Luận văn thạc sĩ UEH: Lượng hóa rủi ro danh mục cho vay bằng mô hình CreditMetrics

Luận văn thạc sĩ kinh tế phân tích ueh lượng hóa rủi ro danh mục cho vay bằng mô hình creditmetrics tại ngân hàng thương mại cổ phần, đánh giá thực trạng, chỉ ra hạn chế, đề xuất

• Tác giả: Nguyễn Anh Tú
• Người hướng dẫn: PGS. Hồ Viết Tiến
• Trường học: Trường Đại Học Kinh Tế Tp.HCM
• Chuyên ngành: Tài chính ngân hàng
• Đề tài: Lượng hóa rủi ro danh mục cho vay bằng mô hình Creditmetrics tại ngân hàng thương mại cổ phần Việt Á
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2013
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ MÔ HÌNH CREDITMETRICS
• 1.1. Lượng hóa rủi ro trong danh mục
• 1.2. Danh mục cho vay
• 1.2.1. Khái niệm “cho vay”
• 1.2.2. Danh mục cho vay
• 1.2.3. Rủi ro danh mục cho vay
• 1.2.3.1. Rủi ro cho vay
• 1.2.3.2. Rủi ro danh mục cho vay
• 1.2.4. Nguyên nhân phát sinh rủi ro danh mục cho vay
• 1.2.5. Đo lường rủi ro danh mục cho vay
• 1.2.5.1. Khái niệm về VaR
• 1.2.5.2. Cách tính VaR
• 1.3. Các phương pháp tính VaR danh mục cho vay
• 1.4. Mô hình CreditMetrics
• 1.4.1. Giới thiệu mô hình
• 1.4.2. Các yếu tố đầu vào của mô hình
• 1.4.3. Các giả định của mô hình phù hợp với đề tài nghiên cứu
• 1.4.4. Ưu điểm của mô hình CreditMetrics
• 1.4.5. Cách bước áp dụng CreditMetrics trong đánh giá tổn thất cho vay
• 1.5. Kết luận chương 1
• 2. CHƯƠNG 2: ĐO LƯỜNG TỔN THẤT DANH MỤC CHO VAY CỦA NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT Á
• 2.1. Tổng quan về Ngân hàng thương mại cổ phần Việt Á
• 2.1.1. Tình hình hoạt động chung
• 2.1.2. Cơ cấu tổ chức của VAB
• 2.1.3. Định hướng phát triển của VAB trong thời gian tới
• 2.2. Đo lường tổn thất danh mục cho vay tại VAB theo mô hình Creditmetrics
• 2.2.1. Tình hình chung
• 2.2.2. Chất lượng các khoản cho vay
• 2.2.3. Đo lường tổn thất danh mục cho vay tại VAB
• 2.3. Kết luận chương 2
• 3. CHƯƠNG 3: GIẢI PHÁP VÀ KIẾN NGHỊ NÂNG CAO TÍNH ỨNG DỤNG MÔ HÌNH CREDITMETRICS TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT Á
• 3.1. Các giải pháp dành cho Ngân hàng thương mại cổ phần Việt Á
• 3.1.1. Hoàn thiện hệ thống chấm điểm xếp hạng tín dụng
• 3.1.2. Nâng cấp hệ thống công nghệ thông tin
• 3.1.3. Cải cách quy trình thẩm định cho vay
• 3.1.4. Đào tạo nguồn nhân lực đáp ứng yêu cầu chuyên môn
• 3.2. Các kiến nghị với cơ quan quản lý Nhà nước
• 3.2.1. Lành mạnh hóa báo cáo tài chính của doanh nghiệp
• 3.2.2. Ghi nhận giá trị các khoản vay theo chuẩn mực kế toán quốc tế
• 3.2.3. Xây dựng trung tâm định giá tài sản chung
• 3.2.4. Xây dựng hệ thống chấm điểm xếp hạng tín dụng chung cho toàn hệ thống ngân hàng
• 3.2.5. Cơ chế ưu đãi, khuyến khích việc áp dụng phương pháp định lượng mới
• 3.2.6. Hình thành và phát triển thị trường mua bán nợ
• 3.3. Kết luận chương 3
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng quan về mô hình CreditMetrics trong quản lý rủi ro

Mô hình CreditMetrics là một công cụ quan trọng trong việc lượng hóa rủi ro danh mục cho vay tại các ngân hàng thương mại. Mô hình này giúp các ngân hàng đánh giá tổn thất tiềm năng từ các khoản cho vay dựa trên xác suất chuyển hạng tín dụng của khách hàng. Việc áp dụng mô hình này không chỉ giúp ngân hàng quản lý rủi ro hiệu quả mà còn nâng cao khả năng dự đoán tổn thất trong tương lai. Đặc biệt, mô hình CreditMetrics đã được áp dụng thành công tại nhiều ngân hàng quốc tế, và việc áp dụng nó tại Ngân hàng Thương mại Cổ phần Việt Á sẽ mang lại nhiều lợi ích.

1.1. Khái niệm và vai trò của mô hình CreditMetrics

Mô hình CreditMetrics được phát triển bởi J.P. Morgan vào những năm 1990, nhằm cung cấp một phương pháp định lượng cho việc đánh giá rủi ro tín dụng. Mô hình này sử dụng dữ liệu lịch sử về chất lượng tín dụng của khách hàng để dự đoán khả năng vỡ nợ trong tương lai. Vai trò của mô hình này là giúp ngân hàng xác định mức độ rủi ro trong danh mục cho vay, từ đó có những biện pháp phòng ngừa và quản lý rủi ro hiệu quả.

1.2. Các yếu tố ảnh hưởng đến mô hình CreditMetrics

Có nhiều yếu tố ảnh hưởng đến hiệu quả của mô hình CreditMetrics, bao gồm chất lượng dữ liệu đầu vào, sự chính xác của các giả định trong mô hình, và khả năng phân tích của ngân hàng. Đặc biệt, việc xây dựng ma trận chuyển hạng tín dụng là rất quan trọng, vì nó quyết định đến độ tin cậy của các dự đoán về tổn thất.

II. Thách thức trong việc áp dụng mô hình CreditMetrics tại ngân hàng Việt Á

Mặc dù mô hình CreditMetrics mang lại nhiều lợi ích, nhưng việc áp dụng nó tại Ngân hàng Thương mại Cổ phần Việt Á cũng gặp phải nhiều thách thức. Một trong những thách thức lớn nhất là việc thiếu hụt dữ liệu lịch sử về chất lượng tín dụng của khách hàng. Ngoài ra, ngân hàng cũng cần phải cải thiện hệ thống công nghệ thông tin để có thể thu thập và phân tích dữ liệu một cách hiệu quả.

2.1. Thiếu hụt dữ liệu lịch sử tín dụng

Việc thiếu hụt dữ liệu lịch sử về chất lượng tín dụng của khách hàng là một trong những rào cản lớn nhất trong việc áp dụng mô hình CreditMetrics. Ngân hàng cần phải xây dựng một hệ thống thu thập dữ liệu hiệu quả để có thể cung cấp thông tin chính xác cho mô hình.

2.2. Cải thiện công nghệ thông tin

Để áp dụng mô hình CreditMetrics thành công, Ngân hàng Thương mại Cổ phần Việt Á cần nâng cấp hệ thống công nghệ thông tin. Việc này không chỉ giúp thu thập dữ liệu hiệu quả mà còn hỗ trợ trong việc phân tích và dự đoán tổn thất.

III. Phương pháp lượng hóa rủi ro danh mục cho vay bằng CreditMetrics

Phương pháp lượng hóa rủi ro danh mục cho vay bằng mô hình CreditMetrics bao gồm nhiều bước quan trọng. Đầu tiên, ngân hàng cần xây dựng ma trận chuyển hạng tín dụng dựa trên dữ liệu lịch sử. Sau đó, ngân hàng sẽ tính toán xác suất vỡ nợ và tổn thất kỳ vọng cho từng khoản vay. Cuối cùng, ngân hàng sẽ tổng hợp các kết quả để đưa ra đánh giá tổng thể về rủi ro danh mục cho vay.

3.1. Xây dựng ma trận chuyển hạng tín dụng

Ma trận chuyển hạng tín dụng là công cụ quan trọng trong mô hình CreditMetrics. Nó cho phép ngân hàng theo dõi sự thay đổi chất lượng tín dụng của khách hàng theo thời gian. Việc xây dựng ma trận này cần dựa trên dữ liệu lịch sử và các yếu tố kinh tế vĩ mô.

3.2. Tính toán xác suất vỡ nợ

Xác suất vỡ nợ là một yếu tố quan trọng trong việc lượng hóa rủi ro. Ngân hàng cần sử dụng các phương pháp thống kê để tính toán xác suất này dựa trên dữ liệu lịch sử và các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng.

IV. Ứng dụng thực tiễn của mô hình CreditMetrics tại ngân hàng Việt Á

Việc áp dụng mô hình CreditMetrics tại Ngân hàng Thương mại Cổ phần Việt Á không chỉ giúp ngân hàng quản lý rủi ro hiệu quả mà còn nâng cao khả năng cạnh tranh trên thị trường. Ngân hàng có thể sử dụng các kết quả từ mô hình để điều chỉnh chiến lược cho vay và cải thiện chất lượng danh mục cho vay.

4.1. Cải thiện chất lượng danh mục cho vay

Mô hình CreditMetrics giúp ngân hàng xác định các khoản vay có rủi ro cao, từ đó có thể điều chỉnh chiến lược cho vay để giảm thiểu tổn thất. Việc này không chỉ giúp ngân hàng bảo vệ tài sản mà còn nâng cao uy tín trên thị trường.

4.2. Tăng cường khả năng cạnh tranh

Áp dụng mô hình CreditMetrics giúp ngân hàng nâng cao khả năng dự đoán tổn thất, từ đó có thể đưa ra các sản phẩm cho vay phù hợp hơn với nhu cầu của khách hàng. Điều này sẽ giúp ngân hàng tăng cường khả năng cạnh tranh trên thị trường.

V. Kết luận và triển vọng tương lai của mô hình CreditMetrics

Mô hình CreditMetrics có tiềm năng lớn trong việc quản lý rủi ro danh mục cho vay tại Ngân hàng Thương mại Cổ phần Việt Á. Việc áp dụng mô hình này không chỉ giúp ngân hàng giảm thiểu tổn thất mà còn nâng cao hiệu quả hoạt động. Trong tương lai, ngân hàng cần tiếp tục cải thiện hệ thống dữ liệu và công nghệ thông tin để tối ưu hóa việc áp dụng mô hình.

5.1. Tầm quan trọng của việc cải thiện dữ liệu

Để mô hình CreditMetrics hoạt động hiệu quả, ngân hàng cần phải có một hệ thống dữ liệu đầy đủ và chính xác. Việc này sẽ giúp ngân hàng đưa ra các quyết định chính xác hơn trong việc quản lý rủi ro.

5.2. Triển vọng phát triển mô hình CreditMetrics

Mô hình CreditMetrics có thể được phát triển và cải tiến hơn nữa trong tương lai. Ngân hàng cần nghiên cứu và áp dụng các công nghệ mới để nâng cao khả năng dự đoán và quản lý rủi ro.

Nội dung chính

Tổng quan nghiên cứu

Hoạt động cấp tín dụng luôn là nguồn tạo ra thu nhập chủ yếu nhưng cũng đồng thời là mảng kinh doanh tiềm ẩn nhiều rủi ro nhất đối với hệ thống ngân hàng thương mại Việt Nam. Tại thời điểm ngày 30 tháng 04 năm 2013, tổng dư nợ cho vay tại Ngân hàng Thương mại Cổ phần Việt Á đạt 10.670 tỷ đồng, chiếm 53% tổng tài sản toàn hệ thống, song tổng nợ xấu đã gia tăng lên mức 658 tỷ đồng, chiếm tỷ lệ 6,17% tổng dư nợ. Mặc dù ngân hàng đã thực hiện trích lập quỹ dự phòng rủi ro 149 tỷ đồng, tương đương 1,4% tổng dư nợ, nhưng phương thức phân loại nợ định tính truyền thống theo Quyết định 493/2005/QĐ-NHNN và Thông tư 02/2013/TT-NHNN vẫn chưa lượng hóa được mức độ tổn thất biến động trong tương lai theo các kịch bản suy giảm chất lượng tín dụng.

Vấn đề cốt lõi đặt ra là các tổ chức tín dụng thường ở thế bị động trước những cú sốc kinh tế do thiếu công cụ định lượng rủi ro danh mục có độ tin cậy cao. Mục tiêu của nghiên cứu là ứng dụng mô hình CreditMetrics dựa trên khung lý thuyết Giá trị chịu rủi ro (Value at Risk - VaR) do J.P. Morgan khởi xướng nhằm đo lường chính xác tổn thất dự kiến (Expected Loss - EL) và tổn thất không dự kiến (Unexpected Loss - UL) cho danh mục tín dụng của Ngân hàng Thương mại Cổ phần Việt Á. Phạm vi nghiên cứu tập trung vào toàn bộ các khoản cấp tín dụng còn dư nợ phân theo ngành kinh tế đến ngày 30 tháng 04 năm 2013, kết hợp chuỗi dữ liệu xếp hạng nội bộ giai đoạn 2011 - 2013. Kết quả nghiên cứu mang ý nghĩa thực tiễn to lớn khi cung cấp cơ sở khoa học giúp ngân hàng xác định chính xác bộ đệm vốn an toàn, tối ưu hóa việc phân bổ tài sản có rủi ro và chủ động tiệm cận các chuẩn mực quản trị rủi ro quốc tế theo 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 nền tảng lý thuyết Giá trị chịu rủi ro (Value at Risk - VaR) trong quản trị danh mục tài chính do Philippe Jorion phát triển năm 2006, kết hợp trực tiếp với mô hình CreditMetrics được J.P. Morgan cùng các định chế tài chính quốc tế công bố năm 1997. Khác với các mô hình vỡ nợ nhị phân như CreditRisk+ hay mô hình chu kỳ vĩ mô Credit Portfolio View, CreditMetrics tiếp cận rủi ro tín dụng toàn diện thông qua việc lượng hóa sự thay đổi giá trị thị trường của khoản vay bắt nguồn từ sự dịch chuyển hạng tín nhiệm của khách hàng.

Khung phân tích của đề tài xoay quanh các khái niệm then chốt:

• Xác suất vỡ nợ (Probability of Default - PD): Tỷ lệ phản ánh khả năng khách hàng không thực hiện được nghĩa vụ thanh toán trong khoảng thời gian xác định 01 năm.
• Mức tổn thất khi vỡ nợ (Loss Given Default - LGD): Tỷ lệ phần trăm tổn thất thực tế tính trên tổng giá trị dư nợ sau khi đã khấu trừ giá trị thu hồi ròng từ việc thanh lý tài sản bảo đảm.
• Tổn thất dự kiến (Expected Loss - EL): Mức tổn thất bình quân được xác định bằng tích số giữa Giá trị chịu rủi ro tại thời điểm vỡ nợ (EAD), xác suất PD và tỷ lệ LGD.
• Tổn thất không dự kiến (Unexpected Loss - UL): Độ biến động của tổn thất danh mục xoay quanh giá trị kỳ vọng, được tính bằng tích số giữa giá trị tới hạn z theo độ tin cậy phân phối chuẩn (ví dụ z bằng 2,33 ứng với độ tin cậy 99%) và độ lệch chuẩn của danh mục.
• Ma trận chuyển hạng tín dụng: Bảng xác suất phản ánh khả năng một khoản vay duy trì, thăng hạng, tụt hạng hoặc rơi vào tình trạng vỡ nợ qua chu kỳ quan sát 01 năm.

Mô hình định giá các dòng tiền tương lai của khoản vay theo lãi suất chiết khấu bao gồm lãi suất phi rủi ro (lấy theo tín phiếu Kho bạc Nhà nước kỳ hạn 52 tuần là 8%/năm) cộng với phần bù rủi ro tín dụng tương ứng cho 10 bậc xếp hạng nội bộ từ AAA đến D.

Phương pháp nghiên cứu

Để thực nghiệm mô hình CreditMetrics, nghiên cứu thu thập dữ liệu thứ cấp từ hệ thống Core Banking Flexcube và các phân hệ báo cáo tài chính cân đối kế toán GL024, báo cáo dư nợ A99 của Ngân hàng Thương mại Cổ phần Việt Á. Cỡ mẫu nghiên cứu được xác lập gồm 175 khách hàng doanh nghiệp có quy mô dư nợ lớn nhất, được chia đều cho 5 nhóm ngành kinh tế trọng điểm bao gồm: Bất động sản, Dịch vụ thương mại, Công nghiệp chế biến chế tạo, Bán buôn bán lẻ và Các ngành kinh tế khác (mỗi nhóm ngành chọn đúng 35 khách hàng).

Phương pháp chọn mẫu có chủ đích dựa trên quy mô dư nợ lớn được ưu tiên lựa chọn vì nhóm khách hàng này chiếm tỷ trọng chi phối trong tổng dư nợ và phản ánh rõ nét mức độ rủi ro tập trung của ngân hàng. Dữ liệu lịch sử xếp hạng tín dụng nội bộ được trích xuất qua 4 chu kỳ đánh giá định kỳ 6 tháng một lần trong giai đoạn từ ngày 31 tháng 03 năm 2011 đến ngày 31 tháng 03 năm 2013 (bao gồm các mốc: 31/03/2011 - 31/10/2011; 31/10/2011 - 31/03/2012; 31/03/2012 - 31/10/2012; 31/10/2012 - 31/03/2013). Phương pháp thống kê mô tả được sử dụng để xây dựng ma trận chuyển hạng trung bình toàn danh mục, sau đó sử dụng phương pháp kiểm định giả thiết thống kê về tỷ lệ để suy rộng kết quả tổn thất VaR từ mẫu nghiên cứu ra tổng thể danh mục cho vay.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực trạng danh mục cho vay và lượng hóa rủi ro tại Ngân hàng Thương mại Cổ phần Việt Á đã chỉ ra 4 phát hiện quan trọng:

Thứ nhất, danh mục tín dụng chịu rủi ro tập trung ngành nghề ở mức rất nghiêm trọng. Dư nợ ngành Bất động sản đạt 4.687 tỷ đồng, chiếm tới 43,94% tổng dư nợ toàn ngân hàng. Kéo theo đó, nợ xấu phát sinh từ lĩnh vực bất động sản lên tới 185 tỷ đồng, chiếm 28,04% tổng số nợ xấu của ngân hàng và đạt tỷ lệ nợ xấu nội ngành là 3,94%. Ngành dịch vụ thương mại đứng thứ hai với dư nợ 2.198 tỷ đồng (chiếm 20,6%), phát sinh nợ xấu 132 tỷ đồng; trong khi ngành công nghiệp chế biến chế tạo có dư nợ 1.088 tỷ đồng (chiếm 10,2%) với nợ xấu 38 tỷ đồng.

Thứ hai, cấu trúc kỳ hạn danh mục bộc lộ sự mất cân đối nghiêm trọng giữa nguồn vốn huy động và việc cấp tín dụng. Huy động vốn ngắn hạn chiếm xấp xỉ 78% tổng nguồn vốn, tuy nhiên dư nợ cho vay trung và dài hạn lại chiếm tới 58,74% toàn danh mục (cho vay trung hạn chiếm 44,46% tương đương 4.739 tỷ đồng; cho vay dài hạn chiếm 14,28% tương đương 1.556 tỷ đồng). Điều này tạo ra rủi ro thanh khoản rất lớn, buộc ngân hàng phải liên tục vay mượn vốn ngắn hạn 7 đến 14 ngày trên thị trường liên ngân hàng với quy mô từ 425 đến 500 tỷ đồng trong các tháng cao điểm để bù đắp thâm hụt kỳ hạn.

Thứ ba, rủi ro tồn đọng từ các hợp đồng tín dụng nhận nợ bằng vàng vẫn ở mức báo động. Đến cuối tháng 04 năm 2013, dư nợ cho vay bằng vàng còn lại chưa thể tất toán là 1.746 tỷ đồng, chiếm 16,37% tổng dư nợ. Tổng nợ xấu của các khoản vay bằng vàng lên tới 278 tỷ đồng (tương ứng tỷ lệ nợ xấu cục bộ 15,92%), đặc biệt nợ nhóm 5 có khả năng mất vốn chiếm đến 116 tỷ đồng, gây áp lực bào mòn vốn tự có khi phải trích lập dự phòng theo lộ trình chấm dứt cho vay vàng của Ngân hàng Nhà nước.

Thứ tư, việc tính toán theo mô hình CreditMetrics cho thấy xác suất trượt hạng tín nhiệm của nhóm khách hàng doanh nghiệp trong giai đoạn 2011 - 2013 tăng đột biến. Tổng tổn thất tiềm năng ở mức độ tin cậy 99% (bao gồm tổn thất dự kiến EL và tổn thất không dự kiến UL) vượt xa mức trích lập dự phòng rủi ro 149 tỷ đồng đang thực hiện theo quy định phân loại nợ truyền thống, cho thấy ngân hàng chưa trích lập đủ nguồn vốn đệm cần thiết để trang trải rủi ro khi thị trường biến động tiêu cực.

Thảo luận kết quả

Nguyên nhân cốt lõi khiến chất lượng tài sản của ngân hàng suy giảm mạnh bắt nguồn từ sự cộng hưởng của nhiều yếu tố kinh tế và quản trị nội bộ. Giai đoạn 2011 - 2013 chứng kiến thị trường bất động sản đóng băng kéo dài, thanh khoản thị trường đóng băng khiến dòng tiền trả nợ của các chủ đầu tư và khách hàng vay mua nhà bị tê liệt hoàn toàn. Bên cạnh đó, mặt bằng lãi suất cho vay tiền đồng neo ở mức bình quân rất cao lên tới 18,96%/năm (lãi suất ngoại tệ 7,5%/năm và lãi suất vay vàng 6,8%/năm) đã vượt quá khả năng sinh lời của đa số doanh nghiệp, làm suy kiệt dòng tiền kinh doanh và đẩy hàng loạt khoản vay nhóm 1 và nhóm 2 tụt hạng nhanh chóng sang nhóm nợ xấu.

Khi so sánh với các nghiên cứu trước đây tại Việt Nam của Đặng Tùng Lâm (2010) và Bùi Diệu Anh (2010), kết quả của luận văn đã tiến thêm một bước đột phá khi hoàn thiện đầy đủ quy trình tính toán số liệu thực nghiệm trên một danh mục tín dụng thực tế. Thay vì chỉ dừng lại ở các giả định mô phỏng, nghiên cứu này chứng minh rằng việc áp dụng ma trận chuyển hạng tín dụng giúp ngân hàng xác định chính xác giá trị thị trường của từng khoản vay tại các thời điểm tương lai.

Trong thực tế trình bày báo cáo phân tích, toàn bộ dữ liệu biến động chất lượng nợ có thể được trực quan hóa thông qua biểu đồ hình tròn thể hiện tỷ trọng 5 nhóm ngành kinh tế, biểu đồ cột ghép so sánh cơ cấu dư nợ và nợ xấu nội bộ, cùng bảng ma trận chuyển hạng xác suất chi tiết 10 bậc tín dụng (từ AAA đến D) để nhà quản trị dễ dàng nhận diện phân khúc có nguy cơ tổn thất cao nhất.

Đề xuất và khuyến nghị

Dựa trên kết quả định lượng tổn thất từ mô hình CreditMetrics, tác giả đề xuất 4 nhóm giải pháp trọng tâm nhằm nâng cao năng lực quản trị rủi ro danh mục tại Ngân hàng Thương mại Cổ phần Việt Á:

Thứ nhất, tái cơ cấu danh mục cho vay và kiểm soát hạn mức rủi ro ngành kinh tế. Hội đồng Quản trị và Khối Quản trị Rủi ro cần thiết lập trần tín dụng an toàn, chủ động hạ tỷ trọng dư nợ lĩnh vực Bất động sản từ mức 43,94% xuống dưới 30% trong lộ trình 18 đến 24 tháng tới. Đồng thời, ngân hàng cần chuyển hướng dòng vốn sang các ngành có chu kỳ quay vòng vốn nhanh, xác suất vỡ nợ thấp như công nghiệp chế biến chế tạo và sản xuất kinh doanh hộ gia đình, nâng tỷ trọng nhóm ngành này lên tối thiểu 25% tổng dư nợ.

Thứ hai, hoàn thiện hệ thống chấm điểm xếp hạng tín dụng nội bộ và tích hợp thuật toán CreditMetrics. Khối Công nghệ thông tin và Trung tâm Quản lý rủi ro cần chuẩn hóa 10 bậc xếp hạng tín dụng, ứng dụng tự động hóa việc tính toán các chỉ số xác suất vỡ nợ PD và mức tổn thất khi vỡ nợ LGD trực tiếp trên hệ thống Flexcube. Ngân hàng cần xây dựng cơ sở dữ liệu chuỗi thời gian để cập nhật ma trận chuyển hạng 6 tháng một lần, hoàn thành nâng cấp trong thời gian 12 tháng.

Thứ ba, quyết liệt xử lý nợ đọng và dứt điểm trạng thái cho vay bằng vàng. Ban Điều hành cùng Ban Xử lý nợ cần đẩy nhanh tiến độ cơ cấu lại 1.746 tỷ đồng dư nợ vàng, chuyển đổi sang hợp đồng vay bằng tiền đồng với lãi suất ưu đãi, đồng thời tập trung thanh lý tài sản bảo đảm để thu hồi 278 tỷ đồng nợ xấu vàng trong vòng 6 tháng nhằm tuân thủ triệt để quy định của Ngân hàng Nhà nước.

Thứ tư, các kiến nghị gửi đến cơ quan quản lý Nhà nước. Đề nghị Ngân hàng Nhà nước và Bộ Tài chính sớm hoàn thiện khung pháp lý về minh bạch hóa báo cáo tài chính doanh nghiệp, thành lập trung tâm định giá tài sản độc lập toàn quốc, thúc đẩy sự phát triển của thị trường mua bán nợ thông qua VAMC và ban hành lộ trình áp dụng phương pháp định lượng rủi ro tín dụng theo chuẩn mực Basel II trước năm 2015.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị học thuật và ứng dụng chuyên sâu, đặc biệt hữu ích cho 4 nhóm đối tượng sau:

Thứ nhất, Ban điều hành và chuyên viên Quản trị rủi ro tại các ngân hàng thương mại. Nghiên cứu cung cấp tài liệu hướng dẫn thực hành 8 bước triển khai mô hình CreditMetrics, giúp ngân hàng tự xây dựng ma trận chuyển hạng và tính toán mức vốn đệm an toàn theo khung VaR dựa trên dữ liệu nội bộ sẵn có.

Thứ hai, cán bộ thẩm định và phê duyệt tín dụng. Luận văn giúp đội ngũ tác nghiệp hiểu rõ mối quan hệ giữa chất lượng tài sản bảo đảm, tỷ lệ tổn thất khi vỡ nợ LGD và xác suất tụt hạng tín dụng, từ đó định giá lãi suất cho vay phù hợp với mức độ rủi ro của từng phân khúc khách hàng.

Thứ ba, giảng viên, nghiên cứu sinh và học viên cao học chuyên ngành Tài chính - Ngân hàng. Đây là nguồn tài liệu tham khảo giá trị về phương pháp nghiên cứu định lượng rủi ro tín dụng, cung cấp khung lý thuyết hoàn chỉnh và kỹ thuật xử lý dữ liệu ngân hàng thực tế tại Việt Nam.

Thứ tư, các chuyên gia phân tích và nhà hoạch định chính sách tại Ngân hàng Nhà nước. Đề tài cung cấp góc nhìn thực tiễn về thực trạng lệch pha kỳ hạn và rủi ro tín dụng tập trung tại các ngân hàng thương mại quy mô vừa và nhỏ, hỗ trợ quá trình hoàn thiện các văn bản quy phạm pháp luật về an toàn hệ thống.

Câu hỏi thường gặp

Mô hình CreditMetrics khác biệt như thế nào so với phương pháp trích lập dự phòng theo Quyết định 493/2005/QĐ-NHNN?

Phương pháp theo Quyết định 493/2005/QĐ-NHNN chỉ phân loại nợ tĩnh thành 5 nhóm dựa trên số ngày quá hạn và áp tỷ lệ trích lập cố định từ 5% đến 100%. Ngược lại, CreditMetrics lượng hóa rủi ro động dựa trên xác suất chuyển hạng tín dụng trong tương lai, kết hợp với các biến số xác suất vỡ nợ PD và tổn thất khi vỡ nợ LGD để định giá lại giá trị thị trường của từng khoản vay.

Tại sao luận văn lại lựa chọn cỡ mẫu 175 khách hàng thuộc 5 ngành kinh tế chính?

Do hạn chế về công cụ tính toán và tính chất phân tán của danh mục, tác giả chọn 35 khách hàng có dư nợ lớn nhất từ 5 nhóm ngành chi phối (chiếm hơn 80% tổng dư nợ) để tạo mẫu đại diện 175 quan sát. Phương pháp này đảm bảo phản ánh đầy đủ đặc trưng rủi ro tập trung ngành và mức độ biến động tín dụng mà vẫn đảm bảo độ tin cậy khi kiểm định suy rộng.

Rủi ro lớn nhất trong hoạt động tín dụng của Ngân hàng Việt Á tại thời điểm nghiên cứu là gì?

Rủi ro lớn nhất là sự tập trung dư nợ quá mức vào ngành Bất động sản với 4.687 tỷ đồng (chiếm 43,94% tổng dư nợ), cùng với 1.746 tỷ đồng dư nợ cho vay bằng vàng tồn đọng. Tình trạng này kết hợp với sự mất cân đối kỳ hạn nghiêm trọng (78% nguồn vốn là huy động ngắn hạn) đã đẩy tỷ lệ nợ xấu lên 6,17%.

Ma trận chuyển hạng tín dụng đóng vai trò gì trong việc xác định tổn thất danh mục?

Ma trận chuyển hạng cung cấp bảng phân phối xác suất một khoản vay sẽ chuyển dịch sang các thứ hạng tín nhiệm khác nhau từ AAA đến D sau chu kỳ 01 năm. Các xác suất này đóng vai trò là trọng số gia quyền để tính toán giá trị trung bình kỳ vọng và độ lệch chuẩn của dòng tiền khoản vay được chiết khấu về hiện tại.

Ngân hàng quy mô vừa và nhỏ tại Việt Nam có đủ điều kiện áp dụng CreditMetrics không?

Hoàn toàn có thể áp dụng. Điều kiện tiên quyết là ngân hàng phải vận hành hệ thống chấm điểm xếp hạng tín dụng nội bộ định kỳ và lưu trữ dữ liệu lịch sử tối thiểu 2 đến 3 năm. Các tham số như lãi suất phi rủi ro (lấy theo tín phiếu 8%/năm) và phần bù rủi ro có thể chuẩn hóa từ dữ liệu thị trường và lịch sử thu hồi tài sản bảo đảm.

Kết luận

• Luận văn đã thực nghiệm thành công mô hình CreditMetrics để lượng hóa toàn diện rủi ro danh mục cho vay quy mô 10.670 tỷ đồng tại Ngân hàng Thương mại Cổ phần Việt Á.
• Xác lập quy trình chuẩn mực 8 bước ứng dụng khung lý thuyết Giá trị chịu rủi ro VaR vào công tác quản trị rủi ro tín dụng tại một ngân hàng thương mại Việt Nam.
• Nhận diện chính xác các điểm nghẽn rủi ro tập trung then chốt: dư nợ Bất động sản chiếm 43,94%, dư nợ vàng tồn đọng 1.746 tỷ đồng và tỷ lệ nợ xấu chạm mốc 6,17%.
• Xây dựng thành công hệ thống ma trận chuyển hạng tín dụng thực tế qua 4 chu kỳ đánh giá liên tiếp, làm cơ sở khoa học cho việc định giá các khoản vay theo giá trị thị trường.
• Đề xuất hệ thống giải pháp tái cấu trúc danh mục tín dụng, kiểm soát thanh khoản và nâng cấp hệ thống Core Banking theo lộ trình 12 đến 24 tháng để chủ động đáp ứng chuẩn mực Basel II.

Đóng góp lớn nhất của công trình nghiên cứu là đã chứng minh tính khả thi của việc chuyển đổi từ phương thức quản lý nợ định tính thụ động sang mô hình định lượng rủi ro chủ động. Các ngân hàng thương mại và tổ chức tín dụng cần nhanh chóng nhân rộng việc ứng dụng mô hình CreditMetrics nhằm nâng cao năng lực dự báo tổn thất và bảo đảm an toàn thanh khoản bền vững.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 CƠ SỞ LÝ LUẬN VỀ MÔ HÌNH CREDITMETRICS 1.1 Lượng hóa rủi ro trong danh mục 1.1 Danh mục cho vay 1.1 Khái niệm “cho vay” “Cho vay là hình thức cấp tín dụng, theo đó bên cho vay giao hoặc cam kết giao cho KH một khoản tiền để sử dụng vào mục đích xác định trong một thời gian nhất định theo thỏa thuận với nguyên tắc có hoàn trả cả gốc và lãi” (khoản 16, Điều 4, Luật các tổ chức tín dụng số 47/2012/QH12 ngày 16/06/2010). Như vậy, một khoản cho vay có các đặc điểm sau: + Một khoản tiền được bên cho vay giao hoặc cam kết giao cho bên đi vay. Bên cho vay có thể giao tiền một lần ngay sau khi ký kết hợp đồng tín dụng hoặc có thể là một cam kết giao tiền nhiều lần trong các hợp đồng giải ngân nhiều lần (cho vay theo hạn mức). + Khoản vay phải có mục đích xác định và thực hiện trong một thời gian nhất định.

Mục đích xác định thể hiện khoản tiền đã giải ngân sử dụng đúng cho đối tượng cần được tài trợ theo nguyện vọng ban đầu của người đi vay. Xác định đúng mục đích là yếu tố quan trọng hàng đầu trong tôn chỉ cho vay vì suy cho cùng, bản chất của việc vay mượn phải hướng đến một mục đích phát triển nhất định thông qua việc sử dụng vốn. Và khoản vay chỉ được thực hiện trong một khoảng thời gian nhất định, nhằm đạt được một vòng quay trong chu trình chu chuyển vốn để nguồn vốn đó có thể được tiếp tục tái sử dụng cho đối tượng khác. + Hoàn trả cả gốc và lãi: đây là đặc trưng tất yếu của việc vay mượn.

Về cơ bản, ngân hàng là định chế trung gian trong chu trình chu chuyển vốn giữa các thành phần trong nền kinh tế, và nó là định chế thuần dịch vụ về tiền tệ nên lãi suất chính là khoản thu nhập chủ yếu để bản thân NH có thể tự trang trải tất cả các chi phí hoạt động (trả lãi huy động vốn; lương nhân viên; đầu tư cơ sở vật chất…). Về phía người đi vay, lãi suất phải trả chính là động lực lớn nhất để họ có ý thức sử dụng đúng mục đích và có hiệu quả. LUAN VAN CHAT LUONG download : add luanvanchat@agmail.2 Danh mục cho vay Danh mục cho vay của ngân hàng là tập hợp tất cả các khoản cho vay thuộc sở hữu của ngân hàng tại một thời điểm nhất định, được sắp xếp theo các tiêu thức khác nhau, phục vụ cho các mục đích cụ thể của ngân hàng. Một số tiêu thức phân loại danh mục cho vay của ngân hàng:  Phân loại theo thời gian Ngắn hạn: các khoản cho vay có thời hạn đến 12 tháng.

Trung hạn: các khoản cho vay có thời hạn trên 12 tháng đến 60 tháng. Dài hạn: các khoản cho vay có thời hạn trên 60 tháng. Việc phân loại này có ý nghĩa giúp nhà quản trị NHTM kiểm soát được tỷ trọng mỗi loại thời hạn cho vay phù hợp với các nguồn huy động được, đảm bảo khả năng thanh toán của NHTM.  Phân loại theo chủ thể vay  Cá nhân, bao gồm: Cá nhân có đầy đủ năng lực hành vi dân sự theo quy định của Bộ luật dân sự 2005 Hộ gia đình, hộ kinh doanh, hoặc các đối tượng khác không bắt buộc phải thành lập doanh nghiệp theo Luật doanh nghiệp 2005  Doanh nghiệp, bao gồm: Doanh nghiệp nhà nước Doanh nghiệp tư nhân Doanh nghiệp có vốn đầu tư nước ngoài Doanh nghiệp cổ phần Doanh nghiệp trách nhiệm hữu hạn Việc phân loại này giúp NHTM đánh giá được mức độ rủi ro tín dụng theo từng đối tượng KH, từ đó có những kế hoạch cụ thể nhằm xây dựng các gói sản phẩm đặc thù cho mỗi loại đối tượng, phù hợp với định hướng phát triển của từng NHTM.

 Phân loại theo loại tiền tệ  Đồng VN: KH nhận nợ bằng đồng Việt Nam LUAN VAN CHAT LUONG download : add [e-mail] 6  Ngoại tệ (*): KH nhận nợ bằng ngoại tệ (USD, GBP, EUR…) phù hợp với quy định của Luật quản lý ngoại hối và đáp ứng các điều kiện cho vay của từng NHTM (thường là các doanh nghiệp có doanh thu từ xuất nhập khẩu)  Vàng: KH nhận nợ bằng vàng. Tuy nhiên, kể từ sau khi NHNN ban hành thông tư 11/2011/TT-NHNN ngày 29/04/2011 Quy định về chấm dứt huy động và cho vay vốn bằng vàng của Tổ chức tín dụng thì các NHTM không được cho vay ra bằng vàng nữa. Đến thời điểm 30/06/2013, các NHTM đã chính thức buộc phải tất toán trạng thái huy động và cho vay vàng theo công văn 7019/NHNN-QLNH ngày 26/10/2012 về Chấm dứt huy động và cho vay vốn bằng vàng Việc phân loại này giúp nhà quản trị có những hoạch định trong việc huy động các loại tiền tệ, phục vụ nhu cầu cho vay, phù hợp với định hướng phát triển trong từng phân khúc KH mà mỗi NHTM hướng tới. Ví dụ, các NHTM lựa chọn phân khúc tài trợ cho ngoại thương thì thường sẽ có mức dự trữ, huy động ngoại tệ cao để đáp ứng cho phân khúc của họ.

 Phân loại theo khu vực địa lý Thường các NHTM chia danh mục cho vay theo khu vực hoạt động của hệ thống như Miền Đông Nam Bộ, Miền Trung, Tây Nguyên, Bắc Trung Bộ, Miền Bắc. Mỗi khu vực có điều kiện đặc trưng về kinh tế, nhu cầu vay. Việc phân loại này giúp đưa ra những sản phẩm cho vay, chính sách cho vay khác nhau. Đồng thời, nhà quản trị dễ theo dõi, định hướng rủi ro cho từng khu vực để có những điều chỉnh phù hợp với mục tiêu, chiến lược của từng NHTM.

 Phân loại theo tình trạng đảm bảo tiền vay  Các khoản cho vay có TSBĐ Các khoản cho vay được bảo đảm một phần hoặc hoàn toàn bằng giá trị TSBĐ theo giá trị định giá của từng NHTM. Ở đây, nguồnTSBĐ như là nguồn trả nợ thứ hai của KH bên cạnh dòng tiền của phương án là nguồn trả nợ thứ nhất, là cách thức để các NHTM hạn chế rủi ro trong suốt quá trình cấp tín dụng. TSBĐ có thể là tài sản cầm cố, thế chấp, tài sản hình thành trong tương lai hay tài sản được bảo lãnh bởi bên thứ ba. Cũng cần lưu ý, giá trị tài sản về mặt sổ sách có thể hoàn toàn đảm bảo LUAN VAN CHAT LUONG download : add [e-mail] 7 cho khoản vay nhưng đó là giá trị định giá riêng của từng NHTM, và giá trị thực khi thu hồi tài sản (trong trường hợp KH không trả được nợ) có thể thấp hơn vì nó phụ thuộc vào giá trị thị trường tại thời điểm thanh lý.

 Các khoản cho vay không có TSBĐ Các khoản cho vay không được bảo đảm bằng nguồn trả nợ dự phòng là tài sản. Ở đây, dòng tiền của phương án là nguồn trả nợ duy nhất và KH vay thường phải có uy tín nhất định trong lịch sử quan hệ giao dịch với NHTM. Việc phân loại này có ý nghĩa giúp nhà quản trị phân tích được mức độ rủi ro trong danh mục cho vay một cách trực tiếp thông qua giá trị thu hồi từ khoản vay. Từ đó có những điều chỉnh phù hợp với yêu cầu tính thanh khoản, trích lập dự phòng, lợi nhuận…  Phân loại theo Nhóm nợ Theo cách phân loại nợ hiện nay, quy định tại Điều 10, Thông tư 02/2013/TT- NHNN nói trên, các NHTM chia danh mục cho vay thành 05 nhóm nợ  Nhóm 1 (Nợ đủ tiêu chuẩn), bao gồm: Nợ trong hạn và được đánh giá là có khả năng thu hồi đầy đủ cả nợ gốc và lãi đúng hạn; Nợ quá hạn dưới 10 ngày và được đánh giá là có khả năng thu hồi đầy đủ nợ gốc và lãi bị quá hạn và thu hồi đầy đủ nợ gốc và lãi còn lại đúng thời hạn.

 Nhóm 2 (Nợ cần chú ý), bao gồm: Nợ quá hạn từ 10 ngày đến 90 ngày; Nợ điều chỉnh kỳ hạn trả nợ lần đầu  Nhóm 3 (Nợ dưới tiêu chuẩn), bao gồm: Nợ quá hạn từ 91 ngày đến 180 ngày; Nợ gia hạn nợ lần đầu; Nợ được miễn hoặc giảm lãi do khách hàng không đủ khả năng trả lãi đầy đủ theo hợp đồng tín dụng  Nhóm 4 (Nợ nghi ngờ), bao gồm: Nợ quá hạn từ 181 ngày đến 360 ngày; LUAN VAN CHAT LUONG download : add [e-mail] 8 Nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn dưới 90 ngày theo thời hạn trả nợ được cơ cấu lại lần đầu; Nợ cơ cấu lại thời hạn trả nợ lần thứ hai  Nhóm 5 (Nợ có khả năng mất vốn), bao gồm: Nợ quá hạn trên 360 ngày; Nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn từ 90 ngày trở lên theo thời hạn trả nợ được cơ cấu lại lần đầu; Nợ cơ cấu lại thời hạn trả nợ lần thứ hai quá hạn theo thời hạn trả nợ được cơ cấu lại lần thứ hai; Nợ cơ cấu lại thời hạn trả nợ lần thứ ba trở lên, kể cả chưa bị quá hạn hoặc đã quá hạn Việc phân loại này giúp NHTM định danh rủi ro những khoản nợ theo tiêu chí trích lập dự phòng cụ thể. Trong đó, nhóm nợ thể hiện mức độ rủi ro của từng khoản nợ và nhà quản trị có cái nhìn bao quát về mức trích lập để có chiến lược phù hợp.  Phân loại theo ngành kinh tế  Nông lâm ngư nghiệp: các khoản cho vay phục vụ nhu cầu sản xuất, thương mại ở các lĩnh vực trồng trọt, chăn nuôi gia súc, nuôi trồng, đánh bắt thủy hải sản  Thương mại dịch vụ: tập hợp các khoản cho vay phục vụ nhu cầu bổ sung vốn của các cá nhân/ doanh nghiệp trong lĩnh vực thương mại hàng hóa, dịch vụ đời sống.  Xây dựng và bất động sản: tập hợp các khoản cho vay liên quan đến đầu tư, kinh doanh bất động sản như chuyển nhượng đất, xây dựng, sửa chữa nhà cửa, văn phòng, đầu tư cơ sở hạ tầng…  Công nghiệp chế biến khai thác: tập hợp các khoản cho vay liên quan tới trang trải các chi phí mua nguyên vật liệu, đầu tư máy móc thiết bị, dây chuyền sản xuất… Việc phân loại này giúp nhà quản trị đánh giá được lợi ich và rủi ro mà mỗi ngành kinh tế mang lại, từ đó xây dựng và điều chỉnh danh mục tối ưu nhằm đảm bảo các mục tiêu chiến lược của NHTM.

LUAN VAN CHAT LUONG download : add luanvanchat@agmail.2 Rủi ro danh mục cho vay 1.