PHẦN MỞ ĐẦU I. Lý do chọn đề tài Tín dụng là quan hệ kinh tế hình thành trong quá trình chuyển hóa giá trị dƣới hình thái hiện vật và hình thái tiền tệ từ tổ chức này sang tổ chức khác hay từ ngƣời này sang ngƣời khác. Tín dụng là một lĩnh vực hoạt động chính của các ngân hàng thƣơng mại. Tuy nhiên, với hình thái chuyển hóa giá trị từ ngân hàng sang các tổ chức hay cá nhân luôn phát sinh vấn đề không có khả năng trả nợ.
Từ đó dẫn đến khái niệm nợ xấu. Làm thế nào để có thể sớm nhận biết đƣợc khoản cho vay là nợ xấu? Nguyên nhân nào dẫn đến nợ xấu? và có thể xử lý nợ xấu bằng phƣơng pháp nào là hiệu quả nhất? là những câu hỏi cơ bản, thƣờng trực cần đƣợc trả lời trong quá trình hoạt động ngân hàng. Hiện nay, kho dữ liệu về tín dụng của các tổ chức ngân hàng ngày càng lớn do các hoạt động tín dụng của ngân hàng diễn ra hàng ngày và thông tin dữ liệu đƣợc cập nhật liên tục vào kho dữ liệu. Tuy nhiên, việc khai phá tri thức từ kho dữ liệu tín dụng chƣa đƣợc quan tâm đúng mức, các phƣơng pháp khai phá tri thức chủ yếu dựa vào lý thuyết thống kê.
Trong những năm gần đây, khai phá dữ liệu (data mining) đang nổi lên là phƣơng pháp hiệu quả trong việc tìm kiếm tri thức mới, tiềm ẩn từ những tập dữ liệu lớn và hỗn tạp. Trong các kỹ thuật khai phá dữ liệu, mô hình cây quyết định đƣợc đánh giá là một trong những phƣơng pháp đƣợc sử dụng rộng rãi nhất bởi tính hiệu quả của nó [1, 3, 5]. Nhƣ đã biết cây quyết định hồi quy là một dạng của mô hình cây quyết định [2], thƣờng đƣợc sử dụng để phát hiện tri thức mới trong các khối dữ liệu có yếu tố thời gian và vì kho dữ liệu tín dụng ngân hàng là khối dữ liệu có yếu tố thời gian nên một cách tự nhiên có thể hy vọng sử dụng mô hình cây quyết định hồi quy nhƣ là kỹ thuật khai phá dữ liệu phục vụ phân tích và dự báo nợ xấu trong hệ thống ngân hàng. Mô hình Lôgit/Probit [4] là một dạng mô hình kinh tế lƣợng với biến phụ thuộc là biến lô gic nên có thể nhận thấy nó có liên quan với mô hình cây quyết định hồi quy, và cũng có thế ứng dụng mô hình này trong phân tích và dự báo nơ xấu.
Đề tài này nhằm góp phần trả lời các câu hỏi cơ bản thƣờng trực trong quá trình hoạt động ngân hàng bằng việc ứng dụng kỹ thuật mô hình cây quyết định 1 z hồi quy trong công nghệ thông tin và mô hình lôgit/Probit trong kinh tế lƣợng để phân tích và dự báo nợ xấu trong hệ thống ngân hàng. Nợ xấu hiện đang là vấn đề rất hóc búa, phức tạp cần đƣợc giải quyết trong hệ thống các ngân hàng ở nƣớc ta. Tỷ số nợ xấu cao hiện là nguyên nhân quan trọng hàng đầu gây ra hiện tƣợng ứ đọng lƣu thông dòng vốn tín dụng, đình đốn họat động sản xuất kinh doanh của doanh nghiệp. Việc xây dựng mô hình phân tích và dự báo nợ xấu sẽ góp phần nâng cao hiệu quả hoạt động tín dụng, cải thiện chất lƣợng hoạt động của hệ thống ngân hàng và góp phần thúc đẩy phát triển kinh tế, xã hội.
Tổng quan về tình hình nghiên cứu Tín dụng là một trong hai nghiệp vụ cốt lõi của ngân hàng. Bởi vì ngân hàng có bản chất là tổ chức kinh doanh tiền “Đi vay để cho vay” và lợi nhuận có đƣợc thông qua chênh lệch lãi suất. Và từ đó ta thấy đƣợc hoạt động tín dụng chính là đầu ra cho hoạt động kinh doanh tiền tệ của ngân hàng. Hoạt động này có nguồn tiền đƣợc lấy từ hoạt động huy động vốn.
Vai trò của hoạt động tín dụng là phải cho vay, thu đƣợc lãi từ khoản cho vay và nhiệm vụ quan trọng nhất là phải thu hồi đƣợc gốc – tức là số tiền đã cho vay. Và làm thế nào để tiến hành hoạt động tín dụng một cách hiệu quả nhất, khả năng mất vốn thấp nhất? Thì trƣớc khi cho vay, phía ngân hàng cần phải phân tích xem khách hàng của mình là ai? Khả năng tài chính của họ nhƣ thế nào? Họ vay tiền với mục đích gì? kỳ hạn bao lâu? Số tiền và lãi suất bao nhiêu? Và khả năng không trả đƣợc của khách hàng là bao nhiêu phần trăm? Nếu không trả lời thỏa đáng đƣợc những câu hỏi này thì sẽ rất khó để hoạt động tín dụng của ngân hàng có thể diễn ra một cách lành mạnh và hiệu quả. Từ đó, Phân tích và dự báo giữ vai trò rất quan trọng và quyết định mạnh mẽ đến hiệu quả của hoạt động tín dụng. Tình hình nghiên cứu ngoài nƣớc Phân tích, dự báo nợ xấu trong hoạt động tín dụng đã đƣợc quan tâm nghiên cứu và chú trọng ứng dụng trong hầu hết các ngân hàng ở các nƣớc có nền kinh tế thị trƣờng phát triển.
Các phƣơng pháp phân tích và dự báo nợ xấu nói chung đều bao gồm phân tích định tính và dự báo định lƣợng. Phƣơng pháp định tính thƣờng tập trung trả lời 3 câu hỏi: 1. Có thể tín nhiệm ngƣời xin vay và có thể biết về họ bằng cách nào? 2 z 2. Hợp đồng tín dụng có đƣợc ký kết một cách đúng đắn và hợp lệ, nhằm bảo vệ đƣợc ngân hàng và ngƣời gửi tiền, và ngƣời xin vay có khả năng hoàn trả nợ vay mà không cần đến một sức ép nào? 3.
Trong trƣờng hợp khách hàng không trả nợ, liệu ngân hàng có thể thu hồi nợ bằng tài sản hay thu nhập của ngƣời vay một cách nhanh chóng với chi phí và rủi ro thấp? Đối với phƣơng pháp dự báo định lƣợng: Hiện tại đã hình thành nhiều phƣơng pháp dự báo nợ xấu khác nhau nhƣ phƣơng pháp dự báo dựa trên mô hình điểm số Z [12]; Phƣơng pháp phân tích dự trên chấm điểm điểm tiêu dùng [12]; Phƣơng pháp xây dựng mô hình dự báo nợ xấu dựa vào mô hình Logit/Probit [13]; Phƣơng pháp sử dụng kỹ thuật khai phá dữ liệu nhƣ mạng Nơtron nhân tạo, cây quyết định [13], … Hiệu quả dự báo nợ xấu dựa trên các phƣơng pháp/mô hình dự báo khác nhau nói chung là khác nhau, nhƣng cho đến nay vẫn chƣa có nghiên cứu chính thức nào cho biết phƣơng pháp/mô hình dự báo nào trong các phƣơng pháp/mô hình dự báo đã biết là hiệu quả nhất để dự báo nợ xấu trong lĩnh vực ngân hàng. Do hoạt động kinh tế nói chung, hoạt động vay vốn ngân hàng nói chung là hành vi của con ngƣời. Ngoài những yếu tố kinh tế thì những yếu tố tâm lý, văn hóa, thói quen, …cũng ảnh hƣởng rất lớn đến những hành vi đó. Nói nhƣ vậy cũng có nghĩa là phƣơng pháp/mô hình dự báo nợ xấu trong lĩnh vực ngân hàng đƣợc đánh giá là hiệu quả nhất ở quốc gia này có thể không phải là nhƣ vậy, thậm chí có thể là không phù hợp khi ứng dụng nó ở quốc gia khác.
Vì vậy việc nghiên cứu, thực nghiệm các phƣơng pháp/mô hình dự báo nợ xấu đã biết trên tập số liệu thực của nền kinh tế nhằm tìm kiếm phƣơng pháp/mô hình dự báo nợ xấu phù hợp cho mỗi quốc gia luôn là một hƣớng nghiên cứu, ứng dụng quan trọng và luôn đƣợc quan tâm bởi các nhà nghiên cứu trên thế giới. Tình hình nghiên cứu trong nƣớc Vai trò của phân tích và dự báo nợ xấu trong hoạt động ngân hàng ngày càng đƣợc các ngân hàng nhận thức, đƣợc khẳng định và nhiều ngân hàng trong nƣớc quan tâm, đặc biệt trong bối cảnh nƣớc ta xây dựng nền kinh tế thị trƣờng, hội nhập quốc tế ngày càng sâu rộng và nhất là khi nợ xấu trong lĩnh vực kinh tế cũng nhƣ trong lĩnh vực ngân hàng có xu hƣớng tăng, chƣa đƣợc kiểm soát nhƣ hiện nay. Tuy nhiên nghiên cứu và ứng dụng các phƣơng pháp/mô hình dự báo nợ xấu ở nƣớc ta hiện rất hạn chế. Hiện tại việc dự báo nợ xấu của các hợp động tín 3 z dụng chủ yếu sử dụng phƣơng pháp phân tích định tính dựa trên kinh nghiệm, kiến thức của ngƣời thẩm tra tín dụng.
Phƣơng pháp/mô hình định lƣợng đƣợc ứng dụng rất ít, chủ yếu là các phƣơng pháp giản đơn và đƣợc thực hiện bởi cá nhân cán bộ tín dụng hoặc dừng ở mức nghiên cứu. Phƣơng pháp ứng dụng kỹ thuật cây quyết định cũng nhƣ mô hình kinh tế lƣợng (trong đo báo gồm cả mô hình logit/probit) để phân tích và dự báo nợ xấu trong lĩnh vực ngân hàng ở nƣớc ta chủ yếu dừng ở mức độ nghiên cứu, thực hành trên tập số liệu nhỏ [14], thiếu tính hệ thống và chƣa đƣợc nghiên cứu thực hành trên tập dữ liệu đủ lớn để chỉ ra sự phù hợp cũng nhƣ hiệu quả đích thực của các phƣơng pháp/mô hình này nên tác dụng của những nghiên cứu đó là rất hạn chế. Cho đến nay cũng chƣa có ngân hàng nào ứng dụng kỹ thuật cây quyết định cũng nhƣ mô hình hồi quy logit trong việc hỗ trợ phân tích và dự báo nợ xấu của các hợp đồng tín dụng. Mặc dù các phƣơng pháp đó đã đƣợc ứng dụng ở nhiều nơi trên thế giới.
Mục đích nghiên cứu Nhằm phục vụ xây dựng hệ thống phân tích và dự báo tự động về nợ xấu, giúp cho các nhân viên phân tích tín dụng trong bộ phân tín dụng của ngân hàng có cộng cụ định lƣợng đánh giá đƣợc tính khả thi của một hợp đồng cho vay. Tính khả thi đƣợc đánh giá dựa trên các tiêu chí nhƣ: lĩnh vực kinh doanh (sản xuất), luồng tiền, lịch sử vay trả, các giao dịch tài chính, kinh nghiệm trong lĩnh vực kinh doanh (sản xuất), các chỉ số kinh tế liên quan đến sản xuất kinh doanh tại thời điểm xem xét hợp đồng cho vay, trong đó nhất là hợp đồng cho vay có tiềm ẩn nguy cơ nợ xấu ngân hàng hay không. Phƣơng pháp nghiên cứu Sử dụng phƣơng pháp phân tích, tổng hợp trong khảo cứu và phân tích tài liệu; Sử dụng phƣơng pháp mô hình hóa để xây dựng mô hình dự báo nợ xấu của hệ thống ngân hàng dựa vào mô hình logit; Sử dụng phƣơng pháp khai phá dữ liệu (cụ thể là cây quyết định) để phát hiện những tri thức mới phục vụ phân tích và dự báo nợ xấu của hệ thống ngân hàng. Kết cấu của Đề tài Đề tài gồm 3 chƣơng nội dung.