Luận văn thạc sĩ vận dụng mô hình logistic đo lường xác suất vỡ nợ của doanh nghiệp đối với quản trị rủi ro tín dụng của ngân hàng thương mại

Luận văn thạc sĩ phân tích mô hình logistic trong đo lường xác suất vỡ nợ doanh nghiệp, hỗ trợ quản trị rủi ro tín dụng ngân hàng thương mại.

• Tác giả: Đỗ Thị Minh Ngọc
• Người hướng dẫn: PGS.TS Trương Quang Thông
• Trường học: Trường Đại Học Kinh Tế TP. Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Mô Hình Logistic Đo Lường Xác Suất Vỡ Nợ Doanh Nghiệp
• Loại tài liệu: Luận Văn Thạc Sĩ Kinh Tế
• Năm xuất bản: 2013
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ XÁC SUẤT VỠ NỢ CỦA DOANH NGHIỆP VÀ QUẢN TRỊ RỦI RO TÍN DỤNG CỦA NGÂN HÀNG THƯƠNG MẠI
• 1.1. Cơ sở lý luận về xác suất vỡ nợ của doanh nghiệp
• 1.1.1. Xác xuất vỡ nợ của doanh nghiệp
• 1.1.2. Các yếu tố ảnh hưởng đến xác suất vỡ nợ của doanh nghiệp
• 1.1.2.1. Các yếu tố vĩ mô
• 1.1.2.2. Các yếu tố nội tại của doanh nghiệp
• 1.2. Cơ sở lý luận về rủi ro tín dụng và quản trị rủi ro tín dụng
• 1.2.1. Cơ sở lý luận về rủi ro tín dụng
• 1.2.1.1. Khái niệm rủi ro tín dụng
• 1.2.1.2. Nguyên nhân dẫn đến rủi ro tín dụng
• 1.2.2. Quản trị rủi ro tín dụng trong hoạt động của ngân hàng
• 1.2.2.1. Khái niệm quản trị rủi ro tín dụng
• 1.2.2.2. Mục tiêu của quản trị rủi ro tín dụng
• 1.2.2.3. Công cụ quản trị rủi ro tín dụng
• 1.2.3. Quản trị rủi ro tín dụng theo Hiệp ước Basel
• 1.2.3.1. Giới thiệu về Basel
• 1.2.3.2. Quản trị rủi ro tín dụng theo Hiệp ước Basel
• 1.2.3.3. Mối quan hệ giữa xác suất vỡ nợ của doanh nghiệp và rủi ro tín dụng của NHTM
• 1.3. Kết luận chương 1
• 2. CHƯƠNG 2: VẬN DỤNG MÔ HÌNH LOGISTIC ĐO LƯỜNG XÁC SUẤT VỠ NỢ CỦA DOANH NGHIỆP ĐỐI VỚI QUẢN TRỊ RỦI RO TÍN DỤNG CỦA NHTM
• 2.1. Tổng quan các nghiên cứu sử dụng mô hình Logistic trong đo lường xác suất vỡ nợ của doanh nghiệp
• 2.1.1. Nghiên cứu về xác suất vỡ nợ của các doanh nghiệp vừa và nhỏ tại thị trường Mỹ
• 2.1.2. Nghiên cứu về xác suất vỡ nợ của các công ty niêm yết tại thị trường Chứng khoán Trung Quốc
• 2.1.3. Nghiên cứu đo lường xác suất vỡ nợ của doanh nghiệp trong danh mục cho vay của Ngân hàng tại Na-Uy
• 2.1.4. Nghiên cứu đo lường rủi ro tín dụng các doanh nghiệp niêm yết trên thị trường Chứng khoán Việt Nam
• 2.2. Vận dụng mô hình Logistic đo lường xác suất vỡ nợ của doanh nghiệp
• 2.2.1. Dữ liệu nghiên cứu
• 2.2.2. Mô hình nghiên cứu đo lường xác suất vỡ nợ của doanh nghiệp
• 2.2.2.1. Các biến nghiên cứu
• 2.2.2.2. Mô hình nghiên cứu
• 2.2.3. Phương pháp nghiên cứu
• 2.3. Vận dụng mô hình Logistic đo lường xác suất vỡ nợ của doanh nghiệp đối với quản trị rủi ro tín dụng của NHTM
• 2.3.1. Lợi ích từ việc triển khai đo lường xác suất vỡ nợ của doanh nghiệp đối với quản trị rủi ro tín dụng của NHTM
• 2.3.1.1. Công cụ hỗ trợ cho hệ thống chấm điểm, xếp hạng tín dụng nội bộ
• 2.3.1.2. Xây dựng quỹ dự phòng rủi ro sát với thực tại của NHTM
• 2.3.1.3. Tạo điều kiện triển khai các công cụ phái sinh tín dụng
• 2.3.1.4. Chỉ tiêu đánh giá, quản trị đội ngũ cán bộ tín dụng
• 2.3.2. Đề xuất vận dụng kết quả mô hình Logistic đo lường xác suất vỡ nợ của doanh nghiệp đối với quản trị rủi ro tín dụng của NHTM
• 2.3.3. Phân tích tình huống giả lập xếp hạng khách hàng
• 2.4. Kết luận chương 2
• 3. CHƯƠNG 3: GIẢI PHÁP VÀ KIẾN NGHỊ NHẰM VẬN DỤNG MÔ HÌNH LOGISTIC ĐO LƯỜNG XÁC SUẤT VỠ NỢ DOANH NGHIỆP ĐỐI VỚI QUẢN TRỊ RỦI RO TÍN DỤNG CỦA NHTM
• 3.1. Giải pháp đối với NHTM
• 3.1.1. Xây dựng hạ tầng công nghệ thông tin và hệ thống dữ liệu đồng bộ, bảo mật
• 3.1.2. Nâng cao chất lượng nguồn nhân lực
• 3.1.3. Tiếp tục hoàn thiện hệ thống xếp hạng tín dụng nội bộ
• 3.1.4. Nhất quán quy trình và giám sát chặt việc thực thi quy trình quản trị rủi ro tín dụng
• 3.1.5. Thông tin liên kết toàn ngành
• 3.2. Nhóm các kiến nghị đối với các cơ quan có liên quan
• 3.2.1. Kiến nghị đối với Ngân hàng Nhà nước Việt Nam
• 3.2.2. Kiến nghị đối với cơ quan quản lý Nhà nước
• 3.3. Kết luận chương 3
• KẾT LUẬN CHUNG
• Danh mục tài liệu tham khảo
• Phụ lục

Tóm tắt

I. Tổng quan về mô hình logistic đo lường xác suất vỡ nợ doanh nghiệp

Mô hình logistic là một công cụ mạnh mẽ trong việc đo lường xác suất vỡ nợ của doanh nghiệp. Mô hình này giúp các ngân hàng thương mại (NHTM) đánh giá khả năng trả nợ của khách hàng, từ đó đưa ra quyết định cho vay hợp lý. Việc áp dụng mô hình logistic không chỉ giúp giảm thiểu rủi ro tín dụng mà còn tối ưu hóa lợi nhuận cho ngân hàng.

1.1. Mô hình logistic và ứng dụng trong tài chính

Mô hình logistic được sử dụng rộng rãi trong lĩnh vực tài chính để dự đoán xác suất vỡ nợ của doanh nghiệp. Mô hình này dựa trên các biến độc lập như tỷ lệ nợ, lợi nhuận và các yếu tố kinh tế vĩ mô. Việc áp dụng mô hình này giúp các NHTM có cái nhìn tổng quan về rủi ro tín dụng.

1.2. Lợi ích của mô hình logistic trong quản trị rủi ro

Mô hình logistic cung cấp một phương pháp định lượng để đánh giá rủi ro tín dụng. Điều này giúp các NHTM có thể xây dựng các chiến lược cho vay hiệu quả hơn, từ đó giảm thiểu tổn thất do nợ xấu. Hơn nữa, mô hình này còn hỗ trợ trong việc xây dựng các quỹ dự phòng rủi ro.

II. Vấn đề và thách thức trong việc đo lường xác suất vỡ nợ doanh nghiệp

Mặc dù mô hình logistic mang lại nhiều lợi ích, nhưng việc áp dụng nó trong thực tế cũng gặp phải nhiều thách thức. Các yếu tố như chất lượng dữ liệu, sự biến động của thị trường và các yếu tố vĩ mô có thể ảnh hưởng đến độ chính xác của mô hình.

2.1. Chất lượng dữ liệu và ảnh hưởng đến mô hình

Chất lượng dữ liệu đầu vào là yếu tố quyết định đến độ chính xác của mô hình logistic. Dữ liệu không đầy đủ hoặc không chính xác có thể dẫn đến những dự đoán sai lệch về xác suất vỡ nợ. Do đó, việc thu thập và xử lý dữ liệu là rất quan trọng.

2.2. Biến động thị trường và tác động đến xác suất vỡ nợ

Thị trường tài chính luôn biến động, và những thay đổi này có thể ảnh hưởng đến khả năng trả nợ của doanh nghiệp. Các yếu tố như lãi suất, tỷ giá hối đoái và tình hình kinh tế vĩ mô cần được xem xét khi áp dụng mô hình logistic.

III. Phương pháp áp dụng mô hình logistic trong đo lường xác suất vỡ nợ

Để áp dụng mô hình logistic hiệu quả, các NHTM cần thực hiện một quy trình rõ ràng. Quy trình này bao gồm việc xác định các biến độc lập, thu thập dữ liệu và xây dựng mô hình. Việc này không chỉ giúp đánh giá chính xác xác suất vỡ nợ mà còn hỗ trợ trong việc ra quyết định cho vay.

3.1. Xác định các biến độc lập trong mô hình

Các biến độc lập như tỷ lệ nợ, lợi nhuận và các yếu tố kinh tế vĩ mô cần được xác định rõ ràng. Những biến này sẽ ảnh hưởng trực tiếp đến kết quả của mô hình logistic và giúp dự đoán xác suất vỡ nợ chính xác hơn.

3.2. Quy trình thu thập và xử lý dữ liệu

Quy trình thu thập dữ liệu cần được thực hiện một cách hệ thống và khoa học. Dữ liệu cần phải được kiểm tra và xử lý để đảm bảo tính chính xác và đầy đủ. Việc này sẽ giúp mô hình logistic hoạt động hiệu quả hơn.

IV. Ứng dụng thực tiễn của mô hình logistic trong quản trị rủi ro tín dụng

Mô hình logistic không chỉ là một công cụ lý thuyết mà còn có nhiều ứng dụng thực tiễn trong quản trị rủi ro tín dụng. Các NHTM có thể sử dụng mô hình này để xây dựng hệ thống chấm điểm tín dụng, từ đó đưa ra quyết định cho vay hợp lý.

4.1. Hệ thống chấm điểm tín dụng dựa trên mô hình logistic

Hệ thống chấm điểm tín dụng giúp các NHTM đánh giá khả năng trả nợ của khách hàng một cách nhanh chóng và chính xác. Mô hình logistic cung cấp một phương pháp định lượng để xác định điểm tín dụng, từ đó hỗ trợ trong việc ra quyết định cho vay.

4.2. Kết quả nghiên cứu và ứng dụng thực tiễn

Nhiều nghiên cứu đã chỉ ra rằng việc áp dụng mô hình logistic trong quản trị rủi ro tín dụng đã mang lại kết quả tích cực. Các NHTM có thể giảm thiểu tổn thất do nợ xấu và tối ưu hóa lợi nhuận thông qua việc sử dụng mô hình này.

V. Kết luận và tương lai của mô hình logistic trong đo lường xác suất vỡ nợ

Mô hình logistic đã chứng minh được giá trị của nó trong việc đo lường xác suất vỡ nợ doanh nghiệp. Tương lai của mô hình này hứa hẹn sẽ còn phát triển hơn nữa với sự tiến bộ của công nghệ và dữ liệu lớn.

5.1. Xu hướng phát triển của mô hình logistic

Với sự phát triển của công nghệ thông tin và dữ liệu lớn, mô hình logistic sẽ ngày càng trở nên chính xác và hiệu quả hơn. Các NHTM cần cập nhật và áp dụng các công nghệ mới để tối ưu hóa quy trình quản trị rủi ro tín dụng.

5.2. Tương lai của quản trị rủi ro tín dụng

Quản trị rủi ro tín dụng sẽ ngày càng trở nên quan trọng trong bối cảnh nền kinh tế toàn cầu hóa. Mô hình logistic sẽ tiếp tục đóng vai trò quan trọng trong việc giúp các NHTM đưa ra quyết định cho vay hợp lý và giảm thiểu rủi ro.

Nội dung chính

Tổng quan nghiên cứu

Trong hệ thống ngân hàng thương mại tại Việt Nam, hoạt động cấp tín dụng luôn đóng vai trò là kênh sinh lời cốt lõi, đóng góp từ 75% đến 90% tổng thu nhập của các tổ chức tín dụng. Theo báo cáo tài chính năm 2012 của 10 ngân hàng lớn, tỷ lệ thu nhập thuần từ lãi trên tổng thu nhập đạt mức rất cao như Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) đạt 95%, Ngân hàng TMCP Quốc Tế (VIBank) đạt 92%, Ngân hàng TMCP Xuất Nhập Khẩu Việt Nam (Eximbank) đạt 91%, trong khi tỷ trọng thu nhập ngoài lãi của toàn ngành chỉ đạt vỏn vẹn 14%, thấp hơn đáng kể so với Singapore (40%), Thái Lan (36%) hay Úc (33%). Sự phụ thuộc lớn vào nguồn thu tín dụng khiến rủi ro tín dụng và nợ xấu trở thành áp lực nặng nề đe dọa sự an toàn hệ thống.

Vấn đề nghiên cứu trọng tâm của đề tài là việc các ngân hàng thương mại Việt Nam thời điểm năm 2013 vẫn chủ yếu quản lý rủi ro tín dụng theo phương pháp phân loại nợ dựa trên thời gian quá hạn, thiếu vắng các mô hình định lượng hiện đại để dự báo sớm khả năng mất khả năng thanh toán. Nhằm khắc phục hạn chế này, luận văn thạc sĩ chuyên ngành Tài chính – Ngân hàng (mã số 60340201) của tác giả Đỗ Thị Minh Ngọc, dưới sự hướng dẫn khoa học của PGS.TS Trương Quang Thông tại Trường Đại học Kinh tế TP. Hồ Chí Minh, tập trung xây dựng mô hình định lượng xác suất vỡ nợ phục vụ công tác quản trị rủi ro tín dụng.

Mục tiêu cụ thể của nghiên cứu bao gồm: làm rõ mối liên hệ giữa xác suất vỡ nợ của doanh nghiệp và rủi ro tín dụng ngân hàng; xây dựng mô hình hồi quy Logistic đo lường xác suất vỡ nợ dựa trên dữ liệu báo cáo tài chính năm 2012 của 190 doanh nghiệp phi tài chính niêm yết trên Sở Giao dịch Chứng khoán TP.HCM (HOSE); từ đó đề xuất quy trình ứng dụng kết quả vào hệ thống chấm điểm tín dụng nội bộ và tính toán trích lập dự phòng theo khuyến nghị của Hiệp ước Basel II.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết quản trị rủi ro tín dụng hiện đại và các tiêu chuẩn giám sát an toàn vốn theo Hiệp ước Basel. Theo quy định tại Quyết định 493/2005/QĐ-NHNN và Thông tư 02/2013/TT-NHNN của Ngân hàng Nhà nước Việt Nam, rủi ro tín dụng được xác định là tổn thất có khả năng xảy ra đối với nợ của tổ chức tín dụng khi khách hàng không thực hiện hoặc không có khả năng thực hiện nghĩa vụ theo cam kết.

Trọng tâm lý thuyết của luận văn dựa trên Trụ cột 1 của Hiệp ước Basel II về phương pháp xếp hạng nội bộ (Internal Ratings-Based - IRB) với tỷ lệ an toàn vốn tối thiểu là 8%. Theo chuẩn mực Basel II, tổn thất tín dụng được chia thành hai cấu phần cơ bản:

• Tổn thất dự tính được (Expected Loss - EL), được xác định theo công thức: $$\text{EL} = \text{PD} \times \text{EAD} \times \text{LGD}$$ Trong đó: $\text{PD}$ là xác suất vỡ nợ (Probability of Default), $\text{EAD}$ là tổng dư nợ tại thời điểm vỡ nợ (Exposure at Default), $\text{LGD}$ là tỷ trọng tổn thất ước tính (Loss Given Default).
• Tổn thất không dự tính được (Unexpected Loss - UL), được bù đắp bằng vốn chủ sở hữu: $$\text{UL} = \sigma_{\text{EDF}} \times \text{LGD} \times \text{EAD}$$ Trong đó: $\text{EDF}$ là tần suất vỡ nợ kỳ vọng (Expected Default Frequency).

Mô hình định lượng ứng dụng phương trình hồi quy Logistic dạng logit: $$\ln\left(\frac{P}{1-P}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_k X_k$$ Trong đó $P$ là xác suất doanh nghiệp hoạt động bình thường, và $(1-P)$ biểu thị xác suất doanh nghiệp rơi vào tình trạng vỡ nợ.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp nghiên cứu định lượng kết hợp thống kê mô tả và mô hình hồi quy Logistic nhị phân (Binary Logistic Regression).

• Cỡ mẫu và nguồn dữ liệu: Tổng số 190 doanh nghiệp phi tài chính niêm yết trên sàn HOSE được trích xuất dữ liệu từ báo cáo tài chính kiểm toán năm 2012. Mẫu nghiên cứu được phân loại thành 2 nhóm rõ rệt: nhóm doanh nghiệp vỡ nợ gồm 39 quan sát (chiếm 20,53%) thuộc danh sách theo dõi đặc biệt của HOSE (bị cảnh báo, kiểm soát hoặc tạm ngừng giao dịch do nợ quá hạn trên 1 năm hoặc lỗ lũy kế), và nhóm doanh nghiệp không vỡ nợ gồm 151 quan sát (chiếm 79,47%).
• Phương pháp chọn mẫu: Chọn mẫu toàn bộ các doanh nghiệp phi tài chính niêm yết công bố thông tin minh bạch, loại bỏ các định chế tài chính, ngân hàng, công ty bảo hiểm và các đơn vị thiếu hụt dữ liệu tài chính.
• Lý do lựa chọn mô hình Logistic: Phương pháp hồi quy Logistic vượt trội hơn mô hình phân tích biệt thức (MDA) hay mô hình Z-score của Altman vì không đòi hỏi các biến độc lập phải tuân theo phân phối chuẩn đa biến, đồng thời cho phép tính toán trực tiếp xác suất vỡ nợ chính xác nằm trong khoảng từ 0 đến 1.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Sau khi tiến hành kiểm định và loại bỏ các biến không có ý nghĩa thống kê từ 8 biến độc lập ban đầu, mô hình hồi quy Logistic tối ưu được xác lập với 4 chỉ số tài chính mang ý nghĩa giải thích vượt trội:

$$\ln\left(\frac{P}{1-P}\right) = 2{,}829846 - 2{,}640822 \times \text{PT_TN} - 4{,}581871 \times \text{NO_TTS} + 39{,}18240 \times \text{LN_TTS} + 39{,}14180 \times \text{EBIT_TTS}$$

Các chỉ số thống kê và kiểm định của mô hình phản ánh độ tin cậy vượt trội:

• Hệ số $R^2$ hiệu chỉnh theo chuẩn McFadden đạt 60,30% ($0{,}603016$), chứng minh 4 biến tài chính lựa chọn giải thích được phần lớn sự biến động của xác suất vỡ nợ.
• Tỷ lệ dự báo chính xác tổng thể đạt 88,95% (phân loại đúng 169 trên 190 doanh nghiệp mẫu). Cụ thể, mô hình nhận diện chính xác 95,36% doanh nghiệp hoạt động lành mạnh (144/151 công ty) và 64,10% doanh nghiệp có nguy cơ vỡ nợ (25/39 công ty).
• Kiểm định độ phù hợp Hosmer - Lemeshow đạt giá trị thống kê $2{,}9751$ với p-value đạt $0{,}9359$ ($> 0{,}05$), khẳng định mô hình hoàn toàn tương thích và không có sự khác biệt có ý nghĩa thống kê giữa giá trị thực tế và giá trị dự báo.
• Mức độ tác động của các biến: Biến Lợi nhuận giữ lại / Tổng tài sản ($\text{LN_TTS}$) và EBIT / Tổng tài sản ($\text{EBIT_TTS}$) tác động tích cực mạnh mẽ nhất với hệ số lần lượt là $+39{,}1824$ và $+39{,}1418$ ($p < 0{,}05$). Ngược lại, biến Tổng nợ / Tổng tài sản ($\text{NO_TTS}$) với hệ số $-4{,}5819$ và Khoản phải thu / Tổng nợ ($\text{PT_TN}$) với hệ số $-2{,}6408$ làm tăng đáng kể nguy cơ mất khả năng trả nợ.

Thảo luận kết quả

Kết quả ước lượng định lượng phản ánh thực trạng tài chính của các doanh nghiệp Việt Nam trong giai đoạn biến động kinh tế:

• Vai trò của dòng tiền và nội lực sinh lời: Tương quan dương mạnh mẽ của $\text{LN_TTS}$ và $\text{EBIT_TTS}$ khẳng định các doanh nghiệp duy trì nguồn lợi nhuận tích lũy dồi dào và khả năng sinh lời trên tổng tài sản cao có năng lực chống chịu rủi ro rất tốt, qua đó giảm thiểu xác suất vỡ nợ về mức tiệm cận 0%.
• Cảnh báo về đòn bẩy và công nợ: Tỷ lệ nợ trên tổng tài sản cao ($\text{NO_TTS}$) kết hợp với việc bị khách hàng chiếm dụng vốn thông qua các khoản phải thu lớn ($\text{PT_TN}$) là hai nguyên nhân trực tiếp dẫn tới khủng hoảng thanh khoản và mất khả năng trả nợ ngân hàng.

Khi trình bày dưới dạng ma trận tương quan và bảng phân loại chéo (Confusion Matrix), kết quả phân định rõ nét ranh giới giữa nhóm an toàn và nhóm suy thoái. Độ chính xác 88,95% của mô hình Logistic trong nghiên cứu này tương đồng và có phần vượt trội so với các công trình quốc tế tiêu biểu như nghiên cứu của Altman và Sabato năm 2007 trên 2.000 doanh nghiệp vừa và nhỏ tại Mỹ (đạt độ chính xác 87%), nghiên cứu của Zhu Kong-Lai và Li Jing-jing năm 2010 tại thị trường Trung Quốc trên 130 công ty niêm yết, và nghiên cứu của Hoàng Tùng năm 2011 trên 463 công ty niêm yết tại Việt Nam.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, luận văn đề xuất 5 nhóm giải pháp mang tính hành động cao:

• Hoàn thiện hệ thống công nghệ thông tin và cơ sở dữ liệu tín dụng: Các ngân hàng thương mại cần đầu tư nâng cấp hạ tầng CNTT trong vòng 12-24 tháng, thiết lập kho dữ liệu tập trung lưu trữ lịch sử trả nợ và báo cáo tài chính kiểm toán của tối thiểu 100% khách hàng doanh nghiệp để phục vụ chạy mô hình lượng hóa.
• Tích hợp mô hình Logistic vào quy trình chấm điểm tín dụng nội bộ: Chuyển đổi từ phương pháp chấm điểm chuyên gia thuần túy sang mô hình kết hợp định lượng, sử dụng kết quả xác suất vỡ nợ (PD) để quy đổi sang 10 bậc hạng tín dụng từ AAA đến D, giúp giảm thiểu sai số đánh giá chủ quan của cán bộ tín dụng xuống dưới 10%.
• Tái cấu trúc cơ chế trích lập quỹ dự phòng rủi ro: Áp dụng công thức tính tổn thất dự tính $\text{EL} = \text{PD} \times \text{EAD} \times \text{LGD}$ của Basel II nhằm trích lập dự phòng bám sát mức độ rủi ro thực tế của từng danh mục thay vì chỉ dựa vào phân loại theo thời gian trễ hạn nợ thông thường.
• Nâng cao năng lực chuyên môn đội ngũ nhân sự: Tổ chức các chương trình đào tạo chuyên sâu về kinh tế lượng tài chính và mô hình hóa rủi ro cho 100% chuyên viên phân tích rủi ro và cán bộ quản trị tín dụng trong lộ trình 1 năm.
• Kiến nghị Ngân hàng Nhà nước và các cơ quan quản lý: Ngân hàng Nhà nước cần sớm ban hành thông tư hướng dẫn chi tiết khung quản lý rủi ro theo Basel II, đồng thời nâng cao độ phủ và tính minh bạch thông tin của Trung tâm Thông tin Tín dụng Quốc gia (CIC) nhằm tạo nền tảng dữ liệu toàn ngành chuẩn xác.

Đối tượng nên tham khảo luận văn

• Cán bộ quản trị rủi ro tín dụng tại các ngân hàng thương mại: Ứng dụng thuật toán hồi quy Logistic và bộ 4 biến số tài chính để tối ưu hóa thang đo xếp hạng nội bộ, thiết lập hạn mức tín dụng và định giá lãi suất theo mức độ rủi ro khách hàng.
• Ban điều hành và Hội đồng quản trị các tổ chức tín dụng: Sử dụng phương pháp luận tính toán tổn thất dự tính (EL) để hoạch định chính sách phân bổ vốn kinh tế, xây dựng quỹ dự phòng rủi ro chính xác và chuẩn bị lộ trình tuân thủ Basel II.
• Giảng viên, nhà nghiên cứu và học viên cao học chuyên ngành Tài chính – Ngân hàng: Dùng làm tài liệu tham khảo mẫu mực về phương pháp nghiên cứu định lượng, kỹ thuật xử lý dữ liệu nhị phân trên các phần mềm thống kê kinh tế lượng.
• Chuyên viên phân tích tài chính và nhà đầu tư chứng khoán: Vận dụng mô hình 4 biến chỉ số tài chính để sàng lọc, nhận diện sớm nguy cơ vỡ nợ hoặc phá sản của các doanh nghiệp niêm yết trên thị trường chứng khoán.

Câu hỏi thường gặp

Mô hình Logistic có ưu điểm gì vượt trội so với mô hình điểm chuẩn Z-score của Altman? Mô hình Logistic không yêu cầu dữ liệu phải tuân theo phân phối chuẩn đa biến như mô hình Z-score hay phân tích đa biệt thức (MDA). Ngoài ra, mô hình Logistic cho kết quả trực tiếp là giá trị xác suất vỡ nợ từ 0 đến 1, đạt độ chính xác dự báo lên tới 88,95% so với mức 69% của Z-score trong các nghiên cứu thực nghiệm.

Xác suất vỡ nợ (PD) được dùng để làm gì trong quản trị rủi ro ngân hàng? Chỉ số PD là cấu phần cốt lõi để tính toán tổn thất dự tính $\text{EL} = \text{PD} \times \text{EAD} \times \text{LGD}$ và ước tính vốn an toàn tối thiểu 8% theo Basel II. Ngoài ra, ngân hàng sử dụng PD để phân hạng khách hàng từ AAA đến D, quyết định cấp tín dụng và định giá biên lãi suất cho vay tương xứng với mức độ rủi ro.

Tại sao hai biến LN_TTS và EBIT_TTS lại có hệ số tác động lớn nhất trong mô hình? Hệ số hồi quy của $\text{LN_TTS}$ đạt $+39{,}1824$ và $\text{EBIT_TTS}$ đạt $+39{,}1418$, phản ánh rằng năng lực tự tài trợ từ lợi nhuận giữ lại và hiệu quả sinh lời của tài sản là trụ cột vững chắc nhất bảo đảm khả năng trả nợ. Doanh nghiệp có nội lực sinh lời tốt sẽ duy trì dòng tiền ổn định và giảm thiểu rủi ro vỡ nợ về mức thấp nhất.

Quy mô mẫu 190 doanh nghiệp niêm yết có bảo đảm tính đại diện cho khách hàng vay vốn không? Mẫu nghiên cứu gồm 190 doanh nghiệp phi tài chính trên sàn HOSE sử dụng số liệu báo cáo tài chính đã kiểm toán độc lập, bảo đảm tính minh bạch và độ chính xác cao. Dù chưa bao quát toàn bộ khối doanh nghiệp chưa niêm yết, phương pháp chọn mẫu này loại trừ được sai lệch thông tin và tạo khung đo lường chuẩn xác có thể mở rộng áp dụng.

Ngân hàng cần điều kiện gì để ứng dụng thành công mô hình định lượng này? Ngân hàng cần hoàn thiện hạ tầng công nghệ thông tin, chuẩn hóa cơ sở dữ liệu lịch sử nợ quá hạn tối thiểu từ 3 đến 5 năm, đào tạo đội ngũ chuyên viên am hiểu kinh tế lượng và xây dựng quy trình giám sát tín dụng chặt chẽ theo khuyến nghị của Ủy ban Basel.

Kết luận

• Luận văn đã chứng minh tính ưu việt của mô hình hồi quy Logistic trong việc lượng hóa xác suất vỡ nợ với độ chính xác tổng thể đạt 88,95% trên mẫu 190 doanh nghiệp.
• Xác định 4 biến tài chính có ý nghĩa thống kê quyết định gồm: Lợi nhuận giữ lại / Tổng tài sản, EBIT / Tổng tài sản, Khoản phải thu / Tổng nợ, và Tổng nợ / Tổng tài sản.
• Cung cấp cơ sở khoa học giúp chuyển đổi phương thức quản trị rủi ro từ định tính theo tuổi nợ sang mô hình định lượng hiện đại theo chuẩn mực Basel II.
• Đề xuất lộ trình 12-24 tháng để các ngân hàng thương mại hoàn thiện cơ sở dữ liệu tập trung, nâng cấp hệ thống xếp hạng tín dụng nội bộ và tính toán quỹ dự phòng rủi ro chính xác.
• Độc giả, các nhà nghiên cứu và nhà quản trị ngân hàng quan tâm có thể khai thác toàn văn công trình nghiên cứu để triển khai ứng dụng thực tiễn trong công tác phân tích tài chính và quản trị rủi ro tín dụng.

Trích đoạn nội dung tài liệu

Chương 1: CƠ SỞ LÝ LUẬN VỀ XÁC SUẤT VỠ NỢ CỦA DOANH NGHIỆP VÀ QUẢN TRỊ RỦI RO TÍN DỤNG CỦA NGÂN HÀNG THƯƠNG MẠI 1.1 Cơ sở lý luận về xác suất vỡ nợ của doanh nghiệp 1.1 Xác suất vỡ nợ của doanh nghiệp Xác suất vỡ nợ là khả năng một doanh nghiệp sẽ không thể hoàn trả nợ gốc, nợ lãi theo lịch trình, cam kết đã định trước. Khi người cho vay ước tính một doanh nghiệp có xác xuất vỡ nợ cao thì họ sẽ đưa ra một mức lãi suất cho vay cao hơn, như là một khoản bồi thường cho việc chấp nhận rủi ro cao hơn đó. Theo giải thích của Basel II thì: “Xác suất vỡ nợ được xem là một chỉ báo rủi ro tín dụng, nó cho thấy khả năng xảy ra việc một khách hàng không thể thực hiện nghĩa vụ tài chính theo cam kết ban đầu”. Xác suất vỡ nợ có thể được ước tính riêng cho từng khách hàng, hoặc cũng có thể được ước tính cho một danh mục bao gồm nhiều khách hàng có các đặc điểm tương đồng.

Các tổ chức tài chính sử dụng xác suất vỡ nợ của khách hàng để tính toán tổn thất dự tính, tính toán yêu cầu vốn tối thiểu trong khuôn khổ của Basel. Một khách hàng được Basel định nghĩa là không có khả năng trả nợ như sau: “Trường hợp khách hàng không trả được nợ được cho là xảy ra khi một trong hai hoặc là cả hai sự kiện sau đây xảy ra: Thứ nhất, ngân hàng đánh giá rằng khách hàng không có khả năng trả nợ đầy đủ khi ngân hàng chưa thực hiện hành động gì để cố gắng thu hồi; Thứ hai là khách hàng đã quá hạn trả nợ quá 90 ngày. Thấu chi cũng được xem là một dấu hiệu của mất khả năng trả nợ nếu khách hàng phá vỡ hạn mức đã được thông báo trước đó hoặc bị ngân hàng thông báo một hạn mức nhỏ hơn dư nợ hiện tại của mình.2 Các yếu tố ảnh hưởng đến xác suất vỡ nợ của doanh nghiệp TIEU LUAN MOI download : [e-mail] 5 Các nghiên cứu trên Thế giới đều thống nhất quan điểm phân chia các yếu tố ảnh hưởng đến xác suất vỡ nợ của doanh nghiệp thành 02 nhóm chính, bao gồm nhóm các yếu tố thuộc về vĩ mô và nhóm các yếu tố thuộc nội tại các doanh nghiệp.1 Các yếu tố vĩ mô Yếu tố vĩ mô ảnh hưởng đến xác suất vỡ nợ doanh nghiệp được định nghĩa là những thông tin của nền kinh tế gây ảnh hưởng chung đến mọi doanh nghiệp vay nợ. Trong nghiên cứu của mình, Qu (2006) đã tiến hành thực hiện phân tích tìm ra các yếu tố vĩ mô ảnh hưởng đến xác suất vỡ nợ của các công ty tại thị trường Thuỵ Điển.

Đồng thời, đặt trong so sánh với các nghiên cứu cùng chủ đề được thực hiện tại các quốc gia: Đan Mạch, Na-Uy, Phần Lan, Anh, Đức và Mỹ cũng cho thấy các kết quả khá tương đồng, cho thấy các biến vĩ mô sau đây có ảnh hưởng đến xác suất vỡ nợ: Tốc độ tăng tổng sản phẩm quốc nội (GDP) GDP là giá trị bằng tiền của tất cả sản phẩm và dịch vụ cuối cùng được sản xuất ra trong phạm vi một lãnh thổ trong một khoảng thời gian nhất định, thường là một năm. GDP được đánh giá là một trong những chỉ số cơ bản để đánh giá sự phát triển kinh tế của một vùng lãnh thổ nào đó. Trong nghiên cứu tác động của GDP lên xác suất vỡ nợ, GDP được hiểu là tổng cầu của cả nền kinh tế một quốc gia và tổng cầu có liên quan mật thiết đến doanh số bán hàng của các doanh nghiệp. Tốc độ tăng GDP thấp có nghĩa là tốc độ tăng doanh số bán hàng của doanh nghiệp cũng thấp, và doanh số thấp dẫn đến sự gia tăng trong khả năng một doanh nghiệp không thể đáp ứng các nghĩa vụ tài chính của mình.

Do vậy, tốc độ tăng GDP tương quan nghịch với xác suất vỡ nợ. Chỉ số giá tiêu dùng (CPI) CPI dùng để đo lường thay đổi chi phí của một giỏ hàng hoá và dịch vụ cố định, thường gồm các lĩnh vực nhà ở, điện, thực phẩm và giao thông. CPI thường được dùng như dấu hiệu đo lường lạm phát. Lạm phát cũng được xem là một nguy cơ tiềm ẩn khi TIEU LUAN MOI download : [e-mail] 6 nó thúc đẩy mọi người dùng tiền tiết kiệm đang có để đầu tư, điều này hàm ý mọi người đang chấp nhận nhiều rủi ro hơn để đầu tư.

Do vậy, nghiên cứu của Qu (2006) chỉ ra rằng, CPI có quan hệ cùng chiều với xác suất vỡ nợ. Tỷ lệ thất nghiệp Tỷ lệ thất nghiệp là phần trăm số những người lao động không có việc làm trên tổng số lực lượng lao động xã hội. Tỷ lệ thất nghiệp cao luôn dẫn đến nhiều vấn đề cho nền kinh tế nói riêng và cho cả xã hội nói chung. Do vậy, tỷ lệ thất nghiệp tương quan thuận với xác suất vỡ nợ của một doanh nghiệp.

Lãi suất Đa số các doanh nghiệp đều tài trợ một phần cho các nhu cầu hoạt động sản suất kinh doanh bằng việc vay nợ. Về mặt lý thuyết, lãi suất đại diện cho chi phí một người phải trả khi đi vay mượn. Khi lãi suất tăng sẽ làm cho một số doanh nghiệp đi vay bị “ra khỏi thị trường”, tức là họ sẽ không thể chi trả cho các khoản nợ hiện hữu nếu không vay thêm nợ hoặc gia tăng thêm vốn. Lãi suất tăng cũng có nghĩa là chi phí của doanh nghiệp sẽ tăng, kéo theo là sự gia tăng của xác suất vỡ nợ.

Lãi suất tương quan thuận với xác suất vỡ nợ. Tỷ giá hối đoái Tỷ giá hối đoái là giá so sánh giữa đồng tiền nội tệ của một quốc gia với đồng tiền ngoại tệ của một quốc gia khác. Những doanh nghiệp có hoạt động kinh doanh quốc tế sẽ bị ảnh hưởng nhiều bởi tỷ giá hối đoái. Tuy nhiên, mối quan hệ giữa tỷ giá hối đoái và xác suất vỡ nợ của doanh nghiệp lại tương đối khó xác định: tương quan giữa hai yếu tố này là thuận hay nghịch lại phụ thuộc vào đó là doanh nghiệp xuất khẩu hay nhập khẩu, hay vừa xuất khẩu vừa nhập khẩu.2 Các yếu tố nội tại của doanh nghiệp: TIEU LUAN MOI download : [e-mail] 7 Các yếu tố nội tại ảnh hưởng đến xác suất vỡ nợ của doanh nghiệp được định nghĩa là những thông tin đặc thù của một doanh nghiệp cụ thể, có thể kể ra như: Tốc độ tăng trưởng doanh số Tốc độ tăng trưởng doanh số được xem là chỉ báo quan trọng cho thấy tình hình kinh doanh của doanh nghiệp đó đang trong giai đoạn ổn định, phát triển hay suy thoái.

Nhìn chung, tốc độ tăng trưởng doanh số cao và gia tăng hàm ý rằng khả năng trả nợ của doanh nghiệp cũng tăng (xác suất vỡ nợ giảm). Tỷ lệ đòn bẩy tài chính Về mặt nguyên tắc, một doanh nghiệp càng thiên về cấu trúc vốn sử dụng nợ nhiều thì xác suất vỡ nợ càng tăng. Khi tình hình của ngành kinh doanh hay tình hình kinh tế chung có nhiều bất ổn, nợ vay trở thành gánh nặng tài chính, doanh nghiệp vay nhiều nợ khó có thể đáp ứng các nghĩa vụ đối với người cho vay.2 Cơ sở lý luận về rủi ro tín dụng và quản trị rủi ro tín dụng 1.1 Cơ sở lý luận về rủi ro tín dụng 1.1 Khái niệm rủi ro tín dụng Ngân hàng cũng như bất kỳ một doanh nghiệp nào trong nền kinh tế, đều hoạt động trên nguyên lý tối đa hoá lợi nhuận trong khoảng rủi ro có thể chấp nhận được. Do vậy, rủi ro là nhân tố luôn luôn tồn tại trong hoạt động kinh doanh của Ngân hàng.

Rủi ro trong kinh doanh ngân hàng được hiểu là những biến cố không mong đợi mà khi xảy ra sẽ dẫn đến sự tổn thất về tài sản của ngân hàng, giảm sút lợi nhuận thực tế so với dự kiến. Theo Quyết định 493/2005/QĐ-NHNN ngày 22/04/2005 của Thống đốc NHNN thì “Rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng” là khả năng xảy ra tổn thất trong hoạt động ngân hàng của tổ chức tín dụng do khách hàng không thực hiện hoặc không có khả năng thực hiện nghĩa vụ của mình theo cam kết. Hoạt động ngân hàng bao gồm: “việc kinh doanh, cung ứng thường xuyên một hay một số nghiệp TIEU LUAN MOI download : [e-mail] 8 vụ sau đây: nhận tiền gửi, cấp tín dụng, cung ứng các dịch vụ thanh toán qua tài khoản” (Luật các TCTD năm 2010). Rủi ro tín dụng trong hoạt động ngân hàng được Thông tư số 02/2013/TT- NHNN ngày 21/01/2013 định nghĩa là tổn thất có khả năng xảy ra đối với nợ của TCTD, chi nhánh ngân hàng nước ngoài do khách hàng không thực hiện hoặc không có khả năng thực hiện một phần hoặc toàn bộ nghĩa vụ của mình theo cam kết.

Theo Bessis (2001) thì rủi ro tín dụng được hiểu là “những tổn thất do khách hàng không trả được nợ hoặc sự giảm sút chất lượng tín dụng của những khoản vay”. Vậy tóm lại, có thể nói rủi ro tín dụng là khả năng xảy ra tổn thất trong hoạt động cấp tín dụng của các ngân hàng. Rủi ro tín dụng được xem là loại rủi ro trọng yếu trong hoạt động kinh doanh của ngân hàng, bởi lẽ: cấp tín dụng hiện nay vẫn là hoạt động chủ lực của các NHTM Việt Nam. Nguồn thu nhập của NHTM có thể chia làm 02 loại: Thu nhập thuần từ lãi và thu nhập thuần ngoài lãi.

(ii) Thu nhập thuần ngoài lãi bao gồm số thu phí dịch vụ; thu kinh doanh ngoại tệ, vàng, bạc; thu hoàn dự chi và thu khác. Khi nói hoạt động cấp tín dụng hiện vẫn là hoạt động chủ lực của các NHTM Việt Nam có nghĩa là, trong giai đoạn hiện tại thì nguồn thu nhập thuần từ lãi là nguồn thu nhập chiếm tỷ trọng cao nhất của các NHTM Việt Nam. So với các quốc gia Châu Á Thái Bình Dương khác thì các ngân hàng thương mại tại Việt Nam có tỷ lệ thu nhập thuần ngoài lãi thấp hơn, chi tiết xem ở Bảng 1. TIEU LUAN MOI download : skknchat@gmail.1: Tỷ lệ thu nhập thuần ngoài lãi của một số quốc gia năm 2012 Quốc gia Úc Trung Quốc Singapore Thái Lan Việt Nam Tỷ lệ thu nhập 33% 21% 40% 36% 14% thuần ngoài lãi (Nguồn: KPMG, Khảo sát về Ngành Ngân hàng Việt Nam năm 2013) Theo số liệu thống kê từ 10 NHTM tại Việt Nam được trình bày tại Bảng 1.2 cho thấy tỷ lệ thu nhập từ lãi trong tổng thu nhập của các ngân hàng đều rất cao, bình quân là từ 75% đến 90%.