaluating results LUAN VAN CHAT LUONG download : add [e-mail] 5 Chapter 5: Conclusions SUMMARY OF CHAPTER 1 This chapter points out clearly not only the urgency of the topic, but also the scope, the aim and the significance of the study.

In the next chapter, many Scientific research works, scientific papers as well as famous books which are relative to this study are review in details. LUAN VAN CHAT LUONG download : add [e-mail] 6 CHAPTER 2: LITERATURE REVIEW AND THEORETICAL FOUNDATIONS 2.1 Definition Servigny and Renault (2004) supposed that a default event is not always defined in the same way by all stakeholders:  The market definition for default is related to financial instruments. It corresponds to principal or interest past due.  The Basel II definition considers a default event based on various alternative options such as past due 90 days on financial instruments or provisioning.

It can also be based on a judgmental assessment of a firm by the bank.  The legal definition is linked with the bankruptcy of the firm. It will typically depend on the legislation in various countries. However, because that the default information of companies in Vietnam is hardly accessible, companies in this study had to be assessed by „technical default‟ definition not truth default definition.

The Langohr (2015) defined that technical default occurs if a borrower breaches a financial obligation other than debt service payment. For example, debt covenants may stipulate several balance sheet restrictions, such as minimum liquidity or solvency ratios, which the borrower has to respect in order to be allowed to reimburse a loan at maturity. Were the borrower to violate these restrictions, the bank would have the right to call the loan immediately. While such covenant violations constitute technical defaults, they typically do not trigger what is more normally called default, and they do not appear in the usual default statistics.

Nevertheless, such financial obligations will be of great interest to credit rating analysts. A borrower‟s ability to honor any restrictions, and the likelihood that he will do so, clearly affects his subsequent ability to pay amounts due on time and in full. Hence an essential part of the CRAs‟ analysis is to scrutinize the LUAN VAN CHAT LUONG download : add [e-mail] 7 covenants of all an obligor‟s loan contracts, including those that are private or unlisted.2 Measuring credit risk According to Stephanou and Mendoza (2005), there are several indicators measuring credit risk. The first one is Expected Loss (EL) and Unexpected Loss (UL), EL is based on three parameters:  The likelihood that default will take place over a specified time horizon (PD or PD)  The amount owned by the counterparty at the moment of default (exposure at default or EAD)  The fraction of the exposure, net of any recoveries, which will be lost following a default event (loss given default or LGD).