Luận văn phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại ngân hàng thương mại cổ phần quân đội

Chuyên khảo kinh tế phân tích Luận văn phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại ngân hàng, đánh giá các khía cạnh quan trọng, đề xuất hướng

• Tác giả: Nguyễn Quốc Huy
• Người hướng dẫn: PGS.TS Bùi Kim Yến
• Trường học: Trường Đại Học Kinh Tế TP.Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Phân Tích Yếu Tố Ảnh Hưởng Đến Khả Năng Trả Nợ Của Khách Hàng Cá Nhân Tại Ngân Hàng Thương Mại Cổ Phần Quân Đội
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• 1. CHƯƠNG 1: GIỚI THIỆU VẤN ĐỀ NGHIÊN CỨU
• 1.1. Giới thiệu vấn đề nghiên cứu và tính cấp thiết của vấn đề nghiên cứu
• 1.2. Mục tiêu nghiên cứu
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Kết cấu luận văn
• 2. CHƯƠNG 2: TỔNG QUAN CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN TẠI CÁC NGÂN HÀNG THƯƠNG MẠI
• 2.1. Các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân
• 2.2. Các nghiên cứu thực nghiệm về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân
• 2.3. Tổng hợp các yếu tố ảnh hưởng đến khả năng trả nợ của KHCN
• 2.4. Các mô hình nghiên cứu về khả năng trả nợ của khách hàng cá nhân
• 2.4.1. Mô hình điểm số tín dụng cá nhân của FICO
• 2.4.2. Mô hình hồi quy Logit
• 2.5. Kết luận chương 2
• 3. CHƯƠNG 3: THỰC TRẠNG KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN QUÂN ĐỘI
• 3.1. Giới thiệu về ngân hàng TMCP Quân Đội
• 3.2. Quá trình hình thành và phát triển
• 3.3. Chiến lược phát triển và mục tiêu kinh doanh
• 3.4. Kết quả hoạt động kinh doanh
• 3.5. Thực trạng hoạt động cho vay và rủi ro tín dụng khách hàng cá nhân tại ngân hàng TMCP Quân Đội
• 3.5.1. Dư nợ KHCN theo thời gian vay vốn
• 3.5.2. Dư nợ KHCN theo mục đích vay vốn
• 3.5.3. Phân tích rủi ro tín dụng theo nhóm nợ
• 3.5.4. Phân tích rủi ro tín dụng theo sản phẩm cho vay
• 3.6. Thực trạng đánh giá khả năng trả nợ của khách hàng cá nhân tại ngân hàng TMCP Quân Đội
• 3.6.1. Thông tin để đánh giá khả năng trả nợ của KHCN
• 3.6.2. Các phương pháp đánh giá khả năng trả nợ của KHCN tại MB
• 3.6.2.1. Phương pháp đánh giá dựa trên định hướng của chỉ đạo tín dụng, sản phẩm tín dụng và các chính sách tín dụng từng thời kỳ
• 3.6.2.2. Phương pháp đánh giá khả năng trả nợ của KHCN dựa trên hệ thống xếp hạng tín dụng nội bộ
• 3.6.3. Nhận định về các phương pháp đánh giá khả năng trả nợ của KHCN tại MB
• 3.6.3.1. Mặt thành công
• 3.6.3.2. Mặt hạn chế
• 3.7. Kết luận chương 3
• 4. CHƯƠNG 4: VẬN DỤNG MÔ HÌNH LOGIT KIỂM ĐỊNH CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG TRẢ NỢ CỦA KHCN TẠI MB
• 4.1. Mô hình nghiên cứu
• 4.2. Tiêu chuẩn lựa chọn mô hình nghiên cứu
• 4.3. Lựa chọn mô hình Logit
• 4.4. Phương pháp xây dựng mô hình nghiên cứu
• 4.4.1. Biến phụ thuộc
• 4.4.2. Biến độc lập
• 4.4.3. Quy trình xây dựng mô hình nghiên cứu
• 4.5. Dữ liệu nghiên cứu
• 4.5.1. Thu thập dữ liệu và chọn mẫu
• 4.5.2. Thống kê mô tả dữ liệu
• 4.6. Kết quả nghiên cứu
• 4.6.1. Kết quả chạy mô hình
• 4.6.2. Các tiêu chí đo lường mức độ phù hợp và chính xác của mô hình
• 4.6.3. Đánh giá kết quả và mô hình hồi quy
• 4.7. Kết luận chương 4
• 5. CHƯƠNG 5: GIẢI PHÁP ĐỐI VỚI CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG TRẢ NỢ CỦA KHCN TẠI NGÂN HÀNG TMCP QUÂN ĐỘI
• 5.1. Định hướng chiến lược phát triển hoạt động cho vay KHCN tại MB
• 5.2. Giải pháp đối với các yếu tố ảnh hưởng đến khả năng trả nợ vay của KHCN tại ngân hàng TMCP Quân Đội
• 5.2.1. Đối với nhóm tác động cùng chiều
• 5.2.2. Đối với nhóm tác động ngược chiều
• 5.3. Đề xuất nhóm giải pháp nâng cao chất lượng công tác thẩm định khả năng trả nợ của KHCN tại ngân hàng TMCP Quân Đội
• 5.3.1. Đối với nguồn nhân lực
• 5.3.2. Đối với chính sách tín dụng và hệ thống công văn
• 5.3.3. Đối với Ngân hàng nhà nước
• 5.3.4. Đối với Chính phủ
• 5.4. Kết luận chương 5
• LỜI KẾT LUẬN
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Yếu Tố Ảnh Hưởng Trả Nợ KHCN tại MBBank

Bài viết này tập trung vào việc phân tích yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Ngân hàng TMCP Quân Đội (MBBank). Trong bối cảnh thị trường tín dụng nhiều biến động, việc hiểu rõ những yếu tố này giúp MBBank quản lý rủi ro tín dụng hiệu quả hơn, giảm thiểu nợ xấu và duy trì tăng trưởng bền vững. Nghiên cứu này sử dụng dữ liệu từ năm 2010 đến tháng 6 năm 2015, kết hợp phương pháp định tính và định lượng để đánh giá toàn diện. Việc đánh giá chính xác khả năng trả nợ của khách hàng cá nhân là yếu tố then chốt để ngân hàng đưa ra quyết định cho vay phù hợp, góp phần vào sự ổn định của hệ thống tài chính. Theo tài liệu gốc, tỷ lệ nợ xấu KHCN tại MBBank đã tăng từ 1.36% lên 1.62% trong năm 2015, cho thấy sự cần thiết của việc nghiên cứu chuyên sâu.

1.1. Tầm quan trọng của việc đánh giá khả năng trả nợ

Đánh giá khả năng trả nợ của khách hàng cá nhân là quá trình then chốt trong hoạt động tín dụng của mọi ngân hàng thương mại. Việc này không chỉ giúp ngân hàng giảm thiểu rủi ro tín dụng mà còn đảm bảo nguồn vốn được sử dụng hiệu quả, tạo điều kiện cho tăng trưởng kinh tế. Đánh giá chính xác giúp ngân hàng đưa ra quyết định cho vay phù hợp, tránh tình trạng nợ xấu gia tăng. Theo Basel II, việc đánh giá này bao gồm xem xét khả năng thanh toán đầy đủ và đúng hạn của khách hàng, cũng như tình trạng nợ quá hạn trên 90 ngày.

1.2. Rủi ro tín dụng và nợ xấu Thách thức đối với MBBank

Rủi ro tín dụng và nợ xấu là những thách thức lớn đối với các ngân hàng, đặc biệt khi mở rộng tín dụng cá nhân. Việc đánh giá không chính xác khả năng trả nợ của khách hàng có thể dẫn đến tăng trưởng nợ xấu, ảnh hưởng tiêu cực đến lợi nhuận và uy tín của ngân hàng. MBBank, dù có tỷ lệ nợ xấu thấp hơn so với trung bình ngành, vẫn cần chú trọng quản lý rủi ro này để đảm bảo sự phát triển bền vững. Theo tài liệu gốc, tỷ lệ nợ xấu KHCN đã có xu hướng tăng lên, đòi hỏi những nghiên cứu chuyên sâu và giải pháp hiệu quả.

II. Các Yếu Tố Ảnh Hưởng Khả Năng Trả Nợ Tổng Quan Nghiên Cứu

Nghiên cứu về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân đã được thực hiện rộng rãi trên thế giới. Các yếu tố này có thể chia thành nhóm yếu tố thuộc về khách hàng (ví dụ: thu nhập, lịch sử tín dụng, tình trạng hôn nhân) và nhóm yếu tố thuộc về môi trường kinh tế (ví dụ: lãi suất, lạm phát, tỷ lệ thất nghiệp). Việc xác định các yếu tố quan trọng nhất và mức độ ảnh hưởng của chúng giúp ngân hàng xây dựng mô hình đánh giá rủi ro chính xác hơn. Các mô hình như mô hình điểm tín dụng FICO và mô hình hồi quy Logit thường được sử dụng để phân tích các yếu tố ảnh hưởng. Theo nghiên cứu của Norhaziah Nawai và Mohd Noor Mohd Shariff (2012), độ tuổi, giáo dục tôn giáo, doanh số bán hàng và việc đăng ký kinh doanh theo quy định pháp luật có tác động tiêu cực đến khả năng trả nợ vay.

2.1. Yếu tố vĩ mô Kinh tế và chính sách tác động ra sao

Các yếu tố kinh tế vĩ mô như lãi suất, lạm phát, tỷ lệ thất nghiệp và tăng trưởng GDP có ảnh hưởng đáng kể đến khả năng trả nợ của khách hàng cá nhân. Lãi suất tăng có thể làm tăng chi phí vay vốn, giảm khả năng trả nợ. Lạm phát làm giảm sức mua, ảnh hưởng đến khả năng thanh toán. Tỷ lệ thất nghiệp cao có thể dẫn đến mất thu nhập và tăng nguy cơ nợ xấu. Chính sách của Ngân hàng Nhà nước và các quy định về tín dụng cũng đóng vai trò quan trọng trong việc điều chỉnh hoạt động cho vay và quản lý rủi ro.

2.2. Yếu tố vi mô Đặc điểm cá nhân và tài chính khách hàng

Các yếu tố vi mô bao gồm đặc điểm cá nhân của khách hàng như thu nhập, lịch sử tín dụng, tình trạng hôn nhân, số lượng người phụ thuộc, trình độ học vấn và ngành nghề. Thu nhập ổn định và cao là yếu tố quan trọng nhất đảm bảo khả năng trả nợ. Lịch sử tín dụng tốt cho thấy khách hàng có trách nhiệm trong việc trả nợ. Các yếu tố khác như tình trạng hôn nhân và số lượng người phụ thuộc ảnh hưởng đến khả năng quản lý tài chính cá nhân. Theo tài liệu, việc đánh giá khách hàng thể nhân còn nhiều khó khăn do chưa xây dựng được những tiêu chí chuẩn mực.

2.3. Mô hình FICO và ứng dụng trong đánh giá tín dụng

Mô hình FICO là một trong những mô hình đánh giá tín dụng phổ biến trên thế giới. Mô hình này sử dụng các yếu tố như lịch sử thanh toán, số tiền nợ, thời gian tín dụng, loại hình tín dụng và số lượng yêu cầu tín dụng mới để tính điểm tín dụng cho khách hàng. Điểm tín dụng cao cho thấy khả năng trả nợ tốt. Các ngân hàng thường sử dụng mô hình FICO hoặc các biến thể của nó để đánh giá rủi ro tín dụng và đưa ra quyết định cho vay. Bảng 2.2 trong tài liệu có đề cập đến các tiêu chí chấm điểm của mô hình tín dụng Fico.

III. Phân Tích Thực Trạng Khả Năng Trả Nợ Tại MBBank 2010 2015

Để hiểu rõ hơn về khả năng trả nợ của khách hàng cá nhân tại MBBank, cần phân tích thực trạng hoạt động cho vay và rủi ro tín dụng trong giai đoạn từ năm 2010 đến năm 2015. Việc phân tích này bao gồm đánh giá dư nợ KHCN theo thời gian và mục đích vay vốn, cũng như phân tích rủi ro tín dụng theo nhóm nợ và sản phẩm cho vay. Bên cạnh đó, cần xem xét các phương pháp đánh giá khả năng trả nợ hiện đang được áp dụng tại MBBank, bao gồm cả phương pháp dựa trên định hướng chỉ đạo tín dụng và phương pháp dựa trên hệ thống xếp hạng tín dụng nội bộ. Thông tin này giúp nhận diện những mặt thành công và hạn chế trong công tác thẩm định tín dụng của MBBank.

3.1. Dư nợ tín dụng cá nhân tại MBBank Cơ cấu và xu hướng

Phân tích dư nợ tín dụng cá nhân tại MBBank theo thời gian và mục đích vay vốn cung cấp cái nhìn tổng quan về hoạt động cho vay của ngân hàng. Việc xác định cơ cấu dư nợ giúp MBBank hiểu rõ nhu cầu vay vốn của khách hàng, từ đó điều chỉnh chính sách tín dụng phù hợp. Bên cạnh đó, việc theo dõi xu hướng tăng trưởng dư nợ giúp ngân hàng đánh giá rủi ro tín dụng và đưa ra các biện pháp phòng ngừa kịp thời. Bảng 3.2 và 3.3 trong tài liệu cung cấp thông tin chi tiết về phân loại dư nợ KHCN theo thời gian và mục đích vay vốn.

3.2. Rủi ro tín dụng theo nhóm nợ và sản phẩm cho vay tại MBBank

Phân tích rủi ro tín dụng theo nhóm nợ và sản phẩm cho vay giúp MBBank xác định các lĩnh vực tiềm ẩn nhiều rủi ro nhất. Việc theo dõi tỷ lệ nợ xấu theo từng nhóm nợ và sản phẩm cho vay giúp ngân hàng đánh giá hiệu quả công tác thẩm định tín dụng và quản lý rủi ro. Dữ liệu này cũng giúp MBBank điều chỉnh chính sách tín dụng và quy trình thẩm định để giảm thiểu rủi ro. Bảng 3.4 và 3.5 trong tài liệu phân tích rủi ro tín dụng theo nhóm nợ và cơ cấu nợ quá hạn theo sản phẩm tín dụng.

3.3. Quy trình đánh giá khả năng trả nợ KHCN tại MBBank hiện tại

MBBank sử dụng nhiều phương pháp để đánh giá khả năng trả nợ của khách hàng cá nhân, bao gồm phương pháp dựa trên định hướng chỉ đạo tín dụng, phương pháp dựa trên hệ thống xếp hạng tín dụng nội bộ. Hiểu rõ quy trình này rất quan trọng trong việc đề xuất giải pháp. Việc đánh giá dựa trên định hướng chỉ đạo tín dụng thường mang tính chủ quan và phụ thuộc vào kinh nghiệm của cán bộ thẩm định. Hệ thống xếp hạng tín dụng nội bộ giúp chuẩn hóa quy trình và giảm thiểu sai sót. Hình 3.2 trong tài liệu mô tả quy trình chấm điểm xếp hạng tín dụng tại MB.

IV. Mô Hình Logit Đo Lường Yếu Tố Ảnh Hưởng Kết Quả Nghiên Cứu

Việc sử dụng mô hình Logit giúp định lượng hóa ảnh hưởng của các yếu tố đến khả năng trả nợ của khách hàng cá nhân tại MBBank. Mô hình này cho phép xác định các yếu tố quan trọng nhất và mức độ ảnh hưởng của chúng. Dữ liệu thu thập được từ MBBank được sử dụng để xây dựng và kiểm định mô hình. Kết quả nghiên cứu cung cấp cơ sở khoa học để đề xuất các giải pháp cải thiện công tác thẩm định tín dụng và quản lý rủi ro tại MBBank. Mô hình Logit được lựa chọn dựa trên các tiêu chuẩn phù hợp với dữ liệu và mục tiêu nghiên cứu. Bảng 4.1 liệt kê các biến độc lập sử dụng trong nghiên cứu.

4.1. Lựa chọn mô hình Logit Ưu điểm và tiêu chuẩn

Mô hình Logit là một phương pháp thống kê được sử dụng rộng rãi để dự đoán xác suất của một biến nhị phân, chẳng hạn như khả năng một khách hàng có trả được nợ hay không. Ưu điểm của mô hình Logit là khả năng xử lý các biến độc lập có nhiều loại khác nhau (liên tục, rời rạc, định tính). Các tiêu chuẩn lựa chọn mô hình Logit bao gồm tính phù hợp của mô hình với dữ liệu, khả năng giải thích kết quả và độ chính xác của dự đoán. Mô hình hồi quy Logit là thích hợp nhất.

4.2. Biến số trong mô hình Phụ thuộc và độc lập

Mô hình Logit sử dụng một biến phụ thuộc (ví dụ: khả năng trả nợ của khách hàng, được mã hóa là 0 hoặc 1) và một số biến độc lập (ví dụ: thu nhập, lịch sử tín dụng, tình trạng hôn nhân). Việc lựa chọn các biến độc lập phù hợp là rất quan trọng để đảm bảo mô hình có độ chính xác cao. Các biến độc lập cần được lựa chọn dựa trên cơ sở lý thuyết và kết quả của các nghiên cứu trước đây. Bảng 4.1 trong tài liệu liệt kê các biến độc lập được sử dụng.

4.3. Kết quả kiểm định và đánh giá mô hình Logit tại MBBank

Sau khi xây dựng mô hình Logit, cần thực hiện kiểm định để đánh giá mức độ phù hợp và chính xác của mô hình. Các chỉ số kiểm định bao gồm kiểm định Omnibus Tests of Model Coefficients, kiểm định độ phù hợp của mô hình (Hosmer-Lemeshow test) và kiểm định độ chính xác của mô hình. Kết quả kiểm định cho thấy mô hình có khả năng dự đoán khả năng trả nợ của khách hàng cá nhân tại MBBank ở một mức độ nhất định. Kết quả chi tiết có trong bảng 4.4 đến 4.7

V. Giải Pháp Nâng Cao Khả Năng Trả Nợ KHCN Đề Xuất

Dựa trên kết quả phân tích, có thể đề xuất các giải pháp nhằm nâng cao khả năng trả nợ của khách hàng cá nhân tại MBBank. Các giải pháp này tập trung vào cải thiện công tác thẩm định tín dụng, quản lý rủi ro và hỗ trợ khách hàng. Cần có sự phối hợp giữa MBBank, Ngân hàng Nhà nước và Chính phủ để tạo ra một môi trường tín dụng lành mạnh và bền vững. Các giải pháp tập trung vào nhóm yếu tố tác động cùng chiều và ngược chiều đến khả năng trả nợ.

5.1. Giải pháp cho nhóm yếu tố tác động cùng chiều

Đối với các yếu tố tác động cùng chiều đến khả năng trả nợ (ví dụ: thu nhập, giá trị tài sản), cần có các giải pháp để tăng cường khả năng tiếp cận nguồn vốn cho những khách hàng có tiềm năng. MBBank có thể phát triển các sản phẩm tín dụng linh hoạt, phù hợp với nhu cầu của từng nhóm khách hàng. Bên cạnh đó, cần tăng cường giáo dục tài chính cho khách hàng, giúp họ quản lý tài chính cá nhân hiệu quả hơn.

5.2. Giải pháp cho nhóm yếu tố tác động ngược chiều

Đối với các yếu tố tác động ngược chiều đến khả năng trả nợ (ví dụ: tỷ lệ nợ trên thu nhập, số lượng người phụ thuộc), cần có các giải pháp để giảm thiểu ảnh hưởng tiêu cực của chúng. MBBank có thể áp dụng chính sách cho vay thận trọng hơn đối với những khách hàng có tỷ lệ nợ trên thu nhập cao. Đồng thời, cần có các chương trình hỗ trợ khách hàng gặp khó khăn tài chính, giúp họ vượt qua giai đoạn khó khăn và tiếp tục trả nợ đúng hạn.

5.3. Nâng cao chất lượng thẩm định tín dụng Giải pháp toàn diện

Nâng cao chất lượng công tác thẩm định tín dụng là yếu tố then chốt để cải thiện khả năng trả nợ của khách hàng cá nhân. MBBank cần đầu tư vào đào tạo và nâng cao năng lực cho cán bộ thẩm định tín dụng. Bên cạnh đó, cần hoàn thiện hệ thống xếp hạng tín dụng nội bộ, sử dụng các công cụ phân tích dữ liệu hiện đại và áp dụng các quy trình thẩm định chặt chẽ. Cần cập nhật thường xuyên CSTD.

VI. Kết Luận và Hướng Nghiên Cứu Tương Lai về Khả Năng Trả Nợ

Nghiên cứu này đã phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại MBBank và đề xuất các giải pháp nhằm cải thiện công tác thẩm định tín dụng và quản lý rủi ro. Tuy nhiên, vẫn còn nhiều vấn đề cần được nghiên cứu sâu hơn trong tương lai. Các nghiên cứu tiếp theo có thể tập trung vào việc xây dựng các mô hình dự đoán khả năng trả nợ chính xác hơn, đánh giá tác động của các yếu tố kinh tế vĩ mô và chính sách của Chính phủ đến hoạt động tín dụng cá nhân, và phát triển các sản phẩm tín dụng phù hợp với nhu cầu của từng nhóm khách hàng. Cần chú trọng đến những thay đổi trong kinh tế vĩ mô.

6.1. Tóm tắt kết quả nghiên cứu và ý nghĩa thực tiễn

Nghiên cứu đã xác định các yếu tố quan trọng nhất ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại MBBank, bao gồm thu nhập, lịch sử tín dụng, tình trạng hôn nhân và tỷ lệ nợ trên thu nhập. Kết quả nghiên cứu có ý nghĩa thực tiễn quan trọng đối với MBBank, giúp ngân hàng đưa ra các quyết định cho vay chính xác hơn, giảm thiểu rủi ro tín dụng và tăng cường hiệu quả hoạt động.

6.2. Hạn chế của nghiên cứu và hướng khắc phục

Nghiên cứu này có một số hạn chế, bao gồm giới hạn về phạm vi thời gian (2010-2015) và quy mô mẫu. Các nghiên cứu trong tương lai nên mở rộng phạm vi thời gian và tăng quy mô mẫu để đảm bảo tính đại diện của kết quả. Ngoài ra, cần xem xét thêm các yếu tố khác có thể ảnh hưởng đến khả năng trả nợ, chẳng hạn như yếu tố tâm lý và hành vi của khách hàng.

6.3. Đề xuất cho các nghiên cứu tiếp theo về lĩnh vực này

Các nghiên cứu trong tương lai có thể tập trung vào việc xây dựng các mô hình dự đoán khả năng trả nợ chính xác hơn, sử dụng các kỹ thuật học máy và trí tuệ nhân tạo. Bên cạnh đó, cần nghiên cứu sâu hơn về tác động của các yếu tố kinh tế vĩ mô và chính sách của Chính phủ đến hoạt động tín dụng cá nhân. Đồng thời, cần phát triển các sản phẩm tín dụng phù hợp với nhu cầu của từng nhóm khách hàng và tăng cường giáo dục tài chính cho khách hàng.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh nền kinh tế Việt Nam còn nhiều khó khăn, hoạt động sản xuất kinh doanh bị thu hẹp, việc tiếp cận vốn vay ngân hàng của các doanh nghiệp, đặc biệt là doanh nghiệp vừa và nhỏ, gặp nhiều trở ngại. Điều này ảnh hưởng trực tiếp đến hiệu quả sử dụng vốn của các ngân hàng thương mại. Trong khi đó, tín dụng cá nhân trở thành phân khúc tiềm năng với tốc độ tăng trưởng dư nợ cá nhân tại Ngân hàng TMCP Quân Đội (MB) tăng từ 14% năm 2013 lên gần 21% năm 2014. Năm 2014, MB đạt lợi nhuận trước thuế hơn 3.100 tỷ đồng, thể hiện sự phát triển ổn định và hiệu quả trong lĩnh vực tín dụng cá nhân.

Tuy nhiên, tăng trưởng tín dụng cá nhân đi kèm với rủi ro nợ xấu, tỷ lệ nợ xấu của MB trong khối khách hàng cá nhân tăng từ 1,36% đầu năm 2015 lên 1,62% giữa năm 2015. Mặc dù thấp hơn mức trung bình ngành và nằm trong giới hạn an toàn của Ngân hàng Nhà nước, xu hướng này cảnh báo về rủi ro tín dụng gia tăng. Nguyên nhân chính là công tác thẩm định khả năng trả nợ của khách hàng cá nhân còn nhiều hạn chế, phụ thuộc nhiều vào năng lực và cảm tính của cán bộ thẩm định.

Mục tiêu nghiên cứu là phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại MB, ứng dụng mô hình Logit để đo lường và từ đó đề xuất các giải pháp nâng cao chất lượng thẩm định tín dụng cá nhân. Phạm vi nghiên cứu tập trung vào khách hàng cá nhân có quan hệ tín dụng tại MB trên toàn hệ thống trong giai đoạn 2010 đến giữa năm 2015. Nghiên cứu có ý nghĩa quan trọng trong việc giúp MB phát triển tín dụng cá nhân bền vững, kiểm soát rủi ro hiệu quả, đồng thời đóng góp vào sự ổn định của hệ thống ngân hàng Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn vận dụng hai mô hình lý thuyết chính để phân tích khả năng trả nợ của khách hàng cá nhân:

• Mô hình 5C: Bao gồm năm tiêu chí đánh giá khách hàng vay vốn là Tư cách người vay (Character), Vốn tự có (Capital), Năng lực tài chính (Capacity), Tài sản đảm bảo (Collateral) và Các điều kiện kinh tế xã hội (Conditions). Mô hình này giúp đánh giá toàn diện về năng lực và uy tín của khách hàng, tuy nhiên mang tính định tính và phụ thuộc vào cảm nhận của cán bộ thẩm định.

• Mô hình điểm số tín dụng FICO: Đây là mô hình định lượng dựa trên điểm số tín dụng được tính toán từ các tiêu chí như lịch sử trả nợ, dư nợ hiện tại, độ dài lịch sử tín dụng, số lần vay mới và loại hình tín dụng sử dụng. Điểm số FICO dao động từ 300 đến 850, điểm càng cao thể hiện rủi ro tín dụng càng thấp.

Ngoài ra, mô hình hồi quy Logit được sử dụng để định lượng tác động của các yếu tố độc lập đến khả năng trả nợ (biến nhị phân 0 hoặc 1). Mô hình Logit có ưu điểm khách quan, có thể đo lường tác động riêng biệt của từng yếu tố và dễ dàng điều chỉnh biến độc lập.

Các khái niệm chính trong nghiên cứu bao gồm: khả năng trả nợ, nợ xấu (theo phân loại nhóm 3, 4, 5 của Ngân hàng Nhà nước), rủi ro tín dụng, thẩm định tín dụng, và xếp hạng tín dụng nội bộ.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ hồ sơ tín dụng khách hàng cá nhân tại MB trong giai đoạn 2010 đến tháng 6/2015, bao gồm thông tin nhân thân, tài chính, dư nợ, lịch sử trả nợ và các đặc điểm khoản vay. Mẫu nghiên cứu được chọn theo phương pháp chọn mẫu ngẫu nhiên có chủ đích, đảm bảo đại diện cho các nhóm khách hàng cá nhân tại MB.

Phương pháp phân tích chính là mô hình hồi quy Logit, sử dụng phần mềm Eviews để ước lượng các hệ số tác động của 15 biến độc lập ban đầu, sau đó rút gọn còn 6 biến có ý nghĩa thống kê. Các kiểm định Omnibus, kiểm định độ phù hợp và độ chính xác của mô hình được thực hiện để đánh giá tính tin cậy của mô hình.

Ngoài ra, phương pháp định tính được áp dụng thông qua phân tích tài liệu, tổng hợp số liệu báo cáo kinh doanh của MB, so sánh với các nghiên cứu thực nghiệm trong và ngoài nước để làm rõ bối cảnh và ý nghĩa của các yếu tố ảnh hưởng.

Timeline nghiên cứu kéo dài từ năm 2010 đến giữa năm 2015, tập trung phân tích dữ liệu tín dụng cá nhân tại MB trong giai đoạn này nhằm phản ánh thực trạng và xu hướng phát triển tín dụng cá nhân cũng như rủi ro tín dụng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Tăng trưởng tín dụng cá nhân mạnh mẽ: Tốc độ tăng trưởng dư nợ tín dụng cá nhân bình quân khoảng 55% từ năm 2011 đến 2014, trong đó năm 2014 tăng 67,1%. Tỷ trọng dư nợ cá nhân trong tổng dư nợ của MB tăng từ 14% năm 2013 lên gần 21% năm 2014.

2. Tỷ lệ nợ xấu có xu hướng tăng: Tỷ lệ nợ xấu trong khối khách hàng cá nhân tăng từ 1,36% cuối năm 2014 lên 1,62% giữa năm 2015. Nợ nhóm 2 (nợ cần chú ý) cũng tăng từ 2,66% năm 2012 lên 3,33% giữa năm 2015. Nợ quá hạn tập trung chủ yếu ở nhóm sản phẩm nhà đất (36,17%) và tiêu dùng (28,53%), trong đó tỷ lệ nợ quá hạn trên dư nợ cao nhất là nhóm tiêu dùng với 9,39%.

3. Các yếu tố ảnh hưởng đến khả năng trả nợ theo mô hình Logit: Qua phân tích 15 biến độc lập, 6 biến có ảnh hưởng đáng kể gồm: thu nhập khách hàng, thời gian làm việc hiện tại, số người phụ thuộc, giá trị tài sản đảm bảo, mục đích vay và thời hạn vay. Thu nhập và tài sản đảm bảo có tác động tích cực, trong khi số người phụ thuộc và thời hạn vay có tác động tiêu cực đến khả năng trả nợ.

4. Hệ thống xếp hạng tín dụng nội bộ còn hạn chế: Mặc dù MB đã xây dựng hệ thống xếp hạng tín dụng nội bộ dựa trên các tiêu chí nhân thân, tài chính và giao dịch, hệ thống này vẫn phụ thuộc nhiều vào đánh giá chủ quan, chưa lượng hóa chính xác xác suất trả nợ, và chưa tích hợp đầy đủ các yếu tố như lãi suất, kỳ hạn vay.

Thảo luận kết quả

Tăng trưởng tín dụng cá nhân tại MB phản ánh xu hướng chung của ngành ngân hàng Việt Nam trong việc mở rộng phân khúc bán lẻ nhằm đa dạng hóa nguồn thu và giảm phụ thuộc vào tín dụng doanh nghiệp. Tuy nhiên, sự gia tăng tỷ lệ nợ xấu cảnh báo về rủi ro tín dụng tiềm ẩn, nhất là trong bối cảnh kinh tế vĩ mô còn nhiều biến động.

Kết quả mô hình Logit cho thấy thu nhập ổn định và tài sản đảm bảo là những yếu tố then chốt giúp khách hàng có khả năng trả nợ cao hơn, phù hợp với các nghiên cứu thực nghiệm trong nước và quốc tế. Ngược lại, số người phụ thuộc và thời hạn vay dài làm tăng áp lực tài chính, giảm khả năng trả nợ đúng hạn.

Hệ thống xếp hạng tín dụng nội bộ của MB tuy đã góp phần nâng cao công tác thẩm định nhưng còn nhiều điểm cần cải tiến để tăng tính khách quan và chính xác. Việc chưa tích hợp đầy đủ các yếu tố liên quan đến khoản vay và phụ thuộc vào đánh giá chuyên gia làm giảm hiệu quả trong việc dự báo rủi ro tín dụng.

Dữ liệu có thể được trình bày qua biểu đồ tăng trưởng dư nợ tín dụng cá nhân, biểu đồ tỷ lệ nợ xấu theo nhóm sản phẩm và bảng kết quả hồi quy Logit thể hiện mức độ ảnh hưởng của từng biến độc lập. Các biểu đồ này giúp minh họa rõ ràng xu hướng và tác động của các yếu tố đến khả năng trả nợ.

Đề xuất và khuyến nghị

1. Tăng cường thu thập và phân tích dữ liệu khách hàng: Áp dụng công nghệ thông tin để thu thập dữ liệu tài chính và phi tài chính đầy đủ, chính xác nhằm nâng cao chất lượng đánh giá khả năng trả nợ. Thời gian thực hiện: 12 tháng. Chủ thể: Ban công nghệ thông tin và phòng thẩm định tín dụng MB.

2. Cải tiến hệ thống xếp hạng tín dụng nội bộ: Xây dựng mô hình định lượng dựa trên dữ liệu lịch sử và mô hình kinh tế lượng, tích hợp các yếu tố như lãi suất, kỳ hạn vay, mục đích vay để tăng độ chính xác trong dự báo rủi ro. Thời gian: 18 tháng. Chủ thể: Ban quản trị rủi ro và phòng phân tích tín dụng.

3. Đào tạo nâng cao năng lực cán bộ thẩm định: Tổ chức các khóa đào tạo chuyên sâu về phân tích tín dụng cá nhân, sử dụng công cụ định lượng và kỹ năng đánh giá khách quan. Thời gian: liên tục hàng năm. Chủ thể: Ban nhân sự và đào tạo MB.

4. Xây dựng chính sách tín dụng linh hoạt, phù hợp với từng nhóm khách hàng: Phân loại khách hàng theo mức độ rủi ro và thiết kế các sản phẩm tín dụng phù hợp, đồng thời áp dụng chính sách lãi suất và hạn mức vay tương ứng để kiểm soát rủi ro. Thời gian: 6-12 tháng. Chủ thể: Ban sản phẩm và chính sách tín dụng MB.

5. Tăng cường phối hợp với các tổ chức tín dụng và Trung tâm thông tin tín dụng quốc gia (CIC): Chia sẻ thông tin tín dụng để nâng cao khả năng đánh giá lịch sử tín dụng và uy tín thanh toán của khách hàng. Thời gian: 6 tháng. Chủ thể: Ban quan hệ đối tác và phòng thẩm định tín dụng.

Đối tượng nên tham khảo luận văn

1. Ngân hàng thương mại và các tổ chức tín dụng: Giúp cải thiện công tác thẩm định tín dụng cá nhân, nâng cao hiệu quả quản trị rủi ro và phát triển sản phẩm phù hợp với khách hàng.

2. Các nhà quản lý và hoạch định chính sách trong ngành ngân hàng: Cung cấp cơ sở khoa học để xây dựng chính sách tín dụng cá nhân, kiểm soát nợ xấu và phát triển thị trường tín dụng bền vững.

3. Các chuyên gia, nhà nghiên cứu tài chính – ngân hàng: Là tài liệu tham khảo về mô hình định lượng đánh giá khả năng trả nợ và các yếu tố ảnh hưởng trong lĩnh vực tín dụng cá nhân tại Việt Nam.

4. Sinh viên, học viên cao học chuyên ngành Tài chính – Ngân hàng: Hỗ trợ nghiên cứu, học tập về quản trị rủi ro tín dụng, mô hình hồi quy Logit và thực trạng tín dụng cá nhân trong ngân hàng Việt Nam.

Câu hỏi thường gặp

1. Khả năng trả nợ của khách hàng cá nhân được định nghĩa như thế nào?
   Khả năng trả nợ là khả năng khách hàng trả đầy đủ và đúng hạn các khoản vay. Theo quy định của Ngân hàng Nhà nước, khách hàng có nợ nhóm 3, 4, 5 được xem là không có khả năng trả nợ, còn lại là có khả năng trả nợ.

2. Mô hình Logit có ưu điểm gì trong đánh giá khả năng trả nợ?
   Mô hình Logit giúp định lượng tác động của từng yếu tố đến khả năng trả nợ, khách quan, dễ sử dụng phần mềm phân tích và có thể điều chỉnh biến độc lập để phù hợp với thực tế.

3. Tại sao tỷ lệ nợ xấu tín dụng cá nhân tại MB tăng trong những năm gần đây?
   Nguyên nhân chính là do tăng trưởng tín dụng cá nhân nhanh, kinh tế vĩ mô còn nhiều khó khăn, và công tác thẩm định khả năng trả nợ chưa hoàn thiện, dẫn đến rủi ro tín dụng gia tăng.

4. Hệ thống xếp hạng tín dụng nội bộ của MB có những hạn chế gì?
   Hệ thống còn phụ thuộc nhiều vào đánh giá chủ quan, chưa lượng hóa xác suất trả nợ chính xác, chưa tích hợp đầy đủ các yếu tố liên quan đến khoản vay như lãi suất, kỳ hạn, và chưa được xây dựng dựa trên dữ liệu thống kê lịch sử.

5. Giải pháp nào giúp nâng cao chất lượng thẩm định tín dụng cá nhân tại MB?
   Cần cải tiến hệ thống xếp hạng tín dụng dựa trên dữ liệu định lượng, đào tạo cán bộ thẩm định, áp dụng công nghệ thu thập dữ liệu, xây dựng chính sách tín dụng linh hoạt và tăng cường phối hợp với các tổ chức tín dụng khác.

Kết luận

• Tín dụng cá nhân tại MB tăng trưởng mạnh mẽ, đóng góp quan trọng vào kết quả kinh doanh nhưng đi kèm với rủi ro nợ xấu gia tăng.
• Mô hình Logit xác định 6 yếu tố chính ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân, trong đó thu nhập và tài sản đảm bảo là nhân tố tích cực nhất.
• Hệ thống xếp hạng tín dụng nội bộ của MB đã góp phần nâng cao công tác thẩm định nhưng còn nhiều hạn chế về tính khách quan và đầy đủ.
• Đề xuất các giải pháp cải tiến hệ thống đánh giá, nâng cao năng lực cán bộ và hoàn thiện chính sách tín dụng nhằm kiểm soát rủi ro hiệu quả.
• Nghiên cứu có thể được tiếp tục mở rộng với dữ liệu cập nhật và áp dụng các mô hình phân tích nâng cao để hỗ trợ quyết định tín dụng chính xác hơn.

Các đơn vị trong ngành ngân hàng và các nhà nghiên cứu được khuyến khích áp dụng kết quả nghiên cứu để nâng cao hiệu quả quản trị rủi ro tín dụng cá nhân, đồng thời tiếp tục phát triển các mô hình đánh giá phù hợp với thực tiễn thị trường Việt Nam.

Trích đoạn nội dung tài liệu

chương I thông tư 02/2013/TT-NHNN có quy định nợ xấu (NPL) là nợ thuộc các nhóm 3, 4 và 5, trong đó điều 11 mục 1 chương II có quy định rõ: - Nợ nhóm 3 (Nợ dưới tiêu chuẩn) được hiểu là các khoản nợ được TCTD, chi nhánh ngân hàng nước ngoài đánh giá là không có khả năng thu hồi nợ gốc và lãi khi đến hạn. Các khoản nợ này được TCTD, chi nhánh ngân hàng nước ngoài đánh giá là có khả năng tổn thất. - Nợ nhóm 4 (Nợ nghi ngờ) bao gồm : Các khoản nợ được TCTD, chi nhánh ngân hàng nước ngoài đánh giá là có khả năng tổn thất cao. - Nợ nhóm 5 (Nợ có khả năng mất vốn) bao gồm : Các khoản nợ được TCTD, chi nhánh ngân hàng nước ngoài đánh giá là không còn khả năng thu hồi, mất vốn.

Cũng theo thông tư 02, nợ nhóm 2 (Nợ cần chú ý) là các khoản nợ được TCTD, chi nhánh ngân hàng nước ngoài đánh giá là có khả năng thu hồi đầy đủ cả gốc và lãi nhưng có dấu hiệu khách hàng suy giảm khả năng trả nợ. Như vậy nếu khách hàng phát sinh nợ nhóm 2 vẫn được hiểu là khách hàng còn khả năng trả nợ, dù khả năng trả nợ bị suy yếu trước mắt. Để thống nhất cách hiểu trong toàn bộ luận văn, học viên thống nhất việc đánh giá “khả năng trả nợ” của khách hàng sẽ được đánh giá thông qua nhóm nợ cao nhất tại các TCTD khách hàng có quan hệ tín dụng. Những khách hàng hiện đang có nợ nhóm 3, 4, 5 được hiểu là nhóm khách hàng không có khả năng trả nợ, những trường hợp còn lại được hiểu là khách hàng có khả năng trả nợ.

Các nghiên cứu thực nghiệm về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân. Theo công trình nghiên cứu của Norhaziah Nawai và Mohd Noor Mohd Shariff 3 về các yếu tố ảnh hưởng đến khả năng trả nợ trong chương trình tín dụng vi mô ở Malaysia (2012), các tác giả sử dụng mẫu nghiên cứu gồm 309 khách hàng được thu thập trong giai đoạn từ tháng 11/2010 đến tháng 02/2011. Với mục tiêu nghiên cứu, tình trạng trả nợ vay của khách hàng được chia làm 03 loại cụ thể: trả nợ đúng hạn đối với những khách hàng hoàn trả nợ vay đúng ngày, nợ quá hạn đối với những khách hàng chậm trả hoặc trả ít hơn số tiền phải trả và vỡ nợ đối với những khách hàng không có khả năng trả nợ quá 3 tháng. Thông qua mô hình hồi quy Logit, nhóm tác giả đưa vào kiểm định 12 biến bao gồm: giới tính, tuổi, trình độ học vấn, giáo dục tôn giáo, thu nhập của khách hàng, khoảng cách đến nơi vay, doanh số hàng tháng, số lần kiểm soát sau trong tháng, việc đáp ứng khoản vay đúng nhu cầu của người vay, tổng dư nợ, và đăng ký kinh doanh theo đúng quy định của pháp luật trong việc ảnh hưởng đến khả năng trả nợ của khách hàng.

Kết quả nghiên cứu cho thấy rằng độ tuổi, giáo dục tôn giáo, doanh số bán hàng, và việc đăng ký kinh doanh theo quy định pháp luật có tác động tiêu cực đến khả năng trả nợ vay, trong khi đó các biến giới tính, khoảng cách đến nơi vay, tổng số nợ vay, số lần kiểm soát sau và việc đáp ứng khoản vay theo nhu cầu của khách hàng có ảnh hưởng tích cực đến khả năng chi trả của khách hàng. Theo nghiên cứu của Hussain Ali Bekhet và Shorouq Fathi Kamel Eletter 4 (2014), các tác giả đã sử dụng mô hình logit để đánh giá các yếu tố có ảnh hưởng đến quyết định cho vay. Bài nghiên cứu sử dụng mẫu bao gồm 492 quan sát trường hợp đồng ý và từ chối cấp tín dụng từ các ngân hàng thương mại tại Jordan từ giai 3 Norhaziah Nawaia, Mohd Noor Mohd Shariff, 2012. Factors affecting repayment performance in microfinance programs in Malaysia.

Procedia - Social and Behavioral Sciences, 62 ( 2012 ) 806 – 811 4 Hussain Ali Bekhet, Shorouq Fathi Kamel Eletter, 2014. Credit risk assessment model for Jordanian commercial banks: Neural scoring approach. Review of Development Finance, 4 (2014) 20–28 8 đoạn 2006 đến 2011, trong đó có 292 trường hợp được cấp tín dụng (chiếm 59,3% mẫu quan sát) và 200 trường hợp từ chối cấp tín dụng (chiếm 40,7%). Có tất cả 13 biến bao gồm 07 biến thang đo và 06 biến thứ bậc, cụ thể: tuổi, giới tính, tổng thu nhập, loại hình công ty khách hàng làm việc, nguồn dự phòng, giá trị khoản vay, mục đích vay vốn, kinh nghiệm làm việc ở vị trí hiện tại, thời gian cho vay, quốc tịch người vay, lãi vay, tỷ số nợ/thu nhập và quyết định tín dụng được đưa vào mô hình.

Kết quả cho thấy rằng chỉ có 7 trong 13 biến có ý nghĩa thống kê và ảnh hưởng đến quyết định tín dụng bao gồm mục đích vay vốn, loại hình công ty khách hàng làm việc, nguồn trả nợ dự phòng, tỷ số nợ/thu nhập, lãi vay và tổng thu nhập. Theo nghiên cứu của Vương Quân Hoàng và các cộng sự trong việc xây dựng mô hình định mức tín nhiệm khách hàng thể nhân5 (2006), nhóm tác giả sử dụng mẫu gồm 1.727 khách hàng quan hệ với ngân hàng Techcombank, nhóm khách hàng được chia làm 2 nhóm bao gồm 1.375 khách hàng “tốt” và 353 khách hàng “xấu”. Mô hình hồi quy logit được sử dụng để kiểm định bao gồm 16 biến: tuổi tác, trình độ học vấn, loại hình công việc, thời gian công tác, thu nhập hàng tháng, tình trạng hôn nhân, nơi cư trú, thời gian cư trú, số người phụ thuộc, phương tiện đi lại, phương tiện thông tin, chênh lệch giữa thu nhập và chi tiêu, giá trị tài sản khách hàng, giá trị các khoản nợ, quan hệ với Techcombank và uy tín trong giao dịch. Căn cứ vào kết quả chạy mô hình tác giả đã loại 2 biến thời gian công tác và uy tín trong giao dịch vì có sự phụ thuộc tuyến tính vào các biến khác và hệ số beta tỏ ra không ổn định.

Trong 14 biến còn lại biến thu nhập hàng tháng, chênh lệch thu nhập và chi tiêu, giá trị tài sản của khách hàng có tác động tích cực đến khả năng trả nợ của khách hàng, 11 biến còn lại có tác động trái chiều đến biến phụ thuộc. Bài nghiên cứu về “Nhu cầu vay nợ của các hộ gia đình tại Mỹ: bằng chứng thực nghiệm từ cuộc khảo sát 1995 về tín dụng tiêu dùng” của tác giả Jonathan 5 Vương Quân Hoàng và cộng sự. Phương pháp thống kê xây dựng mô hình định mức tín nhiệm khách hàng thể nhân. Tạp chí ứng dụng toán học, số 2, tập 4.

9 Crook 6 nghiên cứu về các yếu tố ảnh hưởng đến quyết định tín dụng đối với những hộ gia đình và những yếu tố ảnh hưởng đến nhu cầu vay nợ của các hộ gia đình. Bài nghiên cứu sử dụng mô hình Probit, mẫu nghiên cứu bao gồm 4.299 hộ gia đình. Kết quả chạy mô hình cho thấy khả năng trả nợ chịu ảnh hưởng tích cực bởi yếu tố độ tuổi của chủ hộ (kết quả này cũng phù hợp với nghiên cứu của Crook và Thomas năm 1993, Cox và Jappelli năm 1993, Gropp và các cộng sự năm 1997 và Crook năm 1996). Tương tự yếu tố thu nhập, thu nhập ròng và sở hữu nhà riêng cũng ảnh hưởng tích cực đến khả năng trả nợ của các hộ gia đình (kết quả này phù hợp với các nghiên cứu Cox và Jappelli năm 1993; Crook năm 1996, Duca và Rosenthal đối với trường hợp biến thu nhập và tình trạng sở hữu nhà riêng).

Trong bài nghiên cứu “Các nhân tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của Nông hộ ở tỉnh Hậu Giang” (2011), PGS.TS Trương Đông Lộc và ThS Nguyễn Thanh Bình7 đã sử dụng mẫu gồm 436 nông hộ ở tỉnh Hậu Giang. Bài viết sử dụng mô hình Probit để kiểm định 7 biến số, bao gồm: mục đích sử dụng vốn vay, thu nhập sau khi vay, lãi suất vay, tuổi của người đi vay, ngành nghề chính tạo ra thu nhập của nông hộ, số thành viên có thu nhập trong nông hộ và trình độ học vấn của chủ hộ. Kết quả chạy mô hình cho thấy thu nhập sau khi vay và số thành viên trong gia đình có thu nhập có mối tương quan thuận với khả năng trả nợ đúng hạn của các nông hộ. Kết quả nghiên cứu còn cho thấy rằng những nông hộ có thu nhập trả nợ từ sản xuất nông nghiệp sẽ có khả năng thanh toán đúng hạn cao hơn so với những nông hộ có nguồn thu nhập từ các hoạt động khác.

Cuối cùng kết quả nghiên cứu chỉ ra rằng trình độ học vấn của chủ hộ càng cao thì khả năng trả nợ đúng hạn của nông hộ càng cao. The demand for household debt in the USA: evidence from the 1995 Survey of Consumer Finance. Applied Financial Economics, vol 11, pp 83 91 7 Trương Đông Lộc, Nguyễn Thanh Bình, 2011. Các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của nông hộ tỉnh Hậu Giang.

Báo công nghệ ngân hàng, số 64, trang 2. 10 Trong bài nghiên cứu Các yếu tố ảnh hưởng đến khả năng chi trả của các chương trình tín dụng vi mô ở Malaysia: trường hợp của Agrobank của tác giả A.H Roslan và Mohd Zaini Abd Karim 8 (2009), để khám phá ra các yếu tố ảnh hưởng đến khả năng chi trả của các đối tượng tín dụng vi mô trong trường hợp Agrobank, các tác giả đã sử dụng mẫu nghiên cứu bao gồm 2.630 khách hàng vay được thu thập trong giai đoạn từ tháng 06 đến tháng 08 năm 2007 từ 86 chi nhánh của Agrobank trải khắp đất nước Malaysia. Các tác giả đã sử dụng mô hình Probit và Logit để xác định những nhân tố chính ảnh hưởng đến khả năng chi trả. Các nhân tố này được chia làm 3 nhóm, nhóm thứ nhất bao gồm các nhân tố liên quan đặc điểm/đặc trưng của bên đi vay, nhóm nhân tố thứ hai liên quan đến dự án/kế hoạch kinh doanh của khách hàng vay và nhóm nhân tố thứ ba liên quan đến bản thân khoản vay.

Kết quả nghiên cứu cho thấy biến giới tính có ý nghĩa thống kê, tỷ lệ nợ quá hạn đối với những người vay là nam giới cao hơn so với nữ giới ( trong khi đó nghiên cứu của Bhatt,N và Sui-Yang Tan vào năm 2002 không tìm thấy có sự khác biệt giữa nam và nữ liên quan đến vấn đề nợ quá hạn). Kết quả nghiên cứu cũng cho thấy những người vay hoạt động trong lĩnh vực dịch vụ/hỗ trợ ít rủi ro hơn đối với những người hoạt động trong lĩnh vực sản xuất.