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.
1 LỜI MỞ ĐẦU Lý chọn đề tài Đánh giá rủi ro tín dụng khách hàng khâu quan trọng hoạt động NHTM tổ chức tín dụng khác, việc ước lượng - dự báo mức độ rủi ro khoản vay với độ tin cậy cao không yêu cầu nội ngân hàng mà địi hỏi từ phía quản lý nhà nước nhằm đảm bảo hoạt động ổn định hệ thống ngân hàng an toàn vốn cho người chủ vốn Mối quan tâm cơng việc QTRR phải lượng hóa rủi ro, để từ đưa giải pháp giảm thiểu rủi ro xảy tương lai Để đo lường rủi ro tín dụng NHTM, người ta thường dựa vào xác suất vỡ nợ khách hàng Đã có nhiều phương pháp sử dụng để ước lượng xác suất vỡ nợ (PD), chẳng hạn sử dụng mơ hình logit, probit, phương pháp phân tích tách biệt mơ hình học máy (Machine Learning, ML) Các phương pháp cho phép ước lượng xác suất khoản vay bị vỡ nợ khoảng thời gian định, thường năm Gần đây, người ta quan tâm đến việc tính tốn xác suất vỡ nợ thời điểm vòng đời khoản vay thay cho xác suất vỡ nợ khoảng thời gian, điều đồng nghĩa với việc người ta quan tâm thêm đến khoản vay bị vỡ nợ khơng có bị vỡ nợ khoảng thời hay khơng Ngồi ra, yếu tố tác động đến thời gian vỡ nợ khoản vay quan tâm Những mối quan tâm giải mơ hình truyền thống sử dụng, giải pháp cho nhu cầu phương pháp phân tích sống sót Phương pháp phân tích sống sót ứng dụng nhiều giới vào QTRR lĩnh vực ngân hàng – tài Các nghiên cứu ứng dụng đa dạng, từ mơ hình tĩnh đến mơ hình động, từ mơ hình đơn giản đến mơ hình phức tạp việc đánh giá tác động yếu tố lên thời gian sống sót khoản vay, tốn ước lượng thời gian sống sót khoản vay ước lượng xác suất vỡ nợ khoản vay khoảng thời gian Ở Việt Nam, theo hiểu biết NCS nghiên cứu ứng dụng phân tích sống sót QTRR cịn ít, đa phần dừng lại mơ hình tĩnh đơn giản dừng lại đánh giá tác động định tính Vì NCS lựa chọn đề tài nghiên cứu “Phân tích sống sót ước lượng phân tích rủi ro - tiếp cận hồi quy tham số phi tham số” làm luận án Tiến sỹ với mong muốn hy vọng nghiên cứu cần thiết hữu ích việc bổ sung thêm công cụ định lượng hữu hiệu vào công việc QTRR NHTM Mục tiêu nghiên cứu Mục tiêu chung: Mục tiêu nghiên cứu luận án sử dụng mơ hình tham số, bán tham số phi tham số phân tích sống sót để nghiên cứu tốn thời gian sống sót khoản vay cá nhân, quan tâm đến ước lượng thời gian sống sót khoản vay cá nhân, tác động yếu tố lên thời gian sống sót khoản vay cá nhân lên xác suất vỡ nợ theo thời điểm khoản vay cá nhân Từ đề xuất khuyến nghị cho NHTM việc tăng cường biện pháp nhằm giảm thiểu rủi ro, cung cấp công cụ giúp NHTM xây dựng, tính tốn lượng trích lập dự phịng rủi ro phù hợp Các mục tiêu cụ thể: Hệ thống hóa sở lý luận tác động yếu tố tới thời gian sống sót khoản vay Sử dụng mơ hình Cox PH mở rộng, hồi quy phân vị phân tích sống sót để đánh giá tác động yếu tố đến thời gian sống sót khoản vay Sử dụng mơ hình Cox PH, Cox PH mở rộng mơ hình Random Survival Forest để ước lượng thời gian sống sót khoản vay xác suất vỡ nợ theo thời điểm khoản vay Sử dụng mơ hình Cox PH để ước lượng tổn thất tín dụng dự kiến trọn đời 2 Câu hỏi nghiên cứu Luận án nhằm trả lời câu hỏi nghiên cứu sau: 1) Các yếu tố nhân học, kinh tế - tài chính, mối quan hệ với ngân hàng đặc điểm khoản vay có tác động lên thời gian sống sót khoản vay cá nhân nào? 2) Ước lượng thời gian sống sót khoản vay hay xác suất vỡ nợ theo thời điểm khoản vay nào? 3) Rủi ro tín dụng tính phương pháp phân tích sống sót có cải thiện so với sử dụng phương pháp truyền thống hay không? Đối tượng phạm vi nghiên cứu 4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu luận án thời gian sống sót khoản vay khách hàng cá nhân NHTM, mơ hình tham số phi tham số phân tích sống sót 4.2 Phạm vi nghiên cứu Phạm vị nội dung: Bài toán QTRR lĩnh vực ngân hàng - tài có nhiều khía cạnh, luận án tập trung vào vấn đề sau: 1) Nghiên cứu vai trị yếu tố có tác động lên thời gian sống sót khoản vay cá nhân, từ giúp NHTM có thêm thơng tin để xây dựng sách rủi ro 2) Đo lường rủi ro theo số thước đo là: Thứ xác suất vỡ nợ theo thời điểm (PD trọn đời), thứ hai thời gian sống sót khoản vay cá nhân, thứ ba tổn thất tín dụng dự kiến (ECL) trọn đời tồn khoản vay Phạm vi khơng gian: Luận án thực nghiên cứu Việt Nam, số liệu nghiên cứu từ NHTM Việt Nam Phương pháp nghiên cứu nguồn liệu Phương pháp tổng hợp, so sánh thống kê mô tả để: (i) phân tích thực trạng QTRR NHTM Việt Nam; (ii) mô tả tương quan thống kê biến số mơ hình định lượng Phương pháp phân tích định lượng: Luận án sử dụng mơ hình tham số (mơ hình hồi quy phân vị phân tích sống sót), mơ hình bán tham số (mơ hình Cox PH thơng thường, mơ hình Cox PH mở rộng) mơ hình phi tham số RSF để dự báo thời gian sống sót khoản vay, xác suất vỡ nợ khoản vay khoảng thời gian, PD trọn đời, ECL trọn đời Phần mềm hỗ trợ xử lý số liệu: STATA 16 R Nguồn liệu: Có liệu sử dụng luận án, liệu thứ liệu khoản vay khách hàng cá nhân từ NHTM Việt Nam, liệu thứ hai nguồn liệu từ khoản cho vay chấp Hoa Kỳ, liệu cung cấp trang web: www.internationalfinancialresearch.org Do yêu cầu bảo mật từ phía ngân hàng, liệu thứ NCS khơng có thơng tin dư nợ theo kỳ trả nợ nên NCS phải sử dụng liệu thứ hai để minh họa việc ước lượng thước đo ECL trọn đời khoản vay Những đóng góp luận án 6.1 Những đóng góp (1) Đây nghiên cứu định lượng Việt Nam thời gian sống sót khoản vay NHTM Việt Nam, luận án ước lượng thời gian sống sót khoản vay ước lượng xác suất vỡ nợ theo thời điểm khoản vay phương pháp phân tích sống sót Việc ước lượng xác suất vỡ nợ theo thời điểm thay theo khoảng thời gian khoản vay giúp ngân hàng định lượng xác thước đo rủi ro trọn đời khoản vay xác suất vỡ nợ trọn đời hay tổn thất tín dụng dự kiến trọn đời Điều giúp ngân hàng điều chỉnh dự phòng rủi ro cách hiệu quả, an toàn, tiết kiệm (2) Luận án sử dụng đồng thời phương pháp tham số, phi tham số (trong có sử dụng phương pháp học máy) phân tích sống sót để ước lượng phân tích rủi ro Việc sử dụng đồng thời phương pháp giúp đảm bảo tính vững kết nghiên cứu giúp nghiên cứu khía cạnh khác tốn sống sót khoản vay đánh giá vai trò yếu tố lên thời gian sống sót khoản vay, ước lượng thời gian sống sót khoản vay Từ đó, luận án đề xuất sách phù hợp (đối với khoản vay xin vay, khoản vay kỳ hạn hợp đồng nhóm khách hàng tiềm năng) để nâng cao lợi nhuận, đảm bảo an toàn vốn ngân hàng 6.2 Những kết luận, đề xuất rút từ kết nghiên cứu (1) 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 (2) Các 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 Ngồi 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 lương hàng tháng trước khách hàng rút hay kiểm sốt thời gian sống sót khoản vay thấu chi… (3) Các 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 cịn 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 (4) Các yếu tố nhân học giới tính, tuổi, thời gian làm việc, tình trạng nhà ở, vị trí cơng việc, trình độ đào tạo, yếu tố mối quan hệ với ngân hàng có khách hàng cũ khơng, hình thức trả lương, yếu tố độ lớn số tiền vay so với tổng thu nhập có ảnh hưởng tới thời gian sống sót khoản vay Do kiến nghị ngân hàng cần có chiến lược phát triển làm đa dạng nguồn khách hàng, tương ứng với nhóm khách hàng khác ngân hàng cần đưa gói vay phù hợp (ưu đãi lãi suất, số tiền vay đơn giản thủ tục với nhóm khách hàng có thời gian sống sót khoản vay dài có sách bù rủi ro vào lãi suất, kỳ hạn hay lượng tiền vay nhóm có nhiều rủi ro hơn), đồng thời phương án tiếp cận khách hàng tiềm phù hợp (thông qua chiến lược quảng cáo, phương án thiết lập hội nhóm khách hàng thân quen mạng xã hội…) với nhóm khách hàng cụ thể Bố cục luận án Ngoài phần mở đầu, tài liệu tham khảo phần phụ lục, luận án cấu trúc thành chương, bao gồm: Chương 1: Cơ sở lý luận tổng quan nghiên cứu Chương 2: Phương pháp nghiên cứu Chương 3: Mơ hình kết phân tích thực nghiệm Chương 4: Kết luận kiến nghị 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 Rủi ro tín dụng khả khơng chi trả nợ người vay người cho vay đến hạn phải tốn Rủi ro tín dụng ngân hàng rủi ro phát sinh q trình cấp tín dụng ngân hàng, biểu thực tế qua việc khách hàng không trả nợ trả không hạn theo cam kết cho ngân hàng Rủi ro tín dụng cịn gọi rủi ro khả chi trả rủi ro sai hẹn, rủi ro liên quan trực tiếp đến chất lượng tín dụng hiệu hoạt động ngân hàng 1.1.2 Một số thước đo rủi ro tín dụng Có hai thước đo rủi ro tín dụng tổn thất tín dụng dự kiến (Expected Credit Loss, ECL) tổn thất dự kiến (Unexpected Loss, UL) 1.1.2.1 Tổn thất tín dụng dự kiến Cơng thức tính tổn thất tín dụng dự kiến Tổn thất khoản vay xác định biến tổn thất: 𝐿 = 𝐸𝐴𝐷 × 𝑆𝐸𝑉 × 𝐿 (1.1) với 𝐿 = biến tình trạng vỡ nợ (𝐷) khoảng thời gian (thường năm), 𝑃𝐷 = 𝑃(𝐷) xác suất xảy vỡ nợ khoảng thời gian đó, 𝑆𝐸𝑉 (Severity) b.n.n thể mức độ tổn thất trường hợp xảy vỡ nợ đặt 𝐸(𝑆𝐸𝑉) = 𝐿𝐺𝐷 Khi đó, tổn thất tất khoản vay xác định b.n.n 𝐿 = 𝐿 = 𝐸𝐴𝐷 × 𝑆𝐸𝑉 × 𝐿 (1.2) Với giả thiết 𝑆𝐸𝑉 𝐿 độc lập với nhau, tổn thất tín dụng dự kiến định nghĩa kỳ vọng biến tổn thất 𝐿, từ (1.1) ta 𝐸𝐶𝐿 = 𝐸 [𝐿 ] = 𝐸𝐴𝐷 × 𝐸 [𝑆𝐸𝑉 ] × 𝐸 [𝐿] = 𝐸𝐴𝐷 × 𝐿𝐺𝐷 × 𝑃𝐷 (1.3) Phân loại tổn thất tín dụng dự kiến Có hai loại tổn thất tín dụng dự kiến ECL năm ECL trọn đời, ECL năm khoản tổn thất dự kiến kiện vỡ nợ xảy vòng năm sau ngày báo cáo, ECL trọn đời đề cập đến tất kiện vỡ nợ xảy vịng đời dự kiến khoản vay Lấy kỳ vọng vế (1.2) thu công thức ECL năm cho khoản vay: 𝐸𝐶𝐿1 năm (𝑋) = 𝐸𝐴𝐷 (𝑋) × 𝐿𝐺𝐷 (𝑋) × 𝑃𝐷 (𝑋) (1.4) Và cơng thức tính ECL trọn đời cho toàn khoản vay dạng Trọn đời 𝐸𝐶𝐿 (𝑋 ) = 𝑃𝑉 𝐸𝐴𝐷 , × 𝐿𝐺𝐷 , × 𝑃𝐷 , 𝑋 (1.5) Trong đó, 𝑁 tổng số tất khoản vay ngân hàng, 𝑃𝑉 (⋅) toán tử thể giá trị lượng tiền thời điểm thứ 𝑡, 𝑇 kỳ hạn khoản vay thứ 𝑖, 𝑋 𝑋 tham số mơ hình ước tính rủi ro tín dụng 1.1.2.2 Tổn thất ngồi dự kiến Tổn thất dự kiến định nghĩa độ lệch chuẩn biến ngẫu nhiên 𝐿 (1.1) Vì ta có cơng thức ước lượng UL 𝑈𝐿 = 𝑣𝑎𝑟[𝐿] = 𝑣𝑎𝑟 [𝐸𝐴𝐷 × 𝑆𝐸𝑉 × 𝐿] (1.6) 1.1.2.3 Vốn kinh tế Vốn kinh tế với độ tin cậy mức 𝛼 hiệu phân vị thứ 𝛼 tổn thất toàn khoản vay 𝐿 tổn thất dự kiến khoản vay 𝐸𝐶𝐿 , nghĩa 𝐸𝐶 = 𝑄 𝐿 − 𝐸𝐶𝐿 Trong 𝑄 𝐿 = inf 𝑞 > 0|𝑃 𝐿 ≤ 𝑞 ≥ 𝛼 phân vị thứ 𝛼 𝐿 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 1.2.1 Một số sách rủi ro tín dụng Việt Nam Quy định phân loại nợ, trích lập dự phịng rủi ro Thơng tư số 11/2021/TT-NHNN 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 (TCTD), chi nhánh ngân hàng nước Quy định giới hạn, tỉ lệ đảm bảo an tồn Thơng tư 22/2019/TT-NHNN quy định giới hạn, tỉ lệ đảm bảo an toàn hoạt động ngân hàng, chi nhánh ngân hàng nước Quy định áp dụng tiêu chuẩn Basel II Việt Nam Chuẩn mực vốn Basel II quy định theo Thông tư 41/2016/TT-NHNN Thông tư 13/2018/TT-NHNN Ngân hàng Nhà nước 1.2.2 Thực trạng ước lượng rủi ro ngân hàng thương mại Việt Nam Đo lường rủi ro tín dụng khách hàng cá nhân công việc quan trọng NHTM quan tâm Các quy định, tiêu chuẩn QTRR tiên tiến giới NHNN áp dụng Việt Nam Giữa năm 2014, tiêu chuẩn Basel II NHNN đưa vào thí điểm với 10 ngân hàng Vietcombank, Vietinbank, BIDV, MB, Sacombank, Techcombank, ACB, VPBank, VIB, Maritime Bank theo lộ trình - năm Tiêu chuẩn Basel II giúp ngân hàng nâng cao chất lượng tín dụng, giảm nợ xấu Quy trình tiếp xúc, theo dõi, quản lý khách hàng hỗ trợ công cụ đo lường, giám sát rủi ro có khả phân biệt khách hàng tốt/xấu cao Trong hệ thống ngân hàng Việt Nam nay, quy định cho vay, theo dõi khách hàng sau cho vay, cấu, xử lý thu hồi nợ chưa có quy chuẩn chung Một lý cho không thống hệ thống ngân hàng nước ta khoảng 31 tuổi, khiêm tốn nhiều so với hệ thống ngân hàng phát triển từ lâu quốc gia phát triển khác Hoạt động tín dụng chiếm tỷ trọng lớn cấu doanh thu lợi nhuận NHTM Trong q trình cấp tín dụng, NHTM khó tránh khỏi rủi ro tín dụng phát sinh từ nhiều nguyên nhân khác Tổn thất từ rủi ro tín dụng nghiêm trọng, khơng làm giảm lợi nhuận ngân hàng mà ảnh hưởng đến an toàn toàn hệ thống Do vậy, nghiên cứu biện pháp để nhận biết, đo lường hạn chế rủi ro tín dụng yêu cầu cấp bách NHTM quan quản lý Nhà nước Hoàn thiện phương pháp XHTD yêu cầu cấp thiết thời điểm NHTM với mục tiêu hoàn thiện hệ thống xếp hạng tín dụng nội theo phương pháp tiếp cận nội nâng cao theo chuẩn Basel II Việc XHTD phải số liệu thống kê lịch sử ngân hàng cho đối tượng khách hàng cá nhân, doanh nghiệp, để tính tốn thước đo rủi ro PD, LGD, EAD cho đối tượng (hiện số NHTM triển khai theo cách này) đồng thời phải áp dụng điều chỉnh cần thiết sở ý kiến chun gia (địi hỏi có cán chuyên sâu, am hiểu nghiệp vụ) Hiện tại, NHNN đưa yêu cầu NHTM việc xây dựng hệ thống XHTD nội bộ, chưa đưa quy chuẩn cho việc xây dựng hệ thống NHTM, dẫn đến việc xây dựng hệ thống XHTD nội ngân hàng theo vị rủi ro họ 6 Việc triển khai XHTD nội đòi hỏi đội ngũ chuyên gia nhiều kinh nghiệm, đặc biệt chuyên gia xây dựng mơ hình xếp hạng tín dụng nội Đây lực lượng lao động chất lượng cao, họ khơng có trình độ chun sâu nghiệp vụ ngân hàng, mà cịn có khả ứng dụng mơ hình tốn học phân tích, thị trường nhân lực Việt Nam thiếu Chất lượng thông tin đầu vào yếu tố quan trọng định đến chất lượng XHTD nội bộ, thực tế thông tin thiếu minh bạch, thiếu tin cậy diễn phổ biến nhiều lĩnh vực, gần ngân hàng đầu tư nhiều nguồn lực để lưu trữ xử lý liệu thu thập từ khách hàng, điều làm ảnh hưởng nhiều đến việc xây dựng mơ hình kinh tế lượng, phân tích thống kê ứng dụng XHTD nội Trong trình xây dựng mơ hình XHTD, NHTM thường sử dụng mơ hình Logistic (và kỹ thuật kèm theo) để ước lượng thước đo rủi ro, phương pháp học máy sử dụng mơ hình khó giải thích, kiểm sốt nên việc báo cáo với NHNN không phù hợp Riêng mơ hình phương pháp phân tích sống sót chưa ngân hàng sử dụng 1.3 Cơ sở lý thuyết mơ hình phân tích sống sót 1.2.1 Khái niệm phân tích sống sót Phân tích sống sót tập hợp thủ tục thống kê sử dụng để phân tích liệu biến phụ thuộc thời gian kiện xảy Thời gian từ đối tượng bắt đầu hình thành xảy kiện định nghĩa thời gian sống sót đối tượng Mục đích phân tích sống sót lượng hóa thời gian sống sót đối tượng theo biến giải thích 1.2.2 Biểu diễn thời gian sống sót ( ∆ ) Hàm sống sót 𝑆(𝑡) = P(𝑇 > 𝑡); Hàm mật độ 𝑓(𝑡) = lim ; Hàm nguy ℎ(𝑡) cho ℎ(𝑡) = lim ∆ → ∆ | ( ) ∆ → ∆ ∆ Từ công thức hàm nguy ℎ(𝑡), ta có ℎ(𝑡) = − [ln 𝑆(𝑡)], từ suy mối liên hệ ln 𝑆(𝑡) = − ∫ ℎ(𝑢) 𝑑𝑢 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 sánh hàm sống sót, hàm nguy Đánh giá mối quan hệ biến giải thích với thời gian sống sót đối tượng 1.3.4 Số liệu phân tích sống sót 1.3.4.1 Số liệu bị kiểm duyệt (Censored data) Một vấn đề số liệu phân tích sống sót số liệu thường bị thông tin theo dõi phần sau quan sát, trường hợp bị thông tin gọi số liệu bị kiểm duyệt (Censored data) Có trường hợp số liệu bị kiểm duyệt tương ứng với tình giá trị thời gian sống sót thực đối tượng so với giá trị thời gian quan sát đối tượng tập số liệu Nếu thời gian sống sót thực đối tượng lớn (tương ứng nhỏ hơn) thời gian sống sót quan sát đối tượng quan sát gọi bị kiểm duyệt bên phải (Right Censored) (tương ứng kiểm duyệt trái - Left Censored), trường hợp ta biết thời gian sống sót thực đối tượng khoảng quan sát gọi kiểm duyệt khoảng (Interval Censored) 1.3.4.2 Số liệu bị cắt cụt (Truncated data) Số liệu bị cắt cụt (truncated data) trường hợp số liệu, khác với số liệu bị kiểm duyệt Giả sử khung thời gian quan sát tập số liệu [𝐿, 𝑅 ] đối tượng không quan sát trước thời điểm 𝐿, số liệu bị cắt phần bên trái điểm 𝐿 ta có số liệu bị cắt cụt bên trái điểm 𝐿 (Left Truncated) 1.3.4.3 Số liệu phân tích sống sót quản trị rủi ro Số liệu phân tích sống sót lĩnh vực QTRR kiểm duyệt phải, bị cắt cụt trái thời điểm bắt đầu khung thời gian quan sát bị cắt cụt phải thời điểm cuối khung thời gian quan sát Do đó, với giả định lần quan sát khoản vay vào thời điểm bắt đầu khung thời gian quan sát, đối tượng có thời điểm bắt đầu khung “kéo về” thời điểm bắt đầu khung thời gian quan sát Như vậy, số liệu cho phân tích sống sót QTRR có dạng (𝑇 , 𝛿 , 𝑋 ), 𝑖 = 1, … , 𝑁, 𝑁 số khoản vay Đây 𝑁 giá trị quan sát ba biến ngẫu nhiên (𝑇, 𝛿, 𝑋), với 𝑇 = min{𝑍, 𝐶 }, 𝑇 thời gian quan sát từ khoản vay, 𝑍 thời gian sống sót thực khoản vay, 𝐶 thời gian kiểm duyệt khoản vay, 𝛿 = 𝐼(𝑍 ≤ 𝐶) 𝑋 = 𝑋 , 𝑋 , … , 𝑋 vectơ biến giải thích 1.4 Cơ sở lý luận yếu tố ảnh hưởng tới thời gian sống sót khoản vay 1.4.1 Các yếu tố liên quan tới khách hàng 1.4.1.1 Các yếu tố liên quan tới đặc điểm nhân học khách hàng Đặc điểm giới tính khách hàng vay: thời gian sống sót khoản vay khách hàng nữ thường dài so với khách hàng nam Tuy nhiên, điều phụ thuộc nhiều vào chất số liệu khoản vay, cụ thể phụ thuộc vào văn hóa, tôn giáo, phong tục khu vực người vay Độ tuổi khách hàng: Thông thường, thời gian sống sót khoản vay kỳ vọng tăng theo độ tuổi khách hàng Thời gian làm việc lĩnh vực chuyên môn tại: Khi thâm niên lĩnh vực lớn làm cho thời gian sống sót khoản vay lớn Tình trạng nhân khách hàng: Nhóm có gia đình có thời gian sống sót khoản vay lớn so với nhóm độc thân Tình trạng học vấn khách hàng: Thời gian sống sót khoản vay tawg theo trình độ học vấn Vị trí cơng việc cao thời gian sống sót khoản vay nhiều Số lượng thành viên gia đình: Yếu tố mang tới hai tác động trái ngược lên thời gian sống sót khoản vay, gia đình có nhiều thành viên độ tuổi lao động tạo thu nhập thời gian sống sót khoản vay tăng lên, ngược lại, số người phụ thuộc lớn làm giảm thời gian sống sót khoản vay 1.4.1.2 Các yếu tố liên quan tới đặc điểm tình hình kinh tế - tài khách hàng Các đặc điểm tình hình kinh tế - tài khách hàng bao gồm yếu tố thu nhập, giá trị tài sản đảm bảo, tình trạng sở hữu bất động sản Khách hàng có điều kiện kinh tế tài tốt thời gian sống sót khoản vay cao Thu nhập khách hàng: Thu nhập cao làm cho việc trả nợ dễ dàng hơn, làm giảm khả vỡ nợ khoản vay, ngược lại thu nhập thấp làm cho việc trả nợ trở nên khó khăn Tài sản đảm bảo cho khoản vay: Khoản vay có tài sản đảm bảo BĐS có thời gian sống sót cao so với khoản vay mà tài sản đảm bảo động sản Tình trạng sở hữu BĐS: Điều kiện sở hữu BĐS tốt thời gian sống sót khoản vay lớn 1.4.1.3 Các yếu tố hành vi khách hàng Các yếu tố hành vi khách hàng có liên quán tới thời gian sống sót khoản vay, yếu tố bao gồm: mối quan hệ với ngân hàng (là khách hàng cũ hay mới), có trả lương qua ngân hàng vay hay không (số lượng loại dịch vụ ngân hàng vay mà khách hàng sử dụng), lịch sử trả nợ khách hàng khứ (trong tháng gần nhất, 12 tháng gần có trễ hạn trả nợ khơng ) Khách hàng cũ thường cho có tác động tích cực tới thời gian sống sót khoản vay so với khách hàng Khách hàng sử dụng dịch vụ khác ngân hàng vay vốn có thời gian sống sót khoản vay dài so với khách hàng chưa sử dụng dịch vụ 1.4.2 Các yếu tố liên quan tới khoản vay Các yếu tố liên quan tới đặc điểm khoản vay cho có ảnh hưởng tới thời gian sống sót khoản vay, yếu tố bao gồm mục đích, thời hạn, số tiền vay Mục đích khoản vay: Khoản vay nhằm mục đích tiêu dùng có ảnh hưởng so với khoản vay có mục đích sản xuất, kinh doanh lên thời gian sống sót khoản vay Ngay mục đích tiêu dùng, ví dụ mục đích để mua xe có ảnh hưởng tốt mua xe cũ Thời hạn khoản vay: Khoản vay có thời hạn dài thường thường gắn với số tiền vay lớn có lãi suất cao, có thời gian sống sót ngắn khoản vay có thời hạn ngắn trung bình vốn khoản vay với lượng tiền nhỏ lãi suất thấp Tỷ lệ số tiền vay tổn thu nhập: Tỷ lệ cao số tiền phải trả định kỳ lớn so với nguồn tiền để trả nợ khách hàng, điều dẫn tới thời gian sống sót khoản vay ngắn 1.4.3 Các yếu tố liên quan tới đặc điểm tình hình kinh tế vĩ mơ kinh tế Tỷ lệ tăng trưởng GDP cao dẫn đến thời gian sống sót khoản vay tăng, tỷ lệ thất nghiệp tăng thời gian sống sót khoản vay giảm, số giá tiêu dùng CPI cao thời gian sống sót khoản vay giảm 1.5 Tổng quan nghiên cứu 1.5.1 Các nghiên cứu nước ngồi sử dụng mơ hình phân tích sống sót Các nghiên cứu yếu tố ảnh hưởng tới thời gian sống sót khoản vay, yếu tố bao gồm yếu tố nhân học (giới tính, tuổi, thời gian làm việc, tình trạng nhân, học vấn, vị trí cơng việc) (Narain (1992), Thomas cộng (1999), Stepanova & Thomas (2002), Michal Rychnovský (2018)) Các yếu tố liên quan tới đặc điểm khoản vay mục đích, thời hạn, số tiền vay (Andrija Đurović (2017), Serrano-Cinca C cộng (2015)) Các yếu tố liên quan tới đặc điểm tình hình kinh tế - tài khách hàng bao gồm yếu tố thu nhập, giá trị tài sản đảm bảo, tình trạng sở hữu bất động sản (Hassan cộng (2017), Bart & cộng (2005)) Các yếu tố hành vi khách hàng có liên quán tới thời gian sống sót khoản vay, yếu tố bao gồm: mối quan hệ với ngân hàng (là khách hàng cũ hay mới), có trả lượng qua ngân hàng vay hay không (số lượng loại dịch vụ ngân hàng vay mà khách hàng sử dụng), lịch sử trả nợ khách hàng khứ (trong tháng gần nhất, 12 tháng gần có trễ hạn trả nợ khơng ) (Sumit Agarwal cộng (2018), Malik & Thomas (2009)) Các yếu tố liên quan tới đặc điểm tình hình kinh tế vĩ mơ kinh tế (Các số kinh tế vĩ mô tỷ lệ tăng trưởng GDP, tỷ lệ thất nghiệp, số giá tiêu dùng) (Bellotti & Crook (2009), Lyn C Thomas cộng (2010)) Các mơ hình phân tích sống sót sử dụng để nghiên cứu yếu tố ảnh hưởng đến thời gian sống sót khoản vay, để dự báo thời gian sống sót khoản vay đa dạng, từ mơ hình AFT với phân phối mũ, mơ hình AFT với phân phối Weibull (Narain (1992), Thomas cộng (1999)) Các nghiên cứu sử dụng mô hình Cox PH dạng mơ hình Cox PH mở rộng (Thomas cộng (1999), Stepanova & Thomas (2002), Michal Rychnovský (2018), Andreeva (2006)) Các mơ hình phân tích sống sót động, nghĩa biến giải thích phụ thuộc thời gian để biểu diễn hành vi trả nợ khách hàng (Bellotti & Crook (2009), Malik & Thomas (2009), Lyn C Thomas cộng (2010)) Mơ hình hồi quy phân vị, mơ hình mạng nơ ron hay mơ hình phi tham số phân tích sống sót sử dụng (Cao & cộng (2009), Fantazzini Figini (2008), Mageto cộng (2015), Frydman & Matuszyk (2020), Sarah Miller (2014), Bart & cộng (2005)) 1.5.2 Các nghiên cứu sử dụng mơ hình phân tích sống sót quản trị rủi ro Việt Nam Ở Việt Nam, có số nghiên cứu thời điểm vỡ nợ khách hàng cá nhân mơ hình phân tích sống sót Chẳng hạn nghiên cứu Phan Xuân Vinh (2017) hay Tô Thị Vân Anh (2019), nhiên nghiên nghiên cứu sử dụng mơ hình Cox PH thơng thường hay phân lớp dừng lại mức độ so sánh nguy vỡ nợ biến giải thích, thêm số biến giải thích Hiện tại, theo hiểu biết NCS chưa có nghiên cứu Việt Nam sử dụng mơ hình phi tham số nói chung hay mơ hình RSF nói riêng phân tích sống sót ứng dụng QTRR 1.6 Khoảng trống nghiên cứu Từ phân tích tổng quan ta thấy khoảng trống nghiên cứu việc xây dựng phát triển mơ hình phân tích sống sót QTRR khoản vay cá nhân NHTM Việt Nam là: 1) Các nghiên cứu sử dụng phân tích sống sót cịn hạn chế, mơ hình phương pháp phân tích sống sót truyền thống, sử dụng mơ hình Cox PH Cox PH phân lớp mơ hình tĩnh, có biến giải thích sử dụng mơ hình Các mơ hình Cox PH mở rộng, mơ hình RSF chưa sử dụng 2) Chưa có nghiên cứu sử dụng phân tích sống sót ước lượng thước đo rủi ro, nghiên cứu dừng lại mức độ đánh giá thứ tự nguy vỡ nợ nhóm khách hàng Thêm vào đó, mơ hình Logistic truyền thống nhiều không đáp ứng nhu cầu định lượng QTRR, ví dụ khơng lượng hóa thời điểm khoản vay bị vỡ nợ hay không linh hoạt mơ hình ước lượng PD trọn đời, ECL trọn đời khoản vay Vì khoảng trống nghiên cứu Việt Nam lý trên, NCS lựa chọn đề tài: “Phân tích sống sót ước lượng phân tích rủi ro - tiếp cận hồi quy tham số phi tham số” để thực luận án với kỳ vọng đóng góp cơng cụ khả thi ứng dụng vào QTRR NHTM Việt Nam 1.7 Khung phân tích luận án Từ phân tích sở lý luận yếu tố tác động lên thời gian sống sót khoản vay, tổng quan nghiên cứu nước khoảng trống nghiên cứu cho thấy việc ứng dụng phương pháp phân tích sống sót vào QTRR NHTM Việt Nam tìm hiểu, xây dựng qua bước có thứ tự, bao gồm: (i) Đánh giá các yếu tố có ảnh hưởng tới thời gian sống sót khoản vay cá nhân; (ii) Ước lượng thời gian sống sót khoản vay phương pháp phân tích sống sót; từ đó, (iii) Ước lượng ECL trọn đời tất khoản vay Dựa vào phân tích sở lý luận nghiên cứu trước đây, NCS đề xuất nghiên cứu yếu tố sau ảnh hưởng tới thời gian sống sót khoản vay: Bảng 1.1: Các yếu tố tác động tới thời gian sống sót khoản vay Nhóm biến nhân học: Nguồn Giới tính Stepanova & Thomas (2002), Phan Xuân Vinh (2017) Thomas cộng (1999), Stepanova & Tuổi Thomas (2002), Bellotti & Crook (2009), Tơ Thị Vân Anh (2019) Tình trạng hôn nhân Narain (1992), Thomas cộng (1999), 10 Stepanova & Thomas (2002), Sumit Agarwal cộng (2011) Thời gian làm việc lĩnh vực chuyên Narain (1992), Stepanova & Thomas (2002), môn Hassan cộng (2017) Vị trí cơng việc Bellotti & Crook (2009) Trình độ học vấn Michal Rychnovský (2018) Các biến thể tình trạng kinh tế - xã hội, tài mối quan hệ khách Nguồn hàng với ngân hàng: Stepanova & Thomas (2002), Hassan Tình trạng sở hữu nhà cộng (2017), Bellotti & Crook (2009), Serrano-Cinca C cộng (2015) Narain (1992), Sumit Agarwal cộng Mối quan hệ với ngân hàng (2018), Hassan cộng (2017) Yếu tố liên quan tới khoản vay Nguồn Narain (1992), Serrano-Cinca C cộng Tỷ lệ số tiền phải trả tổng thu nhập (2015), Phan Xuân Vinh (2017) Nguồn: Tác giả tổng hợp Từ đó, NCS đề xuất khung nghiên cứu cho luận án Hình 1.6 Các yếu tố có ảnh hưởng tới thời gian sống sót khoản vay Các mơ hình phân tích sống sót: Cox PH, Cox PH mở rộng, hồi quy phân vị phân tích sống sót, mơ hình RSF 1) Đánh giá tác động yếu tố lên thời gian sống sót khoản vay, lên xác suất vỡ nợ khoản vay Ước lượng ECL trọn đời 2) Ước lượng thời gian sống sót cho khoản vay Hình 1.6: Khung phân tích luận án Nguồn: Nghiên cứu tác giả Từ tổng quan nghiên cứu kết hợp với khung nghiên cứu đề xuất, luận án xây dựng mơ hình, bao gồm: (i) Các mơ hình Cox PH với hệ số phụ thuộc thời gian, hồi quy phân vị phân tích sống sót để đánh giá tác động yếu tố lên thời gian sống sót khoản vay cá nhân lên xác suất vỡ nợ theo thời điểm khoản vay, (ii) Các mơ hình Cox PH, mơ hình RSF để ước lượng thời gian sống sót khoản vay, PD trọn đời khoản vay, từ ước lượng ECL trọn đời khoản vay 11 CHƯƠNG PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Mơ hình hồi quy tham số phân tích sống sót 2.1.1 Các mơ hình AFT phân tích sống sót Mơ hình AFT mũ: Nếu thời gian sống sót 𝑇 tuân theo phân phối mũ với tham số 𝜆 thời gian sống sót 𝑡 biểu diễn dạng 𝑡 = − log[𝑆(𝑡)] 𝑒 Mơ hình AFT Weibull: Nếu thời gian sống sót 𝑇 tn theo phân phối Weibull thời gian sống sót biểu diễn dạng 𝑡 = [− log[𝑆(𝑡)]] 𝑒 Mơ hình AFT Log-logistic: Nếu thời gian sống sót 𝑇 tuân theo phân phối Log-logistic với tham số 𝜃, 𝜅 thời gian sống sót 𝑡 biểu diễn dạng 𝑡 = ( ) − 𝑒 Ta thấy hệ số 𝛽 đóng vai trị yếu tố làm thời gian sống sót đối tượng kéo dài (hoặc bị co ngắn lại), cụ thể biến 𝑥 tăng thêm đơn vị (trong biến khác khơng đổi) thời gian sống sót đối tượng kéo dài (hoặc bị co ngắn lại) 𝑒 lần 2.1.2 Hồi quy phân vị phân tích sống sót Với vectơ biến giải thích 𝑋 = 𝑥 , 𝑥 , … , 𝑥 giá trị 𝜏 ∈ [0,1], phân vị 𝜏 biến ngẫu nhiên 𝑌 với điều kiện 𝑋 ký hiệu 𝑄 (𝑌|𝑋) xác định 𝑄 (𝑌|𝑋) = Inf{𝑡: 𝑃(𝑌 ≤ 𝑡|𝑋) ≥ 𝜏} Mơ hình hồi quy phân vị biểu diễn tuyến tính 𝑄 (𝑌|𝑋) theo 𝑋 với 𝜏 ∈ (0,1): 𝑄 (𝑌|𝑋) = 𝛽 (𝜏) + 𝛽 (𝜏) 𝑥 (2.4) Trong 𝛽 (𝜏), 𝑖 = 1,2, … , 𝑝 hệ số hồi quy chưa biết, biểu diễn tác động biến giải thích 𝑥 lên phân vị thứ 𝜏 𝑌, giá trị 𝛽 (𝜏) thay đổi theo 𝜏 Vì hồi quy phân vị cho phép tác động biến giải thích lên phân vị biến phụ thuộc khác nên điều giúp ta đánh giá xác tác động biến giải thích lên phân vị khác biến phụ thuộc 𝑌 Chú ý rằng, mô hình (2.4) biến phụ thuộc 𝑌 thời gian sống sót đối tượng 2.2 Các mơ hình bán tham số Cox PH 2.2.1 Mơ hình bán tham số Cox PH Cox (1972) đề xuất mơ hình biểu diễn hàm nguy ℎ(𝑡|𝑋) dạng ℎ(𝑡|𝑋) = ℎ (𝑡) 𝑒 ∑ (2.8) ∑ dạng hàm sống sót 𝑆(𝑡|𝑋) = 𝑆 (𝑡) (2.8′) Giả thiết tỷ lệ nguy hằng: Giả thiết quan trọng mơ hình tỷ lệ nguy hai quan sát số, tỷ lệ ngày không phụ thuộc vào thời gian 𝑡 2.2.2 Các mơ hình Cox PH mở rộng Có hai dạng mở rộng mơ hình Cox PH, dạng thứ cho biến số phụ thuộc thời gian, dạng thứ hai cho hệ số phụ thuộc thời gian 2.3 Hồi quy phi tham số phân tích sống sót 2.3.1 Ước lượng phi tham số Kaplan-Meier 2.3.2 Mơ hình Random Survival Forest Thuật toán: Thuật toán RSF Ishwaran cộng (2008) phát triển, thuật tốn RSF thực qua bước sau: Bước 1: Lấy 𝐵 mẫu bootstrap từ tập liệu ban đầu, mẫu chứa trung bình khoảng 2/3 liệu, 1/3 liệu lại gọi mẫu OOB (Out of Bag) 12 Bước 2: Một sống sót dạng nhị phân trồng tương ứng với mẫu bootstrap bước Tại nút cây, thuật toán chọn ngẫu nhiên 𝑝 biến Mỗi nút phân chia thành nút cách sử dụng 𝑝 biến chọn cho nút cho khác biệt sống sót nút lớn Mỗi phát triển với điều kiện nút cuối khơng 𝑑 > quan sát có xảy kiện Sau trồng toàn khu rừng, hàm sống sót tồn thể (của khu rừng) tính thơng qua hàm sống sót rừng 2.4 Thuật tốn phân nhóm liệu đo lường khả dự báo biến 2.4.1 Thuật tốn phân nhóm liệu Ý tưởng thuật tốn phân nhóm ta phân chia nhóm theo tương đồng nguy bị vỡ nợ khoản vay Bước 1: Chia liệu thành dải nhau, thường từ 15 đến 20 dải với biến liên tục, chia theo nhóm giá trị biến biến phân nhóm rời rạc Bước 2: Tính hàm sống sót Kaplan - Meier khoảng tin cậy với dải (nhóm) chia bước 1, đồng thời vẽ hàm sống sót đồ thị Bước 3: So sánh hàm sống sót bước mà đường sống sót đồ thị gần kiểm định Log-rank để xét xem đường sống sót có thực có khác biệt có ý nghĩa thống kê hay khơng Bước 4: Trộn (nhập) hai dải (nhóm) khơng có khác biệt thống kê hàm sống sót (nghĩa nhóm có đường sống sót gần nhất) Bước 5: Lặp lại bước từ bước tới bước tất dải (nhóm) có khác biệt thống kê 2.5 Đánh giá chất lượng mơ hình dự báo Trong mơ hình dự báo thời gian sống sót số sử dụng phổ biến C–index CHƯƠNG MƠ HÌNH VÀ KẾT QUẢ PHÂN TÍCH THỰC NGHIỆM 3.1 Dữ liệu kết biến đổi liệu 3.1.1 Các liệu Luận án sử dụng số liệu, thứ từ NHTM Việt Nam, số liệu sử dụng vào mục đích sau đây: Đánh giá tác động số yếu tố lên thời gian sống sót khoản vay Ước lượng thời gian sống sót khoản vay Ước lượng xác suất vỡ nợ khoản vay theo thời điểm Do yêu cầu cần bảo mật nghiêm ngặt số liệu ngân hàng, ngân hàng không cấp thông tin số biến quan trọng liên quan tới đặc điểm khoản vay số tiền vay, kỳ hạn khoản vay, lãi suất khoản vay Ngân hàng cung cấp lịch sử trả nợ hàng tháng khoản vay mà không cung cấp dư nợ khoản vay theo thời điểm, số liệu từ NHTM Việt Nam không sử dụng để ước lượng thước đo ECL trọn đời cho toàn khoản vay Để minh họa cách sử dụng phân tích sống sót việc ước lượng ECL trọn đời khoản vay, luận án sử dụng số liệu thứ hai từ Mỹ Hai số liệu có nguồn gốc khác nhau, biến giải thích khác mục đích sử dụng luận án khác Số liệu từ NHTM Việt Nam Số liệu thứ cấp từ NHTM Việt Nam, với 55.500 quan sát khách hàng cá nhân có nguồn thu nhập từ lương Số liệu bao gồm thơng tin nhân học, tình hình tài lịch sử trả nợ hàng tháng từ khoản vay giải ngân (tại ngày tháng, ngân hàng ghi nhận nhóm nợ khách hàng) 13 Khoảng thời gian nghiên cứu số liệu 54 tháng, từ 1/1/2014 đến 1/6/2018, khoản vay giải ngân trước 1/1/2014 thêm vào số liệu nghiên cứu (khoảng thời gian trước 1/1/2014 khoảng thời gian không quan sát, quan sát trường hợp bị cắt cụt bên trái, thời gian sống sót khoản vay tính với mốc bắt đầu quan sát từ 1/1/2014), khoản vay lại số liệu giải ngân rải rác khoảng thời gian Khoản vay xác định vỡ nợ kiện vỡ nợ xảy khoảng thời gian nghiên cứu, ngược lại khoảng thời gian nghiên cứu mà kiện vỡ nợ không xảy khoản vay xác định bị kiểm duyệt phải, khoản vay xác định kiểm duyệt phải (nghĩa không bị vỡ nợ) trường hợp sau đây: Khoản vay tất toán khoảng thời gian quan sát tập số liệu Đến 1/6/2018 (thời điểm cuối khung thời gian quan sát) khoản vay kỳ hạn chưa bị vỡ nợ Một số biến quan trọng số liệu là: Survt: Thời gian sống sót khoản vay, biến phụ thuộc cần ước lượng mơ hình phân tích sống sót, tính theo số tháng từ khoản vay giải ngân (hoặc từ thời điểm bắt đầu khung thời gian nghiên cứu) tới khoản vay bị xác định vỡ nợ khoản vay xác định bị kiểm duyệt Status: Đây biến nhóm, nhận giá trị khoản vay xác định vỡ nợ, nhận giá trị khoản vay xác định bị kiểm duyệt Gender: Giới tính khách hàng, nhận giá trị khách hàng nữ, nhận giá trị khách hàng nam OldNew: Nhận giá trị khách hàng khách hàng cũ, nhận giá trị khách hàng Age: Tuổi khách hàng, giá trị biến Age nằm khoảng [18, 60] WorkingTime: Thời gian làm việc lĩnh vực chuyên môn tại, giá trị biến nằm khoảng [0, 43] Educ: Trình độ học vấn khách hàng, biến nhóm, có nhóm học vấn bao gồm khách hàng có học vấn trung cấp, có học vấn trung cấp, có học vấn cao đẳng cuối có học vấn đại học sau đại học Wage: Là biến nhóm thể hình thức trả lương khách hàng, có nhóm hình thức trả lương là: Trả lương qua ngân hàng khác, trả lương tiền mặt cuối trả lương qua ngân hàng vay vốn Land: Tình trạng nhà sở hữu BĐS: Đây biến nhóm, gồm nhóm bao gồm nhà thuê, nhờ, có nhà cuối có từ nhà trở lên Position: Vị trí cơng việc khách hàng, biến nhóm gồm nhóm, nhóm thứ lao động đào tạo nghề cơng nhân, nhóm thứ hai gồm khách hàng chuyên viên, nhân viên thất nghiệp nghỉ hưu, nhóm cuối khách hàng quản lý chuyên viên LoanPerIncome: Là tỷ lệ tổng số tiền phải trả (gốc + lãi) tất tổ chức tín dụng tổng thu nhập sau thuế, bao gồm khoản vay xem xét, giá trị biến nằm khoảng [0,1] NumberDepend: Là số người gia đình phụ thuộc vào người đứng tên vay Family: Đang có gia đình hay độc thân? Số liệu cho vay chấp Mortgage Tập số liệu cho vay chấp để mua nhà với lịch sử trả nợ 60 tháng 50.000 người vay Hoa Kỳ, quan sát chọn ngẫu nhiên cung cấp trang web: www.internationalfinancialresearch.org Các khoản vay bắt đầu trước bắt đầu giai đoạn quan sát, phần không quan sát bị cắt cụt số liệu Các quan sát 14 khoản vay bị kiểm duyệt khoản vay đáo hạn người vay tái cấp vốn Trong 50.000 khoản vay có 15.153 khoản vay bị vỡ nợ, tỷ lệ vỡ nợ chiếm 30,3% Các biến tập số liệu bao gồm: Survt: Thời gian sống sót khoản vay (đơn vị tính tháng) tính từ khoản vay giải ngân (hoặc từ thời điểm bắt đầu khung thời gian nghiên cứu) tới khoản vay bị xác định vỡ nợ khoản vay xác định bị kiểm duyệt Status: Đây biến nhóm, nhận giá trị khoản vay xác định vỡ nợ, nhận giá trị khoản vay xác định bị kiểm duyệt BalanceTime: Dư nợ khoản vay thời điểm quan sát FICOOrigTime: Là điểm FICO khách hàng vay thời điểm khoản vay chấp nhận, điểm FICO điểm số dùng để đánh giá khả trả nợ khách hàng, điểm số xây dựng dựa lịch sử tín dụng, lịch sử tốn, số tiền cịn lại thẻ tín dụng yêu cầu tín dụng Điểm FICO nằm khoảng từ 300 đến 800, điểm số cao khả trả nợ tốt Hầu hết người mua nhà ngày có điểm FICO 620 Sự tăng lên điểm FICO làm giảm xác suất vỡ nợ tăng thời gian sống sót khoản vay LTVTime: Là giá trị cập nhật tỷ lệ số tiền phải trả tài sản chấp theo tháng, tính theo phần trăm Ngược lại với điểm số FICO, giá trị LTVTime lớn giá trị khoản vay nhiều so với tài sản chấp, điều dẫn đến xác suất vỡ nợ tăng lên thời gian sống sót khoản vay giảm xuống GDPTime: Là tỷ lệ tăng trưởng GDP, tính theo phần trăm, cập nhật theo tháng Chỉ số tăng trưởng GDP cao chứng tỏ kinh tế vận hành tốt, điều làm tăng khả trả nợ khách hàng, GDPTime tăng làm giảm xác suất vỡ nợ tăng thời gian sống sót khoản vay 3.1.2 Kết phân nhóm tập liệu NHTM Việt Nam Sau bước phân nhóm lại biến giải thích tập số liệu sử dụng thuật toán đo lường khả dự báo biến, ta loại bỏ biến số người phụ thuộc tình trạng nhân, biến cịn lại được phân chia thành nhóm sau: Age: Là tuổi khách hàng, đơn vị tính năm Nhóm khách hàng có tuổi nằm khoảng [18, 23), nhóm khoảng [23, 28), nhóm khoảng [28, 33), nhóm khoảng [33, 48) nhóm cuối khoảng [48, 69) WorkingTime: Là thời gian làm việc lĩnh vực chun mơn tại, đơn vị tính năm, biến chia thành nhóm thời gian sau: Nhóm khoảng [0,3), nhóm khoảng [3,6), nhóm khoảng [6,9), nhóm khoảng [9,15) nhóm cuối [15,43) Position: Là vị trí cơng việc khách hàng, biến chia thành nhóm: Nhóm nhóm lao động đào tạo nghề cơng nhân, nhóm chun viên, nhân viên, thất nghiệp nghỉ hưu, nhóm vị trí quản lý, chuyên viên Educ: Là học vấn khách hàng, biến chia thành nhóm: Nhóm nhóm gồm khách hàng có trình độ trung cấp, nhóm nhóm có trình độ trung cấp, nhóm nhóm có trình độ cao đẳng nhóm nhóm có trình độ đại học đại học Land: Là tình trạng sở hữu bất động sản, nhà ở, biến chia thành nhóm: nhóm gồm khách hàng nhà thuê, nhóm khách hàng nhờ, nhóm khách hàng có nhà, nhóm khách hàng sở hữu từ nhà trở lên Wage: Là hình thức trả lương, biến phân thành nhóm: nhóm nhóm trả lương qua ngân hàng khác, nhóm nhóm khách hàng trả lương tiền mặt, nhóm khách hàng trả lương qua ngân hàng vay LoanPerIncome: Là tỷ lệ tổng số tiền phải trả (gốc + lãi) tất tổ chức tín dụng tổng thu nhập sau thuế, bao gồm khoản vay xem xét, liệu biến nằm khoảng [0,1], biến không biến đổi biến 3.2 Các mơ hình đánh giá tác động yếu tố lên thời gian sống sót khoản vay 15 3.2.1 Số liệu biến số Bộ số liệu sử dụng từ NHTM Việt Nam mô tả mục 3.1.1 với biến phân nhóm mục 3.1.2, số liệu gồm 55.500 quan sát chia ngẫu nhiên thành phần với tỷ lệ 7:3, 70% số quan sát (38.850), gọi tập Train, sử dụng để xây dựng mơ hình, 30% số quan sát (16.650), gọi tập Test, sử dụng để kiểm tra khả dự báo mơ hình Biến phụ thuộc mơ hình Survt, thời gian sống sót khoản vay (được đo theo tháng) Để xác định tình trạng vỡ nợ hay khơng ta có thêm biến kiểm soát Status, biến nhận giá trị khoản vay bị vỡ nợ, nhận giá trị khoản vay bị kiểm duyệt Các biến giải thích sử dụng mơ hình là: Gender, OldNew, Age (được sử dụng với biến giả Age2, Age3, Age4 Age5), WorkingTime (được sử dụng với biến giả WorkingTime2, WorkingTime3, WorkingTime4, WorkingTime5), Educ (được sử dụng với biến giả Educ2, Educ3), Wage (được sử dụng với nhóm biến giả Wage2, Wage3), Land (được sử dụng với biến giả Land2, Land3, Land4), Position (được sử dụng với biến giả Position2, Position3), LoanPerIncome Theo nội dung việc phân nhóm biến giải thích mục 3.1.2, tất nhóm chọn nhóm sở nhóm có đường sống sót thấp 3.2.2 Mơ hình bán tham số Cox PH mở rộng với hệ số phụ thuộc thời gian Trong phần này, luận án sử dụng mơ hình Cox PH mở rộng với hệ số phụ thuộc thời gian để đánh giá yếu tố có ảnh hưởng tới thời gian sống sót khoản vay khách hàng cá nhân, từ ước tính thời gian sống sót cụ thể khoản vay ước lượng xác suất vỡ nợ khoản vay khoảng thời gian khác Các biến sử dụng mơ hình Mơ hình Cox PH mở rộng sử dụng với biến phụ thuộc Survt 21 biến giải thích Gender, OldNew, Age2, Age3, Age4, Age5, WorkingTime2, WorkingTime3, WorkingTime4, WorkingTime5, Educ2, Educ3, Educ4, Wage2, Wage3, Land2, Land3, Land4, Position2, Position3 LoanPerIncome Kiểm tra giả thiết PH biến: Kết kiểm tra giả thiết PH (Proportional Hazards Assumption) cho biến Old_new, Educ4, Wage2 LoanPerIncome vi phạm giả thiết tỷ lệ nguy hằng, biến lại thỏa mãn Sau kiểm tra hình ảnh đồ thị phần dư theo thời gian, biến Old_new LoanPerIncome có hệ số dạng hàm bậc theo thời gian 𝛽(𝑡) = 𝑎 + 𝑏𝑡, biến Educ4 Wage2 có hệ số dạng 𝛽(𝑡) = 𝑎 + 𝑏 log(1 + 𝑡) Mơ hình dự báo thời gian sống sót khoản vay Mơ hình Cox PH mở rộng với biến giải thích có hệ số phụ thuộc thời gian 17 biến giải thích thỏa mãn giả thiết PH có dạng: ℎ(𝑡|𝑋) = ℎ (𝑡)𝑒 (3.1) với 𝛽 𝑋 = 𝑔 (𝑡) OldNew + 𝛽 Gender + 𝛽 Age2 + 𝛽 Age3 + 𝛽 Age4 + 𝛽 Age5 + 𝛽 WorkingTime2 + 𝛽 WorkingTime3 + 𝛽 WorkingTime4 + 𝛽 WorkingTime5 + 𝛽 Educ2 + 𝛽 Educ3 + 𝑔 (𝑡) Educ4 + 𝛽 Position2 + 𝛽 Position3 + 𝛽 Land2 + 𝛽 Land3 + 𝛽 Land4 + 𝑔 (𝑡)Wage2 + 𝛽 Wage3 + 𝑔 (𝑡) LoanPerIncome Kết ước lượng Bảng 3.5 tóm tắt kết ước lượng hệ số mơ hình 3.1 Bảng 3.5 Kết ước lượng hệ số mô hình 3.1 tập Train Biến Hệ số Biến Hệ số OldNew -1,015675*** -0,195716*** Educ2 [Hệ số dạng (0,147427) (0,044417) 16 Biến (𝑡) 𝛽1 = 𝑎 + 𝑏𝑡] Gender Age2 Age3 Age4 Age5 WorkingTime2 WorkingTime3 WorkingTime4 Hệ số 0,037065*** (0,007136) -0,565956*** (0,033653) -0,412385*** (0,073276) -0,261627*** (0,074878) -0,232842*** (0,077651) -0,481515*** (0,107062) -0,167936*** (0,045447) -0,331996*** (0,055257) -0,422416*** (0,059397) Biến Educ3 Educ4 [Hệ số dạng 𝛽2 (𝑡) = 𝑎 + 𝑏 log(1 + 𝑡)] Position2 Position3 Land2 Land3 Land4 Wage2 [Hệ số dạng 𝛽3 (𝑡) = 𝑎 + 𝑏 log(1 + 𝑡)] Hệ số -0,141140*** (0,052228) -0,957026*** (0,214351) 0,076170 (0,076333) -0,491341*** (0,041006) -0,653344*** (0,061835) -0,140353*** (0,044320) -0,368253*** (0,050624) -0,638582*** (0,159857) -1,175167*** (0,284056) 0,306022*** (0,100814) -1,140764*** (0,069110) -0,467663*** Wage3 (0,071757) 0,728540** LoanPerIncome (0,311007) [Hệ số dạng 0,039212** 𝛽4 (𝑡) = 𝑎 + 𝑏𝑡] (0,018051) Ghi chú: Giá trị ngoặc đơn sai số chuẩn; ký hiệu *, ** *** biểu diễn hệ số ước lượng có ý nghĩa thống kê mức 10%, 5% 1%, tương ứng Nguồn: Tính tốn tác giả số liệu Bảng 3.7: Thống kê số AUC mơ hình Cox PH mở rộng khoảng thời gian – 12 tháng – 24 tháng – 36 tháng AUC 0,715 0,723 0,741 Nguồn: Tính tốn tác giả số liệu WorkingTime5 3.2.3 Mơ hình hồi quy phân vị phân tích sống sót Số liệu biến số Dữ liệu thứ cấp từ NHTM Việt Nam mô tả phần 3.1.1, biến giải thích mơ hình sử dụng mơ hình Cox PH mở rộng mục 3.1.2, mục tiêu mơ hình hồi quy phân vị phân tích sống sót để đánh giá tác động biến giải thích phân vị khác thời gian sống sót khoản vay Mơ hình Mơ hình hồi quy phân vị phân tích sống sót có dạng 17 𝑄 (𝑇|𝑋) = 𝛽 (𝜏) + 𝛽 (𝜏) OldNew + 𝛽 (𝜏) Gender + 𝛽 (𝜏) Age2 + 𝛽 (𝜏) Age3 + 𝛽 (𝜏) Age4 + 𝛽 (𝜏) Age5 + 𝛽 (𝜏) WorkingTime2 + 𝛽 (𝜏) WorkingTime3 + 𝛽 (𝜏) WorkingTime4 + 𝛽 (𝜏) WorkingTime5 + 𝛽 (𝜏) Wage2 + 𝛽 (𝜏) Wage3 + 𝛽 (𝜏) Land2 + 𝛽 (𝜏) Land3 + 𝛽 (𝜏) Land4 + 𝛽 (𝜏) Educ2 + 𝛽 (𝜏) Educ3 + 𝛽 (𝜏) Educ4 + 𝛽 (𝜏) Position2 + 𝛽 (𝜏) Position3 + 𝛽 (𝜏) LoanPerIncome (3.2) Trong đó, 𝜏 ∈ (0, 1) thể phân vị tương ứng biến phụ thuộc thời gian sống sót 𝑇 khoản vay Kết ước lượng mơ hình Bảng 3.6: Kết ước lượng hệ số mơ hình 3.2 0,02 0,04 0,06 0,08 0,10 𝜏 [1] [2] [3] [4] [5] 4,54666*** 5,54382*** 6,60918*** 8,25492*** 10,41139*** Intercept (1,27453) (0,98460) (2,01976) (1,05149) (1,63421) -13,72931*** -16,88728*** -19,73559*** LoanPer -4,15465*** -8,63870*** Income (1,29495) (1,89837) (2.53029) (1,74583) (3,22819) 5,75233*** 7,17721*** 8,63502*** 9,43468*** 9,50633*** OldNew (1,01229) (0,63596) (1,11735) (1,18669) (0,84661) 3,01906*** 4,86884*** 6,53604*** 7,64906*** 8,19258*** Gender (0,32497) (0,33145) (0,35070) (0,45732) (0,49615) 0,69238 1,25960* 2,06525** 2,53544*** 1,94714** Age2 (0,98085) (0,66546) (1,03845) (0,62426) (0,79855) 0,52904 0,71206 1,39079 1,80664*** 1,26887 Age3 (0,73476) (0.79290) (1,18547) (0,55338) (1,08204) -0,09503 0,21286 0,60143 0,75559 0,07613 Age4 (0,76534) (0,69309) (1,22697) (0,60576) (0,81771) 1,60426* 1,82344** 1,80224* 1,88322** 1,89497 Age5 (0,95310) (0,80667) (1,06795) (1,03989) (1,73764) Working 0,06609 0,86350 1,14597** 1,01625** 1,44242*** Time2 (0,61485) (0,58440) (0,50097) (0,42762) (0,38194) Working 0,02459 1,52014** 2,08420*** 2,07347*** 2,57614*** Time3 (0,42757) (0,70191) (0,49985) (0,53769) (0,83037) Working 0,64926 1,50772** 2,12707*** 1,96524*** 2,84902*** Time4 (0,63286) (0,72051) (0,49682) (0,50762) (0,80481) Working 0,44211 1,72598*** 2,60126*** 3,40914*** 4,13612*** Time5 (0,83957) (0,45520) (1,00171) (0,72448) (0,94615) 1,70206*** 2,22782*** 3,11353*** 4,32655*** 5,39595*** Wage2 (0,57202) (0,45026) (0,82829) (0,46575) (0,47605) 5,99314*** 10,28683*** 15,82554*** 22,60704*** 26,25584*** Wage3 (0,92627) (0,93211) (3,08484) (6,81817) (0,83790) 0,99174** 1,74927*** 2,24779*** 2,19840*** 2,45267*** Land2 (0,48149) (0,47761) (0,42045) (0,51468) (0,86306) 1,81322*** 3,08311*** 4,28421*** 4,48210*** 5,43638*** Land3 (0,61066) (0,43403) (0,55058) (0,65087) (0,78965) 3,67848*** 8,83011*** 11,87964** 11,35492 15,75590*** Land4 (0,96551) (1,03247) (6,61198) (21,13093) (1,83870) 18 0,02 0,04 0,06 0,08 0,10 [1] [2] [3] [4] [5] 1,01769** 1,05166** 1,68445*** 2,41092*** 2,60407*** Educ2 (0,50948) (0,49254) (0,43405) (0,47703) (0,59232) 0,20188 0,20326 0,58085 0,84847* 1,04805 Educ3 (0,39687) (0,41555) (0,54008) (0,49442) (0,69700) 3,71304*** 5,55822*** 7,88271*** 10,21976*** 11,80651*** Educ4 (0,57951) (0,46151) (0,80093) (0,58870) (0,79884) 1,23008*** 2,26446*** 3,40196*** 4,19350*** 4,69626*** Position2 (0,40339) (0,37442) (0,53651) (0,32037) (0,72383) 2,48190*** 4,44911*** 6,29824*** 7,59699*** 9,62588*** Position3 (0,56697) (0,40466) (0,45200) (0,71295) (0,91024) Ghi chú: Giá trị ngoặc đơn sai số chuẩn; ký hiệu *, ** *** biểu diễn hệ số ước lượng có ý nghĩa thống kê mức 10%, 5% 1%, tương ứng Nguồn: Tính tốn tác giả số liệu 𝜏 3.3 Mơ hình kết ước lượng xác suất vỡ nợ theo thời điểm khoản vay 3.3.1 Mơ hình bán tham số Cox PH mở rộng Từ mơ hình 3.1 mục 3.2.2 ta ước lượng xác suất vỡ nợ theo thời điểm khoản vay, trường hợp cố định ngưỡng xác suất để xác định khoản vay vỡ nợ hay khơng từ xác suất vỡ nợ theo thời điểm ta dự báo thời gian sống sót khoản vay 3.3.2 Mơ hình Random Survival Forest Số liệu sử dụng cho mơ hình RSF số liệu từ NHTM Việt Nam, số liệu mơ tả mục 3.1.1, nhiên mơ hình RSF biến tuổi (Age), số năm làm việc (WorkingTime) giữ nguyên Lựa chọn số mẫu bootstrap để trồng rừng: Số mẫu bootstrap lựa chọn để trồng rừng xác định thực nghiệm, cách thử nghiệm số rừng (chính số mẫu bootstrap) từ đến 500, từ số 𝑁𝑡𝑟𝑒𝑒 = 350 trở tỷ lệ dự đốn sai ổn định, mơ hình RSF ta thực với số trồng lớn 350 Lựa chọn biến mơ hình RSF theo giá trị VIMP: Để lựa chọn biến giải thích cho mơ hình RSF, luận án thực ước tính mức độ quan trọng biến tập liệu, kết cho thấy biến Educ4 có tầm quan trọng lớn nhóm biến giải thích, tiếp biến giới tính (Gender), hình thức trả lương qua ngân hàng vay vốn (Wage3)…, biến số lượng người phụ thuộc (NumberDepend) tỷ lệ khoản vay tổng thu nhập (LoanPerIncome) có tầm quan trọng thấp Kết quả: Mơ hình RSF sử dụng với số mẫu bootstrap 1000 16 biến giải thích Mơ hình RSF có tỷ lệ dự đốn sai 28,35%, tập Test tỷ lệ 28,14% Kiểm tra tính vững kết quả: Để so sánh hiệu dự đốn mơ hình RSF so với mơ hình Cox PH, luận án thực ước lượng thời gian sống sót khoản vay mơ hình bán tham số Cox PH Các số C–index mơ hình thống kê bảng 3.10 cho thấy khả dự đốn mơ hình tập Train tập Test Bảng 3.10: Chỉ số C–index mơ hình Mơ hình RSF/Cox PH với tập số liệu Trên tập Train Trên tập Test Mơ hình RSF 0,72 0,72 Mơ hình Cox PH 0,73 Nguồn: Tính tốn tác giả số liệu 19 Hình 3.12 biểu thị tỷ lệ vỡ nợ dự báo mơ hình RSF tập Train tập Test so với tỷ lệ vỡ nợ thực tế theo thời gian, ta thấy tỷ lệ vỡ nợ dự báo mơ hình RSF tập Train tập Test sát sát với tỷ lệ vỡ nợ thực tế, điều cho thấy khả dự báo xác tỷ lệ vỡ nợ mơ hình RSF Hình 3.12: Tỷ lệ vỡ nợ thực tế tỷ lệ vỡ nợ dự đốn mơ hình RSF tập Train tập Test Nguồn: Tính tốn tác giả số liệu Cũng từ mơ hình RSF ta thấy tỷ lệ vỡ nợ cao tập liệu khoản vay khoảng từ tháng thứ 18 đến tháng thứ 22 3.4 Ước lượng PD trọn đời ECL trọn đời Bộ số liệu Mortgage sử dụng nhằm mục đích ước lượng xác suất vỡ nợ trọn đời khoản vay (Lifetime PD) tổn thất tín dụng dự kiến trọn đời (Lifetime ECL) Bộ số liệu Mortgage chia ngẫu nhiên thành tập, tập Mortgage.Train gồm 70% số quan sát để ước lượng hệ số, tập Mortgage.Test gồm 30% số quan sát để đánh giá độ xác dự báo Các biến sử dụng mô hình: Survt: Là thời gian sống sót khoản vay Status: Là trạng thái khoản vay tháng, nhận giá trị khoản vay bị vỡ nợ, nhận giá trị khoản vay không bị vỡ nợ Các biến giải thích là: FICOOrigTime, LTVTime, GDPTime 3.4.1 Ước lượng PD trọn đời khoản vay 3.4.1.1 Ước lượng PD trọn đời mơ hình Cox PH 3.4.1.2 So sánh với kết từ mơ hình Logit Sử dụng kết ước lượng PD trọn đời từ 3.4.1.1, so sánh với kết ước lượng PD trọn đời mơ hình logit, ta có so sánh hình 3.13 3.14 Hình 3.14: Tỷ lệ vỡ nợ thực tế dự báo mơ hình Cox PH, mơ hình Logit tập Mortgage.Test Nguồn: Tính tốn tác giả số liệu 3.4.2 Ước lượng ECL trọn đời khoản vay Để đơn giản cho việc minh họa ước lượng ECL trọn đời, luận án giả định tỷ lệ tổn thất 𝐿𝐺𝐷 = 0,5 cho khoản vay thời điểm tập số liệu, dư nợ thời điểm khoản vay dư nợ thực tập số liệu, tỷ lệ lãi suất thực cố định mức 1% tháng, nghĩa 𝑟 = 0,01/tháng Đo lường hiệu ước lượng ECL Hình 3.13: Tỷ lệ vỡ nợ thực tế dự báo mô hình Cox PH, mơ hình Logit tập liệu Mortgage.Train 20 Bảng 3.13 so sánh thiệt hại ước tính sai lệch ECL hai mơ hình Logit Cox PH Mortgage.Train Mortgage.Test so với tổn thất thực tế, thiệt hại tính theo giá trị tương lai (cuối tháng 60) giá trị (đầu tháng 1) Bảng 3.13: Kết tính tốn thiệt hại dự báo sai lệch mơ hình Logit Cox PH Tập Mortgage.Train Tập Mortgage.Test Logit Cox PH Logit Cox PH Giá trị tương lai thiệt hại (Cuối tháng 60) $4.726.590 $4.733.115 $2.189.382 $2.063.334 Giá trị thiệt hại (Đầu tháng 1) $2.601.750 $2.605.341 $1.205.145 $1.135.761 Nguồn: Tính tốn tác giả số liệu Kết bảng 3.13 cho thấy độ chênh lệch thiệt hại dự báo sai lệch ECL mơ hình tập Mortgage.Train không đáng kể, uy nhiên, tập Mortgage.Test, với lượng khoản vay (với 15.000 khoản vay so với tập Mortgage.Train với 35.000 khoản vay) thiệt hại ước tính sai lệch mơ hình Cox PH đáng kể so với mơ hình Logit Tính tốn bảng 3.13 cho thấy mơ hình Cox PH hiệu so với mơ hình Logit việc ước lượng ECL trọn đời toàn khoản vay Kết luận chương Chương luận án sử dụng mơ hình tham số phi tham số phân tích sống sót để (i) đánh giá tác động yếu tố tới thời gian sống sót khoản vay; (ii) ước lượng xác suất vỡ nợ theo thời điểm khoản vay; (iii) Ước lượng ECL trọn đời toàn khoản vay Kết cho thấy: Các yếu tố tác động tới thời gian sống sót khoản vay là: Yếu tố nhân học (Giới tính, tuổi, thời gian làm việc cơng việc tại, vị trí cơng việc, tình trạng sở hữu nhà ở), yếu tố mối quan hệ với ngân hàng (hình thức trả lương, khách hàng cũ/mới), yếu tố liên quan tới khoản vay (Số tiền phải trả tổng thu nhập) Trong đó: Khách hàng nữ có thời gian sống sót khoản vay nhiều so với khách hàng nam; Vị trí cơng việc, tình trạng nhà khách hàng tốt khoản vay có thời gian sống sót dài hơn; Tỷ lệ số tiền vay tổng thu nhập lớn thời gian sống sót khoản vay ngắn Tác động yếu tố khách hàng cũ/mới yếu tố trả lương qua ngân hàng khác lên thời gian sống sót khoản vay khác theo giai đoạn khoản vay Trong đó, yếu tố khách hàng có trình độ cao đẳng lại có có tác động tới thời gian sống sót khoản vay so với yếu tố khách hàng có trình độ trung cấp Đối với khoản vay vỡ nợ sớm, yếu tố tuổi cao có tác động lớn tới thời gian sống sót khoản vay so với nhóm tuổi cịn lại, điều khơng cịn khoản vay vỡ nợ muộn Các mơ hình phân tích sống sót cho phép ước lượng xác suất vỡ nợ theo thời điểm vòng đời khoản vay ước lượng thời gian sống sót khoản vay với ngưỡng xác suất cụ thể Đặc biệt, ước lượng ECL trọn đời cho tất khoản vay phân tích sống sót tốt so với ước lượng ECL trọn đời mơ hình Logit 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 21 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 thông 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 khơng, 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 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 khơng 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 22 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 cịn 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, 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 chun mơn có ảnh hưởng đến thời gian sống sót khoản vay Kết nghiên cứu cho thấy, thời gian làm việc lĩnh lực chun mơn 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 công 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 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, ngồi đặc tính khác có ảnh 23 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 phòng 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 không 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 cịn lưu tài khoản trả 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 cịn 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 24 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 hòm thư điện tử, qua kênh 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 tốn 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 thiếu số biến giải thích quan trọng, thời hạn khoản vay, lãi suất khoản vay… điều hạn chế hiệu suất dự báo mô hình phân tích sống sót Lý cho thiếu sót mơ hình từ u 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 công 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