TẠP CHÍ KHOA HỌC Khoa học Xã hội Phạm Quốc Chiến & Nguyễn Thị Thúy Quỳnh (2021) (25): 31 - 36 NÂNG CAO CHẤT LƢỢNG TÍN DỤNG BẰNG CHẤM ĐIỂM KHÁCH HÀNG TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN CHI NHÁNH HUYỆN MƢỜNG ẢNG, ĐIỆN BIÊN Phạm Quốc Chiến & Nguyễn Thị Thúy Quỳnh Học viện Tài Tóm tắt: Bài nghiên cứu sử dụng số liệu từ năm 2018 đến năm 2019 gồm 1892 liệu khách hàng cá nhân Ngân hàng Nông nghiệp Phát triển Nông thôn chi nhánh huyện Mường Ảng, Điện Biên để phân tích xây dựng, lựa chọn biến sử dụng mơ hình Logistic chấm điểm tín dụng xếp hạng khách hàng nộp hồ sơ vay Từ khóa: chấm điểm, logistic, tín dụng, xếp hạng Thực trạng chấm điểm tín dụng khách hàng dư nợ chi nhánh lên đến 17-19%, vượt mức Ngân hàng Nông nghiệp Phát triển cho phép tối đa từ 3-4 lần Các khoản nợ hạn Nông thôn chi nhánh huyện Mƣờng Ảng, chủ yếu thuộc nhóm - mức cao nhất, chiếm Điện Biên khoảng 12-17% tổng dư nợ hàng năm Điều Ngân hàng Nông nghiệp Phát triển Nông dấu cho thấy công tác quản lý, thẩm định, thôn (NHNo & PTNT) NHTM 100% vốn Nhà duyệt hồ sơ cho vay hoạt động giám sát trình giải ngân sử dụng vốn NHNo & nước, ngân hàng lớn Việt Nam, có sứ mệnh cung cấp sản phẩm, PTNT huyện Mường Ảng, Điện Biên có nhiều hạn chế dịch vụ ngân hàng phục vụ khu vực nông nghiệp, nông thôn Để nâng cao chất lượng tăng cường Tổ chức hoạt động tín dụng NHNo & lực cạnh tranh với NHTM địa bàn, công PTNT chi nhánh huyện Mường Ảng, Điện Biên tác tín dụng chi nhánh đặc biệt quan tâm xây dựng theo mô hình quản trị phân quyền, sở đảm bảo chất lượng, cho vay quy trình Năm 2019 tỷ trọng nợ hạn dựa sở sách nguyên tắc điều hành tập trung Ban Giám Đốc chịu trách chiếm 3.29% dư nợ cho vay, nhóm nợ xấu giảm tỷ nhiệm tồn diện Chi nhánh cấp tín dụng cho trọng từ 16.45% năm 2018 xuống 1.49% năm tổ chức, cá nhân hình thức cho vay, chiết 2019 khấu thương phiếu, giấy tờ có giá, bảo lãnh, Hiện nay, NHNo & PTNT Việt Nam sử dụng cho thuê tài hình thức khác theo quy chấm điểm tín dụng (CĐTD) xếp hạng khách định NHNN hàng (XHKH) thành 10 mức dựa điểm tổng Huyện Mường Ảng thành lập từ năm hợp chấm thông qua tiêu thân nhân 2007, địa phương có tỷ lệ hộ nghèo chiếm 70%, quan hệ với ngân hàng cán tín dụng điều kinh tế phụ thuộc vào nông nghiệp với tập quán tra, thu thập Mỗi khách hàng với hạng tương ứng canh tác nương, trình độ dân trí hạn chế, sở xác định hạn mức tín dụng, thời hạn, mức hạ tầng thiếu thốn, địa hình phức tạp, hệ thống lãi suất, biện pháp bảo đảm tiền vay, phê duyệt giao thơng nội huyện khó khăn, thời tiết có nhiều hay khơng phê duyệt thiên tai, hoạt động giao thương, sản xuất Tuy nhiên tiêu chí chấm điểm cịn mang địa bàn hạn chế nhân tố tác động tiêu cực tính định tính, thiếu định lượng dựa đến hoạt động tín dụng Ngân hàng phương pháp chuyên gia kinh nghiệm mà chưa Hơn 10 năm xây dựng phát triển, huyện cập nhật phương pháp thống kê định lượng Mường Ảng có tốc độ tăng trưởng kinh tế đạt Kết chấm điểm khách hàng cứng nhắc 7.55%, thu nhập bình quân đầu người tăng thông tin khách hàng thu thập xếp lần, tỷ lệ hộ nghèo giảm hàng năm khoảng hạng lần đăng ký vào hệ thống nên khó 6.3%1 Tuy nhiên theo thống kê NHNo & điều chỉnh, khó phát hành vi gian dối, không PTNT chi nhánh huyện Mường Ảng tín dụng đưa kết dự báo xác cho thời giai đoạn 2017-2018, tiêu nợ hạn tổng điểm Bên cạnh cịn nhiều tiêu chí bị trùng lắp thu nhập hàng năm khách hàng, http://www.cema.gov.vn/tin-tuc/tin-tuc-su-kien/kinhthu nhập toàn gia đình, hay số tiêu khơng te-xa-hoi/muong-ang-chuyen-minh.htm 31 có tính phân loại số người phụ thuộc ba người, Để cơng tác tín dụng có kết tốt ổn định cần thiết phải đa dạng phương pháp quản trị rủi ro, tăng cường ứng dụng mơ hình, thuật tốn, cơng nghệ để giảm thiểu rủi ro, đặc biệt khoản nợ xấu Bài viết sử dụng mô hình Logistic liệu khách hàng NHNo & PTNT chi nhánh huyện Mường Ảng, Điện Biên để xây dựng mơ hình CĐTD XHKH Bài viết tập trung đóng góp góc độ phân tích, lựa chọn biến liệu cụ thể để xây dựng mơ hình đủ tốt áp dụng vào thực tiễn Kết nghiên cứu sở để mở rộng phạm vi ứng dụng thông qua thu thập thêm liệu, điều chỉnh thêm bớt biến để cải thiện mơ hình tốt hơn, phù hợp thực tiễn Cơ sở lý thuyết củamơ hình Logistic Mơ hình Logistic (Maddala [5], 1992) ứng dụng rộng rãi phân tích rủi ro tín dụng Dựa yếu tố ảnh hưởng đến mức độ tín nhiệm khách hàng, mơ hình đưa dự báo mức độ (xác suất) xảy rủi ro tín dụng từ quy mức điểm tương ứng nhằm CĐTD XHKH Mỗi khách hàng i có vec tơ thơng tin đặc điểm cá nhân X i = (X 1i , X 2i , , X ki ) Đặt biến nhị phân Y = khách hàng xấu ( Badsi - vỡ nợ); Y = khách hàng tốt ( Goodsi - chưa vỡ nợ) Khi mơ hình Logicstic dự báo khả (xác suất) vỡ nợ khách hàng công thức: | Lựa chọn biến độc lập: Biến độc lập lựa chọn dựa liệu thu thập đặc trưng cho có tác động ảnh hưởng đến việc trả nợ khách hàng Thơng tin cá Tình trạng việc làm, nghề nghiệp, thu nhập, tình trạng nhà ở, ghi án số nhân lượng người phụ thuộc,… Lịch sử tín dụng gần Chiều dài lịch sử tín dụng, số lượng giá trị khứ vay vốn, số lượng giá trị khoản vay trễ hạn khứ thường cung cấp tổ chức cung cấp thông tin tín dụng Dữ liệu hành vi Lịch sử sử dụng tín dụng sản phẩm trước đó: Số tiền chi tiêu, việc trả nợ thực tế… quan hệ biến giải thích biến phụ thuộc The Weight of Evidence (W OE ) Information Value (IV ) hai công cụ dùng lựa nhị phân; IV đo lường sức mạnh mối quan chọn biến độc lập để đảm bảo phân loại khách hệ xác định công thức sau: hàng tốt khách hàng xấu W OE mô tả mối ỉ p n ÷ W OE i = Ln ççç i ÷ ÷ IV = å éê(Distr Goodsi - Distr Bads i )´ W OE i ùú û ữ ỗố1 - p ứ i=1 i Distr Goodsi tỷ số phần trăm tổng khách hàng tốt nhóm biến với tổng số khách hàng tốt tổng thể; Distr Bads i tỷ số phần trăm tổng khách hàng xấu nhóm biến với tổng số khách hàng xấu tổng thể Theo Siddiqi ([6]) mối quan hệ biến độc lập biến phụ thuộc biểu qua IV sau: IV < 0.02: khơng có mối quan hệ; IV từ 0.02 đến 0.1: mối quan hệ không chặt chẽ; IV từ 0.1 đến 0.3: mối quan hệ chặt chẽ; IV ≥ 0.3: mối quan hệ chặt chẽ Đánh giá phù hợp mơ hình: Đối với mơ hình Logistic thơng thường có phương pháp kiểm định tỷ số hàm hợp lý (LR), đo tỷ lệ 32 phần trăm dự báo đúng, kiểm định phù hợp Goodness of Fit test,… Hay sử dụng đường cong Receiver Operating Characteristic (ROC) hệ số Gini Trong hệ số Gini từ 0.8-1 cho biết mơ hình tốt; từ 0.6-0.8: mơ hình tốt; từ 0.4-0.6: mơ hình khá; từ 0.2-0.4: mơ hình trung bình; từ 0.00.2: mơ hình yếu Mơ hình chấm điểm xếp hạng khách hàng cá nhân nộp hồ sơ vay NHNo & PTNT chi nhánh huyện Mƣờng Ảng, Điện Biên Sử dụng số liệu 1892 khách hàng cá nhân hai năm: 2018, 2019 hệ thống liệu NHNo & PTNT chi nhánh huyện Mường Ảng, Điện Biên xây dựng mơ hình chấm điểm khách hàng sau khách hàng nộp hồ sơ vay Bảng 1: Bảng mô tả danh sách biến ban đầu Tên biến Mô tả LD Mã số khoản vay So_tien_vay Số tiền khách hàng vay Value_date Ngày giải ngân khoản vay Mat_date Ngày đáo hạn khoản vay So_thang_vay Kỳ hạn khách hàng vay (tháng) Nhan_khau Số nhân gia đình khách hàng Thu_nhap_hang_thang Thu nhập hàng tháng khách hàng So_tien_goc_phai_tra_hang_thang Số tiền gốc khách hàng phải trả hàng tháng Nhom_no Nhóm nợ tối đa khách hệ thống sau vay Dia_chi_khách hàng Địa Khách hàng Hop_dong_the_chap Mã hợp đồng chấp Gia_tri_the_chap Giá trị tài sản chấp khách hàng Gioi_tinh Giới tính khách hàng Loai_tai_san Loại tài sản chấp Ngay_sinh Ngày sinh khách hàng Nguồn: Nhóm tác giả thực Lựa chọn biến phụ thuộc: chọn biến Nhom_no Nhóm 4: Khoản nợ nghi ngờ vốn, hạn với nhóm đổi tên thành Y : từ 180 ngày đến 360 ngày Nhóm 1: Khoản nợ có khả thu hồi gốc Nhóm 5: Khoản vay có khả vốn, lãi hạn, hạn 10 ngày hạn từ 360 ngày trở lên Nhóm 2: Khoản nợ cần ý, hạn từ 10 Chọn khách hàng tốt khách hàng nhóm ngày đến 90 ngày nhóm 2, tương ứng với Y = 0; Khách hàng Nhóm 3: Khoản nợ tiêu chuẩn, hạn từ xấu thuộc nhóm trở lên gán 90 ngày đến 180 ngày Y = [VALUE] [VALUE] 3.28% [VALUE] [VALUE] Nhóm Nhóm Good Nhóm Bad Nhóm [VALUE] Nhóm 96.72% Hình 1: Các nhóm biến phụ thuộc trƣớc sau phân lớp Nguồn: Nhóm tác giả thực Lựa chọn biến độc lập: Trong liệu ban đầu The_chap: Nếu khách hàng chấp có 15 biến độc lập, nhiên thông tin mang yếu nhận giá trị 1, ngược lại nhận giá trị 0; tố định tính mã khoản vay nên nhóm Ty_le_vay_the_chap = Số tiền vay khách nhóm nhóm tác giả phải tạo thêm số biến có ý hàng/Giá trị tổng tài sản chấp; nghĩa đưa vào mẫu để xây dựng mơ hình Cụ thể: Ty_le_no_tren_thu_nhap = Tổng tiền gốc trả Tuoi = (Ngày đáo hạn khoản vay - Ngày giải hàng tháng/Tổng thu nhập ngân)/360 để tính số năm khách hàng có quan hệ tín dụng với tổ chức tín dụng; 33 Bảng 2: Bảng mơ tả danh sách biến độc lập Tên biến Mô tả So_tien_vay Số tiền khách hàng vay So_thang_vay Kỳ hạn khách hàng vay (tháng) Nhan_khau Số nhân gia đình khách hàng Thu_nhap_hang_thang Thu nhập hàng tháng khách hàng So_tien_goc_phai_tra_hang_thang Số tiền gốc khách hàng phải trả hàng tháng Ty_le_vay_the_chap Giới tính khách hàng Tuoi Tuổi khách hàng Ty_le_no_thu_nhap Tổng tiền gốc trả hàng tháng Tổng thu nhập The_chap Khách hàng có/khơng có tài sản chấp Gioi_tinh Giới tính khách hàng Nguồn: Nhóm tác giả thực Phân tích sơ khởi biến sử dụng WOE IV khách hàng tốt khách hàng xấu; W OE phải có Điều kiện cần để phân tích nhóm xu hướng đơn điệu W OE phải có 5% lượng quan sát; Có Bảng 2: Tổng hợp kết phân tích biến sau xử lý liệu Tên biến IV Chọn biến Lý So_tien_vay 0.213 Chọn IV > 0.02 So_thang_vay 0.07 Chọn IV > 0.02 Nhan_khau 0.04 Chọn IV > 0.02 Thu_nhap_hang_thang 0.1 Chọn IV > 0.02 Tập trung nhiều nhóm >3 triệu, chưa So_tien_goc_phai_tra_hang_thang 0.14 Loại bỏ đủ phân loại khách hàng Dữ liệu giá trị tài sản chấp không đủ tin cậy Tuoi 0.14 Chọn IV > 0.02 Ty_le_no_thu_nhap 0.17 Loại bỏ Xu hướng không giải thích The_chap 0.06 Chọn IV > 0.02 Gioi_tinh 0.06 Chọn Dữ liệu khơng đủ tin cậy Nguồn: Nhóm tác giả thực Biến đổi xây dựng biến dựa • Tuoi_WOE X5; biến lựa chọn • The_chap_WOE: X6; • So_tien_vay_WOE: X1; • Gioi_tinh_WOE: X7 • So_thang_vay_WOE: X2; Tiến hành kiểm định tương quan cặp • Nhan_khau_WOE: X3; biến cho thấy biến độc lập khơng có quan hệ • Thu_nhap_hang_thang_WOE: X4; tương quan cao; biến có tính dừng Bảng 3: Kết mơ hình Logicstic ƣớc lƣợng xác suất khách hàng tốt Standard Wald Parameter DF Estimate Pr > ChiSq Error Chi-Square Intercept 3.8548 0.1871 424.6955