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

• Tác giả: Đoàn Trọng Tuyến
• Người hướng dẫn: PGS. Nguyễn Thị Minh
• Trường học: Trường Đại học Kinh tế Quốc dân
• Chuyên ngành: Toán Kinh Tế
• Đề tài: Phân Tích Sống Sót Trong Ước Lượng Và Phân Tích Rủi Ro - Tiếp Cận Hồi Quy Tham Số Và Phi Tham Số
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

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.