Bối cảnh và vấn đề nghiên cứu
Hoạt động tín dụng là mảng nghiệp vụ mang lại nguồn thu nhập chủ yếu cho các ngân hàng thương mại, nhưng đồng thời cũng là lĩnh vực tiềm ẩn rủi ro cao nhất. Giai đoạn 2011 – 2013, nền kinh tế Việt Nam trải qua nhiều biến động vĩ mô phức tạp, thị trường bất động sản đóng băng và khu vực doanh nghiệp gặp nhiều khó khăn trong hoạt động sản xuất kinh doanh. Tình trạng này khiến tỷ lệ nợ quá hạn và nợ xấu trong toàn hệ thống ngân hàng thương mại gia tăng, phản ánh những điểm yếu trong công tác thẩm định và quản trị rủi ro tín dụng.
Tại Ngân hàng Thương mại Cổ phần Kỹ thương Việt Nam (Techcombank), dù ngân hàng đã chủ động áp dụng các chính sách tín dụng thận trọng và vận hành hệ thống xếp hạng khách hàng nội bộ trên nền tảng phần mềm ngân hàng lõi T24, công tác đánh giá và phân loại khách hàng doanh nghiệp vẫn còn bộc lộ một số hạn chế. Cụ thể, quy trình đánh giá còn phụ thuộc nhiều vào các yếu tố định tính mang tính chủ quan của cán bộ tín dụng, thiếu một mô hình định lượng hiện đại có khả năng ước lượng chính xác xác suất không trả được nợ của khách hàng.
Từ thực tiễn trên, khóa luận tốt nghiệp của tác giả Lê Thị Thu Hà tập trung giải quyết bài toán ứng dụng mô hình định lượng vào công tác xếp hạng tín dụng doanh nghiệp với các mục tiêu và nhiệm vụ nghiên cứu cụ thể:
- Hệ thống hóa cơ sở lý luận về rủi ro tín dụng và các mô hình đo lường, xếp hạng tín dụng khách hàng doanh nghiệp tại ngân hàng thương mại.
- Đánh giá thực trạng hoạt động tín dụng, rủi ro tín dụng và hệ thống xếp hạng tín dụng doanh nghiệp trên phần mềm T24 tại Techcombank giai đoạn 2011 – 2013.
- Thử nghiệm xây dựng mô hình hồi quy Logistic nhằm lượng hóa xác suất rủi ro tín dụng từ dữ liệu báo cáo tài chính của các doanh nghiệp niêm yết tại Việt Nam.
- Đề xuất hệ thống giải pháp và kiến nghị nhằm ứng dụng mô hình Logistic vào quy trình xếp hạng tín dụng khách hàng doanh nghiệp tại Techcombank.
Đối tượng nghiên cứu của đề tài là rủi ro tín dụng và hệ thống xếp hạng tín dụng khách hàng doanh nghiệp tại Techcombank. Phạm vi nghiên cứu về không gian tập trung vào hoạt động tín dụng của Techcombank và mẫu dữ liệu các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam có giao dịch với ngân hàng. Phạm vi thời gian phân tích thực trạng hoạt động kinh doanh và số liệu tín dụng giới hạn trong 3 năm (2011 – 2013), cùng dữ liệu báo cáo tài chính năm 2012 của các doanh nghiệp trong mẫu thực nghiệm.
Cơ sở lý thuyết và phương pháp nghiên cứu
Tác giả tiếp cận rủi ro tín dụng dưới góc độ pháp lý và lý thuyết tài chính hiện đại. Khóa luận trích dẫn định nghĩa rủi ro tín dụng theo Khoản 1 Điều 3 Thông tư 02/2013/TT-NHNN của Ngân hàng Nhà nước Việt Nam, kết hợp với các nghiên cứu của H. Saunders (trong Financial Institutions Management) và H. Van Greuning & S. B. Bratanovic (trong Analyzing and Managing Banking Risk). Về khung nhận diện rủi ro theo chuẩn mực Basel II, một doanh nghiệp được xác định có rủi ro tín dụng khi phát sinh ít nhất một trong ba dấu hiệu: (1) không có khả năng thực hiện nghĩa vụ tín dụng với đối tác (phát sinh nợ quá hạn), (2) vốn lưu động ròng âm, hoặc (3) giá trị thị trường của doanh nghiệp nhỏ hơn tổng nợ phải trả.
Khóa luận hệ thống hóa và so sánh bốn mô hình xếp hạng tín dụng tiêu biểu:
- Mô hình chấm điểm truyền thống: Đánh giá định lượng qua 5 nhóm chỉ tiêu tài chính (khả năng thanh toán ngắn hạn/thanh khoản, khả năng trả nợ dài hạn/đòn bẩy tài chính, hiệu quả quản lý tài sản, khả năng sinh lời, giá trị thị trường) và định tính qua mô hình 6C (Character - Tư cách người vay, Capital - Năng lực pháp lý/vốn, Cash - Thu nhập/dòng tiền, Collateral - Bảo đảm tiền vay, Conditions - Điều kiện kinh doanh, Control - Khả năng kiểm soát khoản vay).
- Mô hình điểm số Z của Altman (1968, 2000): Sử dụng hàm phân biệt đa biến với các phiên bản cho doanh nghiệp sản xuất niêm yết ($Z$), doanh nghiệp chưa niêm yết ($Z'$), và doanh nghiệp phi sản xuất/loại hình khác ($Z''$).
- Mô hình KMV: Dựa trên mô hình định giá quyền chọn Merton (1974) và công thức Black-Scholes để xác định Điểm vỡ nợ (Default Point - $DPT = STD + 0.5 \times LTD$), Khoảng cách đến điểm vỡ nợ (Distance-to-Default - $DD$) và Tần suất vỡ nợ kỳ vọng (Expected Default Frequency - $EDF$).
- Mô hình hồi quy Logistic (Maddala, 1983/1984): Mô hình định lượng ước lượng xác suất xảy ra biến cố với biến phụ thuộc nhị phân $Y_i \in {0, 1}$. Cụ thể: $Y_i = 0$ khi doanh nghiệp có rủi ro tín dụng (không trả được nợ) và $Y_i = 1$ khi doanh nghiệp không có rủi ro tín dụng (trả được nợ).
Hàm phân bố xác suất trả được nợ $p_i = P(Y_i = 1 | X_i)$ được thiết lập dưới dạng:
$$p_i = \frac{\exp(\beta_0 + \beta_1 X_{1i} + \dots + \beta_k X_{ki})}{1 + \exp(\beta_0 + \beta_1 X_{1i} + \dots + \beta_k X_{ki})}$$
Về phương pháp xử lý dữ liệu, tác giả sử dụng phần mềm SPSS để thực hiện hồi quy Logistic đa biến trên tập dữ liệu gồm 649 công ty niêm yết trên thị trường chứng khoán Việt Nam (dữ liệu báo cáo tài chính kết thúc ngày 31/12/2012). Mẫu nghiên cứu được phân loại thành hai nhóm:
- Nhóm 1 (có rủi ro tín dụng): 462 doanh nghiệp.
- Nhóm 2 (không có rủi ro tín dụng): 187 doanh nghiệp.
Từ 17 chỉ tiêu tài chính ban đầu thuộc các nhóm cấu trúc vốn, khả năng thanh toán, hiệu quả hoạt động, tỷ suất sinh lời và tốc độ tăng trưởng, tác giả sử dụng kiểm định Wald theo phương pháp loại trừ từng bước để chọn lọc 4 biến độc lập có ý nghĩa thống kê cao nhất:
| Nhóm chỉ tiêu |
Tên chỉ tiêu |
Công thức tính toán |
Ký hiệu biến |
| Cấu trúc vốn |
Tỷ suất nợ |
Nợ phải trả / Tổng tài sản |
TS_N0 |
| Khả năng thanh toán |
Khả năng thanh toán ngắn hạn |
Tài sản ngắn hạn / Nợ ngắn hạn |
TS_TTNH |
| Tỷ suất sinh lời |
Tỷ suất sinh lời trên tài sản |
Lợi nhuận / Tổng tài sản |
ROA |
| Hiệu quả nguồn vốn |
Tỷ suất sinh lời nguồn vốn |
Lợi nhuận trước thuế / Tổng nguồn vốn |
TS_LNNV |
Nội dung chính theo từng chương
Chương I: Tổng quan về rủi ro tín dụng và mô hình Logistic trong xếp hạng tín dụng của ngân hàng thương mại
Chương này tập trung trình bày các khái niệm nền tảng về rủi ro tín dụng, phân loại rủi ro theo nguồn gốc hình thành (rủi ro giao dịch bao gồm rủi ro lựa chọn, rủi ro bảo đảm, rủi ro nghiệp vụ; rủi ro danh mục bao gồm rủi ro nội tại, rủi ro tập trung) và theo tính chất (khách quan, chủ quan). Tác giả phân tích các chỉ tiêu đo lường rủi ro thông qua quy mô tín dụng, cơ cấu tín dụng, nợ quá hạn và nợ xấu (nhóm 3, nhóm 4, nhóm 5).
Phần tiếp theo làm rõ vai trò của xếp hạng tín dụng nội bộ trong việc hỗ trợ ra quyết định cấp tín dụng, phê duyệt hồ sơ, định giá khoản vay, quản trị danh mục khách hàng và trích lập dự phòng rủi ro. Tác giả phân tích chi tiết ưu và nhược điểm của các mô hình xếp hạng tín dụng phổ biến (chấm điểm truyền thống, điểm số Z của Altman, mô hình cấu trúc KMV).
Cuối chương, tác giả trình bày kết quả ước lượng thực nghiệm mô hình Logistic trên tập mẫu 649 công ty niêm yết năm 2012:
- Kiểm định mức độ phù hợp tổng quát Omnibus cho giá trị thống kê Chi-square với $Sig. = 0.000$, chứng minh tổ hợp các biến độc lập có ý nghĩa giải thích biến phụ thuộc.
- Kiểm định độ phù hợp Hosmer and Lemeshow cho giá trị $Sig. = 0.034$, xác nhận mô hình phù hợp với dữ liệu thực tế.
- Bảng phân loại dự báo cho thấy mô hình dự đoán chính xác 434/462 trường hợp có rủi ro (đạt 93,9%), 154/187 trường hợp không có rủi ro (đạt 82,4%), tỷ lệ dự báo chính xác chung đạt 90,6%.
- Phương trình hồi quy mẫu thu được:
$$p_i = \frac{\exp(-0.607 - 2.859 \cdot TS_N0 + 0.174 \cdot TS_TTNH + 8.163 \cdot ROA + 3.635 \cdot TS_LNNV)}{1 + \exp(-0.607 - 2.859 \cdot TS_N0 + 0.174 \cdot TS_TTNH + 8.163 \cdot ROA + 3.635 \cdot TS_LNNV)}$$
Tác giả đề xuất chia dải xác suất $p_i \in [0, 1]$ thành 20 khoảng đều nhau ứng với 20 hạng tín dụng từ AAA đến D.
Chương II: Thực trạng xếp hạng tín dụng và thử nghiệm ứng dụng mô hình Logistic trong xếp hạng tín dụng doanh nghiệp tại Ngân hàng TMCP Kỹ Thương Việt Nam
Chương II đi sâu vào phân tích thực trạng hoạt động kinh doanh, diễn biến tín dụng và quy trình xếp hạng doanh nghiệp tại Techcombank giai đoạn 2011 – 2013:
| Chỉ tiêu tài chính / Tín dụng |
Năm 2011 |
Năm 2012 |
Năm 2013 |
| Tổng dư nợ cho vay khách hàng (tỷ đồng) |
63.452 |
68.262 |
70.275 |
| Tốc độ tăng trưởng dư nợ (%) |
20% |
8% |
3% |
| Thu nhập lãi thuần (tỷ đồng) |
5.298 |
5.116 |
4.336 |
| Thu nhập thuần từ dịch vụ (tỷ đồng) |
1.150 |
565 |
736 |
| Chi phí dự phòng rủi ro tín dụng (tỷ đồng) |
Không nêu |
1.450 (+324%) |
1.414 |
| Lợi nhuận trước thuế (tỷ đồng) |
4.221 |
1.018 (-76%) |
878 (-13,72%) |
| Tỷ suất sinh lời trên tài sản - ROA (%) |
1,83% |
0,42% |
0,39% |
| Tỷ suất sinh lời trên vốn chủ sở hữu - ROE (%) |
28% |
5,29% |
4,5% |
Về cơ cấu dư nợ theo ngành nghề giai đoạn 2011 – 2013, dư nợ tập trung lớn nhất vào mảng cá nhân và ngành nghề khác (chiếm 39% - 46%), tiếp theo là kho bãi, vận tải và thông tin liên lạc (35% - 38%), thương mại, sản xuất và chế biến (8% - 12%), nông lâm thủy sản (8% - 14%), xây dựng và kinh doanh bất động sản (1% - 3%). Theo thời hạn vay, dư nợ ngắn hạn chiếm ưu thế nhưng có xu hướng giảm tỷ trọng từ 56% (2011) xuống 53% (2012) và 50% (2013), trong khi dư nợ trung hạn tăng từ 17% lên 28%.
Về chất lượng nợ giai đoạn 2012 – 2013: Dư nợ nhóm 1 (nợ đủ tiêu chuẩn) giảm nhẹ từ 64.415 tỷ đồng (94,05%) xuống mức thấp hơn, trong khi nợ nhóm 2 (nợ cần chú ý) tăng từ 2.006 tỷ đồng. Các nhóm nợ xấu (nhóm 3, 4, 5) có xu hướng tăng mạnh: nợ dưới tiêu chuẩn tăng hơn 300%, nợ có khả năng mất vốn tăng gần 12%.
Về thực trạng hệ thống xếp hạng T24: Hệ thống ngân hàng lõi T24r5 (Temenos) được triển khai từ tháng 12/2005. Quy trình xếp hạng doanh nghiệp trên T24 gồm 4 bước: (1) Chuyên viên khách hàng thu thập thông tin, (2) Chuyên viên thực hiện xếp hạng trên phần mềm, (3) Lãnh đạo cấp phòng kiểm soát và Ban giám đốc/Hội đồng tín dụng phê duyệt, (4) Lưu hồ sơ tại Ban Kiểm soát và Hỗ trợ kinh doanh. Hệ thống sử dụng bảng điểm kết hợp:
- Chỉ tiêu định lượng gồm 13 chỉ tiêu tài chính chia theo 4 ngành (công nghiệp, thương mại, xây dựng, dịch vụ), bao gồm thanh khoản, khả năng vay trả, khả năng sinh lời và năng lực hoạt động.
- Chỉ tiêu định tính gồm các nhóm: chiến lược, quan hệ với Techcombank, thương hiệu, năng lực ban lãnh đạo, uy tín giao dịch tín dụng và chất lượng kiểm toán.
Đánh giá của tác giả về hệ thống T24: Ưu điểm là thực hiện tập trung trên phần mềm, hỗ trợ quản lý hồ sơ đồng bộ; nhược điểm là thang điểm định tính còn phụ thuộc vào phán đoán chủ quan, trọng số điểm tài chính chưa phản ánh động tính của rủi ro vỡ nợ, chưa cho ra xác suất tổn thất cụ thể.
Chương III: Giải pháp sử dụng mô hình Logistic trong xếp hạng tín dụng khách hàng doanh nghiệp tại Ngân hàng TMCP Kỹ Thương Việt Nam
Trên cơ sở định hướng tăng trưởng tín dụng an toàn, hiệu quả và củng cố chất lượng tài sản của Techcombank, tác giả đề xuất 5 nhóm giải pháp nghiệp vụ và lộ trình triển khai mô hình Logistic:
- Tổ chức hội thảo phân tích phương pháp xếp hạng tín dụng: Phổ biến cơ sở lý thuyết, nguyên lý toán học và cách thức vận hành mô hình hồi quy Logistic cho toàn thể đội ngũ quản trị rủi ro và cán bộ tín dụng trên toàn hệ thống.
- Tăng cường thu thập và xử lý thông tin: Chuẩn hóa cơ sở dữ liệu khách hàng doanh nghiệp, kết nối nguồn dữ liệu từ Trung tâm Thông tin Tín dụng (CIC), báo cáo tài chính đã kiểm toán và thông tin giao dịch nội bộ tại Techcombank.
- Nâng cao năng lực của cán bộ tín dụng: Đào tạo chuyên sâu kỹ năng phân tích định lượng, thẩm định báo cáo tài chính và ứng dụng các phần mềm kinh tế lượng chuyên dụng (SPSS, EViews) trong phân tích dữ liệu rủi ro.
- Phát triển công nghệ ngân hàng: Tích hợp mô-đun hồi quy Logistic vào hệ thống ngân hàng lõi T24 nhằm tự động hóa việc tính toán giá trị $p_i$ và phân hạng khách hàng ngay khi nhập báo cáo tài chính.
- Xây dựng lộ trình áp dụng mô hình: Chia thành các giai đoạn thử nghiệm song song với hệ thống T24 hiện tại, hiệu chỉnh các hệ số $\beta$ theo đặc thù dữ liệu danh mục nợ của Techcombank, trước khi đưa vào áp dụng chính thức cho toàn bộ quy trình phê duyệt tín dụng doanh nghiệp.
Khóa luận đưa ra các kiến nghị bổ trợ:
- Kiến nghị với Bộ Tài chính và Cơ quan Thuế: Chuẩn hóa chế độ kế toán doanh nghiệp, nâng cao tính minh bạch và độ tin cậy của báo cáo tài chính doanh nghiệp vừa và nhỏ, đẩy mạnh giám sát hoạt động kiểm toán độc lập.
- Kiến nghị với Ngân hàng Nhà nước: Hoàn thiện khung khổ pháp lý về quản trị rủi ro theo chuẩn mực Basel II; nâng cấp chất lượng và tốc độ cập nhật kho dữ liệu tín dụng tập trung của CIC.
- Kiến nghị với Techcombank: Đổi mới chính sách quản trị rủi ro tín dụng theo hướng định lượng hóa; đầu tư nâng cấp hạ tầng công nghệ thông tin; gắn kết quả xếp hạng tín dụng Logistic với chính sách định giá lãi suất và trích lập dự phòng cụ thể cho từng khách hàng.
Kết quả và đóng góp của nghiên cứu
Nghiên cứu mang lại những kết quả định lượng và đóng góp thực tiễn cụ thể:
| Tiêu chí so sánh |
Hệ thống xếp hạng nội bộ trên T24 hiện tại |
Mô hình hồi quy Logistic thực nghiệm |
| Bản chất phương pháp |
Chấm điểm chỉ tiêu tài chính kết hợp bảng hỏi định tính (chuyên gia) |
Ước lượng xác suất không trả được nợ ($p_i$) bằng hàm phân phối xác suất |
| Tính chủ quan |
Còn cao ở nhóm chỉ tiêu định tính (lãnh đạo, uy tín, chiến lược) |
Hoàn toàn khách quan dựa trên dữ liệu báo cáo tài chính và kiểm định thống kê |
| Độ chính xác dự báo |
Đánh giá phân hạng theo điểm số tuyệt đối, chưa kiểm định được tỷ lệ lỗi |
Dự báo chính xác 90,6% trên mẫu 649 công ty niêm yết (93,9% với nhóm rủi ro) |
| Tính liên tục |
Hạng tín dụng phân bậc theo dải điểm cố định |
Ước lượng xác suất liên tục $p_i \in [0, 1]$, chia thang 20 bậc linh hoạt |
Các đóng góp chính của đề tài bao gồm:
- Chứng minh khả năng ứng dụng thực tế của mô hình kinh tế lượng nhị phân Logistic trong việc đo lường rủi ro tín dụng doanh nghiệp tại thị trường tài chính Việt Nam.
- Xác định được 4 biến số tài chính cốt lõi có tác động mạnh nhất đến xác suất rủi ro tín dụng của doanh nghiệp niêm yết: Tỷ suất nợ (
TS_N0, tác động tiêu cực, $B = -2.859$), Khả năng thanh toán ngắn hạn (TS_TTNH, tác động tích cực, $B = 0.174$), Tỷ suất sinh lời trên tài sản (ROA, tác động tích cực rất lớn, $B = 8.163$), và Tỷ suất sinh lời nguồn vốn (TS_LNNV, tác động tích cực, $B = 3.635$).
- Cung cấp bức tranh số liệu chi tiết về thực trạng tài chính, biến động nợ xấu và sự suy giảm lợi nhuận của Techcombank giai đoạn 2011 – 2013 dưới tác động của chu kỳ kinh tế khó khăn.
Hạn chế và hướng nghiên cứu tiếp
Khóa luận có một số hạn chế gắn liền với phạm vi và điều kiện thực hiện nghiên cứu được tác giả nêu ra:
- Hạn chế về mẫu nghiên cứu: Mẫu dữ liệu định lượng mới chỉ dừng lại ở 649 doanh nghiệp niêm yết trên thị trường chứng khoán năm 2012, chưa bao quát được toàn bộ các doanh nghiệp vừa và nhỏ chưa niêm yết vốn chiếm tỷ trọng lớn trong danh mục cấp tín dụng của Techcombank.
- Hạn chế về cấu trúc biến số: Mô hình Logistic thực nghiệm mới chỉ sử dụng các biến số định lượng từ báo cáo tài chính quá khứ, chưa tích hợp được các yếu tố phi tài chính (đặc thù ngành nghề, tính chu kỳ, hành vi trả nợ thực tế) vào cùng một phương trình hồi quy.
- Hướng nghiên cứu tiếp theo: Tác giả định hướng cần tiếp tục mở rộng cỡ mẫu sang các doanh nghiệp chưa niêm yết, cập nhật chuỗi số liệu qua nhiều năm liên tiếp, đồng thời nghiên cứu kết hợp các biến giả định tính vào mô hình Logistic để nâng cao năng lực giải thích và dự báo rủi ro tín dụng trong tương lai.
Giá trị tham khảo
Khóa luận là tài liệu tham khảo hữu ích cho các nhóm đối tượng sau:
- Sinh viên và học viên ngành Tài chính - Ngân hàng: Cung cấp tài liệu tham khảo hoàn chỉnh về quy trình xây dựng mô hình kinh tế lượng ứng dụng (Logistic Regression) xử lý biến phụ thuộc nhị phân trên phần mềm SPSS phục vụ phân tích rủi ro ngân hàng.
- Cán bộ quản trị rủi ro và thẩm định tín dụng tại các ngân hàng thương mại: Cung cấp phương pháp luận và các bước thiết kế thang điểm 20 bậc từ xác suất vỡ nợ lý thuyết, phục vụ công tác đối chuẩn (benchmarking) với hệ thống xếp hạng nội bộ.
- Người nghiên cứu về Techcombank: Cung cấp nguồn dữ liệu lịch sử xác thực về tình hình tài chính, cơ cấu dư nợ theo ngành và quy trình vận hành phân hệ xếp hạng doanh nghiệp trên hệ thống T24 giai đoạn 2011 – 2013.
Câu hỏi thường gặp
1. Mẫu dữ liệu dùng để chạy mô hình Logistic trong khóa luận gồm bao nhiêu doanh nghiệp và được phân loại như thế nào?
Mẫu nghiên cứu gồm 649 công ty niêm yết trên thị trường chứng khoán Việt Nam có dữ liệu tài chính đến ngày 31/12/2012. Mẫu được chia làm 2 nhóm: nhóm có rủi ro tín dụng (462 doanh nghiệp) và nhóm không có rủi ro tín dụng (187 doanh nghiệp).
2. Bốn biến độc lập cuối cùng được giữ lại trong phương trình hồi quy Logistic là những biến nào?
Bốn biến được giữ lại qua kiểm định Wald bao gồm: TS_N0 (Tỷ suất nợ = Nợ phải trả / Tổng tài sản), TS_TTNH (Khả năng thanh toán ngắn hạn = Tài sản ngắn hạn / Nợ ngắn hạn), ROA (Tỷ suất sinh lời trên tổng tài sản = Lợi nhuận / Tổng tài sản) và TS_LNNV (Tỷ suất sinh lời nguồn vốn = Lợi nhuận trước thuế / Tổng nguồn vốn).
3. Tỷ lệ dự báo chính xác tổng thể của mô hình Logistic trong nghiên cứu đạt bao nhiêu phần trăm?
Mô hình đạt tỷ lệ dự báo chính xác chung là 90,6% trên toàn bộ mẫu 649 doanh nghiệp. Trong đó, tỷ lệ dự đoán chính xác nhóm doanh nghiệp có rủi ro tín dụng đạt 93,9% (434/462 trường hợp) và nhóm không có rủi ro tín dụng đạt 82,4% (154/187 trường hợp).
4. Lợi nhuận trước thuế và tỷ suất sinh lời của Techcombank biến động như thế nào trong giai đoạn 2011 – 2013?
Lợi nhuận trước thuế của Techcombank sụt giảm mạnh từ 4.221 tỷ đồng năm 2011 xuống 1.018 tỷ đồng năm 2012 (giảm 76%) và tiếp tục giảm xuống 878 tỷ đồng năm 2013. Tương ứng, ROA giảm từ 1,83% (2011) xuống 0,42% (2012) và 0,39% (2013); ROE giảm từ 28% (2011) xuống 5,29% (2012) và 4,5% (2013).
5. Hệ thống phần mềm ngân hàng lõi mà Techcombank sử dụng để xếp hạng doanh nghiệp tên là gì và do đơn vị nào cung cấp?
Techcombank sử dụng hệ thống phần mềm ngân hàng lõi T24 phiên bản T24r5 của nhà cung cấp giải pháp Temenos (Thụy Sỹ), được triển khai từ đầu tháng 12 năm 2005.
Kết luận
Khóa luận tốt nghiệp của tác giả Lê Thị Thu Hà đã hệ thống hóa toàn diện các lý thuyết quản trị rủi ro tín dụng và kiểm chứng thành công việc ứng dụng mô hình hồi quy Logistic trong xếp hạng tín dụng doanh nghiệp tại Việt Nam. Thông qua phân tích thực trạng hoạt động và hệ thống phần mềm T24 tại Techcombank giai đoạn 2011 – 2013, công trình chỉ rõ tính cấp thiết của việc chuyển đổi từ phương pháp chấm điểm nặng tính định tính sang mô hình lượng hóa xác suất rủi ro. Các kết quả thực nghiệm với độ chính xác dự báo 90,6% cùng hệ thống 5 nhóm giải pháp đề xuất cung cấp cơ sở khoa học giá trị giúp ngân hàng thương mại nâng cao chất lượng thẩm định và kiểm soát nợ xấu bền vững.
