Xây Dựng Mô Hình Cảnh Báo Nguy Cơ Vỡ Nợ Đối Với Các Ngân Hàng Thương Mại Cổ Phần Việt Nam

Luận án tiến sĩ kinh tế xây dựng mô hình cảnh báo nguy cơ vỡ nợ cho các ngân hàng thương mại cổ phần tại Việt Nam, góp phần nâng cao an toàn tài chính.

• Tác giả: Đặng Huy Ngân
• Người hướng dẫn: GS. Nguyễn Quang Dong
• Trường học: Trường Đại Học Kinh Tế Quốc Dân
• Chuyên ngành: Kinh Tế Học (Toán Kinh Tế)
• Đề tài: Mô Hình Cảnh Báo Nguy Cơ Vỡ Nợ Đối Với Các Ngân Hàng Thương Mại Cổ Phần Việt Nam
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2018
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN CÁC NGHIÊN CỨU VỀ VỠ NỢ NGÂN HÀNG
• 1.1. Khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại
• 1.2. Tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng trên thế giới
• 1.3. Tổng quan các mô hình và các nghiên cứu vỡ nợ tiêu biểu
• 1.4. Tổng quan các tiêu chí được coi là vỡ nợ hoặc nguy cơ vỡ nợ cao trong các nghiên cứu trước
• 1.5. Các nhân tố, biến số trong các nghiên cứu vỡ nợ
• 1.6. Các nghiên cứu về dự báo vỡ nợ, vỡ nợ ngân hàng ở Việt Nam
• 1.7. Kết luận chương 1
• 2. CHƯƠNG 2: CƠ SỞ LÝ LUẬN VỀ VỠ NỢ NGÂN HÀNG THƯƠNG MẠI
• 2.1. Tiêu chí xác định nguy cơ vỡ nợ
• 2.2. Các nhân tố ảnh hưởng tới nguy cơ vỡ nợ của các ngân hàng thương mại
• 2.3. Các nhân tố vĩ mô ảnh hưởng đến hoạt động của các ngân hàng
• 2.4. Các nhân tố vi mô ảnh hưởng tới nguy cơ vỡ nợ của các ngân hàng thương mại
• 2.5. Cơ sở lý thuyết một số mô hình áp dụng trong nghiên cứu cảnh báo vỡ nợ
• 2.5.1. Mô hình Logit, mô hình Logit với số liệu mảng
• 2.5.2. Cây quyết định. Phương pháp bao dữ liệu (DEA) đánh giá hiệu quả hoạt động của các NHTMCP
• 2.6. Khung nghiên cứu của luận án
• 2.7. Kết luận chương 2
• 3. CHƯƠNG 3: THỰC TRẠNG HOẠT ĐỘNG, NGUY CƠ VỠ NỢ CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM GIAI ĐOẠN 2009-2015
• 3.1. Tình hình kinh tế vĩ mô giai đoạn 2009-2015
• 3.2. Một số chính sách tiền tệ giai đoạn 2009-2015
• 3.3. Hoạt động ngành ngân hàng
• 3.3.1. Cơ cấu sở hữu, quy mô và phạm vi hoạt động của các ngân hàng
• 3.3.2. Mức độ an toàn vốn và quy mô tổng tài sản của các NHTMCP
• 3.3.3. Khả năng sinh lời, hiệu quả quản lý tài sản
• 3.3.4. Tăng trưởng huy động và tín dụng, khả năng thanh khoản
• 3.3.5. Chất lượng tài sản, mức độ thâm hụt. Nguy cơ vỡ nợ của một số NHTMCP điển hình trong giai đoạn 2009-2015
• 3.4. Kết luận chương 3
• 4. CHƯƠNG 4: XÂY DỰNG MÔ HÌNH CẢNH BÁO NGUY CƠ VỠ NỢ CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM
• 4.1. Thiết kế nghiên cứu
• 4.2. Xác định nguy cơ vỡ nợ của các NHTMCP Việt Nam
• 4.3. Hệ thống các chỉ tiêu tác động tới nguy cơ vỡ nợ. Phân tích thống kê
• 4.4. Mô hình Logit dữ liệu mảng
• 4.5. Mô hình mạng nơron. Mô hình cây quyết định
• 4.6. Kết luận chương 4
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ CHÍNH SÁCH
• 5.1. Các kết quả đạt được. Phân loại các ngân hàng thương mại cổ phần
• 5.2. Một số kiến nghị và hàm ý chính sách
• KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
• DANH MỤC CÁC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Mô Hình Cảnh Báo Vỡ Nợ Ngân Hàng Hiện Nay

Hệ thống ngân hàng đóng vai trò then chốt trong nền kinh tế, được ví như "hệ thống huyết mạch". Tuy nhiên, hoạt động ngân hàng luôn tiềm ẩn nhiều rủi ro, và rủi ro là một yếu tố không thể tách rời. Rủi ro vỡ nợ ngân hàng có thể gây ra những tổn thất to lớn, thậm chí lớn hơn bất kỳ loại hình doanh nghiệp nào khác. Chi phí khắc phục hậu quả thường rất cao. Việc cảnh báo sớm rủi ro vỡ nợ góp phần quan trọng ngăn chặn nguy cơ đổ vỡ, giảm thiểu thiệt hại cho người gửi tiền, ngân hàng, các tổ chức bảo hiểm tiền gửi và toàn bộ nền kinh tế. Ngân hàng yếu kém vỡ nợ có thể tạo ra sự đổ vỡ dây chuyền, ảnh hưởng nghiêm trọng đến sự phát triển bền vững của hệ thống ngân hàng. Phát hiện sớm các ngân hàng gặp khó khăn có ý nghĩa đặc biệt quan trọng đối với cơ quan quản lý trong việc ngăn chặn khủng hoảng hệ thống, giữ vững sự ổn định của thị trường tài chính, ổn định kinh tế vĩ mô. Theo hiệp ước Basell II, nguy cơ vỡ nợ là sự kiện liên quan đến chủ thể vay khi không có khả năng trả nợ đúng hạn hoặc giá trị tài sản nhỏ hơn vốn vay.

1.1. Khái niệm Vỡ nợ và Vỡ nợ Ngân hàng Thương mại

Hiện tượng “phá sản” hay “vỡ nợ” đã xuất hiện từ lâu nhưng được nhắc đến nhiều hơn trong nền kinh tế thị trường. Trong môi trường cạnh tranh khốc liệt, doanh nghiệp kinh doanh hiệu quả tồn tại và phát triển, còn doanh nghiệp kém hiệu quả, thua lỗ và không thể thanh toán các nghĩa vụ tài chính sẽ vỡ nợ, phá sản. Sự vỡ nợ của doanh nghiệp dẫn đến xung đột lợi ích giữa các chủ thể kinh tế. Theo từ điển Tiếng Việt, "phá sản" là tình trạng tài sản không còn gì, thường là vỡ nợ do kinh doanh thua lỗ. Trong luận án này, tác giả sử dụng thuật ngữ 'vỡ nợ'. Dưới giác độ pháp lý, theo luật phá sản số 51/2014/QH13, "Vỡ nợ là tình trạng của doanh nghiệp, hợp tác xã mất khả năng thanh toán và bị tòa án nhân dân ra quyết định tuyên bố vỡ nợ".

1.2. Hậu quả nghiêm trọng của Vỡ nợ Ngân hàng

Sự vỡ nợ của các NHTM gây ra mất vốn cho cổ đông ngân hàng, tổn thất cho người gửi tiền (nếu không được bảo hiểm đầy đủ). Nếu quy mô vỡ nợ lớn, nó có thể tạo phản ứng đổ vỡ dây chuyền hệ thống ngân hàng, kéo theo khủng hoảng tài chính. Hậu quả của nó rất dai dẳng, gây ra suy thoái kinh tế và làm kiệt quệ nguồn vốn đầu tư. Ví dụ điển hình là chi phí khắc phục hậu quả của cuộc khủng hoảng tài chính Châu Á năm 1997 lên tới 200 tỷ đô-la Mỹ, trong đó người gửi tiền và Chính phủ gánh chịu. Đã có nhiều vụ vỡ nợ ngân hàng lớn trên thế giới.

II. Thách Thức Tại Sao Mô Hình Cảnh Báo Vỡ Nợ Lại Quan Trọng

Hệ thống các ngân hàng thương mại cổ phần (NHTMCP) Việt Nam bắt đầu xuất hiện vào những năm cuối thập niên 80 của thế kỷ XX và phát triển mạnh trong giai đoạn 1991-1996, tiếp theo là giai đoạn 2006-2010. Sự phát triển mạnh mẽ về mọi mặt của hệ thống ngân hàng đã góp phần quan trọng vào sự phát triển kinh tế đất nước. Tuy nhiên, bên cạnh những thành tựu đạt được thì hệ thống ngân hàng thương mại cổ phần cũng đang bộc lộ nhiều hạn chế, yếu kém, nhiều NHTMCP đã lâm vào tình trạng mất khả năng thanh toán vào cuối năm 2011. Đó là lý do chính cho sự ra đời của Đề án Cơ cấu lại hệ thống tổ chức tín dụng (TCTD) giai đoạn 2011-2015. Nghị quyết Hội nghị Trung ương 3 (khóa XI) khẳng định: “Một trong ba trọng tâm tái cấu trúc kinh tế là cơ cấu lại hệ thống tài chính, trong đó trọng tâm là cơ cấu lại hệ thống ngân hàng”.

2.1. Tầm Quan Trọng của Việc Phân Loại Ngân Hàng Yếu Kém

Để tái cơ cấu hệ thống ngân hàng thành công thì việc quan trọng đầu tiên cần làm là phân loại, nhận diện chính xác các ngân hàng yếu kém có nguy cơ vỡ nợ cao. Việc này giúp các cơ quan quản lý đưa ra các biện pháp can thiệp kịp thời và hiệu quả, tránh tình trạng "chữa cháy" khi khủng hoảng đã xảy ra. Phân loại chính xác giúp phân bổ nguồn lực tái cơ cấu hợp lý hơn, tập trung vào các ngân hàng thực sự cần hỗ trợ.

2.2. Hạn Chế Của Các Mô Hình Cảnh Báo Vỡ Nợ Hiện Tại

Cho đến nay trên thế giới đã có nhiều lý thuyết và mô hình về cảnh báo vỡ nợ, khủng hoảng như: phân tích phân biệt đơn biến, mô hình phân tích phân biệt đa biến (MDA), mô hình Logit (LA), Probit (PA),… Gần đây các phương pháp, mô hình thuộc nhánh sử dụng các kỹ thuật thông minh như mạng nơron (ANN), cây quyết định (DT), mô hình nhận dạng các đặc điểm (TR), thuật toán di truyền,. đã được áp dụng trong nghiên cứu cảnh báo vỡ nợ và hứa hẹn nhiều kết quả tốt. Các nghiên cứu cũng cho thấy mỗi phương pháp, mô hình đều có những ưu, khuyết điểm riêng và ngay trong một mô hình khi áp dụng ở các quốc gia khác nhau, các khu vực khác nhau cũng có các biến thể khác nhau, điều đó phụ thuộc vào điều kiện kinh tế của mỗi quốc gia, mỗi khu vực.

III. Phương Pháp Xây Dựng Mô Hình Cảnh Báo Vỡ Nợ Hiệu Quả Nhất

Đã có nhiều mô hình được xây dựng với sự trợ giúp của công nghệ máy tính tiên tiến nhằm giải thích nguyên nhân cũng như dự báo, ngăn ngừa vỡ nợ, khủng hoảng. Tuy nhiên trên thực tế vẫn xảy ra các cuộc vỡ nợ các ngân hàng, các tổ chức tài chính với quy mô và ảnh hưởng ngày càng lớn mà người ta không dự báo được, do vậy việc xây dựng các mô hình cảnh báo vỡ nợ vẫn luôn cần được quan tâm, bổ sung, hoàn thiện. Những biến động rất lớn về kinh tế - xã hội, tính không dự báo được của các sự kiện tự nhiên, kinh tế xã hội làm cho việc sử dụng các phương pháp truyền thống, phương pháp hiện tại nhiều trường hợp không còn phù hợp nữa.

3.1. Kết hợp Phương Pháp Định Lượng và Định Tính Trong Nghiên Cứu

Để phù hợp với nội dung, yêu cầu và mục đích nghiên cứu đã đặt ra, luận án sử dụng phương pháp phân tích định lượng và phân tích định tính. Mô hình hồi quy Logit với dữ liệu mảng, mô hình mạng nơ ron và cây quyết định được sử dụng để xây dựng mô hình cảnh báo nguy cơ vỡ nợ cho các NHTMCP Việt Nam. Luận án sử dụng các số liệu thu thập từ các báo cáo của NHNN, các báo cáo tài chính đã được kiểm toán của các NHTMCP thời kỳ 2010-2015.

3.2. Xác Định Các Chỉ Số Tài Chính Quan Trọng Ảnh Hưởng Vỡ Nợ

Luận án tập trung vào việc xác định và phân tích các chỉ số tài chính quan trọng có khả năng dự báo nguy cơ vỡ nợ. Các chỉ số này bao gồm các chỉ số về khả năng thanh khoản, khả năng sinh lời, hiệu quả quản lý tài sản, chất lượng tài sản và mức độ thâm hụt vốn. Phân tích các chỉ số này giúp đánh giá sức khỏe tài chính của các NHTMCP và xác định những dấu hiệu cảnh báo sớm về nguy cơ vỡ nợ.

IV. Ứng Dụng Thực Tế Mô Hình Dự Đoán Vỡ Nợ Ngân Hàng tại VN

Luận án tập trung vào việc xây dựng mô hình cảnh báo vỡ nợ cho các NHTMCP Việt Nam, dựa trên dữ liệu thực tế và các phương pháp phân tích hiện đại. Kết quả nghiên cứu sẽ cung cấp một công cụ hữu ích cho các cơ quan quản lý, các nhà đầu tư và các NHTMCP trong việc đánh giá rủi ro và đưa ra các quyết định phù hợp. Việc xây dựng một mô hình cảnh báo sớm giúp các bên liên quan chủ động hơn trong việc quản lý rủi ro và giảm thiểu thiệt hại.

4.1. Lượng Hóa Đặc Thù Ngân Hàng và Tác Động Đến Rủi Ro Vỡ Nợ

Một trong những điểm nổi bật của luận án là việc lượng hóa tính đặc thù của từng ngân hàng và tác động của nó đến khả năng vỡ nợ. Điều này giúp mô hình cảnh báo vỡ nợ trở nên chính xác và phù hợp hơn với điều kiện thực tế của các NHTMCP Việt Nam. Việc này sẽ giúp phân tích sâu hơn về cách thức quản lý rủi ro ảnh hưởng đến từng ngân hàng.

4.2. Đề Xuất Giải Pháp Giảm Thiểu Nguy Cơ Vỡ Nợ cho NHTMCP

Dựa trên kết quả phân tích và đánh giá, luận án đề xuất một số giải pháp cụ thể nhằm giảm thiểu nguy cơ vỡ nợ cho các NHTMCP Việt Nam. Các giải pháp này bao gồm các biện pháp tăng cường quản lý rủi ro, nâng cao hiệu quả hoạt động, cải thiện chất lượng tài sản và tăng cường năng lực tài chính. Các giải pháp này cần được thực hiện một cách đồng bộ và có hệ thống để đạt được hiệu quả cao nhất.

V. Nghiên Cứu Chuyên Sâu Dự Báo Vỡ Nợ NH Kết Quả Đạt Được

Luận án xây dựng cơ sở lý luận cho mô hình cảnh báo nguy cơ vỡ nợ các NHTMCP. Xây dựng, lựa chọn hệ thống các chỉ tiêu sử dụng trong cảnh báo vỡ nợ ngân hàng, xác định được các nhân tố, các chỉ tiêu ảnh hưởng tới nguy cơ vỡ nợ của các NHTMCP. Từ việc lượng hóa tính đặc thù của từng ngân hàng ảnh hưởng tới khả năng vỡ nợ. Quan trọng nhất, luận án đã xây dựng được mô hình cảnh báo vỡ nợ cho các NHTMCP và đề xuất một số giải pháp giảm nguy cơ vỡ nợ cho các NHTMCP dựa trên các phân tích của luận án.

5.1. Phân Loại Ngân Hàng Thương Mại Cổ Phần Dựa Trên Rủi Ro

Một trong những kết quả quan trọng của luận án là khả năng phân loại các ngân hàng thương mại cổ phần dựa trên mức độ rủi ro vỡ nợ. Việc này cung cấp cho các nhà quản lý và nhà đầu tư cái nhìn tổng quan về tình hình tài chính của từng ngân hàng, từ đó đưa ra quyết định đầu tư và quản lý rủi ro hiệu quả hơn.

5.2. Hàm Ý Chính Sách và Kiến Nghị Cho Ngành Ngân Hàng Việt Nam

Dựa trên kết quả nghiên cứu, luận án đưa ra một số hàm ý chính sách và kiến nghị cụ thể cho ngành ngân hàng Việt Nam. Các kiến nghị này tập trung vào việc tăng cường quản lý rủi ro, cải thiện chất lượng tài sản, nâng cao năng lực tài chính và hoàn thiện hệ thống pháp luật liên quan đến hoạt động ngân hàng.

VI. Tương Lai Mô Hình Cảnh Báo Sớm Vỡ Nợ Hướng Nghiên Cứu

Những biến động rất lớn về kinh tế - xã hội, tính không dự báo được của các sự kiện tự nhiên, kinh tế xã hội làm cho việc sử dụng các phương pháp truyền thống, phương pháp hiện tại nhiều trường hợp không còn phù hợp nữa. Xuất phát từ các lý do trên, nghiên cứu sinh chọn đề tài: “Xây dựng mô hình cảnh báo nguy cơ vỡ nợ đối với các ngân hàng thương mại cổ phần Việt Nam” làm luận án tiến sỹ kinh tế (chuyên ngành Toán kinh tế) để góp phần giải quyết một vấn đề mà lý luận và thực tiễn đang đặt ra.

6.1. Phát Triển Mô Hình Cảnh Báo Vỡ Nợ Linh Hoạt và Thích Ứng

Trong bối cảnh kinh tế và tài chính thế giới liên tục biến động, việc phát triển các mô hình cảnh báo vỡ nợ linh hoạt và có khả năng thích ứng cao là vô cùng quan trọng. Các mô hình này cần có khả năng tự động điều chỉnh các tham số và trọng số để phản ánh những thay đổi trong môi trường kinh doanh.

6.2. Ứng Dụng Trí Tuệ Nhân Tạo và Học Máy trong Dự Báo Vỡ Nợ

Việc ứng dụng trí tuệ nhân tạo (AI) và học máy (Machine Learning) có thể giúp cải thiện đáng kể độ chính xác và hiệu quả của các mô hình cảnh báo vỡ nợ. Các kỹ thuật AI và Machine Learning có khả năng phân tích dữ liệu lớn và phức tạp, phát hiện ra những mối quan hệ tiềm ẩn mà các phương pháp truyền thống không thể nhận ra.

Nội dung chính

Tổng quan về luận án

Trong cấu trúc kinh tế hiện đại, hệ thống ngân hàng thương mại được ví như "hệ thống huyết mạch" trung chuyển vốn, giữ vai trò quyết định đối với sự vận hành ổn định và phát triển bền vững của nền kinh tế quốc dân. Tuy nhiên, hoạt động ngân hàng luôn mang tính bất đối xứng thông tin cao và tiềm ẩn những rủi ro mang tính hệ thống. Rủi ro vỡ nợ của ngân hàng thương mại cổ phần (NHTMCP) không chỉ đơn thuần gây tổn thất vốn chủ sở hữu của cổ đông hay quyền lợi của người gửi tiền, mà còn có khả năng kích hoạt hiệu ứng domino đổ vỡ dây chuyền, dẫn đến các cuộc khủng hoảng tài chính trầm trọng với chi phí khắc phục lên tới hàng tỷ USD. Điển hình như cuộc khủng hoảng tài chính châu Á năm 1997 đã tiêu tốn hơn 200 tỷ USD chi phí cứu trợ, hay giai đoạn 1988–1992 tại Hoa Kỳ đã chứng kiến hơn 1.300 tổ chức tín dụng sụp đổ với chi phí khắc phục tương đương 3% GDP. Tại Việt Nam, sự tăng trưởng nóng trong giai đoạn 2006–2010 đã làm bộc lộ nhiều điểm nghẽn nghiêm trọng, đẩy nhiều NHTMCP vào trạng thái mất khả năng thanh toán vào cuối năm 2011, buộc Chính phủ và Ngân hàng Nhà nước (NHNN) phải ban hành Đề án Cơ cấu lại hệ thống các tổ chức tín dụng giai đoạn 2011–2015 theo Quyết định 254/QĐ-TTg. Trong bối cảnh đó, luận án tiến sĩ kinh tế (chuyên ngành Kinh tế học - Toán kinh tế) của nghiên cứu sinh Đặng Huy Ngân (2018) dưới sự hướng dẫn khoa học của GS. Nguyễn Quang Dong tại Trường Đại học Kinh tế Quốc dân với đề tài "Xây dựng mô hình cảnh báo nguy cơ vỡ nợ đối với các ngân hàng thương mại cổ phần Việt Nam" mang tính tiên phong và cấp thiết sâu sắc cả về mặt lý luận kinh tế lượng lẫn thực tiễn điều hành kinh tế vĩ mô.

Khoảng trống nghiên cứu (research gap) then chốt mà luận án tập trung giải quyết xuất phát từ ba hạn chế cốt lõi trong y văn kinh tế học tài chính tại Việt Nam trước đây:

1. Giới hạn về khung thời gian và cấu trúc dữ liệu: Hầu hết các công trình nghiên cứu vỡ nợ tại Việt Nam (như Nguyễn Trọng Hòa, 2009; Nguyễn Quang Dong, 2009) chỉ sử dụng dữ liệu cắt ngang (cross-sectional data) trong phạm vi 01 năm duy nhất, chưa theo dõi được quá trình suy giảm tài chính mang tính chu kỳ và động thái tích tụ rủi ro của các ngân hàng qua chuỗi thời gian nhiều năm.
2. Sự thiếu vắng của mô hình tích hợp đa chiều: Các nghiên cứu trong nước trước đây chủ yếu tập trung vào các chỉ số kế toán vi mô đơn lẻ mà bỏ qua tác động cộng hưởng của môi trường kinh tế vĩ mô (tăng trưởng GDP, lạm phát CPI, biến động tỷ giá và chính sách tiền tệ) cũng như chưa đo lường hiệu quả kỹ thuật tổng thể của ngân hàng.
3. Bỏ sót tính đặc thù cá thể ngân hàng: Chưa có nghiên cứu thực nghiệm nào tại Việt Nam lượng hóa được các đặc trưng bất biến theo thời gian nhưng khác biệt giữa các cá thể ngân hàng (như quy mô, danh tiếng thương hiệu, cấu trúc sở hữu, khẩu vị rủi ro của ban quản trị) bằng các mô hình kinh tế lượng dữ liệu mảng nâng cao và các thuật toán trí tuệ nhân tạo phi tham số.

Luận án thiết lập hệ thống 04 câu hỏi nghiên cứu (Research Questions - RQ) và 04 giả thuyết khoa học (Hypotheses - H) tương ứng:

• RQ1: Những nhân tố tài chính vi mô và điều kiện kinh tế vĩ mô nào có ý nghĩa thống kê trong việc giải thích và dự báo nguy cơ suy giảm tài chính, mất khả năng thanh toán của các NHTMCP Việt Nam?
• RQ2: Tính đặc thù riêng biệt của từng cá thể ngân hàng ảnh hưởng như thế nào đến xác suất vỡ nợ và làm thế nào để lượng hóa sự khác biệt này?
• RQ3: Hiệu năng phân loại và dự báo rủi ro vỡ nợ của mô hình kinh tế lượng tham số (Logit dữ liệu mảng) so với các mô hình phi tham số thông minh (Mạng nơ-ron nhân tạo - ANN, Cây quyết định - DT) có sự khác biệt như thế nào trong điều kiện thực tiễn Việt Nam?
• RQ4: Những hàm ý quản trị và giải pháp chính sách nào cần được thiết lập nhằm xây dựng hệ thống cảnh báo sớm (Early Warning System - EWS) hữu hiệu cho cơ quan giám sát và các định chế tài chính?

Tương ứng với các câu hỏi nghiên cứu, các giả thuyết được kiểm định bao gồm:

• H1: Tỷ lệ nợ xấu (NPL), chi phí dự phòng rủi ro tín dụng và tỷ lệ đòn bẩy tài chính có mối tương quan thuận có ý nghĩa thống kê với xác suất rơi vào tình trạng nguy cơ vỡ nợ cao của NHTMCP.
• H2: Tỷ lệ an toàn vốn (CAR), hệ số sinh lời trên tổng tài sản (ROA), hiệu quả kỹ thuật (TE đo lường qua DEA) và tăng trưởng kinh tế vĩ mô (GDP) có mối tương quan nghịch có ý nghĩa thống kê với nguy cơ vỡ nợ của ngân hàng.
• H3: Tồn tại các hiệu ứng đặc thù cá thể cố định không quan sát được (unobserved individual heterogeneity) giữa các ngân hàng tạo ra sự phân hóa rõ rệt về ngưỡng an toàn tài chính nội tại.
• H4: Các mô hình học máy phi tham số (ANN, DT) có khả năng nhận diện các mối quan hệ phi tuyến tính phức tạp, mang lại độ chính xác phân loại tổng thể vượt trội hơn các mô hình tham số truyền thống.

Khung lý thuyết tổng quát của luận án là sự giao thoa giữa Lý thuyết bất cân xứng thông tin (Asymmetric Information Theory của Akerlof, Stiglitz & Weiss), Lý thuyết giám sát an toàn vi mô/vĩ mô CAMELS, Lý thuyết biên sản xuất hiệu quả (Data Envelopment Analysis - DEA) và Lý thuyết xác suất vỡ nợ/định giá quyền chọn (Option Pricing Model của Merton, 1974). Đóng góp đột phá của nghiên cứu thể hiện qua việc xây dựng thành công chỉ báo nhận diện rủi ro kép: kết hợp giữa tỷ lệ nợ xấu danh nghĩa ($\text{NPL} \ge 3%$) theo ngưỡng giám sát nghiêm ngặt của NHNN và mức độ thâm hụt hiệu quả hoạt động kỹ thuật (thuộc nhóm C qua phân tích DEA). Mẫu nghiên cứu bao trùm toàn diện 35 NHTMCP Việt Nam (bao gồm cả các NHTMCP do Nhà nước nắm cổ phần chi phối như Vietcombank, VietinBank, BIDV, MHB) trong giai đoạn bản lề 2010–2015 với hơn 114 quan sát mảng hoàn chỉnh, tạo nên một cơ sở dữ liệu thực nghiệm chuẩn xác và có giá trị khái quát hóa cao.

---

Literature Review và Positioning

Tổng quan y văn quốc tế về dự báo kiệt quệ tài chính và vỡ nợ doanh nghiệp/ngân hàng đã trải qua hơn tám thập kỷ tiến hóa với nhiều trường phái học thuật tiêu biểu:

Trường phái phân tích thống kê tham số khởi đầu từ phân tích phân biệt đơn biến (Univariate Discriminant Analysis - UDA) của Fitzpatrick (1932), Merwin (1942) và đặc biệt là công trình kinh điển của Beaver (1966). Beaver đã nghiên cứu 79 công ty vỡ nợ và 79 công ty không vỡ nợ qua 30 chỉ số tài chính, chứng minh rằng chỉ số Lưu chuyển tiền tệ thuần / Tổng nợ có khả năng phân loại chính xác tới 92% trước vỡ nợ 01 năm. Bước tiến tiếp theo là mô hình Phân tích phân biệt đa biến (Multivariate Discriminant Analysis - MDA) của Altman (1968) với chỉ số Z-score nổi tiếng xây dựng trên 5 tỷ số tài chính trọng yếu ($X_1$ đến $X_5$), đạt độ chính xác 95% trên mẫu nội suy. Altman sau đó đã hiệu chỉnh thành mô hình Z''-score (Altman, 1995, 2003) với 4 biến số để áp dụng cho các doanh nghiệp phi sản xuất và dịch vụ, tạo cơ sở cho việc xếp hạng tín nhiệm tương đương chuẩn Standard & Poor's. Tại thị trường châu Á mới nổi, Ling Zhang và cộng sự (2001) đã tái cấu trúc hàm phân biệt Z-China cho các công ty niêm yết tại Trung Quốc với độ nhạy cao.

Nhằm khắc phục các giả định khắt khe về phân phối chuẩn đa biến và phương sai đồng nhất của MDA, Ohlson (1980) đã tiên phong áp dụng mô hình hồi quy xác suất điều kiện Logit đa biến (Binary Logit Model) trên mẫu 105 công ty vỡ nợ và 2.000 công ty lành mạnh, đạt độ chính xác 96,3%. Tiếp nối Ohlson, Martin (1977) và West (1985) đã đưa Logit vào lĩnh vực ngân hàng thương mại tại Hoa Kỳ, kết hợp phân tích nhân tố với hệ thống xếp hạng CAMELS của Cục Dự trữ Liên bang.

Trường phái cấu trúc thị trường dựa trên Mô hình định giá quyền chọn (Option Pricing Model) của Black-Scholes và Merton (1974), được Moody's-KMV (1993) thương mại hóa thành công thông qua đại lượng Khoảng cách tới vỡ nợ (Distance to Default - DD). Mô hình này đo lường xác suất giá trị thị trường của tài sản ngân hàng sụt giảm xuống dưới giá trị danh nghĩa của các nghĩa vụ nợ ngắn hạn.

Từ thập niên 1990 đến nay, trường phái phi tham số và trí tuệ nhân tạo (Machine Learning/AI) bùng nổ mạnh mẽ. Odom và Sharda (1990) là những người đầu tiên ứng dụng Mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) đa tầng truyền thẳng, chứng minh khả năng phân loại chính xác 100% trên tập dữ liệu kiểm tra, vượt trội hoàn toàn so với mức 86,8% của MDA. Tam và Kiang (1992) thực nghiệm so sánh ANN, MDA, Logit và Cây quyết định (Decision Tree - DT với thuật toán ID3) trên dữ liệu 118 ngân hàng tại bang Texas (Hoa Kỳ), khẳng định ANN có năng lực khái quát hóa vượt trội đối với các quan hệ phi tuyến tính. Kolari và cộng sự (2002) phát triển hệ thống cảnh báo sớm phối hợp giữa Logit và Mô hình nhận dạng đặc điểm (Trait Recognition - TR) cho các ngân hàng lớn của Mỹ, đạt độ chính xác 100% với TR. Lanine và Vander Vennet (2006) khi nghiên cứu các NHTM tại Nga đã kết luận TR và Logit có khả năng phân loại vượt trội khi tích hợp các biến thanh khoản và an toàn vốn. Ravi và Pramodh (2008) ghi nhận độ chính xác từ 96,6% đến 100% khi áp dụng ANN cho hệ thống ngân hàng Thổ Nhĩ Kỳ và Tây Ban Nha.

                    TIẾN TRÌNH TIẾN HÓA CỦA Y VĂN CẢNH BÁO VỠ NỢ

Trong y văn tồn tại hai cuộc tranh luận học thuật sâu sắc:

• Tranh luận 1: Mô hình kinh tế lượng tham số vs. Thuật toán học máy phi tham số. Các nhà kinh tế lượng truyền thống lập luận rằng mô hình Logit có nền tảng thống kê tường minh, cho phép giải thích ý nghĩa kinh tế của các hệ số hồi quy ($\beta$) và tác động biên (marginal effects), trong khi ANN bị chỉ trích là một "hộp đen" (black box) thiếu khả năng diễn giải cơ chế nhân quả. Ngược lại, các nhà khoa học máy tính chứng minh các mô hình phi tham số không đòi hỏi giả định về phân phối chuẩn, không bị ảnh hưởng bởi hiện tượng đa cộng tuyến và tối ưu hóa năng lực phân loại thực nghiệm.
• Tranh luận 2: Tính hữu dụng của các chỉ số CAMELS tại các thị trường tài chính mới nổi. Rojas-Suarez (2001) chỉ ra rằng tại các nền kinh tế đang phát triển với chuẩn mực kế toán lỏng lẻo, quy định phân loại nợ xấu thiếu minh bạch và thị trường vốn kém thanh khoản, các hệ số CAMELS truyền thống có thể bị bóp méo, làm giảm độ tin cậy của mô hình cảnh báo sớm. Tuy nhiên, Distinguin và Tarazi (2008) khi phân tích 64 ngân hàng Đông Nam Á (giai đoạn 1999–2004) lại khẳng định sự kết hợp giữa chỉ số kế toán CAMELS và chỉ số thị trường vẫn mang lại giá trị dự báo tối ưu cho sự thay đổi xếp hạng tín nhiệm (Fitch, Moody's, S&P).

Về mặt định vị nghiên cứu, luận án đặt mình tại giao điểm tiên tiến: kế thừa tính giải thích của kinh tế lượng mảng (Panel Logit với hiệu ứng cố định FE), đồng thời khai thác sức mạnh tối ưu hóa phi tuyến tính của Mạng nơ-ron nhân tạo (ANN) và tính trực quan minh bạch của Cây quyết định (Decision Tree), kết hợp với kỹ thuật phân tích màng bao dữ liệu (DEA) để giải quyết đặc thù của hệ thống ngân hàng Việt Nam.

So sánh với hai nghiên cứu quốc tế điển hình tại các thị trường tương đồng:

1. Nghiên cứu của Duclaux và Soupmo Badjio (2009) trên hệ thống ngân hàng thuộc 06 quốc gia miền Trung châu Phi: Do thiếu thông tin vỡ nợ pháp lý, tác giả định nghĩa ngân hàng gặp khó khăn khi tỷ lệ thanh toán an toàn vốn $< 8%$ (chuẩn Basel II). Tuy nhiên, nghiên cứu này chỉ dùng Logit nhị phân cắt ngang và chỉ có 3/12 biến có ý nghĩa thống kê. Luận án của Đặng Huy Ngân vượt trội hơn nhờ khai thác dữ liệu mảng 5 năm, kết hợp kiểm định Hausman và bổ sung mô hình phi tham số.
2. Nghiên cứu của Birsen Eggi Erdogan (2016) trên 22 ngân hàng Thổ Nhĩ Kỳ (giai đoạn 2001–2012): Tác giả áp dụng mô hình Random Effects Panel Logit với định nghĩa vỡ nợ dựa trên ngưỡng sinh lời $\text{ROA} \le 0{,}01$. Điểm hạn chế của Erdogan là gộp các biến CAMELS thông qua phân tích nhân tố (Factor Analysis) làm mất đi tác động trực tiếp của từng chỉ tiêu kế toán cụ thể. Luận án khắc phục triệt để bằng việc giữ nguyên cấu trúc các tỷ số vi mô trọng yếu và xác lập tiêu chí rủi ro kép (NPL + DEA).

---

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mang lại những đóng góp lý thuyết nền tảng cho khoa học kinh tế và tài chính ngân hàng:

• Mở rộng lý thuyết bất cân xứng thông tin và rủi ro đạo đức trong giám sát ngân hàng: Nghiên cứu chứng minh rằng trong môi trường chuyển đổi, các tín hiệu rủi ro thường bị che giấu dưới các hình thức cơ cấu lại nợ hoặc hạch toán ngoại bảng. Việc tích hợp chỉ tiêu hiệu quả kỹ thuật DEA như một biến nội sinh đại diện cho năng lực chuyển hóa chi phí thành lợi nhuận giúp bóc tách lớp màn thông tin bất đối xứng, tăng cường năng lực giám sát từ xa của cơ quan quản lý.
• Phát triển giả thuyết quản trị yếu kém (Bad Management Hypothesis) của Berger và DeYoung (1997): Kết quả nghiên cứu khẳng định mối quan hệ biện chứng giữa sự sụt giảm hiệu quả chi phí kỹ thuật trong quá khứ với sự gia tăng đột biến của tỷ lệ nợ xấu và nguy cơ mất thanh khoản trong các chu kỳ kế tiếp.
• Xác lập mô hình lý thuyết lượng hóa tính bất biến cá thể: Bằng việc chuyển đổi từ tiếp cận hồi quy gộp (Pooled Logit) sang mô hình Logit dữ liệu mảng tác động cố định (Fixed Effects Logit), luận án đã chứng minh sự tồn tại của các tham số chặn riêng biệt $\alpha_i$ cho từng NHTMCP, phản ánh các yếu tố vô hình như văn hóa quản trị rủi ro, cấu trúc thâu tóm sở hữu chéo và uy tín thương hiệu mà các tỷ số tài chính đơn lẻ không thể đo lường.

                    KHUNG KHÁI NIỆM VÀ MÔ HÌNH LÝ THUYẾT ĐỀ XUẤT

Khung phân tích độc đáo

Khung phân tích của luận án được xây dựng dựa trên sự hợp nhất chặt chẽ giữa ba trường phái phương pháp luận:

1. Trụ cột phân tích đường bao dữ liệu (DEA): Sử dụng mô hình DEA hướng đầu ra (output-oriented) với giả định hiệu suất thay đổi theo quy mô (VRS - Banker, Charnes, Cooper, 1984) để tính toán điểm hiệu quả kỹ thuật (Technical Efficiency - TE) cho từng ngân hàng trong từng năm, làm căn cứ khách quan phân chia 3 nhóm hiệu quả hoạt động: Nhóm A (Hiệu quả tốt: $0{,}9 \le \text{TE} \le 1$), Nhóm B (Hiệu quả khá: $0{,}8 \le \text{TE} < 0{,}9$), và Nhóm C (Hiệu quả trung bình, yếu kém: $\text{TE} < 0{,}8$).
2. Trụ cột kinh tế lượng vi mô vi phân (Microeconometrics): Xây dựng hàm xác suất vỡ nợ điều kiện: $$P(Y_{it} = 1 | X_{it}) = \Lambda(\alpha_i + \beta X_{it} + \gamma Z_t) = \frac{\exp(\alpha_i + \beta X_{it} + \gamma Z_t)}{1 + \exp(\alpha_i + \beta X_{it} + \gamma Z_t)}$$ Trong đó: $X_{it}$ là véc-tơ các biến vi mô CAMELS của ngân hàng $i$ tại năm $t$; $Z_t$ là véc-tơ các biến vĩ mô; $\alpha_i$ là hệ số chặn đặc thù riêng biệt của ngân hàng $i$.
3. Trụ cột thuật toán trí tuệ nhân tạo và học máy:

• Mô hình Mạng nơ-ron nhân tạo (ANN): Cấu trúc Multi-Layer Perceptron (MLP) bao gồm 01 lớp đầu vào (các biến vi mô và vĩ mô chọn lọc), 01 lớp ẩn gồm 10 nút nơ-ron (hidden neurons) với hàm kích hoạt Sigmoid và thuật toán lan truyền ngược (Backpropagation), cùng 01 lớp đầu ra dự báo nhị phân xác suất vỡ nợ.
• Mô hình Cây quyết định (DT): Ứng dụng thuật toán phân chia nhánh dựa trên độ lợi thông tin (Information Gain) để chiết xuất các quy tắc logic dạng suy diễn "NẾU - THÌ" (IF - THEN rules), cung cấp ngưỡng cắt định lượng trực quan cho các chuyên viên giám sát.

Điều kiện biên (Boundary conditions): Khung phân tích này áp dụng hiệu quả nhất đối với các hệ thống ngân hàng tại các nền kinh tế đang phát triển có sự can thiệp và kiểm soát chặt chẽ của Nhà nước, nơi các thủ tục phá sản pháp lý bị đình hoãn để bảo đảm an ninh hệ thống tài chính quốc gia.

---

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

• Triết lý nghiên cứu (Research Philosophy): Luận án theo đuổi triết lý thực chứng (Positivism) kết hợp với chủ nghĩa hiện thực phản biện (Critical Realism), nhấn mạnh việc lượng hóa các quy luật kinh tế khách quan thông qua các mô hình toán học và kiểm định dữ liệu thực nghiệm nghiêm ngặt.
• Thiết kế nghiên cứu kết hợp định lượng đa phương pháp (Quantitative Multi-Method Design): Luận án không dừng lại ở một mô hình đơn lẻ mà triển khai ma trận đối chiếu gồm 03 mô hình định lượng hiện đại: Mô hình kinh tế lượng tham số (Panel Logit), Mô hình mạng nơ-ron phi tham số (ANN) và Mô hình cây quyết định (DT).
• Cỡ mẫu và tiêu chí lựa chọn: Mẫu nghiên cứu bao gồm 35 NHTMCP tại Việt Nam, chiếm hơn 90% tổng tài sản và dư nợ toàn hệ thống trong giai đoạn 2010–2015. Mẫu bao gồm cả 4 NHTMCP gốc quốc doanh lớn (Vietcombank, VietinBank, BIDV, MHB - trước khi sáp nhập) và các NHTMCP đô thị, nông thôn. Toàn bộ 114 quan sát mảng đều được thu thập từ báo cáo tài chính kiểm toán độc lập theo chuẩn mực kế toán Việt Nam (VAS) và các báo cáo giám sát thường niên của NHNN.

                    TIẾN TRÌNH THỰC THI PHƯƠNG PHÁP NGHIÊN CỨU

Quy trình nghiên cứu rigorous

• Giao thức thu thập và làm sạch dữ liệu: Dữ liệu thô được chuẩn hóa, loại bỏ các sai lệch do thay đổi niên độ kế toán hoặc sáp nhập pháp nhân trong kỳ.
• Giao thức phân tích đường bao dữ liệu (DEA): Luận án chọn 02 biến đầu vào gồm: Tổng chi phí hoạt động ($I_1$) và Vốn chủ sở hữu ($I_2$); 03 biến đầu ra gồm: Tổng dư nợ cho vay ($O_1$), Tổng tiền gửi huy động ($O_2$), và Lợi nhuận sau thuế ($O_3$). Việc áp dụng DEA cho phép đánh giá hiệu quả kỹ thuật mà không cần giả định trước dạng hàm sản xuất.
• Quy trình kiểm định kinh tế lượng mảng: Thực hiện kiểm định nhân tử Lagrange (Breusch-Pagan LM test) để lựa chọn giữa Pooled OLS và Random Effects; thực hiện kiểm định Hausman Specification Test với giả thuyết $H_0$: Không có sự tương quan giữa các hiệu ứng ngẫu nhiên cá thể và các biến giải thích. Kết quả kiểm định Hausman có ý nghĩa thống kê ở mức $p < 0{,}01$ ($\chi^2$ bác bỏ $H_0$), khẳng định mô hình Logit tác động cố định (FE) là mô hình không chệch và hiệu quả nhất.
• Kiểm soát độ tin cậy và giá trị (Validity & Reliability): Kiểm định hiện tượng đa cộng tuyến thông qua hệ số tương quan cặp và nhân tử phóng đại phương sai (VIF $< 5$). Độ tin cậy của các thang đo được kiểm tra chéo qua các báo cáo tài chính đã được các công ty kiểm toán Big 4 (PwC, KPMG, Ernst & Young, Deloitte) xác nhận.

Data và phân tích

• Đặc tính mẫu và thống kê mô tả: Trong tổng số 114 quan sát giai đoạn 2010–2015, có 21 quan sát được phân loại vào nhóm có nguy cơ vỡ nợ cao ($Y=1$, chiếm 18,42%) và 93 quan sát thuộc nhóm an toàn ($Y=0$, chiếm 81,58%).
• Các công cụ và phần mềm thực thi: Mô hình DEA được xử lý bằng phần mềm chuyên dụng DEA-Solver; mô hình kinh tế lượng Panel Logit được ước lượng trên phần mềm thống kê Stata; các thuật toán Mạng nơ-ron nhân tạo (ANN) và Cây quyết định (DT) được lập trình và huấn luyện trên nền tảng công nghệ thông tin chuyên sâu.
• Các chỉ tiêu kiểm tra tính vững (Robustness Checks): Luận án tiến hành kiểm định độ vững bằng cách thay đổi các ngưỡng phân loại nợ xấu ($3%$ và $5%$), đồng thời đối chiếu kết quả dự báo chéo trên mẫu 114 quan sát toàn phần và các mẫu con kiểm tra độc lập (holdout samples). Kết quả ước lượng các hệ số hồi quy duy trì dấu nhất quán và mức ý nghĩa thống kê cao.

---

Phát hiện đột phá và implications

Những phát hiện then chốt

1. Sức mạnh giải thích vượt trội của nhóm biến Chất lượng tài sản và Khả năng sinh lời: Trong mô hình Logit mảng, biến tỷ lệ nợ xấu ($\text{NPL}$, $p < 0{,}01$) và biến tỷ lệ dự phòng rủi ro tín dụng trên nợ xấu có tác động dương mạnh nhất đến xác suất vỡ nợ. Ngược lại, biến tỷ suất sinh lời trên tổng tài sản ($\text{ROA}$, $p < 0{,}05$) và tỷ lệ vốn chủ sở hữu trên tổng tài sản ($\text{E/TA}$, $p < 0{,}05$) có tác động âm mang tính quyết định trong việc kiềm chế nguy cơ đổ vỡ.
2. Tác động phi tuyến của thanh khoản và tăng trưởng tín dụng nóng: Tốc độ tăng trưởng tín dụng quá mức trong giai đoạn trước ($t-1$, $t-2$) có mối tương quan thuận mạnh mẽ với xác suất ngân hàng bị rơi vào nhóm kiểm soát đặc biệt ở giai đoạn sau. Tỷ lệ cho vay trên tổng tiền gửi huy động (LDR) vượt ngưỡng 85% làm tăng nguy cơ thâm hụt thanh khoản nghiêm trọng khi thị trường liên ngân hàng biến động.
3. Lượng hóa thành công hệ số chặn đặc thù ($\alpha_i$) của 35 NHTMCP: Luận án đã chỉ ra rằng các NHTMCP có gốc quốc doanh (Vietcombank, VietinBank, BIDV) sở hữu hệ số chặn $\alpha_i$ âm rất lớn, thể hiện ngưỡng an toàn nội tại và khả năng chống chịu rủi ro cao hơn hẳn nhờ mạng lưới khách hàng truyền thống và sự bảo trợ ngầm từ Nhà nước. Ngược lại, các NHTMCP quy mô nhỏ (như GPBank, OceanBank, WesternBank, Navibank) có hệ số $\alpha_i$ dương cao, phản ánh tính dễ bị tổn thương nội tại trước các cú sốc thanh khoản.
4. Hiệu năng phân loại xuất sắc của Mạng nơ-ron nhân tạo (ANN): Mô hình ANN với cấu trúc 10 nút ẩn đạt độ chính xác phân loại tổng thể lên tới 98,2% trên tập dữ liệu huấn luyện và 95,6% trên tập dữ liệu kiểm tra, vượt trội hơn mô hình Logit (đạt 92,1%) và Cây quyết định (đạt 89,5%). Tỷ lệ sai lầm loại I (Type I error - phân loại nhầm một ngân hàng có nguy cơ vỡ nợ thành an toàn, gây hậu quả nguy hiểm nhất) của mô hình ANN được triệt tiêu về mức dưới 2%.
5. Cây quyết định chiết xuất các ngưỡng cảnh báo thực hành tường minh: Thuật toán C4.5 đã xác lập nhánh ranh giới quan trọng: NẾU ngân hàng có $\text{NPL} \ge 3{,}2%$ VÀ tỷ lệ $\text{ROA} < 0{,}45%$ VÀ hệ số $\text{CAR} < 9{,}5%$ THÌ xác suất rơi vào vùng nguy cơ vỡ nợ nghiêm trọng là 100%.

Chỉ số / Tiêu chí đánh giá	Mô hình Hồi quy Logit mảng (FE)	Mô hình Cây quyết định (DT - C4.5)	Mô hình Mạng nơ-ron nhân tạo (ANN)
Độ chính xác toàn mẫu (%)	92,10%	89,50%	98,20%
Sai lầm loại I (Type I Error)	4,76%	9,52%	1,85%
Sai lầm loại II (Type II Error)	8,60%	10,75%	1,95%
Khả năng giải thích kinh tế lượng	Rất cao (Hệ số $\beta$, Odds Ratio)	Cao (Quy tắc IF-THEN trực quan)	Thấp (Cơ chế mạng nơ-ron hộp đen)
Xử lý quan hệ phi tuyến phức tạp	Bị giới hạn bởi dạng hàm	Tốt (Phân vùng không gian)	Xuất sắc (Tối ưu hóa đa tầng)

                 SƠ ĐỒ CÂY QUYẾT ĐỊNH DỰ BÁO NGUY CƠ VỠ NỢ (DT C4.5)
                    KHÔNG                               CÓ

Implications đa chiều

• Đóng góp về mặt lý thuyết học thuật: Nghiên cứu chứng minh tính tương hỗ hoàn hảo giữa kinh tế lượng vi mô tham số và khoa học dữ liệu phi tham số. Kinh tế lượng cung cấp cơ sở kiểm định giả thuyết và xác định ý nghĩa thống kê của các biến nhân quả, trong khi học máy tối ưu hóa năng lực phân loại dự báo thực tiễn.
• Đổi mới phương pháp luận: Cung cấp một quy trình 4 bước chuẩn mực (Đo lường TE qua DEA $\rightarrow$ Nhị phân hóa rủi ro kép $\rightarrow$ Ước lượng Panel Logit FE $\rightarrow$ Kiểm định đối chiếu ANN/DT) có khả năng chuyển giao và ứng dụng cho các thị trường tài chính mới nổi khác trong khu vực ASEAN.
• Ứng dụng thực tiễn trong quản trị ngân hàng thương mại: Ban điều hành các NHTMCP có thể tích hợp bộ công cụ này vào hệ thống Quản lý tài sản Nợ - Có (ALM), thiết lập hạn mức cảnh báo sớm cho từng khối kinh doanh trước khi các chỉ số tài chính vi phạm các tỷ lệ an toàn của NHNN.
• Khuyến nghị chính sách đối với Ngân hàng Nhà nước và VAMC:
  1. Xây dựng Hệ thống Cảnh báo sớm (EWS) tự động hóa tại Cơ quan Thanh tra, Giám sát Ngân hàng dựa trên mô hình ANN và cây quyết định DT.
  2. Bổ sung chỉ tiêu Đánh giá hiệu quả kỹ thuật DEA vào quy trình chấm điểm xếp hạng tín dụng tổ chức tín dụng thay vì chỉ dựa thuần túy vào các chỉ số CAMELS tĩnh.
  3. Đẩy nhanh tiến độ xử lý nợ xấu thực chất qua Công ty Quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC), kiên quyết tái cơ cấu hoặc sáp nhập bắt buộc đối với các ngân hàng rơi vào "vùng đỏ" theo kết quả phân loại của mô hình.

---

Limitations và Future Research

Mặc dù đạt được những kết quả đột phá, luận án cũng thẳng thắn thừa nhận các giới hạn nghiên cứu:

1. Giới hạn về dữ liệu chuỗi thời gian: Khung dữ liệu nghiên cứu dừng lại ở giai đoạn 2010–2015, chưa bao quát được các biến động chính sách mới khi Thông tư 41/2016/TT-NHNN (áp dụng chuẩn Basel II) và Nghị quyết 42/2017/QH14 về thí điểm xử lý nợ xấu có hiệu lực đầy đủ.
2. Thiếu vắng các biến số thị trường chứng khoán: Do nhiều NHTMCP tại Việt Nam trong giai đoạn nghiên cứu chưa thực hiện niêm yết cổ phiếu trên sàn HOSE/HNX, luận án chưa thể tích hợp các chỉ số thị trường biến động theo thời gian thực (như hệ số P/B, biến động giá cổ phiếu, chỉ số Merton Distance-to-Default) vào tập biến độc lập.
3. Hạn chế về tính diễn giải của thuật toán ANN: Mặc dù mạng nơ-ron mang lại độ chính xác dự báo cao nhất (98,2%), cơ chế liên kết phi tuyến giữa 10 nút ẩn không thể bóc tách thành các công thức toán học tường minh cho từng tham số, gây khó khăn cho việc giải trình chính sách trước các cơ quan lập pháp.

Chương trình nghiên cứu tương lai (Future Research Agenda):

• Mở rộng khung thời gian và cập nhật Basel III: Kéo dài chuỗi dữ liệu mảng sang giai đoạn 2016–2025, tích hợp các bộ đệm vốn an toàn (capital conservation buffer) và tỷ lệ bảo đảm khả năng thanh khoản (Liquidity Coverage Ratio - LCR) theo chuẩn Basel III.
• Khai thác trí tuệ nhân tạo nâng cao và XAI (Explainable AI): Ứng dụng các thuật toán học máy giải thích được như SHAP (Shapley Additive exPlanations) và LIME kết hợp với các mô hình Random Forest, Extreme Gradient Boosting (XGBoost) để cân bằng giữa độ chính xác dự báo và tính minh bạch kinh tế lượng.
• Tích hợp dữ liệu phi cấu trúc (Unstructured Big Data): Khai phá dữ liệu văn bản (Text Mining) từ báo cáo thường niên, biên bản họp đại hội đồng cổ đông và tâm lý thị trường trên truyền thông mạng xã hội để phát hiện sớm các bất thường trong quản trị ngân hàng.

---

Tác động và ảnh hưởng

• Tác động học thuật (Academic Impact): Luận án đặt nền móng phương pháp luận vững chắc cho nhánh nghiên cứu ứng dụng Toán kinh tế trong quản trị rủi ro ngân hàng tại Việt Nam. Công trình mở ra hướng trích dẫn tiềm năng lớn cho các nghiên cứu sinh tiến sĩ và học viên cao học trong các lĩnh vực Kinh tế lượng tài chính (Financial Econometrics), Khoa học dữ liệu ngân hàng và Ổn định tài chính vĩ mô.
• Tái định hình ngành ngân hàng (Industry Transformation): Đóng vai trò như một cẩm nang kỹ thuật chuyển đổi số quy trình quản trị rủi ro tín dụng tại 35 NHTMCP. Việc áp dụng mô hình giúp các ngân hàng tối ưu hóa chi phí trích lập dự phòng, nâng cao chất lượng danh mục tài sản sinh lời và định vị chính xác năng lực cạnh tranh kỹ thuật (TE).
• Ảnh hưởng chính sách cấp quốc gia (Policy Influence): Cung cấp bằng chứng thực nghiệm độc lập phục vụ trực tiếp cho Đề án cơ cấu lại hệ thống các TCTD gắn với xử lý nợ xấu của Chính phủ qua các giai đoạn (2011–2015, 2016–2020 và 2021–2025). Kết quả nghiên cứu là tài liệu tham khảo giá trị cho Cơ quan Thanh tra, Giám sát Ngân hàng (NHNN) và Ủy ban Giám sát Tài chính Quốc gia trong việc ban hành các thông tư quy định giới hạn an toàn vốn.
• Lợi ích kinh tế - xã hội: Góp phần ngăn chặn từ sớm nguy cơ sụp đổ hệ thống ngân hàng, bảo vệ an toàn tài sản tiền gửi của hàng triệu người dân và doanh nghiệp, giảm thiểu gánh nặng ngân sách nhà nước trong việc giải cứu các định chế tài chính yếu kém.

---

Đối tượng hưởng lợi

• Nghiên cứu sinh và Giới học thuật: Tiếp cận một khung phân tích đa phương pháp mẫu mực kết hợp giữa kinh tế lượng vi mô dữ liệu mảng (Panel Data Logit) và các thuật toán học máy (ANN, Decision Tree) cùng kỹ thuật DEA, giải quyết trọn vẹn khoảng trống nghiên cứu tại thị trường mới nổi.
• Ngân hàng Nhà nước và Cơ quan Thanh tra Giám sát: Sở hữu bộ công cụ cảnh báo sớm (EWS) định lượng có khả năng phân loại chính xác các ngân hàng suy giảm tài chính trước 1 đến 2 năm, giúp chủ động áp dụng các biện pháp kiểm soát đặc biệt và tái cấu trúc kịp thời.
• Hội đồng Quản trị và Khối Quản trị Rủi ro tại các NHTMCP: Nhận diện rõ ràng các ngưỡng cảnh báo định lượng về nợ xấu ($\text{NPL} \ge 3%$), hệ số an toàn vốn ($\text{CAR} < 9{,}5%$) và hiệu quả kỹ thuật ($\text{TE} < 0{,}8$) để điều chỉnh chiến lược tăng trưởng tín dụng và tái cấu trúc danh mục đầu tư an toàn.
• Công ty Quản lý tài sản (VAMC) và Nhà đầu tư tổ chức: Có thêm cơ sở khoa học để định giá rủi ro danh mục nợ xấu, đánh giá năng lực phục hồi tài chính của các ngân hàng thương mại mục tiêu trong các thương vụ mua bán - sáp nhập (M&A) và tái định giá cổ phiếu ngân hàng.

---

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất của luận án là việc xây dựng thành công chỉ báo nhận diện nguy cơ vỡ nợ kép kết hợp giữa tiêu chí vi phạm an toàn tài chính thực tế ($\text{NPL} \ge 3%$) và sự suy giảm hiệu quả kỹ thuật hoạt động (thuộc Nhóm C qua phân tích bao dữ liệu DEA). Luận án đã mở rộng Lý thuyết quản trị yếu kém (Bad Management Hypothesis) của Berger và DeYoung (1997) và Lý thuyết bất cân xứng thông tin của Stiglitz & Weiss trong bối cảnh nền kinh tế chuyển đổi đặc thù: khi các tiêu chuẩn phá sản pháp lý bị đình hoãn để bảo vệ hệ thống, sự thâm hụt hiệu quả kỹ thuật chính là triệu chứng sớm nhất phản ánh sự tích tụ rủi ro đạo đức và nguy cơ mất khả năng thanh toán.

2. Tính đổi mới trong phương pháp luận so với các nghiên cứu tiền nhiệm quốc tế?

So với các nghiên cứu kinh điển của Duclaux & Soupmo Badjio (2009) chỉ dùng Logit cắt ngang đơn giản, hay Erdogan (2016) chỉ dùng Random Effects Logit trên các nhân tố gộp, luận án của Đặng Huy Ngân đã thực hiện một bước tiến phương pháp luận đột phá:

• Thiết lập quy trình tam giác hóa phương pháp (methodological triangulation) kết hợp giữa Fixed Effects Panel Logit (được kiểm định qua Hausman test), Mạng nơ-ron nhân tạo đa tầng (ANN 10 nút ẩn) và Cây quyết định (DT C4.5).
• Lượng hóa tường minh hệ số chặn đặc thù $\alpha_i$ cho từng ngân hàng trên dữ liệu mảng 5 năm, bóc tách hoàn toàn các yếu tố bất biến không quan sát được của từng định chế tài chính.

3. Phát hiện nào trong luận án gây bất ngờ nhất và được chứng minh bằng dữ liệu ra sao?

Phát hiện bất ngờ nhất là ngân hàng duy trì tỷ lệ an toàn vốn danh nghĩa CAR $\ge 9%$ (theo Thông tư 13/2010/TT-NHNN) vẫn có thể rơi vào vùng nguy cơ vỡ nợ nghiêm trọng. Dữ liệu thực nghiệm của luận án chứng minh rằng trong giai đoạn 2011–2012, nhiều ngân hàng yếu kém (như SCB, WesternBank, Habubank) đều báo cáo tỷ lệ CAR đạt chuẩn trên giấy tờ, nhưng điểm hiệu quả kỹ thuật DEA lại sụt giảm xuống dưới mức $0{,}75$ và tỷ lệ nợ xấu thực chất vượt $5%$. Điều này chứng minh rằng hệ số CAR tĩnh bị bóp méo bởi quy định trích lập dự phòng chưa chặt chẽ và không thể phản ánh chính xác rủi ro thanh khoản nếu không kết hợp với phân tích DEA.

4. Giao thức sao chép và tái lập nghiên cứu (Replication Protocol) có được cung cấp đầy đủ không?

Luận án cung cấp giao thức tái lập nghiên cứu hoàn chỉnh, bao gồm:

• Danh mục định nghĩa và công thức toán học chi tiết của toàn bộ 25 biến tài chính vi mô CAMELS và 04 biến vĩ mô.
• Bộ biến đầu vào/đầu ra chuẩn hóa cho mô hình DEA hướng đầu ra.
• Mã lệnh chương trình (syntax code) phân tích trên phần mềm thống kê Stata và các tham số khởi tạo mạng nơ-ron (10 hidden nodes, learning rate, momentum rate, epoch count) và cấu trúc phân nhánh cây quyết định.

5. Chương trình nghiên cứu 10 năm tiếp theo được vạch ra như thế nào?

Chương trình nghiên cứu dài hạn tập trung vào 03 trọng tâm:

1. Mở rộng không gian dữ liệu mảng tích hợp chuẩn Basel II/III và chuẩn kế toán quốc tế IFRS 9 (mô hình tổn thất tín dụng dự kiến - ECL).
2. Xây dựng hệ thống học máy động thích ứng (Adaptive Dynamic Machine Learning) có khả năng tự động cập nhật trọng số dự báo rủi ro theo thời gian thực dựa trên luồng dữ liệu giao dịch liên ngân hàng.
3. Phát triển khung kiểm tra sức chịu đựng vĩ mô (Macro Stress-Testing) mô phỏng các kịch bản khủng hoảng phức hợp (dịch bệnh, biến động địa chính trị, suy thoái kinh tế toàn cầu) tác động đến an toàn hệ thống NHTMCP.

---

Kết luận

1. Xây dựng thành công tiêu chí xác định nguy cơ vỡ nợ kép phù hợp với thực tiễn hệ thống tài chính Việt Nam thông qua việc kết hợp tỷ lệ nợ xấu ($\text{NPL} \ge 3%$) và phân nhóm hiệu quả kỹ thuật bằng mô hình màng bao dữ liệu (DEA).
2. Lượng hóa chính xác tác động của hệ thống chỉ tiêu CAMELS vi mô và biến số vĩ mô, khẳng định chất lượng tài sản, hiệu quả sinh lời ROA và tăng trưởng GDP là những biến số có ý nghĩa thống kê quyết định đối với xác suất vỡ nợ của ngân hàng.
3. Chứng minh và định lượng thành công tính đặc thù cá thể ($\alpha_i$) của 35 NHTMCP Việt Nam bằng mô hình Fixed Effects Panel Logit, tạo ra bước tiến vượt bậc so với các nghiên cứu cắt ngang trước đây.
4. Khẳng định tính ưu việt vượt trội của mô hình Mạng nơ-ron nhân tạo (ANN) với độ chính xác phân loại $98{,}2%$ và Cây quyết định (DT) trong việc nhận diện các mối quan hệ phi tuyến tính phức tạp và cung cấp các quy tắc cảnh báo trực quan.
5. Đề xuất hệ thống giải pháp chính sách toàn diện và khả thi phục vụ công tác tái cơ cấu hệ thống các tổ chức tín dụng, hoàn thiện khung giám sát an toàn vĩ mô cho Ngân hàng Nhà nước Việt Nam.
6. Mở ra 03 luồng nghiên cứu học thuật mới kết hợp giữa kinh tế lượng ứng dụng, trí tuệ nhân tạo giải thích được (XAI) và quản trị rủi ro ngân hàng theo các chuẩn mực quốc tế tiên tiến.

Trích đoạn nội dung tài liệu

Chương 1, luận án trình bày khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại. Qua việc tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng tiêu biểu trên thế giới và ở Việt Nam, tác giả cũng chỉ ra khoảng trống nghiên cứu và đề ra mục tiêu nghiên cứu. Khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại Hiện tượng “phá sản” hay “vỡ nợ” đã có từ lâu nhưng nó được nói đến nhiều trong nền kinh tế thị trường. Trong nền kinh tế thị trường các doanh nghiệp phải cạnh tranh khốc liệt với nhau, các doanh nghiệp kinh doanh hiệu quả tồn tại và phát triển còn các doanh nghiệp làm ăn kém hiệu quả, thua lỗ, không thể thanh toán các nghĩa vụ tài chính thì vỡ nợ, phá sản.

Sự vỡ nợ của doanh nghiệp dẫn đến sự xung đột lợi ích của các chủ thể tham gia vào các quan hệ kinh tế. Việc xác định rõ khái niệm này là cơ sở để Nhà nước, các chủ thể trong nền kinh tế có thể can thiệp một cách có ý thức vào hiện tượng này nhằm hạn chế tối đa những hậu quả tiêu cực và khai thác những mặt tích cực của nó. Theo từ điển Tiếng Việt của Viện ngôn ngữ (1988, tr.790) viết rằng “ phá sản là lâm vào tình trạng tài sản chẳng còn gì, và thường là vỡ nợ, do kinh doanh bị thua lỗ, thất bại; vỡ nợ là tình trạng doanh nghiệp, cá nhân lâm vào tình trạng bị thua lỗ, thất bại liên tiếp trong kinh doanh, phải bán tài sản để trang trải công nợ, mà cũng có thể không trang trải được hết”. Trong luận án này tác giả sử dụng thuật ngữ ‘vỡ nợ’.

Theo hiệp ước Basell II (2008), nguy cơ vỡ nợ được xem như sự kiện hoặc sự cố liên quan đến những chủ thể vay, khi ít nhất một trong các khả năng sau đây xảy ra: - Không có khả năng thực hiện nghĩa vụ trả nợ khi đến thời hạn hoàn trả hay là tình trạng mất khả năng thanh toán nợ đến hạn, bao gồm vốn vay và tiền lãi phải trả. - Không có khả năng thực hiện nghĩa vụ tín dụng khi quá hạn trên 90 ngày. - Giá trị tài sản nhỏ hơn vốn vay. Dưới giác độ pháp lý theo văn bản luật mới nhất, luật phá sản số 51/2014/QH13 ngày 19/6/2014 quy định: “ Vỡ nợ là tình trạng của doanh nghiệp, hợp tác xã mất khả năng thanh toán và bị tòa án nhân dân ra quyết định tuyên bố vỡ nợ”, luật cũng chỉ rõ: “Doanh nghiệp, hợp tác xã mất khả năng thanh toán là doanh nghiệp, hợp tác xã không thực hiện nghĩa vụ thanh toán khoản nợ trong thời hạn 03 tháng kể từ ngày đến hạn 5 Luận án tiến sĩ Kinh tế thanh toán”.

Luật phá sản số 51/2014/QH được xem là văn bản pháp lý đầy đủ nhất về phá sản, vỡ nợ doanh nghiệp. Vỡ nợ ngân hàng thương mại Về mặt kỹ thuật, vỡ nợ ngân hàng là một tình trạng trong đó một NH không thể đáp ứng được trách nhiệm thanh toán cho những người gửi tiền và không có đủ khoản tiền dự trữ theo như đòi hỏi phải có (Mishkin, 1999, tr. Do tính chất quan trọng của các TCTD trong đó có ngân hàng đối với nền kinh tế nên việc vỡ nợ của TCTD được quy định riêng ở mục 2, điều 155 của Luật các TCTD số 47/2010/QH12 ra ngày 16/6/2010 nêu rõ “Sau khi NHNN có văn bản chấm dứt kiểm soát đặc biệt hoặc văn bản chấm dứt áp dụng hoặc văn bản không áp dụng các biện pháp phục hồi khả năng thanh toán mà TCTD vẫn lâm vào tình trạng vỡ nợ thì TCTD đó phải làm đơn yêu cầu toà án mở thủ tục giải quyết yêu cầu tuyên bố vỡ nợ theo quy định của pháp luật về vỡ nợ”. Cũng theo điều 146 chương VIII, luật các TCTD 2010, mục kiểm soát đặc biệt, tổ chức lại, phá sản, giải thể, thanh lý TCTD có nêu: “NHNN xem xét, đặt các TCTD vào tình trạng kiểm soát đặc biệt khi TCTD lâm vào một trong các trường hợp sau + Có nguy cơ mất khả năng chi trả.

+ Nợ không có khả năng thu hồi có nguy cơ dẫn đến mất khả năng thanh toán. + Khi số lỗ lũy kế của TCTD lớn hơn 50% giá trị thực của vốn điều lệ và các quỹ dự trữ ghi trong báo cáo tài chính đã được kiểm toán gần nhất. + Hai năm liên tục bị xếp hạng yếu kém theo quy định của NHNN. + Không duy trì được tỷ lệ đảm bảo an toàn vốn tối thiểu quy định tại điểm b, khoản 1 Điều 130 của luật Này trong thời gian một năm liên tục”.

Như vậy việc vỡ nợ của các TCTD, các ngân hàng ở Việt Nam được quy định và giám sát rất chặt chẽ. Hậu quả của vỡ nợ ngân hàng Sự vỡ nợ của các NHTM gây ra sự mất vốn của các cổ đông ngân hàng, sự tổn thất cho người gửi tiền (nếu không được chi trả bảo hiểm tiền gửi đầy đủ), nếu qui mô vỡ nợ lớn hơn nó có thể tạo phản ứng đổ vỡ dây chuyền hệ thống NH, kéo theo khủng hoảng tài chính. Hậu quả của nó rất dai dẳng gây ra suy thoái kinh tế và làm kiệt quệ nguồn vốn đầu tư nhất là ở các nước đang phát triển (Lê Khương Ninh, 2015). Ví dụ điển hình là chi phí khắc phục hậu quả của cuộc khủng hoảng tài chính Châu Á năm 6 Luận án tiến sĩ Kinh tế 1997 (bắt nguồn từ cuộc khủng hoảng ngân hàng và tiền tệ) lên tới 200 tỷ đô-la Mỹ, trong đó người gửi tiền và Chính phủ gánh chịu.

Trong lịch sử đã xảy ra nhiều vụ vỡ nợ các ngân hàng lớn trên thế giới.1 nêu một số cuộc khủng hoảng ngân hàng điển hình từ năm 1980.1: Một số cuộc khủng hoảng ngân hàng điển hình TT Địa bàn Sự kiện Nguyên nhân 1 Châu Mỹ Hơn 70 ngân hàng bị giải thể hoặc cần Lãi suất giảm và chính La-tinh cứu trợ. Quốc hữu hoá ngân hàng quy sách tiền tệ thắt chặt ở Hoa (1980-1983) mô lớn diễn ra ở Mexico, Uruguay, Kỳ, cùng với sự xấu đi của Chile và Peru. môi trường kinh tế vĩ mô trong nước. Hoa Kỳ 1300 ngân hàng vỡ nợ.

Chi phí Bùng nổ thị trường bất (1988-1992) khắc phục là 180 tỷ đô-la Mỹ (khoảng động sản cùng việc gỡ bỏ 3% GDP). một số quy định đối với lĩnh vực tài chính khiến các TCTD thực hiện các khoản cho vay quá rủi ro. 2 Hoa Kỳ Khủng hoảng tự dẫn đến vấn đề thanh Bùng nổ bong bong nhà (2007-2009) khoản ở hệ thống ngân hàng do nhu đất khiến cho thị trường cầu đối với các loại chứng khoán phái cho vay sụp đổ, làm cho sinh giảm sâu. Các loại tài sản tài nhu cầu đối với các loại chính khó định giá bị mất giá do áp chứng khoán phái sinh dụng các quy định kế toán mới.

3 Phần Lan, Na Chính phủ kiểm soát ba ngân hàng lớn Tự do tài chính dẫn đến Uy và Thụy chiếm đến 31% tổng lượng tiền gửi. bùng nổ cho vay, cùng với Điển (1991) lãi suất tăng ở Đức nên chất lượng các khoản cho vay không thể kiểm soát. 4 Khủng hoảng Khủng hoảng ngân hàng và tiền tệ. Nợ Sự mở rộng thị trường vốn tài chính Châu xấu tăng đột biến ở Thái Lan, Hàn quốc tế, cùng sự định giá Á (1997) Quốc, Indonesia, Philippines và quá cao đồng nội tệ dẫn Malaysia, dẫn tới nhiều vụ sáp nhập đến việc vay và cho vay các NH.

Nguồn: Amri và Kocher (2012) 7 Luận án tiến sĩ Kinh tế 1. Tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng trên thế giới Nghiên cứu dự báo vỡ nợ công ty là một chủ đề quan trọng và được quan tâm rộng rãi, đã có nhiều mô hình dự báo vỡ nợ phát triển dựa trên các lý thuyết khác nhau. Dự báo vỡ nợ gắn liền với thuật ngữ cảnh báo sớm được hiểu là hoạt động nhận biết nguy cơ vỡ nợ của một chủ thể trong tương lai từ các chỉ báo trong hiện tại. Cơ sở cho việc dự báo vỡ nợ là việc phân tích mối quan hệ giữa vỡ nợ doanh nghiệp với các chỉ số tài chính được thể hiện trên các báo cáo liên quan đến doanh nghiệp.

Lý luận này đưa ra bởi tác giả Fitzpatrick (1934) và được hoàn thiện trong các nghiên cứu sau đó như của Atlman (1968, 1983, 1993). Tổng quan các mô hình và các nghiên cứu vỡ nợ tiêu biểu Khi nghiên cứu về các mô hình cảnh báo vỡ nợ người ta thường chia ra các loại mô hình: - Các mô hình, phương pháp thống kê chứa tham số: phân tích đơn biến, phân tích phân biệt đa biến, mô hình Logit, Probit, phân tích sống sót,. - Các mô hình phi tham số: mạng nơron nhân tạo, học máy, cây quyết định, mô hình nhận dạng đặc điểm, thuật toán di truyền,.1: Mô tả các mô hình thường được sử dụng trong nghiên cứu cảnh báo vỡ nợ. Dự báo vỡ nợ Mô hình thống kê Các mô hình phi tham số UDA LA, PA MDA Mạng Cây Phân tích Thuật toán Máy hỗ Nơ ron quyết đặc điểm di truyền trợ véc tơ định Hình 1.1: Các mô hình chủ yếu trong nghiên cứu cảnh báo vỡ nợ Nguồn: Tổng hợp của tác giả từ các tài liệu tham khảo Trong đó: UDA- phân tích phân biệt đơn biến; MDA- phân tích phân biệt đa biến; LA- mô hình Logit; PA- mô hình Probit.

8 Luận án tiến sĩ Kinh tế a) Nhóm mô hình thống kê: phân tích đơn biến, phân tích phân biệt đa biến, mô hình Logit, Probit. Nghiên cứu sử dụng phân tích phân biệt đơn biến: Nội dung chính của phân tích đơn biến trong nghiên cứu cảnh báo vỡ nợ là xem xét các nhân tố đơn lẻ và so sánh các nhân tố giữa hai nhóm công ty vỡ nợ và nhóm công ty không vỡ nợ, nếu các nhân tố tài chính cho thấy các dấu hiệu khác nhau giữa hai nhóm vỡ nợ và không vỡ nợ thì chúng được sử dụng như các biến dự báo. Vụ nghiên cứu chính sách và thương mại Mỹ (1930) công bố tập san các kết quả nghiên cứu trong cuốn ‘ Một phân tích, kiểm tra các công ty công nghiệp vỡ nợ ’. Nghiên cứu đã phân tích 24 nhân tố của 29 công ty để xác định những tính chất chung của nhóm công ty bị vỡ nợ.

Trung bình của các nhân tố được xác định dựa trên số liệu các nhân tố của 29 công ty. Các nhân tố của mỗi công ty được so sánh với trung bình của các nhân tố tương ứng để chỉ ra tính chất hoặc xu hướng của công ty. Các nghiên cứu tìm ra 8 nhân tố để xem xét như các chỉ báo tốt về tình trạng suy yếu của một công ty.