Tổng quan nghiên cứu

Thành phố Hồ Chí Minh là trung tâm kinh tế, tài chính và thương mại lớn nhất cả nước, đóng góp khoảng 24% tổng sản phẩm quốc nội (GDP), 26,62% tổng thu ngân sách và thu hút 22% nguồn vốn đầu tư trực tiếp nước ngoài (FDI) của toàn quốc. Với quy mô dân số vượt 8,99 triệu người, chiếm 9,35% dân số cả nước và hơn 50% dân số vùng Đông Nam Bộ, địa bàn này tập trung tới 27,2% tổng vốn huy động và 28,1% tổng dư nợ cho vay của toàn hệ thống ngân hàng Việt Nam. Sự phát triển vượt bậc của thị trường bán lẻ và dịch vụ thúc đẩy nhu cầu sử dụng thẻ tín dụng gia tăng mạnh mẽ. Ngân hàng Thương mại Cổ phần Ngoại thương Việt Nam (Vietcombank) – với mạng lưới hơn 2.536 máy rút tiền tự động (ATM) cùng trên 60.000 đơn vị chấp nhận thẻ trên toàn quốc – đã nhanh chóng mở rộng thị phần thẻ tín dụng tại khu vực đô thị này.

Tuy nhiên, tốc độ tăng trưởng nhanh chóng của hoạt động phát hành thẻ tín dụng luôn đi kèm với nguy cơ gia tăng rủi ro nợ quá hạn. Khi chủ thẻ không thanh toán hoặc thanh toán không đủ số tiền thanh toán tối thiểu theo quy định, khoản vay sẽ chuyển thành nợ quá hạn từ nhóm 2 đến nhóm 5, làm suy giảm chất lượng tài sản và gia tăng chi phí trích lập dự phòng rủi ro. Mục tiêu trọng tâm của nghiên cứu là nhận diện và lượng hóa mức độ tác động của các nhân tố vi mô đến rủi ro nợ quá hạn thẻ tín dụng tại Vietcombank trên địa bàn Thành phố Hồ Chí Minh. Phạm vi khảo sát được thực hiện trên mẫu dữ liệu gồm 3.120 hồ sơ khách hàng phát sinh dư nợ thực tế trong giai đoạn 2016 – 2018. Kết quả nghiên cứu mang lại ý nghĩa thực tiễn to lớn khi hỗ trợ ngân hàng tối ưu hóa quy trình thẩm định, thiết lập hạn mức tín dụng phù hợp và kiểm soát tỷ lệ nợ quá hạn thẻ tín dụng duy trì ở mức an toàn dưới 2%.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng Lý thuyết Thông tin bất đối xứng (Asymmetric Information Theory) của George Akerlof (1970) cùng các luận điểm về Lựa chọn nghịch (Adverse Selection) và Rủi ro đạo đức (Moral Hazard) trong thị trường tín dụng của Joseph Stiglitz và Andrew Weiss (1981). Trong hoạt động phát hành thẻ tín dụng, ngân hàng không thể nắm bắt đầy đủ mọi thông tin về thiện chí và năng lực tài chính thực tế của khách hàng, dẫn đến nguy cơ cấp hạn mức vượt quá khả năng chi trả. Bên cạnh đó, nghiên cứu vận dụng Mô hình chấm điểm tín dụng cá nhân (Credit Scoring Model) nhằm phân loại mức độ rủi ro của từng khách hàng dựa trên các thuộc tính nhân khẩu học và lịch sử giao dịch.

Các khái niệm then chốt trong nghiên cứu được chuẩn hóa theo quy định pháp lý hiện hành:

  • Tín dụng ngân hàng: Quan hệ chuyển giao quyền sử dụng vốn có hoàn lại cả gốc và lãi sau một khoảng thời gian xác định theo Luật Các tổ chức tín dụng.
  • Thẻ tín dụng: Phương tiện thanh toán không dùng tiền mặt cho phép chủ thẻ chi tiêu trước, trả tiền sau trong phạm vi hạn mức tín dụng tuần hoàn được cấp theo Quyết định số 20/2007/QĐ-NHNN.
  • Rủi ro nợ quá hạn thẻ tín dụng: Tình trạng khách hàng không thanh toán hoặc thanh toán không đủ nghĩa vụ tối thiểu khi đến hạn theo Quyết định số 379/QĐ-VCB-TTT.
  • Phân loại nợ: Căn cứ Quyết định số 493/2005/QĐ-NHNN và Thông tư số 02/2013/TT-NHNN, các khoản nợ được phân loại thành 5 nhóm, trong đó nợ nhóm 1 là nợ đủ tiêu chuẩn (quá hạn dưới 10 ngày) và nợ từ nhóm 2 đến nhóm 5 là các khoản nợ quá hạn cần xử lý.

Nghiên cứu kế thừa và mở rộng mô hình thực nghiệm từ các công trình nghiên cứu tiêu biểu của Kohansal và Mansoori (2009), Lee, Lin và Chen (2011), cùng nghiên cứu của Nguyễn Minh Hà và Trịnh Hoàng Nam (2013).

Phương pháp nghiên cứu

Dữ liệu thứ cấp được thu thập từ 3.120 hồ sơ phát hành thẻ tín dụng có phát sinh dư nợ thực tế tại các chi nhánh Vietcombank trên địa bàn Thành phố Hồ Chí Minh trong giai đoạn 3 năm, từ năm 2016 đến năm 2018. Mẫu khảo sát được lựa chọn theo phương pháp chọn mẫu ngẫu nhiên phân tầng nhằm đảm bảo tính đại diện cao về độ tuổi, giới tính, học vấn, nghề nghiệp, tình trạng hôn nhân và hạn mức thẻ tín dụng.

Nghiên cứu ứng dụng mô hình hồi quy Logistic nhị phân (Binary Logistic Regression) và xử lý dữ liệu thông qua phần mềm SPSS 18.0 kết hợp với Microsoft Excel. Lý do lựa chọn mô hình Binary Logistic là vì biến phụ thuộc Y là biến nhị phân chỉ nhận hai giá trị: Y = 1 đại diện cho khách hàng trả nợ đúng hạn (nợ nhóm 1) và Y = 0 đại diện cho khách hàng phát sinh nợ quá hạn (nợ nhóm 2 đến nhóm 5). Phương pháp bình phương bé nhất thông thường (OLS) không thể áp dụng hiệu quả cho biến phụ thuộc nhị phân do vi phạm giả định phương sai sai số không đổi và có thể đưa ra xác suất dự báo nằm ngoài khoảng từ 0 đến 1. Mô hình sử dụng phương pháp ước lượng hợp lý cực đại (Maximum Likelihood Estimation - MLE) với 7 biến độc lập ban đầu gồm: Độ tuổi (TUOI), Giới tính (GT), Tình trạng hôn nhân (HN), Trình độ học vấn (HV), Nghề nghiệp (NGHE), Tài sản đảm bảo (TSDB) và Hạn mức thẻ tín dụng (HM). Quy trình kiểm định mô hình bao gồm: kiểm định độ phù hợp tổng quát Omnibus (Sig < 0,05), kiểm định Hosmer và Lemeshow (Sig > 0,05), chỉ số mức độ phù hợp -2 Log Likelihood (-2LL), hệ số phóng đại phương sai (VIF) để loại trừ hiện tượng đa cộng tuyến, và Bảng phân loại dự báo (Classification Table).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Sau khi tiến hành hồi quy Binary Logistic và loại bỏ các biến không có ý nghĩa thống kê theo phương pháp loại trừ từng bước Backward Wald, kết quả phân tích trên 3.120 quan sát đã xác định được 5 nhân tố tác động có ý nghĩa thống kê đến khả năng trả nợ đúng hạn thẻ tín dụng tại Vietcombank Thành phố Hồ Chí Minh:

  • Hạn mức thẻ tín dụng (HM): Biến số có tác động nghịch chiều mạnh mẽ đến xác suất trả nợ đúng hạn ở mức ý nghĩa 1%. Khách hàng được cấp hạn mức thẻ càng cao thì xác suất hoàn thành nghĩa vụ thanh toán đúng hạn càng suy giảm. Nhóm khách hàng có hạn mức thẻ vượt trên 50 triệu đồng ghi nhận tỷ lệ phát sinh nợ quá hạn cao gấp 1,35 lần so với nhóm có hạn mức từ 10 đến 50 triệu đồng.
  • Trình độ học vấn (HV): Tác động thuận chiều rõ rệt đến khả năng trả nợ đúng hạn. Tỷ lệ khách hàng có trình độ đại học và sau đại học thực hiện nghĩa vụ trả nợ đúng hạn đạt mức 86,4%, cao hơn 28,5% so với nhóm khách hàng có trình độ học vấn trung học phổ thông.
  • Tình trạng hôn nhân (HN): Tác động thuận chiều ở mức ý nghĩa 5%. Những khách hàng đã lập gia đình có xác suất trả nợ thẻ đúng hạn cao hơn 1,51 lần so với nhóm khách hàng còn độc thân.
  • Nghề nghiệp (NGHE): Khách hàng hoạt động trong lĩnh vực sản xuất và kinh doanh có xác suất hoàn trả nợ đúng hạn cao hơn 1,42 lần so với các nhóm ngành nghề khác nhờ tính chủ động của dòng tiền kinh doanh.
  • Giới tính (GT): Khách hàng nữ có xác suất thanh toán nợ thẻ đúng hạn cao hơn khách hàng nam khoảng 18,2%, phản ánh tính cẩn trọng cao hơn trong quản lý tài chính cá nhân.
  • Hai biến số Độ tuổi (TUOI) và Tài sản đảm bảo (TSDB) không đạt mức ý nghĩa thống kê (Sig > 0,10), cho thấy trong phân khúc thẻ tín dụng tiêu dùng cá nhân, yếu tố tuổi tác và hình thức cấp thẻ có hay không có tài sản thế chấp không tạo ra sự khác biệt rõ nét về rủi ro nợ quá hạn.

Thảo luận kết quả

Kết quả ước lượng định lượng phản ánh chân thực hành vi tiêu dùng và quản trị tài chính cá nhân tại một đô thị phát triển năng động như Thành phố Hồ Chí Minh. Khách hàng đã lập gia đình thường có lối sống ổn định, trách nhiệm tài chính cao và có sự tương trợ từ nguồn thu nhập của vợ hoặc chồng, giúp giảm thiểu nguy cơ mất khả năng thanh toán ngắn hạn. Ngược lại, khách hàng độc thân có xu hướng chi tiêu linh hoạt, dễ bị ảnh hưởng bởi tâm lý tiêu dùng bốc đồng. Đối với trình độ học vấn, người có trình độ đại học và sau đại học thường nắm giữ các vị trí công việc ổn định, thu nhập cao và sở hữu nhận thức sâu sắc về tác động tiêu cực của điểm tín dụng xấu tại Trung tâm Thông tin Tín dụng Quốc gia (CIC).

Về yếu tố hạn mức thẻ, việc cấp hạn mức quá cao tạo ra hiệu ứng đòn bẩy chi tiêu vượt ngoài khả năng kiểm soát thu nhập hàng tháng của chủ thẻ. Phát hiện này hoàn toàn tương đồng với kết luận của Lee, Lin và Chen (2011) tại thị trường Đài Loan và nghiên cứu của Nguyễn Minh Hà và Trịnh Hoàng Nam (2013) tại Việt Nam. Về phương diện trình bày trực quan, dữ liệu kiểm định mức độ phù hợp của mô hình có thể được minh họa thông qua Bảng phân loại dự báo (Classification Table) với tỷ lệ dự báo chính xác tổng thể đạt 81,4% và Biểu đồ đường cong ROC (Receiver Operating Characteristic) với diện tích dưới đường cong (AUC) đạt 0,842, minh chứng độ nhạy và độ đặc hiệu vượt trội của mô hình Binary Logistic trong việc sàng lọc hồ sơ tín dụng.

Đề xuất và khuyến nghị

Dựa trên các bằng chứng thực nghiệm thu được, nghiên cứu đề xuất 4 nhóm giải pháp chiến lược nhằm kiểm soát và giảm thiểu rủi ro nợ quá hạn thẻ tín dụng tại Vietcombank Thành phố Hồ Chí Minh:

  • Thiết lập chính sách cấp hạn mức tín dụng linh hoạt theo phân khúc rủi ro: Ngân hàng cần tái cấu trúc khung hạn mức, áp dụng hạn mức khởi điểm thận trọng từ 20 đến 50 triệu đồng cho khách hàng mới. Chỉ xem xét gia tăng hạn mức sau tối thiểu 6 đến 12 tháng theo dõi lịch sử thanh toán toàn bộ dư nợ đúng hạn. Mục tiêu hướng tới là giảm 25% tỷ lệ phát sinh nợ quá hạn trong phân khúc thẻ chuẩn trong vòng 12 tháng tới.
  • Tích hợp các thuộc tính nhân khẩu học vào hệ thống chấm điểm tín dụng tự động (Credit Scoring): Phòng Quản lý rủi ro Vietcombank cần bổ sung và nâng tỷ trọng trọng số đối với các biến trình độ học vấn, tình trạng hôn nhân và lĩnh vực nghề nghiệp vào thuật toán phê duyệt tự động. Giải pháp này giúp rút ngắn thời gian thẩm định hồ sơ xuống dưới 24 giờ, đồng thời giảm thiểu tỷ lệ sai sót do yếu tố chủ quan của cán bộ tín dụng xuống dưới 1%.
  • Xây dựng hệ thống cảnh báo sớm và nhắc nợ đa kênh tự động: Bộ phận Kinh doanh Thẻ cần triển khai quy trình gửi thông báo nhắc nợ tự động qua ứng dụng VCB Digibank, tin nhắn SMS và cuộc gọi tự động trước ngày đáo hạn thanh toán 3 ngày và 1 ngày. Đối với các khoản nợ trễ hạn từ 1 đến 9 ngày (nợ nhóm 1), cán bộ quản lý nợ phải lập tức liên hệ trực tiếp để ngăn chặn nguy cơ khoản vay chuyển hóa sang nợ cần chú ý (nhóm 2), phấn đấu kéo giảm 30% dư nợ chuyển nhóm xấu hàng năm.
  • Nâng cao năng lực thẩm định của cán bộ tín dụng và liên thông dữ liệu CIC: Ngân hàng cần tổ chức định kỳ 2 khóa đào tạo chuyên sâu mỗi năm về kỹ năng phân tích dòng tiền và nhận diện gian lận hồ sơ cho 100% cán bộ nghiệp vụ thẻ. Đồng thời, tăng cường tần suất tra cứu chéo lịch sử tín dụng tại CIC để kiểm soát chặt chẽ tổng mức dư nợ thẻ của khách hàng tại các tổ chức tín dụng khác, tuân thủ nghiêm ngặt các quy định an toàn vốn của Ngân hàng Nhà nước.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị ứng dụng cao cho 4 nhóm đối tượng trọng tâm sau:

  • Ban Lãnh đạo và Khối Quản trị Rủi ro tại các Ngân hàng Thương mại: Cung cấp cơ sở định lượng vững chắc để tái cấu trúc chính sách cấp thẻ tín dụng, xây dựng ma trận khẩu vị rủi ro và tối ưu hóa chi phí trích lập dự phòng theo chuẩn mực Basel II và Basel III.
  • Chuyên viên Thẩm định Tín dụng và Phát triển Sản phẩm Thẻ: Vận dụng bộ tiêu chí và các trọng số biến số thực nghiệm để thiết kế các gói sản phẩm thẻ chuyên biệt, đồng thời nâng cao độ chính xác trong quá trình phê duyệt hạn mức cho từng nhóm đối tượng khách hàng.
  • Giảng viên, Nghiên cứu sinh và Học viên Cao học ngành Tài chính – Ngân hàng: Nguồn tài liệu học thuật tham khảo điển hình về phương pháp ứng dụng mô hình kinh tế lượng Binary Logistic trên tập dữ liệu vi mô quy mô lớn với 3.120 quan sát thực tế.
  • Cơ quan Quản lý Nhà nước và Trung tâm Thông tin Tín dụng Quốc gia (CIC): Tham khảo các phát hiện thực tế để hoàn thiện hành lang pháp lý về hoạt động tín dụng tiêu dùng cá nhân và mở rộng cơ chế chia sẻ dữ liệu liên ngân hàng nhằm ngăn ngừa hiện tượng cấp tín dụng chồng chéo.

Câu hỏi thường gặp

  • Tại sao nghiên cứu lựa chọn mô hình hồi quy Binary Logistic thay vì mô hình hồi quy tuyến tính OLS? Mô hình Binary Logistic được lựa chọn vì biến phụ thuộc chỉ nhận hai giá trị nhị phân là trả nợ đúng hạn hoặc quá hạn. Hồi quy tuyến tính OLS vi phạm giả định phương sai sai số không đổi và có thể cho ra xác suất ngoài khoảng từ 0 đến 1. Mô hình Logistic sử dụng phương pháp hợp lý cực đại giúp ước lượng chính xác xác suất rủi ro nợ quá hạn dựa trên hàm Odds.

  • Những yếu tố nhân khẩu học nào ảnh hưởng mạnh nhất đến khả năng trả nợ thẻ tín dụng tại Vietcombank Thành phố Hồ Chí Minh? Kết quả kiểm định chỉ ra 5 yếu tố có ý nghĩa thống kê gồm hạn mức thẻ tín dụng, trình độ học vấn, tình trạng hôn nhân, nghề nghiệp và giới tính. Trong đó, khách hàng đã kết hôn, có trình độ từ đại học trở lên, làm việc trong ngành sản xuất kinh doanh và có hạn mức thẻ vừa phải thể hiện tỷ lệ thanh toán đúng hạn cao nhất.

  • Vì sao biến Tài sản đảm bảo không có ý nghĩa thống kê trong mô hình nghiên cứu? Thẻ tín dụng về bản chất là sản phẩm tín dụng tiêu dùng tín chấp dựa trên uy tín và thu nhập định kỳ của chủ thẻ. Do đó, việc khách hàng có tài sản đảm bảo bằng tiền gửi hay không có tài sản thế chấp không tạo ra sự khác biệt có ý nghĩa thống kê đối với hành vi thanh toán nợ chi tiêu hàng ngày trên địa bàn Thành phố Hồ Chí Minh.

  • Mức độ chính xác trong dự báo rủi ro nợ quá hạn của mô hình đạt bao nhiêu phần trăm? Mô hình hồi quy đạt tỷ lệ dự báo chính xác tổng thể là 81,4% trên Bảng phân loại dự báo. Mức độ phù hợp tổng quát của mô hình được khẳng định qua kiểm định Omnibus với mức ý nghĩa Sig = 0,000 và hệ số kiểm định Hosmer - Lemeshow có Sig = 0,428 lớn hơn 0,05, chứng minh dữ liệu dự báo khớp hoàn toàn với thực tế quan sát.

  • Ngân hàng có thể ứng dụng kết quả nghiên cứu vào thực tiễn kinh doanh thẻ như thế nào? Ngân hàng có thể đưa các trọng số của 5 biến số ý nghĩa vào phần mềm chấm điểm tín dụng tự động để sàng lọc hồ sơ, định giá rủi ro và xác định hạn mức vay khởi điểm an toàn từ 20 đến 50 triệu đồng. Đồng thời, ngân hàng thiết lập hệ thống cảnh báo sớm tự động trước ngày đáo hạn 3 ngày nhằm hạn chế tỷ lệ nợ quá hạn chuyển nhóm.

Kết luận

  • Luận văn đã xác định và lượng hóa thành công 5 nhân tố cốt lõi tác động đến rủi ro nợ quá hạn thẻ tín dụng tại Vietcombank Thành phố Hồ Chí Minh trên mẫu 3.120 khách hàng, gồm Hạn mức thẻ, Trình độ học vấn, Tình trạng hôn nhân, Nghề nghiệp và Giới tính.
  • Khẳng định mối quan hệ nghịch chiều giữa hạn mức thẻ tín dụng và khả năng trả nợ đúng hạn, đồng thời chứng minh vai trò tích cực của trình độ học vấn cao và sự ổn định hôn nhân trong việc kiểm soát rủi ro tín dụng.
  • Đóng góp mô hình định lượng Binary Logistic có độ chính xác dự báo vượt trội 81,4%, cung cấp công cụ khoa học phục vụ công tác chấm điểm tín dụng và thẩm định hồ sơ tự động tại các ngân hàng thương mại.
  • Đề xuất hệ thống 4 nhóm giải pháp thực thi đồng bộ với lộ trình cụ thể từ 6 đến 12 tháng, tập trung vào tái cấu trúc hạn mức, tự động hóa quy trình cảnh báo nợ và nâng cao năng lực cán bộ tín dụng.
  • Nghiên cứu gợi mở hướng đi tiếp theo trong việc tích hợp dữ liệu lớn (Big Data) và hành vi chi tiêu trực tuyến để nâng cao hơn nữa độ chính xác trong quản trị rủi ro thẻ tín dụng.

Bạn đọc, các chuyên gia quản trị rủi ro ngân hàng và các học viên cao học quan tâm có thể tham khảo toàn văn luận văn thạc sĩ để khai thác chi tiết ma trận hệ số hồi quy, bảng thống kê mô tả và các kịch bản dự báo xác suất rủi ro nợ quá hạn.