Luận Án Tiến Sĩ: Phân Tích Sống Sót và Rủi Ro Qua Hồi Quy Tham Số và Phi Tham Số

Luận án tiến sĩ nghiên cứu ngành kinh tế học đề tài phân tích sống sót trong ước lượng và phân tích rủi ro tiếp cận hồi quy, phát triển phương pháp mới, đánh giá hiệu quả ứng dụng

Chuyên ngành

Toán Kinh Tế

Người đăng

Ẩn danh

Thể loại

luận án tiến sĩ

2022

245
2
0

Phí lưu trữ

55 Point

Mục lục chi tiết

LỜI CAM ĐOAN

LỜI CẢM ƠN

MỤC LỤC

1. CHƯƠNG 1: CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU

1.1. Rủi ro tín dụng và một số thước đo rủi ro tín dụng

1.2. Một số khái niệm

1.3. Một số thước đo rủi ro tín dụng

1.4. 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

1.4.1. Một số chính sách về rủi ro tín dụng tại Việt Nam

1.4.2. Thực trạng việc đo lường rủi ro tín dụng khách hàng cá nhân tại các NHTM ở Việt Nam

1.5. Cơ sở lý thuyết mô hình phân tích sống sót

1.5.1. Khái niệm phân tích sống sót

1.5.2. Biểu diễn thời gian sống sót

1.5.3. Mục tiêu của phân tích sống sót

1.5.4. Số liệu trong phân tích sống sót

1.5.5. Cơ sở lý luận về các yếu tố ảnh hưởng tới thời gian sống sót của khoản vay

1.5.5.1. Các yếu tố liên quan tới khách hàng
1.5.5.2. Các yếu tố liên quan tới khoản vay
1.5.5.3. Các yếu tố liên quan tới tình hình kinh tế vĩ mô

1.6. Tổng quan nghiên cứu

1.6.1. Các nghiên cứu nước ngoài sử dụng mô hình phân tích sống sót

1.6.2. Các nghiên cứu sử dụng mô hình phân tích sống sót trong quản trị rủi ro tại Việt Nam

1.7. Khoảng trống nghiên cứu

1.8. Khung phân tích của luận án

1.9. Kết luận chương

2. CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU

2.1. Mô hình hồi quy tham số trong phân tích sống sót

2.2. Các mô hình AFT trong phân tích sống sót

2.3. Hồi quy phân vị trong phân tích sống sót

2.4. Các mô hình bán tham số Cox PH

2.4.1. Mô hình bán tham số Cox PH

2.4.2. Các mô hình Cox PH mở rộng

2.5. Hồi quy phi tham số trong phân tích sống sót

2.5.1. Ước lượng phi tham số Kaplan-Meier

2.5.2. Mô hình Random Survival Forest

2.6. Thuật toán phân nhóm dữ liệu và đo lường khả năng dự báo của biến

2.6.1. Thuật toán phân nhóm dữ liệu

2.6.2. Thuật toán đo lường khả năng dự báo của biến

2.7. Đánh giá chất lượng của các mô hình dự báo

2.7.1. Đánh giá chất lượng của mô hình dự báo xác suất vỡ nợ

2.7.2. Đánh giá chất lượng của mô hình dự báo thời gian sống sót

2.8. Đánh giá hiệu quả ước lượng tổn thất tín dụng dự kiến

2.9. Kết luận chương

3. CHƯƠNG 3: MÔ HÌNH VÀ KẾT QUẢ PHÂN TÍCH THỰC NGHIỆM

3.1. Dữ liệu và kết quả biến đổi dữ liệu

3.2. Các bộ dữ liệu

3.3. Kết quả phân nhóm các biến trên tập dữ liệu NHTM ở Việt Nam

3.4. Các mô hình đánh giá tác động của các yếu tố lên thời gian sống sót của khoản vay

3.5. Số liệu và các biến số

3.6. Mô hình bán tham số Cox PH mở rộng với hệ số phụ thuộc thời gian

3.7. Mô hình hồi quy phân vị trong phân tích sống sót

3.8. Mô hình và kết quả ước lượng xác suất vỡ nợ theo thời điểm của các khoản vay

3.9. Mô hình bán tham số Cox PH mở rộng

3.10. Mô hình Random Survival Forest

3.11. Ước lượng ECL trọn đời của các khoản vay

3.12. Ước lượng PD trọn đời của các khoản vay

3.13. Ước lượng ECL trọn đời của các khoản vay (lặp lại)

3.14. Kết luận chương

4. CHƯƠNG 4: KẾT LUẬN VÀ KIẾN NGHỊ

4.1. Một số kiến nghị chính sách

4.2. Hạn chế của luận án

4.3. Đề xuất một số hướng nghiên cứu tiếp theo

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ CÓ NỘI DUNG LIÊN QUAN TRỰC TIẾP ĐẾN LUẬN ÁN

TÀI LIỆU THAM KHẢO

PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Phân Tích Sống Sót và Rủi Ro Kinh Tế

Phân tích sống sót và rủi ro trong kinh tế là một lĩnh vực quan trọng, giúp các nhà nghiên cứu và chuyên gia hiểu rõ hơn về các yếu tố ảnh hưởng đến sự tồn tại của các khoản vay và rủi ro tín dụng. Việc áp dụng các mô hình hồi quy tham số và phi tham số trong phân tích này không chỉ giúp đánh giá chính xác hơn về khả năng sống sót của các khoản vay mà còn cung cấp thông tin quý giá cho các quyết định đầu tư và cho vay. Nghiên cứu này sẽ đi sâu vào các phương pháp và ứng dụng thực tiễn của phân tích sống sót trong bối cảnh kinh tế hiện nay.

1.1. Khái Niệm Cơ Bản Về Phân Tích Sống Sót

Phân tích sống sót là một phương pháp thống kê được sử dụng để đánh giá thời gian cho đến khi một sự kiện xảy ra, chẳng hạn như vỡ nợ. Mô hình này giúp xác định các yếu tố ảnh hưởng đến thời gian sống sót của các khoản vay, từ đó đưa ra các quyết định cho vay hợp lý.

1.2. Tầm Quan Trọng Của Rủi Ro Kinh Tế Trong Phân Tích

Rủi ro kinh tế có thể ảnh hưởng lớn đến khả năng trả nợ của khách hàng. Việc hiểu rõ các yếu tố này giúp các ngân hàng và tổ chức tài chính có thể dự đoán và quản lý rủi ro hiệu quả hơn.

II. Thách Thức Trong Phân Tích Sống Sót và Rủi Ro Kinh Tế

Mặc dù phân tích sống sót mang lại nhiều lợi ích, nhưng cũng tồn tại nhiều thách thức trong việc áp dụng các mô hình hồi quy tham số và phi tham số. Các vấn đề như dữ liệu không đầy đủ, sự phức tạp của các yếu tố ảnh hưởng và sự thay đổi của môi trường kinh tế có thể làm giảm độ chính xác của các mô hình này.

2.1. Vấn Đề Dữ Liệu Trong Phân Tích

Dữ liệu không đầy đủ hoặc không chính xác có thể dẫn đến những sai lệch trong kết quả phân tích. Việc thu thập và xử lý dữ liệu là một bước quan trọng để đảm bảo tính chính xác của mô hình.

2.2. Sự Phức Tạp Của Các Yếu Tố Ảnh Hưởng

Các yếu tố như tình hình kinh tế vĩ mô, chính sách tín dụng và hành vi của khách hàng có thể tác động đến kết quả phân tích. Việc xác định và đo lường các yếu tố này là một thách thức lớn.

III. Phương Pháp Hồi Quy Tham Số Trong Phân Tích Sống Sót

Hồi quy tham số là một trong những phương pháp phổ biến trong phân tích sống sót. Phương pháp này cho phép các nhà nghiên cứu xây dựng các mô hình dự đoán khả năng sống sót của các khoản vay dựa trên các yếu tố đã biết. Các mô hình như AFT và Cox PH là những ví dụ điển hình.

3.1. Mô Hình AFT Trong Phân Tích Sống Sót

Mô hình AFT (Accelerated Failure Time) giúp ước lượng thời gian sống sót của các khoản vay bằng cách sử dụng các biến độc lập. Mô hình này cho phép phân tích sâu hơn về các yếu tố ảnh hưởng đến thời gian sống sót.

3.2. Mô Hình Cox PH Trong Phân Tích Rủi Ro

Mô hình Cox Proportional Hazard (Cox PH) là một phương pháp hồi quy bán tham số, cho phép đánh giá rủi ro vỡ nợ mà không cần giả định phân phối cụ thể cho thời gian sống sót. Mô hình này rất hữu ích trong việc phân tích rủi ro tín dụng.

IV. Hồi Quy Phi Tham Số và Ứng Dụng Trong Phân Tích

Hồi quy phi tham số là một phương pháp mạnh mẽ trong phân tích sống sót, cho phép các nhà nghiên cứu không cần giả định về hình dạng của phân phối. Phương pháp này giúp cải thiện độ chính xác của các dự đoán và cung cấp cái nhìn sâu sắc hơn về các yếu tố ảnh hưởng đến rủi ro.

4.1. Ước Lượng Phi Tham Số Kaplan Meier

Phương pháp Kaplan-Meier là một kỹ thuật phi tham số được sử dụng để ước lượng hàm sống sót. Kỹ thuật này rất hữu ích trong việc phân tích dữ liệu sống sót và cung cấp thông tin chi tiết về thời gian sống sót của các khoản vay.

4.2. Mô Hình Random Survival Forest

Mô hình Random Survival Forest là một phương pháp hiện đại trong phân tích sống sót, cho phép xử lý các biến số phức tạp và tương tác giữa chúng. Mô hình này đã chứng minh được hiệu quả trong việc dự đoán rủi ro tín dụng.

V. Ứng Dụng Thực Tiễn Của Phân Tích Sống Sót Trong Kinh Tế

Phân tích sống sót không chỉ có giá trị lý thuyết mà còn có nhiều ứng dụng thực tiễn trong lĩnh vực tài chính và ngân hàng. Các ngân hàng có thể sử dụng các mô hình phân tích sống sót để đánh giá rủi ro tín dụng và tối ưu hóa quy trình cho vay.

5.1. Đánh Giá Rủi Ro Tín Dụng

Việc áp dụng phân tích sống sót giúp các ngân hàng đánh giá chính xác hơn về rủi ro tín dụng, từ đó đưa ra quyết định cho vay hợp lý và giảm thiểu nợ xấu.

5.2. Tối Ưu Hóa Quy Trình Cho Vay

Các mô hình phân tích sống sót có thể giúp tối ưu hóa quy trình cho vay bằng cách xác định các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng, từ đó cải thiện hiệu quả hoạt động của ngân hàng.

VI. Kết Luận và Tương Lai Của Phân Tích Sống Sót

Phân tích sống sót và rủi ro trong kinh tế là một lĩnh vực đang phát triển mạnh mẽ. Với sự tiến bộ của công nghệ và các phương pháp phân tích, khả năng dự đoán và quản lý rủi ro sẽ ngày càng chính xác hơn. Tương lai của lĩnh vực này hứa hẹn sẽ mang lại nhiều cơ hội và thách thức mới cho các nhà nghiên cứu và chuyên gia.

6.1. Xu Hướng Nghiên Cứu Trong Tương Lai

Các nghiên cứu trong tương lai có thể tập trung vào việc phát triển các mô hình phân tích sống sót mới, tích hợp công nghệ trí tuệ nhân tạo và học máy để cải thiện độ chính xác của dự đoán.

6.2. Thách Thức Cần Đối Mặt

Mặc dù có nhiều tiến bộ, nhưng vẫn còn nhiều thách thức trong việc áp dụng các mô hình phân tích sống sót trong thực tiễn, bao gồm việc thu thập dữ liệu và xử lý thông tin.

27/07/2025
Luận án tiến sĩ ngành kinh tế học đề tài phân tích sống sót trong ước lượng và phân tích rủi ro tiếp cận hồi quy tham số và phi tham số

Trích đoạn nội dung tài liệu

LỜI MỞ ĐẦU 1. Lý do chọn đề tài Trong những năm gần đây, hoạt động tín dụng giữa các ngân hàng thương mại (NHTM) với doanh nghiệp hoặc khách hàng cá nhân ngày càng được phát triển rộng rãi. Điều này xuất phát từ nhu cầu về vốn sản xuất, vốn đầu tư ngày càng tăng lên trong bối cảnh nền kinh tế Việt Nam đang ở giai đoạn phát triển một cách nhanh chóng. Các hoạt động tín dụng được thực hiện để đáp ứng: (1) Nhu cầu vay vốn để sản xuất đối với doanh nghiệp, hộ gia đình, hoặc đầu tư cá nhân, chẳng hạn như đầu tư cho con học nghề, vay tiêu dùng, hoặc tham gia các kênh đầu tư khác như chứng khoán, bất động sản đang ngày càng tăng mạnh; (2) Nhu cầu cho vay của các NHTM để mở rộng mạng lưới và hiệu quả sản xuất kinh doanh, trong đó việc tiếp cận các phân khúc khách hàng khác nhau, từ khách hàng cá nhân đến khách hàng doanh nghiệp cũng ngày một lớn.

Một trong những vấn đề mà các NHTM thường xuyên phải đối mặt đó là rủi ro tín dụng. Hiểu một cách đơn giản, rủi ro tín dụng là những tổn thất xảy ra đối với các khoản nợ, khi các ngân hàng không thu hồi được nợ từ các khoản vay đến hạn do người vay không thực hiện đúng cam kết theo hợp đồng. Rủi ro tín dụng gây ra những tổn thất về tài chính, làm giảm giá trị thị trường của vốn ngân hàng, tăng nợ xấu và nghiêm trọng hơn có thể dẫn đến thua lỗ hoặc thậm chí là phá sản. Tuy nhiên, cho vay tín dụng là một trong những hoạt động kinh doanh chủ yếu của các ngân hàng, do đó rủi ro tín dụng là một trong những loại rủi ro có xác xuất xảy ra khá lớn, và là mối đe dọa đối với sức khỏe tài chính của các ngân hàng nếu như không có biện pháp phòng ngừa và xử lý hiệu quả.

Có nhiều nguyên nhân dẫn đến hình thành và phát sinh rủi ro tài chính trong các hoạt động tín dụng của các ngân hàng, và một trong số đó đến từ phía môi trường kinh doanh. Cũng giống như các hoạt động sản xuất và kinh doanh trong các lĩnh vực khác, hoạt động tín dụng chịu tác động đáng kể của những biến động vĩ mô, chẳng hạn như lạm phát, sự thay đổi về pháp lý, hoặc biến động về tỷ giá,… và điều này tác động trực tiếp tới sức khỏe doanh nghiệp nói chung cũng như tới các ngân hàng nói riêng. Nguyên nhân quan trọng khác đến từ phía khách hàng, chẳng hạn như khách hàng sử dụng vốn vay không đúng mục đích, hoặc sử dụng vốn vay vào các dự án kinh doanh kém hiệu quả, thậm chí là thua lỗ dẫn đến mất khả năng trả nợ. Trong trường hợp này, đánh giá được khả năng sống sót của các khoản vay để sàng lọc khách hàng trước khi ký hợp đồng cho vay có một ý nghĩa quan trọng, bởi nó giúp ngân hàng tránh được loại rủi ro mang tính đặc thù và xảy ra Nhóm 1 là nhóm lao động được đào tạo nghề hoặc công nhân, nhóm 2 là chuyên viên, nhân viên, thất nghiệp hoặc đã nghỉ hưu, nhóm 3 là vị trí quản lý, chuyên viên.

Nhóm 1 được chọn làm nhóm cơ sở, biến này được biểu diễn bằng các biến giả Position2, Position3. Trong đó, các biến giả được xác định như sau thường xuyên trong quá trình hoạt động. Cuối cùng, nguyên Nhóm 1 là nhóm lao động được đào tạo nghề hoặc công nhân, nhóm 2 là chuyên viên, nhân viên, thất nghiệp hoặc đã nghỉ hưu, nhóm 3 là vị trí quản lý, chuyên viên. Nhóm 1 được chọn làm nhóm cơ sở, biến này được biểu diễn bằng các biến giả Position2, Position3.

Trong đó, các biến giả được xác định như sau nhân khác cũng không kém quan trọng được đến từ phía ngân hàng, chẳng hạn như sự yếu kém về quản lý và nghiệp vụ, hoặc quy trình tín dụng không được tuân thủ chặt chẽ do áp lực mở rộng tín dụng quá mức cũng có thể dẫn đến sai lầm khi đánh giá sai về rủi ro của các khoản vốn vay. Khác với các tổ chức tín dụng được nhà nước bảo hộ, chẳng hạn như các ngân hàng quốc doanh hoặc ngân hàng có vốn nhà nước chi phối, các NHTM phải đối mặt với nhiều khó khăn hơn trong tiếp cận khách hàng, định giá khoản vay bởi nhóm khách hàng thường xuyên của các NHTM thường khá đa dạng, do đó mức độ rủi ro và các dạng rủi ro cũng lớn hơn. Thực tế cho thấy, người gửi tiền và người vay tiền thường ưu tiên các ngân hàng có yếu tố nhà nước hơn, đối với người gửi tiền thì yếu tố tâm lý an toàn cho khoản tiền gửi là quan trọng, còn đối với người vay thì thường lãi suất từ các ngân hàng này thường nhỏ hơn đáng kể so với các NHTM. Do đó, chỉ khi không đáp ứng được các điều kiện xin vay từ các ngân hàng có yếu tố nhà nước thì khách hàng mới lựa chọn vay vốn ở các NHTM, vì thế các đối tượng khách hàng của NHTM thường đa dạng, có độ rủi ro cao hơn.

Do vậy, đánh giá rủi ro tín dụng là một nhiệm vụ đặc biệt quan trọng đối với các NHTM, bởi việc đánh giá sai rủi ro tín dụng sẽ phát sinh nhiều nợ xấu, làm ảnh hưởng trực tiếp tới hiệu quả hoạt động và giảm lợi nhuận của NHTM. Việc đánh giá được mức độ rủi ro của một khách hàng sẽ cho phép các ngân hàng đưa ra các tính toán hợp lý trong việc quyết định cho vay hay không cho vay, và nếu cho vay thì với mức lãi suất nào là phù hợp để nhằm tối đa hóa lợi nhuận của ngân hàng và đồng thời đảm bảo an toàn vốn của chủ sở hữu. Rủi ro tín dụng không chỉ là mối quan tâm của các NHTM mà còn là mối quan tâm của cả hệ thống chính trị, các tổ chức xã hội và người dân, bởi tính chất đặc biệt của nó đối với sự ổn định của nền kinh tế. Chẳng hạn, nếu xảy ra vỡ nợ ở một ngân hàng có thể dẫn đến sự đổ vỡ mang tính dây chuyền tới các ngân hàng trong hệ thống, và tác động tiêu cực đến toàn bộ các doanh nghiệp do mất đi nguồn vốn vay.

Do tính chất đặc biệt này, NHNN đã áp đặt các quy định dành riêng cho các hoạt động tín dụng. Trong đó, quy định về bảo đảm an toàn vốn, bao gồm tính toán và trích lập quỹ dự phòng đối với các khoản vay rủi ro là một trong những quy định mang tính bắt buộc mà các NHTM phải tuân thủ. Khi mức nợ xấu vượt qua một ngưỡng cho phép thì lượng tiền trích lập dự phòng của các ngân hàng sẽ được sử dụng để đảm bảo hoạt động bình thường của các ngân hàng, giảm thiểu tổn thất, do đó có thể kiểm soát được nợ xấu và loại trừ nguy cơ dẫn tới vỡ nợ. Trong lĩnh vực QTRR, tiêu chuẩn Basel II là phiên bản thứ hai của Hiệp ước Basel, trong đó đưa ra các nguyên tắc, quy định chung và các luật ngân hàng của Ủy ban Nhóm 1 là nhóm lao động được đào tạo nghề hoặc công nhân, nhóm 2 là chuyên viên, nhân viên, thất nghiệp hoặc đã nghỉ hưu, nhóm 3 là vị trí quản lý, chuyên viên.

Nhóm 1 được chọn làm nhóm cơ sở, biến này được biểu diễn bằng các biến giả Position2, Position3. Trong đó, các biến giả được xác định như sau Basel về Giám sát ngân hàng. Hiệp ước Basel II được ban hành vào tháng 6 năm 2004 nhằm xác định các tiêu chuẩn về vốn để hạn chế rủi ro kinh doanh của các ngân hàng và tăng cường hệ thống tài chính. Với mục tiêu áp dụng tiêu chuẩn Basel II càng sớm càng tốt, ngày 17/3/2014 NHNN đã đưa ra lộ trình tiến tới thực hiện trích lập dự phòng và bảo đảm an toàn vốn theo chuẩn Basel II trên toàn hệ thống đến năm 2020.

Đầu tháng 2/2016, NHNN đã yêu cầu triển khai thí điểm Basel II tại một số ngân hàng, theo đó đặt mục đích đến năm 2018 sẽ có 10 ngân hàng, bao gồm: BIDV, VietinBank, Vietcombank, Techcombank, ACB, VPBank, MB, Maritime Bank, Sacombank và VIB hoàn thành việc thí điểm thực hiện phương pháp quản trị vốn và rủi ro theo tiêu chuẩn Basel II. Sau giai đoạn này, Basel II sẽ được áp dụng rộng rãi tại các NHTM còn lại. Tuy nhiên, tính đến cuối năm 2018, chỉ có hai ngân hàng đạt chuẩn Basel II là Vietcombank và VIB, tính đến cuối năm 2020 mới chỉ có 18/34 ngân hàng được công nhận áp dụng chuẩn Basel II theo Thông tư 41/2016/TT-NHNN. Trong số này vẫn còn nhiều ngân hàng chưa đáp ứng cả 3 trụ cột của Basel II.

Điều này cho thấy việc áp dụng tiêu chuẩn Basel II trong thực tế gặp nhiều khó khăn, cả về cơ sở lý thuyết cũng như thực tiễn. Mặc dù có nhiều biện pháp để phòng ngừa rủi ro, chẳng hạn như việc xúc tiến lộ trình áp dụng các tiêu chuẩn cao như Basel II, song rủi ro tín dụng vẫn là một trong những mối lo ngại thường trực đối với hệ thống các NHTM nói chung. Do đó việc nhận biết và đo lường rủi ro tín dụng được đặt lên hàng đầu đối với công tác quản trị tại các NHTM, với nhiều phương pháp khác nhau. Trong đó, đo lường dựa vào xác suất vỡ nợ của các khoản vay là một trong những phương pháp truyền thống, có nhiều ưu điểm và được sử dụng khá phổ biến.

Phương pháp này sử dụng các mô hình Logit, Probit, phương pháp phân tích tách biệt hoặc các mô hình học máy ước lượng xác suất một khoản vay bị vỡ nợ trong một khoảng thời gian nhất định. Trong đó, mô hình Logit là một trong những phương pháp chuẩn mực trong ước lượng xác suất vỡ nợ (PD) và được sử dụng phổ biến tại các NHTM ở VN hiện nay. Từ kết quả này có thể giúp tính toán được các thước đo rủi ro khác trong rủi ro tín dụng, như tổn thất tín dụng dự kiến (ECL), thâm hụt kỳ vọng (ES), ngưỡng rủi ro điều kiện (CVaR) và ngưỡng rủi ro trung bình (AVaR). Các phương pháp truyền thống nêu trên có nhiều ưu điểm trong tính toán các thước đo rủi ro.

Tuy nhiên, trong bối cảnh vòng quay của các hoạt động tín dụng ngày càng gia tăng, cũng như sức ép về việc sử dụng một cách có hiệu quả và an toàn đồng vốn thì việc tính toán xác suất vỡ nợ trong một khoảng thời gian cố định như vậy cũng bộc lộ một sốhạn chế nhất định.

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