Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Trong hệ thống tài chính, hoạt động tín dụng bán lẻ và cho vay khách hàng cá nhân (KHCN) tại các ngân hàng thương mại (NHTM) có tốc độ tăng trưởng nhanh nhằm đáp ứng nhu cầu vốn sản xuất kinh doanh và tiêu dùng. Tuy nhiên, rủi ro tín dụng luôn là mối đe dọa trực tiếp đến an toàn tài chính và khả năng sinh lời của các ngân hàng. Nhằm kiểm soát rủi ro hệ thống, Ngân hàng Nhà nước Việt Nam (NHNN) đã ban hành các quy định bắt buộc về phân loại nợ, trích lập dự phòng (Thông tư 02/2013/TT-NHNN, Thông tư 11/2021/TT-NHNN), quy định các giới hạn tỷ lệ an toàn (Thông tư 22/2019/TT-NHNN, Thông tư 08/2020/TT-NHNN) cũng như thúc đẩy lộ trình triển khai chuẩn mực Basel II theo Thông tư 41/2016/TT-NHNN và Thông tư 13/2018/TT-NHNN.

Thực tế quản trị rủi ro tại các NHTM Việt Nam cho thấy phương pháp đo lường truyền thống dựa vào mô hình Logit, Probit hoặc phân tích tách biệt chủ yếu ước lượng xác suất vỡ nợ (Probability of Default - PD) trong một khoảng thời gian cố định (thường là 1 năm). Cách tiếp cận này bộc lộ hạn chế khi không thể trả lời câu hỏi khi nào một khoản vay xảy ra biến cố vỡ nợ trong suốt vòng đời dự kiến của nó, cũng như gặp khó khăn khi ước lượng các khoản vay ngắn hạn, dòng tiền lưu tài khoản lương hay hạn mức thấu chi. Phân tích sống sót (Survival Analysis) là công cụ cho phép ước tính hàm sống sót và hàm nguy cơ tức thời theo thời gian thực. Tại Việt Nam, việc ứng dụng phân tích sống sót trong quản trị rủi ro tín dụng còn rất hạn chế, đa phần chỉ dừng ở các mô hình tĩnh đơn giản hoặc phân lớp sơ bộ, chưa có công trình nào kết hợp toàn diện các mô hình tham số, bán tham số và phi tham số/học máy để lượng hóa các thước đo rủi ro trọn đời. Do đó, luận án được thực hiện nhằm lấp đầy khoảng trống nghiên cứu này.

Mục tiêu nghiên cứu

  • Mục tiêu chung: Sử dụng các mô hình tham số, bán tham số và phi tham số trong phân tích sống sót để nghiên cứu thời gian sống sót của các khoản vay khách hàng cá nhân, đánh giá tác động của các yếu tố đến thời gian sống sót, ước lượng thời gian sống sót và xác suất vỡ nợ theo thời điểm, từ đó đề xuất khuyến nghị giúp các NHTM hoàn thiện công cụ đo lường và tính toán mức trích lập dự phòng rủi ro phù hợp.
  • Các mục tiêu cụ thể:
    1. Hệ thống hóa cơ sở lý luận về tác động của các yếu tố tới thời gian sống sót của các khoản vay KHCN.
    2. Sử dụng các mô hình Cox PH mở rộng, hồi quy phân vị trong phân tích sống sót để đánh giá tác động của các yếu tố đến thời gian sống sót của các khoản vay KHCN.
    3. Sử dụng các mô hình Cox PH, Cox PH mở rộng và mô hình Random Survival Forest (RSF) để ước lượng thời gian sống sót cũng như xác suất vỡ nợ theo thời điểm của các khoản vay KHCN.
    4. Sử dụng mô hình Cox PH để ước lượng tổn thất tín dụng dự kiến trọn đời (Lifetime Expected Credit Loss - Lifetime ECL).

Câu hỏi nghiên cứu

Luận án giải quyết 3 câu hỏi nghiên cứu:

  1. Các yếu tố nhân khẩu học, kinh tế - tài chính, mối quan hệ với ngân hàng và đặc điểm của khoản vay có tác động lên thời gian sống sót của khoản vay cá nhân như thế nào?
  2. Ước lượng thời gian sống sót của các khoản vay hay xác suất vỡ nợ theo thời điểm của các khoản vay như thế nào?
  3. Rủi ro tín dụng được tính bởi phương pháp phân tích sống sót có cải thiện so với sử dụng phương pháp truyền thống hay không?

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Thời gian sống sót của khoản vay của khách hàng cá nhân tại NHTM; các mô hình hồi quy tham số, bán tham số và phi tham số trong phân tích sống sót.
  • Phạm vi nội dung: Tập trung vào vai trò của các yếu tố ảnh hưởng đến thời gian sống sót; đo lường rủi ro theo ba thước đo cốt lõi: Xác suất vỡ nợ theo thời điểm (PD trọn đời), Thời gian sống sót của khoản vay, và Tổn thất tín dụng dự kiến trọn đời (ECL trọn đời).
  • Phạm vi không gian và dữ liệu: Nghiên cứu thực nghiệm tại Việt Nam với bộ số liệu các khoản vay KHCN từ một NHTM Việt Nam. Đồng thời, do yêu cầu bảo mật số liệu dư nợ định kỳ từ ngân hàng trong nước, tác giả sử dụng bổ sung bộ số liệu các khoản vay thế chấp (Mortgage) tại Hoa Kỳ để minh họa bài toán tính toán ECL trọn đời.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu quốc tế

Phương pháp phân tích sống sót bắt nguồn từ công trình nền tảng của Cox (1972) và nhanh chóng được mở rộng sang lĩnh vực tài chính - ngân hàng qua các nhóm mô hình:

  • Mô hình tham số AFT (Accelerated Failure Time): Narain (1992) tiên phong áp dụng AFT với phân phối Mũ trên 1.242 khoản vay tại Anh để phân loại khách hàng tốt/xấu theo thời gian quá hạn 90 ngày. Thomas và cộng sự (1999) mở rộng so sánh mô hình AFT (phân phối Mũ, Weibull) và Cox PH trên 50.000 khoản vay để dự báo vỡ nợ và trả nợ sớm trong các khoảng thời gian 0–12 tháng và 12–24 tháng. Hassan và cộng sự (2017) kiểm định mô hình AFT và Cox PH tại Louisiana, khẳng định AFT có hiệu quả tốt trong dự báo xác suất vỡ nợ khi có các biến về lịch sử công việc, sở hữu nhà và điểm tín dụng.
  • Mô hình bán tham số Cox PH và các mở rộng: Stepanova và Thomas (2002) phát triển thuật toán phân nhóm biến số dựa trên sự tương đồng của các hàm sống sót thay vì tỷ lệ vỡ nợ thuần túy trên mẫu 50.000 quan sát tại Anh. Michal Rychnovský (2018) bổ sung biến trình độ học vấn vào mô hình Cox PH và chứng minh độ chính xác vượt trội so với Logit. Andreeva (2006) xử lý vi phạm giả thiết tỷ lệ nguy cơ bằng mô hình Cox PH phân lớp trên dữ liệu thẻ tín dụng tại Bỉ, Đức và Hà Lan, đạt chỉ số AUC 0,7048. Sumit Agarwal và cộng sự (2011, 2018) ứng dụng Cox PH trên 170.000 tài khoản thẻ tín dụng tại Mỹ để chỉ ra vai trò của mối quan hệ ngân hàng và vốn xã hội đối với xác suất vỡ nợ. Serrano-Cinca và cộng sự (2015) cùng Andrija Đurović (2017) khẳng định tác động mạnh mẽ của số tiền vay, kỳ hạn và mục đích vay trên thị trường cho vay ngang hàng.
  • Mô hình động và biến phụ thuộc thời gian: Bellotti và Crook (2009) đưa các biến vĩ mô thay đổi theo thời gian (lãi suất, thất nghiệp, chỉ số giá nhà) vào mô hình Cox PH mở rộng trên 100.000 tài khoản thẻ tín dụng. Malik và Thomas (2009) tích hợp điểm hành vi từng tháng cùng các biến GDP, CPI để tăng độ chính xác dự báo. Lyn C. Thomas và cộng sự (2010) kết hợp Cox PH mở rộng với mô phỏng Monte Carlo để định giá dòng tiền chiết khấu và phân phối lợi nhuận danh mục cho vay thế chấp.
  • Mô hình phi tham số, học máy và phân vị: Cao và cộng sự (2009) ứng dụng hồi quy phi tham số Beran (1981) trên 25.000 khoản vay ở Tây Ban Nha. Sarah Miller (2014) sử dụng hồi quy phân vị sống sót trên 17.000 khoản vay Prosper.com, phát hiện tác động đảo chiều của các biến số tại các phân vị thời gian khác nhau. Bart và cộng sự (2005) nghiên cứu mô hình mạng nơ-ron sống sót. Ishwaran và cộng sự (2008) phát triển mô hình Random Survival Forest (RSF) từ thuật toán Random Forest của Breiman (1996). Fantazzini và Figini (2008), Mageto và cộng sự (2015), Frydman và Matuszyk (2020) đã ứng dụng RSF để xử lý dữ liệu đa chiều, so sánh hiệu năng với Logit và Cox PH.

Các nghiên cứu tại Việt Nam

  • Phan Xuân Vinh (2017) dùng mô hình Cox PH khảo sát 2.756 người vay tiêu dùng tại TP. Hồ Chí Minh, ghi nhận ảnh hưởng của tỷ lệ tiền vay/thu nhập và giới tính, nhưng mô hình bị cắt giảm chỉ còn 3 biến do loại bỏ các biến vi phạm giả định PH và không ước lượng các thước đo rủi ro định lượng.
  • Tô Thị Vân Anh (2019) sử dụng mô hình Cox PH phân lớp trên 1.552 khoản vay chia thành 8 lớp theo độ tuổi và giá trị vay, nhưng không giữ lại biến giải thích sau phân nhóm và chưa tính toán PD hay ECL trọn đời.

Khoảng trống nghiên cứu của luận án

Luận án định vị khoảng trống học thuật tại Việt Nam: (1) Thiếu vắng các nghiên cứu định lượng ước lượng đồng thời thời gian sống sót, xác suất vỡ nợ theo từng mốc thời gian và tổn thất tín dụng dự kiến trọn đời; (2) Chưa có nghiên cứu nào kết hợp đồng thời mô hình bán tham số Cox PH mở rộng (hệ số phụ thuộc thời gian), mô hình phi tham số học máy RSF và mô hình hồi quy phân vị trong phân tích sống sót để khắc phục triệt để các vi phạm giả định tỷ lệ nguy cơ không đổi.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và các khái niệm cốt lõi

  • Rủi ro tín dụng và cấu phần: Theo Basel II, Thông tư 02/2013/TT-NHNN, Timothy W. Koch (1995) và Fitch (1997), rủi ro tín dụng là khả năng tổn thất phát sinh do khách hàng sai hẹn hoặc không thực hiện nghĩa vụ trả nợ. Ba cấu phần định lượng gồm: Dư nợ tại thời điểm vỡ nợ (Exposure at Default - EAD), Tỷ lệ tổn thất khi vỡ nợ (Loss Given Default - LGD), và Xác suất vỡ nợ (Probability of Default - PD).
  • Thước đo rủi ro:
    • Tổn thất tín dụng dự kiến (ECL): Biến tổn thất $L_i = EAD_i \times SEV_i \times I_{D_i}$. Với giả thiết độc lập, tổn thất của $N$ khoản vay là $ECL = \sum EAD_i \times LGD_i \times PD_i$.
    • ECL một năm: $ECL_{\text{1 năm}} = \sum_{i=1}^N EAD_i(X_i) \times LGD_i(X_i) \times PD_i(X_i)$.
    • ECL trọn đời: $\text{ECL}{\text{Trọn đời}} = \sum{i=1}^N \sum_{t=1}^{T_i} PV_t [EAD_{i,t} \times LGD_{i,t} \times PD_{i,t}(X_{i,t})]$.
    • Tổn thất ngoài dự kiến (UL): $UL = \sqrt{\text{Var}(L)} = \sqrt{\text{Var}(EAD \times SEV \times I_D)}$.
    • Vốn kinh tế (EC): $EC = Q_\alpha(L) - ECL$, với $Q_\alpha(L)$ là phân vị mức $\alpha$ của tổng tổn thất.
  • Biểu diễn thời gian sống sót $T$: Theo Kalbfleisch và Prentice (1980), Leemis (1995), Kleinbaum và Mitchel Klein (2012), thời gian sống sót được biểu diễn qua 3 hàm:
    • Hàm sống sót: $S(t) = P(T > t) = 1 - F(t)$.
    • Hàm mật độ: $f(t) = \lim_{\Delta t \to 0} \frac{P(t \le T \le t + \Delta t)}{\Delta t}$.
    • Hàm nguy cơ: $H(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t + \Delta t \mid T > t)}{\Delta t} = -\frac{d}{dt}[\ln S(t)] \implies \ln S(t) = -\int_0^t H(u)du$.
  • Đặc trưng số liệu: Luận án xử lý số liệu bị kiểm duyệt (kiểm duyệt phải Right Censored, kiểm duyệt trái Left Censored, kiểm duyệt khoảng Interval Censored) và số liệu bị cắt cụt (cắt cụt trái Left Truncated, cắt cụt phải Right Truncated).

Phương pháp nghiên cứu định lượng

Luận án sử dụng các phương pháp định lượng chuyên sâu thực hiện trên phần mềm STATA 16 và R:

  1. Mô hình bán tham số Cox PH mở rộng: Giải quyết trường hợp biến giải thích vi phạm giả thiết tỷ lệ nguy cơ không đổi (Proportional Hazards - PH assumption) bằng cách đưa vào hệ số phụ thuộc thời gian $\beta(t)$.
  2. Mô hình hồi quy phân vị trong phân tích sống sót: Đo lường tác động phi tuyến của các biến giải thích lên từng phân vị thời gian sống sót khác nhau (phân vị thấp, trung bình, cao).
  3. Mô hình phi tham số Random Survival Forest (RSF): Thuật toán học máy dựa trên cấu trúc rừng cây sống sót để ước lượng tỷ lệ nguy cơ tích lũy mà không cần giả định phân phối, đo lường tầm quan trọng biến (Variable Importance - VIMP).
  4. Ước lượng phi tham số Kaplan-Meier & Thuật toán phân nhóm: Phân nhóm biến định lượng/định tính dựa trên kiểm định độ tương đồng giữa các đường cong sống sót.
  5. Tiêu chuẩn đánh giá: Sử dụng chỉ số diện tích dưới đường cong ROC phụ thuộc thời gian (Time-dependent AUC), chỉ số phân định C-index (Concordance index), tỷ lệ dự đoán sai ngoài mẫu (Out of Bag - OOB error) và độ sai lệch giá trị ECL so với tổn thất thực tế.
Phương pháp / Mô hình Đặc điểm cấu trúc Mục đích sử dụng trong luận án
Cox PH mở rộng Bán tham số, cho phép hệ số $\beta(t)$ biến thiên theo thời gian Đánh giá tác động của các biến vi phạm giả thiết PH, ước lượng PD theo thời điểm
Hồi quy phân vị sống sót Tham số/Bán tham số theo phân vị Phân tích tác động phân hóa của các yếu tố ở giai đoạn đầu và giai đoạn sau khoản vay
Random Survival Forest (RSF) Phi tham số, học máy phân nhánh đa cây Ước lượng hàm sống sót phi tuyến, xếp hạng tầm quan trọng biến số (VIMP)
Mô hình Logit (truyền thống) Hồi quy Logistic chuẩn tắc Làm đối chứng so sánh hiệu quả dự báo PD và ước lượng ECL trọn đời

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận và tổng quan nghiên cứu

Chương 1 thiết lập nền tảng lý thuyết toàn diện về rủi ro tín dụng và phương pháp phân tích sống sót. Tác giả làm rõ các khái niệm EAD, LGD, PD, sự khác biệt giữa ECL 1 năm và ECL trọn đời, mối liên hệ toán học giữa ECL, UL và Vốn kinh tế (EC) theo chuẩn Basel II. Chương này phân tích hệ thống chính sách quản lý tín dụng tại Việt Nam gồm Thông tư 11/2021/TT-NHNN về trích lập dự phòng (5 nhóm nợ với tỷ lệ trích lập: Nợ đủ tiêu chuẩn 0%, Nợ cần chú ý 5%, Nợ dưới tiêu chuẩn 20%, Nợ nghi ngờ 50%, Nợ có khả năng mất vốn 100%), Thông tư 22/2019/TT-NHNN và Thông tư 08/2020/TT-NHNN về lộ trình siết tỷ lệ vốn ngắn hạn cho vay trung dài hạn (giảm dần từ 40% xuống 30%), quy định áp dụng Basel II theo Thông tư 41/2016/TT-NHNN.

Tác giả chỉ ra thực trạng xếp hạng tín dụng nội bộ tại các NHTM Việt Nam chủ yếu dùng mô hình Logistic, thiếu hụt công cụ định lượng động. Cơ sở toán học của phân tích sống sót được trình bày chi tiết qua quan hệ giữa $S(t)$, $f(t)$, $H(t)$, bản chất của dữ liệu bị kiểm duyệt (trái, phải, khoảng) và cắt cụt (trái, phải). Chương 1 cũng phân loại 3 nhóm yếu tố tác động đến thời gian sống sót: Nhóm nhân khẩu học (tuổi, giới tính, học vấn, tình trạng nhà ở, thời gian làm việc); Nhóm đặc điểm khoản vay và quan hệ ngân hàng (lượng tiền vay, tỷ lệ tiền vay/thu nhập, hình thức trả lương, khách hàng cũ/mới); Nhóm kinh tế vĩ mô (tăng trưởng GDP, tỷ lệ thất nghiệp, chỉ số CPI).

Chương 2: Phương pháp nghiên cứu

Chương 2 thiết lập khung phương pháp luận định lượng. Tác giả trình bày toán học của mô hình tham số AFT, mô hình hồi quy phân vị trong phân tích sống sót và mô hình bán tham số Cox PH. Nhằm khắc phục hạn chế của giả thiết PH, tác giả phát triển mô hình Cox PH mở rộng chứa các hệ số phụ thuộc thời gian $\beta_j(t) = \beta_j + \theta_j g(t)$.

Tiếp đó, chương trình bày mô hình phi tham số Kaplan-Meier và thuật toán Random Survival Forest (RSF) cấu thành từ các cây sống sót ngẫu nhiên, sử dụng quy tắc tách nút bảo toàn độ khác biệt sống sót và tính toán tỷ lệ lỗi OOB. Tác giả cụ thể hóa thuật toán phân nhóm dữ liệu liên tục dựa trên độ tương đồng của các hàm sống sót Kaplan-Meier và thuật toán xác định độ quan trọng của biến (VIMP). Cuối cùng, chương 2 thiết lập hệ thống tiêu chí kiểm định chất lượng mô hình dự báo xác suất vỡ nợ và thời gian sống sót thông qua đường cong ROC, chỉ số AUC theo thời gian, chỉ số C-index, cùng công thức toán học đo lường mức độ sai lệch thiệt hại tài chính khi ước lượng ECL trọn đời bằng phân tích sống sót so với mô hình Logit.

Chương 3: Mô hình và kết quả phân tích thực nghiệm

Chương 3 trình bày toàn bộ kết quả thực nghiệm từ dữ liệu:

  • Dữ liệu và phân nhóm: Xử lý mẫu dữ liệu các khoản vay KHCN từ một NHTM Việt Nam. Kết quả kiểm tra giả thiết tỷ lệ nguy cơ hằng số cho thấy nhiều biến giải thích vi phạm giả định PH, xác nhận tính tất yếu của việc sử dụng mô hình Cox PH mở rộng. Thực hiện phân nhóm dữ liệu cho các biến tuổi, thời gian làm việc, học vấn, vị trí công việc, hình thức trả lương và biến tỷ lệ khoản vay trên thu nhập (LoanPerIncome).
  • Kết quả mô hình Cox PH mở rộng & Hồi quy phân vị: Ước lượng hệ số trên tập Train và kiểm định AUC theo thời gian. Các yếu tố có ảnh hưởng có ý nghĩa thống kê đến thời gian sống sót gồm: giới tính, độ tuổi, thời gian công tác, vị trí việc làm, trình độ đào tạo, hình thức nhận lương, mối quan hệ khách hàng cũ và tỷ lệ LoanPerIncome. Mô hình hồi quy phân vị làm rõ các yếu tố có mức độ tác động khác biệt (thậm chí đổi chiều) giữa các phân vị thời gian sống sót ngắn và dài.
  • Kết quả mô hình Random Survival Forest (RSF): Mô hình RSF được huấn luyện trên tập Train và kiểm tra trên tập Test. Biểu đồ tỷ lệ lỗi OOB hội tụ khi số lượng cây tăng lên. Thứ hạng VIMP chỉ ra các biến có đóng góp lớn nhất vào khả năng dự báo. So sánh chỉ số C-index giữa RSF và Cox PH mở rộng khẳng định khả năng dự báo chính xác thời gian sống sót của mô hình phi tham số học máy.
  • Ước lượng PD trọn đời và ECL trọn đời: Áp dụng trên bộ dữ liệu Mortgage để tính toán tổn thất tín dụng dự kiến trọn đời. Kết quả so sánh giữa mô hình Cox PH trong phân tích sống sót và mô hình Logit truyền thống chứng minh: ECL tính từ phân tích sống sót bám sát tổn thất thực tế hơn, hạn chế sai lệch dự báo và giảm thiểu mức độ thiệt hại tài chính do trích lập thừa hoặc thiếu so với mô hình Logit.

Chương 4: Kết luận và kiến nghị

Chương 4 đúc kết các phát hiện nghiên cứu thực nghiệm và đề xuất 5 nhóm khuyến nghị quản trị:

  1. NHTM cần áp dụng phân tích sống sót để ước lượng chính xác các thước đo rủi ro trọn đời (PD trọn đời, ECL trọn đời), tối ưu hóa quỹ trích lập dự phòng theo chuẩn mực Basel II và Thông tư 11/2021/TT-NHNN.
  2. Ứng dụng dự báo thời gian sống sót tại thời điểm tiếp nhận hồ sơ xin vay để quyết định phê duyệt, từ chối hoặc tư vấn điều chỉnh số tiền vay và kỳ hạn vay phù hợp với khẩu vị rủi ro.
  3. Đối với các khoản vay đang trong kỳ hạn, ngân hàng cần theo dõi nguy cơ vỡ nợ tức thời tại từng mốc thời gian, thiết lập hệ thống cảnh báo sớm tại các thời điểm nguy cơ tăng vọt để kích hoạt biện pháp tự vệ.
  4. Xây dựng chiến lược phân hóa sản phẩm tín dụng và chính sách lãi suất dựa trên đặc trưng nhân khẩu học, thu nhập và mức độ gắn kết của khách hàng.
  5. Xem xét tính toán tổn thất tín dụng dự kiến riêng biệt theo các phân vị thời gian sống sót để xây dựng các kịch bản dự phòng sát với diễn biến thực tế danh mục.

Kết quả và những đóng góp mới

Đóng góp mới về lý luận và phương pháp

  1. Là công trình nghiên cứu định lượng đầu tiên tại Việt Nam tiếp cận toàn diện bài toán thời gian sống sót của các khoản vay cá nhân tại NHTM; ước lượng thành công thời gian sống sót và xác suất vỡ nợ theo từng thời điểm (PD trọn đời) thay vì chỉ ước lượng PD trong một khoảng thời gian cố định.
  2. Kết hợp đồng thời các mô hình tham số (hồi quy phân vị sống sót), bán tham số (Cox PH mở rộng có hệ số phụ thuộc thời gian) và phi tham số học máy (Random Survival Forest - RSF), bảo đảm tính vững chắc về mặt kinh tế lượng và xử lý triệt để hiện tượng vi phạm giả thiết tỷ lệ nguy cơ không đổi.
  3. Chứng minh thực nghiệm rằng phương pháp phân tích sống sót cho kết quả ước lượng tổn thất tín dụng dự kiến trọn đời (Lifetime ECL) sát với tổn thất thực tế hơn so với mô hình Logit truyền thống, cung cấp cơ sở định lượng để tối ưu hóa an toàn vốn.

Đóng góp mới về mặt thực tiễn

  • Cung cấp công cụ giúp các NHTM đo lường rủi ro linh hoạt trên nhiều phân khúc sản phẩm: từ khoản vay tiêu dùng dài hạn đến quản lý thời gian tồn lưu số dư tài khoản lương và hạn mức thấu chi.
  • Đề xuất quy trình phân nhóm dữ liệu dựa trên sự tương đồng của hàm sống sót Kaplan-Meier, nâng cao chất lượng dữ liệu đầu vào cho hệ thống xếp hạng tín dụng nội bộ.
  • Cung cấp khung phân tích đa chiều giúp phân định chính sách lãi suất bù đắp rủi ro cho từng nhóm khách hàng tiềm năng.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án

  • Do yêu cầu bảo mật thông tin khách hàng từ NHTM Việt Nam cung cấp dữ liệu, bộ dữ liệu trong nước không có đầy đủ chuỗi thông tin dư nợ theo từng kỳ trả nợ. Vì vậy, tác giả phải sử dụng bộ dữ liệu cho vay thế chấp (Mortgage) tại Hoa Kỳ để minh họa bài toán ước lượng tổn thất tín dụng dự kiến trọn đời (ECL trọn đời).
  • Mẫu dữ liệu tại NHTM Việt Nam chưa tích hợp đầy đủ chuỗi thời gian của các biến số kinh tế vĩ mô và điểm hành vi chi tiết theo tháng của người vay trong suốt vòng đời khoản vay.

Hướng nghiên cứu tiếp theo

  • Mở rộng ứng dụng phương pháp phân tích sống sót sang các nghiệp vụ tín dụng chuyên biệt khác như kiểm soát thời gian lưu giữ dòng tiền trong tài khoản thanh toán cá nhân hoặc rủi ro vỡ nợ của các khoản vay thấu chi.
  • Khai thác bộ dữ liệu đầy đủ chuỗi thời gian dư nợ tại Việt Nam khi điều kiện thu thập cho phép nhằm kiểm định trực tiếp mô hình tính ECL trọn đời cho hệ thống ngân hàng nội địa.
  • Phát triển các mô hình rủi ro cạnh tranh (Competing Risks Model) để mô hình hóa đồng thời hai sự kiện đối nghịch: sự kiện vỡ nợ và sự kiện trả nợ trước hạn.

Giá trị tham khảo

  • Đối với nghiên cứu sinh, học viên và giảng viên: Là tài liệu chuyên khảo tham khảo về việc ứng dụng phương pháp phân tích sống sót (Survival Analysis), mô hình Cox PH mở rộng, hồi quy phân vị và thuật toán học máy Random Survival Forest trong kinh tế học và toán kinh tế.
  • Đối với cán bộ quản trị rủi ro tại các NHTM: Cung cấp phương pháp luận và kỹ thuật định lượng để xây dựng hệ thống xếp hạng tín dụng nội bộ, tính toán tham số PD trọn đời và trích lập dự phòng tổn thất ECL theo chuẩn Basel II / IFRS 9.
  • Đối với cơ quan quản lý (NHNN): Cung cấp bằng chứng thực nghiệm phục vụ việc hoàn thiện các quy chuẩn kỹ thuật hướng dẫn ngân hàng thương mại đo lường rủi ro và quản trị an toàn vốn.

Câu hỏi thường gặp

1. Phân tích sống sót có ưu điểm gì vượt trội so với mô hình Logit truyền thống trong quản trị rủi ro tín dụng?

Mô hình Logit truyền thống chỉ xác định liệu một khoản vay có bị vỡ nợ trong một khoảng thời gian cố định hay không (thường là 1 năm). Ngược lại, phân tích sống sót cho phép xác định chính xác thời điểm khoản vay xảy ra biến cố vỡ nợ, ước lượng được xác suất vỡ nợ tại từng mốc thời gian trong suốt vòng đời khoản vay (PD trọn đời), đồng thời xử lý tốt các quan sát bị kiểm duyệt (Censored data) và bị cắt cụt (Truncated data).

2. Tại sao luận án phải sử dụng mô hình Cox PH mở rộng thay vì mô hình Cox PH chuẩn tắc?

Mô hình Cox PH chuẩn tắc đòi hỏi giả thiết tỷ lệ nguy cơ không đổi theo thời gian (Proportional Hazards assumption). Kết quả kiểm tra dữ liệu thực nghiệm tại NHTM cho thấy nhiều biến giải thích vi phạm giả thiết này. Do đó, luận án phải sử dụng mô hình Cox PH mở rộng với hệ số phụ thuộc thời gian $\beta(t)$ để đảm bảo tính chuẩn xác và không làm chệch ước lượng.

3. Mô hình Random Survival Forest (RSF) đóng vai trò gì trong luận án?

RSF là phương pháp học máy phi tham số giúp ước lượng hàm sống sót mà không cần đặt ra các giả định phân phối khắt khe như mô hình tham số hay giả định tỷ lệ nguy cơ như mô hình Cox PH. RSF cho phép xử lý dữ liệu phức tạp, phi tuyến tính, đánh giá mức độ quan trọng của các biến giải thích (VIMP) và kiểm định chéo độ chính xác dự báo thông qua sai số OOB và chỉ số C-index.

4. Vì sao tác giả phải sử dụng hai bộ dữ liệu trong nghiên cứu?

Bộ dữ liệu thứ nhất thu thập từ một NHTM tại Việt Nam được sử dụng để phân tích thực nghiệm các yếu tố ảnh hưởng, ước lượng hàm sống sót và xác suất vỡ nợ của khách hàng cá nhân. Tuy nhiên, do yêu cầu bảo mật thông tin, ngân hàng không cung cấp dữ liệu biến động dư nợ chi tiết theo từng kỳ trả nợ. Do đó, tác giả sử dụng thêm bộ dữ liệu thứ hai là các khoản vay thế chấp (Mortgage) tại Hoa Kỳ có đầy đủ thông tin dòng tiền dư nợ để minh họa quy trình ước lượng ECL trọn đời.

5. Hồi quy phân vị trong phân tích sống sót cung cấp thông tin gì khác biệt?

Hồi quy phân vị cho phép đánh giá tác động không đồng nhất của các biến giải thích tại các phân vị thời gian sống sót khác nhau của khoản vay. Kết quả giúp chỉ ra những biến số có tác động tích cực ở giai đoạn đầu của khoản vay nhưng lại có thể chuyển sang tác động tiêu cực ở giai đoạn sau (hoặc ngược lại), điều mà các mô hình hồi quy trung bình thông thường không thể phát hiện.

Kết luận

Luận án của nghiên cứu sinh Đoàn Trọng Tuyến đã hệ thống hóa và phát triển thành công khung phân tích sống sót tiếp cận hồi quy tham số, bán tham số và phi tham số trong quản trị rủi ro tín dụng khách hàng cá nhân. Công trình chứng minh tính ưu việt của phân tích sống sót so với mô hình Logit truyền thống trong việc ước lượng xác suất vỡ nợ theo thời điểm và tổn thất tín dụng dự kiến trọn đời (Lifetime ECL). Kết quả nghiên cứu cung cấp cơ sở khoa học và các giải pháp thực tiễn có giá trị giúp các ngân hàng thương mại nâng cao hiệu quả xếp hạng tín dụng, tối ưu hóa trích lập dự phòng và đáp ứng lộ trình an toàn vốn theo chuẩn mực Basel II tại Việt Nam.