Chuyên đề: Ứng dụng mô hình Logistic quản trị rủi ro tín dụng tại Agribank

Chuyên đề phân tích ứng dụng mô hình logistic trong quản trị rủi ro tín dụng khách hàng doanh nghiệp, thực trạng và giải pháp tại ngân hàng Agribank.

• Tác giả: Đào Thị Thu Trang
• Người hướng dẫn: Th.s. Hoàng Đức Mạnh
• Chuyên ngành: Toán tài chính
• Đề tài: Ứng dụng mô hình Logistic trong quản trị rủi ro tín dụng đối với khách hàng doanh nghiệp tại NHNN&PTNT Việt Nam, chi nhánh Đông Đa
• Loại tài liệu: Chuyên đề thực tập
• Năm xuất bản: 2012
• Địa điểm: Hà Nội

Mục lục chi tiết

• DANH MỤC TỪ VIẾT TẮT
• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ RỦI RO TÍN DỤNG VÀ QUẢN TRỊ RỦI RO TÍN DỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI
• 1.1. TỔNG QUAN VỀ RỦI RO TRONG HOẠT ĐỘNG KINH DOANH CỦA NGÂN HÀNG
• 1.1.1. Các loại rủi ro trong kinh doanh ngân hàng
• 1.1.2. Rủi ro tín dụng trong hoạt động của ngân hàng
• 1.1.2.1. Khái niệm rủi ro tín dụng
• 1.1.2.2. Phân loại rủi ro tín dụng
• 1.1.2.3. Đặc điểm của rủi ro tín dụng
• 1.1.2.4. Nguyên nhân dẫn đến rủi ro tín dụng
• 1.1.2.5. Các chỉ tiêu phản ánh rủi ro tín dụng
• 1.1.2.6. Hậu quả của rủi ro tín dụng đối với ngân hàng thương mại
• 1.2. QUẢN LÝ RỦI RO TÍN DỤNG
• 1.2.1. Sự cần thiết của công tác quản trị rủi ro tín dụng trong hoạt động cho vay tại ngân hàng
• 1.2.2. Nhiệm vụ của công tác quản trị rủi ro tín dụng
• 1.2.3. Phân loại nợ và trích lập dự phòng rủi ro tín dụng
• 1.3. CÁC MÔ HÌNH TRONG QUẢN TRỊ RỦI RO TÍN DỤNG TRÊN THẾ GIỚI
• 1.3.1. Kiểm tra tín dụng
• 1.3.2. Xử lý nợ có vấn đề
• 1.3.3. Phương pháp xếp hạng tín dụng
• 1.4. MỘT SỐ MÔ HÌNH CHẤM ĐIỂM VÀ XẾP HẠNG TÍN DỤNG
• 1.4.1. Mô hình xếp hạng tín dụng của Moody's, S&P và Fitch
• 1.4.1.1. Phương pháp xếp hạng tín nhiệm doanh nghiệp của Moody's và S&P
• 1.4.2. Mô hình định tính về quản trị rủi ro tín dụng - mô hình 6C
• 1.4.3. Mô hình định lượng về quản trị rủi ro tín dụng
• 1.5. PHƯƠNG PHÁP BASEL VỀ QUẢN TRỊ RỦI RO TÍN DỤNG
• 1.6. MỘT SỐ TỔ CHỨC XẾP HẠNG TÍN DỤNG
• 1.6.1. Trên thế giới
• 1.6.2. Tại Việt Nam
• 2. CHƯƠNG 2: THỰC TRẠNG QUẢN TRỊ RỦI RO TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM, CHI NHÁNH ĐỐNG ĐA
• 2.1. TỔ CHỨC HOẠT ĐỘNG TÍN DỤNG TẠI NHNN&PTNT VIỆT NAM
• 2.1.1. Nguyên tắc tổ chức
• 2.2. GIỚI THIỆU VỀ NHNN&PTNT CHI NHÁNH ĐỐNG ĐA
• 2.2.1. Khái quát về ngân hàng NN&PTNT Việt Nam
• 2.3. QUY TRÌNH TÍN DỤNG DOANH NGHIỆP
• 2.3.1. Các bước thực hiện quy trình
• 3. CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH LOGISTIC TRONG XẾP HẠNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM CHI NHÁNH ĐỐNG ĐA
• 3.1. ỨNG DỤNG MÔ HÌNH LOGIT VỚI ĐẦY ĐỦ CÁC BIẾN SỐ VÀO MỘT SỐ KHÁCH HÀNG CỦA NGÂN HÀNG
• 3.2. MỘT SỐ GIẢI PHÁP NHẰM PHÒNG NGỪA VÀ HẠN CHẾ RỦI RO TÍN DỤNG
• 3.2.1. Một số giải pháp
• 3.2.2. Một số kiến nghị
• 3.2.2.1. Kiến nghị với NHNN&PTNT Việt Nam

Tóm tắt

I. Hướng dẫn tổng quan về mô hình logistic trong tín dụng

Trong bối cảnh kinh tế hiện đại, hoạt động tín dụng là xương sống của các ngân hàng thương mại, nhưng cũng là lĩnh vực tiềm ẩn nhiều rủi ro nhất. Quản trị rủi ro tín dụng hiệu quả là yếu tố sống còn, quyết định sự an toàn và lợi nhuận của một tổ chức tài chính. Để đối phó với những thách thức này, các ngân hàng đang chuyển dịch từ phương pháp định tính truyền thống sang các mô hình định lượng tinh vi hơn. Trong số đó, mô hình logistic nổi lên như một công cụ mạnh mẽ và chính xác để dự báo khả năng vỡ nợ của khách hàng doanh nghiệp. Đây là một phương pháp thống kê thuộc nhóm hồi quy logistic, cho phép ước lượng xác suất vỡ nợ (PD) dựa trên một tập hợp các đặc điểm tài chính và phi tài chính của doanh nghiệp. Không giống như các mô hình tuyến tính, mô hình logistic phù hợp với bản chất của biến kết quả trong rủi ro tín dụng: một doanh nghiệp hoặc vỡ nợ, hoặc không vỡ nợ (biến nhị phân 0/1). Việc áp dụng mô hình này giúp ngân hàng xây dựng các mô hình chấm điểm tín dụng (credit scoring model) khách quan, nhất quán, giảm thiểu sự phụ thuộc vào ý kiến chủ quan của chuyên viên tín dụng. Nó không chỉ hỗ trợ quá trình thẩm định tín dụng doanh nghiệp ban đầu mà còn đóng vai trò quan trọng trong việc theo dõi và quản lý danh mục tín dụng theo thời gian, đáp ứng các yêu cầu khắt khe của các chuẩn mực quốc tế như Basel II, Basel III.

1.1. Khái niệm và vai trò của quản trị rủi ro tín dụng

Rủi ro tín dụng (RRTD) là khả năng xảy ra tổn thất khi khách hàng không thể thực hiện đầy đủ nghĩa vụ trả nợ gốc và lãi đúng hạn. Đây là loại rủi ro cố hữu và mang lại hậu quả nghiêm trọng nhất cho hoạt động ngân hàng. Quản trị RRTD là quá trình nhận dạng, đo lường rủi ro tín dụng, theo dõi và kiểm soát rủi ro nhằm giảm thiểu tổn thất. Mục tiêu không phải là loại bỏ hoàn toàn rủi ro, vì điều đó là không thể, mà là duy trì rủi ro ở một mức độ chấp nhận được. Một hệ thống quản trị hiệu quả giúp ngân hàng ổn định thu nhập, bảo vệ vốn chủ sở hữu và duy trì niềm tin của khách hàng. Trong đó, việc phân loại tín dụng và trích lập dự phòng rủi ro là nhiệm vụ cốt lõi, đảm bảo ngân hàng có đủ nguồn lực để bù đắp các khoản tổn thất dự kiến (Expected Loss).

1.2. Sự cần thiết của các mô hình định lượng trong ngân hàng

Các phương pháp thẩm định truyền thống dựa nhiều vào kinh nghiệm và đánh giá chủ quan (mô hình 6C) ngày càng bộc lộ nhiều hạn chế trong môi trường kinh doanh phức tạp. Chúng thiếu tính nhất quán, tốn nhiều thời gian và khó áp dụng trên quy mô lớn. Sự ra đời của các mô hình định lượng như mô hình dự báo phá sản Z-Score của Altman hay các mô hình hồi quy đã tạo ra một cuộc cách mạng. Các mô hình này lượng hóa rủi ro dựa trên dữ liệu lịch sử, cung cấp một thước đo khách quan về sức khỏe tài chính của doanh nghiệp. Việc áp dụng các mô hình này không chỉ nâng cao chất lượng quyết định tín dụng mà còn là yêu cầu bắt buộc từ các hiệp ước như Basel II, Basel III, vốn đòi hỏi các ngân hàng phải có hệ thống đo lường rủi ro nội bộ tinh vi để tính toán vốn yêu cầu một cách chính xác.

1.3. Giới thiệu mô hình hồi quy logistic trong dự báo rủi ro

Mô hình hồi quy logistic là một mô hình thống kê được sử dụng để dự báo kết quả của một biến phân loại (biến phụ thuộc) dựa trên một hoặc nhiều biến dự báo (biến độc lập). Trong quản trị rủi ro tín dụng, biến phụ thuộc thường là một biến nhị phân, nhận giá trị 1 nếu khách hàng vỡ nợ và 0 nếu ngược lại. Mô hình này không dự báo trực tiếp kết quả 0 hay 1, mà ước tính xác suất để kết quả đó xảy ra. Ưu điểm vượt trội của nó so với mô hình xác suất tuyến tính là đảm bảo xác suất dự báo luôn nằm trong khoảng [0, 1]. Kết quả của mô hình cung cấp một công thức tính điểm rủi ro, làm cơ sở để xây dựng hệ thống credit scoring model tự động và hiệu quả.

II. Cách xây dựng mô hình logistic cho rủi ro tín dụng

Xây dựng một mô hình logistic hiệu quả để quản trị rủi ro tín dụng là một quy trình khoa học, đòi hỏi sự kết hợp giữa lý thuyết thống kê và kiến thức chuyên sâu về tài chính doanh nghiệp. Quá trình này bắt đầu từ việc thu thập và xử lý dữ liệu. Dữ liệu đầu vào là yếu tố quyết định chất lượng của mô hình, bao gồm cả dữ liệu phi tài chính (như ngành nghề kinh doanh, kinh nghiệm quản lý) và dữ liệu tài chính được rút ra từ phân tích báo cáo tài chính chi tiết. Bước tiếp theo và cũng là bước quan trọng nhất là lựa chọn biến trong mô hình. Không phải tất cả các chỉ số tài chính đều có khả năng dự báo vỡ nợ. Các chuyên gia phải sử dụng các kỹ thuật thống kê để xác định những biến độc lập có ý nghĩa nhất, tránh đưa các biến nhiễu hoặc có tương quan cao vào mô hình. Sau khi lựa chọn được các biến, mô hình sẽ được ước lượng bằng phương pháp hợp lý tối đa (Maximum Likelihood Estimation) để tìm ra các hệ số hồi quy. Các hệ số này phản ánh mức độ ảnh hưởng của từng biến độc lập đến khả năng vỡ nợ, được thể hiện qua chỉ số odds ratio. Một mô hình chỉ thực sự có giá trị khi nó được kiểm định mô hình (back-testing) một cách cẩn thận để đánh giá độ chính xác và ổn định trên các tập dữ liệu khác nhau.

2.1. Xác định biến độc lập và biến phụ thuộc trong mô hình

Trong mô hình logistic dự báo rủi ro tín dụng, biến phụ thuộc (Y) là biến mục tiêu cần dự báo. Nó là một biến giả (dummy variable), nhận giá trị 1 nếu doanh nghiệp được phân loại là "vỡ nợ" (nợ nhóm 3, 4, 5) trong một khoảng thời gian nhất định sau khi vay, và nhận giá trị 0 nếu doanh nghiệp được phân loại là "không vỡ nợ" (trả nợ đúng hạn). Các biến độc lập (X) là các yếu tố được cho là có ảnh hưởng đến khả năng vỡ nợ, bao gồm các chỉ số tài chính (tỷ số thanh khoản, đòn bẩy, khả năng sinh lời, hiệu quả hoạt động) và các đặc điểm phi tài chính (quy mô, ngành nghề, thời gian hoạt động).

2.2. Quy trình lựa chọn biến số có ý nghĩa thống kê

Việc lựa chọn biến trong mô hình là một bước tối quan trọng. Một mô hình tốt phải có tính dự báo cao nhưng đồng thời cũng phải đơn giản và dễ diễn giải. Quá trình này thường bắt đầu với một danh sách lớn các biến tiềm năng. Sau đó, các nhà phân tích sử dụng các phương pháp như phân tích đơn biến để loại bỏ các biến không có mối liên hệ với khả năng vỡ nợ. Tiếp theo, các kỹ thuật lựa chọn biến tự động như Forward Selection, Backward Elimination, hoặc Stepwise Regression được áp dụng để tìm ra tổ hợp biến tối ưu. Việc kiểm tra đa cộng tuyến (multicollinearity) giữa các biến độc lập cũng rất cần thiết để đảm bảo các hệ số ước lượng của mô hình là vững và đáng tin cậy.

2.3. Diễn giải kết quả Hệ số hồi quy và chỉ số Odds Ratio

Sau khi ước lượng, mô hình logistic sẽ cung cấp các hệ số hồi quy (beta) cho mỗi biến độc lập. Dấu của hệ số cho biết chiều hướng tác động: hệ số dương nghĩa là khi giá trị của biến tăng, xác suất vỡ nợ cũng tăng, và ngược lại. Tuy nhiên, để diễn giải mức độ ảnh hưởng, người ta thường sử dụng odds ratio (tỷ số chênh), được tính bằng e^(beta). Ví dụ, nếu một biến có odds ratio là 1.5, điều đó có nghĩa là khi biến đó tăng một đơn vị, tỷ lệ khả năng vỡ nợ so với không vỡ nợ sẽ tăng lên 1.5 lần, khi các yếu tố khác không đổi. Hiểu rõ ý nghĩa của các hệ số này giúp ngân hàng nhận diện các yếu tố rủi ro chính và đưa ra các biện pháp phòng ngừa phù hợp.

III. Phương pháp đánh giá và kiểm định mô hình logistic

Việc xây dựng mô hình chỉ là bước đầu; giá trị thực sự của nó nằm ở khả năng dự báo chính xác trong thực tế. Do đó, đánh giá và kiểm định mô hình (back-testing) là giai đoạn không thể thiếu. Một trong những công cụ phổ biến nhất để đánh giá sức mạnh phân loại của mô hình là đường cong ROC (Receiver Operating Characteristic) và chỉ số AUC (Area Under the Curve). Đường cong ROC biểu diễn khả năng phân biệt giữa hai nhóm "vỡ nợ" và "không vỡ nợ" của mô hình tại các ngưỡng xác suất khác nhau. Chỉ số AUC, là diện tích nằm dưới đường cong ROC, cung cấp một thước đo tổng hợp về hiệu suất của mô hình. AUC càng gần 1, mô hình càng có khả năng phân loại chính xác. Một chỉ số liên quan mật thiết là hệ số Gini, được tính bằng công thức 2*AUC - 1. Ngoài ra, các bài kiểm định về tính phù hợp của mô hình (goodness-of-fit tests) như kiểm định Hosmer-Lemeshow cũng được sử dụng để xem xét liệu xác suất dự báo từ mô hình có khớp với xác suất quan sát được trong thực tế hay không. Quá trình kiểm định này cần được thực hiện định kỳ để đảm bảo mô hình vẫn duy trì được độ chính xác khi điều kiện kinh tế thay đổi.

3.1. Sử dụng đường cong ROC và chỉ số AUC để đo lường hiệu quả

Để đánh giá một mô hình chấm điểm tín dụng, ngân hàng cần biết mô hình đó phân biệt khách hàng tốt và xấu hiệu quả đến đâu. Đường cong ROC là một công cụ đồ thị trực quan cho mục đích này. Trục tung của đồ thị biểu diễn tỷ lệ dương tính thật (độ nhạy - True Positive Rate), tức là tỷ lệ khách hàng vỡ nợ được dự báo chính xác là vỡ nợ. Trục hoành biểu diễn tỷ lệ dương tính giả (False Positive Rate), tức là tỷ lệ khách hàng tốt nhưng bị dự báo nhầm là vỡ nợ. Một mô hình hoàn hảo sẽ có đường ROC đi thẳng từ góc dưới bên trái lên góc trên bên trái của đồ thị, với chỉ số AUC bằng 1. Một mô hình không có khả năng phân biệt (tương đương đoán ngẫu nhiên) sẽ có đường ROC là đường chéo 45 độ, với AUC bằng 0.5. Trong thực tế, một mô hình được coi là tốt nếu có AUC từ 0.7 đến 0.8 và xuất sắc nếu AUC trên 0.8.

3.2. Vai trò của hệ số Gini trong phân loại tín dụng

Hệ số Gini là một thước đo khác về sức mạnh phân biệt của mô hình, được sử dụng rộng rãi trong ngành tài chính. Nó đo lường mức độ mà mô hình có thể tập trung các khách hàng "xấu" vào nhóm có điểm số rủi ro cao nhất. Về mặt toán học, hệ số Gini có mối quan hệ trực tiếp với AUC (Gini = 2*AUC - 1). Do đó, một hệ số Gini cao hơn cho thấy mô hình có khả năng phân loại tín dụng tốt hơn. Ví dụ, một mô hình với hệ số Gini là 0.6 (tương đương AUC là 0.8) được coi là một mô hình có sức mạnh dự báo mạnh mẽ, giúp ngân hàng tập trung nguồn lực giám sát vào các khoản vay có rủi ro cao nhất, từ đó tối ưu hóa việc quản lý danh mục tín dụng.

3.3. Kỹ thuật Back testing và kiểm tra tính ổn định của mô hình

Một mô hình có thể hoạt động tốt trên tập dữ liệu dùng để xây dựng nó (in-sample) nhưng lại thất bại khi áp dụng vào dữ liệu mới (out-of-sample). Do đó, kiểm định mô hình (back-testing) là cực kỳ quan trọng. Kỹ thuật này bao gồm việc áp dụng mô hình đã xây dựng vào một tập dữ liệu lịch sử mà mô hình chưa từng "nhìn thấy" để kiểm tra khả năng dự báo. Ngoài ra, việc kiểm tra tính ổn định theo thời gian (temporal stability) cũng cần thiết, đảm bảo rằng các mối quan hệ mà mô hình nắm bắt được không thay đổi đột ngột qua các chu kỳ kinh tế khác nhau. Các ngân hàng phải thường xuyên thực hiện back-testing để xác nhận lại hiệu quả của mô hình và hiệu chỉnh lại khi cần thiết, đáp ứng yêu cầu của Basel II, Basel III về việc rà soát và xác nhận các mô hình rủi ro nội bộ.

IV. Ứng dụng thực tiễn mô hình logistic vào ngân hàng

Việc ứng dụng mô hình logistic vào thực tiễn mang lại những thay đổi căn bản trong quy trình thẩm định tín dụng doanh nghiệp và quản trị rủi ro. Thay vì chỉ dựa vào các đánh giá định tính, chuyên viên tín dụng giờ đây có một công cụ định lượng khách quan để hỗ trợ ra quyết định. Kết quả từ mô hình, tức là xác suất vỡ nợ (PD), có thể được chuyển đổi thành một thang điểm tín dụng (credit score). Dựa trên điểm số này, ngân hàng có thể tự động phân loại tín dụng cho khách hàng thành các nhóm rủi ro khác nhau (ví dụ: rủi ro thấp, trung bình, cao). Điều này không chỉ giúp chuẩn hóa và tăng tốc quá trình phê duyệt tín dụng mà còn là cơ sở để xây dựng chính sách giá cả và điều khoản cho vay dựa trên rủi ro. Những khách hàng có điểm tín dụng tốt có thể được hưởng lãi suất ưu đãi và điều kiện linh hoạt hơn. Ngược lại, những khách hàng có điểm số rủi ro cao sẽ phải chịu lãi suất cao hơn hoặc yêu cầu tài sản đảm bảo chặt chẽ hơn. Hơn nữa, việc lượng hóa được PD là yếu tố đầu vào then chốt để tính toán tổn thất dự kiến (Expected Loss), một thành phần cốt lõi trong khuôn khổ Basel II, Basel III và là cơ sở để trích lập dự phòng rủi ro một cách khoa học.

4.1. Xây dựng hệ thống chấm điểm tín dụng tự động Credit Scoring

Kết quả cuối cùng của mô hình hồi quy logistic là một phương trình toán học. Bằng cách nhập các giá trị của biến độc lập (các chỉ số tài chính, phi tài chính) của một doanh nghiệp vào phương trình này, ngân hàng có thể tính toán được xác suất vỡ nợ (PD) dự báo. Xác suất này sau đó được chuyển đổi thành một điểm số tín dụng thông qua một công thức biến đổi tuyến tính. Hệ thống credit scoring model này cho phép ngân hàng xử lý một lượng lớn hồ sơ vay vốn một cách nhanh chóng và nhất quán. Nó trở thành công cụ hỗ trợ đắc lực cho chuyên viên tín dụng, giúp họ tập trung thời gian và chuyên môn vào việc phân tích các trường hợp phức tạp hoặc mang tính đặc thù, thay vì thực hiện các đánh giá lặp đi lặp lại.

4.2. Tối ưu hóa quyết định trong thẩm định tín dụng doanh nghiệp

Với một hệ thống chấm điểm khách quan, quy trình thẩm định tín dụng doanh nghiệp trở nên minh bạch và hiệu quả hơn. Ngân hàng có thể thiết lập các ngưỡng điểm (cut-off scores) để tự động hóa một phần quyết định. Ví dụ, các hồ sơ có điểm số trên một ngưỡng nhất định có thể được tự động phê duyệt (với sự rà soát cuối cùng), các hồ sơ có điểm số dưới một ngưỡng khác có thể bị tự động từ chối, còn các hồ sơ ở giữa sẽ được chuyển đến chuyên viên phân tích cao cấp để xem xét kỹ lưỡng hơn. Cách tiếp cận này giúp giảm thiểu sai sót do yếu tố con người, đảm bảo chính sách tín dụng được áp dụng đồng bộ trên toàn hệ thống và cải thiện đáng kể thời gian xử lý hồ sơ vay, nâng cao trải nghiệm của khách hàng.

4.3. Quản lý danh mục tín dụng và tuân thủ Basel II Basel III

Mô hình logistic không chỉ hữu ích ở cấp độ từng khoản vay mà còn là công cụ quản lý vĩ mô. Bằng cách tổng hợp điểm số rủi ro của tất cả khách hàng, ngân hàng có thể có cái nhìn toàn cảnh về chất lượng của toàn bộ danh mục cho vay. Việc theo dõi sự thay đổi trong phân bổ điểm số của quản lý danh mục tín dụng giúp ban lãnh đạo sớm nhận diện các xu hướng rủi ro tiềm ẩn. Quan trọng hơn, việc ước lượng được xác suất vỡ nợ (PD) là một trong ba thành phần chính (cùng với LGD và EAD) để tính toán tổn thất dự kiến (Expected Loss) và vốn yêu cầu theo phương pháp xếp hạng nội bộ (IRB) của Basel II, Basel III. Việc áp dụng thành công các mô hình này giúp ngân hàng tuân thủ quy định quốc tế và sử dụng vốn một cách hiệu quả hơn.

V. Tương lai Kết hợp mô hình logistic và học máy mới

Mặc dù mô hình logistic đã chứng tỏ là một công cụ cực kỳ hiệu quả và được sử dụng rộng rãi, lĩnh vực quản trị rủi ro tín dụng vẫn đang không ngừng phát triển. Tương lai của việc dự báo rủi ro nằm ở sự kết hợp giữa các mô hình thống kê kinh điển như hồi quy logistic và các kỹ thuật tiên tiến của mô hình học máy trong tài chính (machine learning). Các thuật toán như Mạng nơ-ron thần kinh (Neural Networks), Máy véc-tơ hỗ trợ (Support Vector Machines), hay Gradient Boosting có khả năng nhận diện các mối quan hệ phi tuyến và tương tác phức tạp trong dữ liệu mà mô hình logistic có thể bỏ qua. Những kỹ thuật này hứa hẹn mang lại độ chính xác dự báo cao hơn nữa. Tuy nhiên, một trong những thách thức lớn nhất của các mô hình học máy là tính "hộp đen" (black-box), gây khó khăn trong việc diễn giải kết quả. Do đó, một hướng đi đầy hứa hẹn là sử dụng mô hình logistic làm mô hình nền tảng vì tính minh bạch và dễ diễn giải của nó, đồng thời sử dụng các kỹ thuật học máy để cải thiện khả năng dự báo hoặc để xác định các biến đầu vào tiềm năng. Sự kết hợp này tận dụng được điểm mạnh của cả hai phương pháp, tạo ra một thế hệ mô hình chấm điểm tín dụng mới vừa mạnh mẽ, chính xác, vừa có thể giải thích được, đáp ứng yêu cầu ngày càng cao của cả hoạt động kinh doanh và các cơ quan quản lý.

5.1. Ưu điểm và hạn chế của mô hình hồi quy logistic truyền thống

Ưu điểm lớn nhất của hồi quy logistic là tính đơn giản, hiệu quả tính toán và khả năng diễn giải cao. Các hệ số của mô hình cho biết rõ ràng tác động của từng yếu tố đến rủi ro, giúp ngân hàng hiểu được "tại sao" một khách hàng bị đánh giá là rủi ro. Mô hình cũng cho ra kết quả là xác suất, rất trực quan và hữu ích. Tuy nhiên, hạn chế của nó là giả định về mối quan hệ tuyến tính giữa các biến độc lập và log-odds của biến phụ thuộc. Nó có thể không nắm bắt được các mối quan-hệ phi tuyến phức tạp trong dữ liệu. Ngoài ra, hiệu suất của mô hình có thể bị ảnh hưởng nếu các biến độc lập có tương quan cao với nhau.

5.2. Khám phá các mô hình học máy trong tài chính hiện đại

Các mô hình học máy trong tài chính đang mở ra những chân trời mới. Các thuật toán như Random Forest hay XGBoost có khả năng xử lý lượng lớn các biến, tự động phát hiện các tương tác phức tạp và thường cho độ chính xác dự báo cao hơn các mô hình truyền thống, đặc biệt với các bộ dữ liệu lớn và phức tạp. Mạng nơ-ron thần kinh (Neural Networks) có thể học được các mẫu hình trừu tượng trong dữ liệu mà con người khó nhận ra. Việc áp dụng các kỹ thuật này vào thẩm định tín dụng doanh nghiệp có thể giúp phát hiện sớm các rủi ro tinh vi, nâng cao đáng kể hiệu quả của hệ thống credit scoring model.

5.3. Hướng tiếp cận kết hợp Hybrid Approach cho tương lai

Hướng tiếp cận kết hợp, hay Hybrid Approach, là chiến lược tối ưu để cân bằng giữa độ chính xác và khả năng diễn giải. Theo đó, ngân hàng có thể sử dụng các mô hình học máy phức tạp để làm công cụ sàng lọc và lựa chọn các biến quan trọng nhất từ hàng trăm biến tiềm năng. Sau đó, những biến đã được lựa chọn này sẽ được đưa vào một mô hình logistic để xây dựng mô hình chấm điểm cuối cùng. Cách làm này giúp mô hình cuối cùng vừa có sức mạnh dự báo được tăng cường từ học máy, vừa giữ được tính minh bạch và dễ giải thích của hồi quy logistic. Đây được xem là xu hướng tất yếu trong việc xây dựng các hệ thống đo lường rủi ro tín dụng thế hệ mới.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu thế hội nhập kinh tế quốc tế và tự do hóa tài chính, đặc biệt sau sự kiện Việt Nam gia nhập Tổ chức Thương mại Thế giới (WTO) vào năm 2007, hệ thống các ngân hàng thương mại Việt Nam phải đối mặt với áp lực cạnh tranh ngày càng gia tăng. Sự phát triển mạnh mẽ về số lượng và quy mô của các tổ chức tín dụng khiến hoạt động kinh doanh tiền tệ trở nên phức tạp và tiềm ẩn nhiều rủi ro. Đối với các ngân hàng thương mại, hoạt động tín dụng là kênh tạo ra nguồn thu chủ yếu, chiếm khoảng 1/2 đến 2/3 tổng thu nhập và dư nợ tín dụng thường chiếm hơn 1/2 tổng tài sản Có. Tuy nhiên, đây cũng là hoạt động mang lại rủi ro lớn nhất do tình trạng bất cân xứng thông tin và khả năng khách hàng không hoàn thành nghĩa vụ tài chính khi đến hạn.

Rủi ro tín dụng là yếu tố khách quan không thể triệt tiêu hoàn toàn mà chỉ có thể đo lường, phòng ngừa và kiểm soát nhằm giảm thiểu tổn thất. Trong đó, đánh giá và xếp hạng tín dụng doanh nghiệp là khâu then chốt mang tính quyết định trước khi ra quyết định cấp tín dụng. Việc hoàn thiện hệ thống quản trị rủi ro và xây dựng mô hình xếp hạng tín dụng nội bộ chuẩn xác giúp các ngân hàng hạn chế nợ xấu, tối ưu hóa mức trích lập dự phòng rủi ro và từng bước đáp ứng các yêu cầu khắt khe của Ngân hàng Nhà nước cũng như chuẩn mực quốc tế Basel.

Xuất phát từ yêu cầu thực tiễn đó, tác giả Đào Thị Thu Trang (chuyên ngành Toán tài chính 52A, Khoa Toán Kinh Tế, Trường Đại học Kinh tế Quốc dân) đã thực hiện chuyên đề thực tập tốt nghiệp với đề tài: "Ứng dụng mô hình Logistic trong quản trị rủi ro tín dụng đối với khách hàng doanh nghiệp tại NHNN&PTNT Việt Nam, chi nhánh Đống Đa".

Nhiệm vụ nghiên cứu của đề tài được xác định gồm các nội dung:

1. Hệ thống hóa cơ sở lý luận tổng quan về rủi ro, quản trị rủi ro tín dụng và các mô hình chấm điểm, xếp hạng tín dụng doanh nghiệp trên thế giới và tại Việt Nam.
2. Phân tích thực trạng hoạt động quản trị rủi ro tín dụng và quy trình xếp hạng khách hàng doanh nghiệp tại Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam (Agribank) - Chi nhánh Đống Đa.
3. Ứng dụng mô hình kinh tế lượng hồi quy Logistic (Logit) để lượng hóa xác suất rủi ro tín dụng đối với tập khách hàng doanh nghiệp tại chi nhánh, từ đó đề xuất các giải pháp và kiến nghị nâng cao hiệu quả phòng ngừa rủi ro.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Các doanh nghiệp đang có quan hệ tín dụng với Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam - Chi nhánh Đống Đa.
• Phạm vi nghiên cứu: Khảo sát và sử dụng các chỉ tiêu tài chính tại Phòng Khách hàng doanh nghiệp của 50 doanh nghiệp vay vốn tại Agribank Chi nhánh Đống Đa trong năm 2012, cùng các tài liệu, quy trình xếp hạng tín dụng liên quan tại chi nhánh.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình nghiên cứu

Chuyên đề tổng hợp nền tảng lý luận về rủi ro ngân hàng và quản trị rủi ro tín dụng, bao gồm các khái niệm, quy định pháp lý và hệ thống mô hình định tính, định lượng:

• Quy định phân loại nợ và trích lập dự phòng: Căn cứ theo Quyết định số 493/2005/QĐ-NHNN ngày 22/04/2005 và Quyết định số 18/2007/QĐ-NHNN ngày 25/04/2007 của Thống đốc Ngân hàng Nhà nước Việt Nam, phân chia nợ thành 5 nhóm (Nợ đủ tiêu chuẩn, Nợ cần chú ý, Nợ dưới tiêu chuẩn, Nợ nghi ngờ, Nợ có khả năng mất vốn; trong đó nhóm 3, 4, 5 cấu thành nợ xấu).
• Mô hình định tính 6C: Đánh giá rủi ro người vay qua 6 tiêu chuẩn: Tư cách (Character), Năng lực (Capacity), Thu nhập/Dòng tiền (Cash), Tài sản đảm bảo (Collateral), Điều kiện kinh tế - ngành (Conditions), và Kiểm soát (Control).
• Hệ thống xếp hạng tín nhiệm quốc tế: Phương pháp xếp hạng của Moody's (thang đo từ Aaa đến C), Standard & Poor's (S&P), và Fitch Ratings.
• Hiệp ước Basel: Khung quản trị với 17 nguyên tắc quản lý nợ xấu thuộc Basel I và Basel II, nhấn mạnh việc phân tách chức năng thẩm định - cấp tín dụng và xây dựng hệ thống đo lường rủi ro nội bộ.
• Mô hình điểm số Z của Altman: Đánh giá xác suất vỡ nợ thông qua các biến số tài chính tổng hợp ($X_1$: Vốn lưu động ròng/Tổng tài sản; $X_2$: Lợi nhuận giữ lại/Tổng tài sản; $X_3$: EBIT/Tổng tài sản; $X_4$: Thị giá vốn cổ phần/Giá trị ghi sổ của nợ; $X_5$: Doanh thu/Tổng tài sản), cùng các biến thể mở rộng $Z'$ và $Z''$ cho các ngành nghề khác nhau.
• Mô hình xác suất tuyến tính (LPM): Phân tích các nhược điểm cố hữu của LPM như sai số không phân phối chuẩn, phương sai thay đổi, giá trị xác suất có thể vượt ngoài khoảng $[0, 1]$, và giả định tác động biên không đổi.
• Mô hình hồi quy Logistic (Logit): Mô hình lựa chọn nhị phân theo Goldberger (1964) nhằm khắc phục các nhược điểm của LPM. Hàm phân phối Logistic xác định xác suất biến phụ thuộc $Y_i = 1$ (khách hàng gặp rủi ro/vỡ nợ) với công thức:

$$P_i = P(Y_i = 1 | X_i) = \frac{\exp(X_i \beta)}{1 + \exp(X_i \beta)}$$

Mô hình sử dụng phương pháp ước lượng hợp lý cực đại (Maximum Likelihood Estimation - MLE) qua quá trình lặp để giải quyết tính chất phi tuyến của các tham số.

Phương pháp nghiên cứu và nguồn dữ liệu

• Phương pháp nghiên cứu: Đề tài kết hợp phương pháp phân tích lý thuyết, tổng hợp, so sánh chỉ tiêu định tính và định lượng, cùng phương pháp mô hình hóa kinh tế lượng. Quá trình xử lý và ước lượng mô hình Logistic được thực hiện với sự hỗ trợ của phần mềm EViews.
• Nguồn dữ liệu: Dữ liệu thứ cấp thu thập từ báo cáo tài chính, hồ sơ tín dụng của 50 khách hàng doanh nghiệp vay vốn tại Agribank Chi nhánh Đống Đa năm 2012, các biểu mẫu chấm điểm tín dụng nội bộ của Agribank và báo cáo từ Trung tâm Thông tin Tín dụng (CIC) - Ngân hàng Nhà nước Việt Nam.

Nội dung chính theo từng chương

CHƯƠNG I: TỔNG QUAN VỀ RỦI RO TÍN DỤNG VÀ QUẢN TRỊ RỦI RO TÍN DỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI

Chương 1 hệ thống hóa các vấn đề lý luận căn bản về rủi ro trong hoạt động kinh doanh của ngân hàng thương mại, bao gồm rủi ro tín dụng, rủi ro lãi suất, rủi ro thanh khoản, rủi ro tỷ giá, cùng các rủi ro khác (rủi ro chính trị, đạo đức, thiên tai).

Tác giả làm rõ bản chất rủi ro tín dụng mang tính gián tiếp, tính đa dạng, phức tạp và tính tất yếu do bất cân xứng thông tin. Nguyên nhân dẫn đến rủi ro được chia thành nguyên nhân khách quan (môi trường kinh tế bất ổn, khung pháp lý chưa đồng bộ, thiên tai, dịch bệnh) và nguyên nhân chủ quan (từ phía khách hàng vay sử dụng vốn sai mục đích, yếu kém năng lực quản lý; từ phía ngân hàng do cán bộ thiếu chuyên môn, thiếu thông tin kiểm tra hoặc chạy theo mục tiêu lợi nhuận).

Về mặt quy định phân loại nợ, tác giả trình bày tiêu chuẩn 5 nhóm nợ và nguyên tắc trích lập dự phòng theo Quyết định 493/2005/QĐ-NHNN và Quyết định 18/2007/QĐ-NHNN:

Nhóm nợ	Tên nhóm	Tiêu chí thời gian quá hạn / Đặc điểm
Nhóm 1	Nợ đủ tiêu chuẩn	Các khoản nợ trong hạn có khả năng thu hồi đầy đủ; nợ quá hạn dưới 10 ngày được đánh giá thu hồi tốt.
Nhóm 2	Nợ cần chú ý	Nợ quá hạn từ 10 đến 90 ngày; nợ điều chỉnh kỳ hạn trả nợ lần đầu.
Nhóm 3	Nợ dưới tiêu chuẩn	Nợ quá hạn từ 91 đến 180 ngày; nợ được miễn hoặc giảm lãi do khách hàng không đủ khả năng thanh toán.
Nhóm 4	Nợ nghi ngờ	Nợ quá hạn từ 181 đến 360 ngày; nợ cơ cấu lại thời gian trả nợ lần đầu quá hạn từ 90 ngày trở lên; nợ cơ cấu lại lần thứ 2.
Nhóm 5	Nợ có khả năng mất vốn	Nợ quá hạn trên 360 ngày; nợ cơ cấu lại thời gian trả nợ lần thứ 3 trở lên; nợ khoanh, nợ chờ xử lý.

Ghi chú: Nợ xấu bao gồm các khoản nợ thuộc nhóm 3, 4 và 5; tỷ lệ nợ xấu trên 5% bị coi là vượt ngưỡng an toàn cho phép.

Bên cạnh đó, chương này đi sâu phân tích các mô hình chấm điểm và xếp hạng tín dụng trên thế giới:

• Thang ký hiệu xếp hạng của Moody's (Aaa, Aa, A, Baa, Ba, B, Caa, Ca, C), S&P và Fitch Ratings đối với công cụ nợ ngắn hạn và dài hạn.
• Mô hình định tính 6C và những hạn chế về tính chủ quan, chi phí thời gian cao.
• Mô hình điểm số Z của Altman với các ngưỡng phân loại: $Z > 2.99$ (vùng an toàn), $1.81 \le Z \le 2.99$ (vùng cảnh báo), $Z < 1.81$ (vùng nguy hiểm/nguy cơ phá sản cao); các ngưỡng tương ứng của $Z'$ và $Z''$.
• Mô hình xác suất tuyến tính (LPM) và mô hình hồi quy Logistic (Logit).
• Giới thiệu các thuật toán Machine Learning thuộc nhóm Supervised Learning (K-lân cận gần nhất - K-NN, Mạng nơ-ron nhân tạo - Neural Network) với ưu thế nhận diện quan hệ phi tuyến nhưng đòi hỏi tập dữ liệu lớn.
• Khung chuẩn mực Basel với 17 nguyên tắc quản lý nợ xấu.
• Khái quát thực trạng các tổ chức xếp hạng tín dụng tại Việt Nam gồm Trung tâm Thông tin Tín dụng (CIC, thành lập năm 1993) và Trung tâm định mức tín nhiệm Vietnamnet Rating.

Thang ký hiệu	Phân loại theo Moody's	Phân loại theo S&P / Fitch	Phân loại doanh nghiệp tại Việt Nam
Tối ưu / Cao nhất	Aaa	AAA	AAA (Loại tối ưu)
Rất tốt / Ưu	Aa	AA	AA (Loại ưu)
Tốt	A	A	A (Loại tốt)
Trung bình khá / Khá	Baa	BBB	BBB (Loại khá)
Trung bình	Ba	BB	BB (Loại trung bình khá)
Dưới trung bình	B	B	B (Loại trung bình)
Kém / Dễ vỡ nợ	Caa	CCC	CCC (Loại trung bình yếu)
Nguy cơ rất cao	Ca	CC	CC (Loại yếu)
Mất khả năng thanh toán	C	C / D	C (Loại yếu kém) / D (Phá sản)

CHƯƠNG II: THỰC TRẠNG QUẢN TRỊ RỦI RO TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM, CHI NHÁNH ĐỐNG ĐA

Chương 2 trình bày tổng quan về tổ chức hoạt động tín dụng của Agribank (thành lập theo Nghị định số 53/HĐBT ngày 26/3/1988) và Chi nhánh Đống Đa. Mạng lưới hoạt động của Agribank Chi nhánh Đống Đa bao gồm đơn vị trực thuộc là Chi nhánh Thanh Xuân (theo Quyết định số 1377/QĐ/HĐQT-TCCB ngày 24/12/2007) và các Phòng Giao dịch trên địa bàn Thành phố Hà Nội.

Hệ thống xếp hạng tín dụng nội bộ của Agribank phân loại khách hàng doanh nghiệp thành 10 hạng tín dụng với các chính sách cấp tín dụng và biện pháp giám sát tương ứng:

Hạng	Phân loại	Đặc điểm năng lực & tài chính	Chính sách cấp tín dụng	Biện pháp giám sát
AAA	Tối ưu	Tài chính mạnh, quản trị cao, rủi ro thấp nhất.	Ưu tiên tối đa nhu cầu, lãi suất ưu đãi, có thể cho vay tín chấp.	Kiểm tra định kỳ cập nhật thông tin và tăng quan hệ.
AA	Loại ưu	Hoạt động hiệu quả, ổn định, đạo đức tín dụng tốt.	Ưu tiên đáp ứng tín dụng với mức ưu đãi về lãi suất, phí.	Kiểm tra định kỳ cập nhật thông tin.
A	Loại tốt	Tài chính ổn định, có triển vọng phát triển tốt.	Ưu tiên đáp ứng tín dụng (đặc biệt khoản trung hạn trở xuống).	Kiểm tra định kỳ để cập nhật thông tin.
BBB	Loại khá	Ổn định ngắn hạn, có hạn chế nhất định về tài chính.	Có thể mở rộng tín dụng; hạn chế áp dụng ưu đãi; đánh giá kỹ chu kỳ kinh tế.	Kiểm tra định kỳ cập nhật thông tin.
BB	Trung bình khá	Hoạt động tốt hiện tại nhưng dễ tổn thương trước biến động.	Hạn chế mở rộng tín dụng; tập trung khoản ngắn hạn có bảo đảm hiệu quả.	Chú trọng kiểm tra sử dụng vốn và tài sản bảo đảm.
B	Trung bình	Tự chủ tài chính thấp, dòng tiền biến động, rủi ro cao.	Hạn chế mở rộng, tập trung thu hồi vốn; cho vay mới chỉ thực hiện trường hợp đặc biệt.	Tăng cường kiểm tra khách hàng để thu nợ.
CCC	Dưới trung bình	Hiệu quả thấp, năng lực tài chính yếu, xác suất vi phạm cao.	Hạn chế tối đa mở rộng tín dụng; giãn/gia hạn nợ chỉ thực hiện khi có phương án khả thi.	Tăng cường kiểm tra, tìm cách bổ sung tài sản bảo đảm.
CC	Loại xa dưới TB	Nợ quá hạn (dưới 90 ngày), nguy cơ mất vốn ngắn hạn.	Không mở rộng tín dụng; tìm mọi biện pháp thu hồi nợ.	Tăng cường kiểm tra, theo dõi sát sao.
C	Loại yếu	Thua lỗ, không có triển vọng phục hồi, đã có nợ quá hạn.	Không mở rộng tín dụng; tìm biện pháp thu nợ kể cả xử lý tài sản bảo đảm.	Xem xét phương án đưa ra tòa kinh tế.
D	Rất yếu kém	Thua lỗ kéo dài, có nợ khó đòi, nguy cơ mất vốn đặc biệt cao.	Không mở rộng tín dụng; xử lý ngay tài sản bảo đảm.	Xem xét phương án đưa ra tòa kinh tế.

Quy trình nghiệp vụ chấm điểm tín dụng khách hàng doanh nghiệp tại Agribank được chuẩn hóa qua 6 bước:

1. Bước 1: Thu thập thông tin: Từ hồ sơ khách hàng, phỏng vấn trực tiếp, phòng thông tin kinh tế tài chính ngân hàng, Trung tâm Thông tin Tín dụng (CIC), báo chí và báo cáo thị trường.
2. Bước 2: Xác định ngành nghề kinh doanh: Phân tách thành 4 nhóm ngành chính: Nông, lâm và ngư nghiệp; Thương mại và dịch vụ; Xây dựng; Công nghiệp.
3. Bước 3: Chấm điểm quy mô doanh nghiệp: Phân nhóm theo thang điểm: Doanh nghiệp Lớn (từ 70 - 100 điểm), Doanh nghiệp Vừa (từ 30 - 69 điểm), Doanh nghiệp Nhỏ (dưới 30 điểm).
4. Bước 4: Chấm điểm các chỉ số tài chính: Phân tích các chỉ số thanh toán ngắn hạn, tỷ số vốn vay, vòng quay vốn...
5. Bước 5: Chấm điểm chỉ tiêu phi tài chính: Áp dụng hệ thống trọng số theo hình thức sở hữu doanh nghiệp:

STT	Tiêu chí phi tài chính	Doanh nghiệp Nhà nước (DNNN)	DN ngoài quốc doanh	DN có vốn ĐTNN (DNĐTNN)
1	Lưu chuyển tiền tệ	20%	20%	27%
2	Năng lực và kinh nghiệm quản lý	27%	33%	27%
3	Tình hình & uy tín giao dịch với NH	33%	33%	31%
4	Môi trường kinh doanh	7%	7%	7%
5	Các đặc điểm hoạt động khác	13%	7%	8%
Tổng	Cộng	100%	100%	100%

6. Bước 6: Tổng hợp điểm và xếp hạng doanh nghiệp: Kết hợp tổng điểm chỉ tiêu tài chính và phi tài chính theo tỷ trọng quy định để xếp khách hàng vào một trong 10 bậc tín dụng.

CHƯƠNG III: ỨNG DỤNG MÔ HÌNH LOGISTIC TRONG XẾP HẠNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM, CHI NHÁNH ĐỐNG ĐA

Chương 3 tập trung vào việc thực nghiệm mô hình kinh tế lượng:

• Xây dựng mô hình hồi quy Logistic với đầy đủ các biến số tài chính phản ánh khả năng thanh toán, cơ cấu nợ, khả năng sinh lời và hiệu quả hoạt động trên tập dữ liệu của các doanh nghiệp vay vốn tại Agribank Chi nhánh Đống Đa.
• Chạy hồi quy ước lượng tham số thông qua phần mềm EViews, phân tích mức độ tác động của từng chỉ số tài chính đến xác suất xảy ra rủi ro tín dụng của khách hàng.
• So sánh kết quả phân loại từ mô hình Logistic với kết quả xếp hạng thực tế theo quy trình nội bộ của ngân hàng.
• Đề xuất các giải pháp nhằm phòng ngừa và hạn chế rủi ro tín dụng tại Agribank Chi nhánh Đống Đa, đồng thời đưa ra các kiến nghị cụ thể đối với hệ thống Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam nhằm nâng cao hiệu quả quản trị danh mục cho vay.

Kết quả và đóng góp

Kết quả nghiên cứu chính

• Về mặt lý luận: Đề tài đã hệ thống hóa một cách toàn diện các phương pháp đánh giá rủi ro tín dụng từ truyền thống (mô hình định tính 6C) đến hiện đại (chỉ số Z-score của Altman, mô hình xác suất LPM, mô hình Logistic, Machine Learning và các chuẩn mực quản lý nợ theo Hiệp ước Basel).
• Về mặt thực trạng: Làm rõ chi tiết cơ chế vận hành, quy trình 6 bước chấm điểm tín dụng và hệ thống phân hạng 10 bậc (từ AAA đến D) đang áp dụng tại Agribank Chi nhánh Đống Đa; tổng hợp cụ thể bảng phân bổ trọng số tiêu chí phi tài chính cho 3 nhóm hình thức sở hữu (DNNN, doanh nghiệp ngoài quốc doanh, doanh nghiệp có vốn đầu tư nước ngoài).
• Về mặt thực nghiệm: Kiểm định tính ứng dụng của mô hình hồi quy Logistic trên mẫu dữ liệu thực tế gồm 50 khách hàng doanh nghiệp vay vốn năm 2012 bằng công cụ EViews, chứng minh tính ưu việt của hàm xác suất phi tuyến trong việc nhận diện và cảnh báo sớm nguy cơ vỡ nợ so với mô hình LPM truyền thống.

Giải pháp và kiến nghị

• Hoàn thiện hệ thống thu thập thông tin khách hàng, kết hợp dữ liệu kế toán nội bộ với nguồn tin từ CIC và các báo cáo ngành chuyên môn.
• Nâng cao tính định lượng trong quy trình xếp hạng tín dụng nội bộ, giảm thiểu sự phụ thuộc vào đánh giá chủ quan của cán bộ tín dụng tại bước chấm điểm phi tài chính.
• Thực hiện nghiêm túc việc phân tách độc lập giữa bộ phận tiếp thị, thẩm định và giám sát/xử lý nợ theo định hướng nguyên tắc Basel.
• Kiến nghị hội sở Agribank tiếp tục hiện đại hóa hạ tầng công nghệ thông tin, cập nhật định kỳ bảng chỉ số tài chính chuẩn cho từng ngành nghề và từng bước áp dụng mô hình kinh tế lượng trong toàn hệ thống.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế về dữ liệu và phạm vi: Nghiên cứu được thực hiện trên mẫu dữ liệu gồm 50 doanh nghiệp vay vốn tại một chi nhánh duy nhất (Agribank Chi nhánh Đống Đa) trong phạm vi năm tài chính 2012. Quy mô mẫu chưa đủ lớn để đại diện cho toàn bộ hệ thống khách hàng đa dạng về vùng miền của Agribank trên cả nước.
• Hạn chế về phương pháp tiếp cận: Đề tài chưa triển khai thử nghiệm các thuật toán trí tuệ nhân tạo chuyên sâu (như Mạng nơ-ron thần kinh - Neural Network hay K-lân cận gần nhất - K-NN) do rào cản về dung lượng dữ liệu lớn và tính phức tạp trong điều kiện cơ sở hạ tầng ngân hàng tại thời điểm nghiên cứu.
• Hướng nghiên cứu tiếp: Mở rộng quy mô mẫu khảo sát ra nhiều chi nhánh thuộc các địa bàn kinh tế khác nhau, thu thập chuỗi dữ liệu đa năm (panel data) và kết hợp thêm các biến số kinh tế vĩ mô (lãi suất, lạm phát, tăng trưởng GDP) nhằm nâng cao độ chính xác trong dự báo rủi ro tín dụng.

Giá trị tham khảo

Chuyên đề thực tập tốt nghiệp này là tài liệu tham khảo hữu ích cho:

• Sinh viên, học viên chuyên ngành Toán kinh tế, Toán tài chính, Tài chính - Ngân hàng: Cung cấp phương pháp luận chi tiết về việc ứng dụng mô hình xác suất phi tuyến (Logistic regression) bằng phần mềm EViews vào bài toán định lượng rủi ro trong ngân hàng.
• Cán bộ tín dụng, chuyên viên thẩm định và quản trị rủi ro tại các NHTM: Tham khảo khung tiêu chuẩn phân hạng 10 bậc, quy trình chấm điểm tín dụng 6 bước và bảng phân bổ trọng số phi tài chính thực tế tại Agribank.
• Người làm nghiên cứu về xếp hạng tín nhiệm: Cung cấp bức tranh so sánh đối chiếu giữa các hệ thống xếp hạng quốc tế (Moody's, S&P, Fitch, Altman Z-score, Basel) và thực tiễn áp dụng tại hệ thống ngân hàng Việt Nam.

Câu hỏi thường gặp

1. Phân loại nợ và trích lập dự phòng tại các ngân hàng thương mại Việt Nam căn cứ theo các văn bản pháp lý nào trong đề tài?

Phân loại nợ được căn cứ theo Quyết định số 493/2005/QĐ-NHNN (ngày 22/04/2005) và Quyết định số 18/2007/QĐ-NHNN (ngày 25/04/2007) của Thống đốc Ngân hàng Nhà nước. Hệ thống phân loại thành 5 nhóm: Nhóm 1 (Nợ đủ tiêu chuẩn), Nhóm 2 (Nợ cần chú ý), Nhóm 3 (Nợ dưới tiêu chuẩn), Nhóm 4 (Nợ nghi ngờ), và Nhóm 5 (Nợ có khả năng mất vốn). Nhóm 3, 4, 5 được xác định là nợ xấu.

2. Hệ thống xếp hạng tín dụng nội bộ của Agribank chia khách hàng doanh nghiệp thành bao nhiêu hạng?

Agribank phân loại khách hàng doanh nghiệp thành 10 hạng theo mức độ rủi ro từ thấp đến cao: AAA (Tối ưu), AA (Loại ưu), A (Loại tốt), BBB (Loại khá), BB (Trung bình khá), B (Trung bình), CCC (Dưới trung bình), CC (Loại xa dưới trung bình), C (Loại yếu), và D (Rất yếu kém).

3. Tại sao mô hình hồi quy Logistic được lựa chọn thay thế cho mô hình xác suất tuyến tính (LPM)?

Mô hình LPM có nhiều hạn chế nghiêm trọng: sai số không phân phối chuẩn, phương sai thay đổi, giá trị xác suất dự báo có thể nằm ngoài khoảng $[0, 1]$, và giả định tác động biên cố định. Mô hình Logistic sử dụng hàm phân phối dạng S đảm bảo giá trị xác suất luôn nằm chặt trong khoảng $[0, 1]$ và phản ánh đúng bản chất tác động biên phi tuyến của các biến độc lập.

4. Quy trình chấm điểm và xếp hạng tín dụng doanh nghiệp tại Agribank gồm những bước nào?

Quy trình gồm 6 bước:

1. Thu thập thông tin từ hồ sơ khách hàng, phỏng vấn, CIC và các báo cáo ngành.
2. Xác định ngành nghề thuộc 4 nhóm (Nông-lâm-ngư, Thương mại-dịch vụ, Xây dựng, Công nghiệp).
3. Chấm điểm quy mô doanh nghiệp (Lớn, Vừa, Nhỏ).
4. Chấm điểm các chỉ số tài chính chuẩn.
5. Chấm điểm các chỉ tiêu phi tài chính theo trọng số loại hình sở hữu.
6. Tổng hợp điểm tài chính và phi tài chính để xác định hạng tín dụng cuối cùng.

5. Tiêu chí phi tài chính nào chiếm tỷ trọng cao nhất trong biểu chấm điểm của Agribank?

Đối với Doanh nghiệp Nhà nước và Doanh nghiệp ngoài quốc doanh, tiêu chí "Tình hình & uy tín giao dịch với NHNo&PTNT VN" chiếm tỷ trọng cao nhất (33%), cùng với "Năng lực và kinh nghiệm quản lý" (chiếm 27% ở DNNN và 33% ở DN ngoài quốc doanh). Đối với DN có vốn đầu tư nước ngoài (DNĐTNN), tiêu chí "Tình hình & uy tín giao dịch" chiếm 31%, theo sau là "Lưu chuyển tiền tệ" và "Năng lực quản lý" (cùng chiếm 27%).

Kết luận

Chuyên đề tốt nghiệp của tác giả Đào Thị Thu Trang đã hệ thống hóa toàn diện cơ sở lý luận về quản trị rủi ro tín dụng và phương pháp xếp hạng khách hàng doanh nghiệp trong ngân hàng thương mại. Đề tài làm rõ thực trạng áp dụng hệ thống phân hạng 10 bậc và quy trình chấm điểm 6 bước tại Agribank Chi nhánh Đống Đa, đồng thời thực hiện ứng dụng mô hình hồi quy Logistic để lượng hóa rủi ro trên mẫu 50 doanh nghiệp năm 2012 với phần mềm EViews. Các phân tích và giải pháp trong đề tài mang tính ứng dụng thực tiễn cao, đóng góp tài liệu tham khảo giá trị cho công tác quản trị rủi ro tín dụng tại các ngân hàng thương mại Việt Nam.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về quản trị rủi ro tín dụng tại các ngân hàng thương mại. Chương 2: Thực trạng quản trị rủi ro tạ NHNN&PTNT Việt Nam, chi nhánh Đống Đa Chương 3: Ứng dụng mô hình Logistic trong xếp hạng tín dụng khách hàng doanh nghiệp tạ NHNN&PTNT Việt Nam, chi nhánh Dong Da 2. Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu là các doanh nghiệp hiện đang có quan hệ tín dụng với NHNN&PTNT Việt Nam, chi nhánh Đống Đa Phạm vi nghiên cứu: Sử dung chỉ tiêu tài chính tại phòng khách hàng doanh nghiệp của 50 doanh nghiệp vay vốn tại NHNN&PTNT Việt Nam, chỉ nhánh Đống Đa năm 2012 và các tài liệu liên quan đến quản trị rủi ro, xếp hạng khách hàng của phòng tín dụng của ngân hàng. Phương pháp nghiên cứu Đề tài áp dụng các phương pháp phân tích, so sánh, mô hình và kết hợp sự hỗ trợ của phần mềm Eviews trong phân tích thống kê Trong thời gian học tập ở trường kết hợp với thời gian thực tập tại NHNN&PTNT Việt Nam, chi nhánh Đống Đa, được sự giúp đỡ tận tình của thầy cô và các anh chị làm việc tại ngân hàng và phòng tín dụng đã giúp em hoàn thành chuyên đề tốt nghiệp của mình.

Em xin chân thành cảm ơn sự chỉ bảo, hướng dẫn tận tình của thầy giáo Th.s Hoang Đức Mạnh — khoa Toán Kinh TẾ, các cán bộ nhân viên trong Đào Thị Thu Trang 2 Toán tài chính 52A Chuyên dé thực tập Khoa Toán Kinh Tế NHNN&PTNT chi nhánh Đống Đa đã giúp đỡ em hoàn thành chuyên đề. Em xin chân thành cảm ơn! CHUONG I TONG QUAN VE RUI RO TIN DUNG VA QUAN TRI RUI RO TIN DUNG TAI CAC NGAN HANG THUONG MAI 1. Tổng quan về rủi ro trong hoạt động kinh doanh của ngân hang 1.1 Khái niệm Rui ro là khả năng xảy ra tổn thất ngoài dự kiến, trong bat kì lĩnh vực nào của đời sống đều có thé xảy ra rủi ro. Đối với các ngân hàng thương mại luôn luôn phải đối mặt với các loại rủi ro như rủi ro do khách hàng không trả nợ đúng hạn, do ngân hàng không đáp ứng được nhu cầu rút tiền của khách hàng.

Ngân hàng thương mại là doanh nghiệp kinh doanh loại hàng hóa đặc biệt- tiền tệ. Nó tiềm ân nhiều rủi ro, đa phần là các khoản tiền gửi phải trả khi có yêu cầu. Nguồn tiền của ngân hang đa số là từ cá nhân, các tô chức tín dụng, doanh nghiệp. Nguồn tiền nay dé dàng di chuyền từ khách hàng nay sang khách hàng khác, và nhạy cảm với lãi suất.

Chính điều này đã tạo thuận lợi cho ngân hàng kinh doanh sinh lợi nhưng cũng ân chứa sự kém 6n định trong hệ thống. Khi ngân hàng không kiểm soát được những khoản cho vay thì sẽ tạo ra những rủi ro không lường trước. Điều này không chỉ xảy ra trên thị trường Việt Nam mà còn diễn ra cả trên thé giới. Tiêu biểu là cuộc khủng hoảng tài chính, tiền tệ Châu A năm 1997.

Nó đã làm cho nhiều ngân hàng, tổ chức tài chính các nước trong khu vực phá sản. Thời gian gần đây, Ngân hàng Nhà nước Việt Nam nhiều lần đã phải can thiệp để cứu vãn và khôi phục hoạt động cho một số ngân hàng thương mại cổ phần. Tóm lại, các loại rủi ro của ngân hàng đều có ban chất chung là gây ra tổn that cho ngân hàng.2 Các loại rủi ro trong kinh doanh ngân hàng Dựa vào những tiêu thức khác nhau, rủi ro của Ngân hàng được chia thành Đào Thị Thu Trang 3 Toán tài chính 52A Chuyên đề thực tập Khoa Toán Kinh Tế nhiều loại khác nhau. Trong phạm vi hoạt động của ngân hàng thương mại thì có thể tổng hợp thành một số loại rủi ro cơ bản sau: 1.1 Ruiro tin dung Rui ro tin dung là khả năng xảy ra những tốn thất mà ngân hàng phải gánh chịu do khách hàng không trả đầy đủ cả gốc và lãi của khoản vay, hoặc việc thanh toán nợ sốc và lãi không đúng hạn.

Khi thực hiện một hoạt động cho vay cụ thé, ngân hang không dự kiến là khoản vay đó sẽ bị tồn thất. Tuy nhiên, những khoản cho vay đó luôn ân chứa rủi ro. Khi ton thất dưới mức tỷ lệ tổn thất dự kiến, ngân hàng coi đó là một thành công trong quản lý.2 Rủi ro lãi suất Khi huy động vốn của doanh nghiệp hoặc dân cư, ngân hàng sẽ trả lãi, còn khi tài trợ ngân hàng sẽ thu lãi. Lãi suất của các khoản cho vay, tiền gửi và chứng khoán thường biến động có thé làm gia tăng lợi nhuận cho ngân hàng cũng có thé gây ton thất cho ngân hàng.

Do vậy, rủi ro lãi suất là khả năng thu nhập giảm do chênh lệch lãi suất giảm, khi lãi suất thị trường thay đổi ngoài dự kiến.3 Núi ro thanh khoản Rủi ro thanh toán là những tác động do biến động của tài sản Nợ và tài sản Có trong quá trình hoạt động của ngân hàng, làm cho ngân hàng không có đủ tiền dé thanh toán các giao dịch của khách hàng theo cam kết. Thiếu khả năng thanh toán là thiếu tiền so với dự kiến, điều này đòi hỏi ngân hàng phải bù đắp lượng tiền thiếu bởi chi phí cao hơn trung bình đến làm giảm lợi nhuận. Khi lợi nhuận giảm qua số cân bằng thu chi làm cho NH bị lỗ trong kinh doanh. Nếu số lỗ này được bù đắp và ngày càng tăng lên do việc huy động vốn đảm bảo khả năng thanh toán sẽ dẫn đến việc NH bị phá sản.

Trường hợp mat khả năng thanh toán có thé dẫn đến việc NH bị phá san vì mọi mọi khách hàng là chủ nợ của ngân hàng sẽ cùng rút tiền 6 ạt trong khi những khách nợ của ngân hàng không thanh toán vì các khoản nợ chưa đến hạn mà NH không thê huy động được tiền, ké cả với chi phí cao hon mức bình thường.4 Núi ro tỷ giá Rui ro tỷ giá là khả năng xảy ra những tổn thất mà ngân hàng phải gánh chịu khi tỷ giá hối đoái thay đối vượt quá thay đổi dư tính. Trong cơ chế thị trường, ty giá thường xuyên dao động, sự thay đổi này cùng với trạng thái hối đoái của ngân Đào Thị Thu Trang 4 Toán tài chính 52A Chuyên đề thực tập Khoa Toán Kinh Tế hàng tạo ra thu nhập thặng dư hay thâm hụt tạm thời, tuy nhiên có những thay đổi tỷ giá ngoài dự kiến gây tồn thất cho ngân hàng.5 Núi ro khác Ngoài các rủi ro trên ngân hàng còn phải đối mặt với nhiều loại rủi ro khác như: - Rui ro chính trị: xảy ra khi có những thay đổi về pháp luật, những quy định về luật pháp trong và ngoài nước có ảnh hưởng xấu tới thu nhập của ngân hàng. - Rui ro đạo đức: xảy ra khi những người chủ ngân hàng, nhân viên hay khách hàng có hành vi phạm pháp như thực hiện các hành động lừa đảo, trộm cắp, hay các hành động bat hợp pháp khác làm ngân hàng thua lỗ. - Rủi ro do các tình huống bat ngờ, thiên tai như động dat, hỏa hoạn.3 Rủi ro tín dụng trong hoạt động của ngân hang 1.1 Khái niệm rủi ro tín dụng Ngân hàng thương mại là loại doanh nghiệp kinh doanh hàng hóa đặc biệt — hàng hóa tiền tệ.

Đa phần trong đó là các khoản tiền gửi phải trả khi có yêu cầu. Tài sản của NH chủ yếu là các động sản tài chính (các khoản cho vay, chứng khoán) với tính rủi ro thị trường, rủi ro tín dụng rất cao. Rủi ro trong hoạt động kinh doanh NH có thé được phân loại theo nhiều tiêu thức khác nhau song đều có chung ban chat, đó là khả năng xảy ra những tốn that cho NH. Hoạt động tín dụng mang lại nhiều lợi nhuận nhất cho ngân hàng, đồng thời cũng là hoạt động chứa đựng nhiều rủi ro nhất.

RRTD phát sinh trong trường hợp ngân hàng không thu được đầy đủ cả gốc và lãi của khoản cho vay, hoặc là việc thanh toán nợ gốc và lãi không đúng kỳ hạn. Theo quan điểm quản lí toàn bộ ngân hàng, RRTD là không thể tránh khỏi, là khách quan. Do vậy, RRTD dự kiến luôn được xác định trước trong chiến lược hoạt độngchung của ngân hàng. Phân loại rủi ro tín dung Có nhiều cách phân loại rủi ro tín dụng khác nhau tùy theo mục đích, yêu cầu nghiên cứu.

Căn cứ vào nguyên nhân phát sinh rủi ro, rủi ro tín dụng được chia thành các loại sau đây: e Theo thời hạn: - Tín dụng ngắn hạn: Có thời hạn dưới 1 năm, thường được cho vay bổ sung thiêu hụt tạm thời vê vôn lưu động của các doanh nghiệp, cá nhân. và cho vay Đào Thị Thu Trang 5 Toán tài chính 52A Chuyên đề thực tập Khoa Toán Kinh Tế phục vụ nhu cầu sinh hoạt, tiêu dùng của cá nhân và hộ gia đình. - Tin dụng trung hạn: Có thời hạn từ 1 đến 5 năm, loại tín dụng này để cho vay vốn phục vụ nhu cầu mua sắm tài sản cô định, cải tiến và đổi mới kĩ thuật, mở rộng và sử dụng các công trình nhỏ có thời gian thu hồi vốn nhanh. - Tín dụng dài hạn: Có thời hạn trên 5 năm,loại tín dụng này dung để cung cấp vốn cho xây dựng cơ bản, cải tiễn và mở rộng sản xuất có quy mô lớn, tín dụng dai hạn có giá trị lớn và thời gian thu hồi vốn lâu hơn.

e Theo đối tượng khách hàng - Tín dụng đối với khách hàng cá nhân. - Tín dụng đối với khách hàng doanh nghiệp Ngoài ra, để phân loại tín dụng người ta còn căn cứ vào: mục đích sử dụng vốn, tính chất đảm bảo của tín dụng, hình thái giá trị tín dụng, mức lãi suất và phương pháp hoàn trả tín dụng.3 Đặc điểm của rủi ro tín dụng Dé chủ động phòng ngừa rủi ro tín dụng có hiệu quả, nhận biết các đặc điểm của rủi ro tín dụng rất cần thiết và hữu ích. RRTD có những đặc điểm cơ bản sau: - RRTD mang tính gián tiếp: Trong quan hệ tín dụng, ngân hàng chuyển giao quyền sử dụng vốn cho khách hàng. RRTD xảy ra khi khách hàng gặp những tốn thất, that bại trong quá trình sử dụng vốn.

- RRTD có tính chất da dạng và phức tạp: đặc điểm này biểu hiện qua nguyên nhân, hình thức, hậu quả của RRTD do đặc trưng ngân hàng là trung gian tài chính kinh doanh tiền tệ.