Luận án nghiên cứu các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng hợp tác xã việt nam

Nghiên cứu các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng hợp tác xã Việt Nam, cung cấp cái nhìn sâu sắc và giải pháp.

• Trường học: Ngân hàng Hợp tác xã Việt Nam
• Chuyên ngành: Tín dụng
• Đề tài: Yếu Tố Ảnh Hưởng Đến Khả Năng Vỡ Nợ Của Khách Hàng Cá Nhân Tại Ngân Hàng Hợp Tác Xã Việt Nam
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2019
• Địa điểm: Việt Nam

Mục lục chi tiết

• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ THUYẾT CÁC YẾU TỐ ẢNH HƯỞNG TỚI KHẢ NĂNG VỠ NỢ CỦA KHÁCH HÀNG CÁ NHÂN
• 1.1. Tổng quan nghiên cứu
• 1.1.1. Các nghiên cứu nước ngoài về các yếu tố ảnh hưởng lên khả năng vỡ nợ của khách hàng
• 1.1.2. Các nghiên cứu trong nước về các yếu tố ảnh hưởng lên khả năng vỡ nợ của khách hàng
• 2. CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU
• 4. CHƯƠNG 4: KẾT LUẬN VÀ KHUYẾN NGHỊ
• PHỤ LỤC
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan nghiên cứu

Nghiên cứu về khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng hợp tác xã Việt Nam đã thu hút sự quan tâm lớn từ các nhà nghiên cứu. Hoạt động cho vay của ngân hàng không chỉ giúp duy trì hoạt động kinh doanh mà còn góp phần giải quyết vấn đề đói nghèo. Tuy nhiên, rủi ro tín dụng từ việc khách hàng vay vốn không trả nợ đúng hạn đã trở thành một thách thức lớn. Theo báo cáo, tỷ lệ nợ xấu tại các ngân hàng Việt Nam đã tăng đáng kể trong những năm gần đây, điều này cho thấy sự cần thiết phải đánh giá các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân. Các nghiên cứu trước đây đã chỉ ra rằng, thu nhập, lịch sử tín dụng, và các yếu tố nhân khẩu học như giới tính và độ tuổi có tác động lớn đến khả năng trả nợ. Những yếu tố này không chỉ ảnh hưởng đến khả năng vỡ nợ mà còn đến quyết định cho vay của ngân hàng.

1.1. Các nghiên cứu nước ngoài

Nhiều nghiên cứu quốc tế đã chỉ ra rằng các yếu tố như thu nhập, tình trạng hôn nhân, và trình độ học vấn có ảnh hưởng lớn đến khả năng trả nợ của khách hàng cá nhân. Ví dụ, nghiên cứu của Abid và cộng sự (2018) cho thấy mô hình Logistic có khả năng dự đoán tốt hơn so với các mô hình khác trong việc phân loại khách hàng có khả năng vỡ nợ. Mensah (2013) cũng chỉ ra rằng lãi suất cho vay và rủi ro đạo đức là những yếu tố quan trọng ảnh hưởng đến khả năng vỡ nợ. Những nghiên cứu này cung cấp cơ sở lý thuyết vững chắc cho việc phân tích các yếu tố ảnh hưởng đến khả năng vỡ nợ tại ngân hàng hợp tác xã Việt Nam.

1.2. Các nghiên cứu trong nước

Tại Việt Nam, nghiên cứu của Đào Thị Thanh Bình (2019) đã xây dựng mô hình chấm điểm tín dụng cho khách hàng cá nhân vay tiêu dùng. Mô hình này sử dụng các biến như học vấn, nghề nghiệp, và thu nhập để đánh giá khả năng trả nợ. Kết quả cho thấy rằng các yếu tố này có ảnh hưởng đáng kể đến khả năng vỡ nợ của khách hàng cá nhân. Điều này cho thấy sự cần thiết phải áp dụng các mô hình phân tích hiện đại để đánh giá rủi ro tín dụng tại ngân hàng hợp tác xã Việt Nam.

II. Các yếu tố ảnh hưởng đến khả năng vỡ nợ

Nghiên cứu đã chỉ ra rằng có nhiều yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng hợp tác xã Việt Nam. Đầu tiên, tình hình tài chính của khách hàng, bao gồm thu nhập và chi tiêu hàng tháng, đóng vai trò quan trọng trong việc xác định khả năng trả nợ. Khách hàng có thu nhập ổn định và chi tiêu hợp lý thường có khả năng trả nợ cao hơn. Thứ hai, lịch sử tín dụng cũng là một yếu tố quyết định. Những khách hàng có lịch sử trả nợ tốt sẽ được đánh giá cao hơn trong việc cho vay. Thứ ba, các yếu tố nhân khẩu học như độ tuổi, giới tính và tình trạng hôn nhân cũng có ảnh hưởng lớn đến khả năng trả nợ. Nghiên cứu cho thấy rằng những khách hàng trẻ tuổi có xu hướng gặp khó khăn hơn trong việc trả nợ so với những khách hàng lớn tuổi hơn.

2.1. Tình hình tài chính

Tình hình tài chính của khách hàng cá nhân là yếu tố quan trọng nhất ảnh hưởng đến khả năng trả nợ. Khách hàng có thu nhập cao và ổn định thường có khả năng trả nợ tốt hơn. Ngược lại, những khách hàng có thu nhập thấp hoặc không ổn định dễ gặp khó khăn trong việc thanh toán các khoản vay. Theo nghiên cứu, tỷ lệ nợ xấu thường cao hơn ở những khách hàng có thu nhập thấp, điều này cho thấy sự cần thiết phải đánh giá kỹ lưỡng tình hình tài chính của khách hàng trước khi quyết định cho vay.

2.2. Lịch sử tín dụng

Lịch sử tín dụng là một yếu tố quan trọng trong việc đánh giá khả năng trả nợ của khách hàng cá nhân. Những khách hàng có lịch sử trả nợ tốt thường được ngân hàng đánh giá cao hơn và có khả năng được cấp tín dụng dễ dàng hơn. Ngược lại, những khách hàng có lịch sử tín dụng xấu sẽ gặp khó khăn trong việc vay vốn. Nghiên cứu cho thấy rằng việc theo dõi lịch sử tín dụng của khách hàng là cần thiết để giảm thiểu rủi ro cho ngân hàng.

III. Phương pháp nghiên cứu

Luận án sử dụng cả phương pháp nghiên cứu định tính và định lượng để đánh giá các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng hợp tác xã Việt Nam. Phương pháp định tính bao gồm phỏng vấn các chuyên gia trong lĩnh vực tài chính để thu thập ý kiến và kinh nghiệm thực tiễn. Phương pháp định lượng sử dụng các mô hình hồi quy để phân tích dữ liệu thu thập được từ khách hàng. Các mô hình như Logistic, Probit, và Random Forest được áp dụng để so sánh hiệu quả dự đoán khả năng vỡ nợ. Kết quả từ các phương pháp này sẽ cung cấp cái nhìn sâu sắc về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng.

3.1. Phương pháp định tính

Phương pháp định tính được sử dụng để thu thập thông tin từ các chuyên gia trong lĩnh vực tài chính. Các cuộc phỏng vấn này giúp làm rõ các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân. Những ý kiến từ các chuyên gia sẽ cung cấp cái nhìn sâu sắc về thực trạng và các thách thức mà ngân hàng đang đối mặt trong việc quản lý rủi ro tín dụng.

3.2. Phương pháp định lượng

Phương pháp định lượng sử dụng các mô hình hồi quy để phân tích dữ liệu thu thập từ khách hàng. Các mô hình như Logistic, Probit, và Random Forest được áp dụng để so sánh hiệu quả dự đoán khả năng vỡ nợ. Kết quả từ các mô hình này sẽ giúp ngân hàng có cái nhìn rõ hơn về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng, từ đó đưa ra các quyết định cho vay hợp lý.

IV. Kết luận và khuyến nghị

Nghiên cứu đã chỉ ra rằng có nhiều yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng hợp tác xã Việt Nam. Để giảm thiểu rủi ro vỡ nợ, ngân hàng cần xây dựng hệ thống đánh giá tín dụng chặt chẽ hơn, bao gồm việc xem xét tình hình tài chính, lịch sử tín dụng và các yếu tố nhân khẩu học của khách hàng. Đồng thời, ngân hàng cũng nên tăng cường công tác giáo dục tài chính cho khách hàng để nâng cao nhận thức về quản lý nợ. Những khuyến nghị này không chỉ giúp giảm thiểu rủi ro cho ngân hàng mà còn góp phần nâng cao hiệu quả hoạt động tín dụng.

4.1. Khuyến nghị cho ngân hàng

Ngân hàng cần xây dựng hệ thống đánh giá tín dụng chặt chẽ hơn, bao gồm việc xem xét tình hình tài chính và lịch sử tín dụng của khách hàng. Việc này sẽ giúp ngân hàng giảm thiểu rủi ro vỡ nợ và nâng cao hiệu quả cho vay. Đồng thời, ngân hàng cũng nên tăng cường công tác giáo dục tài chính cho khách hàng để nâng cao nhận thức về quản lý nợ.

4.2. Khuyến nghị cho khách hàng

Khách hàng cần nâng cao nhận thức về quản lý tài chính cá nhân, bao gồm việc lập kế hoạch chi tiêu hợp lý và duy trì lịch sử tín dụng tốt. Việc này không chỉ giúp khách hàng có khả năng vay vốn dễ dàng hơn mà còn giảm thiểu rủi ro vỡ nợ trong tương lai.

Nội dung chính

Tổng quan luận án

Luận án tiến sĩ với đề tài "Nghiên cứu các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại Ngân hàng Hợp tác xã Việt Nam" được thực hiện trong bối cảnh hoạt động tín dụng bán lẻ và cho vay khách hàng cá nhân (KHCN) ngày càng chiếm tỷ trọng lớn trong hệ thống ngân hàng thương mại, đồng thời tiềm ẩn mức độ rủi ro tín dụng cao nhất. Báo cáo tài chính cho thấy tỷ lệ nợ xấu của 22 ngân hàng tại Việt Nam vào năm 2019 đạt khoảng 78,5 nghìn tỷ đồng, tăng 41% so với năm 2018; trong đó một số ngân hàng ghi nhận tốc độ tăng nợ xấu lớn như Ngân hàng Tiên Phong (tăng 43,39%) và Ngân hàng Đại Dương (tăng 80,10%). Đối với Ngân hàng Hợp tác xã Việt Nam (Ngân hàng HTX), áp lực quản trị điều hành nhằm đạt mục tiêu hạ tỷ lệ nợ xấu xuống dưới 3% vào cuối năm 2020 theo quy định của Ngân hàng Nhà nước đặt ra yêu cầu cấp thiết phải nhận diện, đánh giá chính xác các yếu tố tác động đến khả năng vỡ nợ và thiết lập hệ thống cảnh báo sớm.

Khoảng trống nghiên cứu được tác giả xác định xuất phát từ thực tế: mặc dù các nghiên cứu quốc tế và trong nước đã xem xét khả năng trả nợ của KHCN ở nhiều góc độ, nhưng chưa có công trình nào thực hiện chuyên biệt tại Ngân hàng Hợp tác xã Việt Nam – một định chế tài chính có mô hình hoạt động đặc thù trong bối cảnh nền kinh tế đang phát triển. Bên cạnh đó, các nghiên cứu trước đây tại Việt Nam còn thiếu vắng việc thử nghiệm và so sánh đồng thời giữa các phương pháp ước lượng kinh tế lượng truyền thống (Logistic, Probit) với các mô hình học máy (Mạng thần kinh nhân tạo - ANN, Random Forest) để lựa chọn mô hình dự báo vỡ nợ tối ưu.

Mục tiêu nghiên cứu: Mục tiêu tổng quát của luận án là xác định các yếu tố ảnh hưởng tới khả năng trả được nợ hoặc vỡ nợ của KHCN tại Ngân hàng HTX Việt Nam, đồng thời phân tích, so sánh các mô hình dự báo nhằm tìm kiếm mô hình ước lượng phù hợp. Để đạt được mục tiêu chung, tác giả xác định 5 mục tiêu cụ thể:

1. Hệ thống hóa cơ sở lý thuyết liên quan tới hoạt động tín dụng KHCN tại các tổ chức tín dụng.
2. Tổng hợp, phân tích, đánh giá các nghiên cứu thực nghiệm trước nhằm tham khảo và xây dựng mô hình nghiên cứu của luận án.
3. Xây dựng mô hình nghiên cứu đánh giá các yếu tố ảnh hưởng đến khả năng trả nợ/vỡ nợ của KHCN tại Ngân hàng HTX Việt Nam.
4. Phân tích và so sánh các mô hình ước lượng dự báo về khả năng vỡ nợ (Logit, Probit, ANN, Random Forest) để xác định mô hình dự báo tham khảo phù hợp cho hoạt động tín dụng của Ngân hàng HTX Việt Nam.
5. Đề xuất hệ thống giải pháp và khuyến nghị đối với các tổ chức liên quan nhằm giảm thiểu khả năng vỡ nợ của khách hàng và nâng cao hiệu quả hoạt động tín dụng KHCN tại Ngân hàng HTX Việt Nam.

Câu hỏi nghiên cứu: Luận án được thiết kế để trả lời 4 câu hỏi nghiên cứu:

• Một là: Những cơ sở lý thuyết nào giải thích về các yếu tố ảnh hưởng tới khả năng vỡ nợ của KHCN tại Ngân hàng HTX Việt Nam?
• Hai là: Có sự khác biệt nào về ảnh hưởng của các yếu tố ở các mô hình ước lượng khác nhau lên khả năng vỡ nợ của KHCN?
• Ba là: Mô hình dự báo nào cho kết quả dự báo tốt nhất về khả năng vỡ nợ của khách hàng dựa trên bộ dữ liệu nghiên cứu?
• Bốn là: Những khuyến nghị nào giúp giảm khả năng vỡ nợ của khách hàng cũng như nâng cao hiệu quả hoạt động tín dụng KHCN ở Ngân hàng HTX Việt Nam?

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Tác động của các yếu tố thuộc về đặc điểm cá nhân, điều kiện sống, năng lực tài chính và hành vi đến khả năng vỡ nợ của khách hàng cá nhân.
• Phạm vi nghiên cứu: Tập trung vào khách hàng cá nhân vay vốn tại Ngân hàng Hợp tác xã Việt Nam. Dữ liệu thực trạng hoạt động cho vay và các biến số nghiên cứu được thu thập đến thời điểm cuối năm 2019, bao quát toàn bộ lịch sử tín dụng từ các khoản vay ngắn hạn, trung hạn đến dài hạn phát sinh từ năm 2014 đã đến ngày đáo hạn.

---

Tổng quan tài liệu và vị trí của luận án

Tổng quan tài liệu của luận án được chia thành ba nhóm hướng nghiên cứu chính:

1. Các nghiên cứu quốc tế về yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng

• Đặc điểm nhân khẩu học và xã hội: Mathews & Slocum (1969) chỉ ra khách hàng có thu nhập thấp và địa vị xã hội thấp sử dụng nợ vay kém hiệu quả và có xác suất trả nợ thấp hơn. Livingstone & Lunt (1992) kết hợp phân tích biệt số (DA) và hồi quy bội, ghi nhận thu nhập và các yếu tố tâm lý/thái độ đóng vai trò quyết định khả năng trả nợ. Dunn & Kim (1999) sử dụng mô hình Logit trên 500 hộ gia đình tại Ohio, nhận thấy tuổi tác, tình trạng hôn nhân và số con có liên hệ mật thiết với vỡ nợ tín dụng, trong khi học vấn và sở hữu nhà không thể hiện tác động rõ ràng. Ozdemir (2004) nghiên cứu tại Thổ Nhĩ Kỳ, kết luận các biến tài chính (lãi suất, thời hạn vay) giải thích tốt rủi ro vỡ nợ hơn các biến nhân khẩu học. Peter & Peter (2006) khảo sát 3.431 hộ gia đình tại Úc, chứng minh hộ gia đình trẻ tuổi, thu nhập thấp, học vấn thấp và ly hôn có nguy cơ vỡ nợ cao hơn. Agarwal và cộng sự (2009) khảo sát hơn 170.000 chủ thẻ tín dụng, chỉ ra khách hàng kết hôn, có nhà riêng, nhóm trẻ nhất (≤30 tuổi) và già nhất (≥60 tuổi) có rủi ro vỡ nợ thấp nhất; thu nhập và tài sản cao làm giảm tỷ lệ vỡ nợ lần lượt 17% và 22%.
• Đặc điểm hợp đồng và việc làm: Arminger và cộng sự (1997) khảo sát 8.163 quan sát tại Đức, ghi nhận người trưởng thành, có ô tô, có thâm niên công tác, có gia đình và nữ giới trả nợ tốt hơn. Jacobson & Roszbach (2003) phân tích 13.338 hồ sơ vay tiêu dùng tại Thụy Điển bằng mô hình Probit, lọc từ 57 biến xuống 16 biến có ý nghĩa, xác định tuổi, thu nhập, biến động thu nhập và điều kiện miễn thế chấp tác động mạnh tới khả năng vỡ nợ. Kočenda & Vojtek (2011) kết hợp cây phân loại CART và Logit trên 3.403 quan sát tại Cộng hòa Séc, chỉ ra tài nguyên sở hữu, học vấn, tình trạng hôn nhân, mục đích vay và thâm niên tài khoản là các biến giải thích quan trọng nhất. Ojiako & Ogbukwa (2012) khảo sát 110 hộ nông dân tại Nigeria, xác định quy mô hộ tác động ngược chiều, còn quy mô đất nông nghiệp và số tiền vay tác động cùng chiều lên khả năng trả nợ. Dufhues và cộng sự (2011) so sánh Thái Lan (467 hộ - học vấn và giá trị đầu tư tác động cùng chiều) và Việt Nam (198 hộ - quy mô khoản vay và dân tộc tác động cùng chiều). Mensah (2013) nghiên cứu tại Ghana, ghi nhận lãi suất, rủi ro đạo đức, vay quá mức và thiếu tài sản thế chấp làm tăng vỡ nợ.

2. Các nghiên cứu tại Việt Nam

• Đinh Thị Huyền Thanh & Kleimeier (2007) dùng mô hình hồi quy Logistic trên 56.037 quan sát tại một NHTM Việt Nam, rút ra 16 biến có ý nghĩa giải thích xác suất vỡ nợ, nổi bật là thâm niên giao dịch, giới tính, số khoản vay và thời hạn vay.
• Phạm Thị Thu Trà & Robert Lensink (2008) phân tích dữ liệu hộ gia đình Việt Nam, đối chiếu tín dụng chính thức, phi chính thức và bán chính thức; nhận thấy vay phi chính thức có rủi ro vỡ nợ cao hơn, trong khi việc vay người thân giúp giảm xác suất vỡ nợ.
• Lê Văn Triết (2010) sử dụng thống kê mô tả tại Ngân hàng TMCP Á Châu (ACB), ghi nhận độ tuổi trung bình của khách hàng nợ xấu là 35 tuổi.
• Hoàng Thị Kim Diễm (2012) áp dụng mô hình Logit trên 137 khách hàng tại BIDV Nam Sài Gòn, xác định giới tính, thuê nhà, tình trạng hôn nhân, thời gian cư trú và tiết kiệm hàng tháng tác động ngược chiều đến khả năng trả nợ.
• Nguyễn Quốc Nghi (2013) dùng mô hình Probit trên 202 hộ nông nghiệp tại Agribank Hậu Giang, xác định thu nhập hàng tháng, học vấn, thời gian tiếp xúc ngân hàng, thông tin tiếp cận thị trường và mục đích vay có ảnh hưởng ý nghĩa tới việc trả nợ đúng hạn.
• Đường Thị Thanh Hải (2014) hệ thống hóa các đặc điểm tín dụng cá nhân và phân loại nhóm nhân tố ảnh hưởng từ phía ngân hàng, khách hàng và môi trường bên ngoài.
• Đào Thị Thanh Bình (2019) ứng dụng mô hình phân tích biệt số (DA) theo phương pháp FICO cho vay tiêu dùng tại Việt Nam với 5 biến (học vấn, nghề nghiệp, thu nhập, số người phụ thuộc, tài khoản), đạt tỷ lệ phân loại chính xác 89,4%.

3. Các nghiên cứu so sánh mô hình dự báo và kỹ thuật học máy

• Bennell và cộng sự (2006) chứng minh Mạng thần kinh nhân tạo (ANN) vượt trội hơn mô hình Probit trong dự báo xếp hạng tín dụng giai đoạn 1989–1999.
• Finch & Schneider (2007) so sánh ANN với DA và hồi quy Logistic, kết luận ANN hoạt động tương đồng với hồi quy Logistic và phân tích phân biệt tuyến tính.
• Pacelli & Azzollini (2011) nghiên cứu tại Ý, chỉ ra ANN có khả năng thích ứng với các mối quan hệ phi tuyến phức tạp và khuyến nghị kết hợp ANN với Logistic/Probit.
• Zhang (2011) ứng dụng mạng nơ-ron lan truyền ngược (BP-ANN) để dự báo vỡ nợ tại các NHTM Trung Quốc với độ chính xác cao.
• Booth và cộng sự (2014) chỉ ra mô hình Random Forest vượt trội về độ chính xác dự đoán so với các kỹ thuật hồi quy khác.
• Khemakhem & Boujelbene (2015) khảo sát 86 định chế tài chính Tunisia (2005–2007), xác nhận ANN có độ chính xác cao hơn phân tích biệt số DA.
• Abid và cộng sự (2018) so sánh hồi quy Logistic (đạt độ chính xác 99%) và phân tích biệt số DA (chỉ đạt 68,49%, tỷ lệ lỗi 31,51%) trên dữ liệu ngân hàng thương mại giai đoạn 2010–2012.
• Kvamme và cộng sự (2018) chỉ ra Random Forest đạt chỉ số ROC-AUC (0,926) cao hơn so với ANN (0,918) trong dự đoán vỡ nợ thế chấp.

Tác giả (Năm)	Tên đề tài / Hướng nghiên cứu	Phương pháp sử dụng	Kết quả chính
Abid et al. (2018)	Dự báo thanh toán mặc định cho vay tiêu dùng	Mô hình Logit, Phân tích biệt số (DA)	Logit đạt độ chính xác 99%, DA đạt 68,49% (tỷ lệ lỗi 31,51%).
Mensah (2013)	Mối quan hệ mức độ vỡ nợ và lịch trả nợ	Hồi quy đa biến	Không có quan hệ giữa vỡ nợ và lịch trả nợ; lãi suất, rủi ro đạo đức, tài sản thế chấp có tác động mạnh.
Ojiako & Ogbukwa (2012)	Khả năng trả nợ của nông dân hợp tác xã tại Nigeria	Hồi quy Logit, tương quan	Quy mô hộ (-) ; Diện tích đất nông nghiệp (+) ; Số tiền vay (+) ảnh hưởng tới khả năng trả nợ.
Dufhues et al. (2011)	Khả năng trả nợ tín dụng tại Thái Lan và Việt Nam	Mô hình Logit, phân tích cụm	Thái Lan: học vấn (+), giá trị đầu tư (+). Việt Nam: quy mô khoản vay (+), dân tộc (+) tác động cùng chiều.
Kocenda & Vojtek (2011)	Dự đoán vỡ nợ trong chấm điểm tín dụng bán lẻ tại Séc	Cây phân loại CART, Mô hình Logit	Tài nguyên sở hữu, học vấn, tình trạng hôn nhân, mục đích vay, thâm niên tài khoản là biến quan trọng nhất.
Peter & Peter (2006)	Mô hình quản lý rủi ro vỡ nợ hộ gia đình tại Úc	Mô hình Logit	Tuổi trẻ, thu nhập thấp, ít học vấn, ly hôn làm tăng xác suất vỡ nợ.
Agarwal et al. (2009)	Đặc điểm thông tin cá nhân và khả năng vỡ nợ	Dữ liệu bảng (Panel data), Bán tham số	Chuyển nhà tăng vỡ nợ; kết hôn, sở hữu nhà, thu nhập và tài sản cao làm giảm đáng kể nguy cơ vỡ nợ.
Arminger et al. (1997)	Phân tích rủi ro tín dụng tiêu dùng tại Đức	Logit, Feedforward Network, Cây phân loại	Khả năng trả nợ tốt gắn với người trưởng thành, có ô tô, có thâm niên công tác, có gia đình, nữ giới.
Jacobson & Roszbach (2003)	Chấm điểm tín dụng và giá trị rủi ro tại Thụy Điển	Mô hình Probit	Tuổi tác, thu nhập, biến động thu nhập và điều kiện miễn thế chấp tác động đáng kể đến vỡ nợ.
Đinh Thị Huyền Thanh & Kleimeier (2007)	Chấm điểm tín dụng ngân hàng bán lẻ tại Việt Nam	Hồi quy Logistic	Mô hình tối ưu gồm 16 biến có ý nghĩa (thâm niên giao dịch, giới tính, số khoản vay, thời hạn vay...).
Đào Thị Thanh Bình (2019)	Mô hình chấm điểm tín dụng KHCN tiêu dùng tại Việt Nam	Phân tích biệt số (DA)	Mô hình đạt độ chính xác 89,4%; số người phụ thuộc và tài khoản đóng góp lớn nhất vào dự báo.
Kvamme et al. (2018)	Dự đoán vỡ nợ thế chấp	ANN, Random Forest	Random Forest đạt ROC-AUC 0,926, cao hơn mô hình ANN (0,918).
Booth et al. (2014)	Giao dịch tự động và dự báo	Random Forest, Logit	Random Forest vượt trội về lợi nhuận và độ chính xác dự đoán.
Pacelli & Azzollini (2011)	Quản lý rủi ro tín dụng tại Ý	ANN, DA, Logit	Mạng nơ-ron hỗ trợ xử lý phi tuyến tốt hơn; khuyến nghị phối hợp ANN với Logistic/Probit.

Vị trí của luận án: Luận án giải quyết khoảng trống về đối tượng nghiên cứu thực tiễn tại Ngân hàng HTX Việt Nam, đồng thời thực hiện kiểm định so sánh đa mô hình (Logit, Probit, ANN, Random Forest) trên thiết kế tách mẫu thực nghiệm (mẫu ước lượng và mẫu kiểm tra ngoài mẫu).

---

Cơ sở lý thuyết và phương pháp nghiên cứu

1. Cơ sở lý thuyết và khung phân tích

• Khái niệm tín dụng ngân hàng: Căn cứ Điều 20 Luật Các tổ chức tín dụng năm 2010, cấp tín dụng là việc thỏa thuận để khách hàng sử dụng một khoản tiền với nguyên tắc hoàn trả. Luận án tổng hợp các định nghĩa của Hồ Diệu (2011), Hồ Hoàng Triệu (2019), Nguyễn Minh Tiến (2012) và Nguyễn Đăng Đờn (2013), xác định tín dụng ngân hàng là quan hệ chuyển nhượng quyền sử dụng vốn/tài sản có hoàn trả cả gốc và lãi kèm chi phí sau một thời hạn xác định dựa trên sự tín nhiệm.
• Đặc trưng và phân loại tín dụng: Tín dụng gồm 5 đặc trưng: (1) Có chủ thể cho vay, đi vay và bên bảo lãnh; (2) Đối tượng là tiền tệ hoặc tài sản; (3) Dựa trên cơ sở niềm tin và hoàn trả vô điều kiện; (4) Giá trị hoàn trả lớn hơn giá trị cho vay; (5) Luôn tiềm ẩn rủi ro. Phân loại theo thời gian (ngắn, trung, dài hạn), mục đích (sản xuất kinh doanh, tiêu dùng), phương thức hoàn trả (một lần, trả góp), bảo đảm (có bảo đảm, không bảo đảm), xuất xứ (trực tiếp, gián tiếp) và thành phần kinh tế (định chế tài chính, doanh nghiệp, cá nhân).
• Rủi ro tín dụng và tác động vỡ nợ: Rủi ro tín dụng là khả năng tổn thất khi khách hàng không thực hiện hoặc không có khả năng thực hiện nghĩa vụ trả nợ (Allen & Saunders, 2002; Breuer et al., 2010). Vỡ nợ dẫn đến suy giảm an toàn vốn (Garderner, 2007), suy giảm thanh khoản (Berger & Bouwman, 2013), giảm lợi nhuận và tiềm năng cho vay trong tương lai (Karim et al., 2010; Nawaz et al., 2002).
• Các hệ thống và mô hình chấm điểm tín dụng:
  • FICO (Fair Isaac Corporation): Thang điểm 300–850, đánh giá 5 thành phần: Lịch sử trả nợ (35%), Dư nợ tại các TCTD (30%), Độ dài lịch sử tín dụng (15%), Tín dụng mới (10%), Loại hình tín dụng sử dụng (10%).
  • Credit Sesame: Thang điểm 360–840 dựa trên Experian: Lịch sử thanh toán (35%), Dư nợ (30%), Lịch sử tín dụng (15%), Đơn xin cấp mới (10%), Khoản vay bán lẻ/trả góp/mua xe/thế chấp (10%).
  • VantageScore: Thang điểm 501–990 (chia 5 mức A: 901–990, B: 801–900, C: 710–800, D: 601–700, F: 501–600) gồm: Lịch sử thanh toán (32%), Tình trạng sử dụng tín dụng (23%), Số dư có (15%), Độ sâu tín dụng (13%), Tín dụng gần đây (10%), Mức tín dụng sẵn có (7%).
  • Mô hình Kleimeier: Gồm 20 biến số tập trung vào chỉ tiêu phi tài chính và quan hệ ngân hàng.
  • Hệ thống xếp hạng tín dụng tại BIDV: Nhóm thông tin nhân thân (trọng số 0,4) gồm 10 chỉ tiêu (độ tuổi, học vấn, tiền án tiền sự, cư trú, số người phụ thuộc, cơ cấu gia đình, bảo hiểm nhân thọ, tính chất công việc, thời gian công tác, rủi ro nghề nghiệp) và nhóm quan hệ ngân hàng (trọng số 0,6) gồm 4 chỉ tiêu (thu nhập ròng, tỷ lệ trả nợ/thu nhập, tình hình trả nợ gốc lãi, tiền gửi/dịch vụ khác). Xếp hạng từ AAA (95–100 điểm, rủi ro thấp) đến D (<35 điểm, rủi ro cao).
• Bốn hạn chế của hệ thống chấm điểm tín dụng KHCN hiện hành: (1) Tiêu chí còn nặng tính định tính, thiếu cập nhật định lượng; (2) Độ chính xác dự báo chưa cao, tiềm ẩn sai sót phân loại; (3) Khó phát hiện hành vi gian lận; (4) Chỉ phản ánh mức độ tín nhiệm tại thời điểm cấp tín dụng, thiếu tính chất dự báo xu hướng tương lai.

2. Phương pháp nghiên cứu

• Thiết kế nghiên cứu hỗn hợp: Kết hợp nghiên cứu định tính (phỏng vấn chuyên gia tín dụng để hiệu chỉnh tiền mô hình và tham vấn giải thích kết quả hồi quy) và nghiên cứu định lượng (thống kê mô tả, phân tích hồi quy, so sánh mô hình học máy).
• Mô hình kinh tế lượng tổng quát: $$\text{DL}i = \beta_0 + \sum{k=1}^{K} \beta_k X_{ki} + \epsilon_i$$ Trong đó, biến phụ thuộc $\text{DL}_i$ nhận giá trị 1 nếu khách hàng vỡ nợ (không trả được nợ) và 0 nếu không vỡ nợ (trả được nợ đầy đủ).
• Kỹ thuật phân tích và phần mềm: Sử dụng phần mềm thống kê SPSS và R để thực hiện hồi quy Logit, Probit, phân tích biệt số, mô hình Mạng thần kinh nhân tạo (ANN) và Random Forest.
• Kỹ thuật tách mẫu kiểm định: Toàn bộ dữ liệu được chia làm 2 tập mẫu độc lập: Mẫu 1 dùng để ước lượng các hệ số tham số của mô hình; Mẫu 2 dùng để kiểm định chéo khả năng dự báo ngoài mẫu (out-of-sample prediction).
• Nguồn dữ liệu và đạo đức nghiên cứu: Dữ liệu thu thập từ hồ sơ tín dụng thực tế của KHCN tại Ngân hàng HTX Việt Nam giai đoạn 2014–2019. Mọi thông tin định danh cá nhân (họ tên, số điện thoại, địa chỉ) được mã hóa và bảo mật, chỉ phục vụ mục đích nghiên cứu học thuật.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan nghiên cứu và cơ sở lý thuyết các yếu tố ảnh hưởng tới khả năng vỡ nợ của KHCN

Chương 1 hệ thống hóa các công trình nghiên cứu trong và ngoài nước về đo lường rủi ro vỡ nợ tín dụng tiêu dùng, phân tích ưu nhược điểm của các kỹ thuật phân tích biệt số, hồi quy Logistic/Probit, mạng nơ-ron nhân tạo (ANN) và Random Forest. Chương này làm rõ lý thuyết nền tảng về tín dụng, rủi ro tín dụng, nguyên nhân và tác động đa chiều của nợ xấu đến thanh khoản, an toàn vốn và lợi nhuận ngân hàng. Tác giả phân tích cấu trúc các hệ thống chấm điểm quốc tế (FICO, Sesame, VantageScore, Kleimeier) và hệ thống nội bộ của NHTM Việt Nam (điển hình là BIDV), chỉ ra 4 hạn chế cố hữu. Trên cơ sở đó, luận án phân loại 4 nhóm nhân tố ảnh hưởng đến vỡ nợ:

1. Nhóm thông tin cá nhân: Tuổi, giới tính, tình trạng hôn nhân, trình độ học vấn, nghề nghiệp, chức vụ, lý lịch tư pháp.
2. Nhóm điều kiện sống: Quy mô hộ gia đình, số người phụ thuộc, phân loại địa phương, đặc điểm nơi cư trú, sở hữu nhà ở/động sản.
3. Nhóm tài chính: Thu nhập, tích lũy tiết kiệm, giá trị tài sản đảm bảo, quy mô khoản vay.
4. Nhóm hành vi: Mối quan hệ với ngân hàng, số lượng và chủng loại dịch vụ sử dụng, số lượng khoản vay, thời hạn hoàn trả, lịch sử trả nợ.

Chương 2: Phương pháp nghiên cứu

Chương 2 thiết lập quy trình nghiên cứu 6 bước: (1) Xác định mục tiêu -> (2) Xác định khoảng trống -> (3) Xây dựng cơ sở lý thuyết -> (4) Thiết lập mô hình nghiên cứu kết hợp phỏng vấn định tính -> (5) Phân tích dữ liệu định lượng (Logit, ANN, Random Forest, kiểm tra trên mẫu độc lập và so sánh) -> (6) Hoàn thiện luận án.

Hệ thống 21 biến độc lập và biến phụ thuộc được xác định cụ thể:

TT	Tên biến	Ký hiệu	Định nghĩa / Đo lường	Đơn vị tính	Kỳ vọng dấu
1	Khả năng vỡ nợ	DL	1: Vỡ nợ (không trả được nợ); 0: Không vỡ nợ (trả được nợ)	Định danh	Phụ thuộc
2	Trình độ học vấn	Edu	Số năm đi học tích lũy	Năm	(-)
3	Giới tính	Gender	1: Nam giới; 0: Nữ giới	Định danh	(-)
4	Tình trạng hôn nhân	Married	1: Đã kết hôn; 0: Khác	Định danh	(-)
5	Lý lịch tư pháp	Lltp	1: Tốt; 0: Không tốt	Định danh	(-)
6	Sở hữu kinh doanh	Shkd	1: Tự sở hữu/Làm chủ; 0: Thuê	Định danh	(-)
7	Tuổi chủ hộ	Age	Số tuổi của khách hàng vay vốn	Năm	(-)
8	Quy mô hộ	Size	Số nhân khẩu trong hộ gia đình	Người	(-)
9	Số người phụ thuộc	Numberdepend	Số lượng người phụ thuộc trong gia đình	Người	(+)
10	Quy mô khoản vay	Number	Tổng số tiền vay vốn	Triệu đồng	(-)
11	Lĩnh vực nghề nghiệp	Job	1: Nông nghiệp; 0: Phi nông nghiệp	Định danh	(-)
12	Chức vụ công việc	POS	1: Lãnh đạo; 2: Trưởng bộ phận; 3: Nhân viên	Thứ bậc	(-)
13	Thời gian làm việc	Time	Thâm niên công tác	Tháng	(-)
14	Loại hình doanh nghiệp	COMP	1: Doanh nghiệp nhà nước; 0: Ngoài nhà nước	Định danh	(+)
15	Thu nhập	Income	Thu nhập bình quân hàng tháng của khách hàng	VNĐ	(-)
16	Thời hạn vay	EXP	1: Ngắn hạn; 2: Trung hạn; 3: Dài hạn	Thứ bậc	(+)
17	Tình hình trả gốc và lãi	SIT	0: Đúng hạn; 1: Trễ hạn 1 lần; 2: Trễ từ 2 lần trở lên	Thứ bậc	(-)
18	Đúng mục đích vay	Obj	1: Sử dụng đúng mục đích; 0: Không đúng	Định danh	(-)
19	Đa dạng hóa nghề nghiệp	Dobj	1: Chỉ 1 ngành nghề; 0: Từ 2 ngành nghề trở lên	Định danh	(-)
20	Tài sản đảm bảo	ASS	1: Bất động sản; 0: Động sản	Định danh	(-)
21	Tỷ lệ trả hàng tháng	Pay_income	Tỷ lệ số tiền phải trả hàng tháng / Thu nhập hàng tháng	Tỷ lệ %	(+)
22	Tham gia BHNT	BHNT	1: Có tham gia bảo hiểm nhân thọ; 0: Không tham gia	Định danh	(-)

Chương này cũng thiết lập các giả thuyết nghiên cứu chính: $H_1$ (Trình độ học vấn tác động ngược chiều lên khả năng vỡ nợ), $H_2$ (Giới tính nam tác động ngược chiều lên khả năng vỡ nợ), $H_3$ (Tình trạng đã kết hôn tác động ngược chiều lên khả năng vỡ nợ), $H_4$ (Lý lịch tư pháp tốt tác động ngược chiều lên khả năng vỡ nợ).

Chương 3: Kết quả nghiên cứu

Chương 3 trình bày các kết quả thực nghiệm thu được từ quá trình xử lý dữ liệu KHCN tại Ngân hàng HTX Việt Nam:

• Thống kê mô tả toàn diện cơ cấu mẫu theo các đặc trưng nhân khẩu học, thu nhập, thời hạn vay và lịch sử thanh toán.
• Kết quả ước lượng hồi quy đơn biến và hồi quy đa biến đối với mô hình Logit và Probit nhằm xác định độ nhạy và mức độ tác động của từng biến độc lập tới xác suất vỡ nợ.
• Kết quả huấn luyện và kiểm thử thuật toán Mạng thần kinh nhân tạo (ANN) và Random Forest trên tập dữ liệu Mẫu 1 và Mẫu 2.
• Bảng so sánh các chỉ số hiệu năng phân loại (độ chính xác, tỷ lệ phân loại sai, đường cong ROC và diện tích dưới đường cong ROC-AUC) giữa các mô hình kinh tế lượng truyền thống và mô hình học máy.

Chương 4: Kết luận và khuyến nghị

Chương 4 tổng kết các phát hiện thực nghiệm, đối chiếu với các mục tiêu và câu hỏi nghiên cứu ban đầu. Tác giả đề xuất hệ thống giải pháp quản trị rủi ro tín dụng KHCN cho Ngân hàng HTX Việt Nam, trọng tâm là:

• Hoàn thiện quy trình thẩm định hồ sơ dựa trên việc nhận diện các biến số có ý nghĩa thống kê cao.
• Xây dựng mô hình chấm điểm tín dụng nội bộ ứng dụng thuật toán có khả năng dự báo tối ưu nhằm kiểm soát tỷ lệ nợ xấu dưới ngưỡng 3%.
• Tăng cường cơ chế giám sát sau giải ngân, kiểm soát chặt chẽ mục đích sử dụng vốn vay và tài sản bảo đảm.

---

Kết quả và những đóng góp mới

1. Đóng góp về mặt khoa học (Lý luận)

• Luận án xây dựng mô hình phân tích toàn diện gồm 21 biến số thuộc 4 nhóm nhân tố (thông tin cá nhân, điều kiện sống, tài chính, hành vi) giải thích xác suất vỡ nợ của KHCN tại một ngân hàng có tính chất hợp tác xã ở quốc gia đang phát triển.
• Thực hiện so sánh thực nghiệm một cách hệ thống giữa các mô hình kinh tế lượng (Logit, Probit) và các kỹ thuật học máy hiện đại (ANN, Random Forest), cung cấp bằng chứng khoa học về hiệu quả dự báo của từng thuật toán trên dữ liệu tín dụng bán lẻ tại Việt Nam.
• Đóng góp vào phương pháp luận đánh giá rủi ro tín dụng thông qua quy trình kiểm định tách mẫu (ước lượng trên tập huấn luyện và đánh giá trên tập kiểm tra độc lập).

2. Đóng góp về mặt thực tiễn

• Cung cấp cơ sở dữ liệu thực chứng cho ban điều hành Ngân hàng Hợp tác xã Việt Nam trong việc nhận diện các nhóm khách hàng có xác suất vỡ nợ cao.
• Đề xuất khung mô hình chấm điểm tín dụng nội bộ mới cho Ngân hàng HTX, khắc phục các hạn chế mang tính định tính của hệ thống xếp hạng cũ.
• Hỗ trợ các cán bộ tín dụng tại chi nhánh tối ưu hóa quy trình thẩm định hồ sơ, nâng cao chất lượng danh mục cho vay và kiểm soát nợ xấu theo định hướng của Ngân hàng Nhà nước.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế: Dữ liệu nghiên cứu được giới hạn thu thập tại Ngân hàng Hợp tác xã Việt Nam với các khoản vay kết thúc đến thời điểm cuối năm 2019 (giai đoạn 2014–2019), do đó chưa bao quát tác động của các cú sốc vĩ mô bất thường diễn ra trong các giai đoạn tiếp theo.
• Hướng nghiên cứu tiếp: Mở rộng phạm vi khảo sát sang các ngân hàng thương mại cổ phần khác để so sánh đối chứng; bổ sung các biến số kinh tế vĩ mô (lạm phát, lãi suất thị trường, tăng trưởng kinh tế) vào mô hình dự báo; cập nhật dữ liệu chuỗi thời gian dài hơn để đánh giá sự dịch chuyển của rủi ro tín dụng qua các chu kỳ kinh tế.

---

Giá trị tham khảo

• Đối với nghiên cứu sinh và học viên cao học: Luận án là tài liệu tham khảo chi tiết về quy trình nghiên cứu hỗn hợp trong lĩnh vực tài chính - ngân hàng, đặc biệt là phương pháp thiết lập mô hình kinh tế lượng và kỹ thuật so sánh mô hình học máy (ANN, Random Forest, Logit).
• Đối với giảng viên và nhà nghiên cứu: Cung cấp khung tổng quan tài liệu phong phú với hơn 30 công trình thực nghiệm quốc tế và trong nước về rủi ro tín dụng cá nhân và các hệ thống chấm điểm tín dụng (FICO, VantageScore, Sesame, Kleimeier).
• Đối với nhà quản trị ngân hàng và chuyên viên thẩm định: Phần phân tích bộ chỉ tiêu 21 biến số và hệ thống chấm điểm thực tế (như mô hình BIDV) là căn cứ thực tiễn để xây dựng chính sách tín dụng, quy định hạn mức và xếp hạng khách hàng vay vốn.

---

Câu hỏi thường gặp

1. Mục tiêu nợ xấu của Ngân hàng Hợp tác xã Việt Nam đặt ra đến cuối năm 2020 là bao nhiêu?
Mục tiêu đặt ra là kiểm soát và giảm tỷ lệ nợ xấu xuống dưới 3% vào cuối năm 2020 theo quy định của Ngân hàng Nhà nước.

2. Luận án so sánh những mô hình ước lượng và dự báo nào?
Luận án thực hiện phân tích và so sánh giữa hai mô hình kinh tế lượng truyền thống (Logistic/Logit, Probit) với hai mô hình học máy (Mạng thần kinh nhân tạo - ANN, Random Forest).

3. Dữ liệu thực nghiệm của luận án được thu thập trong khung thời gian nào?
Dữ liệu được thu thập đến thời điểm cuối năm 2019, bao gồm các khoản vay ngắn hạn, trung hạn và dài hạn phát sinh từ năm 2014 đã hoàn tất lịch sử tín dụng tới hạn đáo hạn.

4. Khung mô hình nghiên cứu của luận án bao gồm bao nhiêu biến độc lập?
Mô hình nghiên cứu bao gồm 21 biến độc lập thuộc 4 nhóm (thông tin cá nhân, điều kiện sống, tài chính, hành vi), ví dụ: trình độ học vấn, giới tính, tình trạng hôn nhân, lý lịch tư pháp, tuổi, quy mô khoản vay, thu nhập, thời hạn vay, tài sản đảm bảo, tham gia bảo hiểm nhân thọ...

5. Mô hình điểm số tín dụng FICO phân bổ tỷ trọng cho các tiêu chí đánh giá như thế nào?
FICO đánh giá 5 tiêu chí: Lịch sử trả nợ (35%), Dư nợ tại các TCTD (30%), Độ dài lịch sử tín dụng (15%), Số lần vay nợ mới (10%), và Các loại hình tín dụng được sử dụng (10%).

---

Kết luận

Luận án "Nghiên cứu các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại Ngân hàng Hợp tác xã Việt Nam" là một công trình nghiên cứu hàn lâm có cấu trúc 4 chương hoàn chỉnh thuộc chuyên ngành Tài chính - Ngân hàng. Bằng việc kết hợp phương pháp nghiên cứu định tính và định lượng trên bộ dữ liệu thực tế giai đoạn 2014–2019, luận án đã làm rõ các nhân tố tác động tới xác suất vỡ nợ của khách hàng cá nhân. Công trình có đóng góp thiết thực trong việc so sánh hiệu năng của các mô hình kinh tế lượng và học máy (Logit, Probit, ANN, Random Forest), đồng thời cung cấp các giải pháp ứng dụng giúp Ngân hàng Hợp tác xã Việt Nam hoàn thiện hệ thống chấm điểm tín dụng và nâng cao hiệu quả quản trị rủi ro.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ THUYẾT CÁC YẾU TỐ ẢNH HƯỞNG TỚI KHẢ NĂNG VỠ NỢ CỦA KHÁCH HÀNG CÁ NHÂN 1. Tổng quan nghiên cứu 1. Các nghiên cứu nước ngoài về các yếu tố ảnh hưởng lên khả năng vỡ nợ của khách hàng Abid & Cộng sự (2018) tiến hành xây dựng so sánh mô hình dự báo khả năng vỡ nợ của khách hàng qua mô hình Logit, mô hình phân tích biệt số để phân biệt giữa các cá nhân có xếp hạng tín dụng tốt và xấu. Dữ liệu đã được thu thập từ một ngân hàng thương mại trong khoảng thời gian 3 năm từ 2010 đến 2012.

Bằng cách so sánh hiệu quả của hồi quy Logistic (LR) và phân tích biệt số (DA), các tác giả thấy rằng mô hình LR mang lại hiệu quả tốt 99% tỷ lệ phân loại trong dự đoán các loại khách hàng, phương pháp DA (trong đó tỷ lệ phân loại tốt chỉ bằng 68,49% dẫn đến tỷ lệ lỗi cao đáng kể tức là 31,51 %) (Abid et al. Kết quả chỉ ra, mô hình Logistic có khả năng dự báo tốt hơn so với mô hình phân tích biệt số DA. Mensah (2013) thực hiện nghiên cứu về khả năng vỡ nợ tín dụng khi vay vốn ở các ngân hàng tại Ghana. Kết quả nghiên cứu thông qua phân tích hồi quy chỉ ra rằng, không có mối quan hệ đáng kể giữa vỡ nợ cho vay và lịch trả nợ.

Thay vào đó, nghiên cứu tìm thấy mối quan hệ đáng kể giữa lãi suất cho các khoản vay, rủi ro đạo đức và vay quá mức của khách hàng. Hơn nữa, các nhân viên cho vay không thể đến thăm người vay thường xuyên, các khoản vay không được hỗ trợ bởi tài sản thế chấp cũng được phát hiện đã góp phần đáng kể vào việc vỡ nợ trong số các khoản vay của khách hàng. Nghiên cứu của Ojiaki & Ogbukwa về khả năng trả nợ các nông dân khi vay vốn tại ngân hàng tại Nigeria. Các tác giả đã sử dụng các biến nghiên cứu liên quan tới đặc điểm riêng của hộ gia đình như: Độ tuổi, giới tính, trình độ học vấn, kinh nghiệm làm việc, quy mô hộ, tình trạng hôn nhân, tham gia công việc khác, thu nhập từ ngoài nông nghiệp, quy mô sử dụng cho nông nghiệp, sử dụng máy móc, số nợ vay, lãi suất cho vay, cải tiến nông nghiệp,… Với 110 hộ nông dân vay vốn của ngân hàng, với phương pháp hồi quy mô hình Logit được sử dụng đã đưa ra kết quả: Chỉ có 3 yếu tố có tác động thực sự lên khả năng trả nợ: (i) Quy mô hộ gia đình có tác động ngược chiều lên khả năng trả nợ; (ii) Quy mô sử dụng đất cho nông nghiệp có tác động cùng chiều lên khả năng trả nợ của người nông dân và (iii) Số tiền vay có tác động cùng chiều lên khả năng trả nợ của hộ dân (Ojiako & Ogbukwa, 2012).

7 Nghiên cứu tại các nước Đông Nam Á của Dufhues và Cộng sự (2011) về việc trả nợ tín dụng tại hai quốc gia Thái Lan và Việt Nam. Tác giả đã sử dụng các yếu tố về khoản vay của khách hàng như: Dân tộc của chủ hộ (Kinh/Thái), giới tính chủ hộ, tuổi của chủ hộ, thuộc nhóm nghèo hay không, trình độ học vấn chủ hộ, giá trị đầu tư của hộ,…. Với 467 hộ gia đình được khảo sát tại Thái Lan với mô hình Logit được sử dụng đã cho thấy chỉ có hai yếu tố: (i) Trình độ học vấn của chủ hộ và (ii) Giá trị đầu tư của hộ có tác động cùng chiều đến khả năng trả nợ của các hộ gia đình. Các yếu tố khác đều không có ảnh hưởng đến khả năng trả nợ tín dụng của hộ.

Đối với Việt Nam, kết quả nghiên cứu trên 198 hộ được khảo sát đã tìm ra có 2 yếu tố có ảnh hưởng: (i) Khoản vay của hộ (ii) Dân tộc của hộ có tác động cùng chiều lên khả năng trả nợ tín dụng của hộ dân (Dufhues et al. Kết quả nghiên cứu của Kocenda & Vojtek (2011) sử dụng dữ liệu ngân hàng cho vay bán lẻ từ Cộng hòa Séc. Tác giả xây dựng hai mô hình rủi ro tín dụng dựa trên cây hồi quy phân loại và hồi quy Logistic. Nghiên cứu thực hiện trên 3.403 dữ liệu với 21 biến giải thích.

Kết quả 2 mô hình chỉ ra, các đặc điểm tài chính và hành vi quan trọng nhất đối với khả năng vỡ nợ được phát hiện là số lượng tài nguyên mà khách hàng sở hữu, mức độ giáo dục, tình trạng hôn nhân, mục đích của khoản vay, số năm có tài khoản với ngân hàng. Bằng cách này, các tác giả xác nhận tầm quan trọng của các biến số xã hội học và liên kết kết quả của nghiên cứu với các vấn đề cụ thể đặc trưng cho các thành viên mới của EU. Theo nghiên cứu của Peter & Peter (2006) ước tính khả năng vỡ nợ liên quan đến thu nhập và các yếu tố khác với dữ liệu của Úc (Cục Thống kê Úc, ABS 2001) cho một mẫu gồm 3.431 hộ gia đình, tỷ lệ trả được nợ cao hơn đáng kể so với tín dụng tiêu dùng. Kết quả cho thấy rằng độ tuổi của chủ hộ đóng vai trò quan trọng: Các hộ gia đình trẻ có xu hướng bị ảnh hưởng xấu bởi gánh nặng ngày càng tăng của các khoản thanh toán thế chấp.

Thu nhập và các yếu tố nhân khẩu học xã hội cũng có ảnh hưởng: Thu nhập thấp, ít được giáo dục, tuổi đời trẻ và ly hôn là những yếu tố làm tăng khả năng vỡ nợ (V. Trên thế giới đã có nhiều nghiên cứu được thực hiện về việc tìm hiểu và giải thích các yếu tố có ảnh hưởng đến khả năng vỡ nợ của KHCN tại các ngân hàng. Trong số đó, phải kể đến nghiên cứu của Mathews & Slocum (1969). Đây là một trong những nghiên cứu sớm nhất về các yếu tố có tính quyết định đến khả năng vỡ nợ trong tín dụng KHCN tại các ngân hàng.

Nghiên cứu này chỉ ra rằng các chủ thẻ có mức thu nhập thấp, địa vị xã hội thấp hơn có xu hướng sử dụng thẻ tín dụng không hiệu quả và khả năng trả nợ thấp hơn so với những chủ thẻ có thu nhập cao, địa vị xã hội cao hơn (Mathews & Slocum, 1969). 8 Nghiên cứu của Agarwal & Cộng sự (2009) đánh giá ảnh hưởng của các đặc điểm thông tin cá nhân về vốn đến khả năng vỡ nợ của hộ gia đình và kết quả vỡ nợ trên bộ dữ liệu của hơn 170.000 chủ thẻ tín dụng trong thời gian trên 24 tháng. Kết quả cho thấy, các yếu tố rủi ro như chi tiêu, nợ, thu nhập, tài sản, điều kiện kinh tế, môi trường pháp lý, đặc điểm nhân khẩu học xã hội có ảnh hưởng đến khả năng vỡ nợ. Người vay chuyển nơi ở có xu hướng vỡ nợ nhiều hơn, người đã kết hôn và sở hữu một ngôi nhà của riêng mình có nguy cơ vỡ nợ thấp hơn.

Theo độ tuổi, nhóm khách hàng trẻ nhất (30 tuổi trở xuống) và già nhất (60 tuổi trở lên) có nguy cơ phá sản thấp nhất. Thu nhập và tài sản cũng đóng vai trò tương đối quan trọng khi kết quả chỉ ra rằng chủ thẻ với thu nhập cao và nhiều tài sản có khả năng vỡ nợ ít hơn tương ứng là 17% và 22%. Bằng cuộc điều tra hàng tháng ngẫu nhiên qua điện thoại được tiến hành bởi Trung tâm nghiên cứu khảo sát tại Đại học bang Ohio trên mẫu 500 hộ gia đình ở bang này từ tháng 2/1998 đến tháng 5/1999, nghiên cứu của Dunn & Kim (1999) đã tập trung vào mối quan hệ giữa khả năng vỡ nợ và kết quả của sự lựa chọn tài chính của khách hàng trong phạm vi các điều khoản hợp đồng với ngân hàng phát hành thẻ tín dụng. Kết quả cho thấy rằng, các biến nhân khẩu học xã hội như tuổi tác, tình trạng hôn nhân, số con có liên quan mạnh mẽ đến khả năng vỡ nợ trong khi thu nhập, giáo dục và sở hữu nhà không có ảnh hưởng như giả thuyết ban đầu (Dunn & Kim, 1999).

Livingstone & Lunt (1992) báo cáo về những phát hiện của một cuộc khảo sát chuyên sâu về các yếu tố xã hội, kinh tế và tâm lý liên quan đến nợ. Phân tích biệt số và phân tích hồi quy bội được sử dụng để giải quyết mục tiêu nghiên cứu. Các yếu tố xã hội học được tìm thấy có vai trò tương đối nhỏ trong khả năng trả nợ. Thu nhập được dự đoán quan trọng nhất trong việc xác định trả nợ.

Các yếu tố về thái độ (là tín dụng thay vì chống trả nợ) được coi là những yếu tố dự báo quan trọng về trả nợ và không trả nợ. Các yếu tố tâm lý khác, tập trung vào các phân bổ kinh tế, kiểm soát, chiến lược đối phó và niềm vui của người khách hàng là rất quan trọng và một loạt các hoạt động kinh tế cụ thể cũng liên quan đến kinh nghiệm về trả nợ (Livingstone & Lunt, 1992). Ozdemir (2004) thực hiện phân tích mối liên hệ giữa rủi ro vỡ nợ của khách hàng tín dụng tiêu dùng với một số đặc điểm nhân khẩu học và tài chính sử dụng dữ liệu của một ngân hàng ở Thổ Nhĩ Kỳ. Kết quả cho thấy, trừ biến tình trạng nơi ở, các biến nhân khẩu học khác không có ảnh hưởng đến khả năng vỡ nợ của KHCN.

Trong khi đó, các đặc điểm về tài chính có thể giải thích tốt khả năng vỡ nợ, điển hình là biến lãi suất và thời hạn vay. Theo đó, thời hạn vay càng dài và lãi suất càng cao thì khả năng hoàn thành đúng nghĩa vụ thanh toán nợ của khách hàng càng thấp. 9 Nghiên cứu của Arminger & Cộng sự (1997) được thực hiện trên mẫu dữ liệu gồm 8.163 quan sát của một ngân hàng chuyên về tín dụng tiêu dùng ở Đức trong 2 năm 1991 và 1992 bằng cách so sánh kết quả của hai phương pháp trên với kết quả từ hệ thống tiếp cận (feedforward network). Các biến giải thích chính được sử dụng bao gồm: Tuổi, giới tính, tình trạng hôn nhân, thâm niên công tác và sở hữu xe hơi.

Kết quả cho thấy, khả năng trả nợ tốt hơn thuộc về nhóm các đối tượng người trưởng thành, người có ô tô, người có thâm niên công tác, người có gia đình và nữ giới. Jacobson & Roszbach (2003) thực hiện nghiên cứu với trường hợp vay vốn ở các ngân hàng tại Thụy Điển. Với mẫu dữ liệu gồm 13.338 hồ sơ xin vay tiêu dùng cá nhân tại một ngân hàng lớn ở Thụy Điển từ 9/1994 đến 8/2005, các tác giả đã sử dụng phép đo 57 biến và chỉ ra 16 biến dùng được sau khi đã loại đi các biến tương quan.