Bối cảnh và vấn đề nghiên cứu

Trong hệ thống tài chính quốc tế, công tác quản trị rủi ro và xếp hạng tín dụng đã được xây dựng, chuẩn hóa và ứng dụng rộng rãi qua nhiều thập kỷ. Tại Việt Nam, hệ thống quản trị rủi ro tín dụng tại các định chế tài chính đang trong quá trình hoàn thiện và từng bước tiếp cận các chuẩn mực quốc tế. Việc đánh giá và xếp hạng tín dụng đóng vai trò quan trọng đối với các chủ thể trong nền kinh tế:

  • Đối với doanh nghiệp: Cung cấp bức tranh khách quan về năng lực tài chính, tạo điều kiện thuận lợi trong việc tiếp cận các kênh dẫn vốn đầu tư trong và ngoài nước, nâng cao uy tín thương hiệu và hỗ trợ hoạch định chiến lược kinh doanh dài hạn.
  • Đối với tổ chức tín dụng: Là công cụ định lượng hỗ trợ phân loại khách hàng, thiết lập chính sách tín dụng và lãi suất phù hợp, kiểm soát tỷ lệ nợ xấu, tối ưu hóa lợi nhuận và hạn chế tổn thất tài chính.
  • Đối với nền kinh tế: Nâng cao hiệu quả phân bổ nguồn vốn tín dụng tập trung và đúng hướng, thúc đẩy tính minh bạch của thị trường tài chính và hỗ trợ tăng trưởng kinh tế bền vững.

Đề tài "Ứng dụng mô hình Logistic trong xếp hạng tín dụng đối với một số doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam" được sinh viên Đỗ Ngọc Tùng (Lớp Toán Tài chính 52A, Khoa Toán Kinh tế, Trường Đại học Kinh tế Quốc dân) thực hiện dưới sự hướng dẫn của TS. Trần Trọng Nguyên vào năm 2014 nhằm giải quyết các nhiệm vụ nghiên cứu sau:

  1. Hệ thống hóa cơ sở lý luận về rủi ro tín dụng và các phương pháp xếp hạng tín dụng trên thế giới.
  2. Phân tích thực trạng công tác xếp hạng tín dụng tại Việt Nam thông qua mô hình của Trung tâm Thông tin Tín dụng (CIC) và Ngân hàng TMCP Công thương Việt Nam (VietinBank).
  3. Ứng dụng mô hình hồi quy Logistic nhị phân (Binary Logit) để xác định các yếu tố tài chính tác động đến khả năng phát sinh nợ không đủ tiêu chuẩn và thực hiện xếp hạng tín dụng cho các doanh nghiệp niêm yết.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Năng lực tài chính, khả năng trả nợ và mức độ rủi ro tín dụng của doanh nghiệp.
  • Phạm vi không gian: 100 doanh nghiệp đang niêm yết trên thị trường chứng khoán Việt Nam.
  • Phạm vi thời gian: Dữ liệu tài chính thu thập trong 2 năm tài chính 2012 và 2013.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình ứng dụng

Chuyên đề tổng hợp nền tảng lý thuyết về rủi ro tín dụng, nguyên nhân phát sinh rủi ro (rủi ro giao dịch, rủi ro danh mục) và các phương pháp đo lường rủi ro định lượng:

  • Mô hình điểm số Z của Edward I. Altman: Mô hình phân tích đa biến đo lường xác suất vỡ nợ: $$Z = 1{,}2X_1 + 1{,}4X_2 + 3{,}3X_3 + 0{,}6X_4 + 1{,}0X_5$$ Cùng các biến thể mở rộng $Z'$ và $Z''$ cho các loại hình doanh nghiệp khác nhau.
  • Chỉ số Zeta của Altman: Cải tiến từ mô hình Z với 7 biến số tài chính đã được chuẩn hóa logarithm, cho độ chính xác cao trong việc cảnh báo phá sản.
  • Khung phân tích của các tổ chức xếp hạng tín nhiệm quốc tế: Phương pháp kết hợp định tính - định lượng của Fitch Ratings (tập trung vào rủi ro ngành, dòng tiền tự do, EBITDA), Moody’s Investors Service và Standard & Poor’s (thang đo từ Aaa/AAA đến C/D).
  • Mô hình hồi quy Logistic nhị phân (Binary Logit): Mô hình xác suất có dạng: $$P_i = P(Y_i = 1 | X_i) = \frac{\exp(X_i \beta)}{1 + \exp(X_i \beta)}$$ Trong đó, biến phụ thuộc $Y$ nhận giá trị nhị phân ($Y = 1$ nếu doanh nghiệp phát sinh nợ không đủ tiêu chuẩn; $Y = 0$ nếu doanh nghiệp trả nợ đúng hạn, không có nợ xấu). Các biến độc lập $X_i$ là các tỷ số tài chính phản ánh khả năng thanh khoản, đòn bẩy, hiệu quả hoạt động và khả năng sinh lời.

Phương pháp nghiên cứu và công cụ xử lý

  • Phương pháp thu thập và thống kê mô tả: Sử dụng phần mềm Microsoft Excel để trích xuất, chuẩn hóa và tổng hợp số liệu từ các báo cáo tài chính kiểm toán năm 2012 và 2013 của 100 doanh nghiệp.
  • Phương pháp kinh tế lượng: Sử dụng phần mềm EViews để ước lượng mô hình hồi quy Logistic bằng phương pháp hợp lý cực đại (Maximum Likelihood - Binary Logit, thuật toán tối ưu hóa Quadratic hill climbing).
  • Quy trình kiểm định: Phân tích ma trận hệ số tương quan để phát hiện hiện tượng đa cộng tuyến; sử dụng kiểm định Wald (Wald Test) để loại bỏ tuần tự từng biến số hoặc hệ số chặn không đạt mức ý nghĩa thống kê ($p$-value $> 0{,}1$) nhằm thu được phương trình hồi quy tối ưu.

Nội dung chính theo từng chương

Chương 1: Tổng quan về rủi ro tín dụng và xếp hạng tín dụng đối với các doanh nghiệp

Chương 1 làm rõ các khái niệm, bản chất và hệ thống phân loại rủi ro tín dụng:

  • Khái niệm và đặc điểm: Rủi ro tín dụng là khả năng bên đi vay không thực hiện hoặc không có khả năng thực hiện đúng nghĩa vụ trả nợ gốc và lãi khi đến hạn theo hợp đồng tín dụng. Rủi ro tín dụng có 3 đặc điểm căn bản: mang tính tất yếu trong kinh doanh ngân hàng, mang tính gián tiếp (phát sinh sau giải ngân do thông tin bất cân xứng), và mang tính đa dạng, phức tạp.
  • Phân loại rủi ro:
    • Rủi ro giao dịch: Gồm rủi ro lựa chọn, rủi ro bảo đảm và rủi ro nghiệp vụ.
    • Rủi ro danh mục: Gồm rủi ro nội tại và rủi ro tập trung.
  • Nguyên nhân và giải pháp: Phân tích các nhóm nguyên nhân khách quan (thiên tai, biến động chính sách vĩ mô, thông tin bất đối xứng, rủi ro kinh doanh và mất cân đối kỳ hạn tài chính của khách hàng) cùng các nguyên nhân chủ quan từ phía ngân hàng (năng lực điều hành, sai phạm quy trình, suy thoái đạo đức cán bộ). Tác giả nêu các biện pháp xử lý như thành lập công ty AMC, xử lý tài sản bảo đảm và trích lập dự phòng theo Quyết định số 493/2005/QĐ-NHNN.
  • Tổng quan các mô hình xếp hạng trên thế giới: Giới thiệu chi tiết mô hình điểm Z, chỉ số Zeta, quy trình phân tích của Fitch, Moody's, S&P, cùng các thuật toán hiện đại như K lân cận gần nhất (KNN) và Mạng nơ-ron nhân tạo (ANN).
Thang xếp hạng Moody's Tình trạng tín dụng
Aaa Chất lượng cao nhất, khả năng đầu tư an toàn tuyệt đối
Aa1, Aa2, Aa3 Chất lượng cao
A1, A2, A3 Chất lượng vừa, khả năng thanh toán tốt
Baa1, Baa2, Baa3 Chất lượng vừa, đủ khả năng thanh toán
Ba1, Ba2, Ba3 Khả năng thanh toán không chắc chắn, mang tính đầu cơ
B1, B2, B3 Rủi ro đầu tư cao
Caa1, Caa2, Caa3 Chất lượng kém, nguy cơ vỡ nợ cao
Ca Đầu cơ có rủi ro rất cao, cận kề phá sản
C Chất lượng kém nhất, mất khả năng thanh toán hoàn toàn

Chương 2: Thực trạng xếp hạng tín dụng ở Việt Nam

Chương 2 phân tích khung khổ pháp lý, nguyên tắc và hệ thống xếp hạng tín dụng đang vận hành tại Việt Nam:

  • 3 nguyên tắc xếp hạng tín dụng doanh nghiệp: (1) Kết hợp phân tích định lượng (dữ liệu báo cáo tài chính) và định tính (môi trường kinh doanh, vị thế thị trường); (2) Phân tích theo phương pháp tiếp cận từ trên xuống (Vĩ mô $\rightarrow$ Ngành $\rightarrow$ Doanh nghiệp $\rightarrow$ Tài chính $\rightarrow$ Quản trị và pháp lý); (3) Xây dựng thang điểm chuẩn hóa, rõ ràng.
  • Mô hình xếp hạng của CIC (Ngân hàng Nhà nước): Được triển khai từ năm 2002 theo Quyết định số 57/2001/QĐ-NHNN, đánh giá doanh nghiệp qua 11 chỉ tiêu tài chính thuộc 4 nhóm (Thanh khoản, Hoạt động, Cân nợ, Thu nhập) với trọng số từ 1 đến 3 và thang điểm từ 1 đến 5. Kết quả phân loại thành 9 hạng: AAA ($> 139$ điểm), AA ($124 - 138$), A ($109 - 123$), BBB ($94 - 108$), BB ($79 - 93$), B ($64 - 78$), CCC ($49 - 63$), CC ($34 - 48$), C ($\le 33$).
  • Mô hình xếp hạng của VietinBank: Phân loại quy mô doanh nghiệp (Lớn, Vừa, Nhỏ) dựa trên 4 tiêu chí chấm điểm: Nguồn vốn kinh doanh (tối đa 30 điểm), Lao động (tối đa 15 điểm), Doanh thu thuần (tối đa 40 điểm) và Nộp ngân sách (tối đa 15 điểm). Kết hợp điểm tài chính và phi tài chính theo trọng số để phân thành 10 mức cấp tín dụng từ AA+ ($\ge 401$ điểm) đến C ($< 0$ điểm).
Tiêu chí quy mô VietinBank Trị số quy mô Điểm số
Nguồn vốn kinh doanh $\ge 50$ tỷ đồng
$40 - <50$ tỷ
$30 - <40$ tỷ
$20 - <30$ tỷ
$10 - <20$ tỷ
$< 10$ tỷ		 30
25
20
15
10
5
Lao động $\ge 1500$ người
$1000 - <1500$ người
$500 - <1000$ người
$100 - <500$ người
$50 - <100$ người
$< 50$ người		 15
12
9
6
3
1
Doanh thu thuần $\ge 200$ tỷ đồng
$100 - <200$ tỷ
$50 - <100$ tỷ
$20 - <50$ tỷ
$5 - <20$ tỷ
$< 5$ tỷ		 40
30
20
10
5
2
Nộp ngân sách $\ge 10$ tỷ đồng
$7 - <10$ tỷ
$5 - <7$ tỷ
$3 - <5$ tỷ
$1 - <3$ tỷ
$< 1$ tỷ		 15
12
9
6
3
1
  • Đánh giá so sánh: Mô hình xác suất tuyến tính bị giới hạn do vi phạm phân phối chuẩn và phương sai sai số thay đổi. Mạng nơ-ron đòi hỏi dữ liệu quá lớn. Mô hình CIC và VietinBank phân loại quy mô ban đầu phức tạp, dễ xảy ra sai lệch nếu phân nhóm nhầm. Do đó, việc ứng dụng mô hình Logistic là giải pháp phù hợp với điều kiện thị trường Việt Nam.

Chương 3: Ứng dụng mô hình Logistic trong việc xếp hạng tín dụng một số doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam

Chương 3 là phần thực nghiệm trung tâm của chuyên đề:

  • Danh mục 11 biến tài chính ban đầu:

    • $X_1$: Khả năng thanh toán nhanh = (Tiền + Phải thu) / Nợ ngắn hạn (kỳ vọng dấu $-$)
    • $X_2$: Khả năng thanh toán ngắn hạn = Tài sản ngắn hạn / Nợ ngắn hạn (kỳ vọng dấu $-$)
    • $X_3$: Kỳ thu tiền bình quân = Khoản phải thu / Doanh thu thuần (kỳ vọng dấu $+$)
    • $X_4$: Hệ số nợ tổng tài sản = Nợ phải trả / Tổng tài sản (kỳ vọng dấu $+$)
    • $X_5$: Hệ số nợ vốn cổ phần = Nợ phải trả / Vốn chủ sở hữu (kỳ vọng dấu $+$)
    • $X_6$: Vòng quay hàng tồn kho = Doanh thu thuần / Hàng tồn kho (kỳ vọng dấu $-$)
    • $X_7$: Vòng quay vốn lưu động = Doanh thu thuần / Tài sản ngắn hạn (kỳ vọng dấu $-$)
    • $X_8$: Hiệu quả sử dụng tổng tài sản = Doanh thu thuần / Tổng tài sản (kỳ vọng dấu $-$)
    • $X_9$: Tỷ suất lợi nhuận ròng trên doanh thu = Lợi nhuận sau thuế / Doanh thu thuần (kỳ vọng dấu $-$)
    • $X_{10}$: ROA = Lợi nhuận sau thuế / Tổng tài sản (kỳ vọng dấu $-$)
    • $X_{11}$: ROE = Lợi nhuận sau thuế / Vốn chủ sở hữu (kỳ vọng dấu $-$)

  • Quy trình ước lượng và tinh chỉnh mô hình năm 2013:

    • Phân tích tương quan phát hiện đa cộng tuyến mạnh: $R(X_1, X_2) = 0{,}8634$; $R(X_4, X_{10}) = -0{,}7427$; $R(X_5, X_{11}) = 0{,}9197$.
    • Ước lượng mô hình ban đầu trên mẫu 100 doanh nghiệp (81 doanh nghiệp $Y=0$, 19 doanh nghiệp $Y=1$).
    • Sử dụng kiểm định Wald loại bỏ tuần tự các biến không có ý nghĩa thống kê:
      1. Loại hệ số chặn $C$ ($p = 0{,}9861$).
      2. Loại biến $X_6$ - Vòng quay hàng tồn kho ($p = 0{,}8081$).
      3. Loại biến $X_8$ - Hiệu quả sử dụng tổng tài sản ($p = 0{,}6668$).
      4. Loại biến $X_{10}$ - ROA ($p = 0{,}5394$).
      5. Loại biến $X_1$ - Khả năng thanh toán nhanh ($p = 0{,}3155$).
      6. Loại biến $X_7$ - Vòng quay vốn lưu động ($p = 0{,}2863$).
      7. Loại biến $X_5$ - Hệ số nợ vốn cổ phần ($p = 0{,}3163$).
      8. Loại biến $X_{11}$ - ROE ($p = 0{,}1271$).

  • Kết quả ước lượng mô hình cuối cùng năm 2013:

    • Tất cả các biến còn lại đều đạt mức ý nghĩa thống kê ($p < 0{,}01$) và mang dấu đúng kỳ vọng kinh tế:
      • $X_2$ (Khả năng thanh toán ngắn hạn): Hệ số hồi quy $= -3{,}8323$; $z = -2{,}8333$; $p = 0{,}0046$.
      • $X_3$ (Kỳ thu tiền bình quân): Hệ số hồi quy $= +2{,}8468$; $z = 2{,}8479$; $p = 0{,}0044$.
      • $X_4$ (Hệ số nợ tổng tài sản): Hệ số hồi quy $= +3{,}0097$; $z = 2{,}6355$; $p = 0{,}0084$.
      • $X_9$ (Tỷ suất lợi nhuận ròng trên doanh thu): Hệ số hồi quy $= -11{,}2905$; $z = -2{,}7312$; $p = 0{,}0063$.

Công thức tính xác suất nợ không đủ tiêu chuẩn năm 2013: $$P_i = \frac{\exp(-3{,}8323X_2 + 2{,}8468X_3 + 3{,}0097X_4 - 11{,}2905X_9)}{1 + \exp(-3{,}8323X_2 + 2{,}8468X_3 + 3{,}0097X_4 - 11{,}2905X_9)}$$

Kết quả và đóng góp

Kết quả định lượng và phân hạng tín dụng

Chuyên đề thiết lập thang đo 10 bậc xếp hạng tín nhiệm dựa trên xác suất phát sinh nợ không đủ tiêu chuẩn và áp dụng xếp hạng cho 100 doanh nghiệp niêm yết:

Xác suất nợ không đủ tiêu chuẩn ($P$) Hạng tín dụng Đánh giá mức độ rủi ro
$0 \rightarrow < 0{,}1$ AAA Rủi ro thấp nhất, khả năng trả nợ tối ưu
$0{,}1 \rightarrow < 0{,}2$ AA Rủi ro rất thấp
$0{,}2 \rightarrow < 0{,}3$ A Rủi ro thấp, khả năng trả nợ tốt
$0{,}3 \rightarrow < 0{,}4$ BBB Rủi ro trung bình khá
$0{,}4 \rightarrow < 0{,}5$ BB Rủi ro trung bình
$0{,}5 \rightarrow < 0{,}6$ B Rủi ro tương đối cao
$0{,}6 \rightarrow < 0{,}7$ CCC Rủi ro cao
$0{,}7 \rightarrow < 0{,}8$ CC Rủi ro rất cao
$0{,}8 \rightarrow < 0{,}9$ C Nguy cơ mất khả năng thanh toán
$0{,}9 \rightarrow 1{,}0$ D Rủi ro vỡ nợ nghiêm trọng

Kết quả xếp hạng thực nghiệm năm 2013 (trích dẫn mẫu doanh nghiệp tiêu biểu trong nghiên cứu):

  • Hạng AAA: BMP ($P = 8 \times 10^{-12}$), DQC ($P = 3 \times 10^{-10}$), DDM ($P = 9 \times 10^{-11}$), ACC ($P = 4 \times 10^{-7}$), KHA ($P = 4 \times 10^{-7}$), NTL ($P = 7 \times 10^{-6}$), VNM ($P = 1 \times 10^{-5}$), BJT ($P = 8 \times 10^{-5}$), AVE ($P = 0{,}00195$), FPT ($P = 0{,}01176$).
  • Hạng AA: C21 ($P = 0{,}11973$).
  • Hạng A: ASP ($P = 0{,}20731$), DSN ($P = 0{,}27553$).
  • Hạng CCC: AAM ($P = 0{,}69955$).
  • Hạng D: PNJ ($P = 0{,}99959$), PXM ($P = 1{,}00000$), VCV ($P = 1{,}00000$), VSG ($P = 1{,}00000$).

Đóng góp thực tiễn và kiến nghị

  • Về mặt phương pháp luận: Chứng minh tính khả thi và độ tin cậy của việc ứng dụng mô hình Binary Logit trong định lượng rủi ro tín dụng tại thị trường tài chính Việt Nam, khắc phục nhược điểm phụ thuộc vào phân loại quy mô chủ quan của các phương pháp truyền thống.
  • Về mặt thực tiễn quản trị ngân hàng: Đề xuất các ngân hàng thương mại tập trung giám sát chặt chẽ 4 chỉ tiêu then chốt ($X_2, X_3, X_4, X_9$), đồng thời xây dựng hệ thống cảnh báo sớm dựa trên xác suất tính toán tự động từ mô hình hồi quy.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  1. Dữ liệu đầu vào: Nghiên cứu mới chỉ tập trung phân tích các chỉ tiêu định lượng từ báo cáo tài chính công khai, chưa tích hợp được các chỉ tiêu định tính và phi tài chính (như năng lực lãnh đạo, uy tín trong quan hệ tín dụng, lịch sử quan hệ với ngân hàng) do khó khăn trong việc tiếp cận dữ liệu từ các nguồn công khai trên mạng.
  2. Quy mô mẫu và thời gian: Tập dữ liệu thực nghiệm giới hạn ở 100 doanh nghiệp niêm yết trên thị trường chứng khoán trong phạm vi 2 năm (2012 và 2013), chưa bao quát toàn bộ các doanh nghiệp vừa và nhỏ chưa niêm yết hoặc các thời kỳ biến động kinh tế dài hạn.

Hướng nghiên cứu tiếp

  • Mở rộng mẫu nghiên cứu sang các doanh nghiệp chưa niêm yết và kéo dài chuỗi thời gian phân tích qua nhiều chu kỳ kinh tế.
  • Xây dựng hệ thống kết hợp giữa mô hình Logistic và các kỹ thuật học máy hiện đại (KNN, Mạng nơ-ron nhân tạo) khi tiếp cận được nguồn dữ liệu tín dụng vi mô đầy đủ hơn.

Giá trị tham khảo

Tài liệu là tài liệu tham khảo chuyên khảo hữu ích cho:

  • Sinh viên, học viên và nghiên cứu sinh các ngành Toán kinh tế, Toán tài chính, Kinh tế lượng và Tài chính - Ngân hàng trong việc ứng dụng mô hình hồi quy biến phụ thuộc nhị phân (Binary Logit), xử lý đa cộng tuyến và sử dụng kiểm định Wald trên phần mềm EViews.
  • Chuyên viên phân tích tín dụng, quản trị rủi ro tại các ngân hàng thương mại, công ty tài chính và quỹ đầu tư trong việc tham khảo quy trình chấm điểm tín dụng định lượng và xây dựng hệ thống xếp hạng tín nhiệm nội bộ.

Câu hỏi thường gặp

1. Tại sao tác giả lựa chọn mô hình hồi quy Logistic thay vì mô hình xác suất tuyến tính hay mạng nơ-ron?

Mô hình xác suất tuyến tính có các hạn chế lớn như sai số không có phân phối chuẩn, hiện tượng phương sai sai số thay đổi, và xác suất dự báo có thể nằm ngoài khoảng $[0; 1]$. Trong khi đó, mô hình mạng nơ-ron nhân tạo đòi hỏi khối lượng dữ liệu đầu vào rất lớn, thuật toán phức tạp và chưa phổ biến tại Việt Nam vào thời điểm nghiên cứu. Mô hình hồi quy Logistic nhị phân khắc phục được các hạn chế trên, đảm bảo xác suất luôn nằm trong khoảng $(0; 1)$ và phù hợp với quy mô dữ liệu tài chính thực tế.

2. Bốn chỉ tiêu tài chính nào có ảnh hưởng quyết định đến xác suất nợ xấu năm 2013 trong mô hình?

Bốn chỉ tiêu có ý nghĩa thống kê ($p < 0{,}01$) gồm:

  • Khả năng thanh toán ngắn hạn ($X_2$): Hệ số $-3{,}8323$ (tác động nghịch chiều).
  • Kỳ thu tiền bình quân ($X_3$): Hệ số $+2{,}8468$ (tác động thuận chiều).
  • Hệ số nợ tổng tài sản ($X_4$): Hệ số $+3{,}0097$ (tác động thuận chiều).
  • Tỷ suất lợi nhuận ròng trên doanh thu ($X_9$): Hệ số $-11{,}2905$ (tác động nghịch chiều).

3. Quy trình loại biến trong mô hình Logistic năm 2013 được thực hiện như thế nào?

Tác giả bắt đầu với mô hình đầy đủ gồm hệ số chặn và 11 biến tài chính. Qua phân tích ma trận tương quan, phát hiện các cặp biến đa cộng tuyến ($X_1$ và $X_2$, $X_4$ và $X_{10}$, $X_5$ và $X_{11}$). Sau đó, kiểm định Wald được thực hiện tuần tự để loại bỏ hệ số chặn $C$ và các biến không có ý nghĩa thống kê ($p > 0{,}1$) theo thứ tự: $C \rightarrow X_6 \rightarrow X_8 \rightarrow X_{10} \rightarrow X_1 \rightarrow X_7 \rightarrow X_5 \rightarrow X_{11}$, giữ lại 4 biến có ý nghĩa cao nhất ($X_2, X_3, X_4, X_9$).

4. Hệ thống xếp hạng của CIC và VietinBank khác biệt như thế nào so với mô hình nghiên cứu?

Mô hình của CIC và VietinBank sử dụng phương pháp chấm điểm theo trọng số định sẵn. Trong đó, CIC chấm điểm 11 chỉ tiêu tài chính và phân thành 9 hạng (AAA đến C). VietinBank phân loại quy mô doanh nghiệp theo 4 tiêu chí (nguồn vốn, lao động, doanh thu, nộp ngân sách) trước khi chấm điểm tài chính và phi tài chính. Ngược lại, mô hình Logistic của đề tài sử dụng phương pháp ước lượng kinh tế lượng hợp lý cực đại để tính toán trực tiếp xác suất phát sinh nợ không đủ tiêu chuẩn từ dữ liệu thực nghiệm.

Kết luận

Chuyên đề thực tập của sinh viên Đỗ Ngọc Tùng đã hệ thống hóa lý luận về rủi ro tín dụng và xây dựng thành công mô hình hồi quy Logistic để xếp hạng tín dụng cho 100 doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam giai đoạn 2012–2013. Kết quả thực nghiệm đã lượng hóa tác động của 4 biến số tài chính cốt lõi (khả năng thanh toán ngắn hạn, kỳ thu tiền bình quân, hệ số nợ và tỷ suất sinh lời trên doanh thu) đến xác suất phát sinh nợ không đủ tiêu chuẩn. Nghiên cứu cung cấp cơ sở khoa học và quy trình thực nghiệm có giá trị tham khảo cao cho công tác thẩm định và quản trị rủi ro tín dụng tại các định chế tài chính.