GIỚI THIỆU TỔNG QUAN
Tính cấp thiết của đề tài
Ngân hàng TMCP Công Thương Việt Nam, được thành lập vào năm 1988, đã chuyển mình từ một ngân hàng thương mại quốc doanh thành một trong những ngân hàng có vốn điều lệ lớn nhất và cơ cấu cổ đông mạnh mẽ nhất tại Việt Nam.
Vietinbank hướng tới mục tiêu trở thành ngân hàng bán lẻ hàng đầu tại Việt Nam đã không ngừng cải tiến chất lượng và sản phẩm dịch vụ để thu hút khách hàng Năm 2015, hoạt động bán lẻ của ngân hàng ghi nhận nhiều đổi mới mạnh mẽ với tín dụng bán lẻ tăng 51% (tương đương 40 nghìn tỷ đồng) so với năm 2014, huy động vốn tăng 20%, tổng thu phí dịch vụ tăng hơn 18%, và số lượng khách hàng bán lẻ tăng 18% Các sản phẩm thẻ của VietinBank cũng duy trì vị trí dẫn đầu thị trường.
Tổng dư nợ tín dụng 376,289 439,869 538,080
Bảng 1.1 – Tình hình dư nợ KHCN tại Vietinbank giai đoạn 2013-2015
Nguồn: báo cáo tài chính hợp nhất của Vietinbank Theo báo cáo tài chính hợp nhất của Vietinbank qua các năm 2013, 2014 và
Từ năm 2013 đến 2015, tỷ trọng dư nợ khách hàng doanh nghiệp (KHCN) của Vietinbank đã tăng từ 15.5% lên 20.8%, đạt 112,178 tỷ đồng, đứng thứ hai trong các ngân hàng cho vay doanh nghiệp Để đảm bảo tăng trưởng tín dụng bền vững, Vietinbank chú trọng vào quản trị rủi ro, tuân thủ quy định và tích cực xử lý nợ xấu Tuy nhiên, báo cáo tài chính cho thấy nợ không đủ tiêu chuẩn đã tăng từ 6,514 tỷ đồng năm 2013 lên 11,292 tỷ đồng vào tháng 6 năm 2016 Theo báo cáo của VAMC, tỷ lệ nợ xấu của Vietinbank cũng gia tăng, với nợ xấu đạt 5,366 tỷ đồng, trong đó nợ có khả năng mất vốn hơn 3,000 tỷ đồng, tăng so với năm trước Năm 2015, Vietinbank đã bán hơn 10,000 tỷ đồng nợ xấu cho VAMC.
Nợ có khả năng mất vốn 2,249 2,085 2,796 3,050
Tổng cộng 6,514 8,676 8,153 11,292 Bảng 1.2 – Báo cáo chất lượng nợ quá hạn của Vietinbank từ năm 2013->QII-2016
Nguồn: báo cáo tài chính hợp nhất của Vietinbank
NỢ KHÔNG ĐỦ TIÊU CHUẨN VIETINBANK GIAI ĐOẠN
Hình 1.1 – Biểu đồ nợ không đủ tiêu chuẩn Vietinbank giai đoạn 2013-2016
Nguồn: báo cáo tài chính hợp nhất của Vietinbank
Nợ xấu có tác động tiêu cực đến hoạt động của ngân hàng, gây tốn thời gian xử lý và ảnh hưởng đến lợi nhuận do chi phí trích lập dự phòng Theo báo cáo VAMC, lợi nhuận trước thuế của VietinBank đến quý II/2016 đạt 4,193 tỷ đồng, trong khi lợi nhuận thuần từ hoạt động kinh doanh trước chi phí dự phòng lên tới 7,282 tỷ đồng, cho thấy chi phí trích lập dự phòng lên đến 3,009 tỷ đồng Để giảm thiểu rủi ro tín dụng, ngân hàng cần kiểm soát chặt chẽ khoản vay ngay từ khâu tiếp nhận và thẩm định, đặc biệt là đánh giá khả năng trả nợ của khách hàng Việc từ chối cho vay khách hàng tốt và chấp nhận cho vay khách hàng không tốt là nguyên nhân dẫn đến rủi ro tín dụng Do đó, đề tài “Các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN tại Ngân hàng TMCP Công Thương Việt Nam” được chọn nhằm nghiên cứu các yếu tố ảnh hưởng đến khả năng trả nợ của KHCN tại VietinBank, từ đó đề xuất các chính sách tín dụng và biện pháp đánh giá phù hợp nhằm hạn chế rủi ro tín dụng và nâng cao hiệu quả hoạt động của ngân hàng.
Mục tiêu nghiên cứu
1.2.1 Mục tiêu tổng quát: Nhận diện các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN tại Vietinbank Từ đó rút ra những kiến nghị xây dựng các chính sách tín dụng và những ứng xử, đánh giá phù hợp với đối tương KHCN góp phần hạn chế rủi ro tín dụng và nâng cao hiệu quả hoạt động của ngân hàng
Xác định các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN tại Vietinbank
Phân tích và kiểm định các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN tại Vietinbank
Dựa trên việc phân tích các yếu tố ảnh hưởng, bài viết đề xuất một số chính sách tín dụng và các biện pháp đánh giá phù hợp cho đối tượng KHCN Những kiến nghị này nhằm hạn chế rủi ro tín dụng và nâng cao hiệu quả hoạt động của ngân hàng.
Câu hỏi nghiên cứu
Dựa trên mục tiêu nghiên cứu, luận văn đề ra các câu hỏi như sau:
Các nhân tố nào ảnh hưởng đến khả năng trả nợ vay của KHCN tại Vietinbank?
Mức độ ảnh hưởng của từng nhân tố đến khả năng trả nợ của khách hàng như thế nào?
1.4 Đối tƣợng và phạm vi nghiên cứu:
1.4.1 Đối tƣợng nghiên cứu: Các nhân tố ảnh hưởng đến khả năng trả nợ vay của
Luận văn nghiên cứu đã tiến hành thu thập số liệu để phân tích thực trạng dư nợ KHCN và nợ quá hạn tại ngân hàng qua các năm.
2013 đến 6 tháng đầu năm 2016 Số liệu dùng để phân tích định lượng được thu thập tại ngày 01/04/2016
Luận văn nghiên cứu khả năng trả nợ của 180 khách hàng đang có dư nợ tại Vietinbank, với kích thước mẫu được xác định thông qua nghiên cứu hồi quy đa biến của Daniel Boduszek (2016) Kích cỡ mẫu được tính toán theo công thức của Tabachnick & Fidell.
Nghiên cứu này sử dụng phương pháp thu thập số liệu thứ cấp từ nguồn thông tin nội bộ của ngân hàng, bao gồm dữ liệu từ báo cáo MIS của các chi nhánh Vietinbank vào ngày 01/04/2016, phần mềm clos của hệ thống core banking và phần mềm chấm điểm tín dụng khách hàng trên BDS Để phân tích thực trạng nợ quá hạn tại Vietinbank, luận văn cũng tham khảo báo cáo thường niên và báo cáo kiểm toán từ các năm 2013, 2014, 2015 và quý II/2016 Ngoài ra, nghiên cứu còn thu thập dữ liệu thông qua phỏng vấn cán bộ thẩm định có nhiều năm kinh nghiệm để hỗ trợ cho quá trình phân tích.
Tác giả sử dụng phương pháp thống kê mô tả để phân tích đặc điểm cỡ mẫu, đồng thời áp dụng mô hình hồi quy logistic nhị phân nhằm xác định các yếu tố và mức độ ảnh hưởng của chúng đến khả năng trả nợ đúng hạn của khách hàng cá nhân.
Luận văn sử dụng các phần mềm như Microsoft Excel để xử lý dữ liệu sơ cấp và thứ cấp, đồng thời áp dụng phần mềm SPSS 16.0 để thực hiện mô hình binary logistics và kiểm định mô hình.
Mô hình các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Vietinbank sẽ được xây dựng nhằm hoàn thiện quy trình thẩm định cho vay Việc này không chỉ giúp nâng cao hiệu quả cho vay mà còn đảm bảo an toàn tài chính cho ngân hàng.
Dựa trên kết quả phân tích, luận văn đề xuất một số biện pháp nhằm nâng cao khả năng quản trị rủi ro tín dụng cho ngân hàng, từ đó cải thiện hiệu quả hoạt động tín dụng cá nhân.
1.7 Kết cấu của luận văn:
Không tính phần mở đầu và kết luận thì luận văn có kết cấu như sau:
Chương 1: Chương mở đầu Trong chương này, trình bày tóm tắt toàn bộ nội dung của các chương đã thực hiện hay nói cách khác là giới thiệu chung về đề tài thực hiện để người đọc có thể khái quát được toàn bộ bài nghiên cứu
Chương 2: Cơ sở lý luận về tín dụng cá nhân và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN Trong chương này, ngoài trình bày cơ sở lý luận và lý thuyết về tín dụng cá nhân, khả năng trả nợ của KHCN và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN mà còn trình bày các công trình nghiên cứu trước đây liên quan làm cơ sở thực hiện chương 3
Chương 3: Phương pháp nghiên cứu Trong chương này, luận văn sẽ trình bày về các mô hình nghiên cứu, dữ liệu được sử dụng trong nghiên cứu cũng như phương pháp được sử dụng trong bài nghiên cứu dựa trên nền tảng các công trình nghiên cứu trước đây đã nghiên cứu về các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN
Chương 4 của luận văn tập trung vào kết quả nghiên cứu và thảo luận về tình hình tín dụng khoa học công nghệ (KHCN) và nợ quá hạn tại ngân hàng Luận văn phân tích thực trạng tín dụng KHCN, đồng thời trình bày kết quả nghiên cứu cùng với việc phân tích sâu các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN, cũng như giải thích những yếu tố không tác động đến khả năng này Dựa trên những kết quả thu được, luận văn sẽ đưa ra các kiến nghị trong chương 5.
Chương 5 tập trung vào việc đưa ra kết luận và kiến nghị nhằm hoàn thiện chính sách tín dụng tại Vietinbank Các đề xuất này nhằm cải thiện ứng xử với đối tượng khách hàng khoa học và công nghệ (KHCN), từ đó góp phần hạn chế rủi ro tín dụng và nâng cao hiệu quả hoạt động của ngân hàng Việc áp dụng các biện pháp phù hợp sẽ giúp Vietinbank tối ưu hóa quy trình cho vay, đồng thời tăng cường sự tin cậy và sự hài lòng của khách hàng.
Phương pháp nghiên cứu
Nghiên cứu này áp dụng phương pháp thu thập số liệu thứ cấp từ nguồn thông tin nội bộ của ngân hàng Vietinbank, với dữ liệu trích từ báo cáo MIS của các chi nhánh vào ngày 01/04/2016, cùng với phần mềm clos của hệ thống core banking và phần mềm chấm điểm tín dụng khách hàng trên BDS Để phân tích thực trạng nợ quá hạn tại Vietinbank, luận văn còn sử dụng báo cáo thường niên và báo cáo kiểm toán từ các năm 2013, 2014, 2015 và quý II/2016 Ngoài ra, nghiên cứu cũng thu thập dữ liệu qua phỏng vấn cán bộ thẩm định có nhiều năm kinh nghiệm để hỗ trợ cho quá trình phân tích số liệu.
Dựa trên dữ liệu thu thập được, tác giả sử dụng phương pháp thống kê mô tả để phân tích đặc điểm cỡ mẫu và áp dụng mô hình hồi quy logistic nhị phân nhằm xác định các yếu tố cũng như mức độ ảnh hưởng của từng yếu tố đến khả năng trả nợ đúng hạn của khách hàng cá nhân.
Luận văn sử dụng các phần mềm như Microsoft Excel để xử lý dữ liệu sơ cấp và thứ cấp, cùng với phần mềm SPSS 16.0 để thực hiện mô hình hồi quy logistic nhị phân và kiểm định mô hình.
Ý nghĩa của đề tài
Mô hình các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Vietinbank sẽ được xây dựng nhằm hoàn thiện quy trình thẩm định cho vay Việc này không chỉ nâng cao hiệu quả quản lý rủi ro mà còn cải thiện chất lượng dịch vụ cho khách hàng.
Dựa trên kết quả phân tích, luận văn đề xuất một số giải pháp nhằm nâng cao khả năng quản trị rủi ro tín dụng cho ngân hàng, từ đó cải thiện hiệu quả hoạt động tín dụng cá nhân tại ngân hàng.
Kết cấu của luận văn
Không tính phần mở đầu và kết luận thì luận văn có kết cấu như sau:
Chương 1: Chương mở đầu Trong chương này, trình bày tóm tắt toàn bộ nội dung của các chương đã thực hiện hay nói cách khác là giới thiệu chung về đề tài thực hiện để người đọc có thể khái quát được toàn bộ bài nghiên cứu
Chương 2: Cơ sở lý luận về tín dụng cá nhân và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN Trong chương này, ngoài trình bày cơ sở lý luận và lý thuyết về tín dụng cá nhân, khả năng trả nợ của KHCN và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN mà còn trình bày các công trình nghiên cứu trước đây liên quan làm cơ sở thực hiện chương 3
Chương 3: Phương pháp nghiên cứu Trong chương này, luận văn sẽ trình bày về các mô hình nghiên cứu, dữ liệu được sử dụng trong nghiên cứu cũng như phương pháp được sử dụng trong bài nghiên cứu dựa trên nền tảng các công trình nghiên cứu trước đây đã nghiên cứu về các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN
Chương 4 của luận văn tập trung vào việc phân tích thực trạng tín dụng khoa học công nghệ (KHCN) và tình hình nợ quá hạn tại ngân hàng Luận văn trình bày kết quả nghiên cứu, đồng thời phân tích sâu về các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN, cũng như giải thích những yếu tố không có tác động Dựa trên những kết quả thu được, các kiến nghị sẽ được đề xuất trong chương 5.
Chương 5 trình bày kết luận và kiến nghị nhằm hoàn thiện chính sách tín dụng tại Vietinbank, đồng thời đề xuất những ứng xử phù hợp với đối tượng khách hàng khoa học công nghệ (KHCN) Những kiến nghị này không chỉ giúp hạn chế rủi ro tín dụng mà còn nâng cao hiệu quả hoạt động của ngân hàng, tạo điều kiện thuận lợi cho sự phát triển bền vững trong lĩnh vực tài chính.
CƠ SỞ LÝ LUẬN VỀ KHẢ NĂNG TRẢ NỢ VÀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG TRẢ NỢ CỦA KHCN
Khả năng trả nợ của KHCN
2.1.1 Khái niệm khả năng trả nợ của KHCN: Để xác định và định lượng các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng, trước hết cần làm rõ khả năng trả nợ của khách hàng là như thế nào Hiện tại, vẫn chưa có định nghĩa chính thức nào về khả năng trả nợ đúng hạn của khách hàng mà chỉ tập trung vào biểu hiện của khách hàng được đánh giá là không có khả năng trả nợ Như trong tài liệu Basel Committee on Banking Super vision - điều 452 (2006), định nghĩa khách hàng không có khả năng trả nợ là những khách hàng thuộc một trong các dấu hiệu hoặc tất cả dấu hiệu như sau:
Khách hàng có thể gặp khó khăn trong việc thanh toán đầy đủ khi ngân hàng chưa tiến hành các biện pháp thu hồi, chẳng hạn như giải chấp chứng khoán mà họ đang nắm giữ.
Khách hàng có khoản vay quá hạn trên 90 ngày được coi là nợ xấu theo quy định của ngân hàng và định nghĩa của Quỹ Tiền tệ Thế giới (IMF) Theo Hướng dẫn Biên soạn về Các chỉ số Tài chính, một khoản vay được xem là nợ xấu khi quá hạn thanh toán gốc hoặc lãi 90 ngày trở lên, hoặc khi lãi đã quá hạn 90 ngày và đã được vốn hóa, cơ cấu lại hoặc trì hoãn Ngoài ra, nếu khoản thanh toán đến hạn dưới 90 ngày nhưng có dấu hiệu rõ ràng cho thấy người vay không thể hoàn trả nợ, khoản vay cũng sẽ được xếp vào nợ xấu Sau khi một khoản vay được phân loại là nợ xấu, nó và bất kỳ khoản vay thay thế nào sẽ tiếp tục nằm trong danh mục nợ xấu cho đến khi nợ được xóa hoặc thu hồi thành công.
Tại Việt Nam, từ khi Quyết định số 493/2005/QĐ-NHNN của Thống đốc Ngân hàng Nhà nước ban hành vào ngày 22/04/2005, quy định về phân loại nợ và trích lập dự phòng để xử lý rủi ro tín dụng, nợ đủ tiêu chuẩn được xác định là nợ có khả năng thu hồi đầy đủ cả gốc lẫn lãi đúng hạn.
Khả năng trả nợ đúng hạn của khách hàng được đánh giá dựa trên việc khách hàng có thực hiện đầy đủ và đúng hạn các nghĩa vụ nợ đối với bên cấp tín dụng trong suốt thời gian quan hệ tín dụng hoặc trong một khoảng thời gian cụ thể.
2.1.2 Mối quan hệ giữa khả năng trả nợ của khách hàng và rủi ro tín dụng:
Theo quyết định 493/2005/QĐ-NHNN ngày 22/04/2005, rủi ro tín dụng trong hoạt động ngân hàng là khả năng xảy ra tổn thất do khách hàng không thực hiện nghĩa vụ trả nợ Rủi ro tín dụng gia tăng khi khả năng trả nợ của khách hàng giảm Do đó, mối liên hệ giữa khả năng trả nợ và rủi ro tín dụng rất quan trọng; khả năng trả nợ cao giúp giảm rủi ro tín dụng và ngược lại Luận văn này sẽ nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng, đồng thời tìm hiểu các yếu tố liên quan đến rủi ro không trả được nợ.
Các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN
Theo Nguyễn Minh Kiều (2011), khi thẩm định khả năng trả nợ của khách hàng cá nhân (KHCN), các ngân hàng thường chú trọng vào một số yếu tố quan trọng Phương pháp truyền thống như phân tích và đánh giá 5C vẫn được áp dụng, bao gồm Tư cách (Character), Năng lực (Capacity), Vốn riêng (Capital), Tài sản đảm bảo (Collateral) và Điều kiện trả nợ (Conditions) Hiện nay, nguyên tắc 6C cũng được nhắc đến, với yếu tố thứ 6 là Kiểm soát khoản vay (Control), nhằm nâng cao hiệu quả trong việc đánh giá tín dụng.
Chapman (1940) đã nghiên cứu về rủi ro tín dụng cá nhân và phân loại các yếu tố ảnh hưởng đến rủi ro này thành nhiều nhóm Các yếu tố bao gồm đặc điểm cá nhân của người vay như tuổi, giới tính, tình trạng hôn nhân, số người phụ thuộc và thời gian cư trú Ngoài ra, đặc điểm nghề nghiệp của người vay cũng rất quan trọng, bao gồm nghề nghiệp, lĩnh vực công tác và kinh nghiệm làm việc Bên cạnh đó, đặc điểm tài chính của người vay như thu nhập, tỷ lệ nợ/thu nhập hàng năm, tài sản và phương thức hoàn trả cũng đóng vai trò quan trọng Cuối cùng, các đặc điểm của khoản vay như số tiền vay, hình thức vay, thời hạn vay và mục đích vay cũng cần được xem xét để đánh giá rủi ro tín dụng cá nhân.
Keneth (2013) đã nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng tại Ngân hàng thương mại Barclays ở Kenya Mô hình nghiên cứu bao gồm ba nhóm nhân tố chính: nhân tố người vay, bao gồm tuổi, giới tính, trình độ học vấn, nghề nghiệp và kinh nghiệm; nhân tố người cho vay, liên quan đến khoảng thời gian chấp nhận cho vay, địa điểm của ngân hàng, các yếu tố vĩ mô như lạm phát và hiệu suất làm việc của ngân hàng; và nhân tố khoản vay, bao gồm chi phí vay, hình thức vay hoặc tài sản thế chấp, kích cỡ vay và thời hạn vay.
Mô hình nghiên cứu của Keneth (2013) chỉ ra rằng nhiều yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng Samuel Antwi (2012) đã xác định các yếu tố như tuổi tác, giới tính, tình trạng hôn nhân, trình độ học vấn, lãi suất, tài sản bảo đảm và mục đích vay có tác động đến khả năng trả nợ ở Ghana Tương tự, Kohansal (2009) cũng nghiên cứu những yếu tố này trong bối cảnh nông dân tại tỉnh, cho thấy sự đa dạng trong các yếu tố ảnh hưởng đến khả năng thanh toán nợ.
Amount of time taken for loan approval
Type of loan/security provided
Khorasan-Razavi của Iran xác định các yếu tố quan trọng ảnh hưởng đến việc vay vốn, bao gồm tuổi, kinh nghiệm, thu nhập, lãi suất, diện tích nông trại, mục đích sử dụng khoản vay, tổng chi phí sinh hoạt, kích cỡ khoản vay, thời gian vay tài sản thế chấp và số tiền trả góp Những yếu tố này có thể được nhóm lại thành các nhân tố tác động chính đến quyết định vay vốn.
2.2.1 Đặc điểm cá nhân của người vay: Đặc điểm cá nhân của người vay thường được phân tích ở các nội dung như giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình, tình trạng hôn nhân Mỗi khía cạnh đều có tác động đến khả năng trả nợ của khách hàng, chẳng hạn như:
Theo Chapman (1940), nữ giới có khả năng trả nợ tốt hơn nam giới Tuy nhiên, các nghiên cứu của Samuel Antwi (2012) và Wongaa đã đưa ra những quan điểm khác nhau về vấn đề này.
Nghiên cứu về khả năng trả nợ của khách hàng thường xem xét độ tuổi như một yếu tố quan trọng Các nghiên cứu của Samuel Antwi (2012) và Wongaa (2013) cùng với nghiên cứu của Trương Đông Lộc (2011) tại Việt Nam đều cho thấy rằng độ tuổi của người vay càng thấp thì khả năng trả nợ sẽ cao hơn Tuy nhiên, nghiên cứu của Million Sileshi (2012) lại không tìm thấy mối liên hệ này.
Số lượng thành viên phụ thuộc trong gia đình càng lớn, người vay sẽ phải chịu nhiều chi phí sinh hoạt hơn, dẫn đến áp lực trả nợ gia tăng và khả năng thanh toán nợ sẽ giảm Nghiên cứu về yếu tố này tại Việt Nam đã được thực hiện bởi Trương Đông Lộc.
(2011) và Nguyễn Quốc Nghi (2012) ủng hộ giả thuyết
Tình trạng hôn nhân của khách hàng là một yếu tố ít được nghiên cứu trong các phân tích tài chính tại Việt Nam và quốc tế Trong quá trình đánh giá khả năng trả nợ, thu nhập của khách hàng thường được xem xét dưới dạng tổng thu nhập của cả người vay và người đồng trả nợ (nếu có) Nghiên cứu của Chapman (1940) và Samuel Antwi (2012) cho thấy rằng người vay đã kết hôn có khả năng trả nợ cao hơn nhờ vào thu nhập kết hợp của hai vợ chồng Hơn nữa, việc có gia đình cũng làm tăng trách nhiệm và sự cẩn trọng trong việc sử dụng vốn vay, góp phần nâng cao khả năng trả nợ.
2.2.2 Năng lực của người vay: Đánh giá năng lực của người vay là xem xét khả năng kiếm tiền của khách hàng để phán quyết xem khách hàng có thể tạo ra được thu nhập dùng để trả được nợ hay không (Nguyễn Minh Kiều 2011, trang 384) Năng lực của người vay có thể được xem xét thông qua các yếu tố thu nhập, tình trạng công việc, trình độ học vấn
Trình độ học vấn là yếu tố quan trọng trong việc chấm điểm tín dụng tại các ngân hàng, với khách hàng có trình độ học vấn cao thường nhận được điểm tín dụng tốt hơn Điều này xuất phát từ khả năng tìm kiếm việc làm tốt hơn và thu nhập ổn định hơn của họ Nhiều nghiên cứu, bao gồm của Trương Đông Lộc (2011), Nguyễn Quốc Nghi (2012) và Wongnaa (2012), đã xác nhận giả thuyết này.
Tình trạng công việc ảnh hưởng lớn đến khả năng trả nợ của khách hàng Những cá nhân có công việc ổn định, đòi hỏi kinh nghiệm và kiến thức cao, như các công việc văn phòng hay trí thức, thường có thu nhập ổn định hơn Do đó, khả năng trả nợ đúng hạn của họ cũng cao hơn so với những người làm việc trong các lĩnh vực khác Nghiên cứu của Chapman (1940) đã chỉ ra mối liên hệ này.
Li shuai (2013) cũng ủng hộ giả thuyết trên
Thu nhập đóng vai trò quan trọng trong khả năng trả nợ của khách hàng và là yếu tố quyết định chính trong việc ngân hàng có đồng ý cấp tín dụng hay không, đặc biệt đối với các khoản vay tín chấp hoặc vay không có tài sản bảo đảm Nghiên cứu của Kohansal (2008) và Woognaa đã chỉ ra tầm quan trọng này.
(2013) hay nghiên cứu Trương Đông Lộc (2011), nghiên cứu của Trần Quốc Nghi
(2012) đều ủng hộ giả thuyết thu nhập càng cao thì khả năng trả nợ đúng hạn của khách hàng càng cao
2.2.3 Đặc điểm của khoản vay: Đặc điểm của khoản vay thông thường bao gồm các yếu tố sau kích cỡ khoản vay, thời hạn vay, lãi suất vay, tài sản thế chấp
Các công trình nghiên cứu trước đây
Ngân hàng đóng vai trò quan trọng trong phát triển kinh tế - xã hội của đất nước, là một loại hình doanh nghiệp đặc biệt hoạt động trong lĩnh vực tiền tệ Nhiều nghiên cứu đã được thực hiện về các hoạt động ngân hàng như tín dụng, huy động vốn, thẻ và bảo lãnh Đến nay, đã có nhiều nghiên cứu trên toàn cầu và tại Việt Nam tập trung vào các nhân tố ảnh hưởng đến khả năng trả nợ vay của khách hàng cá nhân.
Nghiên cứu của Mohammad Reza Kohansal và Hooman Mansoori tại trường Đại học Ferdowsi of Mashhad, Iran vào năm 2008 đã khảo sát 175 nông dân ở thị trấn Khorasan-Razai để phân tích khả năng hoàn trả nợ vay ngân hàng bằng phương pháp logit Kết quả cho thấy kinh nghiệm, thu nhập, kích cỡ khoản vay và tài sản thế chấp có tác động tích cực đến khả năng trả nợ của nông dân Ngược lại, lãi suất, chi phí sinh hoạt và số tiền trả góp định kỳ lại ảnh hưởng tiêu cực đến hiệu quả trả nợ Trong đó, lãi suất vay được xác định là yếu tố quan trọng nhất, tiếp theo là kinh nghiệm của nông dân và tổng chi phí sinh hoạt.
Nghiên cứu của C.A.Woognaa và D.Awunyo-Vitor (2013) trên báo Agris online Papers in Economics and Informatics đã chỉ ra rằng các yếu tố như trình độ học vấn, kinh nghiệm, lợi nhuận, tuổi tác, giám sát và thu nhập phi nông nghiệp có ảnh hưởng tích cực đến khả năng trả nợ của nông dân trồng khoai lang ở thị trấn Sene, Ghana Ngược lại, giới tính và tình trạng hôn nhân lại có tác động tiêu cực đến khả năng này, trong khi ảnh hưởng của số thành viên trong gia đình vẫn chưa rõ ràng.
Nghiên cứu của George Yaw Mensah (2012) tại Trường Đại học Khoa học và Kỹ thuật Kwame Nkrumah đã phân tích các yếu tố ảnh hưởng đến khả năng hoàn trả của khách hàng tại Ngân hàng Akatakyiman Rural Nghiên cứu này khảo sát 11 biến và thu thập dữ liệu từ 100 quan sát trong khoảng thời gian từ năm 2006 đến 2010.
Nghiên cứu năm 2010 sử dụng phương pháp logit cho thấy tài sản bảo đảm và mục đích vay có ảnh hưởng đáng kể đến quyết định cho vay, trong khi các yếu tố như giới tính, tình trạng hôn nhân, tuổi tác, trình độ giáo dục, lãi suất và số năm quan hệ với ngân hàng không có tác động đáng kể.
Nghiên cứu của Kenneth Ogol Ochung (2013) tại trường đại học Nairobi đã phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng tại Ngân hàng Thương Mại Barclay ở Kenya Đối tượng khảo sát bao gồm nhân viên quan hệ khách hàng, quản lý tín dụng và khách hàng của ngân hàng, với 78 phản hồi được thu thập Nghiên cứu xác định các nhân tố từ người cho vay như thời gian chấp nhận cho vay, địa điểm ngân hàng, lạm phát và hiệu suất làm việc của ngân hàng; từ người vay như tuổi, giới tính, trình độ học vấn, nghề nghiệp và kinh nghiệm; cùng với các yếu tố liên quan đến khoản vay như chi phí, hình thức vay, kích cỡ và thời hạn vay, đều có tác động đến khả năng trả nợ Tuy nhiên, nghiên cứu không đi sâu vào tác động cụ thể của từng nhân tố đến khả năng trả nợ của khách hàng.
2.3.2 Nghiên cứu trong nước: Ở Việt Nam thì có nghiên cứu của Trương Đông Lộc và Nguyễn Thanh Bình về các nhân tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của nông hộ ở tỉnh Hậu Giang bằng phương pháp sử dụng mô hình probit vào năm 2011 trên báo công nghệ Ngân hàng, kết quả phân tích cho thấy khả năng trả nợ vay đúng hạn của nông hộ có tương quan thuận với thu nhập sau khi vay và số thành viên trong gia đình có thu nhập nhưng lại tương quan nghịch với lãi suất vay Đồng thời, kết quả nghiên cứu còn cho thấy trình độ học vấn của chủ hộ càng cao thì khả năng trả nợ cao và những khoản vay có nguồn trả nợ từ hoạt động sản xuất nông nghiệp cao hơn so với phi nông nghiệp
Nghiên cứu của Trần Quốc Nghi năm 2012 trên tạp chí khoa học và đào tạo Ngân hàng đã chỉ ra rằng các yếu tố như trình độ học vấn của chủ hộ, dân tộc, tiết kiệm và mục đích sử dụng vốn vay có mối tương quan thuận với khả năng trả nợ đúng hạn của hộ gia đình tại Trà Vinh Ngược lại, tỷ lệ người phụ thuộc và lãi suất vay có mối tương quan nghịch với khả năng này Đặc biệt, tỷ lệ người phụ thuộc trong hộ được xác định là yếu tố ảnh hưởng mạnh nhất đến khả năng trả nợ đúng hạn ở khu vực nông thôn.
Nhiều luận văn và nghiên cứu trong lĩnh vực kinh tế liên quan đến đề tài này chủ yếu tập trung vào nông dân và hộ gia đình, dẫn đến sự hạn chế về tính đa dạng của đối tượng nghiên cứu Các nhân tố được lựa chọn trong các nghiên cứu trước đây chưa được phân tích đầy đủ và rõ ràng Do đó, luận văn này chọn mẫu nghiên cứu là các khách hàng có dư nợ tại Vietinbank, với các nhân tố được xác định dựa trên các công trình nghiên cứu trước và hồ sơ vay vốn của khách hàng cá nhân tại ngân hàng.
Chương 2 trình bày khái quát cơ sở lý luận về tín dụng cá nhân, khả năng trả nợ của KHCN và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN Cụ thể như sau:
Dựa trên quyết định 493/2005/QĐ-NHNN và các tài liệu nghiên cứu quốc tế, luận văn đánh giá khả năng trả nợ của khách hàng thông qua việc xem xét việc thực hiện nghĩa vụ nợ đúng hạn với bên cấp tín dụng trong toàn bộ thời gian quan hệ tín dụng hoặc trong một khoảng thời gian nhất định Chương này cũng chỉ ra mối tương quan nghịch chiều giữa khả năng trả nợ của khách hàng cá nhân và rủi ro tín dụng; khi khả năng trả nợ của khách hàng càng cao thì rủi ro tín dụng sẽ càng thấp và ngược lại.
Chương này sẽ tóm tắt một số nghiên cứu thực nghiệm tại Việt Nam và quốc tế liên quan đến đề tài, tạo cơ sở cho việc phát triển mô hình nghiên cứu ban đầu Mô hình này bao gồm 5 nhân tố chính: đặc điểm cá nhân của người vay, năng lực của người vay, đặc điểm của khoản vay, rủi ro đạo đức của người vay và rủi ro tác nghiệp từ ngân hàng, sẽ được đề xuất trong chương 3.
PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU
Xác định mô hình hồi quy và lựa chọn phương pháp ước lượng
Theo nghiên cứu của Nguyễn Thị Nga (2016) và Đoàn Thị Xuân Duyên (2013), các mô hình phân tích thống kê thường được áp dụng khi biến phụ thuộc có hai trạng thái: có hoặc không xảy ra một sự kiện.
Mô hình xác suất tuyến tính (LPM)
Mô hình phân tích phân biệt (MDA)
Mô hình Logit và probit
3.1.1 Mô hình xác suất tuyến tính (LPM):
Mô hình xác suất tuyến tính (LPM) là một phương pháp ước lượng đa biến sử dụng kỹ thuật bình phương tối thiểu OLS, thích hợp cho các tình huống mà biến phụ thuộc chỉ nhận hai giá trị 1 và 0.
Hàm hồi quy của mô hình có dạng như sau:
Tuy nhiên mô hình có nhược điểm như sau: o Sai số hồi quy không tuân theo phân phối chuẩn o Phương sai của sai số thay đổi
Trong lĩnh vực xác suất, điều kiện cơ bản yêu cầu các giá trị phải nằm trong khoảng từ 0 đến 1 Tuy nhiên, một số ước lượng biến phụ thuộc có thể vượt quá giới hạn này, dẫn đến giá trị lớn hơn 1 hoặc nhỏ hơn 0 Hơn nữa, mô hình xác suất lý tưởng có sự thay đổi trong tác động biên tùy thuộc vào từng giá trị của biến độc lập, điều này trái ngược với việc giả định rằng tác động biên là không đổi.
Do đó, trong thực tế việc sử dụng mô hình xác suất tuyến tính cần phải thận trọng
3.1.2 Mô hình phân tích phân biệt (MDA):
MDA (Phân tích phân biệt nhiều lớp) là một phương pháp thống kê quan trọng giúp phân loại các quan sát vào các nhóm độc lập dựa trên những đặc điểm riêng biệt Để thực hiện MDA, bước đầu tiên là xác định rõ ràng các nhóm phân loại Sau khi các nhóm được thiết lập, dữ liệu cần được thu thập và MDA sẽ tiến hành lọc ra, kết hợp tuyến tính các đặc trưng để tối ưu hóa khả năng phân biệt giữa các nhóm.
Mô hình phân tích phân biệt nhằm mục tiêu xác định chính xác và khách quan sự khác biệt giữa các công ty có rủi ro vỡ nợ và những công ty không có nguy cơ này, thông qua việc sử dụng hàm biệt thức với các biến số định lượng.
Các mô hình được phát triển thông qua MDA có hình thức như sau:
Chỉ số tổng thể Z được sử dụng để phân tích rủi ro vỡ nợ của các công ty, với β1, β2… βn là hệ số phân biệt và x1, x2… xn là các biến độc lập Khi nghiên cứu, các công ty được chia thành hai nhóm: có rủi ro vỡ nợ và không có rủi ro vỡ nợ Giá trị của chỉ số Z càng thấp, xác suất xảy ra rủi ro vỡ nợ càng cao, và ngược lại.
Kỹ thuật phân tích MDA có khả năng phân biệt rõ ràng các đặc tính giữa các nhóm công ty có khả năng trả nợ và không có khả năng trả nợ Mô hình này tương đối đơn giản, giúp dễ dàng áp dụng trong việc đánh giá tình hình tài chính của các doanh nghiệp.
Mô hình này dễ dàng áp dụng và đơn giản, nhưng thực sự phù hợp hơn cho việc phân tích các chỉ tiêu định lượng thay vì các chỉ tiêu định tính.
3.1.3 Mô hình Logit và mô hình probit:
Mô hình Logit và Probit được sử dụng để phân tích sự phụ thuộc của một biến nhị phân vào các biến độc lập, trong khi hồi quy thông thường yêu cầu biến phụ thuộc phải ở dạng định lượng.
Mô hình Logit được thể hiện như sau:
Mô hình Probit có ưu điểm nổi bật so với các mô hình khác, bao gồm cả mô hình Logit, là khả năng cung cấp trực tiếp xác suất khách hàng có khả năng trả nợ.
Mô hình Logit và Probit khác nhau ở giả định về phân phối hạng nhiễu: Logit sử dụng phân phối chuẩn logistic, trong khi Probit dựa trên phân phối chuẩn thông thường Tuy nhiên, sự khác biệt giữa hai mô hình này là không đáng kể và không có ý nghĩa thống kê rõ ràng.
Mục tiêu chính của nghiên cứu mạng Neutral là phát triển các mô hình tự động tạo ra kết quả dựa trên quy luật và mẫu dữ liệu Mạng Neutral có khả năng nhận diện và mô phỏng các trạng thái thực của dữ liệu đầu vào, ngay cả khi dữ liệu không đầy đủ hoặc chứa nhiều biến.
Kỹ thuật này nổi bật với mô hình dự báo mà không cần công thức toán học để diễn tả mối quan hệ giữa các biến đầu vào và đầu ra Phương pháp này đặc biệt hữu ích khi mục tiêu dự báo được ưu tiên hơn so với việc giải thích các yếu tố liên quan.
(3.4) cạnh đó, một trong những thuận lợi của mô hình Neutral là nó có thể giải quyết mối quan hệ phi tuyến tính
Theo nghiên cứu của Nguyễn Thị Nga (2016) và Đoàn Thị Xuân Duyên (2013), mô hình ước lượng và dự báo dựa trên phương pháp mạng Neural cho kết quả tốt hơn so với mô hình Logit và Probit, tiếp theo là MDA và LPM Tuy nhiên, do yêu cầu về dữ liệu đầu vào lớn và tính phức tạp của mô hình mạng Neural, mà phương pháp này chưa phổ biến ở Việt Nam Do đó, trong việc phân tích rủi ro phá sản tại các công ty, việc lựa chọn mô hình Logit hoặc Probit là hợp lý, vì chúng có yêu cầu mẫu không quá cao, dễ dàng ước lượng tham số, ít ràng buộc giả thiết và đang được sử dụng rộng rãi trên thế giới.
Đề xuất mô hình nghiên cứu ban đầu
Dựa trên phân tích các mô hình hồi quy định lượng, mô hình binary logistic được xác định là phù hợp nhất để đánh giá khả năng trả nợ của khách hàng hàng cá nhân (KHCN) nhờ vào nhiều ưu điểm như không yêu cầu mẫu quá cao, ít ràng buộc về giả thuyết và cung cấp xác suất trả nợ trực tiếp Các nghiên cứu trước đây, như của George Yaw Mensah (2012), Samuel Antiwi (2012), Kohansal (2009), Li Shuai (2013), và Trần Quốc Nghi (2012), cũng đã sử dụng mô hình logistic để phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của KHCN Tuy nhiên, mỗi nghiên cứu lại lựa chọn các biến khác nhau tùy thuộc vào đối tượng và địa bàn nghiên cứu Do đó, tác giả đề xuất mô hình nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN tại Vietinbank với 5 nhân tố chính: Đặc điểm cá nhân của người vay, Năng lực của người vay, Đặc điểm của khoản vay, Rủi ro đạo đức của người vay, và Rủi ro tác nghiệp từ ngân hàng Trong đó, đặc điểm cá nhân của người vay bao gồm giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình, và tình trạng hôn nhân.
Năng lực của người vay được xác định qua trình độ học vấn, vị trí công việc và thu nhập Các đặc điểm của khoản vay bao gồm kích cỡ, thời gian, lãi suất, tài sản thế chấp và mục đích vay Luận văn này bổ sung nhân tố mục đích vay vào nghiên cứu, vì đây là yếu tố quan trọng trong hồ sơ vay vốn tại ngân hàng Vietinbank Mục đích vay giúp ngân hàng đánh giá khoản vay một cách chính xác, từ đó điều chỉnh thời hạn và lãi suất cho phù hợp với từng khách hàng.
Rủi ro đạo đức của người vay thể hiện qua lịch sự nợ quá hạn của khách hàng
Rủi ro tác nghiệp từ ngân hàng thể hiện qua kinh nghiệm, trình độ cán bộ thẩm định cho vay
Mô hình các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân (KHCN) được thiết kế dựa trên cơ sở lý luận và các nghiên cứu trước đây Đặc điểm cá nhân của người vay đóng vai trò quan trọng trong việc xác định khả năng trả nợ của họ.
Giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình, tình trạng hôn nhân
Trình độ học vấn, tình trạng công việc, thu nhập
Năng lực của người vay Đặc điểm của khoản vay Kích cỡ khoản vay, thời gian vay, Lãi suất vay, tài sản thế chấp, mục đích vay
Rủi ro đạo đức của người vay
Rủi ro tác nghiệp từ ngân hàng
Lịch sự nợ quá hạn của khách hàng
Kinh nghiệm, trình độ cán bộ thẩm định cho vay
Khả năng trả nợ của KHCN
Các giả thuyết nghiên cứu
Dựa trên mô hình nghiên cứu và mô hình định lượng đã được đề xuất, luận văn trình bày hàm hồi quy tuyến tính để phân tích các nhân tố ảnh hưởng.
Khả năng trả nợ vay của khách hàng cá nhân phụ thuộc vào nhiều yếu tố, bao gồm đặc điểm cá nhân của người vay, năng lực tài chính của họ, đặc điểm của khoản vay, cũng như rủi ro đạo đức và rủi ro tác nghiệp từ phía ngân hàng Những yếu tố này cùng nhau ảnh hưởng đến khả năng thanh toán và sự ổn định tài chính của người vay.
Biến phụ thuộc trong nghiên cứu này là khả năng trả nợ đúng hạn của khách hàng, được định nghĩa là một biến nhị phân Khách hàng sẽ được xem là trả nợ đúng hạn nếu họ thanh toán gốc và lãi trong thời gian quy định, cụ thể là vào ngày đến hạn hoặc trong khoảng thời gian 10 ngày sau đó Trong trường hợp này, quan sát sẽ nhận giá trị 1, ngược lại, nếu khách hàng không thanh toán đúng hạn, giá trị sẽ là 0.
Biến độc lập bao gồm các biến sau:
Nhóm nhân tố đặc điểm cá nhân bao gồm bốn biến số giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình, tình trạng hôn nhân
Giới tính (SEX) là một biến giả trong nghiên cứu, với giả thuyết rằng nếu người vay là nữ thì giá trị sẽ là 1, còn nếu là nam thì giá trị sẽ là 0 Dữ liệu này được thu thập từ hồ sơ thông tin của khách hàng trong chương trình clos của hệ thống ngân hàng lõi, theo nghiên cứu của Chapman.
Nghiên cứu của năm 1990 cho rằng nam giới thường mang lại rủi ro cao hơn nữ giới do tính cách cẩn trọng và tiết kiệm của phụ nữ Á Đông Tuy nhiên, các nghiên cứu của Wongnaa (2013) và Million Sileshi (2012) lại chỉ ra rằng giới tính không ảnh hưởng nhiều đến khả năng trả nợ của khách hàng Giả thuyết nghiên cứu sẽ được trình bày tiếp theo.
H1: Nếu khách hàng vay giới tính là nam thì giảm biến khả năng trả nợ của KHCN
Độ tuổi (AGE) của người vay được thu thập từ hồ sơ thông tin khách hàng trên chương trình clos Theo nghiên cứu của Trương Đông Lộc (2011) và Wongnaa (2013), người vay lớn tuổi có rủi ro trả nợ cao hơn do thu nhập và động lực kiếm tiền giảm so với người trẻ.
H2: Khi khách hàng có độ tuổi càng cao thì biến khả năng trả nợ giảm (-)
Số thành viên phụ thuộc trong gia đình (HOS) có ảnh hưởng đáng kể đến khả năng trả nợ của khách hàng cá nhân (KHCN) Dữ liệu thu thập từ chương trình clos thông qua nghiên cứu của Trương Đông Lộc (2011) và Li Shuai (2013) đã chỉ ra rằng yếu tố này đóng vai trò quan trọng trong việc đánh giá tình hình tài chính của các hộ gia đình.
H3: Số thành viên phụ thuộc vào gia đình càng tăng thì khả năng trả nợ giảm (-)
Tình trạng hôn nhân (MAR) là một biến giả, trong đó người vay được đánh giá là đã kết hôn nếu có giá trị 1 và ngược lại là 0 Dữ liệu được thu thập từ hồ sơ thông tin khách hàng trên chương trình clos cho thấy rằng những người vay đã kết hôn có khả năng trả nợ cao hơn do thu nhập của hai vợ chồng thường lớn hơn so với một cá nhân Ngoài ra, khi đã có gia đình, người vay thường có trách nhiệm và sự cẩn trọng cao hơn trong việc sử dụng vốn vay Giả thuyết này cũng được hỗ trợ bởi nhiều nghiên cứu trước đó, như của Chapman (1940) và Samuel Antwi.
H4 : Nếu người vay đã có gia đình thì khả năng trả nợ sẽ tăng ( +)
Nhóm năng lực của người vay bao gồm ba biến số trình độ học vấn, vị trí công việc, thu nhập
Trình độ học vấn (EDU) được coi là yếu tố quan trọng ảnh hưởng đến khả năng trả nợ của người vay, với giả thuyết cho rằng người có trình độ học vấn cao thường có thu nhập ổn định và khả năng quản lý tài chính tốt hơn Nghiên cứu của Trương Đông Lộc (2011), Nguyễn Quốc Nghi (2012) và Wongnaa (2013) cũng chỉ ra mối liên hệ này Dữ liệu được thu thập từ hồ sơ khách hàng trên chương trình clos, trong đó biến giả đầu tiên có giá trị 1 nếu người vay có trình độ học vấn từ trung cấp đến cao đẳng, và bằng 0 nếu không Biến giả thứ hai có giá trị 1 nếu người vay có trình độ học vấn từ đại học trở lên, và bằng 0 nếu không.
H5: Nếu trình độ học vấn càng cao thì khả năng trả nợ càng cao (+)
Tình trạng công việc (WORK) là một biến giả, trong đó giả thuyết cho rằng những công việc đòi hỏi chất xám cao, như các công việc văn phòng, sẽ có khả năng trả nợ tốt hơn Giả thuyết này tương đồng với nghiên cứu của Li Shuai (2013), trong đó biến giả nhận giá trị 1 nếu người vay có vị trí công việc văn phòng hoặc công việc liên quan đến sử dụng chất xám cao, và giá trị 0 nếu không thuộc trường hợp này.
H6: Nếu tình trạng công việc văn phòng thì khả năng trả nợ sẽ tăng (+)
Nhiều nghiên cứu đã chỉ ra rằng thu nhập (INC) có ảnh hưởng lớn đến rủi ro trả nợ, với giả thuyết rằng thu nhập cao hơn sẽ làm giảm rủi ro này, như được xác nhận bởi Trương Đông Lộc (2011) và Nguyễn Quốc Nghi (2012) Dữ liệu về thu nhập được thu thập từ hồ sơ thông tin khách hàng trong chương trình clos của core banking.
H7: Thu nhập càng cao thì khả năng trả nợ sẽ tăng (+)
Nhóm đặc điểm của khoản vay bao gồm năm biến số kích cỡ khoản vay, thời hạn vay, lãi suất vay, tài sản thế chấp, mục đích vay
Kích cỡ khoản vay (SOL) được phân tích dựa trên dữ liệu từ báo cáo MIS, với giả thuyết rằng khoản vay lớn hơn sẽ tạo ra áp lực trả nợ cao hơn, dẫn đến khả năng trả nợ giảm Nghiên cứu của Acquah (2011) ủng hộ giả thuyết này, trong khi Chapman (1990) và Li Shuai (2013) cho rằng kích cỡ khoản vay không ảnh hưởng nhiều đến khả năng trả nợ Ngược lại, Mohammad Reza Kohansal (2009) lại chỉ ra rằng kích cỡ khoản vay có mối tương quan thuận với khả năng trả nợ của khách hàng.
H8: Kích cỡ khoản vay càng cao thì khả năng trả nợ giảm (-)
Thời hạn vay có ảnh hưởng lớn đến khả năng trả nợ đúng hạn của khách hàng Dữ liệu thu thập từ báo cáo MIS cho thấy, thời hạn vay dài giúp giảm áp lực tài chính, bởi vì khách hàng có thể chia nhỏ khoản trả nợ gốc và lãi theo khả năng tài chính của mình Ngược lại, các khoản vay ngắn hạn thường khiến khách hàng gặp khó khăn trong việc tìm nguồn trả nợ, điều này đồng nhất với giả thuyết của nghiên cứu Li Shuai (2013).
H9: Thời hạn vay càng dài thì khả năng trả nợ càng cao (+)
Lãi suất vay (INT) được thu thập từ báo cáo MIS, với giả thuyết cho rằng lãi suất cao sẽ làm tăng rủi ro trả nợ Giả thuyết này phù hợp với nhiều nghiên cứu trước đây của Trương Đông Lộc (2011) và Nguyễn Quốc Nghi.
H10: Lãi suất càng cao thì khả năng trả nợ giảm (-)
Tài sản thế chấp (SEC) là nguồn tài sản được sử dụng để đảm bảo khoản vay tín dụng tại ngân hàng, giúp giảm rủi ro trả nợ Khi khách hàng thế chấp tài sản, trách nhiệm của họ đối với khoản vay sẽ tăng lên, từ đó làm giảm khả năng vỡ nợ Biến này nhận giá trị 1 nếu khách hàng có tài sản thế chấp tại ngân hàng và giá trị 0 nếu không.
H11: Nếu khách hàng thế chấp tài sản thì khả năng trả nợ tăng (+)
Mô hình dự kiến
3.4.1 Kỳ vọng dấu của hệ số B của các biến độc lập trong mô hình:
Hệ số B Kỳ vọng dấu B Giải thích
Nghiên cứu cho thấy, khách hàng vay nữ có khả năng trả nợ cao hơn so với khách hàng nam, nhờ vào tính cách thận trọng và tiết kiệm của họ Ngược lại, nam giới thường có xu hướng mạo hiểm hơn, dẫn đến mối quan hệ thuận giữa giới tính và khả năng trả nợ.
Khách hàng có độ tuổi cao thường gặp khó khăn trong việc trả nợ do thu nhập và sức khỏe giảm, dẫn đến mối quan hệ nghịch giữa độ tuổi và khả năng trả nợ.
Số lượng thành viên phụ thuộc trong gia đình người vay càng nhiều thì khả năng trả nợ của họ càng giảm, do chi phí sinh hoạt tăng cao Do đó, HOS có mối quan hệ nghịch với biến phụ thuộc.
Người vay đã kết hôn có khả năng trả nợ cao hơn so với người chưa kết hôn, nhờ vào việc tổng thu nhập của hai vợ chồng sẽ tăng cường khả năng tài chính Điều này cho thấy mối quan hệ thuận lợi giữa tình trạng hôn nhân và khả năng chi trả nợ.
Trình độ học vấn cao hơn của người vay thường dẫn đến thu nhập ổn định và cao hơn, đồng thời cũng thể hiện ý thức trả nợ tốt hơn Do đó, có mối tương quan thuận giữa các biến EDU_1 và EDU_2 với biến phụ thuộc.
Công việc văn phòng và những nghề yêu cầu trí tuệ cao thường có khả năng trả nợ tốt hơn nhờ vào thu nhập ổn định Do đó, biến WORK có mối tương quan tích cực với khả năng trả nợ.
Thu nhập càng cao thì khả năng trả nợ càng cao nên biến INC có mối tương quan thuận với biến phụ thuộc
Kích cỡ khoản vay lớn hơn sẽ dẫn đến áp lực trả nợ cao hơn và chi phí trả nợ tăng lên, làm giảm khả năng trả nợ đúng hạn Do đó, biến SOL có mối quan hệ tương quan nghịch với biến phụ thuộc.
Thời hạn vay dài giúp tăng khả năng trả nợ đúng hạn, vì khách hàng không bị áp lực tìm nguồn trả nợ cho ngân hàng Do đó, biến TIME có mối tương quan thuận với biến phụ thuộc.
Lãi suất vay cao làm giảm khả năng trả nợ, vì chi phí trả nợ tăng lên Do đó, biến INT có mối quan hệ tương quan nghịch với biến phụ thuộc.
Khi khách hàng vay vốn có tài sản thế chấp, trách nhiệm của người vay tại ngân hàng tăng lên, dẫn đến mối quan hệ thuận với biến phụ thuộc SEC.
Khách hàng vay vốn để phục vụ sản xuất kinh doanh thường có khả năng trả nợ cao hơn do nguồn vốn vay được sử dụng để tạo ra thu nhập mới, giúp họ trả nợ dễ dàng hơn Ngược lại, vay tiêu dùng không tạo ra nguồn thu nhập đối ứng, dẫn đến khả năng trả nợ thấp hơn Do đó, biến TOL (Tỷ lệ trả nợ) có mối tương quan thuận với biến phụ thuộc, thể hiện mối quan hệ tích cực giữa vay sản xuất kinh doanh và khả năng trả nợ.
Trong lịch sử tín dụng của khách hàng do CIC cung cấp, nếu khách hàng không có nợ quá hạn hoặc chưa có quan hệ tín dụng, khả năng trả nợ của họ sẽ cao hơn Do đó, CIC có mối tương quan thuận với khả năng trả nợ của khách hàng.
Cán bộ thẩm định đóng vai trò quyết định trong việc cấp hạn mức tín dụng bằng cách đánh giá khả năng trả nợ của khách hàng Kinh nghiệm và năng lực của cán bộ tín dụng ảnh hưởng lớn đến độ chính xác trong việc đánh giá nguồn trả nợ; nếu thiếu kinh nghiệm, khả năng đánh giá sẽ thấp, dẫn đến tình trạng khách hàng không trả nợ đúng hạn Thông thường, cán bộ thẩm định có thâm niên từ 2 năm trở lên sẽ có khả năng đánh giá tốt hơn nhờ vào quá trình đào tạo dài hạn, cho thấy mối quan hệ tích cực giữa kinh nghiệm và khả năng đánh giá.
Bảng 3.1 - Kỳ vọng dấu của hệ số B trong mô hình Nguồn: Tác giả tổng hợp từ giả thuyết nghiên cứu
3.4.2 Mô hình hồi quy dự kiến:
Dựa trên mô hình nghiên cứu đề xuất và các giả thuyết nghiên cứu, luận văn dự kiến mô hình hồi quy như sau:
Như vậy, mô hình hồi quy (3.5) gồm 15 biến với hệ số B tương ứng từ B 1 ->
Luận văn này sử dụng cả dữ liệu sơ cấp và thứ cấp để phân tích Dữ liệu thứ cấp được thu thập từ các báo cáo về tình hình dư nợ cho vay của các chi nhánh Vietinbank như Vietinbank Bình Dương, Vietinbank KCN Bình Dương, Vietinbank Tây Tiền Giang, Vietinbank CN 5 và Vietinbank Phú Yên vào ngày 01/04/2016, cùng với thông tin từ chương trình clos của core banking và phần mềm chấm điểm tín dụng khách hàng trên BDS Đối với biến số năm kinh nghiệm của cán bộ thẩm định khách hàng cá nhân, luận văn kết hợp dữ liệu thứ cấp từ chương trình clos và dữ liệu sơ cấp từ phỏng vấn nhân viên thẩm định tín dụng cá nhân để cung cấp thông tin cho biến IOS Ngoài ra, các báo cáo thường niên và báo cáo kiểm toán ngân hàng từ các năm 2013 và 2014 cũng được sử dụng làm dữ liệu thứ cấp.
2015 và 6 tháng đầu năm 2016 để phân tích thực trạng dư nợ KHCN và tình hình nợ quá hạn tại Ngân hàng
Số lượng mẫu là 180 dựa trên nghiên cứu hồi quy đa biến Daniel Boduszek
(2016), trong đó kích thước mẫu được tính toán theo công thức của Tabachnick and Fidell như sau:
N > 50+8*m (3.6) Trong đó: N là số lượng mẫu; m là số biến trong mô hình
Dữ liệu ban đầu được thu thập từ 5 chi nhánh của Ngân hàng thông qua việc chọn mẫu cân bằng giữa các chi nhánh Sau đó, dữ liệu được nhập vào file Excel và chọn lọc ngẫu nhiên các mẫu có điều kiện từ các khoản vay trả gốc và lãi định kỳ để tạo ra các biến cần phân tích Cuối cùng, phần mềm SPSS được sử dụng để thực hiện phân tích thống kê mô tả và hồi quy mô hình binary logistic.
STT Tên biến Ký hiệu biến Nguồn dữ liệu
Khả năng trả nợ vay của KHCN
(Bằng 1 nếu khách hàng có khả năng trả nợ vay đúng hạn và ngược lại nhận giá trị là 0)
2 Giới tính (Bằng 1 nếu giới tính là nữ và bằng 0 nếu là nam) SEX
Chương trình clos của core banking và phần mềm chấm điểm tín dụng của BDS
4 Số thành viên phụ thuộc gia đình HOS
Trình độ học vấn từ trung cấp đến cao đẳng (Bằng 1 nếu người vay có trình độ từ trung cấp, cao đẳng và khác nhận giá trị 0)
Trình độ học vấn từ đại học trở lên (Bằng 1 nếu người vay có trình độ từ đại học trở lên và khác nhận giá trị 0)
Công việc (Bằng 1 nếu người vay có vị trí công việc văn phòng, trí óc và khác nhận giá trị 0)
9 Kích cỡ khoản vay SOL
Tài sản thế chấp (Bằng 1 nếu người vay có tài sản thế chấp và ngược lại nhận giá trị 0)
Vay kinh doanh (Bằng 1 nếu mục đích của người vay là sản xuất kinh doanh và khác nhận giá trị 0)
Lịch sử nợ quá hạn của người vay (Bằng 1 nếu khách hàng chưa có nợ quá hạn và ngược lại nhận giá trị 0)
Phần mềm chấm điểm tín dụng của BDS
Kinh nghiệm, trình độ cán bộ thẩm định cho vay (Bằng 1 nếu cán bộ thẩm định có kinh nghiệm từ 2 năm trở lên và ngược lại)
Báo cáo MIS, chương trình clos và phỏng vấn cán bộ thẩm định
Bảng 3.2 - Mô tả các biến và nguồn dữ liệu thu thập từ các biến
Nguồn: Tác giả thiết kế từ giả thuyết nghiên cứu và dữ liệu thu thập
Phương pháp nghiên cứu
Luận văn áp dụng kết hợp phương pháp nghiên cứu định tính và định lượng, trong đó nghiên cứu định tính được thực hiện bằng cách tổng hợp các nghiên cứu trước để xây dựng mô hình lý thuyết và các giả thuyết nghiên cứu Đồng thời, phương pháp nghiên cứu định lượng được sử dụng để tổng hợp số liệu thứ cấp và sơ cấp thông qua thống kê mô tả và phân tích hồi quy.
3.6.1 Phương pháp thống kê mô tả:
Phương pháp thống kê mô tả bao gồm việc thu thập, tóm tắt, trình bày và tính toán các đặc trưng của đối tượng nghiên cứu Luận văn sử dụng Microsoft Excel để xử lý số liệu sơ cấp và thứ cấp, sau đó áp dụng phần mềm SPSS để thống kê tần số và mô tả các biến với các chỉ số kinh tế như trung bình, độ lệch chuẩn, giá trị tối đa và tối thiểu, nhằm đánh giá tổng quát các biến trong mô hình.
3.6.2 Phương pháp phân tích hồi quy:
Như đã trình bày ở trên, để đánh giá khả năng trả nợ của KHCN, luận văn sử dụng mô hình binary logistics
Mô hình được thể hiện như sau:
E(Y/X) đại diện cho xác suất Y=1, tức là xác suất khách hàng có khả năng trả nợ vay khi mức giá là X i Với giả định này, hàm logistic nhị phân có thể được diễn đạt lại như sau:
Và xác suất khách hàng có khả năng trả nợ và không có khả năng trả nợ là
Khi so sánh xác suất giữa khách hàng có khả năng trả nợ và khách hàng không có khả năng trả nợ, chúng ta có thể tính toán tỷ lệ Odds bằng công thức cụ thể Tỷ lệ này giúp đánh giá khả năng trả nợ của khách hàng một cách chính xác hơn.
Lấy Logarit cơ số e cả 2 vế phương trình và biến đổi, ta được kết quả:
Y=1: khách hàng có khả năng trả nợ vay
Y=0: khách hàng không có khả năng trả nợ vay
3.6.2.1 Diễn dịch ý nghĩa của các hệ số hồi quy:
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), hồi quy Binary Logistic có tên gọi này do quá trình biến đổi logarit Các hệ số hồi quy trong hồi quy binary logistic có ý nghĩa khác biệt so với hệ số hồi quy trong trường hợp các biến phụ thuộc dạng thập phân.
Hệ số ước lượng B1 trong công thức (3.7) đo lường sự thay đổi trong tỷ lệ logarit của xác suất xảy ra sự kiện khi biến phụ thuộc X1 tăng 1 đơn vị Cụ thể, khi X1 tăng 1 đơn vị, log của tỷ lệ (Pi / (1 - Pi)) sẽ tăng B1 đơn vị Hơn nữa, vế trái của công thức (3.7) đồng biến với Pi, tức là xác suất Y=1; do đó, nếu hệ số Bi dương, việc tăng Xi sẽ làm tăng khả năng Y nhận giá trị 1, trong khi hệ số âm sẽ làm giảm khả năng này.
Để hiểu rõ ý nghĩa của các hệ số hồi quy, cần tính toán tác động biên của biến Xi lên xác suất P i, tức là xác suất Y=1, bằng cách sử dụng công thức sau:
Tác động biên của X i lên xác suất Y=1 xác định với xác suất ban đầu = 0.5 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008)
3.6.2.2 Độ phù hợp của mô hình: Đối với mô hình Binary logistics để kiểm định phù hợp của mô hình, sử dụng chỉ tiêu -2LL (-2 Log Likelihood), thước đo này có ý nghĩa giống như SSE
Tổng bình phương sai số (Sum of Squares of Error) có giá trị càng nhỏ càng tốt, với giá trị nhỏ nhất của -2LL là 0, điều này cho thấy không có sai số và mô hình đạt độ phù hợp hoàn hảo.
3.6.2.3 Kiểm định ý nghĩa thống kê của các hệ số: Để kiểm định ý nghĩa của các hệ số hồi quy Logistics sử dụng đại lượng Wald Chi Square (kiểm định giả thuyết hồi quy khác không) để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể Nếu hệ số hồi quy B 0 và B 1 đều bằng 0 thì tỷ lệ chênh lệch giữa các xác suất sẽ bằng 1, tức xác suất để sự kiện xảy ra hay không xảy ra như nhau, lúc đó mô hình hồi quy không có tác dụng dự đoán Wald Chi Square được tính bằng cách lấy ước lượng của hệ số hồi quy của biến độc lập trong mô hình (hệ số hồi quy mẫu) logistics chia cho sai số chuẩn của ước lượng hệ số hồi quy này, sau đó lấy bình phương như sau:
3.6.2.4 Kiểm định mức độ phù hợp tổng quát:
Trong hồi quy logistics, để kiểm định độ phù hợp tổng quát của mô hình, chúng ta sử dụng kiểm định Chi-bình phương thay vì thống kê F như trong hồi quy tuyến tính Kiểm định này giúp xác định xem các hệ số trong mô hình có thực sự có ý nghĩa trong việc giải thích biến phụ thuộc hay không Nếu giá trị p (sig) nhỏ hơn 0.05, chúng ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1, đồng nghĩa với việc các hệ số hồi quy khác nhau có ý nghĩa thống kê và góp phần giải thích biến phụ thuộc.
Quy trình nghiên cứu
Dựa trên mô hình nghiên cứu và phương pháp nghiên cứu, quy trình nghiên cứu được tóm tắt như sau:
Hình 3.2 – Quy trình nghiên cứu mô hình Nguồn: Tác giả tổng hợp từ các nghiên cứu và phương pháp nghiên cứu
Cơ sở lý thuyết và các bằng chứng thực nghiệm
Mô hình dự kiến các nhân tố ảnh hưởng đến khả năng trả nợ của
KHCN Điều chỉnh chọn lọc các biến phù hợp với mô hình
Thu thập số liệu và thử nghiệm các biến trên phần mềm SPSS
Mô hình nghiên cứu tối ưu với các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN
Phân tích hồi quy mô hình nghiên cứu và kiểm định giả thuyết Đề xuất kiến nghị
Trong việc đánh giá khả năng trả nợ của khách hàng, có nhiều phương pháp thống kê khác nhau Chương 3 sẽ trình bày chi tiết về khái niệm, ưu điểm và nhược điểm của các mô hình như MDA, LPM, logit, probit và mạng Neural Trong số đó, mô hình logistic nhị phân được xem là phù hợp nhất do tính dễ sử dụng và phổ biến trong các nghiên cứu về khả năng trả nợ của khách hàng.
Dựa trên các bằng chứng thực nghiệm và thực tế tại Ngân hàng, luận văn đề xuất một mô hình nghiên cứu ban đầu với 15 biến độc lập bao gồm giới tính, độ tuổi, tình trạng hôn nhân, số thành viên phụ thuộc, trình độ học vấn, tình trạng công việc, thu nhập, kích cỡ khoản vay, thời hạn vay, hình thức thế chấp, lãi suất vay, mục đích vay, lịch sử nợ quá hạn và kinh nghiệm, cùng với biến phụ thuộc là khả năng trả nợ đúng hạn của khách hàng Dữ liệu nghiên cứu được thu thập từ 180 mẫu khách hàng vay vốn tại 5 chi nhánh của Ngân hàng Vietinbank vào ngày 01/04/2016 Phương pháp nghiên cứu sử dụng thống kê mô tả và hồi quy mô hình binary logistic nhằm xác định mô hình tối ưu với các biến có ý nghĩa thống kê trong chương 4.
