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

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.

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.