HOÀN THIỆN HỆ THỐNG XHTD KHÁCH HÀNG CÁ NHÂN BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH TRỊNH ĐÌNH CƯỜNG HOÀN THIỆN MÔ HÌNH XẾP HẠNG TÍN DỤNG CÁ NHÂN VAY TIÊU DÙNG TẠI NGÂN HÀNG TMCP[.]
Cho vay tiêu dùng cá nhân
Cho vay tiêu dùng là một hình thức tín dụng, qua đó ngân hàng cho khách hàng là cá nhân vay một lượng tiền nhất định để mua hàng hoá, dịch vụ sử dụng cho mục đích tiêu dùng (Nguyễn Văn Tiến, 2013).
Cho vay tiêu dùng có những đặc điểm của một khoản vay nói chung, đó là thời hạn vay, tính hoàn trả và lãi suất Ngoài ra, cho vay tiêu dùng còn có những điểm đặc thù sau:
- Đối tượng được cấp tín dụng: Là cá nhân có năng lực pháp luật dân sự và năng lực hành vi dân sự; Có nguồn thu nhập ổn định bảo đảm trả được nợ vay cho ngân hàng; Có tài sản bảo đảm hoặc được sự bảo lãnh của bên thứ ba.
- Mục đích tín dụng: Để mua hàng hoá và dịch vụ sử dụng vào mục đích tiêu dùng, chứ không phục vụ mục đích sản xuất kinh doanh Các hàng hoá, dịch vụ chủ yếu gồm: nhà ở, đất ở, đồ dùng gia đình, phương tiện đi lại, giáo dục, y tế, du lịch,
- Quy mô các món vay thường nhỏ, nhưng số lượng các món vay lại lớn Do các món vay có giá trị nhỏ, nên chi phí tổ chức cho vay cao, đây là một trong những nguyên nhân khiến cho lãi suất cho vay tiêu dùng thường cao hơn lãi suất cho vay thương mại hay công nghiệp.
- Nhu cầu tiêu dùng của khách hàng thường phụ thuộc vào chu kỳ kinh tế Khi kinh tế tăng trưởng, người dân lạc quan về thu nhập trong tương lai nên có xu hướng tăng chi tiêu cho tiêu dùng, kích thích tín dụng tiêu dùng tăng trưởng; Ngược lại, khi kinh tế suy thoái, thu nhập của người dân giảm, họ bi quan lo lắng về nguy cơ thất nghiệp nên có xu hướng tiết kiệm, chi tiêu ít hơn, khiến cho tín dụng tiêu dùng giảm.
- Mức thu nhập và trình độ học vấn là hai biến số có mối quan hệ mật thiết tới nhu cầu vay tiêu dùng của khách hàng: Người có thu nhập càng cao thì chi tiêu càng nhiều, việc vay mượn được xem như công cụ để đạt được mức sống cao hơn, tiện nghi hơn; Người vay có trình độ học vấn cao thì các khoản vay của họ thường an toàn hơn không chỉ vì có nguồn trả nợ tốt, mà còn do nhận thức, ý thức trả nợ, và tư cách đạo đức của người vay Học vấn cao thường nhận được sự tin tưởng của các TCTD nên họ dễ dàng được vay và có xu hướng vay được nhiều hơn Ngược lại, những người có học vấn thấp thường vay khó hơn, số tiền vay được ít hơn, chịu sự giám sát chặt chẽ của các TCTD, thậm chí không được cấp tín dụng.
- Chất lượng thông tin tài chính của cá nhân vay tiêu dùng thường không cao. Trong khi các công ty muốn vay vốn ngân hàng thì phải xuất trình các báo cáo tài chính và thường phải có xác nhận của công ty kiểm toán; còn thông tin tài chính cá nhân rất khó kiểm chứng được Mặt khác, các thông tin về khách hàng cá nhân chủ yếu là do khách hàng tự cung cấp nên độ chính xác không cao.
- Tư cách của khách hàng là yếu tố khó xác định, song lại rất quan trọng, quyết định sự hoàn trả của khoản vay Cũng như bất kỳ khoản vay nào, đây là chỉ tiêu quan trọng để ngân hàng thẩm định trước khi quyết định cấp tín dụng Đối với cho vay tiêu dùng, thì tư cách người vay lại càng có vai trò quan trọng, nhưng đây là yếu tố định tính nên ngân hàng khó xác định chính xác Tư cách người vay quyết định đến việc sử dụng vốn vay đúng mục đích và là yếu tố quyết định thiện chí hoàn trả nợ vay Do đó, tư cách của người vay càng được đánh giá cao, thì khả năng trả nợ của khách hàng càng cao, rủi ro tín dụng càng thấp.
Tổng quan về xếp hạng tín dụng cá nhân vay tiêu dùng
Khái niệm xếp hạng tín dụng cá nhân vay tiêu dùng
Xếp hạng tín nhiệm (credit ratings) là thuật ngữ do John Moody (người sáng lập công ty đánh giá tín dụng Moody’s của Mỹ, là một trong 3 công ty đánh giá tín dụng lớn nhất trên thế giới hiện nay) đưa ra năm 1909 trong cuốn “Cẩm nang chứng khoán đường sắt”, khi tiến hành nghiên cứu, phân tích và công bố bảng xếp hạng đầu tiên cho 1500 trái phiếu của 250 công ty theo một hệ thống ký hiệu gồm 3 chữ cái A, B, C được xếp lần lượt từ Aaa (mức ổn định cao nhất) đến C (mức rủi ro cao nhất).
Hiện nay, những ký hiệu này trở thành chuẩn mực quốc tế Ở Việt Nam, thuật ngữ “credit rating” được dịch với nhiều nghĩa khác nhau, như: xếp hạng tín nhiệm, xếp hạng tín dụng, đánh giá tín nhiệm Thuật ngữ “xếp hạng tín nhiệm” có nội dung rộng hơn thuật ngữ “xếp hạng tín dụng” vì nó không chỉ là xếp hạng (hoặc đánh giá) về năng lực tài chính mà còn bao gồm nhiều yếu tố khác Trong bài nghiên cứu này, tác giả chỉ xem xét đến những yếu tố ảnh hưởng đến việc trả nợ của đối tượng được cấp tín dụng nên tác giả sẽ sử dụng thuật ngữ “xếp hạng tín dụng” xuyên suốt trong bài nghiên cứu.
Có nhiều định nghĩa khác nhau về xếp hạng tín dụng Tuy nhiên đặc điểm chung của XHTD là công việc chấm điểm các yếu tố ảnh hưởng đến khả năng trả nợ của một đối tượng trên cơ sở đo lường rủi ro tín dụng Với tổng điểm đạt được, đối tượng đó sẽ được xếp vào một nhóm các đối tượng có chung mức độ rủi ro tín dụng.
Theo đó, có thể khái quát một cách đơn giản như sau:
“XHTD là việc chấm điểm tín dụng để phân loại, sắp xếp một đối tượng trên cơ sở đo lường rủi ro tín dụng” (Nguyễn Trọng Hoà, 2010). Đối tượng của XHTD là các cá nhân, doanh nghiệp xin cấp tín dụng, các quốc gia,
Như vậy, XHTD cá nhân vay tiêu dùng là việc chấm điểm tín dụng để phân loại, sắp xếp một cá nhân xin vay vốn phục vụ cho mục đích tiêu dùng, trên cơ sở đo lường rủi ro tín dụng.
Rủi ro tín dụng là loại rủi ro phát sinh trong quá trình cấp tín dụng của các tổ chức tín dụng do khách hàng không trả được nợ hoặc trả nợ không đúng hạn theo cam kết (Trần Huy Hoàng, 2011).
Đặc điểm của xếp hạng tín dụng cá nhân vay tiêu dùng
- Được tiến hành dựa trên những thông tin của đối tượng xin cấp tín dụng.
- Chỉ thực hiện chức năng đánh giá mức độ rủi ro tín dụng của một cá nhân vay tiêu dùng.
- Chỉ có giá trị trong một khoảng thời gian nhất định.
- Không bao gồm các chỉ tiêu tài chính, gồm nhóm chỉ tiêu thanh khoản, nhóm chỉ tiêu hoạt động, nhóm chỉ tiêu cân nợ, nhóm chỉ tiêu thu nhập, nhóm chỉ tiêu dòng tiền; và cũng không bao gồm các chỉ tiêu phi tài chính như: ngành nghề kinh doanh, triển vọng ngành, thị trường và khách hàng tiêu thụ, vị thế cạnh tranh, đối thủ cạnh tranh, sự phụ thuộc vào các đối tác, trình độ và chất lượng đội ngũ quản lý và lực lượng lao động,
Mục tiêu xếp hạng tín dụng cá nhân vay tiêu dùng
Các TCTD thực hiện XHTD cá nhân vay tiêu dùng nhằm đạt được những mục tiêu sau:
- Nhằm quản lý rủi ro tín dụng, để tối đa hóa tỷ suất thu nhập đã được điều chỉnh bởi rủi ro tín dụng trong phạp vi hợp lý, chấp nhận được.
- Tiết kiệm thời gian, giảm bớt sự can thiệp bằng những đánh giá chủ quan của con người đối với khách hàng xin cấp tín dụng.
- Làm căn cứ để các TCTD đưa ra các quyết định cấp tín dụng, và đưa ra cảnh báo sớm đối với những trường hợp có mức rủi ro cao.
- Làm bộ chỉ tiêu thống nhất trong xét duyệt hồ sơ xin cấp tín dụng, đảm bảo tính công bằng giữa các khách hàng.
Vai trò của xếp hạng tín dụng cá nhân vay tiêu dùng
Đối với các Tổ chức tín dụng
Hệ thống XHTD hiệu quả cho phép các TCTD quản lý và giảm sát những thay đổi và xu hướng thay đổi mức độ rủi ro của người vay hoặc các khoản tín dụng,đồng thời tối ưu hóa lợi nhuận cho các TCTD (Nguyễn Văn Tuân, 2013) Vai trò của hệ thống XHTD thể hiện ở những điểm chính sau:
- Hỗ trợ phê duyệt tín dụng: Hệ thống XHTD hiệu quả cho phép các TCTD cải thiện tính chính xác việc ra quyết định cấp tín dụng, cung cấp phương tiện hỗ trợ để quá trình này trở nên hiệu quả, tiết kiệm thời gian, chi phí và giảm bớt sự can thiệp từ con người Trong giai đoạn thẩm định, kết quả XHTD được sử dụng để quyết định việc đồng ý hay từ chối cấp tín dụng cho khách hàng, tối ưu hóa tỷ lệ phê duyệt các đề nghị vay vốn thông qua việc xác định một mức điểm từ chối.
- Thực hiện quản trị rủi ro tín dụng: Hệ thống XHTD là một công cụ để đánh giá mức độ rủi ro của khách hàng Hệ thống XHTD chuẩn mực sẽ giúp các TCTD đánh giá được một khách hàng “tốt” hoặc “xấu” xét về khả năng trả nợ, cũng như xác định xác suất vỡ nợ của người vay, nhờ tích hợp trong nó các nguyên tắc, chính sách và tiêu chuẩn tín dụng căn bản của các TCTD Hệ thống XHTD tạo ra một căn cứ độc lập để TCTD đánh giá hiệu quả quá trình quản trị rủi ro của các bộ phận có trách nhiệm liên quan, bảo đảm rằng chức năng cấp tín dụng được quản lý phù hợp, các tài sản có rủi ro tín dụng nằm trong các giới hạn, thống nhất với các tiêu chuẩn, và khả năng phát hiện sớm các khoản tín dụng xấu.
-Hỗ trợ xác định lãi suất cho vay: Mức lãi suất cho vay phải phù hợp và đủ để bồi hoàn tổn thất tín dụng, và tương ứng với mức độ rủi ro XHTD thực hiện chức năng phân loại các mức độ rủi ro, và là một trong những căn cứ tin cậy để định giá các khoản tín dụng, theo nguyên tắc mức XHTD thấp (rủi ro cao) sẽ tương ứng với mức lãi suất cao và ngược lại.
- Hỗ trợ quản lý và quản trị khách hàng: Quan hệ khách hàng của các TCTD phụ thuộc vào mức độ XHTD của khách hàng đó Những khách hàng vay có mức rủi ro cao cần phải theo dõi, kiểm soát, đánh giá thường xuyên Ngược lại, những khách hàng tốt với mức XHTD cao sẽ được ưu ái hơn trong các quan hệ giao dịch.
-Làm căn cứ để trích lập dự phòng tín dụng: Mức trích lập dự phòng cho các khoản tín dụng phụ thuộc vào mức độ rủi ro của khoản tín dụng đó Ngoài ra, để dự phòng bù đắp cho tổn thất tín dụng, các TCTD cũng áp dụng chính sách bảo đảm tín dụng phù hợp với mức độ rủi ro của khoản tín dụng đó; Theo đó, các khoản cấp tín dụng có mức rủi ro cao (mức XHTD thấp) sẽ phải có tỷ lệ bảo đảm tín dụng cao và ngược lại.
-Hỗ trợ công tác quản lý thông tin theo danh mục và tạo lập báo cáo: Dữ liệu đưa vào hệ thống XHTD là rất phong phú, và thuộc nhiều loại trường thông tin khác nhau liên quan đến người vay và khoản tín dụng được cấp Hơn nữa, hệ thống XHTD thường được các TCTD thiết lập trên nền tảng công nghệ tin học cao, cho phép chiết xuất, quản lý các trường thông tin theo từng danh mục yêu cầu và đưa ra hệ thống báo cáo hiệu quả.
Đối với khách hàng cá nhân vay tiêu dùng
- Khách hàng cá nhân vay tiêu dùng thường muốn hồ sơ vay vốn của họ được quyết định một cách nhanh chóng Một trong những ưu điểm của XHTD là hoàn toàn loại bỏ những đánh giá mang tính chủ quan của nhân viên tín dụng, nhờ đó làm giảm đáng kể thời gian quyết định cấp tín dụng của các TCTD Do đó, hệ thống XHTD của các TCTD rất có ý nghĩa đối với các cá nhân vay tiêu dùng.
- Khách hàng có điểm tín dụng càng cao (độ rủi ro thấp) thì sẽ có nhiều cơ hội được cấp tín dụng dễ dàng hơn Mặt khác, các TCTD thường đưa ra nhiều khuyến khích hơn đối với các khách hàng có mức rủi ro thấp, như: lãi suất cho vay thấp, vị thế ưu tiên, hạn mức tín dụng cao, tỷ lệ tài sản bảo đảm/nợ vay thấp, Ngược lại, sẽ không có hoặc ít có sự ưu ái hơn đối với những đơn xin cấp tín dụng có điểm tín dụng thấp.
Nguyên tắc xếp hạng tín dụng cá nhân vay tiêu dùng
Mô hình XHTD cá nhân vay tiêu dùng thường bao gồm nhiều chỉ tiêu được cho điểm, mức xếp hạng của khách hàng sẽ tương ứng với tổng điểm do mô hình tổng hợp Theo đó, việc XHTD cá nhân vay tiêu dùng được thực hiện theo những nguyên tắc sau:
Nguyên tắc 1: kết hợp phân tích các nhân tố định tính với nhân tố định lượng.
Theo Hiệp ước Basel II, Ủy ban Basel khuyến nghị các NHTM lựa chọn phương pháp XHTD nội bộ cần phải kết hợp phân tích nhiều nhân tố định tính với nhân tố định lượng để phân biệt rõ giữa các cấp độ rủi ro tín dụng Các nhân tố định lượng dùng để thống kê các quan sát được đo bằng số, các quan sát không thể đo lường bằng số được xếp vào dữ liệu định tính.
Nguyên tắc 2: Thực hiện phân tích thứ tự từ các yếu tố vĩ mô ảnh hưởng đến người vay đến các yếu tố của bản thân người vay.
Nguyên tắc 3: Xây dựng thang điểm cho các mức xếp hạng phải đảm bảo phân biệt được mức độ rủi ro tín dụng giữa các nhóm khách hàng.
Nguyên tắc 4: Việc thu thập thông tin để đưa vào mô hình XHTD cần được thực hiện một cách khách quan, linh hoạt Xem xét tất cả các thông tin được biết về khách hàng tại thời điểm nộp đơn xin cấp tín dụng, và các thông tin từ cơ sở dữ liệu lịch sử được lưu trữ tại các TCTD, có xem xét lịch sử vay và trả nợ trước đây của khách hàng Thông tin của người xin cấp tín dụng phải được khai thác từ nhiều nguồn khác nhau để có cái nhìn toàn diện và trung thực.
Theo Hiệp ước Basel II, Ủy ban Basel khuyến nghị các NHTM có thể lựa chọn một trong 3 phương pháp XHTD gồm: phương pháp XHTD nội bộ cơ bản, phương pháp XHTD nội bộ nâng cao, và phương pháp XHTD tiêu chuẩn Trong đó, phương pháp XHTD tiêu chuẩn là phương pháp mà các NHTM dựa vào thông tin XHTD của các tổ chức xếp hạng bên ngoài (như Moody’s, Standard & Poor’s, Fitch
- Đây là 3 tổ chức đánh giá tín dụng lớn nhất và uy tín nhất thế giới hiện nay, chiếm 95% thị phần đánh giá tín dụng toàn cầu, S&P và Moody’s có trụ sở tại Mỹ, Fitch có cả trụ sở tại Mỹ và Anh) Phương pháp này được áp dụng phổ biến tại các nước phát triển, nhưng không thích hợp và không được ưa chuộng tại các nước châu Á (trong đó có Việt Nam) Các tổ chức xếp hạng bên ngoài phải thỏa mãn 6 tiêu chí bao gồm: sự khách quan, tính độc lập, tổ chức quốc tế, công khai thông tin trọng yếu (phương pháp luận, định nghĩa khách hàng không trả được nợ, ), nguồn lực, và sự tin cậy (Basel II) Tại Việt Nam và các nước châu Á, hai phương pháp XHTD nội bộ được sử dụng phổ biến hơn Với phương pháp XHTD nội bộ, các NHTM chỉ ước lượng xác suất người vay không trả được nợ trên cơ sở thông tin nội bộ của ngân hàng và thông tin thu thập được từ hồ sơ xin cấp tín dụng của khách hàng.
Các phương pháp xếp hạng tín dụng cá nhân vay tiêu dùng
Trước đây, các TCTD thường sử dụng phương pháp chuyên gia để xây dựng hệ thống XHTD nói chung, kể cả XHTD đối với cá nhân vay tiêu dùng Tuy nhiên, các chuyên gia thường có cái nhìn bi quan và không thích mạo hiểm, nên các hệ thống XHTD được xây dựng theo phương pháp chuyên gia thường không có cơ sở khách quan, và có phần khắt khe Khi so sánh với phương pháp XHTD truyền thống (phương pháp chuyên gia) thì phương pháp thống kê, sử dụng các mô hình kinh tế lượng với sự hỗ trợ phân tích của máy tính cho kết quả đảm bảo tính khách quan hơn Tuy nhiên, ngày nay người ta thường dùng phương pháp kết hợp để xây dựng hệ thống XHTD cá nhân vay tiêu dùng nhằm tận dụng và phát huy những ưu điểm của các phương pháp.
Phương pháp chuyên gia là phương pháp thu thập và xử lý ý kiến của các chuyên gia giỏi thuộc một lĩnh vực hẹp của khoa học Quá trình áp dụng phương pháp chuyên gia có thể chia thành ba giai đoạn: Lựa chọn chuyên gia; Trưng cầu ý kiến chuyên gia; Thu thập và xử lý các đánh giá dự báo.
Chuyên gia là những người có nghiên cứu, am hiểu sâu sắc về lĩnh vực của họ, có nhiều kinh nghiệm và có độ nhạy đối với nghề nghiệp Chuyên gia giỏi là người thấy rõ mối tương quan, những mâu thuẫn và những tồn tại trong lĩnh vực nghiên cứu của mình, và họ luôn tìm hướng giải quyết những vấn đề đó.
Trong XHTD, phương pháp chuyên gia thường sử dụng hệ thống các nhân tố định tính để xây dựng bảng câu hỏi đánh giá cổ điển để khảo sát và thu thập dữ liệu phục vụ cho việc xây dựng mô hình XHTD Bảng câu hỏi cổ điển bao gồm những nhân tố tương quan với khả năng trả nợ của người vay; và mỗi nhân tố đều được gán điểm số Các nhân tố và các điểm số tương ứng đều qua kiểm định thống kê.Điểm số của mỗi câu trả lời sẽ được tổng hợp và người vay sẽ được xếp hạng tương ứng với tổng điểm đạt được Kết quả xếp hạng này sẽ phản ánh khả năng trả nợ của người vay, làm căn cứ để các TCTD ra quyết định cấp tín dụng.
► Nhận xét ưu, nhược điểm của phương pháp chuyên gia
▪ Ưu điểm: Tận dụng được kinh nghiệm và tri thức chuyên sâu của các chuyên gia theo đúng chuyên ngành, lĩnh vực của họ Các chỉ tiêu trong hệ thống XHTD dùng để đánh giá người xin cấp tín dụng là kết quả được tập hợp từ nhiều khảo sát nên tránh được sự phiến diện, một chiều.
▪ Nhược điểm: Chi phí đánh giá có thể rất cao do phải trả chi phí lớn cho các chuyên gia, và do số lượng khảo sát lớn Mặt khác, không thể loại bỏ hoàn toàn yếu tố chủ quan trong kết quả đánh giá, thời gian đánh giá dài, nhân sự của nhóm chuyên gia đánh giá có thể rất lớn.
▪ Điều kiện áp dụng: Phương pháp chuyên gia được sử dụng phù hợp trong cho những dự án nghiên cứu có kinh phí lớn, có khả năng nghiên cứu ở quy mô rộng, với kích thước mẫu lớn, và lĩnh vực nghiên cứu phải có nhiều chuyên gia giỏi.
Phương pháp thống kê là một quá trình bao gồm điều tra thống kê, khái quát hóa thông tin (còn gọi là tổng hợp thống kê), phân tích và dự báo Phương pháp này thường sử dụng kết hợp với các phương pháp toán học như thống kê nhiều chiều, lý thuyết dự báo,…và các chương trình phần mềm hỗ trợ cho việc nghiên cứu nên có độ chính xác cao.
Tùy thuộc vào phương pháp thống kê được sử dụng trong nghiên cứu XHTD, việc xây dựng mô hình XHTD có thể sử dụng các mô hình thống kê gồm: Mô hình phân tích phân biệt; Mô hình hồi quy; Mô hình Logit hoặc Probit; Mạng Neutral.
Phương pháp thống kê cho phép lựa chọn và xác định trọng số cho những nhân tố có ảnh hưởng đến khả năng trả nợ của người vay một cách khách quan Vì vậy người vay có khả năng trả nợ hay không sẽ được phân loại từ bộ dữ liệu thực nghiệm một cách tối ưu nhất.
Sự phù hợp của mô hình XHTD được xây dựng bằng phương pháp thống kê phụ thuộc rất lớn vào chất lượng của bộ dữ liệu thực nghiệm Thứ nhất, phải đảm bảo rằng bộ dữ liệu là đủ lớn và thỏa mãn các giả thuyết về mặt thống kê Thứ hai, đảm bảo rằng dữ liệu sử dụng để nghiên cứu xây dựng mô hình XHTD phản ánh chính xác lĩnh vực mà TCTD có kế hoạch sử dụng mô hình Nếu không thỏa mãn, việc xây dựng mô hình XHTD bằng phương pháp thống kê sẽ chỉ phân loại chính xác đối với dữ liệu thực nghiệm, nhưng không đưa ra được mô hình XHTD đáng tin cậy.
► Nhận xét ưu, nhược điểm của phương pháp thống kê
▪ Ưu điểm: Dễ áp dụng, đơn giản, và việc đánh giá xếp hạng hoàn toàn trên cơ sở định lượng Đây là phương pháp có chi phí thấp, thời gian thực hiện nhanh, và có thể loại bỏ yếu tố chủ quan trong kết quả đánh giá.
▪ Nhược điểm: Trong trường hợp thu thập số liệu gặp khó khăn hoặc số liệu kém tin cậy thì việc sử dụng phương pháp thống kê khó có thể thực hiện Mặt khác, nếu kết quả nghiên cứu không phù hợp với giả thiết thì kết quả XHTD có thể không đáng tin cậy.
▪ Điều kiện áp dụng: Phương pháp thống kê được sử dụng phù hợp cho những dự án nghiên cứu hạn chế về kinh phí, lĩnh vực nghiên cứu đã có nhiều báo cáo nghiên cứu được công bố, có sự hỗ trợ của các mô hình toán học và phần mềm vi tính để xử lý số liệu Kết quả nghiên cứu bằng phương pháp thống kê có ý nghĩa ngay với cả các nghiên cứu bị giới hạn về kích thước mẫu (tuy nhiên phải đảm bảo số lượng mẫu tối thiểu).
Một trong những mô hình thống kê được sử dụng phổ biến trong các nghiên cứu XHTD là mô hình Binary Logistic (viết tắt là mô hình Logistic):
Mô hình Binary Logistic được sử dụng để dự báo xác suất xảy ra một sự kiện khách hàng trả được nợ vay (Y = 1, Y là biến phụ thuộc, là biến nhị phân, chỉ có thể nhận hai giá trị là 0 hoặc 1) dựa vào các thông tin là các biến độc lập (Xi) trong mô hình.
Xác suất để xảy ra sự kiện khách hàng trả được nợ vay (tức là xác suất Y = 1) được tính theo công thức: e
e là hằng số Euler (xấp xỉ 2,718)
i (-∞, +∞) là các hệ số ước lượng
X i (i = 1, k ) là biến độc lập, là các nhân tố ảnh hưởng khả năng trả nợ của người vay
Pi = P(Y = 1) là xác suất khách hàng trả được nợ vay; Pi [0,1]
1 e Z Lấy log cơ số e hai vế của phương trình ta được kết quả sau : log
0 1 X 1 2 X 2 k X k : Đây là hàm hồi quy Logistic.
Các nghiên cứu về mô hình xếp hạng tín dụng cá nhân vay tiêu dùng
Nghiên cứu mô hình xếp hạng tín dụng cá nhân vay tiêu dùng của Vương Quân Hoàng và cộng sự (2006)
Vương Quân Hoàng và cộng sự (2006)
Mục tiêu nghiên cứu của Vương Quân Hoàng và cộng sự là xây dựng mô hình XHTD cá nhân vay tiêu dùng theo mô hình hồi quy Logistic với bộ dữ liệu của 1.727 khách hàng cá nhân vay tiêu dùng tại Ngân hàng TMCP Kỹ Thương Việt Nam (Techcombank).
Vương Quân Hoàng và cộng sự đã thực hiện phân tích sự ảnh hưởng của các biến độc lập là các nhân tố gồm: tuổi, trình độ học vấn, loại hình công việc, mức thu nhập hàng tháng, nơi cư trú, thời gian cư trú, số người phụ thuộc, chênh lệch thu nhập và chi tiêu, giá trị tài sản, phương tiện thông tin, đến khả năng trả nợ của người vay (biến phụ thuộc) (trình bày tại phụ lục 01).
Số liệu thu thập được tác giả xử lý bằng phần mềm máy tính Kết quả nghiên cứu đã chứng minh: mức thu nhập hàng tháng, nơi cư trú, thời gian cư trú, phương tiện thông tin, chênh lệch thu nhập và chi tiêu, giá trị tài sản là các nhân tố tác động mạnh nhất đến khả năng trả nợ của người vay Các nhân tố: mức thu nhập hàng tháng, chênh lệch thu nhập và chi tiêu, giá trị tài sản có tác động đồng biến với biến phụ thuộc (khả năng trả nợ); Các biến còn lại trong mô hình đều có tác động nghịch biến lên biến phụ thuộc (trình bày tại phụ lục 02).
Nghiên cứu mô hình xếp hạng tín dụng cá nhân vay tiêu dùng của Dinh Thi
Thi Huyen Thanh và Stefanie Kleimeier (2006),
Dinh Thi Huyen Thanh và Stefanie Kleimeier đã xây dựng mô hình XHTD cá nhân vay tiêu dùng theo mô hình hồi quy Logistic với bộ dữ liệu của 56.037 khoản vay của các NHTM Việt Nam theo 22 biến để xác định mức ảnh hưởng của các biến này đến rủi ro tín dụng, bao gồm: tuổi, giới tính, tình trạng hôn nhân, thu nhập, trình độ học vấn, nghề nghiệp, thời gian làm công việc hiện tại, tình trạng cư trú, số người phụ thuộc, giá trị tài sản thế chấp, tài khoản tiền gửi, số lượng tiền gửi, số lần đến ngân hàng, số khoản vay, thời gian vay, miền cư trú, tình trạng cư trú,….
Bằng phương pháp ước lượng, kết quả nghiên cứu đã chứng minh: giới tính,tài khoản tiền gửi, số lần đến ngân hàng, số khoản vay, thời gian vay, miền cư trú,tình trạng cư trú là các nhân tố tác động mạnh nhất đến khả năng trả nợ của người vay Tuy nhiên, kết quả nghiên cứu lại cho thấy tất cả các biến đều có tác động nghịch biến lên biến phụ thuộc (trình bày tại phụ lục 03) Các biến khác gồm: tài khoản tiền gửi, số lượng tiền gửi, giá trị tài sản thế chấp, thời gian làm công việc hiện tại, trình độ học vấn, cho kết quả không phù hợp với giả thiết, nên kết quảXHTD có thể không đáng tin cậy (Nguyễn Trọng Hoà, 2010).
Một số mô hình xếp hạng tín dụng cá nhân vay tiêu dùng
Một số mô hình xếp hạng tín dụng cá nhân vay tiêu dùng phổ biến nhất trên thế giới 14 1.4.2 Một số mô hình xếp hạng tín dụng cá nhân vay tiêu dùng của các Ngân hàng thương mại Việt Nam và công ty kiểm toán có xây dựng mô hình xếp hạng tín dụng cá nhân vay tiêu dùng
Một hình thức của mô hình XHTD cá nhân vay tiêu dùng phổ biến nhất trên thế giới là Mô hình điểm số tín dụng Trong đó, Mô hình điểm số tín dụng cá nhân vay tiêu dùng phổ biến nhất là Mô hình điểm số FICO và mô hình cạnh tranh với FICO là Mô hình điểm số VantageScore Cả hai mô hình này đều chấm điểm cá nhân vay tiêu dùng từ các dữ liệu của 3 công ty cung cấp dữ liệu tín dụng lớn là Experian, TransUnion, và Equifax.
Các thông tin mà 3 công ty này thu thập được từ các chủ nợ và các TCTD qua các nguồn như: hồ sơ tín dụng, các hồ sơ liên quan đến lịch sử chi trả tài chính cho các công ty công cộng như bảo hiểm, cước viễn thông, điện sinh hoạt, và các thông tin trong hồ sơ công cộng như phá sản, tài sản bị tiếp quản (do nợ thuế chưa trả hay án phạt), nhưng không bao gồm các thông tin về giới tính, chủng tộc, tôn giáo, đảng phái chính trị, quá khứ bệnh lý, hồ sơ tội phạm, vì ở các nước phát triển, việc sử dụng các thông tin này để chấm điểm tín dụng bị xem là phân biệt đối xử Thông tin về phá sản sẽ lưu giữ trong hồ sơ tín dụng cá nhân khoảng 10 năm, trong khi các thông tin tiêu cực khác được lưu giữ 7 năm Nếu trong lịch sử, một người thiếu nợ,nhưng bây giờ đã trả hết hay bắt đầu tiếp tục trả hàng tháng đều đặn được trên 1 năm, thì người đó nên viết thư xin TCTD hoặc các văn phòng tín dụng huỷ bỏ những dữ kiện xấu trong hồ sơ cũ của mình.
Lịch sử trả nợ trong quá khứ ảnh hưởng lớn nhất đến điểm tín dụng của người xin cấp tín dụng Việc không trả hay không thể trả sẽ kéo điểm tín dụng xuống. Ngược lại, trả tiền đúng hạn sẽ làm cho điểm tín dụng cao hơn.
▪ Mô hình điểm số tín dụng FICO
FICO là viết tắt của Fair Isaac Corporation, công ty này có những bước đi tiên phong trong khái niệm điểm số tín dụng từ cuối thập niên 1950.
FICO là mô hình điểm số tín dụng cá nhân vay tiêu dùng được các TCTD sử dụng nhiều nhất, để đánh giá rủi ro tín dụng đối với khách hàng cá nhân vay tiêu dùng FICO xây dựng với thang điểm từ 300 (thấp nhất, không đáng tin cậy nhất) đến 850 (cao nhất, đáng tin cậy nhất) Điểm tín dụng càng cao thì người vay có nhiều cơ hội vay tiền dễ dàng hơn, và lãi suất vay thấp hơn. Điểm tín dụng FICO được cấu thành từ 5 tiêu chí đánh giá, gồm: Lịch sử trả nợ (trọng số điểm 35%), dư nợ tại các tổ chức tín dụng (trọng số điểm 30%), độ dài của lịch sử tín dụng (trọng số điểm 15%), số lần vay nợ mới (trọng số điểm 10%), các loại tín dụng đang dùng (trọng số điểm 10%) (trình bày tại phụ lục 04).
▪ Mô hình điểm số tín dụng VantageScore
Mô hình điểm số tín dụng cá nhân vay tiêu dùng VantageScore được xây dựng bởi sự hợp tác của 3 công ty cung cấp dữ liệu tín dụng là Experian, TransUnion, và Equifax.
Mô hình điểm số VantageScore rất đơn giản và dễ hiểu với 5 mức xếp hạng giảm dần từ A đến F (trình bày tại phụ lục 05), tương ứng với điểm số được thiết lập từ 501 (thấp nhất, không đáng tin cậy nhất) đến 990 (cao nhất, đáng tin cậy nhất). Điểm tín dụng VantageScore được cấu thành từ 6 tiêu chí đánh giá, gồm: Lịch sử trả nợ (trọng số điểm 32%), tình trạng sử dụng tín dụng (trọng số điểm 23%),tình trạng số dư Có (trọng số điểm 15%), độ sâu tín dụng (trọng số điểm 13%), tình trạng tín dụng gần đây (trọng số điểm 10%), tình trạng tín dụng sẵn có (trọng số điểm 7%) (trình bày tại phụ lục 06).
► Nhận xét mô hình điểm số tín dụng cá nhân vay tiêu dùng FICO và VantageScore
- Cả hai mô hình điểm số tín dụng đều rất đơn giản và dễ hiểu với số lượng các tiêu chí đánh giá rất ít; khả năng ứng dụng cao ở nhiều quốc gia do mô hình không sử dụng các tiêu chí đánh giá mang tính chất phân biệt đối xử.
- Việc sử dụng mô hình điểm số FICO và VantageScore trong xét duyệt đơn xin cấp tín dụng sẽ làm cho người tiêu dùng luôn có ý thức trách nhiệm đối với việc thanh toán tài chính trong một thời gian dài; Vì họ ý thức rằng không thể mua một điểm tốt; mà chỉ có thể xây dựng nó theo thời gian bằng cách chứng tỏ rằng mình là một người vay tiền có trách nhiệm.
- Mô hình điểm số FICO và VantageScore đều sử dụng thông tin trong quá khứ để dự đoán tương lai của người xin cấp tín dụng Với nguyên tắc “những người có rủi ro thấp nhất (tức điểm tín dụng cao) sẽ được ưu tiên cấp tín dụng dễ dàng hơn, và hưởng lãi suất vay thấp hơn Điều này, quá nghịch lý khi không có sự công bằng trong xã hội; Bởi vì người giàu có thường có điểm tín dụng cao, nên dễ dàng vay tiền, và lãi suất vay thấp; người nghèo thường có điểm tín dụng thấp nên vay tiền sẽ khó khăn hơn, lãi suất vay lại cao,…và tiếp tục nghèo.
- Hai mô hình này chỉ có thể hoạt động hiệu quả trong một quốc gia có hệ thống tra soát, truy cập và cập nhật thông tin tín dụng cá nhân một cách thường xuyên, kịp thời và chính xác Đối với những quốc gia chưa đáp ứng được những điều kiện này thì việc áp dụng các mô hình này là không khả thi vì sẽ cho kết quả XHTD thiếu chính xác.
- Hai mô hình này đều đánh giá người xin cấp tín dụng trên cơ sở thông tin tín dụng trong quá khứ; nhưng lại không xem xét các trường hợp tuy trong quá khứ họ có lịch sử thanh toán tài chính không tốt, nhưng bây giờ đã trả hết nợ và có nhiều điều kiện thuận lợi cho khả năng thanh toán tài chính (như công việc ổn định, mức lương cao, số người phụ thuộc giảm, ).
1.4.2 Một số mô hình xếp hạng tín dụng cá nhân vay tiêu dùng của các Ngân hàng thương mại Việt Nam và công ty kiểm toán có xây dựng mô hình xếp hạng tín dụng cá nhân vay tiêu dùng
▪ Mô hình xếp hạng tín dụng cá nhân vay tiêu dùng của Công ty TNHH Ernst & Young Việt Nam (E&Y)
Công ty TNHH Ernst & Young Việt Nam (E&Y) là một tổ chức kiểm toán có xây dựng hệ thống XHTD riêng phục vụ cho việc đánh giá xếp hạng khách hàng được kiểm toán.
E&Y sử dụng hệ thống chấm điểm với 7 chỉ tiêu đánh giá khả năng trả nợ của người vay (trọng số điểm 40%) và 10 chỉ tiêu đánh giá về nhân thân của người vay (trọng số điểm 60%) Các chỉ tiêu đều được cho thang điểm với 5 mức: 0 - 25 - 50 -
75 - 100; và mỗi chỉ tiêu được cho trọng số điểm (tỷ lệ %) (trình bày tại phụ lục 07).
Hệ thống ký hiệu XHTD cá nhân của E&Y có 10 mức đánh giá, giảm dần từ A+ đến D (trình bày tại phụ lục 08) Căn cứ vào tổng điểm đạt được tối đa giảm dần từ 100 điểm (đã quy đổi theo trọng số) để xếp hạng tương ứng.
▪ Mô hình xếp hạng tín dụng cá nhân vay tiêu dùng của Ngân hàng TMCP Công Thương Việt Nam (Vietinbank)
Khả năng hạn chế lỗi của mô hình xếp hạng tín dụng
Hệ thống XHTD phải có khả năng hạn chế lỗi ở mức tối thiểu Một mô hình XHTD thường gặp hai lỗi: Lỗi loại I và Lỗi loại II (Nguyễn Đình Thọ, 2012).
Lỗi loại I là lỗi mô hình XHTD đã xếp một khách hàng “có khả năng trả nợ tốt” vào nhóm khách hàng “có rủi ro không trả được nợ” và từ chối cho vay, điều này sẽ làm mất cơ hội cho vay của các TCTD nên làm giảm lợi nhuận của các TCTD.
Ngược lại, Lỗi loại II là lỗi mô hình XHTD đã xếp một khách hàng “có rủi ro không trả được nợ” vào nhóm khách hàng “có khả năng trả nợ tốt” và các TCTD cung cấp tín dụng, sẽ gây thiệt hại cho các TCTD do rủi ro người vay không thể trả nợ vay.
Các nghiên cứu thường tập trung vào Lỗi loại II, để cố gắng làm giảm thiệt hại nghiêm trọng cho các TCTD Ngoài ra, mức độ xảy ra Lỗi loại II là một chỉ tiêu để đánh giá hiệu quả của một mô hình XHTD Tuy nhiên, cũng không nên bỏ qua yêu cầu giảm Lỗi loại I để làm tăng doanh thu và lợi nhuận của các TCTD (Xiao-Lin Li
Các yếu tố ảnh hưởng đến kết quả xếp hạng tín dụng cá nhân vay tiêu dùng
Các yếu tố chủ quan
-Mô hình XHTD cá nhân vay tiêu dùng: Một mô hình XHTD tốt là mô hình có bộ chỉ tiêu chấm điểm phải đạt tối ưu và mô hình XHTD có khả năng hạn chế lỗi ở mức tối thiểu.
-Hệ thống công nghệ thông tin: Hiện nay, các TCTD xây dựng hệ thốngXHTD nội bộ theo chuẩn Basel II dựa trên ứng dụng các mô hình kinh tế lượng và xác suất thống kê; việc lưu trữ cơ sở dữ liệu khách hàng phải đa chiều và theo lịch sử nên có dung lượng lớn Tất cả những điều đó phụ thuộc rất nhiều hệ thống công nghệ thông tin của các TCTD.
-Người làm công tác XHTD: Thẩm định khách hàng cá nhân vay tiêu dùng rất đa dạng và phức tạp, đòi hỏi nhân viên chấm điểm tín dụng phải có sự nhạy bén và kinh nghiệm nghề nghiệp Việc thu thập thông tin và khả năng phân tích, đánh giá, xác thực thông tin khách hàng phụ thuộc rất nhiều vào năng lực, trình độ, kinh nghiệm của người chấm điểm tín dụng Mặt khác, việc XHTD thường có rủi ro đạo đức xảy ra từ phía người làm công tác XHTD khi họ cố ý làm sai lệch thông tin khách hàng, bởi vì họ có quan hệ lợi ích với khách hàng Điều này làm xảy ra trường hợp khách hàng vay tiêu dùng chưa đủ điều kiện được cấp tín dụng theo quy định, nhưng người XHTD hướng dẫn khách hàng hợp thức hoá hồ sơ, thậm chí cố ý nhập sai thông tin khách hàng vào hệ thống XHTD cá nhân vay tiêu dùng để khách hàng được cấp tín dụng hoặc được hưởng chính sách ưu đãi về hạn mức tín dụng, lãi suất vay, tỷ lệ tài sản đảm bảo/nợ vay,
-Quy trình XHTD cá nhân vay tiêu dùng: Các TCTD phải chú trọng đến việc xây dựng quy trình XHTD cá nhân vay tiêu dùng để hạn chế rủi ro đạo đức từ phía người làm công tác XHTD và người xin cấp tín dụng.
Các yếu tố khách quan
-Rủi ro đạo đức từ phía khách hàng: Khách hàng cố tình cung cấp thông tin sai lệch, không trung thực để đáp ứng được những điều kiện được cấp tín dụng.
-Thông tin phục vụ cho việc chấm điểm tín dụng: Chất lượng thông tin đầu vào là một trong những yếu tố quan trọng nhất, quyết định đến chất lượng của XHTD cá nhân vay tiêu dùng Các TCTD phải xây dựng được cơ sở dữ liệu riêng, nguồn dữ liệu phải đa chiều và theo lịch sử, đồng thời phải có xác minh, đối chiếu với dữ liệu của các tổ chức cung cấp thông tin chuyên nghiệp.
-Khung pháp lý cho hoạt động XHTD cá nhân vay tiêu dùng: Một khung pháp lý hoàn thiện sẽ giúp cho các TCTD có căn cứ XHTD nội bộ theo thông lệ quốc tế và có sự thống nhất, tương đồng về kết quả XHTD cá nhân vay tiêu dùng giữa các TCTD.
Chương 1 đã khái quát và hệ thống hoá một số vấn đề lý luận về XHTD cá nhân vay tiêu dùng, bao gồm những nội dung chính sau:
- Khái niệm XHTD cá nhân vay tiêu dùng: XHTD cá nhân vay tiêu dùng là việc chấm điểm tín dụng để phân loại, sắp xếp một cá nhân xin vay vốn phục vụ cho mục đích tiêu dùng, trên cơ sở đo lường rủi ro tín dụng.
- Phương pháp xây dựng mô hình XHTD cá nhân vay tiêu dùng, gồm: phương pháp chuyên gia, phương pháp thống kê, và phương pháp kết hợp Qua đó, tác giả đề xuất ứng dụng mô hình hồi quy Binary Logistic của phương pháp thống kê để hoàn thiện mô hình xếp hạng tín dụng cá nhân vay tiêu dùng tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam.
- Trình bày một số mô hình XHTD cá nhân vay tiêu dùng của Vương Quân Hoàng và cộng sự (2006), Dinh Thi Huyen Thanh và Stefanie Kleimeier (2006), mô hình điểm số FICO và VantageScore, hệ thống XHTD cá nhân vay tiêu dùng của E&Y, Vietinbank và Vietcombank.
- Cách đánh giá một mô hình XHTD cá nhân vay tiêu dùng là xem xét bộ chỉ tiêu trong hệ thống XHTD và khả năng hạn chế lỗi của hệ thống XHTD.
ỨNG DỤNG MÔ HÌNH LOGISTIC HOÀN THIỆN MÔ HÌNH XẾP HẠNG TÍN DỤNG CÁ NHÂN VAY TIÊU DÙNG TẠI NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM
Giới thiệu về Ngân hàng TMCP Đầu tư và Phát triển Việt Nam
2.1.1 Quá trình hình thành và phát triển Được thành lập từ ngày 26/4/1957 với tên gọi là Ngân hàng Kiến Thiết Việt Nam, trực thuộc Bộ Tài chính Nhiệm vụ chính là quản lý vốn ngân sách nhà nước, cung cấp vốn dùng cho công tác kiến thiết cơ bản.
Từ ngày 24/6/1981, đổi tên thành Ngân hàng Đầu tư và Xây dựng Việt Nam, trực thuộc Ngân hàng Nhà nước Việt Nam Nhiệm vụ chính là cho vay và cấp vốn đầu tư xây dựng cơ bản.
Từ ngày 14/11/1990, đổi tên thành Ngân hàng Đầu tư và Phát triển Việt Nam (BIDV) Ngày 08/11/1994, chính thức chuyển sang hoạt động với mô hình của một Ngân hàng thương mại.
Từ ngày 01/05/2012, thực hiện cổ phần hoá, chuyển đổi thành Ngân hàng TMCP Đầu tư và Phát triển Việt Nam. Đến cuối năm 2013, mạng lưới hoạt động của BIDV gồm 01 Hội sở chính, 01
Sở giao dịch, 126 Chi nhánh, 6 công ty con, 5 công ty liên doanh, 2 công ty liên kết,
503 Phòng giao dịch, 95 Quỹ tiết kiệm hoạt động rộng khắp trên địa bàn 63 tỉnh/thành phố trong cả nước Ngoài ra, BIDV còn hiện diện thương mại và Liên doanh tại Séc, Myanma, Lào và Campuchia. Đến nay, BIDV hoạt động kinh doanh ở một số lĩnh vực như: ngân hàng, bảo hiểm, chứng khoán và đầu tư tài chính:
- Hoạt động ngân hàng thương mại: BIDV cung cấp đầy đủ, trọn gói các sản phẩm dịch vụ ngân hàng truyền thống và hiện đại, bao gồm: sản phẩm tiền gửi, sản phẩm tín dụng, dịch vụ thanh toán và ngân quỹ, kinh doanh các giấy tờ có giá trên thị trường tiền tệ, kinh doanh các tài sản tài chính, kinh doanh vàng,…
- Hoạt động kinh doanh bảo hiểm: BIDV thực hiện cung ứng các dịch vụ bảo hiểm nhân thọ, bảo hiểm phi nhân thọ, tái bảo hiểm,…
- Hoạt động trong lĩnh vực chứng khoán: Môi giới chứng khoán, lưu ký chứng khoán, tư vấn đầu tư (doanh nghiệp, cá nhân), bảo lãnh phát hành, quản lý danh mục đầu tư,…
- Các hoạt động đầu tư tài chính: kinh doanh chứng khoán (trái phiếu, cổ phiếu,…); góp vốn thành lập doanh nghiệp để đầu tư các dự án,…
2.1.2 Kết quả hoạt động kinh doanh của Ngân hàng TMCP Đầu tư và Phát triển Việt Nam giai đoạn 2011 - 2013
Trong giai đoạn 3 năm từ năm 2011 đến năm 2013, BIDV đã đạt được những kết quả tương đối toàn diện theo yêu cầu, tiêu chuẩn quản lý và vận hành một ngân hàng thương mại lớn; góp phần củng cố niềm tin và tạo đà cho việc hoàn thành thắng lợi mục tiêu, nhiệm vụ, kế hoạch chiến lược 5 năm giai đoạn 2011 - 2015 và tầm nhìn 2020 Kết quả thực hiện một số chỉ tiêu kinh doanh cơ bản như sau:
Bảng 2.1 Kết quả hoạt động kinh doanh của BIDV giai đoạn 2011 - 2013 Đơn vị: tỷ đồng
NHÓM CHỈ TIÊU QUY MÔ
Dư nợ tín dụng trước DPRR 293.937 339.924 391.035
NHÓM CHỈ TIÊU HIỆU QUẢ
Tổng thu nhập hoạt động 15.414 16.677 19.209
Lãi thuần từ hoạt động dịch vụ 2.157 2.136 2.461
Lãi thuần từ hoạt động kinh doanh vàng và ngoại hối 314 330 163Lãi/Lỗ thuần từ mua bán chứng khoán kinh doanh (418) 70 1.390
Bảng 2.1 Kết quả hoạt động kinh doanh của BIDV giai đoạn 2011 - 2013 Đơn vị: tỷ đồng
Lãi thuần từ hoạt động khác 722 1.229 1.245
Tổng chi phí hoạt động (6.652) (6.765) (7.436)
Chưa trích dự phòng rủi ro
Chi phí dự phòng rủi ro (4.542) (5.587) (6.483)
Lợi nhuận trước thuế đã trích dự phòng rủi ro
(Nguồn: Báo cáo thường niên của Ngân hàng TMCP Đầu tư và Phát triển Việt Nam
Hoạt động huy động vốn của BIDV luôn tăng trưởng tốt (tỷ lệ tăng trưởng huy động vốn 3 năm 2011, 2012, 2013 lần lượt là 6,8%; 26,6%; 16,4%) Nền vốn của BIDV có tính ổn định cao nhờ huy động vốn dân cư luôn chiếm tỷ trọng cao (tỷ trọng huy động vốn dân cư của 3 năm 2011, 2012, 2013 lần lượt là trên 45%, trên 58%; 50,7%), và huy động vốn trung dài hạn chiếm tỷ trọng cao (năm 2012 chiếm trên 20%, năm 2013 chiếm trên 41%).
Hoạt động tín dụng của BIDV luôn tăng trưởng tốt (tỷ lệ tăng trưởng tín dụng
3 năm 2011, 2012, 2013 lần lượt là 15,7%; 15,6%; 15%) Tăng trưởng tín dụng đã đáp ứng nhu cầu vốn cho nền kinh tế, doanh nghiệp và cá nhân; góp phần tăng trưởng GDP của Việt Nam BIDV luôn kiểm soát chặt chẽ cho vay ngoại tệ, kiểm soát tốt cơ cấu tín dụng theo ngành nghề đảm bảo đa dạng hoá danh mục tín dụng và kiểm soát rủi ro.
Thu dịch vụ ròng là nguồn thu lớn thứ hai của BIDV, và khá ổn định Các nguồn thu dịch vụ chủ chốt của BIDV là dịch vụ bảo lãnh, dịch vụ thanh toán, tài trợ thương mại, dịch vụ thẻ,…
Ngoài ra, BIDV chú trọng tăng nguồn thu nhập từ các công cụ tài chính phái sinh, và đa dạng hoá sản phẩm, tạo sản phẩm có cấu trúc linh hoạt.
► Đánh giá hiệu quả hoạt động kinh doanh giai đoạn 2011 - 2013
- Tổng thu nhập tăng trưởng mạnh và tăng liên tục từ năm 2011 đến năm 2013: năm 2012 tăng 1.263 tỷ đồng (tăng 8,19%) so với năm 2011; năm 2013 tăng 2.532 tỷ đồng (tăng 15,18%) so với năm 2012.
- Lợi nhuận trước thuế cũng tăng trưởng mạnh, đặt biệt là năm 2013, tăng 965 tỷ đồng (tăng 22,31%) so với năm 2012), năm 2012 tăng 105 tỷ đồng (tăng 2,49%) so với năm 2011 Nếu xét tỷ trọng lợi nhuận trước thuế chưa trích dự phòng rủi ro so với tổng thu nhập hoạt động thì con số này thể hiện sự tăng trưởng đều qua các năm và chiếm tỷ trọng lớn (xoay quanh 60%) Tuy nhiên, tỷ lệ lợi nhuận trước thuế sau khi trích dự phòng rủi ro của năm 2012 so với tổng thu nhập (chiếm 25,93%) thấp hơn so với năm 2011 (chiếm 27,38%) vì lợi nhuận trước thuế năm 2012 so với năm 2011 chỉ tăng 105 tỷ đồng, trong khi trích dự phòng rủi ro năm 2012 tăng1.045 tỷ đồng so với năm 2011.
Quy định của Ngân hàng Nhà nước về xếp hạng tín dụng cá nhân vay tiêu dùng
Đến nay, Ngân hàng Nhà nước chưa có quy định riêng đối với XHTD cá nhân vay tiêu dùng, mà chỉ có quy định đối với XHTD nói chung theo Quyết định số 493/2005/QĐ-NHNN ngày 22/4/2005 và Thông tư số 02/2013/TT-NHNN ngày 21/01/2013, cụ thể như sau:
Hệ thống XHTD là hệ thống gồm các chỉ tiêu tài chính và phi tài chính, các quy trình đánh giá khách hàng trên cơ sở định tính và định lượng về mặt tài chính, tình hình kinh doanh, quản trị, uy tín của khách hàng Hệ thống XHTD phải được xây dựng cho từng đối tượng khách hàng khác nhau, kể cả các đối tượng bị hạn chế cấp tín dụng và những người có liên quan của đối tượng này.
Hệ thống XHTD phải được xây dựng theo các nguyên tắc sau:
- Xây dựng trên cơ sở số liệu, thông tin của tất cả khách hàng đã thu thập được trong thời gian ít nhất một năm liền kề trước năm xây dựng hệ thống XHTD.
- Ít nhất mỗi năm một lần, hệ thống XHTD phải được xem xét, sửa đổi, bổ sung trên cơ sở số liệu, thông tin khách hàng thu thập được trong năm.
- Có quy định các mức xếp hạng tương ứng với mức độ rủi ro từ thấp đến cao.
Xây dựng hệ thống XHTD nội bộ là yêu cầu bắt buộc của NHNN đối với các TCTD, chi nhánh ngân hàng nước ngoài, thể hiện qua các quy định sau:
- TCTD, chi nhánh ngân hàng nước ngoài phải xây dựng hệ thống XHTD nội bộ để xếp hạng khách hàng theo định kỳ hoặc khi cần thiết, làm cơ sở cho việc xét duyệt cấp tín dụng, quản lý chất lượng tín dụng, xây dựng chính sách dự phòng rủi ro phù hợp với phạm vi hoạt động và tình hình thực tế của các TCTD, chi nhánh ngân hàng nước ngoài.
- TCTD, chi nhánh ngân hàng nước ngoài phải xây dựng, ban hành quy định nội bộ về cấp tín dụng, quản lý tiền vay, chính sách dự phòng rủi ro trên cơ sở thông tin, số liệu khách hàng đã thu thập được, và kết quả xếp hạng khách hàng theo hệ thống XHTD nội bộ.
- TCTD, chi nhánh ngân hàng nước ngoài phải có biện pháp và thường xuyên thực hiện thu thập, khai thác thông tin, số liệu về khách hàng, bao gồm cả thông tin từ Trung tâm Thông tin tín dụng NHNN (CIC) để sửa đổi, bổ sung hệ thống XHTD nội bộ; theo dõi, đánh giá khả năng trả nợ của khách hàng sau khi đã xếp hạng theo hệ thống XHTD nội bộ, có biện pháp quản lý rủi ro, quản lý chất lượng tín dụng, phân loại nợ, trích lập dự phòng rủi ro.
- TCTD, chi nhánh ngân hàng nước ngoài phải xây dựng hệ thống công nghệ thông tin trong toàn hệ thống để đáp ứng yêu cầu quản lý số liệu, thông tin khách hàng, vận hành và quản lý hệ thống XHTD nội bộ,
Thực trạng xếp hạng tín dụng cá nhân vay tiêu dùng của Ngân hàng TMCP Đầu tư và Phát triển Việt Nam
▪ Định nghĩa: Xếp hạng tín dụng cá nhân vay tiêu dùng là việc đánh giá về rủi ro tín dụng và chất lượng tín dụng thông qua hệ thống xếp hạng, thể hiện khả năng trả nợ (gốc và lãi) đủ và đúng hạn theo cam kết.
▪ Đối tượng áp dụng: Các khách hàng là cá nhân xin cấp hoặc đã được cấp tín dụng phục vụ cho mục đích tiêu dùng.
Hệ thống XHTD cá nhân vay tiêu dùng của BIDV sử dụng phương pháp chấm điểm các nhóm chỉ tiêu tài chính và phi tài chính của từng khách hàng; kết hợp với phương pháp chuyên gia và phương pháp thống kê để xếp hạng khách hàng Trong mỗi nhóm chỉ tiêu tài chính hoặc phi tài chính bao gồm nhiều chỉ tiêu nhỏ.
▪ Nguyên tắc chấm điểm tín dụng
- Một chỉ tiêu tài chính hoặc phi tài chính có tối đa 5 khoảng giá trị chuẩn tương ứng với 5 mức điểm 0 - 25 - 50 - 75 - 100 (điểm ban đầu).
- Đối với mỗi chỉ tiêu, điểm ban đầu của khách hàng là một trong 5 mức điểm nêu trên, tùy thuộc khách hàng thuộc một trong các tiêu chí gợi ý cho sẵn sẽ có mức điểm tương ứng Tùy theo mức độ quan trọng, các chỉ tiêu và nhóm các chỉ tiêu sẽ được cho trọng số điểm khác nhau Điểm dùng để tổng hợp xếp hạng khách hàng sẽ là tích số giữa điểm ban đầu và trọng số điểm.
- Để đảm bảo việc chấm điểm tín dụng khách hàng được khách quan, chính xác, ngân hàng phải thu thập thông tin khách hàng từ nhiều nguồn, bao gồm: từ hồ sơ khởi tạo thông tin khách hàng và hồ sơ pháp lý vay vốn của khách hàng (nếu khách hàng đã, đang có quan hệ tín dụng, tiền gửi và các giao dịch khác tại hệ thốngBIDV); qua hồ sơ xin cấp tín dụng của khách hàng; từ các cơ quan và những người tham chiếu; qua khảo sát thực tế; hoặc thông tin khách hàng có tại Trung tâm thông tin tín dụng NHNN (CIC) và các kênh thông tin khác.
- Hệ thống XHTD cá nhân vay tiêu dùng của BIDV quy định 8 mức xếp hạng khách hàng tương ứng với mức độ rủi ro từ thấp đến cao, theo bảng 2.2.
Bảng 2.2 Nguyên tắc XHTD cá nhân vay tiêu dùng
Stt Mức xếp hạng Ý nghĩa
Là khách hàng đặc biệt tốt, tiềm lực tài chính đặc biệt mạnh, đáp ứng tốt mọi nghĩa vụ trả nợ.
Cấp tín dụng cho các khách hàng này có khả năng thu hồi đầy đủ cả nợ gốc và lãi đúng hạn
Là khách hàng rất tốt, tình hình tài chính tốt đảm bảo thực hiện đầy đủ các nghĩa vụ tài chính đã cam kết.
Cấp tín dụng cho khách hàng này có khả năng thu hồi đầy đủ cả nợ gốc và lãi đúng hạn.
Là khách hàng tốt, tình hình tài chính ổn định, khả năng trả nợ đảm bảo.
Cấp tín dụng cho khách hàng này có khả năng thu hồi đầy đủ cả nợ gốc và lãi đúng hạn.
Là khách hàng tương đối tốt, tình hình tài chính ổn định.
Cấp tín dụng cho khách hàng này có khả năng thu hồi đầy đủ cả nợ gốc và lãi nhưng có dấu hiệu khách hàng suy giảm khả năng trả nợ.
Là khách hàng bình thường Khách hàng này có một số các yếu điểm về tài chính.
Cấp tín dụng cho khách hàng này có khả năng thu hồi đầy đủ cả nợ gốc và lãi nhưng có dấu hiệu khách hàng suy giảm khả năng trả nợ.
Là khách hàng cần chú ý, năng lực tài chính suy giảm.
Dư nợ cho vay của các khách hàng này có khả năng bị tổn thất một phần nợ gốc và lãi.
Là khách hàng yếu, bị mất cân đối về tài chính.
Dư nợ vay của các khách hàng này có khả năng bị tổn thất một phần nợ gốc và lãi.
Là khách hàng rất rất yếu, không thực hiện đúng các cam kết về trả nợ.
Dư nợ vay của các khách hàng này có khả năng bị tổn thất rất cao.
(Nguồn: Quyết định số 8598/QĐ-BIDV ngày 20/10/2006 và các văn bản sửa đổi bổ sung của Ngân hàng TMCP Đầu tư và Phát triển Việt Nam )
▪ Thời điểm chấm điểm và xếp hạng khách hàng
- 100% khách hàng có đơn xin cấp tín dụng tiêu dùng đều phải được XHTD sau khi khách hàng cung cấp đầy đủ chứng từ xác nhận những thông tin trong đơn xin cấp tín dụng, và khách hàng đã được khởi tạo thông tin khách hàng tại BIDV.
- Định kỳ ít nhất một năm hai lần, các đơn vị thực hiện chấm điểm và xếp hạng khách hàng trên cơ sở thông tin cập nhật mới nhất thu thập được được của khách hàng.
▪ Bộ phận chấm điểm và xếp hạng
- Người chịu trách nhiệm chấm điểm và XHTD cá nhân vay tiêu dùng là nhân viên tín dụng tại Chi nhánh (sử dụng phần mềm tập trung) Các kết quả chấm điểm XHTD phải được lưu trữ đầy đủ cùng với hồ sơ tín dụng của khách hàng, kể cả các khách hàng bị từ chối cấp tín dụng.
- Trưởng phòng tín dụng tại Chi nhánh là người chịu trách nhiệm kiểm tra việc chấm điểm và xếp hạng khách hàng, đảm bảo việc chấm điểm được khách quan, chính xác.
▪ Sử dụng kết quả XHTD
BIDV sử dụng kết quả XHTD cá nhân vay tiêu dùng trong việc quản lý chất lượng tín dụng tiêu dùng của toàn hệ thống; và xây dựng, ban hành các quy trình cấp tín dụng, chính sách khách hàng (mức lãi suất cho vay, tỷ lệ tài sản đảm bảo, hạn mức tín dụng, ).
Các Chi nhánh của BIDV sử dụng kết quả XHTD cá nhân vay tiêu dùng để phân loại nợ và trích lập dự phòng rủi ro tín dụng, ra quyết định tín dụng, kiểm soát chất lượng tín dụng,
2.3.2 Nội dung chấm điểm xếp hạng tín dụng cá nhân vay tiêu dùng
Cùng với hệ thống XHTD doanh nghiệp, hệ thống XHTD cá nhân vay tiêu dùng của BIDV được thực hiện trong khuôn khổ của “Dự án nâng cấp năng lực quản lý tín dụng” được tài trợ bởi Ngân hàng thế giới, với sự hợp tác nghiên cứu,đánh giá và xây dựng của Công ty kiểm toán hàng đầu thế giới (E&Y), đảm bảo theo thông lệ và chuẩn mực quốc tế, nên hệ thống XHTD cá nhân vay tiêu dùng của BIDV phù hợp với tiêu chuẩn đang sử dụng của nhiều TCTD trong nước và quốc tế.
Hệ thống XHTD cá nhân vay tiêu dùng của BIDV bao gồm 15 chỉ tiêu được chia thành 2 nhóm:
+ Nhóm 10 chỉ tiêu về đặc điểm nhân thân của người vay, bao gồm: tuổi, trình độ học vấn, thời gian ở địa chỉ cư trú hiện tại, tình trạng chỗ ở, số người phụ thuộc trực tiếp vào người vay, cơ cấu gia đình, bảo hiểm nhân mạng, tính chất của công việc hiện tại, rủi ro nghề nghiệp.
Ứng dụng mô hình Logistic hoàn thiện mô hình xếp hạng tín dụng cá nhân vay tiêu dùng tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam
Đo lường độ phù hợp của mô hình: Binary Logistic dựa trên chỉ tiêu -2LL
(viết tắt của -2 log likelihood), thước đo này càng nhỏ càng tốt (giá trị -2LL càng nhỏ càng thể hiện độ phù hợp cao), giá trị nhỏ nhất của -2LL là 0 (tức là không có sai số), khi đó mô hình có độ phù hợp hoàn hảo Phần mềm SPSS sẽ cho ra giá trị -2LL trong bảng phân loại (Clasification table).
Kiểm định ý nghĩa của hệ số: kiểm định Wald về ý nghĩa của các hệ số hồi quy của các biến phải có mức ý nghĩa Sig (p-value) nhỏ hơn 0,05.
Kiểm định độ phù hợp tổng quát: Trong mô hình hồi quy Binary Logistic, tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình (ngoại trừ hằng số) cũng được kiểm định xem có thực sự có ý nghĩa trong việc giải thích cho biến phụ thuộc không Binary Logistic sẽ dùng kiểm định Chi- bình phương để kiểm định giả thuyết H0: β1 = β2 = … = βk = 0 Căn cứ vào mức ý nghĩa quan sát mà SPSS đưa ra trong bảng Omnibus Tests of Model Coefficients để quyết định chấp nhận hay bác bỏ H0 Nếu Sig < thì H 0 bị bác bỏ (mô hình phù hợp một cách tổng quát).
Sử dụng hồi quy Binary Logistic cần phải xác định biến độc lập và biến phụ thuộc Việc lựa chọn các biến được thực hiện như sau:
Trong nghiên cứu này, biến phụ thuộc (Y) được xác định như sau:
Yi = 1 nếu khách hàng có khả năng trả được nợ
Yi = 0 nếu khách hàng không có khả năng trả được nợ
Người vay không có khả năng trả được nợ vay (Y = 0) khi người vay được xếp vào nợ nhóm 3 đến nhóm 5 Ngược lại, người vay có khả năng trả được nợ vay (Y 1) khi người vay thuộc nợ nhóm 1 hoặc nợ nhóm 2.
Biến độc lập là những biến ảnh hưởng đến việc phân biệt giữa các nhóm của biến phụ thuộc Nghĩa là, khi thay đổi giá trị của biến độc lập sẽ làm thay đổi giá trị của biến phụ thuộc.
Nghiên cứu này để hoàn thiện mô hình XHTD cá nhân vay tiêu dùng hiện hữu của BIDV nên tác giả sẽ kiểm định mức độ ảnh hưởng của các nhân tố (là các chỉ tiêu trong mô hình XHTD cá nhân vay tiêu dùng hiện hữu của BIDV) đến khả năng trả nợ của người vay bằng việc chọn các chỉ tiêu trong mô hình XHTD cá nhân vay tiêu dùng hiện hữu của BIDV làm các biến độc lập.
Tuy nhiên, trong 15 chỉ tiêu của mô hình XHTD cá nhân vay tiêu dùng hiện hữu, tác giả không đưa vào mô hình Binary Logistic để kiểm định 2 chỉ tiêu “rủi ro nghề nghiệp” và chỉ tiêu “tỷ lệ nợ phải trả trong kỳ/nguồn trả nợ chứng minh được”. Nguyên nhân là việc đánh giá mức độ “rủi ro nghề nghiệp” mang tính chủ quan của nhân viên tín dụng, không có cơ sở kiểm chứng; Số liệu về “nợ phải trả” và “nguồn trả nợ” có tính biến động, và việc đánh giá chỉ tiêu này khi đến kỳ đánh giá lại sẽ khó thực hiện nếu khách hàng bất hợp tác sau khi đã được cấp tín dụng.
Tác giả bổ sung thêm biến “giới tính”, “tiết kiệm” và biến “giá trị tài sản thế chấp” vào danh sách các biến độc lập Các biến này được lấy từ kết quả nghiên cứu của Vương Quân Hoàng và cộng sự (2006); Dinh Thi Huyen Thanh và Stefanie Kleimeier (2006) mặc dù, tên đề tài của các nghiên cứu này không nêu rõ là nghiên cứu về mô hình điểm tín dụng cá nhân vay tiêu dùng, nhưng dựa vào biến phụ thuộc và các biến độc lập, đối chiếu với cơ sở lý thuyết, phạm vi không gian nghiên cứu, cho thấy các nghiên cứu này nghiên cứu về mô hình điểm số tín dụng cá nhân vay tiêu dùng tại các NHTM Việt Nam, và các biến này có thể quan sát được trong hồ sơ tín dụng của người vay.
Như vậy, các biến độc lập được sử dụng trong nghiên cứu của tác giả là các chỉ tiêu trong bảng 2.6 dưới đây:
Bảng 2.6 Biến độc lập sử dụng trong nghiên cứu
STT Biến độc lập Thang đo Giả thiết Ký hiệu
Dưới trung học Trung học phổ thông
Bảng 2.6 Biến độc lập sử dụng trong nghiên cứu
STT Biến độc lập Thang đo Giả thiết Ký hiệu
3: Cao đẳng 4: Đại học và trên Đại học
4 Thời gian cư trú ở địa chỉ hiện tại Năm + X4: tgcutru
1: Nhà thuê 2: Ở nhờ nhà bố mẹ 3: Nhà sở hữu riêng (chưa có giấy tờ hợp pháp) 4: Nhà sở hữu riêng (có đủ giấy tờ hợp pháp)
6 Số người phụ thuộc trực tiếp về kinh tế thường xuyên liên tục vào người vay (trong gia đình)
7 Cơ cấu gia đình 0: Các trường hợp khác
1: Độc thân, sống với gia đình hạt nhân khác 2: Độc thân, sống chung với bố mẹ
3: Gia đình hạt nhân, sống chung với bố mẹ
4: Gia đình hạt nhân, sống độc lập
8 Bảo hiểm nhân mạng 0: Không
9 Tính chất của công việc hiện tại 0: Thất nghiệp/nghỉ hưu
1: Lao động thời vụ 2: Lao động trực tiếp 3: NV văn phòng, chuyên viên/điều hành SXKD nhỏ
10 Thời gian làm công việc Năm + X10: tglamviec
Bảng 2.6 Biến độc lập sử dụng trong nghiên cứu
STT Biến độc lập Thang đo Giả thiết Ký hiệu hiện tại
11 Mức thu nhập ổn định hàng tháng chứng minh được (= lương + thu nhập từ kinh doanh + thu nhập khác)
12 Tiết kiệm hàng tháng Triệu đồng + X12: tietkiem
13 Tình trạng vay nợ (tại
BIDV và các ngân hàng khác)
14 Giá trị tài sản thế chấp Triệu đồng + X14: taisan
15 Tình hình thực hiện nghĩa vụ trả nợ với BIDV 0: Hiện đang có nợ quá hạn
1: Đã từng có nợ quá hạn, hiện có dấu hiệu trả nợ không tốt
2: Đã từng có nợ quá hạn, tuy nhiên đã trả hết và hiện trả nợ tốt/khách hàng mới
3: Đã từng bị gia hạn nợ, hiện trả nợ tốt
4: Luôn trả nợ đúng hạn
16 Sử dụng dịch vụ tiền gửi tại BIDV 0: Không có tài khoản tiền gửi tiết kiệm tại BIDV 1: Có tài khoản tiền gửi tiết kiệm tại BIDV
2.4.3.1 Xác định kích thước mẫu
Mô hình hồi quy Binary Logistic được sử dụng trong nghiên cứu này là mô hình hồi quy đa biến; kích thước mẫu cho mô hình hồi quy đa biến được xác định theo công thức: n 50 + 8p (Nguyễn Đình Thọ, 2012) Trong đó, n là kích thước mẫu tối thiểu cần thiết cho nghiên cứu và p là số lượng biến độc lập trong mô hình.
Tuy nhiên, chúng ta thường dùng phương pháp phân tích nhân tố khám pháEFA cùng với mô hình hồi quy đa biến trong một nghiên cứu, nên sau khi xác định kích thước mẫu cho mô hình hồi quy đa biến, chúng ta phải so sánh với kích thước mẫu đòi hỏi cho EFA (Nguyễn Đình Thọ, 2012).
Trong nghiên cứu này, tác giả sử dụng 16 biến (p = 16); Điều kiện 1: thay p = 16 vào công thức trên ta có n 178 quan sát. Điều kiện 2: Trong phân tích nhân tố khám phá EFA, kích thước mẫu tối thiểu là 50 quan sát, tốt hơn là 100 quan sát và tỷ lệ quan sát/biến đo lường là 5:1, tốt nhất là 10:1 Như vậy, kích thước mẫu cho 16 biến là 160 quan sát (= 10*16).
Kết hợp điều kiện 1 và điều kiện 2 thì kích thước mẫu tối thiểu cho toàn bộ nghiên cứu là 178 quan sát.
Ngoài việc xem xét kích thước mẫu cho toàn bộ nghiên cứu, trong hồi quy Logistic cũng cần phải xem xét đến kích thước mẫu cho mỗi phạm trù Kích thước mẫu phải đảm bảo lớn hơn số biến độc lập và đảm bảo 20 mẫu/biến độc lập (Nguyễn Trương Nam) Do đó, trong số mẫu nghiên cứu tác giả chọn lựa phi xác suất số lượng ít nhất 20 quan sát là khách hàng không trả được nợ vay (Y = 0).
Như vậy, bằng phương pháp chọn mẫu phi xác suất, tác giả phải chọn kích thước mẫu sao cho trong đó có ít nhất 20 quan sát là khách hàng không trả được nợ vay (Y = 0) và tỷ lệ khách hàng không trả được nợ vay/kích thước mẫu phải bằng tỷ lệ khách hàng không trả được nợ vay/đám đông thống kê, và kích thước mẫu tối thiểu cho toàn bộ nghiên cứu là 178 quan sát.
Trước hết, tác giả sử dụng phương pháp chọn mẫu theo xác suất, cụ thể là phương pháp chọn mẫu theo nhóm:
Đối với khu vực miền Bắc, chọn BIDV Chi nhánh Hà Nội;
Đối với khu vực miền Trung, chọn BIDV Chi nhánh Đà Nẵng;
Đối với khu vực miền Nam, chọn BIDV Chi nhánh TP.HCM;
Đối với khu vực miền Tây, chọn BIDV Chi nhánh Cần Thơ;
Số liệu thống kê được tại thời điểm ngày 02/01/2014 như sau:
Bảng 2.7 Số lượng khách hàng cá nhân vay tiêu dùng theo mẫu
Tên Chi nhánh BIDV Số lượng khách hàng cá nhân vay tiêu dùng
Số lượng khách hàng không trả được nợ
Tỷ lệ khách hàng không trả được nợ
BIDV Chi nhánh Hà Nội 1.700 191 11,24%
BIDV Chi nhánh Đà Nẵng 795 100 12,58%
BIDV Chi nhánh TP.HCM 2.194 288 13,13%
BIDV Chi nhánh Cần Thơ 210 26 12,38%
(Nguồn: Thống kê trên hệ thống XHTD cá nhân vay tiêu dùng của BIDV)
Tiếp theo, tác giả dựa vào các đặc tính của đám đông và áp dụng phương pháp chọn mẫu phi xác xuất (phương pháp định mức) để chọn số phần tử cho mẫu, sao cho chúng có cùng tỷ lệ của đám đông theo các thuộc tính kiểm soát (Nguyễn Đình Thọ, 2012) Với kích thước mẫu là 178 quan sát; tác giả đã chọn 22 khách hàng trong số 605 khách hàng không trả được nợ theo phương pháp ngẫu nhiên phi xác suất, để đạt được tỷ lệ khách hàng không trả được nợ là 12,35% (= 22/178) 156 khách hàng trả được nợ vay cũng được chọn ngẫu nhiên phi xác xuất trong số 4.294 (= 4.899 - 605) khách hàng trả được nợ vay Cụ thể, số lượng quan sát được lấy theo bảng 2.8:
Bảng 2.8 Kích thước mẫu dùng để nghiên cứu
Tên Chi nhánh BIDV Số lượng khách hàng cá nhân vay tiêu dùng
Số lượng khách hàng vay không trả được nợ
Tỷ lệ khách hàng không trả được nợ
BIDV Chi nhánh Hà Nội 62 7 11,29%
BIDV Chi nhánh Đà Nẵng 29 4 13,79%
BIDV Chi nhánh TP.HCM 79 10 12,66%
BIDV Chi nhánh Cần Thơ 8 1 12,50%
(Nguồn: Chọn từ mẫu nghiên cứu từ bảng 2.7.)
2.4.4 Ước lượng hồi quy Binary Logistic
2.4.4.1 Xử lý biến độc lập
Trước tiên, tác giả xét mối tương quan giữa các biến độc lập với biến “khả năng trả nợ” (là biến phụ thuộc) để loại bỏ những biến không có ý nghĩa trong việc giải thích, đánh giá hoặc dự đoán khả năng trả nợ của người vay; và xét mối tương quan giữa các biến độc lập với nhau để loại bỏ các biến có quan hệ quá chặt chẽ với nhau dẫn đến hiện tượng đa cộng tuyến trong mô hình; Bởi vì, khi có hiện tượng đa cộng tuyến thì có thể thu được các ước lượng của các hệ số hồi qui mâu thuẫn với lý thuyết kinh tế (Mai Văn Nam, 2005). Để xét mối tương quan giữa các biến, tác giả ứng dụng phần mềm thống kê SPSS để xét hệ số tương quan hạng Spearman Kết quả như sau:
- Biến “baohiem”, “trano” và “tiengui” có hệ số tương quan hạng Spearman rất nhỏ, lần lượt là 0,017; 0,049 và 0,022; trong khi giá trị của Sig (p-value) rất lớn, lần lượt là 0,821; 0,515 và 0,768 khiến ta không thể bác bỏ giả thuyết hệ số tương quan tổng thể bằng 0 giữa biến “bảo hiểm nhân mạng” với “khả năng trả nợ”, giữa biến “tình hình thực hiện nghĩa vụ trả nợ” với “khả năng trả nợ”, và giữa biến “sử dụng dịch vụ tiền gửi” với “khả năng trả nợ” Do đó, tác giả hoàn toàn có thể loại bỏ biến “baohiem”, “trano” và “tiengui” ra khỏi mô hình hồi quy đang được kiểm định.
GIẢI PHÁP HOÀN THIỆN MÔ HÌNH XẾP HẠNG TÍN DỤNG CÁ NHÂN VAY TIÊU DÙNG TẠI NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM
Định hướng phát triển hoạt động tín dụng tiêu dùng giai đoạn 2014 - 2016 tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam
Mục tiêu đến năm 2016: Phát triển tín dụng tiêu dùng phải đảm bảo an toàn - chất lượng - hiệu quả - bền vững, theo thông lệ và tiêu chuẩn quốc tế Gia tăng tín dụng tiêu dùng cả về quy mô, hiệu quả và chất lượng Phấn đấu đến năm 2016, nâng tỷ trọng dư nợ bán lẻ/tổng dư nợ tối thiểu 19,5%, BIDV nắm giữ thị phần lớn thứ 2 trên thị trường về dư nợ tín dụng tiêu dùng. Để đạt được mục tiêu đó, BIDV đã xây dựng kế hoạch kinh doanh đối với hoạt động tín dụng tiêu dùng giai đoạn 2014 - 2016 cụ thể như sau:
Bảng 3.1 Kế hoạch kinh doanh hoạt động tín dụng tiêu dùng giai đoạn 2014 - 2016
TT Chỉ tiêu Đơn vị 2014 2015 2016 Tăng trưởng bình quân
1 Dư nợ tín dụng tiêu dùng 2016
2 Tỷ trọng tín dụng tiêu dùng/ Tổng dư nợ % 8% 9% 10%
3 Tỷ lệ nợ xấu tín dụng tiêu dùng % < 5% < 5% 3,5%
(Nguồn: Nghị quyết số 155/NQ-HĐQT ngày 22/8/2013 của HĐQT Ngân hàng TMCP Đầu tư và Phát triển Việt Nam về việc phê duyệt Chiến lược phát triển hoạt động Ngân hàng bán lẻ đến năm 2020 và kế hoạch kinh doanh trung hạn giai đoạn 2014 - 2016) Để đạt được mục tiêu đề ra, và hoàn thành kế hoạch kinh doanh đối với hoạt động tín dụng tiêu dùng giai đoạn 2014 - 2016, BIDV phải triển khai thực hiện các giải pháp sau:
- Cụ thể hoá các sản phẩm tín dụng tiêu dùng phù hợp với phân nhóm khách hàng Cải tiến quy trình cho vay, tiến tới công bố cam kết với khách hàng về thời gian giải quyết hồ sơ cho vay ngắn nhất.
- Tăng cường công tác kiểm soát tín dụng tiêu dùng về chất lượng và đối tượng khách hàng được cấp tín dụng.
- Tiếp tục tăng cường đầu tư và khai thác công nghệ thông tin hỗ trợ cho hoạt động tín dụng tiêu dùng.
- Đẩy manh nâng cao năng suất lao động theo hướng nâng cao trình độ, kỹ năng tác nghiệp, tăng tốc độ xử lý công việc, cải tiến quy trình thủ tục cấp tín dụng.
Giải pháp hoàn thiện mô hình xếp hạng tín dụng cá nhân vay tiêu dùng tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam
3.2.1 Giải pháp đối với các yếu tố chủ quan
▪ Hoàn thiện bộ chỉ tiêu chấm điểm của hệ thống xếp hạng tín dụng cá nhân vay tiêu dùng
Nghiên cứu đã sử dụng mô hình hồi quy Binary Logistic để kiểm định ý nghĩa và ước lượng mức độ ảnh hưởng của các nhân tố đến khả năng trả nợ của người vay. Kết quả nghiên cứu cho thấy có 7 nhân tố quan trọng nhất ảnh hưởng đến khả năng trả nợ của người vay là: giới tính, trình độ học vấn, thời gian cư trú, tình trạng chỗ ở, số người phụ thuộc trực tiếp về kinh tế vào người vay, tiết kiệm hàng tháng, và tình trạng vay nợ Trong đó, nhân tố “giới tính” và “tiết kiệm hàng tháng” chưa có trong bộ chỉ tiêu chấm điểm XHTD cá nhân vay tiêu dùng của BIDV; nhưng kết quả nghiên cứu đã cho thấy 2 nhân tố này có tác động rất mạnh đối với khả năng trả nợ của người vay nên tác giả đề xuất BIDV nên xây dựng lại hệ thống XHTD cá nhân vay tiêu dùng có bổ sung thêm 2 chỉ tiêu này.
Biến “giá trị tài sản thế chấp” đã được tác giả đưa vào mô hình Binary Logistic để nghiên cứu, tuy nhiên biến này đã bị loại ra khỏi mô hình trong quá trình kiểm định Wald Tuy nhiên, tác giả vẫn đề xuất đưa biến này vào trong mô hình XHTD cá nhân vay tiêu dùng vì giá trị tài sản thế chấp cao hơn giá trị khoản vay sẽ khiến cho người vay không muốn mất tài sản của mình Hơn nữa, giá trị của tài sản thế chấp cho thấy sự giàu có về tài chính của người vay; từ đó có mối tương quan tích cực đáng kể với thu nhập của người vay và giá trị khoản vay (Dinh Thi Huyen Thanh và Stefanie Kleimeier, 2006).
Ngoài ra, tác giả cũng đề xuất bổ sung thêm vào hệ thống XHTD cá nhân vay tiêu dùng chỉ tiêu “loại tài sản thế chấp” Bởi vì, đối với danh mục cho vay tiêu dùng đòi hỏi phải có tài sản thế chấp, đây là một trong những yếu tố quan trọng để hạn chế rủi ro tín dụng Trong các loại tài sản thế chấp, ưu tiên đối với loại tài sản là vàng, thẻ tiết kiệm, chứng chỉ tiền gửi,…vì đây là những tài sản thế chấp có tính thanh khoản cao; tiếp theo là ưu tiên đối tài sản thế chấp là bất động sản (quyền sở hữu nhà, quyền sử dụng đất có đủ giấy tờ hợp pháp) bởi vì người vay rất lo ngại rủi ro dẫn đến mất tài sản của họ; điều này phù hợp với văn hoá và thực tế ở Việt Nam, nơi mà mọi người xem ngôi nhà có ý nghĩa rất quan trọng trong cuộc sống của họ (Dinh Thi Huyen Thanh và Stefanie Kleimeier, 2006); Đối với tài sản là máy móc, thiết bị và động sản (phương tiện vận tải,…) chỉ chấp nhận với một tỷ lệ rất thấp, không khuyến khích, và mang tính bổ sung khi người vay không đủ tài sản bảo đảm nợ vay.
Trong mô hình Binary Logistic, biến “thunhap” và biến “tietkiem” đa cộng tuyến Để loại bỏ hiện tượng đa cộng tuyến, tác giả đã loại bỏ biến “thu nhập” ra khỏi mô hình Binary Logistic Tuy nhiên, khi hoàn thiện hệ thống XHTD cá nhân vay tiêu dùng, tác giả đề xuất vẫn giữ chỉ tiêu “thu nhập hàng tháng” bên cạnh chỉ tiêu “tiết kiệm hàng tháng” vì những lý do sau:
(i) Nếu loại bỏ chỉ tiêu “thu nhập hàng tháng” thì không có cơ sở xác định đối với chỉ tiêu “tiết kiệm hàng tháng”.
(ii) Mặt khác, nếu ta ít quan tâm đến việc diễn dịch từng hệ số riêng lẻ nhưng lại chú trọng nhiều hơn vào việc dự báo, thì đa cộng tuyến có thể không phải là một vấn đề nghiêm trọng Người ta có thể bỏ qua nó mà không phải chịu một hậu quả xấu nào đáng kể Ngay cả khi có tương quan cao giữa các biến độc lập, nếu các hệ số hồi quy có ý nghĩa và có dấu có ý nghĩa, người ta không phải quá bận tâm về vấn đề đa cộng tuyến Nếu một hệ số có ý nghĩa ngay cả trong trường hợp có sự hiện diện của đa cộng tuyến thì sẽ cho một kết quả mạnh Cuối cùng, nếu một biến thuộc mô hình vì những lý do về mặt lý thuyết, thì có thể an toàn hơn khi giữ biến đó lại ngay cả khi có đa cộng tuyến (Ramanathan, 2003).
Ngược lại, tác giả đề xuất bỏ chỉ tiêu “tỷ lệ nợ phải trả trong kỳ/nguồn trả nợ chứng minh được” trong hệ thống XHTD cá nhân vay tiêu dùng vì “nợ phải trả” và
“nguồn trả nợ” có tính biến động nên chỉ tiêu “tỷ lệ nợ phải trả trong kỳ/nguồn trả nợ chứng minh được” cũng mang tính không ổn định, và việc đánh giá chỉ tiêu này khi đến kỳ đánh giá lại sẽ khó thực hiện nếu khách hàng bất hợp tác sau khi đã được cấp tín dụng Mặt khác, khi thẩm định hồ sơ vay, nhân viên tín dụng bao giờ cũng tính toán nguồn trả nợ chứng minh được phải bảo đảm cho khả năng trả nợ vay của khách hàng nên chỉ tiêu “tỷ lệ nợ phải trả trong kỳ/nguồn trả nợ chứng minh được” luôn được bảo đảm.
▪ Thực hiện nghiên cứu mở rộng trên toàn hệ thống BIDV
Nghiên cứu này chỉ chứng minh được rằng phương pháp hồi quy Binary Logistic có ý nghĩa trong việc dự báo khả năng trả nợ của người vay để hoàn thiện mô hình XHTD cá nhân vay tiêu dùng Tuy nhiên, kết quả ước lượng của mô hình Binary Logistic trong nghiên cứu này chưa thể áp dụng cho mô hình XHTD cá nhân vay tiêu dùng tại BIDV vì nghiên cứu được thực hiện với kích thước mẫu nhỏ nên khả năng dự báo của mô hình không cao Mặt khác, do kích thước mẫu nhỏ nên có nhiều biến tỏ ra không có ý nghĩa đối với biến phụ thuộc (biến “khả năng trả nợ”) và xảy ra hiện tượng đa cộng tuyến.
Do đó, để hoàn thiện mô hình XHTD cá nhân vay tiêu dùng, tác giả kiến nghị BIDV thực hiện nghiên cứu mở rộng trên toàn hệ thống BIDV để khắc phục những hạn chế nêu trên, và áp dụng phương pháp hồi quy Binary Logistic đối với các chỉ tiêu hiện hữu sau khi thêm hoặc loại bỏ một số chỉ tiêu như đề xuất của tác giả.
▪ Nâng cao khả năng dự đoán của mô hình
Kiến nghị BIDV sớm tổ chức nghiên cứu mở rộng theo phương pháp tác giả đã đề xuất để sớm xây dựng hoặc hoàn thiện mô hình XHTD cá nhân vay tiêu dùng chuẩn, khoa học nhằm hạn chế đến mức thấp nhất rủi ro tín dụng, và góp phần rút ngắn thời gian giải quyết hồ sơ vay vốn cho khách hàng Điều đó rất có ý nghĩa trong giai đoạn hiện nay, khi mà BIDV đang chuyển hướng phát triển hoạt động kinh doanh bán lẻ nói chung và phát triển tín dụng tiêu dùng nói riêng Một mô hình XHTD khoa học, với khả năng dự đoán cao sẽ giúp BIDV kiểm soát tốt chất lượng tín dụng, giảm thiểu dự phòng rủi ro phải trích, rút ngắn thời gian giao dịch với khách hàng vay, giúp nâng cao khả năng cạnh tranh của BIDV.
Việc xây dựng mô hình XHTD cá nhân vay tiêu dùng tại BIDV phải có sự xem xét, đối chiếu tính đồng nhất với các NHTM khác Vì nếu khách hàng được XHTD cao ở các NHTM khác nhưng lại bị BIDV XHTD thấp sẽ dẫn đến tình trạng khách hàng chuyển sang sử dụng dịch vụ tại các NHTM khác, và BIDV sẽ mất cơ hội phát triển khách hàng tốt Ngược lại, nếu khách hàng bị các NHTM khác xếp hạng thấp, trong khi BIDV lại xếp hạng cao sẽ dẫn tới rủi ro tín dụng.
Hệ thống XHTD cá nhân vay tiêu dùng không thể tự điều chỉnh nhanh chóng để phù hợp với những biến động của nền kinh tế và những thay đổi trong cách sống, cách suy nghĩ, và cách ứng xử của con người Một hệ thống đánh giá tín dụng không linh hoạt sẽ là mối đe dọa nguy hiểm cho chương trình tín dụng tiêu dùng của BIDV vì nó sẽ mang lại cho BIDV những khoản tín dụng rủi ro không thể chấp nhận được Vì vậy BIDV phải thường xuyên kiểm tra, xem xét lại tính phù hợp và khắc phục những nhược điểm của hệ thống XHTD hiện hữu NHNN cũng quy định cụ thể đối với vấn đề này tại Điểm b, Khoản 2, Điều 5, Thông tư số 02/2013/TT- NHNN ngày 21/01/2013: “ít nhất mỗi năm một lần, hệ thống XHTD nội bộ phải được xem xét, sửa đổi, bổ sung trên cơ sở số liệu, thông tin khách hàng thu thập được trong năm”.
▪ Kiện toàn nguồn dữ liệu khách hàng cá nhân Điểm số tín dụng của người vay phải được đánh giá lại ít nhất mỗi năm một lần Ngoài ra, nhân viên quản lý khách hàng phải đánh giá lại điểm số tín dụng của người vay bất kỳ lúc nào khi có sự kiện xảy ra gây ảnh hưởng đến khả năng trả nợ của người vay để kịp thời xử lý Tuy nhiên, để phát hiện những sự kiện xảy ra với người vay, nhân viên quản lý khách hàng phải có kiểm tra sau cho vay theo định kỳ hoặc đột xuất, phải thường xuyên theo dõi thông tin người vay từ các tổ chức đánh giá tín dụng và thông tin từ Trung tâm thông tin tín dụng NHNN (CIC).
Các kết quả chấm điểm tín dụng phải được lưu trữ đầy đủ, có tính lịch sử cùng với hồ sơ tín dụng của người vay, kể cả đối với khách hàng bị từ chối cấp tín dụng.
▪ Thống nhất hình thức tài liệu, chứng từ làm căn cứ xác định đối với các chỉ tiêu trên hệ thống xếp hạng tín dụng cá nhân vay tiêu dùng