Luận văn thạc sĩ ueh vận dụng mô hình z score trong xếp hạng tín dụng khách hàng doanh nghiệp tại ngân hàng thương mại cổ phần công thương việt nam

Luận văn thạc sĩ UEH nghiên cứu ứng dụng mô hình Z-score trong xếp hạng tín dụng khách hàng doanh nghiệp tại ngân hàng VietinBank.

• Tác giả: Trịnh Việt Tiệp
• Người hướng dẫn: PGS.TS Trầm Thị Xuân Hương
• Trường học: Trường Đại Học Kinh Tế TP. Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Vận Dụng Mô Hình Z-Score Trong Xếp Hạng Tín Dụng Khách Hàng Doanh Nghiệp Tại Ngân Hàng Công Thương Việt Nam
• Loại tài liệu: luận văn thạc sỹ
• Năm xuất bản: 2015
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Lý do chọn đề tài nghiên cứu
• 1.2. Mục tiêu nghiên cứu
• 1.3. Phạm vi và đối tượng nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Ý nghĩa khoa học và tính thực tiễn của đề tài
• 1.6. Cấu trúc của luận văn
• 2. CHƯƠNG 2: TỔNG QUAN VỀ XẾP HẠNG TÍN DỤNG VÀ MÔ HÌNH Z- SCORE
• 2.1. Xếp hạng tín dụng tại ngân hàng thương mại
• 2.1.1. Khái niệm xếp hạng tín dụng
• 2.1.2. Đối tượng của xếp hạng tín dụng
• 2.2. Mô hình Z-Score
• 2.2.1. Giới thiệu về mô hình Z-Score
• 2.2.2. Mô hình Z-Score áp dụng cho doanh nghiệp đã cổ phần hóa, ngành sản xuất
• 2.2.3. Mô hình Z-Score áp dụng cho doanh nghiệp chưa cổ phần hóa, ngành sản xuất
• 3. CHƯƠNG 3: THỰC TRẠNG XẾP HẠNG TÍN DỤNG TẠI NGÂN HÀNG TMCP CÔNG THƯƠNG VIỆT NAM
• 3.1. Giới thiệu chung
• 3.2. Mô hình tổ chức của Ngân hàng Thương mại cổ phần Công Thương Việt Nam
• 3.3. Mô hình xếp hạng tín dụng doanh nghiệp tại Ngân hàng TMCP Công Thương Việt Nam
• 4. CHƯƠNG 4: GIẢI PHÁP NHẰM NÂNG CAO VIỆC VẬN DỤNG MÔ HÌNH Z-SCORE TRONG XẾP HẠNG TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG TMCP CÔNG THƯƠNG VIỆT NAM
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Mô Hình Z Score Trong Xếp Hạng Tín Dụng

Mô hình Z-Score là một công cụ quan trọng trong việc đánh giá khả năng tài chính của doanh nghiệp. Được phát triển bởi Edward Altman vào năm 1968, mô hình này giúp dự đoán khả năng vỡ nợ của doanh nghiệp dựa trên các chỉ số tài chính. Việc áp dụng mô hình Z-Score trong xếp hạng tín dụng tại Ngân hàng Công Thương Việt Nam không chỉ giúp cải thiện quy trình đánh giá mà còn nâng cao khả năng quản lý rủi ro tín dụng.

1.1. Khái Niệm Mô Hình Z Score Và Ý Nghĩa Của Nó

Mô hình Z-Score được sử dụng để đánh giá khả năng tài chính của doanh nghiệp thông qua các chỉ số tài chính. Nó giúp ngân hàng xác định mức độ rủi ro tín dụng và đưa ra quyết định cho vay hợp lý.

1.2. Lịch Sử Phát Triển Mô Hình Z Score

Mô hình Z-Score được phát triển vào năm 1968 bởi Edward Altman, dựa trên nghiên cứu các công ty tại Mỹ. Mô hình này đã được áp dụng rộng rãi trên toàn thế giới và trở thành một tiêu chuẩn trong ngành tài chính.

II. Thách Thức Trong Việc Xếp Hạng Tín Dụng Khách Hàng Doanh Nghiệp

Việc xếp hạng tín dụng khách hàng doanh nghiệp tại Ngân hàng Công Thương Việt Nam gặp nhiều thách thức. Tình hình kinh tế biến động, tỷ lệ nợ xấu cao và sự thiếu hụt thông tin tài chính chính xác là những vấn đề lớn. Những thách thức này đòi hỏi ngân hàng phải cải thiện quy trình đánh giá tín dụng để giảm thiểu rủi ro.

2.1. Tình Hình Kinh Tế Ảnh Hưởng Đến Xếp Hạng Tín Dụng

Sự biến động của nền kinh tế có thể làm tăng tỷ lệ nợ xấu, ảnh hưởng đến khả năng trả nợ của doanh nghiệp. Ngân hàng cần có các biện pháp để đánh giá chính xác hơn về tình hình tài chính của khách hàng.

2.2. Thiếu Thông Tin Tài Chính Chính Xác

Nhiều doanh nghiệp không cung cấp đầy đủ thông tin tài chính, gây khó khăn cho ngân hàng trong việc đánh giá rủi ro tín dụng. Việc cải thiện chất lượng thông tin là rất cần thiết.

III. Phương Pháp Vận Dụng Mô Hình Z Score Trong Xếp Hạng Tín Dụng

Mô hình Z-Score có thể được áp dụng để đánh giá khả năng tài chính của doanh nghiệp thông qua các chỉ số tài chính cụ thể. Việc sử dụng mô hình này giúp ngân hàng có cái nhìn tổng quan về tình hình tài chính của khách hàng và đưa ra quyết định cho vay hợp lý.

3.1. Các Chỉ Số Tài Chính Trong Mô Hình Z Score

Mô hình Z-Score bao gồm năm chỉ số tài chính chính: vốn lưu động, lợi nhuận giữ lại, EBIT, giá trị sổ sách của vốn chủ sở hữu và doanh thu. Những chỉ số này giúp đánh giá khả năng thanh toán nợ của doanh nghiệp.

3.2. Quy Trình Áp Dụng Mô Hình Z Score

Quy trình áp dụng mô hình Z-Score bao gồm thu thập dữ liệu tài chính, tính toán các chỉ số và phân tích kết quả. Ngân hàng cần có quy trình rõ ràng để đảm bảo tính chính xác trong đánh giá.

IV. Ứng Dụng Thực Tiễn Mô Hình Z Score Tại Ngân Hàng Công Thương Việt Nam

Việc áp dụng mô hình Z-Score tại Ngân hàng Công Thương Việt Nam đã mang lại nhiều lợi ích. Ngân hàng có thể đánh giá chính xác hơn về khả năng tài chính của khách hàng, từ đó giảm thiểu rủi ro tín dụng và nâng cao hiệu quả hoạt động.

4.1. Kết Quả Nghiên Cứu Về Mô Hình Z Score

Nghiên cứu cho thấy mô hình Z-Score giúp ngân hàng xác định được các doanh nghiệp có nguy cơ phá sản cao, từ đó có biện pháp phòng ngừa kịp thời.

4.2. Những Lợi Ích Khi Áp Dụng Mô Hình Z Score

Áp dụng mô hình Z-Score giúp ngân hàng cải thiện quy trình đánh giá tín dụng, nâng cao khả năng quản lý rủi ro và tăng cường sự tin tưởng từ phía khách hàng.

V. Kết Luận Về Mô Hình Z Score Trong Xếp Hạng Tín Dụng

Mô hình Z-Score là một công cụ hữu ích trong việc xếp hạng tín dụng khách hàng doanh nghiệp. Việc áp dụng mô hình này tại Ngân hàng Công Thương Việt Nam không chỉ giúp cải thiện quy trình đánh giá mà còn nâng cao khả năng quản lý rủi ro tín dụng. Tương lai, ngân hàng cần tiếp tục nghiên cứu và hoàn thiện mô hình để đáp ứng tốt hơn nhu cầu thị trường.

5.1. Tương Lai Của Mô Hình Z Score Tại Ngân Hàng

Ngân hàng cần tiếp tục cải tiến mô hình Z-Score để phù hợp với tình hình kinh tế và nhu cầu của khách hàng. Việc này sẽ giúp ngân hàng duy trì vị thế cạnh tranh trên thị trường.

5.2. Đề Xuất Các Giải Pháp Nâng Cao Hiệu Quả Áp Dụng

Cần có các giải pháp hỗ trợ từ phía nhà nước và các tổ chức tài chính để nâng cao hiệu quả áp dụng mô hình Z-Score trong xếp hạng tín dụng.

Nội dung chính

Tổng quan nghiên cứu

Trong hệ thống tài chính, ngân hàng thương mại giữ vai trò huyết mạch cung ứng vốn cho nền kinh tế, song cũng là định chế chịu rủi ro cao nhất khi thị trường biến động. Giai đoạn sau khủng hoảng tài chính, tỷ lệ nợ xấu của hệ thống ngân hàng Việt Nam gia tăng đáng kể, đặt ra yêu cầu cấp thiết về việc nâng cao năng lực phòng ngừa tổn thất tín dụng. Tại Ngân hàng Thương mại Cổ phần Công Thương Việt Nam (VietinBank) – định chế sở hữu 164 chi nhánh trong nước cùng 1.123 phòng giao dịch và 3 chi nhánh quốc tế – công tác quản trị rủi ro luôn là ưu tiên chiến lược. Tuy nhiên, hệ thống xếp hạng tín dụng nội bộ hiện hành còn phụ thuộc khá nhiều vào các chỉ tiêu định tính, làm giảm tính khách quan trong việc dự báo nguy cơ vỡ nợ của khách hàng doanh nghiệp.

Đề tài tập trung nghiên cứu thực trạng quy trình chấm điểm tín dụng và kiểm định khả năng vận dụng mô hình Z-score của Edward Altman trong đánh giá sức khỏe tài chính doanh nghiệp tại VietinBank. Mục tiêu cụ thể là phân tích các chỉ tiêu tài chính, phi tài chính hiện có, đồng thời ứng dụng mô hình định lượng nhằm thiết lập ngưỡng cảnh báo sớm nguy cơ phá sản. Phạm vi nghiên cứu được triển khai trên tập dữ liệu hồ sơ doanh nghiệp vay vốn tại VietinBank trong giai đoạn từ năm 2012 đến năm 2014. Nghiên cứu mang ý nghĩa thực tiễn sâu sắc, giúp ngân hàng gia tăng độ tin cậy trong thẩm định tín dụng, ước tính có thể giảm thiểu sai lệch phân loại nợ xuống dưới 5% và nâng cao khả năng nhận diện rủi ro kiệt quệ tài chính trước thời hạn từ 1 đến 2 năm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết quản trị rủi ro tín dụng hiện đại và các tiêu chuẩn giám sát an toàn vốn theo Hiệp ước Basel II, được Ngân hàng Nhà nước Việt Nam cụ thể hóa qua Quyết định số 493/2005/QĐ-NHNN và Thông tư số 13/2010/TT-NHNN. Các khái niệm cốt lõi bao gồm xác suất không trả được nợ (Probability of Default - PD), xếp hạng tín dụng nội bộ và mức độ khánh kiệt tài chính.

Mô hình trọng tâm là Altman Z-score (1968), phát triển dựa trên phương pháp phân tích biệt số đa biến (MDA) để tổng hợp 5 tỷ số tài chính phản ánh khả năng thanh khoản, lợi nhuận giữ lại, hiệu suất sinh lời, đòn bẩy tài chính và vòng quay tài sản. Nghiên cứu tiếp cận cả ba biến thể tiêu chuẩn: mô hình Z cho doanh nghiệp sản xuất niêm yết với ngưỡng an toàn trên 2,99; mô hình Z' cho doanh nghiệp sản xuất chưa niêm yết với ngưỡng an toàn trên 2,90; và mô hình Z'' tinh giản cho các loại hình doanh nghiệp khác với ngưỡng an toàn trên 2,60. Đồng thời, đề tài tham chiếu mô hình Z-score điều chỉnh của Nguyễn Trọng Hòa (2010) gồm 6 biến số được hiệu chỉnh riêng cho thị trường chứng khoán Việt Nam.

Phương pháp nghiên cứu

Nghiên cứu sử dụng mẫu khảo sát gồm 42 khách hàng doanh nghiệp đang có quan hệ tín dụng và thực hiện xếp hạng định kỳ tại VietinBank. Phương pháp chọn mẫu là chọn mẫu có chủ đích, tập trung vào các doanh nghiệp thuộc nhiều nhóm ngành như sản xuất nhựa, chế biến bánh kẹo, xây dựng hạ tầng với đầy đủ báo cáo tài chính đã được kiểm toán giai đoạn 2012 - 2014.

Phương pháp phân tích kết hợp giữa thống kê mô tả, phân tích định lượng các tỷ số tài chính và phương pháp so sánh đối chiếu. Lý do lựa chọn mô hình Z-score là nhờ cấu trúc toán học tuyến tính rõ ràng, loại bỏ định kiến cá nhân của cán bộ tín dụng, đồng thời cung cấp thước đo xác suất phá sản chuẩn hóa. Dữ liệu từ các bảng cân đối kế toán và báo cáo kết quả hoạt động kinh doanh được bóc tách để tính toán các hệ số thành phần, sau đó đối sánh trực tiếp với kết quả xếp hạng 10 bậc (từ AAA đến D) theo hệ thống nội bộ của VietinBank.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích thực nghiệm trên 42 hồ sơ doanh nghiệp đã chỉ ra sự khác biệt đáng chú ý giữa kết quả xếp hạng nội bộ của VietinBank và điểm số cảnh báo từ mô hình Z-score:

Thứ nhất, tồn tại độ lệch nghiêm trọng giữa điểm tín dụng định tính và nguy cơ khánh kiệt tài chính thực tế. Điển hình tại một doanh nghiệp sản xuất bánh kẹo, hệ thống nội bộ của VietinBank xếp khách hàng ở loại A với 77,0 điểm (mức rủi ro thấp). Tuy nhiên, khi tính toán theo mô hình Z', chỉ số chỉ đạt 1,87 – rơi thẳng vào vùng cảnh báo nguy hiểm (ngưỡng từ 1,23 đến 2,90), cho thấy doanh nghiệp đang tiềm ẩn nguy cơ mất khả năng thanh toán rất cao do đòn bẩy nợ vượt mức an toàn.

Thứ hai, mô hình Z-score thể hiện khả năng phân hóa rõ rệt theo cấu trúc tài chính từng ngành nghề. Tại một công ty cổ phần sản xuất nhựa, chỉ số Z đạt 3,25 (vượt xa ngưỡng an toàn 2,99), tương ứng với mức sinh lời trên tài sản cao và vốn lưu động ròng dồi dào. Ngược lại, tại một công ty xây dựng, chỉ số Z'' chỉ đạt 2,26 (nằm trong vùng cảnh báo dưới 2,60) do tỷ số nợ phải trả trên vốn chủ sở hữu lên tới hơn 2,39 lần.

Thứ ba, cơ cấu chấm điểm hiện hành của VietinBank áp tỷ trọng chỉ tiêu phi tài chính lên đến 65% đối với báo cáo tài chính kiểm toán và 70% đối với báo cáo chưa kiểm toán. Tỷ trọng định tính quá lớn này làm lu mờ các dấu hiệu suy giảm thanh khoản thực chất của doanh nghiệp.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự sai lệch xếp hạng là do các chỉ tiêu phi tài chính tại ngân hàng (như năng lực ban điều hành chiếm 27% - 33%, uy tín giao dịch chiếm 31% - 33%) mang nặng tính ước lượng chủ quan. Trong khi đó, các biến số định lượng của Z-score như tỷ số lợi nhuận trước thuế và lãi vay trên tổng tài sản (EBIT/Tổng tài sản) phản ánh chính xác khả năng tự tạo dòng tiền để trang trải nghĩa vụ nợ.

Kết quả này hoàn toàn nhất quán với nghiên cứu của Sanobar Anjum (2012), khẳng định mô hình Z-score có độ chính xác dự báo phá sản lên tới 94% trong khung thời gian 1 năm và đạt 93% đối với các doanh nghiệp quy mô vừa và nhỏ. Kết quả cũng tương đồng với kết luận của Phan Thị Thanh Lâm (2012) khi kiểm định 46 công ty vay vốn ngân hàng tại Việt Nam. Về mặt trình bày trực quan, dữ liệu đối sánh này có thể được thiết lập thành ma trận phân tán 2 chiều kết hợp biểu đồ cột chồng, thể hiện mối tương quan giữa điểm tín dụng nội bộ (thang 100 điểm) và đường phân định ranh giới vùng an toàn - vùng nguy hiểm của chỉ số Z.

Đề xuất và khuyến nghị

Nhằm hoàn thiện công tác xếp hạng tín dụng và kiểm soát rủi ro nợ xấu, nghiên cứu đề xuất 4 nhóm giải pháp trọng tâm:

Thứ nhất, VietinBank cần tích hợp module tính toán tự động chỉ số Altman Z-score vào hệ thống phần mềm chấm điểm tín dụng toàn hàng trước năm 2016. Cần điều chỉnh lại cơ cấu tỷ trọng chấm điểm, hạ tỷ trọng nhóm chỉ tiêu phi tài chính từ 65% xuống mức khoảng 40% đến 45%, đồng thời nâng tỷ trọng nhóm chỉ số tài chính lên 55% đến 60% để phản ánh đúng thực chất năng lực tài chính của bên vay.

Thứ hai, thiết lập quy trình kiểm định chéo bắt buộc giữa bậc xếp hạng tín dụng nội bộ và ngưỡng giá trị Z-score. Cán bộ thẩm định phải thực hiện tái thẩm định độc lập đối với mọi hồ sơ doanh nghiệp đạt điểm tín dụng loại khá (hạng A, BBB) nhưng lại có chỉ số Z nằm trong vùng cảnh báo (Z < 1,81 hoặc Z' < 1,23). Mục tiêu là kéo giảm tỷ lệ nợ xấu phát sinh ngoài dự kiến xuống dưới mức 2% tổng dư nợ.

Thứ ba, nâng cấp hệ thống công nghệ thông tin và rút ngắn chu kỳ rà soát dữ liệu tài chính khách hàng từ 6 tháng xuống định kỳ 3 tháng một lần. Khai thác triệt để nguồn dữ liệu lịch sử quan hệ tín dụng liên chi nhánh trên toàn quốc và tích hợp đồng bộ dữ liệu từ Trung tâm Thông tin Tín dụng Quốc gia (CIC).

Thứ tư, về phía cơ quan quản lý nhà nước, Ngân hàng Nhà nước và Bộ Tài chính cần hoàn thiện hệ thống Chuẩn mực Kế toán Việt Nam tiệm cận IFRS, ban hành quy định bắt buộc kiểm toán báo cáo tài chính đối với toàn bộ doanh nghiệp phát sinh dư nợ ngân hàng từ 10 tỷ đồng trở lên, đồng thời củng cố vai trò xử lý nợ xấu của Công ty TNHH Mua bán nợ Việt Nam (DATC).

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng:

Nhóm thứ nhất là cán bộ thẩm định, chuyên viên quản trị rủi ro và ban lãnh đạo các ngân hàng thương mại. Tài liệu cung cấp công cụ định lượng hỗ trợ sàng lọc hồ sơ vay vốn, thiết lập hạn mức tín dụng phù hợp và xây dựng chính sách lãi suất dựa trên mức độ rủi ro thực tế của từng khách hàng doanh nghiệp.

Nhóm thứ hai là ban giám đốc và giám đốc tài chính (CFO) tại các doanh nghiệp. Nghiên cứu giúp các nhà quản trị nhận diện sớm các chỉ số tài chính suy yếu, từ đó chủ động cơ cấu lại nguồn vốn lưu động, kiểm soát hệ số nợ và tối ưu hóa hiệu quả sử dụng tài sản trước khi rơi vào tình trạng mất thanh khoản.

Nhóm thứ ba là giảng viên, học viên cao học và sinh viên chuyên ngành Tài chính - Ngân hàng. Luận văn là tài liệu tham khảo giá trị về phương pháp ứng dụng mô hình kinh tế lượng và phân tích biệt số đa biến trong giải quyết các bài toán rủi ro tín dụng thực tế.

Nhóm thứ tư là các nhà hoạch định chính sách tại Ngân hàng Nhà nước và chuyên viên phân tích tại các tổ chức xếp hạng tín nhiệm độc lập, phục vụ quá trình xây dựng khung pháp lý an toàn vĩ mô cho hệ thống ngân hàng.

Câu hỏi thường gặp

Mô hình Z-score của Edward Altman hoạt động theo nguyên lý nào trong dự báo phá sản doanh nghiệp? Mô hình Z-score kết hợp nhiều tỷ số tài chính quan trọng thông qua kỹ thuật phân tích biệt số đa biến để tạo ra một điểm số tổng hợp duy nhất. Điểm số này đo lường tổng thể sức khỏe tài chính và phân loại doanh nghiệp vào ba vùng: an toàn, cảnh báo hoặc nguy hiểm, giúp dự báo nguy cơ vỡ nợ trước 1 đến 2 năm với độ chính xác trên 70%.

Tại sao VietinBank cần vận dụng mô hình Z-score khi đã có hệ thống xếp hạng nội bộ? Hệ thống xếp hạng nội bộ của VietinBank dành tới 65% - 70% trọng số cho các chỉ tiêu phi tài chính mang tính định tính và cảm tính. Việc bổ sung mô hình Z-score cung cấp một thước đo định lượng khách quan, dựa hoàn toàn trên dữ liệu kế toán, giúp phát hiện sớm các rủi ro dòng tiền bị che giấu.

Doanh nghiệp đạt xếp hạng A tại VietinBank nhưng chỉ số Z-score báo động nguy hiểm thì xử lý như thế nào? Trong trường hợp này, ngân hàng cần kích hoạt quy trình kiểm định chéo đặc biệt. Cán bộ tín dụng phải tái đánh giá khả năng thanh toán nhanh, kiểm tra dòng tiền thực tế, yêu cầu bổ sung tài sản bảo đảm thanh khoản cao hoặc điều chỉnh giảm hạn mức cấp tín dụng để phòng ngừa rủi ro mất vốn.

Mô hình Z-score nguyên bản có áp dụng trực tiếp được cho mọi loại hình doanh nghiệp tại Việt Nam không? Mô hình nguyên bản năm 1968 chỉ áp dụng chuẩn xác cho các công ty sản xuất đã niêm yết. Đối với doanh nghiệp chưa niêm yết hoặc thuộc ngành thương mại - dịch vụ, ngân hàng cần sử dụng biến thể Z' hoặc Z'', hoặc áp dụng các mô hình hiệu chỉnh hệ số như mô hình của Nguyễn Trọng Hòa để phản ánh đúng đặc thù kinh tế Việt Nam.

Báo cáo tài chính chưa kiểm toán ảnh hưởng ra sao đến độ chính xác của chỉ số Z-score? Báo cáo tài chính chưa kiểm toán thường tiềm ẩn rủi ro sai lệch số liệu, phản ánh không đầy đủ các khoản nợ hoặc ghi nhận khống doanh thu, làm sai lệch giá trị các biến số cấu thành Z-score. Khi đó, kết quả Z-score có thể bị thổi phồng, đòi hỏi ngân hàng phải tăng cường đối soát chứng từ thực tế.

Kết luận

Luận văn đã giải quyết toàn diện bài toán nâng cao hiệu quả quản trị rủi ro tín dụng thông qua các đóng góp nổi bật:

• Hệ thống hóa toàn diện cơ sở lý luận về xếp hạng tín dụng và nguyên lý hoạt động của các biến thể mô hình Altman Z-score.
• Phân tích rõ nét thực trạng hệ thống chấm điểm nội bộ tại VietinBank, chỉ ra hạn chế của việc phân bổ trọng số định tính quá mức (chiếm tới 65% - 70%).
• Kiểm định thực nghiệm thành công mô hình Z-score trên 42 hồ sơ doanh nghiệp giai đoạn 2012 - 2014, chứng minh năng lực cảnh báo sớm nguy cơ mất thanh khoản.
• Đề xuất 4 nhóm giải pháp kỹ thuật có tính ứng dụng cao, bao gồm tích hợp phần mềm tự động và thiết lập cơ chế kiểm định chéo trong xét duyệt tín dụng.
• Đưa ra lộ trình hoàn thiện hệ thống dữ liệu tín dụng đồng bộ và chuẩn hóa quy trình báo cáo tài chính giai đoạn 2015 - 2020.

Để tối ưu hóa danh mục cho vay và bảo vệ an toàn hệ thống, các ngân hàng thương mại cần nhanh chóng số hóa và tích hợp mô hình Z-score vào quy trình xét duyệt tín dụng hàng ngày. Quý độc giả và các nhà nghiên cứu hãy tham khảo chi tiết toàn văn đề tài để khai thác sâu hơn hệ thống bảng biểu và phương pháp tính toán thực nghiệm giá trị này.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu Chương 2: Tổng quan về xếp hạng tín dụng và mô hình Z-score LUAN VAN CHAT LUONG download : add [e-mail] 3 Chương 3: Thực trạng xếp hạng tín dụng tại Ngân hàng TMCP Công Thương Việt Nam Chương 4: Giải pháp nhằm nâng cao việc vận dụng mô hình Z-score trong xếp hạng tín dụng khách hàng doanh nghiệp tại Ngân hàng TMCP Công Thương Việt Nam LUAN VAN CHAT LUONG download : add [e-mail] 4 CHƯƠNG 2: TỔNG QUAN VỀ XẾP HẠNG TÍN DỤNG VÀ MÔ HÌNH Z- SCORE 2.1 Xếp hạng tín dụng tại ngân hàng thương mại 2.1 Khái niệm xếp hạng tín dụng Nayak B. and Nahak C (2011), XHTD là những ý kiến đánh giá hiện tại về rủi ro tín dụng, chất lượng tín dụng, khả năng và thiện ý của chủ thể đi vay trong việc đáp ứng các nghĩa vụ tài chính một cách đầy đủ và đúng hạn. (2008), XHTD là những ý kiến đánh giá về chất lượng tín dụng và khả năng thanh toán nợ của chủ thể đi vay dựa trên những phân tích tín dụng cơ bản và biểu hiện thông qua hệ thống ký hiệu Aaa-C. Như vậy, hệ thống chấm điểm tín dụng và xếp hạng khách hàng là một quy trình đánh giá khả năng thực hiện các nghĩa vụ tài chính của một khách hàng đối với một ngân hàng như việc trả lãi và trả gốc nợ vay khi đến hạn hoặc các điều kiện tín dụng khác nhằm đánh giá, xác định rủi ro trong hoạt động tín dụng của ngân hàng.

Mức độ rủi ro tín dụng thay đổi theo từng đối tượng khách hàng và được xác định thông qua quá trình đánh giá bằng thang điểm, dựa vào các thông tin tài chính và phi tài chính có sẵn của khách hàng tại thời điểm chấm điểm tín dụng và xếp hạng khách hàng. XHTD là đưa ra các ý kiến đánh giá về khả năng tài chính cũng như mức độ rủi ro của các đối tượng như: DN, cá nhân, các tổ chức tài chính, cũng như các loại đầu tư khác nhau. Các loại đầu tư dưới dạng cổ phiếu, trái phiếu, giấy chứng nhận nợ, thương phiếu, các công cụ cho vay khác. Trần Đắc Sinh (2002), đứng trên góc độ của NHTM: Xếp hạng DN là đánh giá hiện thời và dự đoán tương lai về khả năng, tính sẵn sàng của người đi vay về việc hoàn trả tiền gốc và lãi của một khoản nợ nhất định trên đánh giá mức độ tin cậy của khách hàng, dựa trên lịch sử các lần vay và mức độ sẵn sàng về khả năng trả nợ.

Theo Basel (tháng 6/2004) hướng đến xác lập một phương thức quản trị ngân hàng mới cần thiết đưa ra kỹ thuật đánh giá một cách linh động các khoản nợ, mức độ rủi ro tài sản mà ngân hàng đang nắm giữ mà vẫn bảo đảm tỷ lệ an toàn vốn tối thiểu theo quy định thông qua hệ thống xếp hạng nội bộ. Tựu trung lại, xếp hạng tín dụng là đánh giá tình trạng tài chính của các đối tượng được đánh giá. Xếp hạng tín dụng cung cấp thông tin cho các nhà đầu tư biết về tình trạng tài chính và mức độ rủi ro của các định chế tài LUAN VAN CHAT LUONG download : add [e-mail] 5 chính để có quyết định đầu tư phù hợp. Các yếu tố để đánh giá thường bao gồm yếu tố về tài chính và phi tài chính.

Yếu tố tài chính bao gồm các tỷ số tài chính quan trọng thông qua các báo cáo tài chính. Yếu tố phi tài chính là các yếu tố khó có thể định lượng như: chính trị, ngành nghề kinh doanh, môi trường kinh tế vĩ mô. Trần Đắc Sinh (2002), xếp hạng tín dụng là việc đưa ra các nhận định hiện tại về mức độ tín nhiệm của nhà phát hành đối với một trách nhiệm tài chính nào đó, hoặc là đánh giá mức độ rủi ro gắn liên với các loại đầu tư khác nhau. Các loại đầu tư có thể dưới dạng chứng khoán như là trái phiếu, cổ phiếu ưu đãi và giấy nhận nợ, hoặc các công cụ cho vay khác như vay và gửi tiền tại ngân hàng, các thương phiếu.

Tại Việt Nam, Hiệp ước Basel I đã được Ngân hàng Nhà nước vận dụng các nội dung cơ bản vào Quyết định số 457/2005/QĐ-NHNN ngày 19/04/2005 quy định về các tỷ lệ bảo đảm an toàn trong hoạt động của tín dụng, Basel II được thể hiện trong Quyết định số 493/2005/QĐ-NHNN ngày 22/4/2005 của Ngân hàng Nhà nước tại Điều 7 quy định về phân loại nợ, trích lập và sử dụng dự phòng tại các tổ chức tín dụng. Phân loại nợ và trích lập dự phòng cụ thể chính là hướng dẫn áp dụng cách tiếp cận theo tiêu chuẩn chỉ dẫn giám sát trong điều kiện thực tế tại các NHTM Việt Nam. Ngày 20/5/2010, NHNN ban hành Thông tư số 13/2010/TT – NHNN thay thế Quyết định số 457/2005/QĐ – NHNN quy định lại về các tỷ lệ bảo đảm an toàn trong hoạt động của tổ chức tín dụng.2 Đối tượng của xếp hạng tín dụng Trần Đắc Sinh (2002), đối tượng của XHTD bao gồm thông số, dữ liệu của khách hàng tham gia vay vốn tại các NHTM như: các thông tin tài chính từ báo cáo tài chính của DN, các thông tin phi tài chính (kinh nghiệm của ban quản lý, môi trường kiểm soát nội bộ, sự phụ thuộc vào các đối tác)… Các NHTM không sử dụng kết quả XHTD nhằm thể hiện giá trị của người đi vay mà chỉ là đưa ra ý kiến hiện tại dựa trên các nhân tố rủi ro, từ đó có chính sách tín dụng và giới hạn cho vay phù hợp.Xếp hạng cao của KH đi vay chưa thể hiện việc có thể thu hồi đầy đủ các khoản nợ gốc và lãi vay mà chỉ là cơ sở để đưa ra quyết định đúng đắn về tín dụng đã được điều chỉnh theo dự kiến mức độ rủi ro tín dụng có liên quan đến KH là người đi vay và tất cả các khoản vay của KH đó. Xếp hạng người đi vay chủ yếu dự báo nguy cơ vỡ nợ theo ba LUAN VAN CHAT LUONG download : add [e-mail] 6 cấp độ cơ bản là nguy hiểm, cảnh báo và an toàn dựa trên xác suất không trả được nợ (Probability of Default).

Cơ sở của xác suất này là dữ liệu về các khoản nợ quá khứ trong vòng 5 năm trước đó của KH, gồm các khoản nợ đã trả, khoản nợ trong hạn và khoản nợ không thu hồi được. Dữ liệu phân theo ba nhóm: Nhóm dữ liệu tài chính liên quan đến các hệ số tài chính của KH; nhóm dữ liệu định tính phi tài chính thì tuỳ vào ngân hàng, có thể liên quan đến trình độ quản lý, khả năng nghiên cứu và phát triển sản phẩm mới, các dữ liệu và khả năng tăng trưởng của ngành; và nhóm dữ liệu mang tính cảnh báo liên quan đến các dấu hiệu không trả được nợ, tình hình số dư tiền gửi, hạn mức thấu chi. Xếp hạng khoản vay dựa trên cơ sở xếp hạng người vay và các yếu tố bao gồm tài sản đảm bảo; thời hạn cho vay, tổng mức dư nợ tại các tổ chức tín dụng, năng lực tài chính. Rủi ro của khoản vay được đo lường bằng xác suất rủi ro dự kiến.2 Mô hình Z-Score 2.1 Giới thiệu về mô hình Z-Score Mô hình Altman Z-score được công bố năm 1968 bởi Edward Altman tại đại học New York (Edward I.

Mô hình được sử dụng để tính toán và dự báo khả năng vỡ nợ của doanh nghiệp trong vòng hai năm. Mô hình Z-score là một trong những mô hình tính toán khả năng vỡ nợ tài chính của doanh nghiệp với lợi thế dễ tính toán do sử dụng các dữ liệu từ báo cáo tài chính để tính toán. Z-score sử dụng mô hình tuyến tính bậc nhất giữa các chỉ tiêu tài chính được lượng hóa bằng các hệ số. Mô hình sử dụng phương pháp hồi quy dựa trên cơ sở dữ liệu trong quá khứ và từ đó đưa ra dự báo cho tương lai (Robert J.

Elliott, Tak Kuen Siu, Eric S. Các biến thiên của mô hình Altman Z – score: + Chỉ số Z được xây dựng bởi Edward I. Altman (1968), Đại Học New York, dựa vào việc nghiên cứu khá công phu trên số lượng lớn các công ty khác nhau tại Mỹ. Chỉ số Z là công cụ được cả hai giới học thuật và thực hành, công nhận và sử dụng rộng rãi nhất trên thế giới.

Mặc dù chỉ số Z được phát minh tại Mỹ, nhưng hầu hết các nuớc vẫn có thể sử dụng với độ tin cậy khá cao như Mexico, Indian. Chỉ số này dựa trên phương pháp thống kê với công cụ phân tích biệt số đa yếu tố (MDA). + Chỉ số Z bao gồm 5 tỷ số X1, X2, X3, X4, X5 với các hệ số không thay đổi LUAN VAN CHAT LUONG download : add [e-mail] 7 Chỉ số Z bao gồm 5 tỷ số X1, X2, X3, X4, X5: Chỉ số Z bao gồm 5 tỷ số X1, X2, X3, X4, X5: Vốn lưu động X1= Tổng tài sản Vốn lưu động = tài sản ngắn hạn - nợ ngắn hạn Những khoản thua lỗ trong hoạt động kinh doanh sẽ làm giảm tỷ số X1 Lợi nhuận giữ lại X2 = Tổng tài sản Tỷ số này đo lường lợi nhuận giữ lại tích lũy qua thời gian. Sự trưởng thành của công ty cũng được đánh giá qua tỷ số này.

Các công ty mới thành lập thường có tỷ số này thấp vì chưa có thời gian để tích lũy lợi nhuận. Theo một nghiên cứu của Robert J. Elliott, Tak Kuen Siu, Eric S. Fung, 2014, khoảng 50% công ty phá sản chỉ hoạt động trong 5 năm.

EBIT X3 = Tổng tài sản Sự tồn tại và khả năng trả nợ của công ty sau cùng đều dựa trên khả năng tạo ra lợi nhuận từ các tài sản. Vì vậy, tỷ số này, theo Atlman thể hiện tốt hơn các thước đo tỷ suất sinh lợi. Giá thị sổ sách của vốn chủ sở hữu X4 = Giá trị sổ sách của nợ Nợ = nợ ngắn hạn + nợ dài hạn Vốn cổ phần = cổ phần thường + cổ phần ưu đãi Tỷ số này cho biết giá trị tài sản của công ty sụt giảm bao nhiêu lần trước khi công ty lâm vào tình trạng mất khả năng thanh toán. Đây là một phiên bản đã được sửa đổi của một trong các biến được Fisher sử dụng khi nghiên cứu tỷ LUAN VAN CHAT LUONG download : add [e-mail] 8 suất sinh lợi của trái phiếu (1959).

Nếu tỷ số này thấp hơn 1/3 thì xác suất công ty phá sản là rất cao. Đối với công ty chưa cổ phần hóa thì giá trị thị trường được thay bằng giá trị sổ sách của vốn cổ phần.