Luận văn thạc sĩ lượng hóa rủi ro danh mục cho vay bằng mô hình creditmetrics tại ngân hàng thương mại cổ phần việt á

Luận văn thạc sĩ nghiên cứu lượng hóa rủi ro danh mục cho vay bằng mô hình creditmetrics tại ngân hàng thương mại cổ phần việt á, đánh giá hiện trạng, phân tích vấn đề, 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 Cho Vay Bằng Mô Hình CreditMetrics
• Loại tài liệu: Luận Văn Thạc Sĩ Kinh Tế
• 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
• 1.3. Rủi ro 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 lượng hóa rủi ro cho vay bằng CreditMetrics

Lượng hóa rủi ro cho vay là một trong những vấn đề quan trọng trong quản lý tài chính ngân hàng. Mô hình CreditMetrics được phát triển để giúp các ngân hàng đánh giá và quản lý rủi ro tín dụng một cách hiệu quả. Mô hình này sử dụng các yếu tố như xác suất vỡ nợ và tổn thất khi vỡ nợ để tính toán rủi ro trong danh mục cho vay. Việc áp dụng mô hình này không chỉ giúp ngân hàng giảm thiểu rủi ro mà còn tối ưu hóa lợi nhuận từ hoạt động cho vay.

1.1. Khái niệm và vai trò của CreditMetrics trong quản lý rủi ro

CreditMetrics là một mô hình định lượng được sử dụng để lượng hóa rủi ro tín dụng trong danh mục cho vay. Mô hình này giúp ngân hàng xác định được mức độ rủi ro của từng khoản vay dựa trên các yếu tố như xác suất chuyển hạng tín dụng và tổn thất khi vỡ nợ. Việc áp dụng CreditMetrics giúp ngân hàng có cái nhìn tổng quan về rủi ro trong danh mục cho vay, từ đó đưa ra các quyết định quản lý phù hợp.

1.2. Lợi ích của việc lượng hóa rủi ro tín dụng

Việc lượng hóa rủi ro tín dụng mang lại nhiều lợi ích cho ngân hàng, bao gồm khả năng dự đoán tổn thất, tối ưu hóa quy trình cho vay và cải thiện khả năng quản lý rủi ro. Bằng cách sử dụng mô hình CreditMetrics, ngân hàng có thể xác định được các khoản vay có rủi ro cao và từ đó có các biện pháp phòng ngừa hiệu quả.

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

Mặc dù mô hình CreditMetrics mang lại nhiều lợi ích, nhưng việc áp dụng nó cũng gặp phải nhiều thách thức. Các ngân hàng cần có hệ thống dữ liệu đầy đủ và chính xác để thực hiện các tính toán cần thiết. Ngoài ra, việc đào tạo nhân viên và cải thiện công nghệ thông tin cũng là những yếu tố quan trọng để mô hình hoạt động hiệu quả.

2.1. Thiếu hụt dữ liệu và thông tin

Một trong những thách thức lớn nhất trong việc áp dụng CreditMetrics là thiếu hụt dữ liệu và thông tin cần thiết. Các ngân hàng cần có một hệ thống dữ liệu mạnh mẽ để thu thập và phân tích thông tin về các khoản vay, từ đó đưa ra các quyết định chính xác.

2.2. Đào tạo và nâng cao năng lực nhân viên

Để mô hình CreditMetrics hoạt động hiệu quả, ngân hàng cần đầu tư vào đào tạo nhân viên. Nhân viên cần hiểu rõ về mô hình và cách áp dụng nó trong thực tiễn để có thể đưa ra các quyết định quản lý rủi ro chính xác.

III. Phương pháp áp dụng CreditMetrics trong quản lý rủi ro cho vay

Để áp dụng mô hình CreditMetrics, ngân hàng cần thực hiện một số bước cơ bản. Đầu tiên, ngân hàng cần xác định các yếu tố đầu vào cho mô hình, bao gồm xác suất vỡ nợ và tổn thất khi vỡ nợ. Sau đó, ngân hàng cần xây dựng ma trận chuyển hạng tín dụng để tính toán rủi ro trong danh mục cho vay.

3.1. Xác định các yếu tố đầu vào cho mô hình

Các yếu tố đầu vào cho mô hình CreditMetrics bao gồm xác suất vỡ nợ (PD) và tổn thất khi vỡ nợ (LGD). Việc xác định chính xác các yếu tố này là rất quan trọng để đảm bảo tính chính xác của mô hình.

3.2. Xây dựng ma trận chuyển hạng tín dụng

Ma trận chuyển hạng tín dụng là công cụ quan trọng trong mô hình CreditMetrics. Ma trận này giúp ngân hàng theo dõi sự thay đổi chất lượng tín dụng của các khoản vay theo thời gian, từ đó đưa ra các quyết định quản lý rủi ro phù hợp.

IV. Ứng dụng thực tiễn của CreditMetrics tại ngân hàng thương mại cổ phần Việt Á

Ngân hàng thương mại cổ phần Việt Á đã áp dụng mô hình CreditMetrics để lượng hóa rủi ro trong danh mục cho vay. Việc áp dụng mô hình này đã giúp ngân hàng cải thiện khả năng quản lý rủi ro và tối ưu hóa lợi nhuận từ hoạt động cho vay. Kết quả cho thấy mô hình CreditMetrics có thể được áp dụng hiệu quả trong bối cảnh ngân hàng Việt Nam.

4.1. Kết quả đạt được từ việc áp dụng CreditMetrics

Việc áp dụng mô hình CreditMetrics đã giúp ngân hàng thương mại cổ phần Việt Á giảm thiểu rủi ro tín dụng và tối ưu hóa lợi nhuận từ hoạt động cho vay. Ngân hàng đã có thể dự đoán chính xác hơn về tổn thất và từ đó có các biện pháp phòng ngừa hiệu quả.

4.2. Những bài học kinh nghiệm từ việc áp dụng mô hình

Ngân hàng thương mại cổ phần Việt Á đã rút ra nhiều bài học kinh nghiệm từ việc áp dụng mô hình CreditMetrics. Điều này bao gồm việc cần có một hệ thống dữ liệu mạnh mẽ và việc đào tạo nhân viên để đảm bảo mô hình hoạt động hiệu quả.

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

Mô hình CreditMetrics đã chứng minh được tính hiệu quả trong việc lượng hóa rủi ro cho vay. Trong tương lai, việc áp dụng mô hình này sẽ ngày càng trở nên phổ biến hơn tại các ngân hàng Việt Nam. Các ngân hàng cần tiếp tục cải thiện hệ thống dữ liệu và nâng cao năng lực nhân viên để tối ưu hóa việc áp dụng mô hình.

5.1. Triển vọng phát triển của CreditMetrics tại Việt Nam

Với sự phát triển của công nghệ thông tin và hệ thống dữ liệu, mô hình CreditMetrics có triển vọng phát triển mạnh mẽ tại Việt Nam. Các ngân hàng có thể áp dụng mô hình này để cải thiện khả năng quản lý rủi ro và tối ưu hóa lợi nhuận.

5.2. Những thách thức cần vượt qua trong tương lai

Mặc dù có nhiều triển vọng, nhưng việc áp dụng mô hình CreditMetrics cũng gặp phải nhiều thách thức. Các ngân hàng cần phải vượt qua những thách thức này để đảm bảo mô hình hoạt động hiệu quả và mang lại giá trị thực cho hoạt động cho vay.

Nội dung chính

Tổng quan nghiên cứu

Hoạt động cho vay giữ vai trò huyết mạch trong việc tạo lập doanh thu và sử dụng vốn của hệ thống ngân hàng thương mại Việt Nam. Đến thời điểm ngày 30 tháng 4 năm 2013, tổng dư nợ cho vay tại Ngân hàng Thương mại Cổ phần Việt Á đạt 10.670 tỷ đồng, chiếm tới 53% tổng tài sản, nhưng đồng thời quy mô nợ xấu cũng gia tăng lên mức 658 tỷ đồng, chiếm tỷ lệ 6,17% tổng dư nợ. Thực trạng này đặt ra yêu cầu cấp thiết về việc nâng cao năng lực đo lường và kiểm soát tổn thất tín dụng.

Trước bối cảnh phương pháp phân loại nợ truyền thống theo Quyết định số 493/2005/QĐ-NHNN và Thông tư số 02/2013/TT-NHNN chủ yếu mang tính định tính và phản ánh sự kiện đã xảy ra, nghiên cứu đặt ra vấn đề cần lượng hóa mức độ tổn thất tiềm năng theo phương pháp hiện đại. Mục tiêu nghiên cứu cụ thể là ứng dụng mô hình CreditMetrics để ước tính giá trị chịu rủi ro VaR, đo lường tổn thất kỳ vọng và tổn thất ngoài kỳ vọng của danh mục tín dụng theo từng ngành kinh tế tại ngân hàng.

Phạm vi nghiên cứu tập trung vào danh mục cho vay khách hàng doanh nghiệp và cá nhân có số dư nợ đến ngày 30 tháng 4 năm 2013, sử dụng chuỗi dữ liệu xếp hạng tín dụng nội bộ định kỳ từ năm 2011 đến năm 2013. Kết quả nghiên cứu mang ý nghĩa thực tiễn sâu sắc, giúp ngân hàng chủ động đánh giá mức độ an toàn vốn, tối ưu hóa quỹ dự phòng rủi ro 149 tỷ đồng hiện hữu và từng bước tiếp cận chuẩn mực quản trị rủi ro Basel II.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng khung lý thuyết đo lường giá trị chịu rủi ro tín dụng thông qua mô hình CreditMetrics do J.P. Morgan và các định chế tài chính quốc tế phát triển từ năm 1997. Khác với mô hình vỡ nợ nhị phân CreditRisk+ dựa trên phân phối Poisson hay mô hình Credit Portfolio View gắn với các biến số kinh tế vĩ mô, CreditMetrics tiếp cận dựa trên sự thay đổi chất lượng tín dụng và xác suất chuyển hạng của từng khoản vay trong tương lai.

Khung phân tích vận hành dựa trên các khái niệm cốt lõi:

• Xác suất vỡ nợ của khoản vay theo từng hạng tín nhiệm.
• Tỷ lệ tổn thất khi vỡ nợ, phụ thuộc vào chất lượng tài sản bảo đảm.
• Giá trị chịu rủi ro tại thời điểm vỡ nợ.
• Tổn thất kỳ vọng được trích lập qua quỹ dự phòng thông thường.
• Tổn thất không kỳ vọng đại diện cho mức biến động rủi ro cần được bù đắp bằng vốn tự có.

Mô hình định giá lại toàn bộ dòng tiền của hợp đồng tín dụng tại thời điểm cuối kỳ bằng cách chiết khấu theo lãi suất phi rủi ro kết hợp với phần bù rủi ro tín dụng tương ứng với từng bậc xếp hạng.

Phương pháp nghiên cứu

Nghiên cứu kết hợp phương pháp thống kê mô tả và phương pháp kiểm định tham số trong thống kê toán học. Nguồn dữ liệu thứ cấp được thu thập từ hệ thống báo cáo quản trị tín dụng và hệ thống xếp hạng tín dụng nội bộ 10 bậc (từ AAA đến D) của Ngân hàng Thương mại Cổ phần Việt Á qua 4 kỳ đánh giá bán niên liên tiếp từ ngày 31 tháng 3 năm 2011 đến ngày 31 tháng 3 năm 2013. Lãi suất trái phiếu kho bạc kỳ hạn 1 năm đạt 8,0%/năm được chọn làm lãi suất phi rủi ro chuẩn.

Phương pháp chọn mẫu có chủ đích được áp dụng với quy mô mẫu gồm 175 khách hàng có dư nợ lớn nhất, chia đều cho 5 nhóm ngành kinh tế trọng yếu (35 khách hàng mỗi nhóm ngành): Bất động sản, Thương mại dịch vụ, Bán buôn bán lẻ, Công nghiệp chế biến chế tạo và Các ngành khác. Lý do lựa chọn phương pháp phân tích này là nhằm kiểm soát dung lượng mẫu đủ lớn đại diện cho rủi ro tập trung danh mục, từ đó thiết lập ma trận chuyển hạng thực nghiệm kích thước 10x10. Dựa trên phân phối tổn thất của mẫu, nghiên cứu sử dụng kiểm định Z-test để suy diễn thống kê về mức tổn thất tổng thể với các mức độ tin cậy 95% và 99%.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích danh mục cho vay thời điểm tháng 4 năm 2013 cho thấy mức độ rủi ro tập trung rất cao tại Ngân hàng Thương mại Cổ phần Việt Á:

• Danh mục theo ngành kinh tế: Tín dụng bất động sản chiếm tỷ trọng áp đảo với 43,94% tổng dư nợ (tương đương 4.687 tỷ đồng) và tạo ra 185 tỷ đồng nợ xấu, chiếm 28,04% tổng nợ xấu toàn hệ thống. Ngành thương mại dịch vụ đứng thứ hai với 20,6% dư nợ, trong khi ngành công nghiệp chế biến chế tạo chiếm 10,2%.
• Cơ cấu kỳ hạn: Cho vay ngắn hạn chiếm 41,26% và trung hạn chiếm 44,46%, tạo ra sự lệch pha nghiêm trọng với nguồn vốn huy động khi tiền gửi ngắn hạn chiếm tới 78% tổng nguồn huy động.
• Trạng thái cho vay bằng vàng: Dư nợ vàng còn tồn đọng 1.746 tỷ đồng (chiếm 16,37% dư nợ), trong đó nợ xấu bằng vàng lên tới 278 tỷ đồng với 116 tỷ đồng thuộc nhóm nợ có khả năng mất vốn.
• Động thái dịch chuyển chất lượng tín dụng: Ma trận chuyển hạng giai đoạn 2011-2013 ghi nhận xu hướng tụt hạng gia tăng mạnh mẽ từ các nhóm hạng trung bình khá (A, BBB) xuống các hạng rủi ro cao (BB, B, CCC). Tỷ lệ giữ nguyên hạng chỉ đạt khoảng 75-85%, trong khi xác suất chuyển dịch sang trạng thái vỡ nợ tăng dần theo từng chu kỳ bán niên.

Thảo luận kết quả

Kết quả đo lường tổn thất tổng hợp chỉ ra rằng mức trích lập dự phòng theo quy định hiện hành 149 tỷ đồng (tương ứng 1,4% tổng dư nợ) là chưa phản ánh đầy đủ giá trị tổn thất tiềm năng trong điều kiện thị trường biến động tiêu cực. Khi lượng hóa qua mô hình CreditMetrics với độ tin cậy 99%, tổng tổn thất bao gồm tổn thất kỳ vọng và tổn thất ngoài kỳ vọng vượt đáng kể mức trích lập dự phòng sổ sách.

Nguyên nhân cốt lõi bắt nguồn từ mặt bằng lãi suất cho vay thực tế giai đoạn này duy trì ở mức rất cao (bình quân 18,96%/năm đối với Việt Nam Đồng), gây áp lực bào mòn khả năng trả nợ của doanh nghiệp vay vốn. Phân phối tổn thất danh mục tín dụng khi được mô phỏng trên đồ thị thể hiện tính chất bất đối xứng rõ rệt với phần đuôi dày lệch phải, hoàn toàn khác biệt so với giả định phân phối chuẩn thuần túy. Kết quả này tương đồng với các nghiên cứu định lượng của Đặng Tùng Lâm (2010) và Bùi Diệu Anh (2010), khẳng định tính ưu việt của CreditMetrics trong việc cảnh báo sớm nguy cơ suy giảm giá trị tài sản tín dụng trước khi nợ chuyển nhóm quá hạn.

Đề xuất và khuyến nghị

Nhằm nâng cao hiệu quả quản trị rủi ro danh mục cho vay và khả năng ứng dụng thực tế mô hình CreditMetrics, các giải pháp cụ thể được đề xuất:

• Hoàn thiện hệ thống xếp hạng tín dụng nội bộ: Chuẩn hóa bộ tiêu chí chấm điểm định lượng tài chính và định tính phi tài chính cho 10 hạng tín dụng, cập nhật cơ sở dữ liệu xác suất vỡ nợ và tỷ lệ tổn thất khi vỡ nợ định kỳ hàng quý, hướng tới mục tiêu giảm sai số xếp hạng dưới 5% trong năm 2014. Trách nhiệm thực hiện thuộc Khối Quản trị Rủi ro.
• Nâng cấp hạ tầng công nghệ thông tin: Tích hợp phân hệ đo lường VaR tự động vào hệ thống ngân hàng lõi Flexcube trong vòng 12 tháng, cho phép trích xuất tự động ma trận chuyển dịch tín dụng hàng tháng. Trách nhiệm thực hiện thuộc Trung tâm Công nghệ Thông tin và Phòng Quản lý Tín dụng.
• Tái cơ cấu danh mục và phân tán rủi ro: Giảm tỷ trọng cấp tín dụng ngành bất động sản từ 43,94% xuống dưới mức trần 30% trong lộ trình 2013-2015, mở rộng quy mô giải ngân cho nhóm doanh nghiệp nhỏ và vừa trong lĩnh vực sản xuất chế biến. Trách nhiệm thực hiện thuộc Hội đồng Tín dụng và Khối Khách hàng Doanh nghiệp.
• Kiến nghị cơ quan quản lý Nhà nước: Ngân hàng Nhà nước và Bộ Tài chính cần sớm xây dựng trung tâm định giá tài sản độc lập, thiết lập khung xếp hạng tín dụng chung toàn ngành và hoàn thiện thị trường mua bán nợ tập trung thông qua Công ty Quản lý Tài sản VAMC trong giai đoạn 2013-2015.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị tham khảo thiết thực cho 4 nhóm đối tượng chính:

• Cán bộ quản trị rủi ro tại các ngân hàng thương mại: Tham khảo phương pháp luận xây dựng ma trận chuyển hạng tín dụng thực nghiệm, quy trình định giá lại hợp đồng vay và kỹ thuật tính toán vốn đệm rủi ro theo khung VaR.
• Chuyên viên thẩm định và phê duyệt tín dụng: Vận dụng cách tiếp cận định lượng phần bù rủi ro tín dụng để xây dựng chính sách lãi suất linh hoạt theo mức độ rủi ro của từng khách hàng.
• Học viên cao học và nhà nghiên cứu chuyên ngành Tài chính - Ngân hàng: Sử dụng làm tài liệu tham khảo điển hình về case-study ứng dụng mô hình định lượng rủi ro tín dụng tại một ngân hàng thương mại quy mô vừa và nhỏ ở Việt Nam.
• Cơ quan thanh tra, giám sát ngân hàng: Có thêm cơ sở thực tiễn để đánh giá tác động của việc chuyển đổi từ cơ chế phân loại nợ định tính sang mô hình đo lường rủi ro định lượng theo lộ trình Basel II.

Câu hỏi thường gặp

Mô hình CreditMetrics vượt trội hơn phương pháp phân loại nợ truyền thống ở điểm nào?

Phương pháp truyền thống theo Quyết định số 493/2005/QĐ-NHNN chỉ ghi nhận nợ xấu khi đã phát sinh quá hạn, mang tính phản ứng chậm. CreditMetrics vượt trội nhờ tính toán xác suất chuyển hạng tương lai, định giá lại tài sản theo giá thị trường và lượng hóa chính xác tổn thất ngoài kỳ vọng tại các mức độ tin cậy cụ thể.

Phần bù rủi ro tín dụng trong mô hình được xác định như thế nào?

Phần bù rủi ro tín dụng được xác định bằng tích số giữa xác suất vỡ nợ và tỷ lệ tổn thất khi vỡ nợ. Hạng tín dụng càng thấp thì phần bù rủi ro càng cao, làm tăng suất chiết khấu và giảm hiện giá thu hồi của khoản nợ.

Tại sao ma trận chuyển hạng lại đóng vai trò hạt nhân trong mô hình CreditMetrics?

Ma trận chuyển hạng phản ánh đầy đủ động thái tăng hạng, giữ hạng, tụt hạng và vỡ nợ của toàn bộ danh mục trong một khoảng thời gian xác định. Đây là đầu vào quyết định để mô phỏng phân phối giá trị danh mục và tính toán phương sai tổn thất.

Mô hình CreditMetrics kiểm soát rủi ro tập trung danh mục bằng cách nào?

Mô hình lượng hóa mức biến động tổn thất tăng thêm khi danh mục đầu tư quá mức vào một ngành kinh tế hoặc một nhóm khách hàng lớn. Thông qua hệ số biến thiên, ngân hàng có thể xác định hạn mức tín dụng tối ưu nhằm tối thiểu hóa tổn thất ngoài kỳ vọng.

Rào cản lớn nhất khi ứng dụng CreditMetrics tại các ngân hàng Việt Nam là gì?

Thách thức lớn nhất là tính đầy đủ và chuẩn hóa của chuỗi dữ liệu lịch sử xếp hạng nội bộ. Ngoài ra, việc thiếu dữ liệu thị trường để xác định hệ số tương quan giữa các ngành kinh tế đòi hỏi ngân hàng phải thiết lập các giả định phù hợp trong quá trình tính toán.

Kết luận

• Luận văn đã hệ thống hóa toàn diện cơ sở lý luận về quản trị rủi ro danh mục và phương pháp đo lường VaR tín dụng thông qua mô hình CreditMetrics.
• Nghiên cứu làm rõ thực trạng rủi ro tập trung cao tại Ngân hàng Thương mại Cổ phần Việt Á với 43,94% dư nợ thuộc ngành bất động sản và tỷ lệ nợ xấu 6,17%.
• Đã xây dựng thành công ma trận chuyển hạng tín dụng thực nghiệm 10 bậc từ chuỗi dữ liệu bán niên giai đoạn 2011-2013 cho 175 khách hàng đại diện.
• Lượng hóa chính xác tổn thất kỳ vọng và tổn thất ngoài kỳ vọng, chứng minh nhu cầu cấp thiết phải bổ sung vốn đệm dự phòng rủi ro tín dụng ngoài quỹ dự phòng 149 tỷ đồng hiện tại.
• Đề xuất hệ thống 4 nhóm giải pháp tái cơ cấu danh mục, chuẩn hóa công nghệ thông tin và kiến nghị cơ chế chính sách phục vụ lộ trình hiện đại hóa ngân hàng giai đoạn 2013-2015.

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. TIEU LUAN MOI download : skknchat@gmail.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 TIEU LUAN MOI download : [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 TIEU LUAN MOI download : [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; TIEU LUAN MOI download : [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.

TIEU LUAN MOI download : skknchat@gmail.2 Rủi ro danh mục cho vay 1.