Phân tích sống sót trong ước lượng và phân tích rủi ro - Tiếp cận hồi quy tham số và phi tham số

Những đóng góp mới về mặt học thuật, lý luận (1) Đây là nghiên cứu định lượng đầu tiên ở Việt Nam về thời gian sống sót của các khoản vay tại NHTM ở Việt Nam, luận án đã ước lượng được thời gian sống sót của các khoản vay cũng như ước lượng được xác suất vỡ nợ theo thời điểm của các khoản vay bằng phương pháp phân tích sống sót. Việc ước lượng xác suất vỡ nợ theo thời điểm thay vì theo một khoảng thời gian của các khoản vay giúp các ngân hàng định lượng chính xác hơn được các thước đo rủi ro trọn đời của khoản vay như xác suất vỡ nợ trọn đời hay tổn thất tín dụng dự kiến trọn đời. Điều này giúp ngân hàng điều chỉnh dự phòng rủi ro một cách hiệu quả, an toàn, tiết kiệm hơn. (2) Luận án sử dụng đồng thời các phương pháp tham số, phi tham số (trong đó có sử dụng phương pháp học máy) trong phân tích sống sót để ước lượng và phân tích rủi ro. Việc sử dụng đồng thời các phương pháp này giúp đảm bảo tính vững của kết quả nghiên cứu cũng như giúp nghiên cứu được các khía cạnh khác nhau của bài toán sống sót của khoản vay như đánh giá được vai trò của các yếu tố lên thời gian sống sót của khoản vay, ước lượng được thời gian sống sót của khoản vay. Từ đó, luận án đề xuất được các chính sách phù hợp (đối với các khoản vay đang xin vay, đối với các khoản vay đang trong kỳ hạn của hợp đồng và đối với các nhóm khách hàng tiềm năng) để nâng cao lợi nhuận, đảm bảo an toàn vốn của ngân hàng. Những phát hiện, đề xuất mới rút ra được từ kết quả nghiên cứu, khảo sát của luận án (1) Phân tích sống sót là phương pháp có ưu điểm so với các phương pháp truyền thống khác trong phân tích và tính toán rủi ro tín dụng. Kết quả nghiên cứu cho thấy tổn thất tín dụng dự kiến trọn đời của các khoản vay được tính bởi phương pháp phân tích sống sót có giá trị sát với tổn thất thực tế hơn so với tổn thất tín dụng dự kiến trọn đời được tính bằng phương pháp truyền thống. Do đó phương pháp phân tích sống sót cần được quan tâm nhiều hơn bởi các nhà nghiên cứu về QTRR cũng như các bộ phận QTRR tại các NHTM, các NHTM có thể sử dụng phương pháp phân tích sống sót để có thể ước lượng một cách chính xác hơn các thước đo rủi ro, từ đó có thể dự phòng rủi ro một cách tốt hơn. (2) Các phương pháp trong phân tích sống sót có thể được sử dụng để ước lượng xác suất vỡ nợ của các khoản vay theo thời điểm cũng như dự báo được thời gian sống sót của các khoản vay, nên kiến nghị các ngân hàng có thể sử dụng các ước lượng này để ra các quyết định đối với khoản vay đang được đề xuất của khách hàng, tư vấn cho khách hàng để điều chỉnh đơn xin cấp vốn của khách hàng (về lượng tiền xin được vay, thời hạn của khoản vay), chấp nhận đơn vay hoặc từ chối đơn xin vay tùy thuộc vào dự báo thời gian sống sót của khoản vay đang đề nghị có hợp lý với các chính sách rủi ro của ngân hàng hay không. (3) Các khoản vay của các khách hàng với các đặc trưng khác nhau có thời gian sống sót khá khác nhau, nên đối với các khoản vay đã được ngân hàng giải ngân mà vẫn còn thời gian trong kỳ hạn, kiến nghị ngân hàng tiếp tục theo dõi khả năng sống sót trong thời gian còn lại trong kỳ hạn của khoản vay, đánh giá xác suất vỡ nợ và nguy cơ vỡ nợ tại từng thời điểm. Tại các thời điểm mà nguy cơ vỡ nợ của khoản vay cao, ngân hàng có thể kích hoạt các biện pháp tự vệ trước, ví dụ có thể cảnh báo vỡ nợ sớm đối với khoản vay, để từ đó có các biện pháp xử lý kịp thời nếu khoản vay thực sự xảy ra vỡ nợ. (4) Các yếu tố nhân khẩu học như giới tính, tuổi, thời gian làm việc, tình trạng nhà ở, vị trí công việc, trình độ đào tạo, các yếu tố về mối quan hệ với ngân hàng như có là khách hàng cũ không, hình thức trả lương, yếu tố về độ lớn của số tiền vay so với tổng thu nhập có ảnh hưởng tới thời gian sống sót của khoản vay. Do đó kiến nghị ngân hàng cần có chiến lược phát triển làm đa dạng nguồn khách hàng, tương ứng với mỗi nhóm khách hàng khác nhau ngân hàng cần đưa ra các gói vay phù hợp (ưu đãi về lãi suất, về số tiền vay và đơn giản thủ tục với nhóm khách hàng có thời gian sống sót của khoản vay dài và có các chính sách bù rủi ro vào lãi suất, điều chỉnh kỳ hạn hay lượng tiền vay đối với các nhóm có nhiều rủi ro hơn), đồng thời cũng phương án tiếp cận khách hàng tiềm năng phù hợp (thông qua các chiến lược quảng cáo, phương án thiết lập hội nhóm các khách hàng thân quen trên mạng xã hội…) với các nhóm khách hàng cụ thể.

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN - ĐỒN TRỌNG TUYẾN PHÂN TÍCH SỐNG SĨT TRONG ƯỚC LƯỢNG VÀ PHÂN TÍCH RỦI RO - TIẾP CẬN HỒI QUY THAM SỐ VÀ PHI THAM SỐ LUẬN ÁN TIẾN SĨ NGÀNH KINH TẾ HỌC HÀ NỘI - 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN - ĐOÀN TRỌNG TUYẾN PHÂN TÍCH SỐNG SĨT TRONG ƯỚC LƯỢNG VÀ PHÂN TÍCH RỦI RO - TIẾP CẬN HỒI QUY THAM SỐ VÀ PHI THAM SỐ Chuyên ngành: TOÁN KINH TẾ Mã số: 9310101 LUẬN ÁN TIẾN SĨ Người hướng dẫn khoa học: PGS.TS NGUYỄN THỊ MINH HÀ NỘI - 2022 i LỜI CAM ĐOAN Tôi đọc hiểu hành vi vi phạm trung thực học thuật Tôi cam kết danh dự cá nhân rằng, luận án: “Phân tích sống sót ước lượng phân tích rủi ro - tiếp cận hồi quy tham số phi tham số” tự thực không vi phạm yêu cầu trung thực học thuật Hà Nội, ngày tháng năm 2022 Nghiên cứu sinh Đoàn Trọng Tuyến ii LỜI CẢM ƠN Tác giả xin gửi lời cảm ơn chân thành sâu sắc đến PGS.TS Nguyễn Thị Minh, người hướng dẫn khoa học, ln tận tình hướng dẫn tác giả suốt thời gian học tập, nghiên cứu hoàn thành luận án Tác giả xin chân thành cảm ơn thầy giáo Khoa Tốn kinh tế đồng nghiệp thuộc Bộ mơn Tốn - Trường Đại học Kinh tế Quốc dân tạo điều kiện giúp đỡ tác giả suốt thời gian học tập nghiên cứu Tác giả xin chân thành cảm ơn nhà khoa học, thầy cô giáo cơng tác ngồi trường Đại học Kinh tế Quốc dân đóng góp nhiều ý kiến quý báu để giúp tác giả hoàn thiện luận án Tác giả xin trân trọng cảm ơn thầy, cô giáo cán Viện Sau đại học Trường Đại học Kinh tế Quốc dân nhiệt tình giúp đỡ tác giả trình học tập nghiên cứu trường Cuối cùng, tác giả xin bày tỏ lòng biết ơn đến người thân gia đình, bạn bè đồng nghiệp chia sẻ, động viên khích lệ tác giả suốt trình học tập, nghiên cứu hoàn thành luận án iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CHỮ VIẾT TẮT vi DANH MỤC BẢNG BIỂU vii DANH MỤC HÌNH viii LỜI MỞ ĐẦU CHƯƠNG CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU 1.1 Rủi ro tín dụng số thước đo rủi ro tín dụng 1.1.1 Một số khái niệm 1.1.2 Một số thước đo rủi ro tín dụng 11 1.2 Một số sách rủi ro tín dụng thực trạng việc đo lường rủi ro tín dụng khách hàng cá nhân NHTM Việt Nam 14 1.2.1 Một số sách rủi ro tín dụng Việt Nam 14 1.2.2 Thực trạng việc đo lường rủi ro tín dụng khách hàng cá nhân NHTM Việt Nam 17 1.3 Cơ sở lý thuyết mơ hình phân tích sống sót 20 1.3.1 Khái niệm phân tích sống sót 20 1.3.2 Biểu diễn thời gian sống sót 21 1.3.3 Mục tiêu phân tích sống sót 22 1.3.4 Số liệu phân tích sống sót 22 1.4 Cơ sở lý luận yếu tố ảnh hưởng tới thời gian sống sót khoản vay 27 1.4.1 Các yếu tố liên quan tới khách hàng 27 1.4.2 Các yếu tố liên quan tới khoản vay 30 1.4.3 Các yếu tố liên quan tới tình hình kinh tế vĩ mơ 30 1.5 Tổng quan nghiên cứu 31 1.5.1 Các nghiên cứu nước sử dụng mơ hình phân tích sống sót 31 1.5.2 Các nghiên cứu sử dụng mơ hình phân tích sống sót quản trị rủi ro Việt Nam 39 iv 1.6 Khoảng trống nghiên cứu 41 1.7 Khung phân tích luận án 42 Kết luận chương 44 CHƯƠNG PHƯƠNG PHÁP NGHIÊN CỨU 45 2.1 Mơ hình hồi quy tham số phân tích sống sót 45 2.1.1 Các mơ hình AFT phân tích sống sót 45 2.1.2 Hồi quy phân vị phân tích sống sót 49 2.2 Các mơ hình bán tham số Cox PH 52 2.2.1 Mơ hình bán tham số Cox PH 52 2.2.2 Các mơ hình Cox PH mở rộng 55 2.3 Hồi quy phi tham số phân tích sống sót 57 2.3.1 Ước lượng phi tham số Kaplan-Meier 57 2.3.2 Mơ hình Random Survival Forest 60 2.4 Thuật toán phân nhóm liệu đo lường khả dự báo biến 64 2.4.1 Thuật tốn phân nhóm liệu 64 2.4.2 Thuật toán đo lường khả dự báo biến 67 2.5 Đánh giá chất lượng mơ hình dự báo 68 2.5.1 Đánh giá chất lượng mơ hình dự báo xác suất vỡ nợ 68 2.5.2 Đánh giá chất lượng mơ hình dự báo thời gian sống sót 71 2.5.3 Đánh giá hiệu ước lượng tổn thất tín dụng dự kiến 71 Kết luận chương 74 CHƯƠNG MƠ HÌNH VÀ KẾT QUẢ PHÂN TÍCH THỰC NGHIỆM 75 3.1 Dữ liệu kết biến đổi liệu 75 3.1.1 Các liệu 75 3.1.2 Kết phân nhóm biến tập liệu NHTM Việt Nam 81 3.2 Các mơ hình đánh giá tác động yếu tố lên thời gian sống sót khoản vay 88 3.2.1 Số liệu biến số 89 3.2.2 Mơ hình bán tham số Cox PH mở rộng với hệ số phụ thuộc thời gian 89 3.2.3 Mơ hình hồi quy phân vị phân tích sống sót 96 v 3.3 Mơ hình kết ước lượng xác suất vỡ nợ theo thời điểm khoản vay 102 3.3.1 Mơ hình bán tham số Cox PH mở rộng 102 3.3.2 Mơ hình Random Survival Forest 106 3.4 Ước lượng ECL trọn đời khoản vay 111 3.4.1 Ước lượng PD trọn đời khoản vay 111 3.4.2 Ước lượng ECL trọn đời khoản vay 115 Kết luận chương 117 CHƯƠNG KẾT LUẬN VÀ KIẾN NGHỊ 118 4.1 Kết luận 118 4.2 Một số kiến nghị sách 121 4.3 Hạn chế luận án 123 4.4 Đề xuất số hướng nghiên cứu 123 DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CƠNG BỐ CĨ NỘI DUNG LIÊN QUAN TRỰC TIẾP ĐẾN LUẬN ÁN 124 TÀI LIỆU THAM KHẢO 125 PHỤ LỤC 130 vi DANH MỤC CHỮ VIẾT TẮT Chữ viết tắt Giải thích thuật ngữ AFT (Model) Accelerated Failure Time (Model) AUC Area Under the Curve BĐS Bất động sản CIC Credit Information Center C-index Concordance index Cox PH (Model) Cox Proportional Hazard (Model) EAD Exposure at Default ECL Expected Credit Loss EL Expected Loss GDP Gross Domestic Product KHCN Khách hàng cá nhân LGD Loss Given Default NCS Nghiên cứu sinh NHNN Ngân hàng nhà nước NHTM Ngân hàng thương mại OOB Out of Bag PD Probability of Default PH (Assumption) Proportional Hazards (Assumption) QTRR Quản trị rủi ro ROC Receiver Operating Characteristic RSF (model) Random Survival Forest (Model) TCTD Tổ chức tín dụng UL Unexpected Loss VIMP Variable Importance XHTD Xếp hạng tín dụng vii DANH MỤC BẢNG BIỂU Bảng 1.1: Các yếu tố tác động tới thời gian sống sót khoản vay 42 Bảng 3.1: Thống kê mô tả biến phụ thuộc số biến liên tục tập số liệu 77 Bảng 3.2: Thống kê mô tả biến nhóm tập số liệu 78 Bảng 3.3: Thống kê mô tả số biến tập số liệu Mortgage 80 Bảng 3.4 Kết kiểm tra giả thiết tỷ lệ nguy biến 90 Bảng 3.5 Kết ước lượng hệ số mơ hình 3.1’ tập Train 93 Bảng 3.6: Kết ước lượng hệ số mơ hình 3.2 98 Bảng 3.7: Thống kê số AUC mơ hình Cox PH mở rộng 105 Bảng 3.8: Mơ hình RSF tập liệu Train 108 Bảng 3.9: Mơ hình RSF tập liệu Test 109 Bảng 3.10: Chỉ số C-index mơ hình RSF Cox PH mở rộng 109 Bảng 3.11: Hệ số ước lượng mô hình Cox PH 3.3 .112 Bảng 3.12: Hệ số ước lượng mơ hình Logit 3.4 113 Bảng 3.13: Kết ước lượng ECL trọn đời sử dụng mô hình Logit Cox PH 115 Bảng 3.14: Kết tính tốn thiệt hại dự báo ECL sai lệch mơ hình Logit Cox PH .116 Phụ lục 3.2 Kết kiểm tra giả thiết tỷ lệ nguy biến mô hình Cox PH 3.3 132 viii DANH MỤC HÌNH Hình 1.1: Mối liên hệ ECL, UL vốn kinh tế EC .13 Hình 1.2: Minh họa trường hợp bị kiểm duyệt khoản vay phân tích sống sót .23 Hình 1.3: Minh họa trường hợp bị cắt cụt khoản vay phân tích sống sót 24 Hình 1.4: Minh họa số tình thời gian sống sót tình trạng khoản vay .25 Hình 1.5: Số liệu thời gian sống sót tình trạng khoản vay sau bị cắt cụt trái 𝑳, cắt cụt phải 𝑹 “kéo lùi” thời điểm bắt đầu khoản vay 𝑳 .26 Hình 2.1: Minh họa thuật tốn Random Survival Forest 61 Hình 2.2: Mối liên hệ tuổi khách hàng tỷ lệ vỡ nợ 65 Hình 2.10: Đường cong ROC 70 Hình 3.1: Hàm sống sót tương ứng với nhóm tuổi .82 Hình 3.2: Hàm sống sót tương ứng với thời gian làm việc lĩnh vực chuyên môn 83 Hình 3.3: Hàm sống sót tương ứng với nhóm vị trí cơng việc khách hàng 84 Hình 3.4: Hàm sống sót tương ứng với nhóm học vấn khách hàng 85 Hình 3.5: Hàm sống sót tương ứng với nhóm học vấn khách hàng 86 Hình 3.6: Hàm sống sót tương ứng với nhóm hình thức trả lương khách hàng 87 Hình 3.7: Biểu đồ tần suất dạng cột biến LoanPerIncome .88 Hình 3.8: Đồ thị hàm sống sót số khoản vay 104 Hình 3.9: Giá trị AUC theo thời gian mơ hình Cox PH mở rộng 105 Hình 3.10: Tỷ lệ dự đoán sai tập OOB theo số rừng 107 Hình 3.11: Tầm quan trọng biến mơ hình RSF .107 Hình 3.12: Tỷ lệ vỡ nợ thực tế tỷ lệ vỡ nợ dự báo mơ hình RSF tập Train tập Test 110 Hình 3.13: Tỷ lệ vỡ nợ thực tế dự báo mơ hình Cox PH, mơ hình Logit tập liệu Mortgage.Train 114 Hình 3.14: Tỷ lệ vỡ nợ thực tế dự báo mơ hình Cox PH, mơ hình Logit tập Mortgage.Test 114 118 CHƯƠNG KẾT LUẬN VÀ KIẾN NGHỊ 4.1 Kết luận Luận án tập trung nghiên cứu khả sống sót khoản vay cá nhân NHTM Việt Nam đánh giá tác động nhân tố đến khả sống sót khoản vay Luận án tập trung vào vấn đề chính, bao gồm sau: (1) Đánh giá tác động số yếu tố đến thời gian sống sót khoản vay; (2) Ước lượng thời gian sống sót khoản vay xác suất vỡ nợ khoản vay theo thời điểm; (3) Ước lượng tổn thất tín dụng dự kiến trọn đời khoản vay Đối với lĩnh vực QTRR ngân hàng - tài chính, dự báo thời gian sống sót xác suất vỡ nợ theo thời điểm khoản vay vấn đề có ý nghĩa quan trọng, điều giúp cho ngân hàng đánh giá cách xác khả trả nợ đối tượng vay vốn, từ đảm bảo ổn định hoạt động tín dụng ngân hàng, tránh nguy nợ xấu chí vỡ nợ Bên cạnh đó, việc xác định nhân tố có ảnh hưởng đến thời gian sống sót khoản vay có ý nghĩa quan trọng, cung cấp thơng tin cần thiết cho NHTM sàng lọc phân nhóm khách hàng, giúp hoạt động tiếp cận khách hàng mở rộng thị trường cho vay hiệu Luận án sử dụng phương pháp nghiên cứu định lượng, tập trung sử dụng lớp mơ hình tham số, bán tham số phi tham số khác phân tích sống sót để ước lượng phân tích rủi ro khoản vay cá nhân NHTM Phương pháp phân tích sống sót khơng trả lời câu hỏi khoản vay có bị vỡ nợ khoảng thời gian cụ thể hay không, mà cịn trả lời câu hỏi đến khoản vay bị vỡ nợ Đây phương pháp mới, có ưu điểm sử dụng số nghiên cứu phân tích sống sót NHTM nhiều quốc gia, song chưa sử dụng nhiều VN Một số kết luận án sau: (1) Trong phân tích tính tốn rủi ro tín dụng, phương pháp phân tích sống sót có nhiều ưu điểm so với phương pháp truyền thống khác Một mặt, giống phương pháp truyền thống, phương pháp phân tích sống sót sử dụng để đánh giá tác động yếu tố tới xác suất vỡ nợ khoảng thời gian khoản vay tính tốn thước đo rủi ro liên quan Mặt khác, không giống phương pháp truyền thống, phương pháp phân tích sống sót cịn sử dụng để đánh giá tác động yếu tố lên thời gian sống sót khoản vay, ước 119 lượng thời gian sống sót khoản vay từ tính thước đo rủi ro trọn đời khoản vay Kết nghiên cứu cho thấy tổn thất tín dụng trọn đời khoản vay tính phương pháp phân tích sống sót có giá trị sát với tổn thất thực tế so với tổn thất tín dụng trọn đời tính phương pháp truyền thống (2) Ước lượng thời gian sống sót khoản vay ước lượng xác suất vỡ nợ khoản vay theo thời điểm phương pháp phân tích sống sót có ưu điểm so với ước lượng xác suất vỡ nợ khoản vay khoảng thời gian cụ thể Ước lượng thời gian sống sót khoản vay cho biết xác suất vỡ nợ khoảng thời gian khoản vay mà cho biết khoản vay bị vỡ nợ, việc ước lượng xác suất vỡ nợ khoản vay theo thời điểm cho biết tình hình khoản vay thời điểm suốt vòng đời dự kiến khoản vay Kết nghiên cứu cho thấy, phương pháp phân tích sống sót sử dụng để ước lượng xác suất vỡ nợ khoản vay theo thời điểm dự báo thời gian sống sót khoản vay với độ xác cao, sát với thực tế (3) Các yếu tố nhân học giới tính, tuổi khách hàng có ảnh hưởng đáng kể tới thời gian sống sót khoản vay Kết nghiên cứu cho thấy, khoản vay khách hàng nữ có thời gian sống sót dài so với khoản vay khách hàng nam giới Tại thời điểm kỳ hạn khoản vay, khoản vay khách hàng nữ có nguy vỡ nợ 0,57 lần nguy vỡ nợ tương ứng khách hàng nam giới Tác động yếu tố tuổi khách hàng có dạng phi tuyến có khác biệt đáng kể nhóm tuổi, nhóm tuổi [18, 23), [33,48), [28, 33), [23, 28) [48, 69) có nguy vỡ nợ tăng dần, điều đồng nghĩa với tác động nhóm tuổi theo thứ tự lên thời gian sống sót khoản vay tăng dần Ở phân vị cao (𝜏 = 0,06, 𝜏 = 0,08) tác động yếu tố nhóm tuổi [23, 28) lên thời gian sống sót khoản vay lớn tác động nhóm tuổi [48, 69), điều ngụ ý khoản vay có thời gian sống sót dài (dài so với dự báo), tác động lên thời gian sống sót khoản vay yếu tố nhóm tuổi [23, 28) lớn tác động yếu tố nhóm tuổi [48, 69) (4) Học vấn có ảnh hưởng đến thời gian sống sót khoản vay Kết nghiên cứu cho thấy, yếu tố khách hàng có học vấn trung cấp, có học vấn cao đẳng, có học vấn trung cấp, có học vấn đại học đại học theo thứ tự có tác động tăng dần lên thời gian sống sót khoản vay Tác động yếu tố khách hàng có trình độ đại học đại học lên thời gian sống sót khoản vay lớn so với nhóm yếu tố học vấn lại, nhiên tác động lên thời gian sống sót khoản vay yếu tố trình độ trung cấp lại lớn tác động yếu tố có trình độ cao đẳng, 120 điều ngụ ý khả kinh tế để hoàn thành nghĩa vụ trả nợ khách hàng có học vấn cao đẳng thấp so với khách hàng có học vấn trung cấp, để khẳng định hiệu việc đào tạo nhân lực trình độ cao đẳng có thấp so với nhân lực trình độ trung cấp hay khơng cần có nghiên cứu sâu liên quan tới hiệu giáo dục (5) Thời gian làm việc lĩnh vực chuyên mơn có ảnh hưởng đến thời gian sống sót khoản vay Kết nghiên cứu cho thấy, thời gian làm việc lĩnh lực chuyên môn lâu tác động lên thời gian sống sót khoản vay nhiều Điều ngụ ý rằng, kinh nghiệm làm việc khách hàng lâu năm đảm bảo nguồn thu nhập tốt tương ứng từ cơng việc, thời gian sống sót khoản vay tương ứng dài (6) Các yếu tố liên quan tới mối quan hệ với ngân hàng hình thức trả lương khách hàng, bao gồm yếu tố khách hàng có khách hàng cũ hay khơng? Yếu tố hình thức trả lương khách hàng (khách hàng trả lương qua ngân hàng khác, trả lương tiền mặt, trả lương qua ngân hàng vay vốn) có ảnh hưởng đến thời gian sống sót khoản vay Kết nghiên cứu cho thấy, giai đoạn đầu khoản vay, tác động yếu tố khách hàng cũ lên thời gian sống sót khoản vay nhiều so với yếu tố khách hàng mới, độ lớn hai tác động bị đảo chiều giai đoạn sau khoản vay, điều ngụ ý tác động tích cực yếu tố khách hàng cũ trì giai đoạn đầu khoản vay Mức độ tác động yếu tố hình thức trả lương khách hàng thay đổi theo thời gian, giai đoạn đầu khoản vay, tác động yếu tố trả lương tiền mặt lên thời gian sống sót khoản vay nhiều so với tác động yếu tố trả lương qua ngân hàng khác, giai đoạn sau khoản vay tác động đảo chiều Trong yếu tố hình thức trả lương, yếu tố hình thức trả lương qua ngân hàng vay vốn có tác động lớn so với hình thức trả lương khác, điều ngụ ý việc sử dụng đồng thời nhiều dịch vụ ngân hàng dấu hiệu báo thời gian sống sót khoản vay tương ứng dài (7) Vị trí cơng việc tình trạng sở hữu nhà khách hàng có ảnh hưởng tới thời gian sống sót khoản vay Kết nghiên cứu cho thấy yếu tố khách hàng lao động đào tạo nghề công nhân, khách hàng chuyên viên, nhân viên thất nghiệp nghỉ hưu, khách hàng quản lý, chuyên viên theo thứ tự có tác động tăng dần lên thời gian sống sót khoản vay, điều ngụ ý vị trí cơng việc tốt thu nhập từ cơng việc cao, từ dẫn đến thời gian sống sót khoản vay dài Các yếu tố điều kiện nhà ở: Nhà thuê, nhà nhờ, có nhà, có từ 121 nhà trở lên có tác động tăng dần lên thời gian sống sót khoản vay Điều cho thấy, điều kiện nhà ảnh hưởng tới nguồn tiền khách hàng sử dụng để trả nợ cho ngân hàng, theo điều kiện nhà tốt nguồn tiền để trả nợ tốt, thời gian sống sót khoản vay dài (8) Đặc tính khoản vay có ảnh hưởng tới thời gian sống sót khoản vay Kết nghiên cứu cho thấy, số tiền khách hàng vay lớn (so với thu nhập khách hàng) thời gian sống sót khoản vay ngắn Điều ngụ ý rằng, thân đặc tính khoản vay chứa đựng yếu tố nguy làm tăng hay giảm thời gian sống sót khoản vay đó, trường hợp độ lớn khoản vay, đặc tính khác có ảnh hưởng tới thời gian sống sót khoản vay mục đích, kỳ hạn, lãi suất hay tài sản đảm bảo khoản vay 4.2 Một số kiến nghị sách Một là, phân tích sống sót phương pháp có ưu điểm so với phương pháp truyền thống khác phân tích tính tốn rủi ro tín dụng Kết nghiên cứu cho thấy tổn thất tín dụng dự kiến trọn đời khoản vay tính phương pháp phân tích sống sót có giá trị sát với tổn thất thực tế so với tổn thất tín dụng dự kiến trọn đời tính phương pháp truyền thống Do phương pháp phân tích sống sót cần quan tâm nhiều nhà nghiên cứu QTRR phận QTRR NHTM, NHTM sử dụng phương pháp phân tích sống sót để ước lượng cách xác thước đo rủi ro, từ dự phịng rủi ro cách tốt Hai là, phương pháp phân tích sống sót sử dụng để ước lượng xác suất vỡ nợ khoản vay theo thời điểm dự báo thời gian sống sót khoản vay, nên kiến nghị ngân hàng sử dụng ước lượng để định khoản vay đề xuất khách hàng, tư vấn cho khách hàng để điều chỉnh đơn xin cấp vốn khách hàng (về lượng tiền xin vay, thời hạn khoản vay), chấp nhận đơn vay từ chối đơn xin vay tùy thuộc vào dự báo thời gian sống sót khoản vay đề nghị có hợp lý với sách rủi ro ngân hàng hay khơng Những định, tư vấn hay điều chỉnh nhằm mục đích an tồn vốn cho ngân hàng, tăng lợi nhuận ngân hàng đồng thời giúp khách hàng có vốn để sản xuất, kinh doanh tiêu dùng Ngoài ra, ngân hàng nên xem xét để sử dụng phương pháp phân tích sống sót tốn khác, ví dụ để kiểm sốt thời gian lượng tiền lưu tài khoản trả 122 lương hàng tháng trước khách hàng rút hay kiểm sốt thời gian sống sót khoản vay thấu chi… Ba là, khoản vay khách hàng với đặc trưng khác có thời gian sống sót khác nhau, nên khoản vay ngân hàng giải ngân mà thời gian kỳ hạn, kiến nghị ngân hàng tiếp tục theo dõi khả sống sót thời gian lại kỳ hạn khoản vay, đánh giá xác suất vỡ nợ nguy vỡ nợ thời điểm Tại thời điểm mà nguy vỡ nợ khoản vay cao, ngân hàng kích hoạt biện pháp tự vệ trước, ví dụ cảnh báo vỡ nợ sớm khoản vay, để từ có biện pháp xử lý kịp thời khoản vay thực xảy vỡ nợ Bốn là, các khoản vay tiềm năng, ngân hàng cần mở rộng nguồn khách hàng theo hướng đa dạng hóa nhóm khách hàng để tối đa hóa lợi nhuận Ngân hàng cần hướng tới nhóm khách hàng khác có chiến lược tiếp cận gói vay với sách phù hợp với nhóm khách hàng tương ứng Chẳng hạn, nhóm khách hàng có yếu tố ảnh hưởng tốt tới thời gian sống sót khoản vay như: quản lý, tốt nghiệp đại học đại học, thuộc nhóm cao tuổi (nhóm tuổi [48, 69)), có nhà riêng… nhóm khách hàng có khoản vay tương đối an tồn, ngân hàng cần thu hút nhóm khách hàng sách hấp dẫn đơn giản thủ tục vay (có thể khơng cần chấp người có chức vụ quản lý quan, tổ chức), lãi suất thấp hay lượng tiền vay lớn Tuy nhiên, phần lớn lợi nhuận lại đến từ khoản vay có độ rủi ro cao với nhóm khách hàng có đặc tính ảnh hưởng khơng tốt tới thời gian sống sót khoản vay, ví dụ nhóm khách hàng thuộc nhóm tuổi [18, 23), [33, 48), nhóm khách hàng nam giới, có vị trí cơng việc cơng nhân, nhóm khách hàng có trình độ trung cấp, có thời gian làm việc lĩnh vực ngắn khoảng [0, 3) năm, nhóm khách hàng trả lương tiền mặt… Với nhóm khách hàng có đặc tính làm cho thời gian sống sót khoản vay ngắn, xác suất vỡ nợ cao, ngân hàng có sách để bù lại rủi ro mà gặp phải lãi suất khoản vay, giới hạn số tiền cho vay, thời hạn khoản vay đặc biệt tài sản đảm bảo cho khoản vay phải có tính khoản cao Sau phân nhóm đối tượng khách hàng tiềm xây dựng gói cho vay phù hợp với nhóm đối tượng khách hàng, ngân hàng cần có phương án tiếp cận nhóm khách hàng tiềm cách phù hợp Chẳng hạn, nhóm tuổi trẻ, nhóm có trình độ đại học đại học, cách tiếp cận (quảng cáo) cách giới thiệu gói cho vay qua hịm thư điện tử, qua kênh 123 mạng xã hội; Với nhóm khách hàng cao tuổi (như nhóm tuổi [48, 69)), cách tiếp cận qua quan, tổ chức cơng đồn cơng ty hay tổ hưu trí… Vì yếu tố khách hàng cũ, khách hàng trả lương qua ngân hàng vay vốn có tác động tích cực tới thời gian sống sót khoản vay, ngân hàng xem xét lập hội nhóm mạng xã hội với mục tiêu kết nối, giữ chân khách hàng quảng bá sản phẩm tới khách hàng cũ tốt Năm là, tác động yếu tố lên phân vị khác thời gian sống sót khoản vay khác nhau, nên kiến nghị ngân hàng tính toán số thước đo rủi ro, chẳng hạn tính tốn tổn thất tín dụng dự kiến khoản vay chẳng hạn, xem xét tính riêng khoản vay theo phân vị khác nhau, việc tính riêng giúp ước lượng thước đo rủi ro xác hơn, từ đưa lượng tiền dự phòng cho rủi ro theo kịch sát với thực tế 4.3 Hạn chế luận án Mặc dù NCS thực việc nghiên cứu nghiêm túc với nhiều cố gắng giải câu hỏi mục tiêu nghiên cứu, nhiên luận án không tránh khỏi hạn chế khuyết điểm, cụ thể sau: Thứ nhất, mơ hình sử dụng luận án cịn thiếu số biến giải thích quan trọng, thời hạn khoản vay, lãi suất khoản vay… điều hạn chế hiệu suất dự báo mơ hình phân tích sống sót Lý cho thiếu sót mơ hình từ yêu cầu bảo mật ngân hàng cung cấp số liệu, ngân hàng không cung cấp số liệu trọng kỳ hạn, lãi suất…của khoản vay Thứ hai, NCS không sử dụng số liệu từ NHTM Việt Nam cho mục đích ước lượng ECL trọn đời khoản vay, thay vào NCS phải sử dụng đến số liệu công khai từ Mỹ để minh họa phương pháp ước lượng ECL trọn đời khoản vay, điều yêu cầu bảo mật thông tin ngân hàng, ngân hàng không cung cấp thông tin dư nợ theo thời điểm khoản vay 4.4 Đề xuất số hướng nghiên cứu Luận án dừng lại việc đánh giá tác động số yếu tố lên thời gian sống sót khoản vay, ước lượng thời gian sống sót, xác suất vỡ nợ khoản vay theo thời điểm khoảng thời gian khác nhau, luận án ước lượng ECL trọn đời khoản vay Hướng nghiên cứu mở rộng sử dụng cơng cụ phân tích sống sót để ước lượng thước đo quan trọng khác QTRR ước tính tổn thất ngồi dự kiến (UL), vốn kinh tế (EC)…để từ đưa dự rủi ro tín dụng hiệu nhất, giúp ngân hàng chủ động nguồn vốn vững vàng trước rủi ro xảy tương lai 124 DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CƠNG BỐ CĨ NỘI DUNG LIÊN QUAN TRỰC TIẾP ĐẾN LUẬN ÁN Đoàn Trọng Tuyến, Nguyễn Thị Minh (2020), ‘Mơ hình Cox Cox mở rộng ước tính xác suất vỡ nợ khoản vay cá nhân', Hội thảo khoa học cơng cụ Tốn - Thống kê nghiên cứu Kinh tế - Tài chính, Nhà xuất Thông tin Truyền thông, Đại học Kinh tế Thành phố Hồ Chí Minh, trang 89-104 Đồn Trọng Tuyến, Nguyễn Thị Minh (2021), ‘Ước tính tác động yếu tố lên thời gian sống sót khoản vay khách hàng cá nhân ngân hàng thương mại mơ hình Laplace', Tạp chí Kinh tế & Phát triển, Số 287 tháng 5/2021, trang 66-74 Đồn Trọng Tuyến, Bùi Quốc Hồn (2021), ‘Ước tính thời gian sống sót khoản vay cá nhân mơ hình tham số phân tích sống sót', Tạp chí Cơng thương, Số - Tháng 4/2021, trang 343-348 Đoàn Trọng Tuyến, Nguyễn Thị Minh (2022), ‘Dự báo xác suất vỡ nợ theo thời gian khoản vay cá nhân mơ hình Random Survival Forest’, Tạp chí Nghiên cứu kinh tế, số 7(530) - Tháng 7/2022 125 TÀI LIỆU THAM KHẢO Andrija Đurović (2017), ‘Estimating Probability of Default on Peer to Peer Market - Survival Analysis Approach’, Journal of Central Banking Theory and Practice, 2, 149-167 Bart Baesens, Daniel Rosch, Harald Scheule (2016), Credit Risk Analytics, Wiley Bart Baesens, Tony Van Gestel, Maria Stepanova, Jan Vanthienen (2005), ‘Neural Network Survival Analysis for Personal Loan Data’, Journal of the Operational Research Society, 56(9) Special Issue: Credit Scoring, 1089-1098 Bellotti, T., Crook, J (2009), ‘Credit scoring with macroeconomic variables using survival analysis’, The Journal of the Operational Research Society, 60(12), 1699-1707 Breiman L (2001), ‘Random forests’, Machine Learning, 45: 5-32 Beran, R (1981), ‘Nonparametric Regression with Randomly Censored Survival Data’, Tech Report, University of California, Berkeley Carter, S., Shaw, E., Lam, W., & Wilson, F (2007), ‘Gender, Entrepreneurship, and Bank Lending: The Criteria and Processes Used by Bank Loan Officers in Assessing Applications’, Entrepreneurship Theory and Practice, 31(3), 427-444 https://doi.org/10.1111/j.1540-6520.2007.00181.x Christian Bluhm, Ludger Overbeck, Christoph Wagner (2003), An Introduction to credit risk modeling, Chapman & Hall/CRC Cox, D R (1972), ‘Regression models and life-tables (with discussion)’, J Royal Statist Society, Series B, 74, 187-220 10 Cox, D R (1970), The Analysis of Binary Data, London: Chapman and Hall, Inc 11 David G Kleinbaum, Mitchel Klein (2012), Survival Analysis: A Self‐Learning Text, Third Edition, Springer 12 Dean Fantazzini, Silvia Figini (2009), ‘Random Survival Forests Models for SME Credit Risk Measurement’, Methodol Comput Appl Probab, 11:29-45 DOI 10.1007/s11009-008-9078-2 13 Dyana Kwamboka Mageto, Samuel Musili Mwalili, Anthony Gichuhi Waititu (2015), ‘Modelling of Credit Risk: Random Forests versus Cox Proportional Hazard Regression’, American Journal of Theoretical and Applied Statistics Vol 4, No 4, pp 247-253 DOI: 10.11648/j.ajtas.20150404.13 126 14 Efron, B (1967), ‘The Two-Sample Problem With Censored Data’, in Proc Fifth Berkeley Symposium in Mathematical Statistics, IV, eds L Le Cam and J Neyman, New York: Prentice-Hall, pp 831-853 15 Elizabeth Mays (2001), Handbook Of Credit Scoring, Global Professional Publishi 16 Galina Andreeva (2006), ‘European generic scoring models using survival analysis’, Journal of the Operational Research Society, 57, 1180-1187 17 Halina Frydman & Anna Matuszyk (2020), ‘Random survival forest for competing credit risks’, Journal of the Operational Research Society, DOI: 10.1080/01605682.2020.1759385 18 Hemant Ishwaran, Udaya B Kogalur, Eugene H Blackstone and Michael S Lauer (2008), ‘Random survival forests’, The Annals of Applied Statistics, Vol 2, No 3, 841-860 DOI: 10.1214/08-AOAS169 19 Kalbfleisch, J., Prentice, R (1980), The Statistical Analysis of Failure Time Data, New York: Wiley 20 Kalbfleisch, J., Prentice, R (2002), The Statistical Analysis of Failure time Data (2nd edition ed.) Hoboken, New Jersey: John Wiley Sons, Inc 21 Kaplan, E., Meier, P (1958), ‘Nonparametric estimation from incomplete observations’, Journal of the American Statistical Association, 43, 457-481 22 Koenker, R., Bassett, G W (1978), ‘Regression quantiles’, Econometrica, 46(1), 33-50 23 Leemis, L (1995), Reliability, Englewood Cliffs: Prentice-Hall 24 Lyn C Thomas, Ross A McDonald and Ania Matuszyk (2010), ‘Application of survival analysis to cash flow modelling for mortgage products’, OR Insight, 23, 1-14 DOI:10.1057/ori.2009.15 25 M Malik, LC Thomas (2009), ‘Modelling credit risk of portfolio of consumer loans’, Journal of the Operational Research Society, 61, 411-420 26 M Kabir Hassan, Jennifer Brodmann, Blake Rayfield and Makeen Huda (2017), ‘Modeling credit risk in credit unions using survival analysis’, International Journal of Bank Marketing, Vol 36 No 3, 482-495 27 Michal Rychnovský (2018), ‘Survival analysis as a tool for better probability of default prediction’, Acta Oeconomica Pragensia, 2018, 26(1), 34-46 DOI:10.18267/j.aop.594 28 Miller, S (2014), ‘Risk Factors for Consumer Loan Default: A Censored Quantile Regression Analysis’, Working paper, University of Illinois 127 29 Moffatt, P G (2005), ‘Hurdle models of loan default’, Jourrnal of the Operational Research Society, 56(9), 1063-1071 https://doi.org/10.1057/palgrave.jors.2601922 30 Nadaraya, E.A (1964), ‘On estimating regression’, Theory Prob Appl., 9, 141-142 31 Narain, B (1992), Survival Analysis and the Credit Granting Decision, In: Credit Scoring and Credit Control, [Thomas, L C., Crook, J N., Edelman, D B.], Clarendon Press: Oxford, 109-121 32 Ngân hàng nhà nước Việt Nam (2005), Quyết định số: 493/2005/QĐ-NHNN, ngày 22 tháng 04 năm 2005, Phân loại nợ, trích lập sử dụng dự phịng rủi ro để xử lý rủi ro tín dụng hoạt động ngân hàng 33 Ngân hàng nhà nước Việt Nam (2013), Thông tư số: 02/2013/TT-NHNN, ngày 21 tháng 01 năm 2013, Quy định phân loại tài sản có, mức trích, phương pháp trích lập dự phịng rủi ro việc sử dụng dự phòng để xử lý rủi ro hoạt động tổ chức tín dụng, chi nhánh ngân hàng nước 34 Ngân hàng nhà nước Việt Nam (2016), Thông tư số: 41/2016/TT-NHNN, ngày 30 tháng 12 năm 2016, Quy định tỷ lệ an toàn vốn ngân hàng, chi nhánh ngân hàng nước 35 Ngân hàng nhà nước Việt Nam (2018), Thông tư số: 13/2018/TT-NHNN, ngày 18 tháng 05 năm 2018, Quy định hệ thống kiểm soát nội ngân hàng thương mại, chi nhánh ngân hàng nước 36 Ngân hàng nhà nước Việt Nam (2019), Thông tư số: 22/2019/TT-NHNN, ngày 15 tháng 11 năm 2019, Quy định giới hạn, tỷ lệ bảo đảm an toàn hoạt động ngân hàng, chi nhánh ngân hàng nước 37 Ngân hàng nhà nước Việt Nam (2020), Thông tư số: 08/2020/TT-NHNN, ngày 14 tháng 08 năm 2020, Sửa đổi, bổ sung số điều thông tư số 22/2019/TTNHNN ngày 15 tháng 11 năm 2019 thống đốc ngân hàng nhà nước việt nam quy định giới hạn, tỷ lệ bảo đảm an toàn hoạt động ngân hàng, chi nhánh ngân hàng nước 38 Ngân hàng nhà nước Việt Nam (2021), Thông tư số 11/2021/TT-NHNN, ngày 30 tháng 07 năm 2021, Quy định phân loại tài sản có, mức trích, phương pháp trích lập dự phịng rủi ro việc sử dụng dự phòng để xử lý rủi ro hoạt động tổ chức tín dụng, chi nhánh ngân hàng nước 39 Phan Thị Thu Hà (2006), Ngân hàng thương mại, Nhà xuất Thống kê 128 40 Phan Xuân Vinh (2017), Ứng dụng mơ hình phân tích sống sót đo lường rủi ro tín dụng khách hàng cá nhân ngân hàng TMCP Ngoại thương Việt Nam TPHCM, Luận văn thạc sỹ kinh tế, Đại học kinh tế TP Hồ Chí Minh 41 Portnoy, S (2003), ‘Censored regression quantiles’, Journal of the American Statistical Association, 98 (464), 1001-1012 42 Powell, J (1986), ‘Censored regression quantiles’, Journal of Econometrics, 32, 143-155 43 Ramon Man (2014), Survival analysis in credit scoring : A framework for PD estimation, Master thesis, University of Twente, Netherlands 44 Ricardo Cao, Juan M Vilar and Andres Devia (2009), ‘Modelling consumer credit risk via survival analysis’, SORT, 33 (1), 3-30 45 Roger Koenker, Olga Geling (2001), ‘Reappraising Medfly Longevity’, Journal of the American Statistical Association, 96:454, 458-468 DOI: 10.1198/016214501753168172 46 Rudolf Beran (1981), Nonparametric regression with randomly censored survival data, University of California, Berkeley 47 Serrano-Cinca C, Gutiérrez-Nieto B and López-Palacios L (2015), ‘Determinants of Default in P2P Lending’, PLoS ONE, 10(10): e0139427 DOI:10.1371/journal.pone.0139427 48 Silva, E C., Lopes, I C, Correia, A., Faria, S (2020), ‘A logistic regression model for consumer default risk’, Journal of Applied Statistics, 47, 2879 – 2894 49 Stepanova, M., Thomas, L (2002), ‘Survival analysis methods for personal loan data’, Operations Research Quarterly, 50(2), 277-289 50 Sumit Agarwal, Souphala Chomsisengphet and Chunlin Liu (2011), ‘Consumer bankruptcy and default: The role of individual social capital’, Journal of Economic Psychology, 32, 632-650 51 Sumit Agarwal, Souphala Chomsisengphet, Chunlin Liu, Changcheng Song and Nicholas S Souleles (2018), ‘Benefits of relationship banking: Evidence from consumer credit markets’, Journal of Monetary Economics, 96, 16-32 52 Thomas P Fitch (1997), Dictionary of Banking Terms Barron’s Edutional Series, Inc 53 Thomas, L., Banasik, J., and Crook, J (1999), ‘Not if but when loans default’, J Oper Res Soc, 50 , 1185-1190 54 Timothy W Koch (1995), Bank Management, Dryden Press 129 55 Tony Merna, Faisal F Al-Thani, (2005), Corporate Risk Management: An Organisational Perspective, John Wiley & Sons 56 Tơ Thị Vân Anh (2019), ‘Mơ hình hồi quy logistics mơ hình cox ước lượng xác suất vỡ nợ tín dụng, phân nhóm khách hàng theo nguy vỡ nợ’, Tạp chí nghiên cứu Tài kế tốn, Số 09 (194), 22-27 57 Watson, G.S (1964), ‘Smooth regression analysis’, Sankhyii Ser A, 26, 359-372 130 PHỤ LỤC Phụ lục 3.1a: Hình ảnh kiểm tra dạng số dư biến OldNew Nguồn: Tính tốn tác giả số liệu Phụ lục 3.1b: Hình ảnh kiểm tra dạng số dư biến Educ4 Nguồn: Tính tốn tác giả số liệu 131 Phụ lục 3.1c: Hình ảnh kiểm tra dạng số dư biến Wage2 Nguồn: Tính tốn tác giả số liệu Phụ lục 3.1d: Hình ảnh kiểm tra dạng số dư biến LoanPerIncome Nguồn: Tính tốn tác giả số liệu 132 Phụ lục 3.2 Kết kiểm tra giả thiết tỷ lệ nguy biến mơ hình Cox PH 3.3 Biến Prob>chi2 Biến Prob>chi2 LTVTime 7,4× 10 GDPTime < × 10 FICOOrigTime < × 10 GLOBAL < × 10 Nguồn: Tính tốn tác giả số liệu ... mơ hình phân tích sống sót phức tạp hồi quy phi tham số phân tích sống sót, hồi quy phân vị phân tích sống sót, mơ hình mạng nơ ron phân tích sống sót sử dụng lĩnh vực QTRR ngân hàng - tài Nghiên...BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN - ĐỒN TRỌNG TUYẾN PHÂN TÍCH SỐNG SĨT TRONG ƯỚC LƯỢNG VÀ PHÂN TÍCH RỦI RO - TIẾP CẬN HỒI QUY THAM SỐ VÀ PHI THAM SỐ Chuyên... thời gian sống sót khoản vay 1.3.3 Mục tiêu phân tích sống sót Phân tích sống sót có ba mục tiêu sau đây:  Ước lượng biểu diễn hàm sống sót, hàm nguy đối tượng từ liệu phân tích sống sót  So