Phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đối với Công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng.Phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đối với Công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng.Phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đối với Công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng.Phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đối với Công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng.Phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đối với Công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng.Phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đối với Công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng.Phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đối với Công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng.Phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đối với Công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng.
Tính cấp thiết củađềtài
Nền kinh tế hiện đại đang phát triển mạnh mẽ, dẫn đến nhu cầu về nguồn vốn tiêu dùng ngày càng tăng để nâng cao chất lượng cuộc sống Hoạt động cho vay cá nhân tại Việt Nam trở nên sôi động với sự tham gia của nhiều tổ chức tín dụng trong và ngoài nước, cùng với các công ty tài chính trong nước và có vốn đầu tư nước ngoài Xu hướng phát triển kinh tế và nhu cầu trả góp tiêu dùng của người dân đã thúc đẩy lĩnh vực cho vay không tài sản bảo đảm tại Việt Nam, với nhiều ngân hàng mở rộng công ty tài chính để khai thác tiềm năng của phân khúc cho vay tiêu dùng tín chấp.
Ngân hàng TMCP Việt Nam Thịnh Vượng (VP Bank) đã mua lại công ty tài chính than khoáng sản Việt Nam và thành lập FE CREDIT Sự lựa chọn này đã chứng minh tính hợp lý khi FE CREDIT đóng góp gần 50% lợi nhuận hợp nhất của VP Bank trong các năm 2017 và 2019.
Trong những năm qua, VPB FC – Công Ty Tài chính TNHH MTV Ngân hàng Việt Nam Thịnh Vượng với thương hiệu FECredit đã triển khai và thực hiện tốt nghiệp vụ cho vay khách hàng cá nhân Tuy nhiên, tổ chức này vẫn gặp không ít khó khăn trong việc hoàn thiện và phát triển nghiệp vụ này Tỷ lệ nợ xấu gia tăng chủ yếu do đối tượng khách hàng và phân khúc mà tổ chức tín dụng hướng tới Với định hướng vay tiêu dùng không tài sản đảm bảo, FECredit chú trọng vào những khách hàng có công việc và thu nhập bình thường, nhưng khả năng trả nợ của họ lại khó xác định Các yếu tố như tính ổn định trong công việc, mức thu nhập khó đoán định, trình độ chuyên môn hạn chế và mục đích sử dụng vốn vay dường như không thể kiểm soát, tạo ra thách thức lớn cho tổ chức.
Việt Nam chủ yếu nghiên cứu và đánh giá khả năng trả nợ của khách hàng trong lĩnh vực cho vay của các ngân hàng Tuy nhiên, chỉ có một số ít nghiên cứu tập trung vào các nhân tố ảnh hưởng đến khả năng trả nợ vay của khách hàng cá nhân tại các công ty tài chính Do đó, nhận thức được tầm quan trọng của hoạt động cho vay tín chấp, dựa trên thực tiễn và kiến thức đã học, tác giả đã chọn đề tài: “Phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đối với Công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng.”
Mục đích và nhiệm vụnghiêncứu
Nghiên cứu này tập trung vào việc xác định các yếu tố ảnh hưởng đến khả năng trả nợ vay tiêu dùng tín chấp của khách hàng cá nhân tại Công ty Tài chính FE Credit Mục tiêu là đánh giá mức độ và chiều hướng tác động của những nhân tố này đến khả năng trả nợ của khách hàng Cuối cùng, nghiên cứu đề xuất một số giải pháp để nhận biết khả năng trả nợ của khách hàng cá nhân, nhằm hỗ trợ quyết định cho vay tại FE Credit.
Đối tượng và phạm vinghiêncứu
Các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đối với Công ty tài chính.
Phạm vi không gian của nhóm khách hàng cá nhân tại Công ty Tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng bao gồm các tỉnh thành trên toàn quốc Số liệu được thu thập từ cơ sở dữ liệu thông tin khách hàng cá nhân trong năm 2019.
Phạm vi nội dung nghiên cứu: Nghiên cứu tập trung tìm hiểu các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân.
Phương phápnghiên cứu
Thu thập dữ liệu và công cụ xử lý dữ liệu
Nghiên cứu sử dụng thông tin thứ cấp của các khách hàng cá nhân có giaodịch tíndụngtạiCôngtyTàichínhTNHHMTVNgânhàngViệtNamThịnhVượngnăm 2019 Tác giả sử dụng ngôn ngữ Python để xử lý dữliệu.
Phương pháp thống kê mô tả
Tácgiảtiếnhànhthốngkêmôtảgiátrịlớnnhất,giátrịnhỏnhất,độlệchchuẩn, giá trị trung bình của các nhân tố mang tính chất định lượng, kết hợp mô tả thống kê các yếu tố mang tính chất địnhtính.
Phương pháp ma trận hệ số tương quan
Tác giả đã thực hiện phân tích ma trận hệ số tương quan để xác định mối quan hệ giữa các biến độc lập và biến phụ thuộc Dựa trên ma trận tương quan, tác giả kiểm tra hiện tượng đa cộng tuyến trong mô hình.
Để đánh giá các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng vay tiêu dùng tín chấp tại Công ty Tài chính FE Credit, tác giả áp dụng phương pháp hồi quy Binary Logistic Mô hình nghiên cứu được xây dựng với biến phụ thuộc là khả năng trả nợ của khách hàng, xác định liệu họ có khả năng trả nợ hay không.
Kết cấu củaluậnvăn
Luận văn nghiên cứu có cấu trúc gồm 4 chương, trong đó Chương 1 tập trung vào cơ sở lý luận về các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng tại công ty tài chính.
Chương 2 phân tích các yếu tố tác động đến khả năng trả nợ của khách hàng cá nhân tại công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng Mô hình này giúp xác định các yếu tố chính như thu nhập, nợ hiện tại, lịch sử tín dụng và chi tiêu hàng tháng, từ đó đánh giá khả năng tài chính và rủi ro tín dụng của khách hàng Việc hiểu rõ những yếu tố này không chỉ hỗ trợ công ty trong việc quản lý rủi ro mà còn nâng cao hiệu quả trong việc cho vay.
Chương 3: Thực trạng về đánh giá khả năng trả nợ của khách hàng cá nhân tại công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng
Chương 4: Đề xuất giải pháp nhận biết khả năng trả nợ của khách hàng cá nhân tại công ty tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng
CƠ SỞ LÝ LUẬN VỀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KHẢNĂNG TRẢ NỢ CỦA KHÁCH HÀNG TẠI CÔNG TYTÀICHÍNH
Công ty tài chính và hoạt động cho vay tiêu dùng tín chấp tại công ty tài chính.4.1 Khái niệm và đặc điểm của công tytàichính
1.1.1 Khái niệm và đặc điểm của công ty tàichính
1.1.1.1 Khái niệm công ty tàichính
Công ty Tài chính được định nghĩa là tổ chức kinh doanh tiền tệ phi ngân hàng, có chức năng huy động vốn thông qua việc phát hành cổ phiếu, trái phiếu và thương phiếu để cho vay Các khoản vay của Công ty Tài chính thường phục vụ nhu cầu của doanh nghiệp và cá nhân nhỏ với số tiền nhỏ Theo Nghị định số 79/2002/NĐ-CP, Công ty Tài chính không được cung cấp dịch vụ thanh toán và không được nhận tiền gửi dưới 1 năm, mà chỉ được sử dụng vốn tự có, vốn huy động và các nguồn vốn khác để cho vay, đầu tư và cung cấp dịch vụ tư vấn tài chính.
1.1.1.2 Đặc điểm của Công ty Tàichính
Theo quy định của Ngân hàng Nhà nước, Luật các TCTD (2010) tại Chương IV - Mục 3, một số hoạt động cho vay của Công ty Tài chính bao gồm cho vay trả góp, cho vay tiêu dùng, bảo lãnh ngân hàng, chiết khấu, tái chiết khấu công cụ chuyển nhượng và các giấy tờ có giá khác Ngoài ra, các công ty này còn được phép phát hành thẻ tín dụng, bao thanh toán, cho thuê tài chính và các hình thức cấp tín dụng khác sau khi được Ngân hàng Nhà nước chấp thuận.
CóthểrútramộtsốđiểmkhácbiệtgiữaCôngtyTàichínhvàNgânhàng,từđó thể hiện đặc trưng trong hoạt động của Công ty Tài chính nhưsau:
Công ty Tài chính không được nhận tiền gửi từ các chủ thể trong nền kinh tế thông qua hình thức mở tài khoản với thời hạn dưới 1 năm Thay vào đó, các Công ty Tài chính thường huy động vốn bằng cách phát hành trái phiếu dài hạn và tín phiếu Tuy nhiên, hiện nay, phần lớn các Công ty Tài chính tại Việt Nam chủ yếu sử dụng vốn tự có để cho vay, tập trung vào lĩnh vực cho vay cá nhân tiêu dùng tín chấp.
Công ty Tài chính không được phép sử dụng vốn vay từ các tổ chức kinh tế và cá nhân làm phương tiện thanh toán trong nền kinh tế Hơn nữa, Công ty Tài chính cũng không được cung cấp dịch vụ thanh toán qua tài khoản và tiền mặt cho các chủ thể trong nền kinh tế.
Thứ ba, Chính phủ chỉ quy định mức tối đa và thời hạn cho các khoản vay cá nhân từ các Công ty Tài chính, trong khi không giới hạn số lượng chi nhánh, tài sản mà các công ty này sở hữu và phương thức thu hồi vốn Việc này tạo điều kiện cho các Công ty Tài chính hoạt động linh hoạt hơn trong việc cung cấp các hình thức cho vay, đáp ứng tốt hơn nhu cầu đa dạng của khách hàng so với các tổ chức Ngân hàng.
Công ty Tài chính có sự khác biệt rõ rệt trong việc sử dụng nguồn vốn cho hoạt động tín dụng so với các Ngân hàng, bởi vì cách thức huy động vốn của họ không giống như các chủ thể khác trong nền kinh tế.
1.1.2 Hoạtđộng cho vay tiêu dùng tín chấp tại công ty tàichính
1.1.2.1 Đặc trưng cho vay tiêudùng Điều 1-Thông tư 43/2016/TT-NHNN (2016) có nêu rõ: “Cho vay tiêu dùng là việcCông ty Tài chính cho vay bằng đồng Việt Nam đối với khách hàng là cá nhân nhằm đáp ứng nhu cầu vốn mua, sử dụng hàng hóa, dịch vụ cho mục đích tiêu dùng củakháchhàng,giađìnhcủakháchhàngđóvớitổngdưnợchovaytiêudùngđốivới một khách hàng tạiCông ty Tài chính đó không vượt quá 100.000.000 đồng (một trăm triệu đồng) Nhu cầu mua, sử dụng hàng hóa, dịch vụ bao gồm: mua phương tiện đi lại, trang thiết bị, đồ dùng gia đình; Chi phí học tập, chữa bệnh, du lịch, văn hóa, thể dục, thể thao; Sửa chữa nhàở”.
Cho vay tiêu dùng là mối quan hệ kinh tế giữa tổ chức tín dụng (TCTD) và người vay, trong đó TCTD cung cấp một khoản tiền theo các điều kiện đã thỏa thuận để hỗ trợ nhu cầu chi tiêu của cá nhân hoặc hộ gia đình Hình thức vay này giúp người vay chi trả cho các nhu cầu thiết yếu như nhà ở, đồ dùng gia đình, xe cộ, cũng như các khoản chi cho giáo dục, y tế và du lịch, trước khi họ có khả năng tài chính Cho vay tiêu dùng xuất phát từ những nhu cầu thực tế trong nền kinh tế và có những đặc điểm khác biệt so với tín dụng ngân hàng truyền thống.
Cho vay tiêu dùng là hình thức cho vay nhằm đáp ứng nhu cầu chi tiêu của cá nhân và hộ gia đình, không phục vụ cho mục đích đầu tư hay sản xuất kinh doanh Các khoản vay này giúp người tiêu dùng có khả năng chi tiêu trước cho nhu cầu cá nhân, trong khi việc hoàn trả khoản vay dựa vào thu nhập hàng tháng của họ, không bị ảnh hưởng bởi kết quả kinh doanh.
Vay tiêu dùng thường có giá trị nhỏ nhưng số lượng khoản vay lại rất lớn, phục vụ nhu cầu của cá nhân và hộ gia đình Đặc điểm của hình thức vay này là đáp ứng nhu cầu chi tiêu hàng ngày, thường có giá trị thấp Đối tượng vay rất đa dạng, từ mọi tầng lớp dân cư, cho thấy nhu cầu vay vốn ngày càng tăng do người dân mong muốn nâng cao chất lượng cuộc sống.
Balà,chiphíchocáckhoảnchovaytiêudùngkhálớn.Đểthựchiệnbấtcứmột khoản cho vay nào, các
Các tổ chức tín dụng (TCTD) cần thực hiện đầy đủ quy trình cho vay, bao gồm tiếp nhận hồ sơ, thẩm định, xét duyệt, giải ngân, thu hồi nợ và chi phí quản lý Đối với mỗi khách hàng, TCTD phải tuân thủ trình tự này, trong khi số lượng khoản vay thường nhiều nhưng giá trị mỗi khoản vay lại nhỏ, dẫn đến chi phí cho hoạt động tín dụng tiêu dùng trở nên cao.
Lãi suất cho vay tiêu dùng thường cao và cố định, với các khoản vay thường là trả góp, do đó lãi suất được xác định trước Khách hàng thường quan tâm đến số tiền phải trả hàng tháng hơn là lãi suất, dẫn đến việc họ kém nhạy cảm với lãi suất Quy mô khoản vay tiêu dùng thường nhỏ, nhưng chi phí quản lý lại cao do phải thực hiện đầy đủ quy trình như các khoản vay khác Ngoài ra, cho vay tiêu dùng tín chấp có độ rủi ro cao vì không có tài sản đảm bảo, do đó lãi suất thường cao hơn so với các khoản vay có thế chấp tài sản.
Năm gần đây, cho vay tiêu dùng đã trở thành một trong những lĩnh vực có mức sinh lời cao Khả năng sinh lời của khoản vay phụ thuộc vào nhiều yếu tố, trong đó lãi suất đóng vai trò quan trọng Mối quan hệ giữa khả năng sinh lời và rủi ro rất chặt chẽ; rủi ro càng lớn thì lợi nhuận kỳ vọng càng cao Sự gia tăng số lượng các công ty tài chính và việc các ngân hàng thành lập công ty tài chính riêng để tham gia vào thị trường cho vay tiêu dùng cho thấy tiềm năng lớn của hoạt động này.
Hiện nay, để đáp ứng nhu cầu vay vốn tiêu dùng của cá nhân, các tổ chức tín dụng (TCTD) cần phát triển các sản phẩm đa dạng và mở rộng quy mô hoạt động Mặc dù hoạt động cho vay tiêu dùng mang lại lợi nhuận cao, nhưng cũng tiềm ẩn nhiều rủi ro tín dụng Do đó, các TCTD cần thực hiện các biện pháp phòng ngừa rủi ro, đặc biệt là trong việc đánh giá khả năng trả nợ của khách hàng.
1.1.2.2 Cho vay tiêu dùng tín chấp tại Công ty Tàichính
Cho vay tín chấp là hoạt động cấp tín dụng mà bên cho vay cung cấp cho khách hàng một khoản tiền để sử dụng cho mục đích cụ thể, với cam kết hoàn trả cả gốc và lãi mà không cần tài sản thế chấp Hoạt động này thường mang lại nhiều rủi ro hơn so với cho vay có tài sản đảm bảo, do khả năng trả nợ phụ thuộc vào thu nhập và tình trạng sức khỏe của khách hàng Trong trường hợp người vay gặp khó khăn như bệnh tật, mất việc, khả năng thu hồi vốn của tổ chức tín dụng sẽ rất khó khăn Đặc biệt, các khoản cho vay tiêu dùng tại Công ty Tài chính chủ yếu là cho vay tín chấp, dựa vào chứng minh thu nhập hàng tháng, do đó độ rủi ro càng cao Tuy nhiên, nếu quản lý rủi ro hiệu quả, hoạt động này có thể mang lại lợi nhuận cao cho các tổ chức tín dụng.
Các nhân tố ảnh hưởng đến khả năng trả nợ củakháchhàng
1.2.1 Khái niệm khả năng trả nợvay
Khả năng trả nợ của khách hàng là việc khách hàng thực hiện nghĩa vụ trả nợ đúng hạn và đầy đủ theo hợp đồng vay Hiện tại, khái niệm này chưa được định nghĩa thống nhất, mà chỉ có các dấu hiệu cho thấy khách hàng có nguy cơ nợ xấu hoặc nợ trễ hạn Theo Hiệp ước Basel II, có hai dấu hiệu chính để đánh giá khả năng mất khả năng trả nợ của khách hàng.
Khách hàng có thể gặp khó khăn trong việc thực hiện nghĩa vụ trả nợ đúng hạn, chưa kể đến khả năng các tổ chức tín dụng sẽ tiến hành bán tài sản để thu hồi nợ.
Khách hàng có các khoản nợ quá hạn trên 90 ngày, trong đó các khoản thấu chi được coi là quá hạn khi vượt hạn mức hoặc nhận thông báo hạn mức thấp hơn dư nợ hiện tại Theo Thông tư 02/2013/TT-NHNN ngày 21 tháng 01 năm 2013, nợ được phân loại theo phương pháp định tính, và các khoản nợ từ nhóm 3 trở lên sẽ được xem là không có khả năng trả nợ.
Nhận diện rủi ro tín dụng khách hàng là một quá trình phức tạp và đa dạng đối với các tổ chức tín dụng Tính chính xác trong việc đánh giá rủi ro khoản vay phụ thuộc vào sự hiểu biết của tổ chức về khách hàng, giúp tránh tổn thất khi khách hàng không có khả năng trả nợ Mức độ hiểu biết này được xác định bởi lượng thông tin thu thập và khả năng xử lý thông tin của tổ chức Nguồn thông tin đầu tiên về khách hàng thường đến từ bộ hồ sơ vay vốn mà khách hàng cung cấp Để đánh giá rủi ro, cán bộ tín dụng cần xem xét tính hợp pháp của hồ sơ, tình hình tài chính, khả năng trả nợ và tính khả thi của phương án vay Việc đo lường khả năng trả nợ là cần thiết để xác định mức rủi ro tín dụng trong các quyết định cho vay Đối với tín dụng cá nhân, thông tin chủ yếu dựa vào sự cung cấp từ khách hàng và kiểm tra của tổ chức tín dụng Công nghệ thông tin hiện nay đang giúp việc đánh giá rủi ro tín dụng trở nên khả thi và tiết kiệm chi phí hơn.
1.2.2 Cácyếu tố ảnh hưởng đến khả năng trả nợ của kháchhàng
Khả năng trả nợ được định nghĩa là khả năng hoàn trả khoản vay cùng với lãi suất theo một lịch trình cụ thể, phụ thuộc vào hai yếu tố chính: năng lực tài chính của khách hàng và khả năng tạo ra lợi nhuận ròng để phục vụ cho việc hoàn trả Để đánh giá khả năng tài chính của khách hàng, các tổ chức tín dụng thường tìm kiếm dữ liệu tài chính từ khách hàng.
Khi vay vốn cá nhân, ngân hàng yêu cầu khách hàng cung cấp thông tin chi tiết về thu nhập, chi phí và giá trị tài sản ròng để đảm bảo khả năng hoàn trả Ngoài ra, tổ chức tín dụng cũng cần biết thông tin về tài sản "Có" và tài sản "Nợ" của khách hàng Tài sản "Có" bao gồm tài sản, tiền đầu tư vào cổ phiếu, quỹ và tiền gửi có kỳ hạn, trong khi tài sản "Nợ" bao gồm các khoản vay chưa thanh toán và thẻ tín dụng.
Trong cho vay doanh nghiệp, tổ chức tín dụng yêu cầu báo cáo tài chính đã được kiểm toán và dòng tiền của dự án để đánh giá khả năng vay nợ của khách hàng Họ xem xét hiệu quả của rủi ro được đề xuất và đánh giá nguồn trả nợ cơ bản Trước đây, ngân hàng thường cho vay dựa trên sự bảo lãnh, nhưng trong những năm gần đây, tổ chức tín dụng đã chuyển sang cho vay dựa trên dòng tiền.
Tổng quan tình hình nghiên cứu về các yếu tố ảnh hưởng đến khả năng trả nợ vaycủakháchhàng
Tính đến thời điểm hiện tại, Việt Nam cùng với nhiều quốc gia khác trên thế giới đã có nhiều nghiên cứu đánh giá các nhân tố tác động đến khả năng trả nợ và xác suất vỡ nợ của doanh nghiệp Tuy nhiên, do nghiên cứu tập trung vào phân khúc khách hàng cá nhân, tác giả chỉ cung cấp thông tin sơ lược về khả năng trả nợ vay của các khách hàng doanh nghiệp.
Fitzpatrick (1931) là người tiên phong trong việc sử dụng các tỷ số tài chính để dự đoán khả năng phá sản của doanh nghiệp Ông đã thu thập dữ liệu từ báo cáo tài chính của 20 doanh nghiệp không thuộc ngành sản xuất và kinh doanh trong giai đoạn 1920-1929 tại Hoa Kỳ Trong nghiên cứu, 13 tỷ số tài chính được chọn lựa dựa trên sự sử dụng phổ biến bởi các nhà phân tích hàng đầu thời bấy giờ Kết quả cho thấy rằng các tỷ số tài chính hiệu quả nhất để dự đoán sự phá sản từ báo cáo tài chính hàng năm trước khi doanh nghiệp phá sản bao gồm Khả năng sinh lợi của tài sản, Vòng quay tài sản cố định, Tỷ số nợ trên tài sản, và Tỷ số thanh toán nhanh.
Beaver (1966) đã áp dụng phương pháp phân tích phân biệt để xác định mối liên hệ giữa các tỷ số tài chính và khả năng dự đoán vỡ nợ doanh nghiệp Nghiên cứu thực nghiệm của ông bao gồm 79 doanh nghiệp thất bại và một số lượng tương ứng doanh nghiệp thành công trong giai đoạn 1954-1964 Bài nghiên cứu đã phân tích và đánh giá từng tỷ số tài chính nhằm thiết lập các tiêu chí dự báo phá sản doanh nghiệp thông qua việc quan sát các tỷ số này Tổng cộng, 30 tỷ số tài chính đã được phân loại thành năm nhóm.
Các tỷ số tài chính như tỷ số dòng tiền, tỷ số doanh thu thuần, tỷ số nợ phải trả trên tổng tài sản, tỷ số tài sản thanh khoản trên tổng tài sản, tỷ số tài sản thanh khoản nhanh và các tỷ số vòng quay đã được áp dụng Kết quả cho thấy rằng những doanh nghiệp lâm vào tình trạng khủng hoảng tài chính thường có ít tiền mặt, ít hàng tồn kho nhưng lại mang nhiều nợ phải thu.
Altman (1968) tiếp tục kế thừa và mở rộng nghiên cứu của Beaver (1966) Altman
Năm 1968, Altman đã áp dụng phương pháp phân tích phân biệt và các tỷ số tài chính để dự báo nguy cơ thất bại doanh nghiệp, giúp các công ty phát hiện sớm dấu hiệu phá sản và có biện pháp ứng phó kịp thời Ông tiếp tục nghiên cứu và phát triển các chỉ số Z’ và Z’’ với độ chính xác cao hơn so với mô hình trước đó Kết quả nghiên cứu chỉ ra rằng các biến độc lập như Vốn lưu động/tổng tài sản, Lợi nhuận giữ lại/tổng tài sản, Lợi nhuận trước thuế và lãi vay/tổng tài sản, Vốn hóa thị trường/tổng nợ phải trả, và Doanh thu/tổng tài sản có khả năng dự báo tốt nguy cơ phá sản của doanh nghiệp.
Khi đánh giá khả năng trả nợ vay của khách hàng, các nghiên cứu thực nghiệm trên thế giới thường sử dụng nhiều cách tiếp cận khác nhau, tập trung vào hai phương diện chính: khả năng trả nợ đúng hạn và khả năng trả được nợ.
Nghiên cứu của Antwi Samuei và cộng sự (2012) xác định khách hàng có khả năng trả nợ là những người không có khoản nợ quá hạn trên 90 ngày, theo định nghĩa của Basel II Tương tự, Wongnaa và cộng sự (2013) cho rằng khách hàng có khả năng trả nợ là những người có khả năng thanh toán tất cả khoản nợ đúng hạn, trong khi những khách hàng mất khả năng trả nợ sẽ có nợ quá hạn Nghiên cứu của Nwosu và cộng sự (2014) cùng với Million Silesiv và cộng sự (2012) đã sử dụng tỷ lệ nợ đã trả để đánh giá hiệu quả trả nợ của nông dân chăn nuôi tại Đông Nam Nigeria Ngoài ra, Acquah và Addo (2011) đã sử dụng tổng số tiền trả nợ để xác định khả năng trả nợ của cư dân làng chài ở Ghana, phù hợp với quan điểm của Oladeebo và Oladeebo trong nghiên cứu về khả năng trả nợ của tiểu nông tại Nigeria.
Ngoài hai hướng tiếp cận định lượng, một phương pháp đánh giá định tính cũng được áp dụng trong nghiên cứu thực nghiệm với 2.765 khách hàng cá nhân từ 16 ngân hàng lớn tại Mỹ Tác giả Chapman (1940) định nghĩa khả năng trả nợ là khả năng thu hồi nợ mà không gặp khó khăn, trong khi khách hàng không có khả năng trả nợ là những người có nợ quá hạn hoặc vỡ nợ Để đảm bảo sự thống nhất trong luận văn, tác giả quyết định đánh giá khả năng trả nợ của khách hàng dựa trên quy định của Basel II.
Hoạt động tín dụng tiêu dùng tín chấp của Công ty Tài chính chủ yếu phục vụ cho khách hàng là người lao động có thu nhập ổn định Tuy nhiên, việc trả lương chậm có thể ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng Nghiên cứu khả năng trả nợ sẽ dựa trên việc khách hàng có thực hiện thanh toán đúng hạn hay không Theo Chapman (1990), các yếu tố ảnh hưởng đến rủi ro tín dụng cá nhân bao gồm đặc điểm nhân khẩu học, thu nhập, học vấn, khoản vay và nghề nghiệp Nwosu (2014) đã bổ sung yếu tố tài sản đảm bảo trong nghiên cứu của mình tại Nigeria Đinh Thị Huyền Thanh và Stefanie Kleimier (2006) đã đưa ra vấn đề “Quanh hệ tín dụng” để đánh giá khả năng trả nợ, tương tự như nghiên cứu của Oladeebo (2008) về “Số năm có quan hệ tín dụng” Các yếu tố rủi ro tín dụng cá nhân có thể được phân nhóm thành đặc điểm nhân khẩu học, năng lực của người vay và đặc điểm khoản vay Tất cả thông tin này đều cần thiết và phải được cung cấp đầy đủ trong hồ sơ vay vốn, đồng thời được kiểm tra trong quá trình thẩm định.
Các yếu tố "Đặc điểm nhân khẩu học" thường được các nghiên cứu trước đây sử dụng bao gồm độ tuổi, giới tính, tình trạng hôn nhân, đặc điểm gia đình và một số yếu tố nhân khẩu học khác.
Nghiên cứu cho thấy nữ giới có khả năng trả nợ cao hơn nam giới do tính cẩn trọng và ít phạm tội hơn Các nghiên cứu của Chapman (1990) và Weber & Musshoff (2012) đã xác nhận rằng nữ giới tạo ra ít rủi ro tín dụng hơn Hơn nữa, giới tính và tình trạng hôn nhân có ảnh hưởng đến khả năng trả nợ, với tỷ lệ khách hàng không có khả năng trả nợ ở nam giới cao hơn nữ giới, cụ thể là 1.08 cho nam giới có gia đình và 1.37 cho nam giới độc thân, trong khi tỷ lệ này ở nữ giới thấp hơn.
0.44 và 0.43) Nghiên cứu của Oladeebo (2008) tại Nigeria cho thấy, trong số những khách hàng không có khả năng trả nợ thì nam giới chiếm ưu thế (65%), trong khi đó nữ giới chỉ chiếm 35% Các tham số nghiên cứu trong mô hình nghiêncứuhồiquyLogistictronghainghiêncứucủaCamillus(2013),vànghiêncứucủaEdwardYeboa- Irene Mirekuah Oduro (2018) cũng cho thấy rằng xác suất không có khả năng trả nợ củanamgiớicaohơnnữgiới.Tuynhiênmộtnghiêncứukhác,Samuel(2012)lạicho thấy rằng tỷ lệ 58% mẫu thực nghiệm trong nghiên cứu là nam giới, 42 phần trăm kháchhànglànữgiới,tuynhiêntỷlệkhôngtrảđượcnợởmỗigiớitínhlạibằngnhau
Độ tuổi là một yếu tố quan trọng trong nghiên cứu khả năng trả nợ của khách hàng Nghiên cứu của Nwosu (2014) cho thấy người lớn tuổi có khả năng trả nợ tốt hơn so với người trẻ, do họ thực tế hơn trong việc yêu cầu khoản vay và có nhiều tài sản thế chấp Chapman (1940) cũng chỉ ra rằng người dưới 35 tuổi có tỷ lệ không trả được nợ cao hơn Các nghiên cứu của Acquah-Addo (2011) và Samuel (2012) xác nhận rằng tuổi càng cao thì khả năng trả nợ càng tốt Camillus (2013) cũng cho rằng khách hàng lớn tuổi thường khôn ngoan và có trách nhiệm hơn Ngược lại, những người trẻ tuổi thường ít có trách nhiệm tài chính hơn, vì họ không có gia đình để phụ thuộc Orebiyi (2002) và Oladeebo & Oladeebo (2008) cũng cho thấy rằng tuổi tác có ảnh hưởng tiêu cực đến khả năng trả nợ, với người trẻ có khả năng tiếp thu đổi mới và tăng thu nhập, từ đó nâng cao khả năng trả nợ so với người lớn tuổi Những người đã lập gia đình thường hành động thận trọng hơn, dẫn đến khả năng trả nợ cao hơn.
Nwosu và cộng sự (2014) đã chỉ ra rằng nông dân đã kết hôn ở Nigeria có khả năng trả nợ cao hơn so với những người độc thân, nhờ vào sự ổn định và trách nhiệm trong cuộc sống Tương tự, Afolabi (2010) cho biết rằng hộ gia đình có người đã kết hôn thường có năng suất sản xuất cao hơn, dẫn đến thu nhập tốt hơn và khả năng trả nợ cao hơn Nghiên cứu của Edward Yeboah (2018) tại Ghana cũng xác nhận rằng những người có gia đình có khả năng trả nợ tốt hơn so với người độc thân, ly dị hoặc góa phụ, nhờ vào sự hỗ trợ tài chính từ vợ hoặc chồng.
Nghiên cứu năm 1940 cho thấy rằng nam giới đã kết hôn có khả năng trả nợ cao hơn so với nam giới độc thân, trong khi xu hướng này lại ngược lại đối với nữ giới, khi nữ giới độc thân có khả năng trả nợ tốt hơn nữ giới đã có gia đình Nghiên cứu năm 2013 của Camillus đã xác nhận giả thuyết rằng những khách hàng đã kết hôn có nhu cầu sử dụng vốn vay cao hơn để phục vụ cho gia đình, dẫn đến việc khách hàng độc thân có tỷ lệ trả nợ cao hơn.
Giới thiệu chung về Công ty Tài chính TNHH Ngân hàng Việt Nam Thịnh Vượng
Công ty Tài Chính Fe Credit, hay còn gọi là Công ty Tài Chính TNHH MTV Ngân hàng Việt Nam Thịnh Vượng, được thành lập vào ngày 02 tháng 11 năm 2010 Trước đây, Fe Credit là Khối Tín dụng tiêu dùng thuộc Các tổ chức tín dụng TMCP Việt Nam Thịnh Vượng (VPBank).
Tiền thân là Khối Tín dụng tiêu dùng trực thuộc Các tổ chức tíndụngT M C P V i ệ t N a m T h ị n h
C R E D I T đ ã t h à n h c ô n g trongviệc chuyển đổi hoạt động
Tín dụng tiêu dùng sang một pháp nhân độc lập mới, được nhận diện với Thương hiệu FE CREDIT vào tháng 02/2015.
Sau 8 năm hoạt động, FE CREDIT đã thiết lập một nền tảng vững chắc để trở thành công ty dẫn đầu thị trường tài chính tiêu dùng với mạng lưới trải dài trên toàn quốctạihơn13,000điểmbánhàngcùnghơn17,500nhânviên,FECREDITkếthợp với hơn 9,000 đối tác đến nay đã phục vụ cho gần 10 triệu người dân Việt Nam giải quyết khó khăn tài chính thông qua các sản phẩm và dịch vụ cho vay tín chấp của mình.
Mô hìnhnghiêncứu
Đề tài nghiên cứu tập trung vào khách hàng cá nhân và các dữ liệu từ FE CREDIT nhằm phân tích khả năng trả nợ vay Nghiên cứu sẽ tham khảo các tài liệu trước đó để phát triển mô hình đánh giá toàn diện Mô hình lựa chọn cần đáp ứng các tiêu chí cụ thể để đảm bảo tính chính xác và hiệu quả trong việc phân tích.
Mô hình lựa chọn cần đảm bảo tính đầy đủ, bao gồm tất cả các yếu tố ảnh hưởng đến khả năng vay vốn Điều này bao gồm đặc điểm của khách hàng vay, thông tin tài chính của họ, cùng với các yếu tố liên quan khác đến khoản vay.
Tính khách quan: Kết quả đo lường không mâu thuẫn với các cơ sở lý thuyết trước đếnnay.
Bài viết này kế thừa các nghiên cứu khoa học trước đây về việc đo lường các yếu tố ảnh hưởng đến khả năng trả nợ vay của khách hàng cá nhân, nhằm cung cấp cái nhìn sâu sắc hơn về các nhân tố này.
Tính đơn giản: Mô hình được chọn phải dễ hiểu, đơn giản và dễ sửdụng.
Dựa trên các yêu cầu và tham khảo các nghiên cứu trước, tác giả đã chọn phương pháp hồi quy Logistic nhị phân để nghiên cứu và phân tích mối quan hệ giữa các biến độc lập và biến phụ thuộc.
Theo Ali Al-aradi (2014), nghiên cứu chấm điểm tín dụng bằng mô hình hồi quy logistic đã cho thấy tính ứng dụng rộng rãi của nó trong các lĩnh vực như y sinh, khoa học xã hội, tiếp thị và tài chính Mô hình này có khả năng đánh giá xác suất khách hàng có thể đáp ứng nghĩa vụ tài chính đúng hạn thông qua việc sử dụng các yếu tố dự đoán như quy mô khoản vay, thông tin cá nhân như thu nhập hàng năm, nghề nghiệp, các khoản nợ chưa thanh toán, hành vi không trả nợ trong quá khứ và lịch sử tín dụng của khách hàng.
HồiquyLogisticlàmôhìnhhồiquyđặcbiệtkhibiếnphụthuộclàmộtbiếnnhị phânchỉnhậnhaigiátrị0và1.Môhìnhhồiquynàysửdụngđểdựđoánxácsuấtđể xảy ra một sự việc dựa vào thông tin các biến độc lập trong môhình.
Phụ thuộc Nhị phân Độc lập Liên tục hoặc rời rạc Đặc điểm nhân khẩu học
Giới tính Tuổi Tình trạng hôn nhân Số người tham chiếu
Y(X) là biến lựa chọn nhị phân, trong đề tài nghiên cứu, biến phụ thuộc được giải thích như sau:
Yi= 1 Nếu có khả năng trả nợ
0 Nếu không có khả năng trả nợ
Mô hình hồi quy Binary Logistic có dạng như sau:
Trong đó, Pi là kỳ vọng xác suất Y=1 với điều kiện Xixảy ra, Xi là biến độclập Khi đó, xác suất không xảy ra sự kiện là:
=𝑒(𝛽0+βiXi)iXi) Áp dụng mô hình tuyến tính hóa, mô hình Binary Logistic được viết thành:
Mô hình hồi quy Logit được biểu diễn bằng công thức Loge(Pi) = β0 + βiXi + β1X1 + β2X2 + β3X3 + + βiXi Ý nghĩa của mô hình này cho thấy rằng, khi các yếu tố khác không thay đổi, sự thay đổi 1 đơn vị của biến độc lập Xi sẽ dẫn đến sự thay đổi 1 lượng β trong biến phụ thuộc Y Nếu hệ số hồi quy β dương, thì nhân tố Xi sẽ tác động cùng chiều với biến phụ thuộc; ngược lại, nếu hệ số hồi quy β âm, nhân tố Xi sẽ tác động ngược chiều với biến phụ thuộc.
Dựa trên các nghiên cứu thực nghiệm đã được trình bày trong chương 2, chúng tôi đề xuất các biến số đưa vào mô hình cho Công ty Tài chính FE Credit, với nguyên tắc thừa kế và điều chỉnh phù hợp với tình hình thực tế của công ty.
Bảng 2.1: Bảng tổng hợp các yếu tố dự tính đưa vào mô hình
Năng lực của khách hàng
Số tháng kinh nghiệm Thu nhập
Chi phí sinh hoạt cơ bản Tình trạng nhà ở
Khả năng trả nợ Số năm cư trú tại địa điểm hiện tại Đặc điểm khoản vay
Dư nợ Lãi suất trung bình
Số khoản vay đã đóng
Số khoản vay còn hiệu lực
Số năm quan hệ tín dụng với FE Credit
Nguồn: Tác giả tự tổng hợp
Biến phụ thuộc trong nghiên cứu này là khả năng trả nợ của khách hàng Khách hàng được coi là có khả năng trả nợ nếu họ hoàn tất toàn bộ khoản vay và thanh toán lãi mà không quá hạn 90 ngày; trong trường hợp này, biến phụ thuộc sẽ nhận giá trị 1 Ngược lại, nếu khách hàng không thanh toán toàn bộ khoản vay hoặc khoản vay quá hạn trên 90 ngày, biến phụ thuộc sẽ nhận giá trị 0.
Bảng 2.2: Bảng mô tả các biến sử dụng trong nghiên cứu
Biến phụ thuộc target Khả năng trả nợ của khách hàng
0=Khách hàng có khả năng trả nợ 1= Khách hàng không có khả năng trả nợ
Giới tính 0=Nữ 1=Nam age(X2) Tuổi marital_status(X3)
Tình trạng hôn nhân1=Có gia đình0= Độc thân/Góa /Ly dị number_reference(X4) Số lượng người tham chiếu job(X5)
Nghề nghiệp 0=Thất nghiệp/Khác 1=Có nghề nghiệp experience(X6) Số tháng kinh nghiệm income(X7) Thu nhập/tháng basicexpences(X8) Chi phí sinh hoạt cơ bản/tháng type_residence(X9)
Housing status can be categorized as follows: 0 indicates renting or lacking stable housing, while 1 signifies homeownership Key metrics include the number of years residing at the current location (year_residence), outstanding loan balance (outstanding_balance), average interest rate on loans (avg_interest_rate), average loan tenor (avg_tenor), the number of closed loans (number_closedloan), and the number of active loans (number_activeloan) Additionally, the duration of the credit relationship with FE Credit is measured in years (year_relationship).
Nguồn: Tác giả tự tổng hợp
Dựa trên lý thuyết và kết quả từ các nghiên cứu trước, chúng tôi đã áp dụng các giả thuyết nghiên cứu vào đề tài này.
Nghiên cứu cho thấy rằng nam giới có khả năng trả nợ thấp hơn so với nữ giới Bên cạnh đó, hôn nhân được xem như một yếu tố tích cực, khi những khách hàng vay vốn đã có gia đình thường có khả năng trả nợ cao hơn.
Giả thuyết H3: Số lượng người tham chiếu là biến numeric Số lượng người tham chiếu càng nhiều thì khả năng trả nợ càng cao Dấu kỳ vọng (+βiXi))
GiảthuyếtH4:Nếukháchhàngđangcóviệclàmthìkhảnăngtrảnợcủakháchhàng cao hơn Dấu kỳ vọng(-) Giả thuyết H5: Số năm kinh nghiệm càng nhiều thì khả năng trả được nợ càng tăng Dấu kỳ vọng (+βiXi))
Giả thuyết H6: Khách hàng có độ tuổi càng cao thì khả năng trả nợ càng tốt Dấu kỳ vọng
GiảthuyếtH7:Thunhậpcủakháchhàngcàngcaothìkhảnăngtrảnợcàngcao.Dấu kỳ vọng(+βiXi))
Giả thuyết H8: Chi phí cơ bản của khách hàng càng cao thì khả năng trả nợ càng thấp Dấu kỳ vọng (-)
Giả thuyết H9: Loại hình cư trú là biến nhị phân Khách hàng có sở hữu nơi cư trú thì khả năng trả nợ càng tốt Dấu kỳ vọng (+βiXi))
Giả thuyết H10: Số năm cư trú của khách hàng càng cao thì khả năng trả nợ của khách hàng càng tốt Dấu kỳ vọng (+βiXi))
Giả thuyết H11 cho rằng, khi dư nợ tăng cao, khả năng trả nợ của người vay sẽ giảm sút, thể hiện mối quan hệ tiêu cực Tương tự, giả thuyết H12 chỉ ra rằng, lãi suất trung bình của khoản vay càng cao thì khả năng trả nợ của người vay càng thấp, cũng với dấu kỳ vọng tiêu cực.
Giả thuyết H13:Kỳhạn trung bình của khoản vay càng cao thì khả năng trả nợ của người đi vay càng thấp Dấu kỳ vọng(-)
Giả thuyết H14: Số khoản vay đã đóng càng cao thì khả năng trả nợ càng cao Dấu kỳ vọng
Giả thuyết H15: Số khoản vay đang còn hiệu lực càng cao thì khả năng trả nợ càng thấp
Giả thuyết H16: Số năm quan hệ tín dụng với FE Credit càng cao thì khả năng trả nợ càng tốt Dấu kỳ vọng (+βiXi))
Dữ liệunghiêncứu
Nghiên cứu này sử dụng thông tin thứ cấp từ 51.915 hồ sơ khách hàng vay vốn tại Công ty Tài chính FE Credit trong năm 2019.
Để đảm bảo tính đầy đủ của thông tin đánh giá, tác giả đã loại bỏ các quan sát thiếu dữ liệu cần thiết Trong nghiên cứu, có tổng cộng 13.066 khách hàng được xem xét, trong đó 12.143 hồ sơ vay được đánh giá có khả năng trả nợ, chiếm 93% tổng số hồ sơ thỏa mãn điều kiện, và 923 hồ sơ khách hàng được đánh giá là không có khả năng trả nợ, chiếm 7%.
Phân bổ khả năng trả nợ của mẫu nghiên cứu
Có khả năng trả nợ Không có khả năng trả nợ
Hình 2.1: Phân bổ khả năng trả nợ của mẫu nghiên cứu
Nguồn: Tác giả tự tổng hợp bằng Python
Phương phápnghiêncứu
Tác giả chủ yếu sử dụng phương pháp nghiên cứu định lượng để nghiên cứu nhằmthựchiệnđượcmụctiêunghiêncứucủađềtài.Cácbướcthựchiệnnghiêncứu theo thứ sơ đồ dướiđây:
Phân tích thống kê mô tả
Kiểm định liên quan: Tương quan; Đa cộng tuyến
Phân tích kết quả và thảo luận
Hình 2.2: Sơ đồ quy trình các bước thực hiện phân tích trong nghiên cứu
Phương pháp thống kê mô tả được áp dụng trong nghiên cứu để tổng quát hóa các đặc tính cơ bản của dữ liệu thu thập được qua nhiều phương pháp khác nhau Dựa trên dữ liệu hiện có, tác giả tiến hành thống kê nhằm đánh giá sơ lược các đặc trưng của khách hàng vay vốn tín chấp tại Công ty Tài chính FECredit.
Hệ số tương quan Pearson (kí hiệu r) là một chỉ số quan trọng dùng để đo lường mức độ tương quan tuyến tính giữa hai biến Phân tích tương quan Pearson giúp xác định một đường thẳng phù hợp nhất cho mối quan hệ tuyến tính giữa hai biến Trong nghiên cứu, việc kiểm định hệ số tương quan Pearson là cần thiết để đánh giá mối liên hệ giữa các biến độc lập và biến phụ thuộc.
Hệ số tương quan Pearson (r) có giá trị từ +1 đến -1, với điều kiện tương quan có ý nghĩa khi giá trị sig < 0.05 Tương quan càng mạnh và chặt chẽ khi giá trị r tiến gần đến 1 hoặc -1, trong khi tương quan yếu khi giá trị r tiến gần đến 0 Các hệ số trong ma trận tương quan mang ý nghĩa quan trọng trong việc phân tích mối quan hệ giữa các biến.
Hệ số Pearson Correlation: thể hiện mức độ tương quan tuyến tính giữa các biến với nhau trong mô hình.
Hệ số Sig: đánh giá tính phù hợp của hệ số tương quan giữa các biến theokiểm địnhFvớimộtđộtincậychotrước.Mứcýnghĩacủahệsốnàythườngđượcchọnlà 1% hoặc 5%, nếu Sig
> 0.05 thì phải thực hiện loại bỏ bớt biến nghiên cứu ra khỏi mô hình nhằm đảm bảo tính phù hợp của môhình.
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình hồi quy tuyến tính phụ thuộc lẫn nhau, điều này không ảnh hưởng đến tính nhất quán của các ước tính OLS nhưng làm cho chúng trở nên không chính xác và không đáng tin cậy Khi xảy ra đa cộng tuyến, khó khăn trong việc phân biệt tác động riêng lẻ của các biến độc lập lên biến phụ thuộc sẽ dẫn đến sai số chuẩn của tham số hồi quy tăng lên, làm giảm khả năng bác bỏ giả thuyết không trong các t-tests.
Có hai phương pháp chính để phát hiện hiện tượng đa cộng tuyến trong phân tích hồi quy: sử dụng hệ số phóng đại phương sai (VIF) và ma trận hệ số tương quan Tuy nhiên, phương pháp dựa trên ma trận hệ số tương quan ít phổ biến hơn; chủ yếu người ta sử dụng chỉ số VIF để kiểm tra đa cộng tuyến Cụ thể, nếu VIF > 2, có dấu hiệu của đa cộng tuyến, điều này không mong muốn trong mô hình Nếu VIF > 10, có thể khẳng định chắc chắn rằng đa cộng tuyến tồn tại Ngược lại, nếu VIF < 2, mô hình không gặp vấn đề về đa cộng tuyến.
Hồi quy Binary Logistic sử dụng kiểm định Hosmer và Lemeshow để đánh giá độ phù hợp của mô hình Kiểm định này có hai giả thiết: H0 cho rằng không có sự khác biệt giữa giá trị thực tế và giá trị dự báo, trong khi H1 khẳng định có sự khác biệt Nếu hệ số Sig lớn hơn mức ý nghĩa, chúng ta có thể kết luận rằng mô hình là tốt.
Kiếm định ý nghĩa của các hệ số:Đối với hồi quy Binary Logistic, đại lượng
Wald Chi-Square được sử dụng để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể Nếu giá trị p (Sig.) nhỏ hơn mức ý nghĩa đã chọn, chúng ta sẽ bác bỏ giả thuyết H0 Điều này cho thấy các hệ số hồi quy tìm được có ý nghĩa và mô hình được sử dụng là hợp lệ.
Thống kê môtả
Cácđại lượng thống kê môtảchỉ cóýnghĩakhi đượctínhđối với các biếnđịnh lượng,các biến định tínhsẽđược thựchiệnthống kê tầnsuấtđểmôtảkhái quát.
Các đại lượng thống kê mô tả bao gồm tổng số quan sát, giá trị nhỏ nhất, giá trị lớn nhất, trung bình cộng và độ lệch chuẩn Những đại lượng này được sử dụng để thống kê mô tả các biến định lượng như tuổi, số lượng người tham chiếu, số năm kinh nghiệm, thu nhập, chi phí sinh hoạt cơ bản, số năm cư trú tại địa điểm hiện tại, dư nợ, lãi suất trung bình, kỳ hạn trung bình, tỷ lệ nợ đã trả và số lượng khoản vay đã bị trừ trong vòng 3 tháng.
Sốlượngkhoảnvayđãchấpthuậntrongvòng3tháng,Sốkhoảnvayđãđóng,Sốkhoản vaycònhiệulực,SốnămquanhệtíndụngvớiFECredit.
Kết quả mô tả thống kê các biến này được thể hiện ở bảng sau:
Bảng 2.3: Mô tả thống kê các biến định lượng
Biến count min max mean std age 13066 23,00 59,00 38,18 8,88 number_reference 13066 0,00 10,00 2,64 1,04 experience 13066 0,00 66,00 4,98 6,58 income 13066 2.500.000 110.000.000 10.440.160 5.328.734 basicexpenses 13066 900.000 25.000.000 1.352.548 781.204 year_residence 13066 1,00 42,00 1,05 1,04 outstanding_balance 13066 - 91.828 74.152.000 233.388,00 1.957.915 avg_interest_rate 13066 0,00 85,00 53,33 20,73 avg_tenor 13066 3,00 36,00 18,77 9,41 number_closedloan 13066 0,00 8,00 2,03 1,01 number_activeloan 13066 0,00 4,00 0,15 0,37 year_relationship 13066 0,00 8,99 4,35 2,76
Nguồn: Tác giả tự tổng hợp
Từkếtquảthốngkêmôtảởbảng3.3,tacóthểthấyđộtuổitrungbìnhcủanhóm khách hàng trong nghiên cứu này là 38,18 tuổi Độ tuổi nhỏ nhất và cao nhất trong mẫu quan sát theo thứ tự là 23 tuổi và
Khách hàng trong nghiên cứu có độ tuổi trung bình là 59, với số lượng người tham chiếu từ 0 đến 10, trung bình mỗi khách hàng cung cấp thông tin của 2 người Thời gian làm việc của khách hàng dao động từ 0 đến 660 tháng, trong đó thời gian làm việc trung bình là 49,81 tháng, tương đương hơn 3 năm Mức thu nhập trung bình của khách hàng cũng được ghi nhận trong nghiên cứu.
FECreditkhácao,khoảng10.5triệuđồng/tháng,vàchiphícơbảntrungbìnhkhoảng
1.3 triệu đồng Thời gian cư trú tại nơi ở hiện tại từ 1 năm đến 42 năm Dư nợ trung bình của mỗi khách hàng là 233.400 đồng với mức lãi suất trung bình trên 50% và kỳ hạn trung bình
Trong vòng 18 tháng qua, khách hàng có trung bình hơn 2 khoản vay đã đóng, với một số ít còn khoản vay hiệu lực (trung bình 0.15 khoản vay/khách hàng) Thời gian khách hàng có quan hệ tín dụng với FE Credit dao động từ 0 đến 8.99 năm, với trung bình khoảng 4 năm Để phân tích rõ hơn về sự phân bổ của các biến định lượng, tác giả đã thực hiện thống kê tần suất dựa trên dữ liệu từ hồ sơ vay vốn, được trình bày chi tiết qua các biểu đồ cột dưới đây.
Cơ cấu KH theo độ tuổi
Cơ cấu KH theo số người tham chiếu
Hình 2.3: Cơ cấu khách hàng theo độ tuổi
Nguồn: Tác giả tựtổng hợpTheo biểu đồ thống kê 3.3 cho thấy, độ tuổi khách hàngvayvốn nhiềunhấttạiCôngtyTàichínhFECreditchủyếulàkháchhàngcóđộtuổidưới34tuổichiếm4
2%,khách hà ng có độ tu ổi từ 35-44t uổ ic hiế m 32%,t i ế p t he olà từ 45- 54t uổ i chiếm21%vàcuốicùnglàcáckháchhàngcóđộtuổitrên55tuổichỉchiếm5%trên tổngsố.Điềunàychothấysốlượngkháchhàngcónhucầuvayvốntiêudùngthườngthuộccáctầng lớptrẻ,độtuổicàngcaothìnhucầuvayvốntiêudùngcàng giảm.
Hình 2.4: Cơ cấu khách hàng theo số người tham chiếu
Nguồn: Tác giả tự tổnghợp
Theo bảng 3.4, cơ cấu khách hàng theo số người tham chiếu cho thấy, 68% khách hàng có thông tin tham chiếu từ 2 người, trong khi 31% còn lại có từ 3 người tham chiếu trở lên Điều này chứng tỏ rằng hồ sơ khách hàng chủ yếu dựa vào sự giới thiệu từ hai nguồn.
5 năm
Cơ cấu KH theo số năm kinh nghiệm làm việc
Cơ cấu khách hàng tại FE Credit chủ yếu dựa vào số năm cư trú tại nơi ở hiện tại, với đa số khách hàng là những người có thời gian cư trú từ 2 năm trở lên Điều này là một yếu tố quan trọng mà khách hàng cần lưu ý khi cung cấp thông tin vay vốn.
Hình 2.5: Cơ cấu khách hàng theo số năm kinh nghiệm làm việc
Theo thống kê, nhóm khách hàng có thời gian làm việc dưới 1 năm chiếm tỷ trọng cao nhất với 52%, trong khi nhóm khách hàng làm việc từ 1 đến dưới 5 năm chiếm 24%, và nhóm có thời gian làm việc trên 5 năm chỉ chiếm 24% Điều này cho thấy rằng những khách hàng có kinh nghiệm làm việc lâu năm thường có nguồn thu nhập ổn định hơn, trong khi những người mới vào nghề có xu hướng lựa chọn vay tín chấp tiêu dùng do chưa có nguồn thu nhập ổn định.
Hình 2.6: Cơ cấu KH theo số năm cư trú tại nơi ở hiện tại
Nguồn: Tác giả tự tổng hợp
Cơ cấu KH theo thu nhập Đơn vị: triệu đồng
Biểu đồ 3.6 chỉ ra rằng 99.58% khách hàng của FE Credit có thời gian cư trú hiện tại khoảng 1 năm, cho thấy hầu hết họ chưa có nơi ở ổn định Điều này lý giải vì sao nhiều khách hàng chọn vay tín chấp như một phương thức vay nợ.
Biểu đồ cơ cấu thu nhập 3.7 cho thấy, 56% khách hàng vay vốn tại FE Credit có thu nhập trên 9 triệu đồng Tiếp theo, 27% khách hàng có thu nhập từ 7 đến 9 triệu đồng, trong khi 14% khách hàng có thu nhập từ 5 đến 7 triệu đồng, và tỷ lệ khách hàng có thu nhập dưới 5 triệu đồng là thấp nhất.
5 triệu (chiếm 2%) Điều này cho thấy nguồn thu nhậpcủakháchhàngcôngtyFECredittươngđốicao,nguồnthuổnđịnhgiúpKHcókhảnăng trả nợ tốthơn.
Hình 2.7: Cơ cấu KH theo thu nhập
Nguồn: Tác giả tự tổng hợp
Theo hình 3.8, 94% khách hàng tiêu dùng có mức chi tiêu dưới 3 triệu đồng mỗi tháng, trong khi chỉ 6% khách hàng tiêu dùng từ 3 triệu đồng trở lên Điều này cho thấy một dấu hiệu an toàn trong phân bố thu nhập của tập khách hàng, khi thu nhập của họ tương đối cao hơn so với chi phí cơ bản hàng tháng.
Cơ cấu KH theo chi phí cơ bản Đơn vị: triệu đồng
Cơ cấu KH theo tổng dư nợ Đơn vị: triệu đồng
Hình 2.8: Cơ cấu KH theo chi phí cơ bản
Nguồn: Tác giả tự tổng hợp
Hình vẽ 3.9 cho thấy hầu hết khách hàng trong mẫu quan sát có tình hình trả nợ tốt, khi tổng dư nợ (được tính bằng số nợ đến hạn thanh toán nhưng chưa trả) chỉ còn dưới 1 triệu đồng, chiếm 97%, trong khi chỉ 3% khách hàng có tổng dư nợ trên 1 triệu đồng Đồng thời, tỷ lệ hoàn thành trả nợ rất cao, với 98% khách hàng hoàn trả tốt, trong khi một số ít còn lại có tỷ lệ hoàn trả khoản vay từ 70-90%.
Hình 2.9: Cơ cấu KH theo tổng dư nợ
Khách hàng của FE Credit hiện đang phải chịu mức lãi suất vay cao, với hơn 53% khách hàng phải trả lãi suất trên 50% Chỉ có 5% khách hàng may mắn được tiếp cận nguồn vốn tiêu dùng tín dụng với lãi suất dưới 5%.
Xét về kỳ hạn các khoản vay, hình dưới cho thấy các khoản vay chủ yếu của
Cơ cấu KH theo lãi suất trung bình
Cơ cấu KH theo kỳ hạn trung bình Đơn vị: tháng
FE Credit chủ yếu cung cấp các khoản vay ngắn hạn, với 36% khách hàng vay dưới 1 năm, trong khi chỉ 11% vay trên 3 năm Điều này cho thấy rằng phần lớn khách hàng của FE Credit lựa chọn vay ngắn hạn với mức lãi suất cao Sự phân bố này cho thấy rằng lĩnh vực cho vay tiêu dùng tài chính có khả năng mang lại nguồn thu nhập và lợi nhuận lớn cho Công ty Tài chính FE Credit.
Hình 2.10: Cơ cấu KHtheolãi suất trung bình
Hình 2.11: Cơ cấu KH theo kỳ hạn trung bình
Nguồn: Tác giả tự tổng hợp
Theo Hình 3.12, chỉ có 0.4% khách hàng của FE Credit chưa đóng tài khoản, cho thấy hầu hết khách hàng đều đã thực hiện ít nhất một khoản vay Điều này cho thấy rằng nhóm khách hàng chưa có tài khoản đã đóng tại FE Credit chủ yếu là những khách hàng mới hoặc có tổng cộng dưới một khoản vay Đặc biệt, 85.8% khách hàng chỉ duy trì một khoản vay hiệu lực, trong khi 14.2% còn lại có hai khoản vay hiệu lực song song (Hình 3.13).
Cơ cấu KH theo số khoản vay đã đóng
Cơ cấu KH theo số khoản vay còn hiệu lực
Cơ cấu KH theo số năm quan hệ với FE Credit
Hình 2.12: Cơ cấu KH theosố khoản vay đãđóng
Hình 2.13: Cơ cấu KH theo số khoản vay còn hiệu lực
Nguồn: Tác giả tự tổng hợp
Theo số liệu, chỉ 0.3% khách hàng mới có thời gian tín dụng dưới 1 năm với FE Credit, trong khi 24.9% khách hàng trung thành đã duy trì quan hệ tín dụng trên 7 năm Đặc biệt, 74.8% khách hàng có quan hệ tín dụng từ 1-7 năm Điều này chứng tỏ FE Credit sở hữu một tập khách hàng trung thành, cho thấy sự hài lòng cao của khách hàng đối với sản phẩm vay của họ.
Hình 2.14: Cơ cấu KH theo số năm quan hệ với FE Credit
Nguồn: Tác giả tựtổng hợpMột số biến độc lập của nghiên cứu là biến định tính bao gồm:
Giớit í n h , Tìnhtrạnghônnhân,Nghềnghiệp,Tìnhtrạngnhàở.Cácbiếnnàychỉnhậnhaigiátrị0và1,dođ ótácgiảchỉthựchiệnthốngkêtầnsuấtđểmôtảkháiquátcácbiếnnàythông
Phân bố khách hàng theo giới tính
Phân bố khách hàng theo tình trạng hôn nhân qua các biểu đồ dưới đây:
Hình 2.15: Phân bố khách hàng theo giới tính
Nguồn: Tác giả tựtổng hợpTheobiểuđồtrêntathấytrongtổngsốlượngkháchhàngđượcchọnlàmmẫutrongnghiêncứu
Kết quả nghiên cứu vàthảoluận
Phương pháp đánh giá mối quan hệ giữa các biến độc lập và biến phụ thuộc thường sử dụng ma trận tương quan, như được thể hiện trong bảng dưới đây.
Bảng 2.4: Tương quan giữa các biến số có trong bộ dữ liệu nghiên cứu (*)
Bảng 4.1 cho thấy hệ số tương quan cao nhất là 0,5 giữa biến Thu nhập (X7) và Chi phí cơ bản theo tháng (X8), trong khi nhiều cặp biến khác không có tương quan (Hệ số tương quan = 0) Kết quả từ bảng ma trận tương quan chỉ ra rằng các biến độc lập trong mô hình vẫn có mối quan hệ tương quan với nhau Theo Gujarati (2009), nếu hệ số tương quan lớn hơn 0,8, có thể xảy ra hiện tượng đa cộng tuyến, nhưng trong mô hình này, hệ số nhỏ hơn 0,8, cho thấy không có hiện tượng đa cộng tuyến Tóm lại, hiện tượng tự tương quan giữa các biến không quá cao, cho phép tất cả các biến độc lập được đưa vào mô hình để giải thích biến phụ thuộc khả năng trả nợ Tuy nhiên, nghiên cứu sẽ tiếp tục kiểm định hiện tượng này bằng hệ số VIF.
Table 2.5 presents the results of the multicollinearity test using the Variance Inflation Factor (VIF) The VIF values indicate varying levels of multicollinearity among the variables, with 'age' showing a high VIF of 16.90, suggesting a significant correlation with other predictors Other notable values include 'job' at 8.02 and 'avg_interest_rate' at 8.24, indicating potential multicollinearity issues Conversely, variables like 'target' and 'year_relationship' exhibit lower VIF values of 1.08 and 1.27, respectively, indicating a lesser degree of correlation Overall, the results highlight the importance of assessing multicollinearity in regression analysis to ensure the reliability of the model.
Nguồn: Tác giả tự tổng hợp bằng Python
TheotácgiảHoàngTrọngvàChu NguyễnMộng Ngọc (2008) đểdòtìmvàpháthiện hiệntượngđacộngtuyếncóthể dựavàohệ sốphóng đại phươngsai
VIF(Varianceinflationfactor),nếuVIFcógiátrịlớnhơn10thìxảyrahiệntượngđacộng tuyếntrongmôhình.Từkết quảbảng4.2cóthể thấyhệsốVIFcủabiếnTuổi,lớn hơn 10,do đó taloạibiến nàyrakhỏimôhình đểtránhhiện tượngđacộngtuyến.
2.6.2 Phân tích mô hình hồi quy BinaryLogistic
Tác giả thực hiện hồi quy Binary Logistic bằng ngôn ngữ lập trình Python, ta được kết quả hồi quy như sau:
Bảng 2.6: Kết quả hệ số hồi quy mô hình Binary Logistic
Coef Std.Err z P>|z| [0.025 0.975] appsex -0.2326 0.0688 3.3822 0.0007 0.0978 0.3674 marital_status 0.1832 0.0688 -2.5108 0.0120 -0.3262 -0.0402 number_reference 0.1486 0.0730 -4.2224 0.0000 -0.2176 -0.0796 job 0.4341 0.0352 -4.4164 0.0000 -0.6268 -0.2415 experience 0.0008 0.0983 -1.4257 0.1540 -0.0019 0.0003 income 0.0000 0.0000 -0.4232 0.6721 -0.0000 0.0000 basicexpenses 0.0000 0.0000 -3.4134 0.0006 -0.0000 -0.0000 type_residence 0.0206 0.0770 -0.2680 0.7887 -0.1716 0.1303 year_residence 0.4333 0.1820 -2.3807 0.0173 -0.7901 -0.0766 outstanding_balance - 0.0000 0.0000 5.4115 0.0000 0.0000 0.0000 avg_interest_rate 0.0024 0.0017 -1.3918 0.1640 -0.0057 0.0010 avg_tenor 0.0006 0.0038 -0.1525 0.8788 -0.0081 0.0069 number_closedloan 0.3516 0.0435 -8.0766 0.0000 -0.4369 -0.2662 number_activeloan 0.1067 0.0945 -1.1289 0.2589 -0.2918 0.0785 year_relationship 0.0428 0.0123 -3.4910 0.0005 -0.0668 -0.0188
=============================================================== Nguồn: Tác giả tự tổng hợp bằng Python
2.6.3.1 Kiếm định hệ số hồiquy
Bảng trên chỉ ra rằng có 9/15 biến độc lập có ý nghĩa thống kê, trong đó 7/15 biến đạt mức ý nghĩa 1% Các biến này bao gồm Giới tính, Số lượng người tham chiếu, Nghề nghiệp, Chi phí cơ bản, Tổng dư nợ, Số khoản vay đã đóng và Số năm quan hệ tín dụng với FE, tất cả đều có P-value < 0.01 Ngoài ra, hai biến có ý nghĩa với mức 2% là Tình trạng hôn nhân và Số năm cư trú tại địa điểm hiện tại.
2.6.3.2 Kiếm định mức độ phù hợp của mô hình
Bên cạnh đó độ phù hợp của mô hình còn được thực hiện với kiểm định mức độ giải thích của mô hình.
Dự đoán TargetTỷ lệ 10dự báo đúng
Bảng 2.7: Bảng các thông số của mô hình Logistic
Dependent Variable: target No Iterations: 8.0000
==================================================== Nguồn: Tác giả tự tổng hợp bằng Python
Giá trị LLR p-value là chỉ số quan trọng thể hiện độ tin cậy của dự báo, cho thấy khả năng mà mô hình hồi quy không tạo ra kết quả có ý nghĩa Cụ thể, với giá trị LLR p-value = 0.0514, điều này có nghĩa là kết quả hồi quy chỉ có khả năng không hợp lệ ở mức 5,1%.
2.6.4 Kiểm định tính chính xác của mô hình nghiêncứu
Bảng 2.8: Kết quả dự báo của mô hình
Nguồn: Tác giả tự tổng hợp bằng Python
Với mức cut-value là 0.5, mô hình đã phân tích 923 quan sát không trả nợ, trong đó dự đoán đúng 215 trường hợp, đạt tỷ lệ 23.3% Đối với 9.771 quan sát trả nợ, mô hình dự đoán chính xác toàn bộ 9.771 trường hợp, tương ứng với tỷ lệ 80.5% Tỷ lệ dự đoán đúng tổng thể cho toàn bộ mẫu là 76.4%.
