Các yếu tố nhân thân ảnh hưởng tới xác suất nợ quá hạn của khách hàng cá nhân vay vốn tại ngân hàng nông nghiệp và phát triển nông thôn việt nam, chi nhánh tây đô

. - —qujljy TRỊ RUVH DOAfyil ' , , ,, ,4 ■ CRC VÊÍI TO NHfiN ton M HUONG TOl XRC suflrr NG QUO HUN củn KHỈÍCH HÀNG CR NHANUHV N TỤI NG An HÀNG NŨNG nghiệp uh phút triển NÔNG T on UIỆĨ NHM CHINHHNHTHUHO Vũ Xuân Dũng Trường Đại học Thương mại Email: vuxuandung2015@gmail.com Ngày nhận: 01/10/2021 Ngày nhận lại: 22/12/2021 Ngày duyệt đăng: 24/12/2021 Tham cung cấp thêm cách nhìn việc sử dụng cóng cụ đo lirờng rủi ro tin dụng cá nhân chi nhánh ngân hàng thương mại Việt Nam, nghiên cứu thu thập liệu từ 386 hô sơ khách hàng cá nhãn vay von Agribank - chi nhảnh Tây Đô áp dụng kỹ thuật hồi quy logistic Kết cho thấy có yếu tổ gồm Tuổi, Tình trạng nhân, Học vấn, Tài sản bảo đảm, Thu nhập trước vay, Thu nhập sau vay, Thời hạn vay, Lịch sử tín dụng có ảnh hưởng có nghĩa thống kê đến rủi ro tín dụng cá nhân với mức độ giải thích cùa mơ hình =-0982,6% Nghiên cứu đưa khuyên nghị đôi với Agribank - chi nhánh Tây Đơ nói riêng chi nhánh ngân hàng thương mại Việt Nam nói chung việc sử dụng mơ hình hồi quy logistic xem trọng yếu to thu nhập lịch sử tín dụng thay trọng đến yêu tố tài sản bào đảm V Từ khóa: rũi ro tín dụng, đo lường rùỉ ro tin dụng, xác suất nợ hạn, hồi quy logistic JEL Classifications: G2Ỉ Giói thiệu Đo lường rủi ro tín dụng cá nhân mảng cơng việc quan trọng quản trị rủi ro tín dụng cá nhân sở cho việc đưa phán quyêt tín dụng áp dụng biện pháp theo dõi nợ khách hàng Ở Việt Nam, thời gian qua, với việc mở rộng phát triển nhanh chóng sản phẩm phương thức cung cấp tín dụng cá nhân, ngân hàng thương mại (NHTM) hồn thiện mơ hình quản trị rủi ro tín dụng cá nhân theo hướng áp dụng mơ hình qn trị rủi ro tín dụng tập trung bán tập trung, xây dựng quy trinh thu thập thơng tin, thẩm định, kiểm sốt, giám sát xử lý rủi ro tín dụng rõ ràng Trong thực tê, nhiều NHTM áp dụng tiêu chuẩn “5C” “6C” để đánh giá khả đáp ứng điều kiện tín dụng khách hàng cá nhân Bên cạnh đó, phải kể đến thành cơng xây dựng triển Soi 61/2022 khai hệ thống xểp hạng tín dụng nội áp dụng riêng cho nhóm khách hàng cá nhân Đồng thời, với vận hành hệ thống xếp hạng tín dụng khách hàng cá nhân Trung tâm thơng tin tín dụng quốc gia (CIC), NHTM có thuận lợi tham chiếu thông tin để đưa định cho vay phân loại theo dõi nợ khách hàng Điều cho thấy đổi NHTM tiến trình vận dụng chuẩn mực quốc tế quản trị rủi ro vào điều kiện cụ thể Việt Nam (Lê Thị Thanh Tân, Đặng Thị Việt Đức, 2016) Trong hệ thống xếp hạng tín dụng nội bộ, người cho vay chù yếu dựa thông tin thu thập từ khách hàng đặc điểm cá nhân, khả tài chính, mức sống lịch sử tín dụng họ Mỗi khách hàng vay nợ chấm điểm tín dụng thể mức độ tín nhiệm khả trả nợ (Ghita Bennounaa, Mohamed Tkiouat (2019) Mặc dù kỹ —khoa học thưongmại 51 Q1IÀIV tri kinh doanh —* thuật cung cấp thơng tin nhanh chóng, kịp thời phục vụ cho việc định tín dụng, song lại mang nhiều tính chủ quan đánh giá, xếp hạng giải triệt đê vấn đề cùa bất cân xứng thơng tin gặp phải Bên cạnh đó, việc sử dụng kỹ thuật chấm điểm tín dụng để xếp hạng tín dụng nội chưa có thống tiêu chí thang điểm đánh giá NHTM đồng thời chưa the giúp cho việc dự báo rủi ro tín dụng cá nhân trước sau giải ngân NHTM Để góp phần giải bất cập này, phương pháp xác định xác suất nợ hạn dựa liệu thống kê giải pháp hỗ trợ tốt cho khuynh hướng lựa chọn khách hàng cá nhân vay an tồn horn Xuất phát từ thực tế đó, sở thu thập liệu khách hàng cá nhân chi nhánh NHTM điên hình Ngân hàng Nông nghiệp Phát triển Nông thôn Việt Nam (Agribank), Chi nhánh Tây Đô, báo tiến hành thực nghiệm mơ hình hồi quy logistic ảnh hưởng yếu tố đến rủi ro tín dụng cá nhân nhằm làm rõ ý nghĩa việc áp dụng mơ hình đo lường rủi ro tín dụng dự báo khả trả nợ khách hàng cá nhân trước sau thời điểm giải ngân Tổng quan nghiên cứu khuôn khổ lý thuyết 2.1 Khuôn khổ lý thuyết Đo lường rủi ro tín dụng nỗ lực liên quan đến việc ước tính xác suất kiện bất lợi xảy tác động tiềm tàng đến kêt quã hoạt động tín dụng tơ chức tín dụng (Karen A Horcher, 2005) Việc đo lường rùi ro tín dụng cá nhân thực nhiều phương thức khác nhau, đó, đánh giá xếp hạng tín dụng cá nhân xem phương thức thông dụng Theo Abdou, H & Pointon, J (2011), có hai phương pháp xếp hạng tín dụng cá nhân chủ yếu sử dụng gồm phương pháp chuyên gia phương pháp thống kê Trong đó, phương pháp chuyên gia phương pháp thu thập xử lý thông tin thu qua hỏi ý kiến chuyên gia am hiểu sâu lĩnh vực tín dụng để xác định rủi ro chất lượng cùa khoản tín dụng Phương pháp có ưu điểm tận dụng kinh nghiệm kiến thức chuyên sâu chuyên gia Tuy nhiên, lại gây tốn chi phí thời gian đê thực Phương pháp thống kê phương pháp xếp hạng tín dụng dựa sổ liệu thống kê thu thập từ khách hàng sử dụng kỹ thuật kiểm định 52 H V •• thống kê để phát biến số ảnh hưởng tới rúi ro tín dụng Phương pháp thực nhanh với chi phí thấp cho kết khách quan Tuy nhiên, quy mô quan sát không đù lớn, chất lượng liệu khơng đảm bảo mơ hình khơng phù hợp phương pháp khó đàm bào độ tin cậy Do tính khách quan phương pháp thống kê nên phương pháp sử dụng phổ biến xếp hạng tín dụng cá nhân thường thực thơng qua mơ hình chấm điểm tín dụng kỹ thuật khác thống kê mơ tà dựa tiêu chí thang điểm cụ thể hồi quy tuyến tính, quy logistic, 2.2 Tong quan nghiên cứu Phương pháp hồi quy logistic phương pháp sử dụng rộng rãi đo lường rùi ro tín dụng cá nhân (Abdou, H & Pointon, J., 2011) Trong phương pháp này, yếu tố phản ánh rủi ro tín dụng cá nhân biến phụ thuộc dạng nhị phân nhận hai giá trị (0; 1) Có nghiên cứu sử dụng biến phụ thuộc phản ánh trạng thái rủi ro hình thức tn thủ/khơng tuân thủ họp đồng (Robert p Lieli & Halbert White, 2010) phán ánh trạng thái rủi ro tốt/xấu (Li Shuai & cộng sự, 2013; Hussein A Abdoua cộng sự, 2019) Một số nghiên cứu sử dụng biến phụ thuộc biến nhị phân thể tinh trạng trả nợ hạn/quá hạn theo tiêu chuẩn phân loại nợ (Edinam Agbemava & cộng sự, 2016; Ghita Bennounaa & Mohamed Tkiouat, 2019; Bùi Hữu Phước & cộng sự, 2018) Việc sử dụng biến phụ thuộc phản ánh rủi ro tín dụng dựa vào hành vi khách hàng thề qua tuân thù/không tuân thủ hợp đồng trả nợ hạn/quá hạn theo tiêu chuẩn phân loại nợ tùy thuộc chất liệu mà nhà nghiên cứu tiếp cận được, song tất phản ánh rủi ro tín dụng khách hàng cách tiếp cận khác biến quan sát yếu tố tác động đến rủi ro tín dụng khách hàng cá nhân bao gồm biến nhận diện đặc tính cá nhân người vay, tình hình tài chính, tài sản gia đình người vay, đặc điểm cùa khoản vay hành vi người vay Các biến nhận diện đặc tính cá nhân người vay thường gồm Tuổi, Giới tính, Tình trạng nhân Biến Giới tinh (nam/nữ) Tình trạng hôn nhân (độc thân/đã kết hôn) định dạng biến nhị phân, biến Tuổi biến liên tục tính theo Sổ 161/2022 QUẢN tri kinh DOANH tuổi thực tế người vay (Robert p Lieli & Halbert White, 2010; Edinam Agbemava & cộng sự, 2016; Hussein A Abdoua & cộng sự, 2019), định dạng biến phân loại theo nhóm tuổi (A.Steenackers, M.J Goovaerts, 1989; Dinh & Kleimeier, 2007) Biến Nghề nghiệp biến phân loại theo cách tiếp cận khác theo địi hỏi kỹ (Khơng địi hịi kỹ đào tạo; địi hỏi kỹ đào tạo; đòi hỏi đủ kỳ đào tạo) (Robert p Lieli & Halbert White, 2010) theo lĩnh vực hoạt động (Lao động tự do; kinh doanh; làm cơng việc văn phịng) (Ghita Bennounaa & Mohamed Tkiouat, 2019) Biến Trình độ học vấn định dạng biến phân loại theo tiêu thức khác chia thành nhóm (Dưới trung học phổ thơng; trung học phổ thông; đại học; sau đại học) (Ghita Bennounaa & Mohamed Tkiouat, 2019; Dinh & Kleimeier, 2007) thành nhóm (tốt nghiệp đại học; chưa tốt nghiệp đại học) (Hussein A Abdoua & cộng sự, 2019) Một số nghiên cứu sử dụng thêm biến số năm làm việc định dạng biến phân loại theo nhận định nhà nghiên cứu (Dinh & Kleimeier, 2007; Li Shuai & cộng sự, 2013) Các biển phản ánh điều kiện vật chất quy mô gia đinh người vay gồm Chỗ nhận diện theo nhóm (nội thành; ngoại thành) (Ghita Bennounaa & Mohamed Tkiouat, 2019) nhóm (đi thuê; sờ hữu; sử dụng miễn phí) (Robert p Lielỉ & Halbert White, 2010; Li Shuai & cộng sự, 2013), nhóm (sở hữu nhà; thuê; với bố mẹ; khác) (Dinh & Kleimeier, 2007); số người phụ thuộc số nghiên cứu sử dụng có tập liệu khai thác nhận diện theo số lượng thực tế (Li Shuai & cộng sự, 2013; Ghita Bennounaa & Mohamed Tkiouat, 2019) chia thành nhóm (0; 1; 2; 3; >3) (Dinh & Kleimeier, 2007) Một số nghiên cứu sử dụng thêm biến Điện thoại (A.Steenackers, M.J Goovaerts, 1989; Dinh & Kleimeier, 2007) biến Phưong tiện giao thông (Hussein A Abdoua & cộng sự, 2019) nhận diện theo nhóm (có; khơng) Các biến phản ánh tình hình tài người vay nhà nghiên cứu sử dụng đa dạng tùy thuộc vào nguồn liệu khai thác Một số nghiên cứu sử dụng biến Tinh trạng tài khoản tiết kiệm, Tình trạng tài khoản tốn hay Tài khoản séc nhận diện theo nhóm (khơng có số dư; số 161/2022 số dư thấp; số dư trung bình; sổ dư lớn) (Robert p Lieli & Halbert White, 2010) chia khoảng theo nhóm (Li Shuai & cộng sự, 2013) Biến Tỷ lệ thu nhập lại dùng để trả góp nhận diện theo phân khoảng thành nhóm (Robert p Lieli & Halbert White, 2010), Tổng thu nhập hàng tháng, Tổng chi tiêu hàng tháng nhận diện chia khoảng theo nhóm (dưới trung bình; trung bình; trung bình) (A.Steenackers, M.J Goovaerts, 1989), Tổng thu nhập hàng năm chia khoảng theo nhóm (Dinh & Kleimeier, 2007) việc định dạng phân khoảng gắn với ý nghĩa đánh giá thang bậc thu nhập người vay, song có nghiên cứu sử dụng biến Thu nhập ròng hàng tháng định dạng dạng biến liên tục nhận giá trị thực tế thu nhập (Hussein A Abdoua & cộng sự, 2019) Các biến phản ánh đặc điểm khoản vay nhà nghiên cứu sử dụng để xem xét ảnh hưởng đến rủi ro tín dụng Biến số tiền vay định dạng biến liên tục nhận diện theo giá trị thực tế (Robert p Lieli & Halbert White, 2010; Li Shuai & cộng sự, 2013; Edinam Agbemava & cộng sự, 2016; Ghita Bennounaa & Mohamed Tkiouat, 2019) Các biến Mục đích vay nhận diện theo nội dung sử dụng tiền vay (mua nhà, mua ô tô, du học, ) (Robert p Lieli & Halbert White, 2010) chia thành nhóm (tiêu dùng; phát triển kinh doanh) (Ghita Bennounaa & Mohamed Tkiouat, 2019; ) Thời hạn vay định dạng biến liên tục nhận giá trị thực tế (Ghita Bennounaa & Mohamed Tkiouat, 2019; Li Shuai & cộng sự, 2013), chia thành nhóm (ngán hạn, trung hạn, dài hạn) (A.Steenackers, M.J Goovaerts,1989; Hussein A Abdoua & cộng sự, 2019; Dinh & Kleimeier, 2007) Biến Tài sàn bảo đảm định dạng biến nhị phân hay phân loại theo nhóm (có; khơng có) (Edinam Agbemava & cộng sự, 2016; Ghita Bennounaa & Mohamed Tkiouat, 2019) Các biến mô tả hành vi người vay sử dụng đa dạng tùy thuộc vào nguồn liệu khả khai thác cũa nhà nghiên cứu Các biến sử dụng số lần vay, số lần trả góp, số lần chưa trả góp, số ngày hạn định dạng biến liên tục nhận giá trị thực tế (Ghita Bennounaa & Mohamed Tkiouat, 2019), biến Lịch sử tín dụng định dạng biến nhị phân nhận diện theo nhóm (khơng ghi lịch 53 QN TRỊ KINH DOANH sử; có lịch sử tốt; có lịch sử khơng tốt) (Li Shuai & cộng sự, 2013) theo nhóm (chưa có nợ hạn/đã có nợ hạn) (Robert p Lieli & Halbert White, 2010) số lượng biến giải thích kết hợp định dạng biến giải thích mơ hình nghiên cứu Các nghiên cứu khơng có thống số lượng biến giải thích đưa vào mơ hình nghiên cứu lẽ tùy thuộc vào nguồn liệu khả khai thác nhà nghiên cứu Một số nghiên cứu sử dụng kết hợp nhóm biến giải thích biến nhị phân, biên phân loại, phân khoảng với số biến giải thích biến liên tục (Robert p Lieli & Halbert White, 2010; Li Shuai & cộng sự, 2013; Edinam Agbemava & cộng sự, 2016; Ghita Bennounaa & Mohamed Tkiouat, 2019; Hussein A Abdoua & cộng sự, 2019), song có nghiên cứu không sử dụng biến liên tục mà sử dụng biến giải thích biến nhị phân kết hợp với biến phân loại, phàn khoáng (A.Steenackers, M.J Goovaerts, 1989; Dinh & Klẹimeier, 2007) mẫu khảo sát, số nghiên cứu sử dụng liệu thu thập từ mẫu khảo sát có quy mơ lớn lên đến 1000 hồ sơ khách hàng cá nhân NHTM (Robert p Lieli & Halbert White, 2019; Hussein A Abdoua & cộng sự, 2019) hay tổ chức tài vi mơ cung cấp (Ghita Bennounaa & Mohamed Tkiouat, 2019) Tuy nhiên, có nghiên cứu thu thập liệu từ mẫu khảo sát có quy mơ từ 100 đến khoảng 500 hồ sơ khách hàng NHTM (Edinam Agbemava & cộng sự, 2016) hay chi nhánh NHTM (Đặng Thanh Sơn, 2018; Bùi Hữu Phước cộng sự, 2018) Điều cho thấy, quy mô mẫu khảo sát tùy thuộc vào cách tiếp cận nguồn liệu mà nhà nghiên cứu có kết hồi quy, Biến Tuổi không đem lại ý nghĩa thống kê mơ hình nghiên cứu định dạng biến liên tục (Robert p Lieli & Halbert White, 2010; Li Shuai & cộng sự, 2013; Edinam Agbemava & cộng sự, 2016) Trong biến định dạng biến phân loại lại có ảnh hường có nghĩa thống kê ngược chiều đến khà vỡ nợ hay rủi ro tín dụng (A.Steenackers, M.J Goovaerts, 1989) Biến Giới tính tìm thấy có ảnh hướng có ý nghĩa thống kê ngược chiều đến khả vỡ nợ số nghiên cứu (Robert p Lieli & Halbert White, 2010; Ghita Bennounaa & 54 khoa học thuong mại Mohamed Tkiouat, 2019; Dinh & Kleimeier, 2007) với hệ số 0.247, - 0.738, -1.557 giải thích rủi ro nữ có xu hướng thấp nam Tuy nhiên, có nghiên cứu khơng tìm thấy mối quan hệ có ý nghĩa thống kê Giới tính đến Rủi ro tín dụng (Edinam Agbemava & cộng sự, 2016; A.Steenackers, M.J Goovaerts, 1989) Phần lớn nghiên cứu khơng tìm thấy mối quan hệ có ý nghĩa thống kê Tình trạng nhân đến Rủi ro tín dụng có tương quan chặt với biến khác Tuy nhiên, có số nghiên cứu lại tìm thấỵ Tình trạng nhân có ảnh hưởng ngược chiều đến Rủi ro tín dụng (Edinam Agbemava & cộng sự, 2016; Ghita Bennounaa & Mohamed Tkiouat, 2019) với hệ số tương ứng -0.843, 0.99 giải thích kết hôn làm tăng khả vỡ nợ khách hàng Trình độ học vấn khơng có ảnh hường có ý nghĩa thống kê đến Rủi ro tín dụng nghiên cứu cùa Dinh & Kleimeier, 2007, song lại có ảnh hưởng ngược chiều đến khả vỡ nợ nghiên cứu Ghita Bennounaa & Mohamed Tkiouat, 2019 có hệ số -1.231 với ý nghĩa trình độ giáo dục cao Rủi ro tín dụng thấp Mặc dù có nghiên cứu tìm thấy mối quan hệ có ý nghĩa cùa Nghề nghiệp với Rủi ro tín dụng (Li Shuai & cộng sự, 2013) với mức độ ảnh hưởng không đáng kể (hệ số 0.064), song hầu hết khơng tìm thấy moi quan hệ Kinh nghiệm làm việc tìm thấy có ảnh hưởng có ý nghĩa đên Rủi ro tín dụng số nghiên cứu (Robert p Lieli & Halbert White, 2010; A.Steenackers, M.J Goovaerts, 1989), song có trường hợp khơng có ỷ nghĩa (Li Shuai & cộng sự, 2013) Các nghiên cứu khơng tìm thấy mối quan hệ có ý nghĩa thống kê biến Chỗ Phương tiện giao thơng với Rủi ro tín dụng Biến điện thoại có tác động ngược chiều có ý nghĩa đến Rủi ro tín dụng nghiên cứu Dinh & Kleimeier, 2007 với hệ số -0.181, song lại khơng tìm thấy mối quan hệ có ý nghĩa nghiên cứu Robert p Lieli & Halbert White, 2010 số người phụ thuộc có ành hưởng có ý nghĩa đến Rủi ro tín dụng số nghiên cứu (Li Shuai & cộng sự, 2013; Edinam Agbemava & cộng sự, 2016), song lại khơng có ý nghĩa số nghiên cứu khác (A.Steenackers, M.J Goovaerts, 1989; Dinh & Kleimeier, 2007) Biến Tinh trạng tài khoản toán hay Tài khoản séc tìm thấy có ảnh hường có ý nghĩa — Sô 161/2022 QUÀN TRI KDUH số nghiên cứu (Robert p Lieli & Halbert White, 2010; Li Shuai & cộng sự, 2013) không đáng kể với hệ số tương ứng 0.058, - 0.098 giải thích số dư lớn rủi ro tín dụng nhỏ Tuy nhiên, mối quan hệ lại khơng có ý nghĩa nghiên cứu cùa Dinh & Kleimeier, 2007 Tài khoản tiết kiệm có ảnh hưởng ngược chiều đến rủi ro tín dụng (Robert p Lieli & Halbert White, 2010; Dinh & Kleimeier, 2007) với hệ số tương ứng 0.237 -0.75 giải thích số dư cao rủi ro tín dụng thấp Tỳ lệ thu nhập dùng để trả góp tìm thấy có ảnh hưởng ngược chiều đen Rủi ro tín dụng nghiên cứu (Robert p Lieli & Halbert White, 2010) với hệ số -0.294, song lại khơng có ý nghĩa nghiên cứu khác (Li Shuai & cộng sự, 2013) Biến Thu nhập, định dạng biến liên tục, ảnh hưởng có ý nghĩa thống kê đến rủi ro tín dung (Hussein A Abdoua & cộng sự, 2019), song định dạng biến phân loại lại có ảnh hưởng ngược chiều đến rủi ro tín dụng (A.Steenackers, M.J Goovaerts, 1989; Dinh & Kleimeier, 2007) Trong tổng số nghiên cứu cỏ sử dụng biến số tiền vay có tới nghiên cứu (Li Shuai & cộng sự, 2013; Edinam Agbemava & cộng sự, 2016) khơng tìm thấy mối quan hệ có ý nghĩa biến với Rủi ro tín dụng Trong nghiên cứu lại (Robert p Lieli & Halbert White, 2010) tìm thấy ảnh hưởng ngược chiều biến đến Rủi ro tín dụng với mức độ ảnh hưởng nhỏ (hệ số -0.0000931) Biến Thời hạn vay có ảnh hưởng đến Rủi ro tín dụng số nghiên cứu (Robert p Lieli & Halbert White, 2010; Li Shuai & cộng sự, 2013; Edinam Agbemava & cộng sự, 2016) song mức độ ảnh hưởng không đáng kể (hệ số lồ 0.0245, 0.007, 0.0737) Phần lớn nghiên cứu khơng tìm thấy mối quan hệ có ý nghĩa Mục đích vay đến Rủi ro tín dụng (Robert p Lieli & Halbert White, 2010; Edinam Agbemava & cộng sự, 2016; A.Steenackers, M.J Goovaerts, 1989), song số nghiên cứu lại cho ý nghĩa ảnh hưởng biến theo chiều hướng cho vay tiêu dùng có rủi ro cao so với cho vay kinh doanh (Ghita Bennounaa & Mohamed Tkiouat, 2019; Dinh & Kleimeier, 2007) Tài sản bảo đảm khơng có ảnh hưởng có ý nghĩa đến Rủi ro tín dụng nghiên cứu cùa Robert p Lieli & Halbert White, 2010, song sỏ ì 61/2022 lại có ảnh hưởng làm giảm rùi ro tín dụng nghiên cứu Edinam Agbemava & cộng sự, 2016 với hệ số 0.871 Các biến phản ánh hành vi người vay gồm Số lần vay, số lần trả góp số lần chưa trả góp có ảnh hưởng ngược chiều có ý nghĩa đến Rủi ro tín dụng nghiên cứu Ghita Bennounaa & Mohamed Tkiouat, 2019 với hệ số tương ứng 2.467, -0.137, -1.347 nghiên cứu Dinh & Kleimeier, 2007 tim thấy ảnh hưởng ngược chiều số lần vay đến Rủi ro tín dụng với hệ số -0.938 Lịch sử tín dụng có ảnh hường ngược chiều có ý nghĩa đến Rủi ro tín dụng nghiên cứu Robert p Lieli & Halbert White, 2010; Li Shuai & cộng sự, 2013 2019 với hệ số tương ứng -2.467, -0.137, -1.347 nghiên cứu cùa Dinh, 2007 với hệ số tương ứng 0.3847 -0.066 , -1.774 Như vậy, công trinh nghiên cứu đo lường rủi ro tín dụng cá nhân phương pháp hồi quy logistic sử dụng biến phụ thuộc dạng biến nhị phân thể khả trả nợ hạn hay trạng thái rủi ro tín dụng cá nhân đánh giá tốt/xấu nhận diện qua việc tuân thủ/không tuân thủ hợp đồng hay tình trạng trà nợ hạn/quá hạn người vay Trong nghiên cứu đó, biến độc lập sử dụng đa dạng khơng hồn tồn giống nhau, tùy thuộc vào chất tập liệu thu thập được, song tập trung vào việc nhận diện mô tả đặc điểm cùa khách hàng (Tuổi, Giới tính, Tình trạng nhân, Nhà ở, ) đặc điểm khoản vay (Quy mơ khoản vay, Thời hạn vay, Mục đích vay, ) Bên cạnh đó, số nghiên cứu đưa thêm biến mô tả hành vi khách hàng (Lịch sử tín dụng, số lần vay, số lần trả góp, ) kết nghiên cứu, nghiên cứu tìm biến có ảnh hưởng có ý nghĩa thống kê đến rủi ro tín dụng cá nhân song khơng hoàn toàn thống với số lượng biến có ảnh hưởng chiều hướng ảnh hưởng Ở Việt Nam, có số nghiên cứu đo lường rủi ro tín dụng cá nhàn theo kỹ thuật hồi quy logistic Trong đó, có nghiên cứu tập trung xem xét mơ hình chấm điểm tín dụng cá nhân mối quan hệ với biến động lợi nhuận ngân hàng (Dinh & Kleimeier, 2007) nghiên cứu giai đoạn trước 2007 mà chuẩn mực kiểm soát rủi ro chưa chặt chẽ (thực theo Quyết định sơ khoa học thiídngmạỉ 55 QN TRI KINH DOANH 493/2005/QD-NHNN) bối cảnh kinh tế xã hội điều kiện tiếp cận thông tin P(Y=1 / X) = ^(x) = (1) người vay chưa phát triển l + exp(/?0+^%1+ + A^) Một số nghiên cứu chủ yếu tập trung vào việc nhận dạng đo Trong đó: hệ sơ quy; hàm xác suất tuân lường yếu tố có ảnh hưởng đến rủi ro tín dụng thủ quy luật logistic hàm LOGIT mô tả: cá nhân thông qua số biến quan = V XV , , _ „ v sát mơ phịng theo mơ hình nhận ,,P{Y ĩn( — ■' ';) = ln( = /?0 + &X + + /?, X (2) diện rủi ro tín dụng khách hàng P(Y = 0/XỴ ỉ-7ĩ(xỴ ° ỵ ' doanh nghiệp (thể qua biến Khả tài chính, Tỷ lệ tiền vay tài sản đảm Ỏ 7t(x)/l- n(x) hệ số odds mơ tả tỷ số bảo, Đa dạng hóa ngành nghề kinh doanh, Kinh xác suất xảy kiện Y=1 với xác suất xảy nghiệm cùa cán tín dụng) (Đặng Thanh Son, kiện Y=o biến X nhận giá trị cụ thể Xj 2018; Bùi Hữu Phước & cộng sự, 2018) Điều Khi áp dụng mơ hình nghiên cứu vào trường cho thấy việc lựa chọn biến độc lập họp cụ thê Agribank - Chi nhánh Tây Đô, tác giả nghiên cứu chưa thực mô tả đầy đù đặc thực số điều chinh: Đối với biến phụ diêm khách hàng, khoản vay hành vi thuộc phản ánh rủi ro tín dụng cá nhân xác suất nợ người vay Trong đó, việc nhận diện đo hạn (Y) nhận diện qua tình hình trả nợ lường biến nhiều trường hợp gặp người vay Theo Thơng tư 11/2021/TT-NHNH khó khăn khơng có đủ thơng tin Bên cạnh đó, NHNN Việt Nam, khoản nợ nhóm xem việc dựa vào Quyết định số 493/2005/QĐ-NHNN khơng có rủi ro tín dụng nên tổ chức tín dụng để chia thành nhóm nợ có rủi ro/khơng có rủi ro khơng phải trích lập dự phịng, đó, hay phân định khả vỡ nợ/không vỡ nợ khoản nợ thuộc nhóm cịn lại (2,3,4,5) hàm khách hàng trở nên lạc hậu chưa tiếp cận chứa rủi ro tín dụng mức độ khác nên chuẩn mực qui định Ngồi ra, bối phải trích lập dự phịng Do đó, để phù họp với quy cảnh có thay đôi mặt thu nhập, chi tiêu, định này, người vay trả nợ hạn điều kiện tiếp cận thông tin chuẩn mực quản lý hạn 10 ngày Y gán giá trị 0, ngược nợ Việt Nam kết nghiên lại người vay trả nợ hạn từ 10 ngày trở lên cứu ảnh hưởng yếu tố nhân thân đến Y gán giá trị xác suất nợ hạn hay rủi ro tin dụng Đối với biến độc lập, xuất phát từ thực tế cùa NHTM hay chi nhánh NHTM Việt Nam nguồn liệu thu thập từ đơn vị khảo sát (Agribank khơng cịn phù họp Điều mở khoảng - Chi nhánh Tây Đô) khơng có đủ số thơng trống nghiên cứu cho nhà nghiên cứu tin (Kinh nghiệm làm việc; số người phụ thuộc; Thiết kế nghiên cứu Tổng chi tiêu hàng tháng; Tỷ lệ thu nhập lại 3.1 Mơ hình nghiên cứu dùng để trà góp; số lần vay) vào kết Theo Edinam Agbemava & cộng (2016) nghiên cứu trước phần tổng quan, tác Ghita Bennounaa, Mohamed Tkiouat (2019), mô già lựa chọn đưa vào mô hình nghiên cứu hình hồi quy logistic có biến giải thích (Y) biến mơ tả đặc điểm khách hàng, khoản vay hành biến nhị phân nhận hai giá trị 0;l vi khách hàng (gồm: Tuổi, Giới tính, Tinh trạng [tương ứng với hường hợp khơng vỡ nợ (khơng có nhân, Học vấn, Nghề nghiệp, Mục đích vay, Tài nợ hạn)/vỡ nợ (có nợ hạn)] Các biến giải sản bảo đảm, Thu nhập trước vay, Thu nhập sau vay, thích gồm biến ngẫu nhiên liên tục biến Thời hạn vay, Lịch sử tín dụng) Tác già khơng chọn phàn loại mô tả đặc điếm hành vi khách hàng biến Chỗ Phương tiện giao thơng khơng Xi(Xl,X2, ,Xn) Mơ hình nghiên cứu thiết có ý nghĩa mơ hình nghiên cửu (xem phần lập ưên sờ xác định so sánh xác suất tổng quan nghiên cứu) Biến Điện thoại không trường hợp Y nhận giá trị với xác suất xảy lựa chọn, lẽ điều kiện 100% trường hợp Y nhận giá trị Mơ hình khái người vay có điện thoại Các biến Tình trạng tài khoản toán, Tài khoản séc, Tài khoản tiết quát qua phương trình sau: expjÁ-+fl +-±.fl Ịợụạ h9c thương mại Sụ 161/2022 ''? "*ôã !i-::i.%' ãôã*ã-.W" ? -ã fj- ■ QUÀN TRỊ KINH DOANH ■■■■■:■ ■•■■■■ ■■■ kiệm khơng đưa vào mơ hình nghiên cứu, lẽ, mặt điều kiện nay, nhiều khách hàng mở tài khoản nhiều ngân hàng khác nhau, việc thu thập đủ thông tin để tổng hợp lại khó thực hiện, mặt khác, đại đa số khách hàng cá nhân Việt Nam nhận thu nhập chi tiêu tiền mặt nên việc sử dụng biển phản ánh đầy đủ tình hình tài khách hàng Trên sở tham khảo nghiên cứu trước (Dinh & Kleimeier, 2007) tham khảo cách phân nhóm Agribank mức thu nhập hàng tháng khách hàng cá nhân Tác giả sử dụng biến Thu nhập trước vay (được phân khoảng theo nhóm) Thu nhập sau vay (được phân chia thành nhóm sở so sánh với Mức thu nhập sau vay) Biên Số tiền vay khơng đưa vào mơ hình nghiên cứu, lẽ khơng có ý nghĩa có ý nghĩa giải thích q nhỏ bé coi không ảnh hường đến biến động biện phụ thuộc (xem phần tổng quan nghiên cứu) Các biến số lần trả góp, số lần chưa trả góp, số ngày q hạn khơng đưa vào mơ hình nghiên cứu, lẽ, mặt số lần trà góp phụ thuộc vào họp đồng tín dụng, mặt khác Số lân chưa trả góp Sơ ngày q hạn tương đồng tình trạng trả nợ khơng hạn phản ánh biến Lịch sử tín dụng 3.2 Mô tả biển thang đo Các biến mô hình nghiên cứu mơ tả bảng 1: 3.3 Giả thuyết nghiên cứu Các giả thuyết nghiên cứu phát biểu sau: HI: Tuổi có ảnh hưởng đến rủi ro tín dụng nhóm tuổi gia tăng rủi ro tín dụng giảm xuống (Edinam Agbemava & et la (2016); Ghita Bennounaa, Mohamed Tkiouat, 2019) H2: Giới tính có ảnh hưởng đến rủi ro tín dụng cho vay khách hàng nam giới có rủi ro tín dụng cao nữ giới (Robert p Lieli & Halbert White, 2010; Edinam Agbemava & cộng sự, 2016; Ghita Bennounaa, Mohamed Tkiouat, 2019) H3: Tình trạng nhân có ảnh hưởng đến rủi ro tín dụng cho vay khách hàng kết có rủi ro tín dụng cao khách hàng độc thân (Edinam Agbemava & cộng sự, 2016; Ghita Bennounaa, Mohamed Tkiouat, 2019) H4: Trình độ học vấn có ảnh hưởng đến rủi ro tín dụng trình độ học vấn khách hàng cao khách hàng có xu hướng trả nợ tốt (Dinh & Kleimeier, 2007; Ghita Bennounaa, Mohamed Tkiouat, 2019; Hussein A Abdoua cộng sự, 2019) H5: Nghề nghiệp có ảnh hưởng đến rủi ro tín dụng nghề nghiệp có tính chất ổn định cao rủi ro tín dụng thấp (Robert p Lieli & Halbert White, 2010; Ghita Bennounaa & Mohamed Tkiouat, 2019) H6: Mục đích cho vay có ảnh hưởng đến rủi ro tín dụng theo hướng cho vay tiêu dùng có rủi ro cao so với cho vay kinh doanh (Robert p Lieli Halbert White, 2010); Ghita Bennounaa & Mohamed Tkiouat, 2019) H7: Tài sản bảo đảm có ảnh hưởng đến rủi ro tín dụng cho vay có tài sản bảo đảm cỏ rủi ro tín dụng thấp so với cho vay khơng có tài sản đảm bảo (Edinam Agbemava & cộng sự, 2016; Ghita Bennounaa & Mohamed Tkiouat, 2019) H8: Thu nhập trước vay có ảnh hưởng đến rủi ro tín dụng thu nhập trước vay khách hàng cao khách hàng có khả trả nợ tốt (Li Shuai & cộng sự, 2013; A.Steenackers, M.J Goovaerts, 1989; Dinh & Kleimeier, 2007) H9: Thu nhập sau vay có ảnh hưởng đến rủi ro tín dụng thu nhập sau vay cao so với thu nhập trước vay khách hàng có khả trả nợ tốt (Li Shuai & cộng sự, 2013; A.Steenackers, M.J Goovaerts, 1989; Dinh & Kleimeier, 2007) H10: Thời hạn vay có ảnh hưởng đến rủi ro tín dụng khách hàng có thời hạn vay dài thì rủi ro tín dụng cao (Li Shuai & cộng sự, 2013Hussein A Abdoua & cộng sự, 2019; Dinh & Kleimeier, 2007) HI ỉ: Lịch sử tín dụng có ảnh hưởng đến rủi ro tín dụng khách hàng có lịch sử tín dụng rủi ro tín dụng cao (Li Shuai & cộng sự, 2013; Robert p Lieli & Halbert White, 2010) 3.4 Dữ liệu nghiên cứu Agribank ngân hàng thương mại có quy mơ lớn Việt Nam, nằm nhóm 10 doanh nghiệp lớn thuộc VNR500 (Bảng xếp hạng 500 doanh nghiệp hàng đầu Việt Nam) Tính đến 31/12/2020, Agribank tiếp tục giữ vị trí ngân hàng có mạng lưới rộng lớn nhất, bao trùm tất tỉnh, thành phố, vùng sâu, vùng xa nước Ngồi trụ sở 03 văn phòng đại điện, mạng lưới Agribank bao gồm 171 Chi nhánh loại (Rútal TRỊ KIP2H ŨŨAIMH -Bảng Mô ỉá biến thang đo Thứ tự Yếu tố (biến) Kí hiệu Loại biến Tuồi XI Độc lập Đo lường giá trị Tham khảo Từ 18-30 (= 1) Từ 31-45 (= 2) Từ 46-55 (=3) Trên 55 (=4) Edinam Agbemava & et la (2016); Ghita Bennounaa, Mohamed Tkiouat (2019); Robert p Lieli & Halbert White (2010); Edinam Agbemava & cộng (2016); Ghita Bennounaa, Mohamed Tkiouat (2019); Hussein A Abdoua cộng (2019) Li Shuai cộng (2013); Edinam Agbemava & cộng (2016); Ghita Bennounaa, Mohamed Tkiouat (2019); Hussein A Abdoua cộng (2019) Ghita Bennounaa & Mohamed Tkiouat, 2019; Dinh & Kleimeier, 2007; Hussein A Abdoua & cộng sự, 2019 A.Steenackers & M.J Goovaerts, 1989; Dinh & Kleimeier, 2007 Giới tinh X2 Độc lập Nam (= 0) Nữ(= 1) Tình trạng hỏn nhân Học vấn X3 Độc lập Độc thân (=0) Kết hôn (=1) X4 Độc lập Nghê nghiệp X5 Độc lập Mục đích vay Tài sản bảo đảm X6 Độc lập THPT/Dưới THPT (=1) Trung cấp/Cao (=2) Đại học (=3); Sau đại học (=4) Công Nhân/' Lao động tự (=1) Kinh doanh/ Buôn bán (=2) Nhân viên văn phòng (=3) Tiêu dùng (=0) Kinh doanh (=1) X7 Độc lập Khơng có tài sản thê chấp (=0) Có tài sàn chấp (=1) Edinam Agbemava & cộng sự, 2016; Ghita Bennounaa & Mohamed Tkiouat, 2019 Thu nhập trước vay Thu nhập sau vay X8 Độc lập Dưới 10 trđ (=1): Từ 10- 15trđ(=2); Trên 15trđ (=3) X9 Độc lập Thấp trước vay (= 1) Không thay đôi (=2) Cao hon trước vay (=3) 10 Thời hạn vay X10 Độc lập 11 Lịch sử tín dụng Xác xuất trà nợ hạn Xll Độc lập Ngãn hạn (=1) Trung hạn (=2) Dài hạn (=3) Chưa có nợ hạn (=0) Đã có nợ hạn (=1) Robert p Lieli & Halbert White, 2010; Li Shuai & cộng sự, 2013 A.Steenackers, M.J Goovaerts, 1989; Dinh & Kleimeier, 2007 Robert p Lieli & Halbert White 2010; Li Shuai & cộng sự, 2013 A.Steenackers, M.J Goovaerts, 1989; Dinh & Kleimeier, 2007 A.Steenackers, M.J Goovaerts,1989; Hussein A Abdoua & cộng sự, 2019; Dinh & Kleimeier, 2007 Li Shuai & cộng sự, 2013; Robert p Lieli & Halbert White, 2010 Y Phụ thuộc 12 Trả nợ hạn hạn 10 ngày (=0) Trả nợ hạn từ 10 ngày trở lên (=1) Robert p Lieli & Halbert White, 2010; Ghita Bennounaa & Mohamed Tkiouat, 2019 Robert p Lieli & Halbert White, 2010; Ghita Bennounaa & Mohamed Tkiouat, 2019; Dinh & Kleimeier, 2007 Edinam Agbemava & cộng (2016); Ghita Bennounaa, Mohamed Tkiouat (2019) Nguồn: Đe xuất tác giả „ khọạ học 58 Uniting mại So 161/2022 QlỉÁni TRỊ KDVH DOANH Kết thảo luận I, 768 Chi nhánh loại II, 1.286 Phòng giao dịch 68 điểm giao dịch lưu động ô tô chuyên dùng 4.1 Kiêm định phù hợp mơ hình (Agribank, 2020) Trong chi Bảng Tóm tắt kết quà xử lý liệu (Case Processing Summary) nhánh trực thuộc, Agribank - Chi nhánh Tây Đô xem Unweighted Cases3 N Percent chi nhánh điển hình, lẽ 386 Included in Analysis 100.0 chi nhánh có quy mô lớn với dư Missing Cases Selected Cases nợ cho vay khách hàng cá nhân 100.0 Total 386 vào cuối năm 2020 khoảng 1.300 Unselected Cases tỷ đồng (Agribank - Chi nhánh 100.0 Tầy Đô, 2020) có phịng Total 386 giao dịch số quận nội a If weight is in effect, see classification table for the total thành huyện ngoại thành Hà number of cases Nội nơi mà khách hàng cá nhân vay vốn đến từ vùng thành thị Nguồn: Ket tính tốn cùa tác giả nịng thơn Do đó, tác giả Bảng cho thấy số 386 quan sát đưa chọn Agribank - Chi nhánh Tây Đô để khảo sát Theo Slovin (1960), biết quy mơ tổng thể vào phân tích khơng có quan sát bị thiếu vả đám đơng cỡ mẫu nghiên cứu lựa khơng có quan sát khơng chọn chọn theo cơng thức: n = N/(l+N.eA2) Trong đó: n Băng Ket qua kiêm định Omnibus mức độ kích thước mẫu tối thiểu; N số lượng tổng thể; phù hợp cùa mị hình e sai số cho phép, thơng thường 5% (Omnibus Tests of Model Coefficients) Tính đến thời điểm 31/12/2020, tổng sổ khách hàng cá nhân vay vốn Agribank - Chi Chi-square df Signhánh Tây Đô 4.330, từ công thức trên, cỡ mẫu 000 356.725 11 Step tối thiểu phù hợp trường hợp xác 11 000 356.725 Step Block định n=366 Từ danh sách 4.330 khách hàng cá 11 Model 356.725 000 nhân, để chọn mẫu khảo sát phù hợp với tổng thể, nghiên cứu áp dụng phương pháp chọn Nguồn: Ket tính tốn cùa 1ÓC giả mẫu hệ thống với bước nhảy 11 (4.330/366=11,8 làm tròn xuống 11 để đảm bào Phương pháp Enter sử dụng để đưa cỡ mẫu đú lớn so với mức tối thiểu), thu mẫu khảo sát gồm 393 hồ sơ khách hàng cá nhân Trên biến độc lập vào lần để kiềm định Giá trị sở rà soát, loại bỏ hồ sơ khách hàng không Siẹ < 0.05 (Bảng 3) tất trường họp cho đù liệu cần thiết, mẫu khảo sát lại thấy mơ hình hồi quy xây dựng mẫu khảo chọn gồm 386 khách hàng cá nhân vay vốn sát có ý nghĩa thống kê Với giá trị -2 Log likelihood (ký hiệu - 2LL) Agribank - Chi nhánh Tây Đơ nhỏ nên nói mơ hình hồi quy có phù họp Bảng Tơng họp mơ hình (Model Summary) Nagelkerke R Square Cox & Snell R Square -2 Log likelihood Step 826 148.899a 603 a Estimation terminated at iteration number because parameter estimates changed by less than 001 Nguôn: Kêt tinh tốn tác già Sơ 161/2022 khoa học thương mại 59 QUÀN tri kinh doanh hệ số Nagelkerke R Square = 0.826 cho thấy biến độc lập đưa vào mơ hình nghiên cứu giải thích 82,6% biến động biến phụ thuộc Bảng Kết quà kiểm định Hosmer Lemeshow Step Chi-square df 7.107 Sig .525 Nguồn: Kết tỉnh toán cùa tác giả Dựa vào giá trị Sig - 0.525 > 0.05 (Bảng 5), khẳng định phù hợp mô hỉnh hồi quy với tổng thể chấp nhận 4.2 Phân tích kết hồi quy Điều ủng hộ cho kết nghiên cứu trước tác giả: Robert p Lieli Halbert White (2010); Edinam Agbemava cộng (2016); Ghita Bennounaa Mohamed Tkiouat (2019) Có chứng cho thấy phụ nữ không thường xuyên bị vỡ nợ vay nợ (Schreiner, 2004) ảnh hưởng giới tính đến khả vỡ nợ biến yếu tổ nguy khác có liên quan đến giới tính tính đến thu nhập hay tinh trạng hôn nhân Ờ Việt Nam thu nhập bình quân nam giới thường cao hợn nữ giới (GSO, 2018, 2019, 2020) Tuy nhiên, điều nàỵ cho biết khả tài khơng cho biết thái độ việc sẵn sàng trả nợ theo giới tính Mặt khác, cá nhân Bâng ' Ket hồi quy logistic lần đầu B S.E Wald df Sig Exp(B) 95% C.I.for EXP(B) Lower Upper 162 479 590 3.472 071 779 262 733 2.158 701 909 7.696 239 028 083 311 045 207 1.398 4.813 1.767 15.162 Tuoi -1.277 276 21.402 000 279 GioiTinh 630 427 1.432 359 452 HonNhan -1.444 609 5.618 018 236 HocVan -.824 262 9.888 002 439 NgheNghiep 207 287 523 470 1.230 074 973 545 3.189 2.646 Step MucDichVay la TaisanBD 000 -2.509 550 20.799 081 TNtruocvay -1.828 336 29.536 000 161 TNsauvay 000 -2.333 387 36.321 097 Thoihan 003 953 315 9.127 2.593 LichsuTD 1.644 548 8.991 003 5.177 Constant 13.694 2.062 44.123 000 885142.163 a Variable(s) entered on step 1: Tuoi, GioiTinh, HonNhan, HocVan, NgheNghiep, MucDichVay, TaisanBD, TNtruocvay, TNsauvay, LichsuTD Nguồn: Kết tính tốn tác giả Bảng cho thấy kết hồi quy lần đầu ước lượng mô hồi quy logistic xây dựng Thống kê Wald cho biết tầm quan trọng hay ảnh hưởng biển độc lập đo lường dự báo rủi ro tín dụng cá nhân, song với giá trị Sig < 0.05 thống kê Wald thực có ý nghĩa Càn vào giá ttị Sig = 0.427>0.05, biến X2 (GioiTinh) khơng có ảnh hưởng có ý nghĩa thống kê đến xác suất nợ hạn hay rủi ro tín dụng cá nhân „ khoa hoe thúoog mai đại diện cho hộ gia đình đứng tên để vay vốn ảnh hưởng yếu tố giới tính đến xác suất phát sinh nợ hạn bị xóa nhòa mà nhiều yếu tố gộp chung gia đình tính đến thu nhập tài sàn bảo đảm Với giá trị Sig=0.47>0.05, biến X5 (NgheNghiep) khơng có ảnh hưởng có ý nghĩa thống kê đến xác suất nợ hạn hay rủi ro tín dụng cá nhân Điều phù hợp với kết nghiên cứu ■■ - 'SOĨ6T72022 QUÃni TRỊ KB\IH DOAIVĨH trước Robert p Lieli & Halbert White (2010) hàng cá nhân cùa Agribank - Chi nhánh Tây Đô Hussein A Abdoua & cộng (2019) Sự khác biệt giai đoạn 1,2% 1,05% nghề nghiệp cho thấy khác biệt hội tim (Agribank - Chi nhánh Tây Đô, 2020) Điều cho kiếm việc làm, thu nhập, phát triển cá nhân thấy khả kiểm soát kiểm soát nợ xấu không phản ánh trực diện mức thu nhập mà Agribank tương đối tốt so với ngưỡng an toàn hoạt cá nhân cỏ Sự khác biệt nghề nghiệp động tín dụng điều góp phần giải thích khơng thể rõ mối liên hệ với thái độ cùa cá cho khác biệt mục đích cho vay tiêu dùng nhân việc trả nợ vay (Hussein A Abdoua & hay kinh doanh có ảnh hưởng khơng rõ ràng đến xác suất vỡ nợ khách hàng cá nhân cộng (2019) Nghiên cứu tiến hành loại bỏ biến biến Biến X6 (MucDichVay) có giá trị Sig khơng có ý nghĩa thống kê theo thứ tự X5, X2, X6 =0.074>0.05 nên khơng có ảnh hưởng có ý nghĩa thống kê đến xác suất nợ hay rủi ro tín dụng gán với giá trị Sig giảm dần kiểm tra lại ý nghĩa cá nhân Điều ủng hộ cho kết nghiên biến mơ hình, kết hồi quy sau cứu trước Robert p Lieli Halbert White ước lượng có ý nghĩa mơ hình mơ bảng sau: (2010) Edinam Agbemava cộng (2016) Bảng Kết hồi quy logistic sau loại bỏ biến khơng có ảnh hưởng có ý nghĩa thơng kê B S.E Wald df Sig Exp(B) 95% C.I.for EXP(B) Lower Upper 438 151 085 829 275 729 303 047 087 311 046 203 4.441 1.358 14 928 1.763 257 000 -1.359 272 24.899 Tuoi 023 265 582 5.204 HonNhan -1.329 448 10.430 001 Hoc Van -.803 249 000 119 -2.130 477 19.969 TaisanBD Step 164 000 TnTruocVay -1.806 326 30.684 la 097 000 -2.337 378 38.263 TnSauVay 2.456 003 Thoihan 899 302 8.840 003 5.130 LichsuTD 1.635 545 9.002 000 1977667.938 14.497 1.979 53.653 Constant a Variable(s) entered on step 1: Tuoi, GioiTinh, HonNhan, HocVan, NgheNghiep, MucDichVay, TaisanBD, TNtruocvay, TNsauvay, LìchsuTD Nguồn: Kết q tính tốn tác già Rủi ro tín dụng cho vay tiêu dùng thường cho cao so với cho vay kinh doanh Tuy nhiên, NHTM kiểm soát tốt rủi ro kiểm sốt dịng thu nhập đảm bảo trả nợ cá nhân vay tiêu dùng khả phát sinh nợ xấu cho vay tiêu dùng giảm xuống Khi đó, mục đích cho vay tiêu dùng hay kinh doanh khơng cịn có nhiều ý nghĩa việc ảnh hưởng đến xác suất vỡ nợ khách hàng Nợ xấu Agribank năm 2019, 2020 lần lươt 1,46% 1,64% (Agribank, 2020), Tỷ lệ nợ xấu cho vay khách Sổ 161/2022 Kết Bàng cho thấy, biến gồm XI (Tuoi), X3 (HonNhan), X4 (HocVan), X7 (TaisanBD), X8 (Tntruocvay), X9 (TNsauvay), X10 (Thoihan), Xll(LichsuTD) có ảnh hưởng có ý nghĩa thống kê đến xác suất nợ hạn hay rủi ro tín dụng cá nhân Trong đó, biến X3 (HonNhan) có ảnh hưởng ngược chiều đến rủi ro tín dụng cá nhân điều này ủng hộ cho kết nghiên cứu Edinam Agbemava cộng (2016), Ghita Bennounaa Mohamed Tkiouat (2019) Điều có nghĩa xác suất vỡ nợ người kết hôn QUÃni nu KIIUH DOANH cao hon so với người vay đon lé, lẽ sau kêt hơn, khách hàng thường phải chịu áp lực tài nhiều với chi tiêu cùa gia đình trách nhiệm đôi với người phụ thuộc Edinam Agbemava cộng (2016) cho rằng, sau kill kết hôn có con, số người phụ thuộc tăng lên, làm cho xác suất vỡ nợ gia tăng Biến X4 (HocVan) có ảnh hướng ngược chiều đen rủi ro tín dụng cá nhân, điều đồng thuận với kêt nghiên cứu Hussein A Abdoua cộng (2019), Ghita Bennounaa Mohamed Tkiouat (2019) Điều cho thấy trinh độ học vấn cũa khách hàng cao xác suất vỡ nợ hay rủi ro tin dụng thấp, lẽ trình độ học vấn gắn với tàng kiến thức giúp cho việc sử dụng quản lý khoản vay tốt Ghita Bennounaa Mohamed Tkiouat (2019) cho việc gia tăng trình độ học vấn tập P(y = l/%) = z7(.r) = Agbemava cộng (2016) Điêu cho thây thời hạn vay dài, người vay phải đối diện với nhiều rủi ro thay đổi cùa môi trường kinh doanh nên dẫn đến khã vỡ nợ cao Biến XI1 (LichsuTD) có tương quan chiều với rũi ro tín dụng cá nhàn điều ủng hộ cho kết quà nghiên cứu Robert p Lieli Halbert White (2010), Li Shuai cộng (2013) Điều cho thấy khách hàng có lịch sử tín dụng thi xác suất xảy tình trạng vỡ nợ cao Như vậy, giả thuyết Hl, H3, H4, H7, H8, H9, H10, Hl khẳng định với mức nghĩa thống kê nhõ 5%, đó, giả thuyết H2, H5, H6 khơng chấp nhận Phương trình xác suất trường hợp có rủi ro tín dụng có dạng cụ thể sau: = exp(14.497-l 359%, -1.329%, - 0.803%., - 2.13%? -1.806A; - 2.337%„ + 0.899%,n +1.635%,,) ~ + exp(14.497 -1.359%, -1.329%, - 0.803%, - 2.13AẠ -1,806%s - 2.337%, + 0.899%,,, + 1.63 5%, i) == 14.497-1.359%, -1.329%, - 0.803%, - 2.13%, -1.806% - 2.337%, + 0.899%,„ +1.635%,, (4) P(y = 0/%) l-ír(x) ■ s 10 11 khách hàng giảm bớt khả vỡ nợ khách hàng có sỡ đè quán lý khoản vay tốt Biến X7 (TaisanBD) có ánh hưởng ngược chiều đến rủi ro tín dụng kết ủng hộ cho kết nghiên cứu cùa Edinam Agbemava cộng (2016), Bùi Hữu Phước cộng (2018) Tái sản bảo đàm xem yêu tố khăng định nguồn lực hay khả tài cùa khách hàng, đồng thời sở để phịng ngừa rủi ro cho ngàn hàng Do đó, khách hàng có tài sản bảo đảm thi xác suất võ' nợ thấp Biến X8 (Tntruocvay) X9 (TNsauvay) có tác động ngược chiều đến rủi ro tín dụng cá nhản, điêu đồng thuận với kết nghiên cứu cùa Robert p Lieli Halbert White (2010), Li Shuai cộng (2013), Hussein A Abdoua cộng (2019) Các tác giả khẳng định yếu tố thu nhập ròng, số dư tài khoản tiết kiệm yếu tố phàn ánh khả tài cùa khách hàng có tương quan ngược chiều đến khả vỡ nợ khách hàng Biến XI0 (Thoihan) có ảnh hưởng chiều đến xác suất vỡ nợ hay rủi ro tín dụng, điêu đồng thuận với kết nghiên cứu cùa Li Shuai & cộng (2013) Edinam 62 khoa học thương mại Hệ số odds hay Exp(B) cho thấy biến dự đoán rủi ro thay đổi đơn vị rủi ro tín dụng hay khả vỡ nợ thay đổi Đối với biến XI với odds = 0.257 cho thấy, điều kiện yếu tố khác thi nhóm tuổi khách hàng tăng đơn vị thi xác suất vỡ nợ giảm 0,257 lần ngược lại Điều cố cho nhận định ràng khách hàng có tuổi cao thường thận trọng có kinh nghiệm nhiều nên khả vỡ nợ thấp Biến X3 có odds = 0.265, cho thấy trạng thái hôn nhân thay đỗi từ chưa kết hôn sang trạng thái kết xác xuất vỡ nợ gia tăng 0,265 lần Điều cố cho nhận định khách hàng kết thường có trách nhiệm chi tiêu tài cho gia đinh cao nên khả trả nợ hạn thấp Với biến X4 có odds = 0.448, cho biết trình độ học vấn khách hàng tăng bậc khả vỡ nợ cùa khách hàng giảm 0,448 lần Hệ số odds biến X7 cho thấy khách hàng có tài sàn bảo đảm khả xảy tinh trạng vờ nợ giảm 0,119 lần Tương tự, hệ số odds cùa biến X8 cho thấy thu nhập khách hàng tăng bậc khả vỡ Số 161/2022 QUÀ1ÌI TRỊ Knw DOA1UH A ■■■ - ■ .— ■ '-,4— nợ giảm 0,164 lần Điều đồng nghĩa với việc nhập sau vay, Thời hạn vay, Lịch sử tín dụng) có ảnh khách hàng có mức thu nhập cao hon rùi ro tín hưởng có nghĩa thống kê đến rũi ro tin dụng cá nhàn dụng thấp hon Hệ số odds cùa biến X9 cho thấy Thời hạn vay Lịch sử tín dụng có ảnh hường thu nhập sau vay khách hàng tăng bậc chiều yếu tố lại có ảnh hường ngược xác suất vỡ nợ giảm 0,097 lần Điều cho thấy chiều đến rủi ro tín dụng cá nhân Các yếu tố nhân nguồn tài khách hàng gia tăng góp phần thân đưa vào mơ hình nghiên cứu giải thích 82,6% biến động cùa xác suất nợ hạn hay rủi giảm nguy vỡ nợ Với hệ so odds cũa biên X10 2.456, cho thấy thời hạn vay tăng bậc thi xác ro tín dụng cá nhân Mơ hình nghiên cứu cho suất trả nợ không hạn tăng 2,456 lần Hệ số thấy tỷ lệ dự báo xác khả nàng trả nợ hạn odds cùa biến X11 cho biết khách hàng chuyên từ 10 ngày trở lên cùa khách hàng lên đến 94,3%, từ trạng thái khơng có nợ q hạn sang tình trạng đó, tỷ lệ dự báo xác khả nàng trả nợ có nợ hạn xác suât xảy tình trạng vỡ hạn hạn 10 ngày cùa khách nợ cao gấp 5,13 lần hàng 87,1% tỳ lệ dự báo xác trung bình mơ hình đạt 91,7% Bàng Kết quà phân loại dự báo (Classification Table) Hạn chế nghiên cứu Predicted việc sử dụng mẫu khảo sát chi dừng lại việc thu thập RuiroTD Percentage Observed liệu từ 386 khách hàng cá nhân Correct chi nhánh Agribank, đó, nhiều chi nhánh 18 87.1 122 RuiroTD nhiều ngân hàng khách chưa có 14 232 94.3 Step 1 đại diện mẫu khảo sát Mặt khác, số lượng biến giải thích đưa 91.7 Overall Percentage vào mơ hình chi dừng lại a The cut value is 500 11 biến quan sát, đó, biến quan sát khác số lượng Nguồn: Ket tinh toán cùa tác giả người phụ thuộc, tình trạng nhà ở, Mơ hình hồi quy logistic cho phép dự đốn xác số lần trả góp, chưa đưa vào mơ hình nghiên cứu Do đó, nghiên cứu tương lai có thê suất nợ hạn khách hàng, số liệu Bảng cho thấy, tổng số 122 + 18 = 140 trường hợp mở rộng mẫu nghiên cứu, đưa thêm biến vào mô quan sát khơng có rủi ro mơ hình dự đốn hình nghiên cứu để tìm thấy kết 122 trường họp, với mức độ xác nghiên cứu thú vị 5.2 Một số hàm ý khuyến nghị 87,1% Trong tồng số 14 + 232 = 246 trường họp Hàm ý chinh sách quan sát có rủi ro tín dụng thi mơ hình dự đốn Kết thực nghiệm mơ hình nghiên cứu dựa 232 trường họp tương úng với mức độ kỹ thuật hồi quy logistic cho thấy yếu tố xác 94,3% Như vậy, tỷ lệ dự đốn xác nhân thân gồm thơng tin đặc điểm khách trung bình mơ hình 91,7% Kết luận, hàm ý khuyến nghị hàng, đặc điểm cùa khoản vay mô tà hành vi cùa khách hàng thông tin đầu vào quan trọng 5.1 Kết luận hạn chế nghiên cửu Trong báo này, tác giả sử dụng mơ hình có ảnh hưởng đến xác suất nợ hạn hay rùi ro tín hồi quy logistic để xem xét ảnh hưởng dụng cá nhân Đồng thời, mơ hình cịn cho phép dự yếu tố nhân thân đến xác suẩt nợ hạn khách đoán khà trà nợ hạn khách hàng cá hàng cá nhân Kết nghiên cứu tìm thấy nhân với độ xác tương đối cao Điều hàm biến (Giới tính, Nghề nghiệp, Mục đích vay) ý ràng, khơng phải mơ hình để thay cho mơ khơng có ảnh hưởng rõ ràng có ý nghĩa thống kê hình chấm điểm tín dụng nội áp dụng đến xác suất nợ hạn hay rủi ro tín dụng cá nhân NHTM mang nhiều ý nghĩa chủ quan Trong đó, có biến (Tuổi, Tình trạng nhân, trọng định khống điểm cho điểm theo Học vấn, Tài sàn bảo đăm, Thu nhập trước vay, Thu tiêu chi, mà cung câp thêm cơng cụ góp Số 161/2022 khoa học ỉhươngmại & 63 QUÀN TRỊ KINH DOANH phần gia tăng tính khách quan đánh giá xác suất nợ hạn hay rủi ro tín dụng cá nhân dựa liệu thống kê Do đó, dựa liệu sẵn có hệ thống sở liệu khách hàng, NHTM hồn tồn áp dụng mơ hình để có thêm sở chắn thẩm định tín dụng, theo dõi đánh giá khách hàng điều chình sách tín dụng Khuyến nghị Từ kết mơ hình nghiên cứu, nghiên cứu đưa số khuyến nghị cho Agribank Chi nhánh Tây Đơ nói riêng chi nhánh NHTM khác có điều kiện kinh doanh tương đồng nói chung sau: Một là, bên cạnh hệ thống chấm điểm tín dụng nội bộ, cần sừ dụng mơ hình hồi quy logistic dựa thông tin đặc điểm khách hàng, đặc điểm khoản vay hành vi khách hàng, lẽ mô hình chi rõ yếu tố có ý nghĩa yếu tố thực có ý nghĩa đo lường rủi ro tín dụng cá nhân Từ đó, ngân hàng xem xét điều chình trọng sổ hay thang điểm yếu tố hệ thống chấm điểm tín dụng nội Bên cạnh đó, mơ hình nghiên cứu cung cấp công cụ dự báo hữu hiệu khả nàng trả nợ hạn cùa khách hàng, qua cán tín dụng ngân hàng đưa định chấp nhận/từ chối cung cấp tín dụng cho khách hàng cá nhân cách hiệu Chẳng hạn, có hai khách hàng với thơng tin sau: Khách hàng A 35 tuổi, kết hôn, có trinh độ đại học, có tài sản bảo đảm, mức thu nhập 15 triệu đồng/tháng mức thu nhập không đồi sau vay, vay ngắn hạn, chưa có nợ q hạn Khách hàng B có thơng tin tương tự khách hàng A với mức thu nhập 17 triệu đồng/tháng Khi đó, dựa vào công thức (3), xác suất khả không trả nợ hạn hạn chưa tới 10 ngày khách hàng A, B tính là: Với khách hàng A, với mức thu nhập thuộc nhóm có xác suất dự đốn khả khơng trả nợ hạn 18,6%, đó, khách hàng B cỏ mức thu nhập cao hơn, thuộc nhóm có xác suất dự đốn khả khơng trả nợ hạn giảm xuống 3,6% Điều cho thấy, dựa vào mơ hình hồi quy logistic, ngân hàng lựa chọn cho vay khách hàng có mức thu nhập cao thường an toàn Hai là, xem xét rủi ro tín dụng cá nhân, cán tín dụng ngân hàng khơng nên q coi trọng yếu tố Giới tính, Nghề nghiệp Mục đích vay để kinh doanh hay tiêu dùng Bởi vì, mơ hình nghiên cứu cho thấy yếu tố khơng có ảnh hưởng có ý nghĩa thống kê đến rủi ro tín dụng cá nhân Một mặt, điều có nghĩa ngân hàng cần coi trọng xem xét kỹ yếu tố nhân thân khác có ảnh hưởng thực đến rủi ro tín dụng cá nhân Tuổi, Tình trạng nhân, Học vấn, Mức thu nhập, Mặt khác, ngân hàng hồn tồn thay đổi quan điểm cho vay kinh doanh an toàn so với cho vay tiêu dùng, qua đó, mờ rộng cho vay tiêu dùng để gia tăng lợi nhuận mà kiểm sốt rủi ro tín dụng Điều có nghĩa người làm sách tín dụng ngân hàng, cán thẩm định tín dụng nhân viên tín dụng cẩn thay đổi quan điểm đánh giá rủi ro tín dụng cho vay tiêu dùng Ba là, yếu tố thu nhập cần coi trọng so với yếu tố tài sản bảo đảm xem xét đưa định cho vay Bởi lẽ, dựa vào hệ so odds biến X7 (Tài sản bảo đảm) cho thấy khách hàng có tài sản bảo đăm xác suất nợ hạn hay rủi ro tín dụng giảm 0,119 lần Trong đó, hệ số odds biến X8 cho thấy thu nhập khách hàng tăng bậc thi khả vỡ nợ giảm 0,164 lần Điều có nghĩa việc sử dụng tài sản bảo đảm làm điều kiện cho vay cá nhàn chì góp phần nhị giảm rủi ro tín dụng, đó, yếu tố thu _ exp(14.497-1.359*2-1.329*l-0.803*3-2.13*1-1.806*2-2.337*2 + 0.899*1 + 1.635*0) _ 18 6„ỵ ~ l+cxp(14.497-l.359*2-1.329*1-0.803*3-2.13*1-1.806*2-2.337*2 + 0.899*1 + 1.635*0)" ( _ exp(14,497-1.359*2-l 329*1-0.803*3-2.13*1-1.806*3-2,337*2 + 0.899*1+ 1.635*0) _3 6% - l + exp(14.497-l.359*2-1.329*1-0.803*3-2.13*1-1.806*3-2.337*2 + 0.899*1 + 1.635*0) ” 64 Ìlọi.T số 161/2022 QUÁN nụ KmiH DOANH nhập cỏ thể đưa lại giảm đáng kể rủi ro tín dụng Đây sở để ngân hàng điều chinh sách tín dụng theo hướng mở rộng cho vay cá nhân dựa dòng thu nhập thay dựa vào tài sản bảo đảm mà kiểm soát giảm thiểu rủi ro tín dụng Bản thân cán thầm định nhân viên tín dụng cần trọng đánh giá, kiểm sốt yếu tố dịng thu nhập khách hàng thay trọng đển yếu tố tài sản bảo đảm Bốn là, ngân hàng cần trọng khai thác khách hàng có lịch sử tín dụng tốt Hệ số odds biến XI1 (Lịch sử tín dụng) mơ hình nghiên cứu cho thấy khách hàng chuyển từ trạng thái khơng có nợ q hạn sang trạng thái có nợ q hạn xác suất xảy tình trạng khơng trả nợ hạn hạn chưa tới 10 ngày cao gấp 5,13 lần Do đó, việc trọng khai thác tín dụng nhóm khách hàng cá nhân có lịch sử tín dụng tốt khơng góp phần giảm đáng kể rủi ro tín dụng mà cịn góp phần tiết kiệm chi phí cho ngân hàng lẽ nhiều thơng tin nhóm khách hàng thường có sẵn hệ thống sở liệu ngân hàng Điều hàm ý ngân hàng cần trọng biện pháp chăm sóc khách hàng có quan hệ tín dụng để khai thác khoản cho vay cách hiệu quả.^ TàUiêiUhaaLkhảíK Abdou, H & Pointon, J (2011), Credit scor­ ing, statistical techniques and evaluation criteria: a review of the literature, Intelligent Systems in Accounting, Finance & Management, 18 (2-3), pp 59-88 Edinam Agbemava & et la (2016), Logistic Regression Analysis OfPredictors OfLoan Defaults By Customers Of Non-Traditional Banks In Ghana, European Scientific Journal January, edition vol 12, No.l ISSN: 1857 - 7881 Ghita Bennounaa, Mohamed Tkiouat (2019), Scoring in microfinance credit risk management tool - Case of Morocco, Procedia Computer Science, Volume 148, 2019, Pages 522-531 Hussein A Abdoua & et la (2019), Would twostage scoring models alleviate bank exposure to bad debt, Expert System with Application, 128, pp 1-13 Li Shuai, Hui Lai, Chao Xu, Zongfang Zhou (2013), The Discrimination Method and Empirical SÔ 161/2022 Research of Individual Credit Risk Based on Bilateral Clustering, Modem Economy, 2013, 4, 461-465 Robert p Lieli, Halbert White (2010), The construction of empirical credit scoring rules based on maximization principles, Journal of Econometrics 157 (2010) 110-119 A.Steenackers, M.J Goovaerts (1989), A cred­ it scoring model for personal loans, Mathematics and Economics (1989) 31-34 Dinh & Kleimeier (2007), A credit scoring model for Vietnam's retail banking market, International Review of Financial Analysis 16 (2007)471^195 Ạgribank-Chi nhánh Tây Đô (2020), Báo cảo tông kết hoạt động kinh doanh năm 2020 10 Bùi Hữu Phước cộng (2018), Các yếu tổ ảnh hưởng đến rủi ro tín dụng Ngân hàng Ngoại thưcmg chi nhánh Kiên Giang, Tạp chí kinh tế đối ngoại, số 98 11 Đặng Thanh Sơn (2018), Phản tích nhăn tố tác động đến rủi ro tín dụng nhân Ngán hàng TMCP Á châu Chi nhánh Kiên Giang, Tạp chí Nghiên cứu Ấn độ Châu Á, số 12 Lê Thị Thanh Tân, Đặng Thị Việt Đức (2016), xếp hạng tin dụng khách hàng thể nhân trung tâm thông tin tin dụng quốc gia Việt Nam, Tạp chí Tài chính, kỳ tháng 12 Summary In order to provide more view of using individual credit risk measurement tools in Vietnamese com­ mercial bank branches, this study collected data from 386 individual customer records of Agribank - Tay Do branch and apply logistic regression technique The results show factors are Age, Marital Status, Education, Collateral, Income Before Loan, Income After Loan, Loan term, Credit History which have a statistically significant influence on individual credit risk, and the model's explanatory level of 82.6% The study also made recommendations to Agribank - Tay Do branch in particular and branches of Vietnamese commercial banks in general to use logistic regres­ sion models and prioritize income and credit history factors instead of collateral khọạ học thũtíng mại 65 ... an tồn horn Xuất phát từ thực tế đó, sở thu thập liệu khách hàng cá nhân chi nhánh NHTM điên hình Ngân hàng Nông nghiệp Phát triển Nông thôn Việt Nam (Agribank), Chi nhánh Tây Đô, báo tiến hành... phép dự yếu tố nhân thân đến xác suẩt nợ hạn khách đoán khà trà nợ hạn khách hàng cá hàng cá nhân Kết nghiên cứu tìm thấy nhân với độ xác tương đối cao Điều hàm biến (Giới tính, Nghề nghiệp, ... Thời hạn vay Lịch sử tín dụng có ảnh hường thu nhập sau vay khách hàng tăng bậc chi? ??u yếu tố lại có ảnh hường ngược xác suất vỡ nợ giảm 0,097 lần Điều cho thấy chi? ??u đến rủi ro tín dụng cá nhân Các