Dựa trên những dữ liệu quá khứ, mô hình Logistic đã đưa ra kiểm nghiệm và so sánh với kết quả thực tế cho thấy một số chỉ tiêu cần được thay đổi để phù hợp hơn với tình hình hiện tại của chi nhánh. Mời các bạn tham khảo!
XẾP HẠNG TÍN DỤNG BẰNG MƠ HÌNH LOGISTIC ĐỐI VỚI KHÁCH HÀNG DOANH NGHIỆP: TRƯỜNG HỢP NGHIÊN CỨU AGRIBANK BẮC NAM ĐỊNH Khúc Thế Anh1 TS Lê Việt Thủy2 Tóm tắt Sau khủng khoảng kinh tế giới năm 2008, xếp hạng tín dụng khách hàng doanh nghiệp vay vốn Agribank Bắc Nam Định gặp phải nhiều vấn đề khách hàng đánh giá cao thường khơng trả nợ hạn, cịn khách hàng trước bị xếp hạng thấp việc hoàn trả thường đầy đủ Dựa liệu q khứ, mơ hình Logistic đưa kiểm nghiệm so sánh với kết thực tế cho thấy số tiêu cần thay đổi để phù hợp với tình hình chi nhánh Từ khóa: xếp hạng tín dụng, mơ hình Logistic Giới thiệu Xếp hạng tín dụng khâu quan trọng ngân hàng thương mại (NHTM), nhằm xác định rủi ro mà khách hàng gặp phải sử dụng vốn vay, đồng thời giúp ngân hàng đưa định có ký kết hợp đồng hay không Vốn phát triển đưa vào sử dụng từ lâu, song xếp hạng tín dụng khách hàng doanh nghiệp NHTM bộc lộ số hạn chế, đặc biệt sau khủng hoảng tài tồn cầu, ngành nghề trước không đánh giá cao khả trả nợ tại, lại có nợ q hạn Với trường hợp nghiên cứu Agribank Bắc Nam Định, viết sử dụng mơ hình Logistic để xếp hạng (lại) với khách hàng vay vốn, đối chiếu lại với xếp hạng nội ngân hàng, từ đưa số hàm ý sách Một số vấn đề mơ hình Logistic Lớp mơ hình với biến giải thích nhị phân số đếm thường gọi chung mơ hình Logistis Trường hợp biến phụ thuộc nhị phân mơ hình xây dựng sau: Giả sử Y biến phụ thuộc (biến định tính), X1, X2,…, Xn biến độc lập lựa chọn (đòn bẩy tài chính, ROA, ROE…) Khi đó, lượng hóa biến định tính sau: 1, Trường Đại học Kinh tế Quốc dân Email tác giả chính: theanhnhd@gmail.com 543 Y = 1: Tài khoản xấu (default) Y = 0: Tài khoản tốt (non – default) Quan tâm đến xác suất p = P(Y = 1|X1, X2,…Xn) tác động X1, X2,…Xn đến xác suất thông qua tham số mơ hình Mơ hình Logit xác suất Y=1 xác định bằng: e0 1X1i 2 X2i k Xki e(,Xi ) pi hay pi e0 1X1i 2X2i k Xki e(,Xi ) X = (1, X1,X2, ,Xk); Xi = (1, X1i,X2i, ,Xki) (1, X1); =(0, 1, 2, ,k) Phương trình dựa luật phân bố logistic hàm số tương ứng gọi hàm Logistic Với dạng hàm p nhận giá trị từ đến Hàm pi phi tuyến với X tham số Điều có nghĩa ta khơng thể áp dụng trực tiếp OLS để ước lượng Người ta dùng ước lượng hợp lý tối đa để ước lượng Gọi ˆ ước lượng (hồi quy mẫu) Với ˆ ước lượng được, ta ước lượng xác suất pi = P(Y=1 Xi), theo công thức: pˆ i = exp( X i ˆ ) exp( X ˆ ) i Như mơ hình Logit khơng nghiên cứu ảnh hưởng trực tiếp biến độc lập Xj Y mà xem xét ảnh hưởng Xj đến xác suất để Y nhận giá trị hay kỳ vọng Y Xếp hạng tín dụng mơ hình Logistic 3.1 Lựa chọn biến Biến phụ thuộc: Khả trả nợ khách hàng Y = : Khơng có nợ xấu hay khả trả nợ cao Y = : Có nợ xấu (thường dự ngày hạn - 90 ngày) hay khả trả nợ thấp Với pi = p(Y=1/Xt) , Yi biến ngẫu nhiên phân phối theo quy luật Becnoulli Giá trị pi nhỏ khả khơng trả nợ doanh nghiệp cao Biến độc lập: Theo Lưu Thị Hương Vũ Duy Hào (2005) bản, có nhóm tiêu tài doanh nghiệp nhóm tiêu khả tốn, nhóm tiêu địn bẩy tài chính, nhóm tiêu khả hoạt động nhóm tiêu khả sinh lời Trong nhóm tiêu gồm nhiều tiêu nhỏ, 544 song lựa chọn nhiều tiêu nhóm dẫn đến tình trạng tự tương quan biến Do vậy, viết, tác giả sử dụng biến độc lập sau: Khả toán nhanh = (tiền + khoản đầu tư tài ngắn hạn): (Nợ phải trả ngắn hạn) Địn bẩy tài = Nợ phải trả chia vốn chủ sở hữu Vòng quay tổng tài sản = Doanh thu tổng tài sản bình quân ROE = Lợi nhuận sau thuế: vốn chủ sở hữu Hình Mơ hình nghiên cứu đề xuất Khả tốn nhanh (X1) H1(+) Địn bẩy tài (X2) H2(-) Xếp hạng tín dụng doanh nghiệp vay vốn (Y) H3(+) Vòng quay tổng tài sản (X3) ROE (X4) H4(+) Giả thiết nghiên cứu: X1, X3 X4 có tác động chiều với Y X2 có tác động ngược chiều với Y Thu thập liệu: Các liệu thu thập từ 186 doanh nghiệp vay vốn chi nhánh, kể doanh nghiệp từ chối vay vốn Các liệu thuộc dạng liệu thứ cấp Phần mềm sử dụng: Eview 3.2 Hồi quy phân tích mơ hình a Mối tương quan biến mơ hình Bảng Mối tương quan biến mơ hình X4 X3 X2 X1 X4 1.000000 0.023475 -0.005381 0.120317 X3 0.023475 1.000000 0.206209 0.096038 X2 -0.005381 0.206209 1.000000 0.083803 X1 0.120317 0.096038 0.083803 1.000000 545 Bảng mối quan hệ tương quan cho thấy, hệ số tương qua biến từ 0,12 trở xuống nên nói đa phần biến khơng có mối liên hệ, sử dụng tất biến để xây dựng mơ hình b Hồi quy kiểm định mơ hình Bảng Kết ước lượng mơ hình Dependent Variable: Y Method: ML - Binary Logit (Quadratic hill climbing) Date: 04/22/16 Time: 08:43 Sample: 186 Included observations: 186 Convergence achieved after iterations Covariance matrix computed using second derivatives Variable Coefficient Std Error C -0.189642 0.896818 X1 -0.029938 (*) 0.515201 X2 1.163289 (**) 0.534715 X3 -0.326741(**) 0.109706 X4 -3.763693 (*) 2.776591 Mean dependent var 0.198925 S.D dependent var 0.400269 S.E of regression 0.389157 Akaike info criterion 0.978422 Sum squared resid 27.41127 Schwarz criterion 1.065135 Log likelihood -85.99323 Hannan-Quinn criter Restr log likelihood -92.79692 Avg log likelihood LR statistic (4 df) 13.60739 McFadden R-squared Probability(LR stat) 0.008660 Obs with Dep=0 149 Obs with Dep=1 37 Total obs 1.013561 -0.462329 0.073318 186 Ghi chú: (**) Với độ tin cậy 95% (*) Với độ tin cậy đến 90% 546 Dựa vào kết ước lượng mơ hình, thu mơ hình hồi quy sau: 𝑝𝑖 = exp(−0.189642 − 0.029938 𝑋1 + 1.163289𝑋2 − 0.326741 𝑋3 − 3.763693 𝑋4 ) + exp(−0.189642 − 0.029938 𝑋1 + 1.163289𝑋2 − 0.326741 𝑋3 − 3.763693 𝑋4 ) Kết cho thấy, có nhóm biến tác động ngược chiều đến khả trả nợ doanh nghiệp X1, X3 X4 Biến lại X2 tác động chiều Như vậy, giả thiết nghiên cứu đặt bị ngược Điều hàm nghĩa, khả toán nhanh, vốn coi trọng ngắn hạn, chưa có tác động tích cực đến khả trả nợ thời gian dài (thường khoản vay chi nhánh từ trung hạn trở lên) Thậm chí, doanh nghiệp có ROE cao, khả thiện chí trả nợ có vấn đề Ngược lại, tiêu địn bẩy tài chính, vốn cho có tác động ngược chiều, sau kiểm định lại cho kết ngược lại Điều phần phù hợp với điều kiện doanh nghiệp vay vốn địa bàn Bắc Nam Định: doanh nghiệp sử dụng vốn tự có q nhiều, lại khơng đáp ứng đủ nhu cầu sản xuất kinh doanh, gây tình trạng khó trả nợ cho ngân hàng Phân tích kết mơ hình Đo lường rủi ro ngân hàng thường áp dụng với việc xếp hạng tín dụng khách hàng doanh nghiệp, hợp tác xã hộ gia đình Kết ước lượng mơ hình Logistic xác suất khả trả nợ khách hàng doanh nghiệp Nếu mức xác suất cao doanh nghiệp có khả trả nợ tốt cịn mức xác suất thấp, doanh nghiệp đối mặt với khả khả toán nợ Do đó, vào mức xác suất ước lượng tương ứng từ mơ hình Logistic, phân mức xác suất thành nhóm đặc trưng cho khả trả nợ doanh nghiệp: Bảng Bảng phân hạng tín dụng theo mơ hình Logistic Mức xác suất pi Hạng mức tín dụng 0.9 – 1.0 AAA 0.8 - 0.9 AA 0.7 - 0.8 A 0.6 - 0.7 BBB 0.5 - 0.6 BB 0.4 - 0.5 B 0.3 - 0.4 CCC 0.2 - 0.3 CC 0.1 - 0.2 C Dưới 0.1 D 547 Những dự báo đưa liên quan đến việc có đồng ý cấp tín dụng cho khách hàng hay không Dựa vào kết xếp hạng cho thấy, khách hàng bị xếp vào hạng D khách hàng nguy hiểm, chắn khơng thể cấp tín dụng Những khách hàng - sau tham khảo thông tin tìm hiểu cho kết tương tự Đối với khách hàng thuộc nhóm B, CCC, CC C khách hàng bị xếp vào nợ nhóm - chưa tiến hành cấp tín dụng Do vậy, khách hàng cần phải xem xét thật kỹ việc đánh đổi lợi nhuận kỳ vọng rủi ro Việc định phải giám đốc chi nhánh định Đối với doanh nghiệp hợp tác xã có rủi ro cao, phải hội sở định Những khách hàng xếp hạng AAA, AA A Đây khách hàng nhóm - cấp tín dụng phân loại nợ, coi khách hàng tiềm ngân hàng Do vậy, dự báo tương lai nhóm khách hàng cho ổn định, phù hợp với việc quản lý cấp ngân hàng Với nhóm khách hàng cịn lại, BBB BB, khách hàng xếp vào hạng rủi ro số 2, tức phân loại nợ doanh nghiệp hợp tác xã thường rơi vào nợ nhóm Khách hàng cấp tín dụng, song trường hợp cần xem xét tỉ mỉ định, ngân hàng phân loại nợ theo Thông tư 09/2014/TT-NHNN: thân nợ khoản tín dụng ảnh hưởng tới riêng nó, song thời gian tới, phù hợp với chuẩn mực quốc tế Thơng tư 02/2013/TT- NHNN lại điều kiện tiên Do vậy, điều kiện tại, nhóm khách hàng cấp tín dụng, song q trình giải ngân giám sát nên theo dõi sát So sánh kết xếp hạng mơ hình, xếp hạng nội chi nhánh thực tế trả nợ (chỉ trường hợp bị lệch) 548 Bảng So sánh kết xếp hạng mơ hình Logistic xếp hạng nội Hạng Số doanh nghiệp bị lệch thực tế xếp hạng nội Số doanh nghiệp bị lệch thực tế xếp hạng mô hình Logistic AAA AA A 0 BBB 2 BB B CCC CC C D Tổng 23 11 Sau hồi quy mô hình, kết cho thấy số lượng doanh nghiệp bị xếp hạng lệch theo đánh giá chi nhánh cao nhiều so với kiểm định lại mô hình Logistic Cụ thể, doanh nghiệp bị xếp hạng lệch so với thực tế trả nợ theo mơ hình 11 doanh nghiệp, số này, xếp sai nhóm (theo phân khoảng bên trên) 8, có doanh nghiệp bị xếp từ nhóm xuống nhóm Ngược lại, xếp hạng nội bộ, bộc lộ số hạn chế xếp lệch 23 doanh nghiệp (trên tổng số 186 doanh nghiệp gửi hồ sơ vay vốn, chiếm tỷ trọng 12,4%) Trong số này, số doanh nghiệp bị xếp lệch nhóm nợ 7, xếp sai nhóm nợ (từ nhóm nợ đến thực tế lên nhóm nhóm 2) 12 Số cịn lại, doanh nghiệp lĩnh vực nông nghiệp, lại bị xếp xuống Điều hàm ý cho thấy rằng, xếp hạng nội chi nhánh có vấn đề xảy sai lệch với thực tế cao 549 Một số hàm ý rút từ kết mơ hình Từ kết mơ hình, thấy xếp hạng tín dụng nội ngân hàng – thể qua kết chi nhánh có số điểm hạn chế sau: (1) có sai lệch nhiều so với thực tế Trong số 186 doanh nghiệp lưu trữ thông tin chi nhánh, sai lệch lên đến 23 doanh nghiệp Mặc dù số đa phần không bị chuyển hạng tín dụng (từ nhóm rủi ro, đánh giá trước cho vay), song khoảng cách nhóm tương đối nhỏ, việc chấm điểm lại phân thành 10 nhóm khơng phải nhóm; (2), đánh giá khơng chuẩn doanh nghiệp thuộc lĩnh vực nơng nghiệp Theo mơ hình xếp hạng tín dụng nội bộ, doanh nghiệp vay vốn cho sản xuất, kinh doanh mặt hàng nông nghiệp thường khơng có thứ hạng cao chi nhánh Bắc Nam Định (phổ biến nhiều thuộc BB đến A), tức thuộc nhóm nợ thứ đến nhóm thứ Việc cho thấy, chi nhánh không đánh giá cao nhóm khách hàng có khả trả nợ tốt, thực tế, thường khách hàng bị đánh giá vào phân nhóm có khả cao bị từ chối cho vay, cho vay với mức lãi suất cao (do phần bù rủi ro lớn hơn) Nhưng lại nhóm khách hàng trả nợ tốt cho ngân hàng! Những sai lệch cho thấy, nhóm trả nhiều lại nhóm khách hàng liên quan đến xây dựng bản, vốn trước đánh giá cao Do vậy, số hàm ý rút sau: Thứ nhất, kiến nghị thay đổi xếp hạng tín dụng doanh nghiệp Agribank Mơ hình chấm điểm phục vụ nhiều cho chi nhánh việc thẩm định khoản cho vay định có ký kết hợp đồng hay không, song với sai lệch thực tế tương đối lớn, cần cân nhắc sử dụng thêm mơ Logit, Probit hay thẻ điểm tín dụng để đối chiếu kết quả, tìm mơ hình phù hợp Kết cho thấy, mơ hình Logit tìm thấy “đầu ra” phù hợp Thứ hai, thay đổi tỷ trọng tiêu phi tài chi nhánh, đặc biệt ngành nghề mà doanh nghiệp hoạt động Hiện hội sở hướng dẫn phân loại khách hàng - kể cá nhân lẫn doanh nghiệp - vào mảng chính, song lại có lai tạo định khách hàng xin cấp tín dụng ngân hàng Do vậy, ngân hàng cần tạo chuẩn mực định để phân khách hàng vào mức cụ thể, từ hạn chế đến mức tối đa dị biệt hoạt động kinh doanh khách hàng, để từ có cách thức cho điểm phù hợp Thêm vào đó, tiêu phi tài chiếm tỷ trọng tương đối lớn, 35% tổng số điểm Trong điều kiện tại, đa phần doanh nghiệp vay vốn địa bàn doanh nghiệp vừa nhỏ, chất lượng hoạt động kinh doanh chưa tốt, chưa niêm yết thị trường nên không cần đặt 550 nặng tiêu Do vậy, tác giả không sử dụng nhóm tiêu để so sánh, kết cho thấy, không sử dụng tiêu khơng có nhiều khác biệt thực tế Một số hạn chế lựa chọn mô hình Logit xếp hạng: viết đưa khuyến nghị định, tìm hướng cơng tác xếp hạng tín dụng doanh nghiệp Agribank Bắc Nam Định, song cịn số khe hở như: (1) mơ hình Logistic ứng dụng khoản tín dụng - có nghĩa nên cấp tín dụng khoản mục khách hàng hay không, mà bỏ qua toàn việc xác định rủi ro với mức tín dụng tồn danh mục nhóm khách hàng tương quan; (2) số lượng khách hàng chạy quy mô chi nhánh nhỏ, không đủ để hàm ý cho chi nhánh lớn, phù hợp với chi nhánh cấp toàn hệ thống, với địa bàn đa phần nông nghiệp Nam Định Do vậy, thời gian tới cần có nghiên cứu với số liệu lớn hơn, đặc biệt số liệu khách hàng lớn, đánh giá trực tiếp hội sở; (3) thân mơ hình chạy với liệu ngân hàng lại đo rủi ro tín dụng khách hàng, song thực tế, nhiều loại rủi ro khác tác động lên ngân hàng lẫn khách hàng, điển hình rủi ro thị trường: thay đổi khung pháp lý, biến động giá thời gian tới thay đổi thân ngành nơng nghiệp khơng đề cập đến Do vậy, cần đối chiếu thêm với số mô hình khác để tìm kết phù hợp Tài liệu tham khảo Nguyễn Quang Dong, Nguyễn Thị Minh (2012), Kinh tế Lượng, Nhà xuất Đại học Kinh tế Quốc dân, Hà Nội Nguyễn Quang Dong, Bùi Dương Hải (2010), Hướng dẫn thực hành Kinh tế Lượng, Nhà xuất Đại học Kinh tế Quốc dân, Hà Nội Joel Bessic (2012) Quản trị rủi ro ngân hàng, Sách dịch, Nhà xuất Lao động Xã hội, Hà Nội Nguyễn Văn Tiến (2010), Quản trị rủi ro kinh doanh ngân hàng, Nhà xuất Lao động Xã hội, Hà Nội Vũ Duy Hào, Lưu Thị Hương (2005), Tài doanh nghiệp, Nhà xuất Tài chính, Hà Nội Hồ sơ vay vốn khách hàng, lưu trữ Agribank chi nhánh Bắc Nam Định 551 ... lường rủi ro ngân hàng thường áp dụng với việc xếp hạng tín dụng khách hàng doanh nghiệp, hợp tác xã hộ gia đình Kết ước lượng mơ hình Logistic xác suất khả trả nợ khách hàng doanh nghiệp Nếu... việc có đồng ý cấp tín dụng cho khách hàng hay không Dựa vào kết xếp hạng cho thấy, khách hàng bị xếp vào hạng D khách hàng nguy hiểm, chắn khơng thể cấp tín dụng Những khách hàng - sau tham khảo... Việc định phải giám đốc chi nhánh định Đối với doanh nghiệp hợp tác xã có rủi ro cao, phải hội sở định Những khách hàng xếp hạng AAA, AA A Đây khách hàng nhóm - cấp tín dụng phân loại nợ, coi khách