Luận án tiến sĩ phân tích sống sót trong ước lượng và phân tích rủi ro tiếp cận hồi quy tham số và phi tham số

Luận án tiến sĩ nghiên cứu phân tích sống sót trong ước lượng và phân tích rủi ro tiếp cận hồi quy tham số và phi tham số, phân tích chuyên sâu, xây dựng mô hình lý thuyết, đề

Chuyên ngành

Kinh tế học

Người đăng

Ẩn danh

Thể loại

luận án tiến sĩ

2022

142
6
0

Phí lưu trữ

35 Point

Tóm tắt

I. Phân tích rủi ro và mô hình hồi quy

Phân tích rủi ro là một phần quan trọng trong quản lý tín dụng, đặc biệt trong bối cảnh các ngân hàng thương mại (NHTM) phải đối mặt với nhiều thách thức từ môi trường kinh tế vĩ mô và đặc điểm khách hàng. Hồi quy tham sốhồi quy phi tham số là hai phương pháp chính được sử dụng để ước lượng rủi ro. Hồi quy tham số dựa trên các giả định về phân phối dữ liệu, trong khi hồi quy phi tham số không yêu cầu giả định này, giúp linh hoạt hơn trong việc mô hình hóa dữ liệu phức tạp. Cả hai phương pháp đều có ưu điểm riêng, tùy thuộc vào bản chất dữ liệu và mục tiêu nghiên cứu.

1.1. Ước lượng rủi ro với hồi quy tham số

Hồi quy tham số sử dụng các mô hình như Cox PHAFT để ước lượng thời gian sống sót của các khoản vay. Mô hình Cox PH giả định tỷ lệ rủi ro là hằng số theo thời gian, trong khi AFT cho phép tỷ lệ rủi ro thay đổi. Các mô hình này giúp đánh giá tác động của các yếu tố như tuổi khách hàng, thu nhập, và điều kiện kinh tế vĩ mô lên thời gian sống sót của khoản vay.

1.2. Ước lượng rủi ro với hồi quy phi tham số

Hồi quy phi tham số sử dụng các phương pháp như Kaplan-MeierRandom Survival Forest để ước lượng rủi ro mà không cần giả định phân phối dữ liệu. Kaplan-Meier là phương pháp đơn giản để ước lượng hàm sống sót, trong khi Random Survival Forest là kỹ thuật học máy giúp dự đoán thời gian sống sót dựa trên nhiều biến đầu vào. Các phương pháp này đặc biệt hữu ích khi dữ liệu có cấu trúc phức tạp hoặc không tuân theo phân phối chuẩn.

II. Phân tích sống sót và ứng dụng

Phân tích sống sót là phương pháp quan trọng trong ước lượng thời gian sống sót của các khoản vay, giúp các NHTM đánh giá rủi ro tín dụng một cách chính xác hơn. Phương pháp này không chỉ xác định xác suất vỡ nợ mà còn dự đoán thời điểm vỡ nợ, từ đó giúp ngân hàng quản lý rủi ro hiệu quả hơn. Dữ liệu sống sót bao gồm thời gian sống sót và tình trạng của khoản vay, được sử dụng để xây dựng các mô hình dự báo.

2.1. Mô hình hồi quy trong phân tích sống sót

Các mô hình hồi quy tham sốphi tham số được áp dụng trong phân tích sống sót để đánh giá tác động của các yếu tố lên thời gian sống sót của khoản vay. Mô hình Cox PH mở rộng cho phép tỷ lệ rủi ro thay đổi theo thời gian, giúp tăng độ chính xác trong dự đoán. Hồi quy phân vị cũng được sử dụng để ước lượng các phân vị của thời gian sống sót, cung cấp thông tin chi tiết hơn về phân phối rủi ro.

2.2. Ứng dụng thực tiễn

Phân tích sống sót được ứng dụng rộng rãi trong quản lý rủi ro tín dụng tại các NHTM. Các mô hình như Cox PHRandom Survival Forest giúp ước lượng xác suất vỡ nợ (PD)tổn thất tín dụng dự kiến (ECL) một cách chính xác. Điều này giúp ngân hàng xây dựng các chính sách quản lý rủi ro hiệu quả, đồng thời tuân thủ các tiêu chuẩn quốc tế như Basel II.

III. Kỹ thuật hồi quy và phân tích dữ liệu

Kỹ thuật hồi quy đóng vai trò quan trọng trong việc phân tích dữ liệu sống sót, giúp xác định các yếu tố ảnh hưởng đến thời gian sống sót của khoản vay. Phân tích dữ liệu bao gồm việc xử lý dữ liệu thô, phân nhóm biến, và đánh giá chất lượng mô hình. Các kỹ thuật như Random Survival ForestCox PH mở rộng được sử dụng để tối ưu hóa quá trình dự đoán và đánh giá rủi ro.

3.1. Thuật toán phân nhóm dữ liệu

Thuật toán phân nhóm dữ liệu được sử dụng để phân loại các biến đầu vào dựa trên mức độ ảnh hưởng của chúng đến thời gian sống sót. Điều này giúp tối ưu hóa quá trình xây dựng mô hình và tăng độ chính xác trong dự đoán. Các biến như tuổi khách hàng, thu nhập, và loại hình khoản vay thường được phân nhóm để đánh giá tác động của chúng.

3.2. Đánh giá chất lượng mô hình

Việc đánh giá chất lượng mô hình dựa trên các chỉ số như AUCC-index giúp xác định độ chính xác của mô hình trong việc dự đoán thời gian sống sót. Các mô hình như Cox PHRandom Survival Forest thường được so sánh để lựa chọn phương pháp tối ưu nhất cho từng bộ dữ liệu cụ thể.

13/02/2025

Trích đoạn nội dung tài liệu

Chương I, Điều 3, Khoản 1 trong Thông tư 02/2013/TT-NHNN như sau: “Rủi ro tín dụng trong hoạt động ngân hàng là tổn thất có khả năng xảy ra đối với nợ của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài do khách hàng không thực hiện hoặc không có năng lực thực hiện một phần hoặc toàn bộ nghĩa vụ của mình theo cam kết”. Từ các định nghĩa trên ta có thể rút ra các nội dung cơ bản về rủi ro tín dụng như sau: Rủi ro tín dụng là khả năng không chi trả được nợ của người đi vay đối với người cho vay khi đến hạn phải thanh toán. Rủi ro tín dụng trong ngân hàng là rủi ro phát sinh trong quá trình cấp tín dụng của ngân hàng, biểu hiện trên thực tế qua việc khách hàng không trả được nợ hoặc trả không đúng hạn theo cam kết cho ngân hàng. Rủi ro tín dụng còn được gọi là rủi ro mất khả năng chi trả và rủi ro sai hẹn, là rủi ro liên quan trực tiếp đến chất lượng tín dụng và hiệu quả hoạt động của ngân hàng.

Trong luận án này, rủi ro tín dụng được giới hạn phạm vi là rủi ro cho vay khách hàng cá nhân trong các NHTM. Các thành phần quan trọng cấu thành nên một số thước đo rủi ro là: Dư nợ tại thời điểm vỡ nợ; Tỷ lệ tổn thất; và Xác suất vỡ nợ. Dư nợ tại thời điểm vỡ nợ (Exposure at Default, EAD): Với các khoản vay tín dụng thông thường, số tiền trả lãi và vốn gốc định kỳ có sẵn trong thỏa thuận ban đầu thì dư nợ tại thời điểm vỡ nợ là tường minh, nhưng vấn đề nảy sinh với các loại sản phẩm cho vay mà không có cam kết như khoản vay tín dụng thông thường (chẳng hạn như sản phẩm vay thấu chi, trong đó khách hàng được vay trước một khoản nào đó tùy ý trong ngưỡng đã giới hạn trước). Mặt khác, trong trường hợp khoản vay có thời hạn dài, các sai lệch so với kế hoạch hoàn trả đã thỏa thuận ban đầu cũng có thể xảy ra.

Tỷ lệ tổn thất của ngân hàng trong trường hợp khách hàng không trả được nợ (Loss Given Default, LGD): LGD đại diện cho một phần của khoản tín dụng không thu hồi được trong trường hợp vỡ nợ. Trong trường hợp thu hồi nợ hoàn toàn thì tỷ lệ LGD là 0%, ngược lại nếu số tiền thu hồi về bằng 0 thì tỷ lệ LGD là 100%, các khả năng thu hồi một phần cũng có thể xảy ra, do đó LGD thường được giới hạn trong khoảng từ 0% đến 100%. Ta cần xem xét tất cả các lần thu hồi nợ xảy ra sau khi vỡ nợ mà không áp đặt giới hạn thời gian, do đó LGD có thể được coi là thước đo trọn đời. Xác suất vỡ nợ (Probability of Default, PD): Sự kiện vỡ nợ có thể được hiểu là sự hiện thực hóa của một biến ngẫu nhiên, PD đại diện cho kỳ vọng của những lần xuất hiện sự kiện vỡ nợ trong một khung thời gian nhất định.

Khi được áp dụng cho một khoản vay, PD đưa ra khả năng người đi vay không thể đáp ứng các nghĩa vụ nợ trong một thời hạn nhất định. Có hai loại PD là PD một năm và PD trọn đời, trong đó PD một 11 năm là xác suất vỡ nợ của khoản vay xảy ra trong vòng một năm sau ngày báo cáo, PD trọn đời là xác suất vỡ nợ khi được đánh giá trong suốt thời gian tồn tại của khoản vay. Một số thước đo rủi ro tín dụng Có hai thước đo rủi ro tín dụng cơ bản là tổn thất tín dụng dự kiến (Expected Credit Loss, ECL) và tổn thất ngoài dự kiến (Unexpected Loss, UL). Tổn thất tín dụng dự kiến Công thức tính tổn thất tín dụng dự kiến Bất cứ một khoản vay nào cũng đều có khả năng vỡ nợ và gây ra tổn thất cho ngân hàng, kể cả khoản vay tốt nhất thì vẫn tồn tại khả năng bị vỡ nợ.

Ngân hàng cần ước lượng tổn thất này, tổn thất của một khoản vay được xác định bởi biến tổn thất: 𝐿 = 𝐸𝐴𝐷 × 𝑆𝐸𝑉 × 𝐿 (1.1) với 𝐿 = 1 là biến chỉ tình trạng vỡ nợ (𝐷) trong một khoảng thời gian (thường là 1 năm), 𝑃𝐷 = 𝑃(𝐷) là xác suất xảy ra vỡ nợ trong khoảng thời gian đó, 𝑆𝐸𝑉 (Severity) là biến ngẫu nhiên thể hiện mức độ tổn thất trong trường hợp xảy ra vỡ nợ và đặt 𝐸(𝑆𝐸𝑉) = 𝐿𝐺𝐷, 𝐸𝐴𝐷 là dư nợ tại thời điểm vỡ nợ. Khi đó, tổn thất của tất cả 𝑁 khoản vay được xác định là biến ngẫu nhiên có dạng 𝐿 = 𝐿 = 𝐸𝐴𝐷 × 𝑆𝐸𝑉 × 𝐿 (1.2) Với giả thiết 𝑆𝐸𝑉 và 𝐿 độc lập với nhau, khi đó tổn thất tín dụng dự kiến được định nghĩa là kỳ vọng của biến tổn thất 𝐿 , từ (1.1) ta được ECL = 𝐸 [𝐿] = 𝐸𝐴𝐷 × 𝐸 [𝑆𝐸𝑉 ] × 𝐸 [𝐿] = 𝐸𝐴𝐷 × 𝐿𝐺𝐷 × 𝑃𝐷 (1.3) Các thành phần của ECL trong công thức (1.3) bao gồm dư nợ tại thời điểm vỡ nợ (EAD), tỷ lệ tổn thất của ngân hàng trong trường hợp khách hàng không trả được nợ (LGD) và xác suất vỡ nợ (PD). Phân loại tổn thất tín dụng dự kiến Có hai loại tổn thất tín dụng dự kiến bao gồm: (i) ECL một năm là khoản tổn thất dự kiến do các sự kiện vỡ nợ có thể xảy ra trong vòng một năm sau ngày báo cáo, (ii) ECL trọn đời là khoản tổn thất dự kiến do các sự kiện vỡ nợ có thể xảy ra trong vòng đời dự kiến của khoản vay. 12 Từ công thức tính tổn thất 𝐿 cho toàn bộ các khoản vay trong (1.2), ta lấy kỳ vọng 2 vế sẽ thu được công thức tính ECL một năm cho toàn bộ các khoản vay dưới dạng ECL1 năm = 𝐸𝐴𝐷 (𝑋 ) × 𝐿𝐺𝐷 (𝑋 ) × 𝑃𝐷 (𝑋 ) (1.4) Và công thức tính ECL trọn đời cho toàn bộ các khoản vay dưới dạng Trọn đời ECL = 𝑃𝑉 𝐸𝐴𝐷 , × 𝐿𝐺𝐷 , × 𝑃𝐷 , 𝑋 , (1.5) Trong đó, 𝑁 là tổng số tất cả các khoản vay của ngân hàng, 𝑃𝑉 (⋅) là toán tử thể hiện giá trị hiện tại của lượng tiền tại thời điểm thứ 𝑡, 𝑇 là kỳ hạn của khoản vay thứ 𝑖, 𝑋 và 𝑋 , là vectơ các biến giải thích của các mô hình ước tính rủi ro tín dụng (EAD, LGD và PD), các vectơ này có thể chứa các thông tin liên quan tới các yếu tố nhân khẩu học, tình hình kinh tế - tài chính của người vay, các yếu tố liên quan tới khoản vay và các kịch bản kinh tế vĩ mô có thể xảy ra.

Tổn thất ngoài dự kiến Công thức (1.2) cho ước lượng tổn thất tín dụng dự kiến của mỗi khoản vay, đây là khoản tiền mà các ngân hàng cần phải để dành ra để bù đắp cho các tổn thất mà ngân hàng dự tính được từ các dữ liệu lịch sử (kèm theo dự báo một số kịch bản kinh tế trong tương lai). Nếu chỉ nắm giữ khoản tổn thất tín dụng dự kiến này là không đủ, ngân hàng cũng như các tổ chức tín dụng còn phải dành tiền để bù đắp các khoản tổn thất đột xuất vượt quá mức tổn thất bình quân đã trải qua trong quá khứ. Những tổn thất này được gọi là tổn thất ngoài dự kiến. Tổn thất ngoài dự kiến được định nghĩa là độ lệch chuẩn của biến ngẫu nhiên 𝐿 trong (1.

Vì vậy ta có công thức ước lượng UL là UL = 𝑣𝑎𝑟[𝐿] = 𝑣𝑎𝑟 [𝐸𝐴𝐷 × 𝑆𝐸𝑉 × 𝐿] (1. Vốn kinh tế Việc sử dụng tổn thất ngoài dự kiến của tất cả các khoản vay để tính vốn rủi ro dự phòng cho các trường hợp rủi ro không phải là lựa chọn tốt nhất vì rất có thể tổn thất sẽ vượt quá ECL của toàn bộ các khoản vay một lượng nhiều hơn độ lệch chuẩn của ECL. Trong trường hợp này, người ta sử dụng khái niệm vốn kinh tế (Economic Capital, EC), hay còn có tên khác là vốn chịu rủi ro (Capital at Risk, CaR) hoặc giá trị chịu rủi ro (Value-at-Risk, VaR). 13 Vốn kinh tế với độ tin cậy mức 𝛼 là hiệu của phân vị thứ 𝛼 của tổn thất toàn bộ các khoản vay 𝐿 và tổn thất dự kiến của các khoản vay đó 𝐸𝐶𝐿 , nghĩa là 𝐸𝐶 = 𝑄 𝐿 − 𝐸𝐶𝐿 Trong đó 𝑄 𝐿 = inf 𝑞 > 0|𝑃 𝐿 ≤ 𝑞 ≥ 𝛼 là phân vị thứ 𝛼 của 𝐿 .1 mình họa mối liên hệ giữa 𝐸𝐶𝐿 , 𝑈𝐿, 𝐸𝐶 và 𝑄 𝐿 .1: Mối liên hệ giữa ECL, UL và vốn kinh tế EC Nguồn: An Introduction to credit risk modeling, Christian Bluhm et al (2003) Sau khi ước lượng được vốn kinh tế, nghĩa là vốn chịu rủi ro, với việc gán thêm trọng số người ta sẽ tính được tổng tài sản có trọng số rủi ro, theo yêu cầu của Basel II thì số vốn dự phòng rủi ro tín dụng bỏ ra phải chiếm ít nhất là 8% tổng số tài sản có trọng số rủi ro tín dụng.

Phương pháp truyền thống để đo lường các thước đo trong QTRR là sử dụng mô hình Logit, mô hình Logit có thể được sử dụng để ước lượng xác suất vỡ nợ trong một khoảng thời gian, thường khoảng thời gian này là một năm (hoặc có thể ngắn hơn, theo quý hoặc theo tháng), hoặc PD trọn đời. Tuy nhiên, việc sử dụng mô hình Logit để ước lượng PD trọn đời thường phải có sự xuất hiện của ít nhất một biến giải thích phụ thuộc thời gian. Thêm vào đó, gần đây người ta không những chỉ dừng lại ở mức quan tâm việc khoản vay có bị vỡ nợ trong một khoảng thời gian hay không, mà còn quan tâm liệu khoản vay đó bao giờ thì mới bị vỡ nợ. Mô hình Logit cũng không thể giải quyết 14 được bài toán dự báo thời điểm một khoản vay bị vỡ nợ.

Để giải quyết các hạn chế mô hình Logit gặp phải ở trên, người ta sẽ sử dụng phương pháp phân tích sống sót, phương pháp phân tích sống sót sẽ ước lượng được PD trọn đời của khoản vay bất kể tập biến giải thích có sự xuất hiện của biến thay đổi theo thời gian hay không, đồng thời cũng dự báo được thời điểm mà khoản vay bị vỡ nợ. Một số chính sách về rủi ro tín dụng và thực trạng việc đo lường rủi ro tín dụng khách hàng cá nhân tại các NHTM ở Việt Nam 1.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu "Phân Tích Sống Sót: Ước Lượng Rủi Ro Với Hồi Quy Tham Số Và Phi Tham Số" cung cấp cái nhìn sâu sắc về các phương pháp phân tích sống sót, đặc biệt là trong việc ước lượng rủi ro thông qua hồi quy tham số và phi tham số. Tài liệu này không chỉ giúp người đọc hiểu rõ hơn về các kỹ thuật phân tích dữ liệu mà còn chỉ ra cách áp dụng chúng trong các tình huống thực tế, từ đó nâng cao khả năng ra quyết định dựa trên dữ liệu.

Để mở rộng kiến thức của bạn về các phương pháp nghiên cứu và ứng dụng trong lĩnh vực khoa học, bạn có thể tham khảo thêm tài liệu Khóa luận tốt nghiệp đại học các phương pháp nghiên cứu hiện tượng nhiễu xạ ánh sáng, nơi bạn sẽ tìm thấy các phương pháp nghiên cứu khoa học khác nhau. Ngoài ra, tài liệu Luận văn thạc sĩ nghiên cứu các nhân tố ảnh hưởng đến chất lượng thiết kế cơ sở cũng sẽ giúp bạn hiểu rõ hơn về các yếu tố ảnh hưởng đến chất lượng trong nghiên cứu. Cuối cùng, tài liệu Khóa luận tốt nghiệp đại học lý thuyết hàm mật độ và các cách tiếp cận khi nghiên cứu bán dẫn sẽ cung cấp thêm thông tin về lý thuyết và ứng dụng trong lĩnh vực vật lý và kỹ thuật.

Những tài liệu này không chỉ bổ sung cho kiến thức của bạn mà còn mở ra nhiều hướng nghiên cứu mới, giúp bạn phát triển hơn trong lĩnh vực của mình.