Ứng dụng mô hình logistic xây dựng quy trình xếp hạng tín dụng doanh nghiệp vay vốn tại ngân hàng acb

LÝ THUYẾT CHUNG VỀ PHƯƠNG PHÁP CHẤM ĐIỂM TÍN DỤNG

Tổng quan về̀ xế́p hạng tín dụng

1.1.1 Khái niệm xếp hạng tín nhiệm

Xếp hạng tín nhiệm (credit ratings) là thuật ngữ bắt nguồn từ tiếng Anh (credit: sự tín nhiệm; ratings: sự xếp hạng) do John Moody đưa ra vào năm 1909 trong cuốn “Cẩm nang chứng khoán đường sắt” khi tiến hành nghiên cứu, phân tích và công bố bảng xếp hạng tín nhiệm lần đầu tiên cho 1500 loại trái phiếu của 250 công ty theo một hệ thống ký hiệu gồm ba chữ cái ABC được xếp lần lượt từ “Aaa” đến “C” (hiện nay những ký hiệu này đã trở thành chuẩn mực quốc tế).

Tuy nhiên, xếp hạng tín nhiệm chỉ phát triển nhanh ở Mỹ sau cuộc khủng hoảng kinh tế 1929 – 1933 khi hàng loạt các nhà phát hành trái phiếu bị phá sản, vỡ nợ Thời kỳ này, chính phủ Hoa Kỳ đã có nhiều quy định về việc cấm các định chế đầu tư (các quỹ hưu trí, các quỹ bảo hiểm, ngân hàng dự trữ) bỏ vốn đầu tư mua lại các loại trái phiếu có độ tin cậy thấp dưới mức an toàn trong bảng xếp hạng tín nhiệm Những quy định này đã làm cho uy tín của các công ty xếp hạng tín nhiệm ngày một lên cao Song, trong suốt hơn 50 năm, việc xếp hạng tín nhiệm chỉ được phổ biến ở Mỹ, chỉ từ đầu những năm 1970 đến nay, dịch vụ xếp hạng tín nhiệm mới được mở rộng và phát triển khá mạnh ở nhiều nước.

Ngày nay, khái niệm xếp hạng tín nhiệm chưa có được sự nhận thức thống nhất Theo Bohn, John A viết trong cuốn “Phân tích rủi ro trên thị trường đang chuyển đổi thì “Xếp hạng tín nhiệm là sự đánh giá về khả năng một nhà phát hành có thể thanh toán đúng hạn cả gốc và lãi đối với một loại chứng khoán nợ trong suốt thời gian tồn tại của nó”.

Theo định nghĩa của công ty chứng khoán Merrill Lynch, xếp hạng tín nhiệm là đánh giá hiện thời của công ty xếp hạng tín nhiệm về chất lượng tín dụng của một nhà phát hành chứng khoán nợ, về một khoản nợ nhất định Nói cách khác đi, đó là đánh giá hiện thời về chất lượng tín dụng được xem xét trong hoàn cảnh hướng về tương lai, phản ánh sự sẵn sàng và khả năng nhà phát hành có thể thanh toán gốc và lãi đúng hạn Trong kết quả xếp hạng tín nhiệm chứa đựng cả ý kiến chủ quan của chuyên gia xếp hạng tín nhiệm.

Theo công ty Moody’s, xếp hạng tín nhiệm là ý kiến về khả năng và sự sẵn sàng của một nhà phát hành trong việc thanh toán đúng hạn cho một khoản nợ nhất định trong suốt thời hạn tồn tại của khoản nợ.

Như vậy, có thể khái quát, xếp hạng tín nhiệm là sự đánh giá hiện thời về mức độ sẵn sàng và khả năng trả (gốc và lãi) đối với chứng khoán nợ của một nhà phát hành trong một thời gian tồn tại của chứng khoán đó Xếp hạng tín nhiệm là kết quả của việc đánh giá tổng hợp tất cả các rủi ro về thanh toán gốc và lãi của các khoản nợ hiện tại và tương lai của nhà phát hành Kết quả xếp hạng tín nhiệm chứa đựng ý kiến chủ quan của các chuyên gia xếp hạng tín nhiệm Về mặt nào đó, xếp hạng tín nhiệm có thể xem là một hình thức tư vấn đầu tư chứng khoán, song đây không hoàn toàn là một lời khuyên nên mua hay nên bán bất kỳ một loại chứng khoán nào Hầu hết các công cụ nợ được xếp hạng tín nhiệm là các loại trái phiếu công ty và trái phiếu chính phủ, các loại trái phiếu, kỳ phiếu ngân hàng Ở một số nước, xếp hạng tín nhiệm còn được áp dụng cho cả đối tượng vay vốn ngân hàng.

1.1.2 Đối tượng của xếp hạng tín dụng

Hệ thống XHTD tiếp cận đến tất cả các yếu tố có liên quan đến rủi ro tín dụng ,các NHTM không sử dụng kết quả XHTD nhằm thể hiện giá trị của người đi vay mà đơn thuần là đưa ra ý kiến hiện tại dựa trên các nhân tố rủi ro , từ đó có chính sách tín dụng và giới hạn cho vay phù hợp.

Xếp hạng người đi vay chủ yếu dự báo nguy cơ vỡ nợ theo 3 cấp độ cơ bản là nguy hiểm , cảnh báo và an toàn dựa trên xác xuất không trả được nợPD(Probability of Default).Cơ sở của xác xuất này là dữ liệu về các khoản nợ quá khứ trong vòng 5 năm trước đó của khách hàng, gồm các khoản nợ đã trả,khoản nợ trong hạn và khoản nợ không thu hồi được Dữ liệu được phân theo 3 cũng như các đánh giá của các tổ chức xếp hạng; Nhóm dữ liệu định tính phi tài chính liên quan đến trình độ quản lý, khả năng nghiên cứu và phát triển sản phẩm mới,các dữ liệu tăng trưởng về ngành;Và nhóm dữ liệu mang tính cảnh báo liên quan đến các hiện tượng báo hiệu khả năng không trả được nợ, tình hình số dư tiền gửi, hạn mức thấu chi Các nhóm dữ liệu này đưa vào một mô hình định sẵn để xử lý, từ đó tính được xác xuất không trả nợ của khách hàng. Đó có thể là mô hình tuyến tính, mô hình Logit và thường được xây dựng bởi các tổ chức tư vấn chuyên nghiệp.

Xếp hạng khoản vay dựa trên cơ sở xếp hạng người vay và các yếu tố bao gồm tài sản đảm bảo, thời gian cho vay, tổng mức dư nợ tại các tổ chức tín dụng, năng lực tài chính Rủi ro của khoản vay được đo lường bằng xác xuất rủi ro dự kiến EL(ExpectedLoss).

1.1.3 Tầm quan trọng của xếp hạng tín dụng

Hệ thống XHTD của NHTM nhằm cung cấp những dự đoán khả năng xảy ra rủi ro tín dụng có thể được hiểu là sự khác biệt về mặt kinh tế giữa những gì mà người đi vay hứa thanh toán với những gì mà những gì mà NHTM thực sự nhận được Khái niệm rủi ro được xét đến ở đây là một sự không chắc chắn hay một tình trạng bất ổn có thể ước đoán được xác xuất xảy ra Khái niệm tín dụng được hiểu là quan hệ chuyển giao quyền sử dụng vốn lẫn nhau giữa người cho vay và người đi vay trên nguyên tắc có hoàn trả.Quan hệ tín dụng dựa trên nền tảng sự tin tưởng lẫn nhau gữa các chủ thể.

Rủi ro là khả năng xảy ra tổn thất ngoài dự kiến Vì vậy trong bất kỳ lĩnh vực nào của đời sống đều có thể xảy ra rủi ro Đối với cuộc sống đời thường rủi ro có thể là những điều hết sức đơn giản chẳng hạn như bị mất cắp ; đối với các ngân hàng thương mại luôn luôn phải đối mặt với các loại rủi ro đó có thể là rủi ro do khách hàng trả nợ không đúng hạn, cũng có thể là do ngân hàng không đáp ứng được nhu cầu rút tiền của người gửi tiền……

Ngân hàng thương mại là doanh nghiệp kinh doanh loại hàng hoá đặc biệt – hàng hoá tiền tệ, tiềm ẩn nhiều rủi ro Đa phần trong đó là các khoản tiền gửi phải trả khi có yêu cầu Nguồn tiền của các ngân hàng thương mại đang có thay đổi mạnh mẽ do sự gia tăng cạnh tranh trong hệ thống ngân hàng, giữa các ngân hàng với các tổ chức tài chính dưới ảnh hưởng của công nghệ thông tin và quá trình toàn cầu hoá Các nguồn tiền của cá nhân và doanh nghiệp dễ dàng di chuyển hơn, nhạy cảm với lãi suất hơn Điều này tạo thuận lợi cho ngân hàng trong việc tìm kiếm nguồn tiền song lại làm tăng tính kém ổn định của cả hệ thống Mặt khác tài sản của các ngân hàng chủ yếu là các động sản tài chính (các khoản cho vay, chứng khoán) với tính rủi ro thị trường, rủi ro tín dụng rất cao. Công nghệ của Ngân hàng ngày càng phát triển cho phép các Ngân hàng có thể chuyển nguồn tiền đầu tư của mình tới những vùng xa trụ sở Điều này vừa làm giảm bớt rủi ro của Ngân hàng do đa dạng hoá khách hàng nhưng đồng thời cũng làm tăng tính rủi ro do những biến động lớn trên thị trường Thế giới, khu vực và do Ngân hàng không kiểm soát tốt được các khoản vay…Điều này không chỉ xảy ra ở thị trường Việt Nam mà còn diễn ra ở trên Thế giới Chẳng hạn vào cuối năm 1997, khủng hoảng tài chính đã làm cho nhiều Ngân hàng ở châu Á bị mất hàng tỷ đô la Mỹ, bị phá sản hoặc phải sát nhập; cũng vào năm 1997, nhiều Ngân hàng thương mại Việt Nam do mở rộng cho vay tràn lan đã rơi vào tình trạng nợ quá hạn, nợ khó đòi Tóm lại tất cả các loại rủi ro của ngân hàng đều có bản chất chung đó là khả nảng xảy ra tổn thất cho ngân hàng.

1.1.3.2 Thiệt hại từ rủi ro tín dụng

Khi rủi ro tín dụng ảnh hưởng nặng nề đến hoạt động kinh doanh của NHTM sẽ gây tâm lý hoang mang lo sợ cho người gửi tiền và có thể những người gửi tiền sẽ ồ ạt rút tiền làm cho toàn bộ hệ thông ngân hàng gặp khó khăn.Sự hoảng loạn này ảnh hưởng rất lớn đến toàn bộ nền kinh tế , làm cho sức mua giảm, giá cả tăng, xã hội mất ổn định Rủi ro tín dụng của NHTM trong nước cũng ảnh hưởng đến nền kinh tế các nước có liên quan do sự hội nhập đã gắn chặt mối

NHTM gặp rủi ro tín dụng sẽ khó thu được vốn tín dụng đã cấp và lãi cho vay, nhưng ngân hàng phải trả vốn và lãi vay cho khoản tiền huy động khi đến hạn, điều này làm cho ngân hàng mất cân đối thu chi, mất khả năng thanh khoản, làm mất lòng tin người gửi tiền, ảnh hưởng đến uy tín của ngaanh hàng.

1.1.3.3 Vai trò của xếp hạng tín dụng trong quản trị rủi ro

Hệ thống XHTD giúp NHTM quản trị rủi ro tín dụng bằng phương pháp tiên tiến, giúp kiểm soát mức độ tín nhiệm khách hàng, thiết lập mức lãi suất cho vay phù hợp với dự báo khả năng thất bại cảu từng nhóm khách hàng.NHTM có thể đánh giá hiệu quả danh mục cho vay thông qua giám sát sự thay đổi dư nợ và phân loại nợ trong từng nhóm khách hàng đã được xếp hạng , qua đó điều chỉnh danh mục theo hướng ưu tiên nguồn vào những nhóm khách hàng an toàn

1.1.4 Nguyên tắc xếp hạng tín dụng

Trong quá trình chấm điểm tín dụng, cán bộ chấm điểm tín dụng sẽ thu được điểm ban đầu và điểm tổng hợp để xếp hạng khách hàng.

- Điểm ban đầu là điểm của từng tiêu chí chấm điểm tín dụng cán bộ chấm điểm tín dụng xác định được sau khi phân tích tiêu chí đó.

- Điểm tổng hợp để xếp hạng khách hàng bằng điểm ban đầu nhân với trọng số.

Các mô hình chấ́m điể̉m tín dụng

Các mô hình chấm điểm tín dụng thường sử dụng các số liệu phản ánh đặc điểm của người vay để tính toán xác suất của rủi ro tín dụng hoặc để phân loại khách hàng căn cứ vào mức độ rủi ro được xác định Bằng việc lựa chọn và kết hợp các đặc điểm tài chính và kinh doanh của người vay, các tổ chức tín dụng có thể:

+ Xác định mức ảnh hưởng của các nhân tố đến rủi ro tín dụng.

+ So sánh mức độ quan trọng giữa các nhân tố.

+ Cải thiện việc định giá rủi ro tín dụng.

+ Tính toán chính xác hơn mức dự trữ cần thiết cho các rủi ro tín dụng dự tính. Để sử dụng các mô hình này, các tổ chức tín dụng phải xác định được các chỉ tiêu phản ánh các đặc điểm tài chính và kinh doanh có liên quan đến rủi ro tín dụng cho từng đối tượng vay cụ thể Đối với cho vay tiêu dùng, các đặc điểm của người vay trong mô hình chấm điểm tín dụng có thể bao gồm: thu nhập, tài sản, lứa tuổi, nghề nghiệp và địa điểm Đối với các khoản tín dụng cấp cho các doanh nghiệp thì tỷ lệ giữa vốn nợ và vốn tự có thường là chỉ tiêu chủ yếu Mô hình chấm điểm tín dụng bao gồm 4 loại sau:

 Mô hình xác suất tuyến tính.

 Mô hình phân biệt tuyến tính.

Nội dung chủ yếu cũng như những điểm mạnh và điểm yếu của từng kỹ thuật sẽ được trình bày sau đây:

1.2.1 Mô hình xác suất tuyến tính

Mô hình xác suất tuyến tính sử dụng số liệu quá khứ, chẳng hạn các số liệu kế toán, làm dữ liệu đầu vào để giải thích quá khứ chi trả cho các khoản đã vay Mức độ quan trong tương đối của các yếu tố được sử dụng để giải thích quá trình chi trả trong quá khứ sẽ được sử dụng để dự đoán xác suất chi trả cho các khoản vay mới ( p i ) Giả sử các khoản vay cũ được chia thành hai nhóm: nhóm có rủi ro mất vốn ( Z i = 1) và nhóm không có rủi ro ( Z i = 0) Chúng ta thiết lập mối quan hệ giữa các nhóm này với các nhân tố ảnh hưởng tương ứng ( X ij ) phản ánh đặc điểm của người vay thứ I (như cơ cấu vốn hay thu nhập) theo mô hình đường thẳng tuyến tính với công thức sau:

Trong đó,  j phản ánh mức độ quan trọng của chỉ tiêu thứ j (thí dụ cơ cấu vốn) trong việc giải thích quá khứ chi trả của người vay Lấy các giá trị của  j nhân với các nhân tố X ij của một người vay mới chúng ta sẽ dự tính được giá trị của Z i Giá trị này phản ánh xác suất bình quân rủi ro mất vốn của người vay E(

Z i ) = (1 – p i ); p i là xác suất trả khoản nợ vay.

Kỹ thuật này thực được hiện một cách đơn giản khi các số liệu phản ánh đặc điểm của người vay được cung cấp Tuy nhiên điểm yếu của nó là ở chỗ xác suất rủi ro mất vốn rất dễ nằm ngoài khoảng từ 0 đến 1 Các mô hình logit và probit sau đây sẽ khắc phục được nhược điểm này bằng cách giới hạn phạm vi dự tính xác suất rủi ro nằm trong khoảng từ 0 đến 1.

Mô hình logit giới hạn xác suất lũy kế của rủi ro mất vốn đối với một khoản tín dụng nằm trong khoảng từ 0 đến 1 và giả sử xác suất này được phân bổ theo dạng hàm số:

Trong đó, e là cơ số tự nhiên, F Z ( ) i là xác suất lũy kế của mức rủi ro đối với một khoản vay, và được tính toán theo mô hình đường thẳng tuyến tính tương tự như mô hình trên Như vậy, chúng ta có thể xác định giá trị dự tính của

Z i theo hàm số tuyến tính cho một người vay mới, sau đó thay thế giá trị Z i vào bên phải của hàm số logit để xác định giá trị của F( Z i ) – xác suất lũy kế của rủi ro mất vốn được phân bổ theo một dạng hàm số logit cụ thể.

Mô hình probit cũng hạn chế xác suất rủi ro tín dụng dự tính trong khoảng từ 0 đến 1, nhưng nó khác với mô hình trên khi giả thiết rằng xác suất của rủi ro có dạng phân bổ chuẩn (normal distribution) chứ không phân bổ theo hàm số logit như đồ thị 4.3 Tuy nhiên, khi được nhân với một yếu tố cố định thì giá trị

1.2.4 Mô hình phân biệt tuyến tính

Trong khi các mô hình xác suất tuyến tính, logit và probit đều dự tính mức xác suất của rủi ro tín dụng đối với một khoản tín dụng được cấp, thì mô hình này có tác dụng phân loại những người vay căn cứ vào mức độ rủi ro có liên quan đến các chỉ tiêu ( X j ) phản ánh các đặc điểm tài chính và kinh doanh của họ.

Thí dụ sau đây xem xét mô hình phân biệt được xây dựng bởi E.I.Altman giành cho công ty sản xuất của Mỹ Chỉ số biến động Z đo lường toàn bộ mức độ rủi ro của người vay Chỉ số này phụ thuộc vào giá trị của các chỉ số tài chính phản ánh tình trạng tài chính của người vay ( X j ) và mức độ quan trọng của các chỉ số này trong việc quyết định mức độ rủi ro của người vay Các giá trị này, đến lượt nó được xác định thông qua kinh nghiệm phân tích và so sánh giữa hai nhóm người vay có rủi ro và không có rủi ro được rút ra từ một mô hình phân biệt Hàm số phân biệt của Altman có dạng sau:

X 1 = Tỷ lệ giữa vốn lưu động và tổng tài sản có.

X 2= Tỷ lệ giữa lợi nhuận tích lũy và tổng tài sản có.

X 3= Tỷ lệ giữa lợi nhuận trước thuế và lãi suất trên tổng tài sản có.

X 4= Tỷ lệ giữa giá trị thị trường của cổ phiếu và giá kế toán của cá khoản nợ dài hạn.

X 5= Tỷ lệ giữa doanh thu và tổng tài sản có.

Giá trị của Z càng lớn thì mức độ rủi ro dự tính của người vay càng nhỏ. Giá trị của Z càng nhỏ hoặc là âm có thể là căn cứ để xếp loại người vay vào nhóm có rủi ro cao.

Giả sử các chỉ số tài chính của một khách hàng tiềm năng có các giá trị sau:

Chỉ số X 2 = 0 và X 3< 0 cho thấy khách hàng đang bị lỗ trong giai đoạn hiện tại; chỉ số X 4= 10% chứng tỏ tỷ lệ vốn nợ cao Tuy nhiên, chỉ số phản ánh mức độ thanh khoản ( X 1) và tỷ lệ doanh thu ( X 5) lại tương đối khả quan Tổng hợp lại, giá trị Z sẽ cho thấy một chỉ số chung phản ánh mức độ rủi ro tín dụng dự tính của một khách hàng trên cơ sở kết hợp cả 5 chỉ số, có tính đến mức độ quan trọng của từng chỉ số trong việc giải thích quá khứ trả nợ của khách hàng. Giá trị chụ thể của Z là:

Theo mô hình của Altman, bất kỳ khách hàng nào có điểm số Z nhỏ hơn 1,81 sẽ bị xếp vào khu vực có rủi ro cao Trong trường hợp cụ thể này các tổ chức tín dụng không nên cấp tín dụng cho đến khi khách hàng cải thiện được chỉ số thu nhập của họ.

Moody’s Investors Service (Moody’s) và Standard & Poor's (S&P) là hai tổ chức tín nhiệm có uy tín và lâu đời tại Mỹ và cũng là những tổ chức tiên phong trong lĩnh vực xếp hạng tín nhiệm trên thế giới, sau đó có thêm Fitch Investors Service Ngày nay, các tổ chức tín nhiệm này của Mỹ hoạt động trên các thị trường tài chính lớn và cả những thị trường mới nổi trên toàn cầu Kết quả xếp hạng tín nhiệm của các tổ chức này được đánh giá rất cao.

THỰC TRẠNG CÔNG TÁC CHẤM ĐIỂM TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI ACB

Quy trình chấ́m điểmvà xếp hạng tín dụng tại ACB

2.2.1 Đối tượng chấm điểm tín dụng và xếp hạng

-Áp dụng đối với toàn bộ khách hàng doanh nghiệp bao gồm doanh nghiệp cũ (cấp hoặc/và tăng thêm) và doanh nghiệp mới (cấp mới)

-Doanh nghiệp cũ (cấp hoặc/và tăng thêm) : Là doanh nghiệp đã và đang quan hệ tín dụng với ACB và không có thời gian gián đoạn quan hệ tín dụng trên 6 tháng tại ACB.

-Doanh nghiệp mới(cấp mới) : Là doanh nghiệp mới có quan hệ tín dụng cưa đến kỳ trả nợ đầu tiên( nợ gốc và/hoặc nợ lãi)

Chú ý: Đây là quy trình chấm điểm xếp hạng tín dụng áp dụng đối với những DN có đầy đủ báo cáo tài chính

2.2.2 Quy trình chấm điểm tín dụng và xếp hạng khách hàng doanh nghiệp ở ACB trên phần mềm TCBS

-Nhân viên quan hệ khách hàng(NV.QHKH) tiến hành điều tra , thu thập và tổng hợp thông tin về khách hàng phương án sản xuất kinh doanh, dự án đầu tư và các thông tin khác theo mẫu Bảng câu hỏi phỏng vấn khách hàng (dành cho khách hàng doanh nghiệp)-Phụ lục 1

-Kết quả công việc: thông tin khách hàng doanh nghiệp; bao gồm: thông tin tài chính và phi tài chính a,Thông tin tài chính

-Báo cáo tài chính sử dụng trong hệ thống phải là BCTC trọn năm.Không sử dụng BCTC quý; chỉ sử dụng các thông tin tài chính quý như doanh thu quý, lợi nhuận quý; tốc độ phất triển doanh thu quý để trả lời các thông tin phi tài chính liên quan

-Thông tin tài chính được sử dụng để nhập vào hệ thống chấm điểm tín dụng phải là thông tin tài chính được thẩm định.

- Nhập báo cáo tài chính của doanh nghiệp trong 2 năm gần nhất phải cùng 1 loại báo cáo tài chính. b,Thông tin phi tài chính

-Thông tin tài chính được sử dụng để nhập vào hệ thống chấm điểm tín dụng phải là thông tin phi tài chính được trình bày tại tờ trình thẩm định và được thu thập thêm từ một số tài liệu khác do khách hàng cung cấp.

2.2.2.2 Xác định ngành nghề, lĩnh vực kinh doanh của khách hàng

- Việc xác định ngành nghề kinh doanh của khách hàng dựa vào hoạt động sản xuất kinh doanh chính của khách hàng Hoạt động sản xuất kinh doanh chính là hoạt động đem lại từ 50% tổng doanh thu trong 3 năm liên tục của khách hàng.

- Trường hợp khách hàng kinh doanh đa ngành nhưng không có ngành nào có doanh thu chiếm trên 50% tổng doanh thu thì Đơn vị được quyền lựa chọn ngành có tiềm năng phát triển nhất trong các ngành mà khách hàng có hoạt động để chấm điểm và xếp hạng.

-Trong trường hợp CBTD không xác định được ngành nghề kinh doanh của DN theo 2 phương pháp trên thì có thể chấm ngành có chỉ tiêu khắt khe hơn theo quan điểm rủi ro.

Phân loại doanh nghiệp theo ngành kinh tế

2 Chế biến gỗ và sản xuất sản phẩm từ gỗ và lâm sản khác

3 Chế biến thủy hải sản

5 Chế biến lương thực thực phẩm, đò uống , thức ăn chăn nuôi

6 May , sản xuất trang phục và da giày

7 SX phân bón , hóa chất cơ bản , hạt nhựa cao su tổng hợp

8 SX thuốc, hóa dược , dược liệu

10 SX điện tử , máy tính vi quang học, thiết bị viễn thông

11 SX vậy liệu xây dựng (trừ thép)

12 SX và phân phối điện, năng lượng , dịch vụ viễn thông

14 Kinh doanh BĐS và cơ sở hạ tầng

15 Thương mại hàng tiêu dùng

16 Thương mại hàng công nông lâm nghiệp

17 Kinh doanh vận tải đường bộ

18 Kinh doanh dịch vụ lưu trú , ăn uống, vui chơi giải trí

19 Kinh doanh dịch vụ giáo dục y tế

20 Kinh doanh dịch vụ quảng cáo , tư vấn giám sát, in ấn

21 SX đồ gia dụng , thiết bị văn phòng , thiết bị giáo dục, trang TBYT

22 Cơ khí, chế tạo MMTB

23 Dệt- nhuộm- các sản phẩm dệt, nhuộm

24 Kho bãi và các HĐ hỗ trợ

25 SX kim loại , các sản phẩm từ kim loại đúc sẵn( trừ MMTB)

26 Kinh doanh vận tải đường thủy , hàng không

2.2.2.3 Xác định quy mô doanh nghiệp

- Phân loại doanh nghiệp theo quy mô được thực hiện trên cơ sở 02 tiêu thức: Vốn chủ sở hữu và số lao động Doanh nghiệp được xếp loại lớn, vừa và nhỏ nếu thoả mãn một trong 2 điều kiện về vốn chủ sở hữu hoặc số lao động.

- Cách xác định quy mô :

Chỉ tiêu Cách xác định

Chỉ tiêu Vốn chủ sở hữu – trên bảng cân đối kế toán

2 Số lượng lao động bình quân

Số lượng lao động = Số lượng lao động thương xuyên + Bình quân gia quyền số lượng lao động thời vụ theo tháng ( dựa trên số lương)

Tỳư 5 tỷ đến dưới 10 tỷ Vừa

Từ 200 đến dưới 300 người Vừa

2.2.2.4 Xác định loại hình sở hữu của Doanh nghiệp

- Doanh nghiệp Nhà nước : bao gồm doanh nghiệp 100% vốn nhà nước hoạt động theo Luật Doanh nghiệp Nhà nước ; Công ty TNHH Nhà nước do Trung ương và địa phương quản lý và công ty cổ phần mà Nhà nước chiếm giữ trên 50% vốn điều lệ

- Doanh nghiệp có vốn đầu tư nước ngoài : bao gồm các doanh nghiệp có vốn đầu tư của nước ngoài Khu vực này có các loại hình chủ yếu là Doanh nghiệp 100% vốn nước ngoài , Doanh nghiệp Liên doanh và các Công ty cổ phần có vốn đầu tư nước ngoài chiếm từ 5% vốn điều lệ trở lên

- Doanh nghiệp khác: bao gồm các doanh nghiệp có nguồn vốn thuộc sỏ hữu tập thể , tư nhân một người hoặc nhóm người hoặc có sở hữu Nhà nước nhưng chiếm dưới 50% vốn điều lệ Các loại hình doanh nghiệp khác bao gồm các Doanh nghiệp tư nhân ; các Công ty hợp danh ; Các công ty trách nhiệm hữu hạn tư nhân ; các công ty cổ phần có tỷ lệ vốn nhà nước chiếm dưới 50% vốn điều lệ.

2.2.2.5.Chấm điểm chỉ tiêu tài chính

-Sử dụng bộ giá trị dùng để đánh giá các sô liệu tài chính để đánh gí tình hình tài chính của khách hàng.

-NV.QHKH nhập báo cáo tài chính của tối thiểu 2 năm gần nhất đồng thời cập nhật thêm một số thông tin tài chính khác vào hệ thống.

-Hệ thống sẽ tự chấm điểm tài chính.

2.2.2.6.Chấm điểm các chỉ tiêu phi tài chính

-Sử dụng bộ giá trị dùng đánh gí các số liệu phi tài chính để chấm điểm các thông tin phi tài chính cảu khách hàng.

-NV.QHKH trả lời các câu hỏi phi tài chính từ hệ thống

-Hệ thống sẽ tự đọng chaamsvaf tổng hợp điểm phi tài chính

2.2.2.7.Tổng hợp điểm và xếp loại

-Hệ thống sẽ tự động tổng hợp điểm và cho ra kết quả xếp loại doanh nghiệp.

2.2.3 Thao tác trên phần mềm TCBS

2.2.3.1 Đăng nhập hệ thống và lựa chọn quyền sử dụng

-Kích hoạt hệ thống màn hình đăng nhập xuất hiện:

-Nhập tên người sử dụng và password.Chọn OK để đăng nhập, chọn Close để thoát khỏi hệ thống

-Tại màn hình Scoring KHDN

-Chọn Scoring system -> Xet duyet->Nhan vien quan he khach hang

-Xuất hiện màn hình sau:

-Kiểm tra thông tin khách hàng và nhập những thông tin còn thiếu:

+Chọn loại hình doanh nghiệp

+Chọn ngành nghề chi tiết

2.2.3.3 Nhập thông tin tài chính a,Nhập BCTC Thuế /Nội bộ :từ màn hình “ Nhap thong tin khach hang” sau khi chon “Add new”->Nhấn nút “Chi tieu”, chọn”1.BCTC Thue”

-Nhập đầy đủ các thông tin trong bảng”Nhap thong tin dinh luong khach hang

Scoring Xet duyet”->”Process” b,Nhập BCTC Thẩm định: từ màn hình “Nhap thong tin khach hang”->nhấn nút

“Chi tieu TC”, chọn “2.BCTC Tham dinh”

-Nhập đầy đủ các thông tin trong bảng”Bao Cao Tai Chinh Tham Dinh”-

>”Process” c,Nhập BCTC Thời điểm: từ màn hình “Nhap thong tin khach hang”->nhấn nút

“Chi tieu TC”, chọn “3.BCTC Thoi diem”

-Nhập đầy đủ các thông tin trong bảng” Bao Cao Thoi Diem Gan Nhat”-

>”Process” d,Nhập Dự phòng Kết quả kinh doanh và nhu cầu Vốn lưu động: từ màn hình

“Nhap thong tin khach hang”->nhấn nút “Chi tieu TC”, chọn “4.Du phong KQKD”

-Nhập đầy đủ các thông tin trong bảng” Ket Qua Kinh Doanh Du Phong”-

2.2.3.4 Nhập thông tin phi tài chính

-Từ màn hình “Nhap thong tin khach hang”-> Chọn “Chi tieu PTC”, lần lượt nhập các thông tin trong phần Chỉ tiêu phi tài chính a,Nhập “Quá trình hình thành và phát triển”:từ màn hình “Nhap thong tin khach hang”->chọn “1.Qua trinh HT” b,Nhập “Ban điều hành , thành viên góp vốn”:từ màn hình “Nhap thong tin khach hang”->chọn “2.Ban Dieu Hanh”

-Sau khi nhập thông tin xong-> nhập nhận xét chung

-Cuối cùng nhấn nút “Danh gia” để chấm điểm các chỉ tiêu liên quan đến thành viên góp vốn , ban điều hành c,Nhập “Mặt bằng SXKD”:từ màn hình “Nhap thong tin khach hang”->chọn

-Sau khi nhập thông tin xong-> nhập nhận xét chung

-Cuối cùng nhấn nút “Danh gia” để chấm điểm các chỉ tiêu liên quan đến MB SXKD d,Nhập “Máy móc thiết bị”:từ màn hình “Nhap thong tin khach hang”->chọn

-Sau khi nhập thông tin xong

-Cuối cùng nhấn nút “Danh gia” để chấm điểm các chỉ tiêu liên quan đến

MMTB e,Nhập “Thị trường”:từ màn hình “Nhap thong tin khach hang”->chọn

-Sau khi nhập thông tin xong

Đánh giá mô hình xếp hạng tín dụng của ngân hàng ACB

2.3.1 Mặt tích cực của hệ thống xếp hạng tín dụng doanh nghiệp

- Hệ thống xếp hạng tín dụng được thiết kế trên phần mềm TCBS rất đơn giản và dễ áp dụng Với 14 chỉ tiêu tài chính, 5 chỉ tiêu phi tài chính Các chỉ tiêu này rất dễ thu thập số liệu và tính toán cho ra kết quả nhanh chóng.

- Việc đánh giá khách hàng khá toàn diện bao gồm: năng lực tài chính, hiệu quả sản xuất kinh doanh, uy tín trong quan hệ tín dụng, môi trường ngành… từ đó đánh giá được khả năng trả nợ trong tương lai của khách hàng.

2.3.2 Mặt hạn chế của hệ thống xếp hạng tín dụng nội bộ

Thứ nhất, phương pháp sử dụng các chỉ tiêu chưa đầy đủ và toàn diện:

- Các chỉ tiêu tài chính chủ yếu lấy từ báo cáo hàng năm để phân tích trong khi trong năm đó doanh nghiệp có rất nhiều chu kỳ kinh doanh khác nhau Chính vì thế quá trình 6 tháng 1 lần thực hiện đánh giá lại hạng mức khách hàng là thừa vì vẫn sử dụng báo cáo của năm trước để phân tích.

- Các chỉ tiêu phi tài chính rất khó quan sát phụ thuộc nhiều vào yếu tố chủ quan.

Thứ hai, các nguồn thông tin cung cấp đôi khi không được đầy đủ hoặc những thông tin không chính xác Chính vì thế tìm một nguồn thông tin chính xác là một điều khó khăn trong công tác xếp hạng tín dụng doanh nghiệp.

Thứ ba, phần mềm thực hiện chấm điểm khách hàng chỉ đơn giản đưa ra nhận định về hạng mức của khách hàng Vẫn phụ thuộc vào người xếp hạng rất nhiều, việc nhập số liệu chưa thực sự tự động hóa Do đó, nếu cán bộ chấm điểm thực hiện thay đổi số liệu thì kết quả xếp hạng cũng thay đổi theo.

Thứ tư, quá trình chấm điểm dựa trên những chỉ tiêu bất biến Không có sự thay đổi linh hoạt các chỉ tiêu khi một điều kiện nào đó bị thay đổi làm ảnh hưởng tính chính xác của mô hình đánh giá.

2.3.3 Nguyên nhân của những hạn chế trong công tác xếp hạng tín dụng doanh nghiệp tại ACB

- Thông tin không đầy đủ

Nguồn thông tin duy nhất mà ngân hàng có là từ báo cáo tài chính mà khách hàng cung cấp Tuy nhiên, trong hoạt động chấm điểm tín dụng còn cần thêm rất công sức bỏ ra rất lớn dẫn tới ngân hàng đôi khi không thu thập đủ số liệu về khách hàng.

- Trên thị trường chưa có nhiều tổ chức xếp hạng tín dụng doanh nghiệp để ngân hàng thực hiện so sánh, tham khảo.

- Cơ sở dữ liệu còn phân tán do đó để đánh giá một khách hàng người thẩm định phải tự thu thập thông tin và mất nhiều thời gian.

- Nhiều trường hợp xếp hạng không chính xác: do sức ép của chính sách khách hàng (Chỉ cho vay thêm và vay mới với những khách hàng thuộc nhóm 1 đến 3) để tăng lợi nhuận cho chi nhánh, và hoàn thành kế hoạch kinh doanh…Nên chi nhánh có tình đánh giá sai tình hình hoạt động của khách hàng Thông thường họ sẽ tác động vào chỉ tiêu phi tài chính vì các chỉ tiêu này phụ thuộc vào yếu tố chủ quan của người đánh giá xếp hạng.

Kinh nghiệm xếp hạng tín dụng của một số ngân hàng thương mại và tổ chức kiểm toán ở việt nam

Trong quản trị rủi ro, ngân hàng chủ yếu sử dụng hệ thống XHTD để đánh giá khách hàng Tuy nhiên, trong một số trường hợp, NHTM cũng cần tham khảo thông tin xếp hạng tín nhiệm được công bố của các ngân hàng và tổ chức kiểm toán trong nước, nhất là đối với những khách hàng có quan hệ tín dụng với nhiều ngân hàng khác nhau.

Trung tâm Thông tin tín dụng của NHNN (CIC) thực hiện xếp hạng tín nhiệm doanh nghiệp theo hướng dẫn của NHNN Việt Nam nhằm tiến tới tiêu chuẩn hóa đánh giá các chỉ tiêu tài chính có thể áp dụng cho các NHTM trong nước CIC hiện đang sử dụng các chỉ tiêu tài chính để chấm điểm theo hướng dẫn tại quyết định 57/2002/QĐ-NHNN ngày 24/01/2002 của NHNN bao gồm: tính thanh khoản, cân nợ, thu nhập, tình hình hoạt động qua ba năm tài chính liên tục.

Các doanh nghiệp niêm yết được xếp hạng cũng được phân theo quy mô,nguồn vốn kinh doanh, số lao động, doanh thu thuần, chỉ tiêu nộp ngân sách nhà nước Ngoài ra, kết quả khảo sát tổng hợp các yếu tố: bảng cân đối kế toán, kết quả kinh doanh, tình hình dư nợ ngân hàng, các thông tin phi tài chính… cũng được coi là yếu tố quan trọng để đánh giá chất lượng tín dụng doanh nghiệp Kết quả này chủ yếu được CIC đem cung cấp cho các tổ chức tín dụng làm cơ sở phục vụ việc cấp vốn của các tổ chức này Căn cứ vào độ tin cậy tín dụng của các DN được khảo sát, cũng có thể xem đây là một gợi ý, kênh tham khảo nhỏ về chất lượng DN để nhà đầu tư tự đưa ra quyết định rót vốn đúng đắn Tuy nhiên, mô hình này rõ ràng còn có nhiều hạn chế do không đánh giá cao các chỉ tiêu phi tài chính dẫn tới độ chính xác không cao.

Công ty TNHH Ernst & Young Việt Nam (E&Y) là tổ chức kiểm toán có xây dựng hệ thống XHTD riêng phục vụ cho việc đánh giá xếp hạng khách hàng được kiểm toán, đồng thời E&Y cũng được một số NHTM tin cậy sử dụng dịch vụ tư vấn tài chính như : Hợp đồng Xây dựng hệ thống chấm điểm tín dụng nội bộ Ngân hàng TMCP Việt Á (VAB) đã được ký kết ngày 06/5/2008; Ngân hàng TMCP Á Châu (ACB) cũng mới ký kết thỏa thuận tư vấn với E&Y để hoàn thiện hệ thống xếp hạng nội bộ của mình.

Các ngân hàng như BIDV, Viettinbank, Vietcombank cũng xây dựng dụng hệ thống XHTD áp dụng riêng cho cá nhân và doanh nghiệp Hệ thống các chỉ tiêu tài chính được đánh giá trong mô hình xếp hạng dựa theo khung hướng dẫn của NHNN và có điều chỉnh vài hệ số thống kê ngành theo tính toán từ dữ liệu hệ thống thông tin tín dụng của từng ngân hàng (Phụ lục 1- phụ lục 6).

Hiện nay, CIC và một số các ngân hàng thương mại ở nước ta sử dụng mô hình chuẩn đoán để xếp hạng tín dụng đối với các doanh nghiệp là các khách hàng có quan hệ tín dụng đối với các ngân hàng Đây là một tín hiệu mới trong việc tiến hành đánh giá rủi ro ở Việt Nam so với trước đây Tuy nhiên, việc dùng mô hình chuẩn đoán để đánh giá hiện nay thể hiện một số hạn chế nhất định như: chưa đảm bảo tính khách quan, đầy đủ, nhất quán do chưa có hội đồng tín dụng bao gồm các chuyên gia tín dụng có kinh nghiệm Các chỉ tiêu đánh giá được lựa chọn và ấn định trọng số vẫn chưa có những minh chứng cụ thể Hơn nữa, kết quả xếp hạng chưa thể hiện được một cách rõ ràng về khả năng vỡ nợ của một doanh nghiệp.

Tóm lại, kết quả xếp hạng tín dụng đã góp phần xây dựng chính sách tín dụng, chính sách khách hàng phù hợp với mức độ rủi ro tín dụng để nâng cao hiệu quả cũng như bảo đảm an toàn cho hoạt động tín dụng của ACB Đồng thời, thiết lập hệ thống cơ sở dữ liệu thông tin rủi ro về khách hàng, lĩnh vực

Tuy nhiên, việc dùng mô hình chấm điểm để đánh giá hiện nay thể hiện một số hạn chế nhất định như: chưa đảm bảo tính khách quan, đầy đủ, nhất quán do chưa có hội đồng tín dụng bao gồm các chuyên gia tín dụng có kinh nghiệm Các chỉ tiêu đánh giá được lựa chọn và ấn định điểm số vẫn chưa có những minh chứng cụ thể Hơn nữa, kết quả xếp hạng chưa thể hiện được một cách rõ ràng về khả năng vỡ nợ của một doanh nghiệp Chương ba sẽ đề suất dùng mô hình logit giải quyết được phần nào những hạn chế của mô hình chấm điểm của ngân hàng.

ỨNG DỤNG MÔ HÌNH LOGISTIC XÂY DỰNG QUY TRÌNH XẾP HẠNG TÍN DỤNG DOANH NGHIỆP VAY VỐN TẠI NGÂN HÀNG ACB

Mô hình Logit

3.1.1 Cơ sở của việc lựa chọn mô hình Logistic

Hiện nay, bên cạnh phương pháp chuyên gia, các phương pháp dự báo rủi ro tín dụng doanh nghiệp dựa trên dữ liệu thống kê đang phát triển ngày càng mạnh mẽ cả về chiều rộng và chiều sâu Từ mô hình xác suất tuyến tính LPM và phương pháp MDA đã được sử dụng từ những năm 1930, đến phương pháp hồi quy Logistic, Probit đang được ứng dụng rộng rãi từ những năm 1980 và gần đây thì xuất hiện các cách thức tiếp cận mới sử dụng phương pháp thống kê phi thông số (non-parametric) phức tạp như lân cận gần nhất K, mạng nơ ron thần kinh.

* Mô hình xác suất tuyến tính

Mô hình xác suất tuyến tính (Linear probability model - LPM) là mô hình ước lượng đa biến dùng phương pháp bình phương tối thiếu OLS Mô hình này gặp phải nhiều hạn chế:

- Sai số hồi quy không phân phối chuẩn

- Không thỏa mãn điều kiện cơ bản của xác suất trong khoảng 0-1

- Tác động biến không đổi, trong khi bản chất của mô hình xác suất là tác động biến thay đổi theo từng giá trị của biến độc lập.

Chính vì vậy, mô hình này hầu như không còn được sử dụng trong dự báo rủi ro tín dụng.

* Phân tích biệt số đa nhân tố MDA, Logit và Probit

Phân tích biệt số đa nhân tố (MDA) là dạng tổng quát của hàm phân biệt tuyến tính MDA có các giả định cơ bản:

- Số lượng các nhóm rời rạc và được định nghĩa trước.

- Biến độc lập có phân phối chuẩn; tương quan giữa các biến độc lập thấp

- Ma trận hiệp phương sai của các nhóm là như nhau.

- Hàm phân biệt là tuyến tính.

Năm 1968, MDA đã được Altman sử dụng để dự báo khả năng phá sản rất hiệu quả Tuy nhiên, từ những năm 1980 trở lại đây thì hồi quy Logistic lại được sử dụng phổ biến Lý do là Logit không có bất cử giả thiết nào về phân phối của các biến độc lập, kiểm định thống kê không phức tạp, có thể điều chỉnh hàm phi tuyến dễ dàng, các biến độc lập định tính thông qua việc thiết lập biến giả có thể chuyển thành định lượng.

* Lân cận gần nhất K và mạng nơ ron thần kinh

Machine learning (nhiều tác giả dịch là “học máy”) là một lĩnh vực của trí tuệ nhân tạo mà nó liên quan đến thiết kế và phát triển các thuật toán cho phép cải thiện khả năng thực thi các chức năng dựa trên cơ sở dữ liệu Mục tiêu chính trong nghiên cứu machine learning là đưa ra những mô hình có kết quả được tạo ra một cách tự động từ những quy luật hay kiểu mẫu từ dữ liệu Do đó, các mô hình này đòi hỏi phải có dữ liệu đầu vào lớn Các thuật toán của machine learing đang được sử dụng để xếp hạng tín nhiệm trên thế thới như là những kỹ thuật riêng lẻ tốt nhất: lân cận gần nhất K và mạng nơ ron thần kinh.

- Lân cận gần nhất K: Là một trong số những thuật toán machine learning đơn giản nhất Thuật toán này phân loại dựa trên phương pháp chọn những quan sát gần nhau trong không gian vectơ đa chiều của các biến độc lập thành một nhóm, mức độ gần nhau của các quan sát phụ thuộc vào K K là một số nguyên dương và có đặc trưng là nhỏ Tương tự đối với hồi quy, bằng cách phân giá trị của quan sát gần với trung bình giá trị của nhóm các quan sát nằm trong khoảng lân cận gần nhất K Giá trị của bên nào càng gần mức trung bình thì tỷ trọng của nó càng lớn.

- Mạng nơ ron thần kinh: Là một kỹ thuật phân tích khác để xây dựng mô hình dự báo Mạng nơ ron thần kinh có thể bắt chước và nhận thức được các trạng thái thực đối với dữ liệu đầu vào không đầy đủ hoặc dữ liệu với một số lượng biến rất lớn Kỹ thuật này đặc biệt phù hợp với mô hình dự báo mà không có công thức toán học nào được biết để miêu tả mối quan hệ giữa các biến đầu vào và đầu ra Hơn nữa nó hữu dụng khi mục tiêu dự báo là quan trọng hơn giải thích Một trong những thuận lợi của mô hình mạng là nó có thể giải quyết mối quan hệ phi tuyến.

Stone và Rasp (1991), Maddala (1991) trong các nghiên cứu của mình đã so sánh Logit với ước lượng OLS và cho cùng kết quả Logit thích hợp hơn OLS. Martin (1977), Press và Wilson (1978), Wiginton (1980) chỉ ra rằng Logit thì vượt trội hơn MDA; Yesilvaprak (2004) khi so sánh mạng nơ ron thần kinh với MDA và Logit cũng cho kết quả mạng nơ ron dự báo tốt nhất, thứ hai là Logit và sau cùng là MDA.

Vậy các nghiên cứu đã cho ta một kết luận: Mô hình ước lượng và dự báo dựa trên phương pháp lân cận gần nhất K và mạng nơ ron thần kinh tốt hơn mô hình Logit và Probit, sau đó mới là MDA và LPM Nhưng do lân cận gần nhất K và mạng nơ ron thần kinh đòi hỏi dữ liệu đầu vào lớn, các phương pháp này cũng rất phức tạp và chưa phổ biến ở nước ra Nên việc lựa chọn mô hình tốt Logit là hợp lý vì yêu cầu mẫu không quá cao, ít ràng buộc về mặt giả thiết, hiện đang được sử dụng rộng rãi trên thế giới.

Như vậy ta thấy phương pháp xây dựng mô hình xếp hạng tín dụng hay rủi ro tín dụng dựa trên hàm Logistic là phương pháp phù hợp đối với các ngân hàng ở Việt Nam hiện nay.

3.1.2 Cơ sở lý thuyết mô hình LOGIT

Mô hình Logistic là mô hình hồi quy trong đó biến phụ thuộc là biến giả Có rất nhiều hiện tượng, nhiều quá trình mà khi mô tả bằng mô hình kinh tế lượng, biến phụ thuộc lại là biến chất, do đó cần phải dùng đến biến giả (biến giả là biến rời rạc, nó có thể nhận một trong hai giá trị: 0 và 1).

Mô hình Logistic – Phương pháp Goldberger

Trong mô hình này, các pi được xác định bằng:

Trong mô hình trên, pi không phải là hàm tuyến tính của các biến độc lập.

Phương trình (1.1) được gọi là hàm phân bố Logistic Trong hàm này khi  X   nhận các giá trị từ - đến thì pi nhận giá trị từ 0-1 pi phi tuyến đối với cả X và các tham số  Điều này có nghĩa là ta không thể áp dụng trực tiếp OLS để ước lượng Người ta dùng ước lượng hợp lý tối đa để ước lượng 

Vì Y chỉ nhận một trong hai giá trị 0 – 1 Y có phân bố nhị thức, nên hàm hợp lý với mẫu kích thước n có dạng sau đây:

  1 X , t * là véc tơ hai chiều (số hệ số hồi quy) Ta cần tìm ước lượng hợp lý tối đa của  , ta có:

Phương trình trên phi tuyến đối với  , người ta dùng phương pháp Newton-Raphson để giải hệ phương trình này.

Nếu như  ˆ là nghiệm của S(  ˆ ), khai triển Taylor tại  , ta có:

Ta có quá trình lặp như sau:

Bắt đầu với giá trị ban đầu nào đó của  , chẳng hạn  0 , ta tính được

S và I    0 , sau đó tìm  mới bằng công thức sau đây:

Quá trình lặp trên sẽ được thực hiện cho đến khi hội tụ Do I    là dạng đại Tương ứng với  ˆ , ta có  I    ˆ   1 là ma trận hiệp phương sai của  ˆ Chúng ta sử dụng ma trận này để kiểm định giả thiết và thực hiện các suy đoán thống kê khác.

Sau khi ước lượng được  ˆ , ta có thể tính được ước lượng xác suất pi=P(Y=1/Xi).

Kết hợp với (1.2) ta có  p ˆ i X i   Y i X i

Phương trình này dùng để kiểm định lại các p ˆ i

Như vậy trong mô hình Logit chúng ta không nghiên cứu ảnh hưởng trực tiếp của biến độc lập Xk đối với Y mà xem xét ảnh hưởng của Xk đến xác suất Y để nhận giá trị bằng 1 hay kỳ vọng của Y. Ảnh hưởng của Xk đến pi được tính như sau:

3.2 Sử dụng mô hình xây dựng quy trình xếp hạng doanh nghiệp vay vố́n tại ngân hàng ACB

3.2.1.Ảnh hưởng của các chỉ tiêu tài chính đến xác xuất vỡ nợ của doanh nghiệp

3.2.1.1 Giới thiệu bộ số liệu

Bộ số liệu được thu thập từ Báo cáo tài chính năm 2010 - 2011 của các doanh nghiệp đang vay vốn tại ACB

Trung bình mỗi doanh nghiệp lấy BCTC của một và hai năm trước khi có nợ xấu, mục đích là để làm tăng số quan sát, giải quyết vấn đề thiếu hụt dữ liệu.

Khả năng dự báo của mô hình do đó tốt nhất trong kỳ hạn 1-2 năm trước khi có nợ xấu Sau đó, các doanh nghiệp có nợ quá hạn được lọc lại một lần nữa, doanh nghiệp nào có BCTC không đầy đủ hoặc các chỉ tiêu trong BCTC không ăn khớp với nhau (ví dụ TSNH + TSDH # TTS) sẽ bị loại.

quy trình xếp hạng tín dụng doanh nghiệp bằng mô hình LOGIT

- Xét quy mô của doanh nghiệp(X1), cách xác định đã được trình bày ở chương 2

+Đối với chỉ tiêu tài chính:

Các chỉ tiêu lấy từ

Các chỉ tiêu tính toán Cách tính các chỉ tiêu

Tài sản ngắn hạn Khả năng thanh toán hiện hành(X2)

=Tài sản ngắn hạn/Nợ ngắn hạn

Nợ ngắn hạn Vòng quay hàng tồn kho(X6)

=Giá vốn hàng bán/ Hàng tồn kho bình quân

Giá vốn hàng bán Vòng quay các khoản phải thu(X7)

=Doanh thu thuần /Các khoản phải thu bình quân

Hàng tồn kho bình quân

Tổng nợ phải trả/Tổng tài sản(X9)

=Tổng nợ phải trả/Tổng tài sản

Doanh thu thuần Nợ dài hạn/ Vốn chủ sở hữu(X10)

=Nợ dài hạn/Vốn chủ sở hữu

Các khoản phải thu bình quân

ROE(X13) =Lợi nhuận sau thuế/Vốn chủ sỡ hữu bình quân

Tổng nợ phải trả EBIT/Chi phí lãi vay(X15) =(Lợi nhuận trước thuế

+Chi phí lãi vay)/ Chi phí lãi vay Tổng tài sản

+Cuối cùng tính xác xuất vỡ nợ của doanh nghiệp theo chỉ tiêu tài chính(p1)

-Đối vơí chỉ tiêu phi tài chính:

+Sau khi thu thập thông tin từ mẫu bảng hỏi phỏng vấn doanh nghiệp(Phụ lục

) ta sẽ đánh giá được 5 chỉ tiêu phi tài lớn như sau:

STT Chỉ tiêu Đánh giá

1 Hiệu quả/Tính ổn định trong hoạt động sản xuất kinh doanh

2 Tính ổn định của thị trường đầu vào/đầu ra/ khả năng cạnh tranh của DN

3 Khả năng trả nợ/Phương án kinh doanh D5=0

4 Tình hình giao dịch/Uy tín quan hệ tại

ACB và các TCTD khác

5 Tính ổn định của môi trường kinh doanh/rủi ro ngành

+Cuối cùng tính xác xuất vỡ nợ của doanh nghiệp theo chỉ tiêu phi tài chính(p2) :

- Bước cuối ta xét hạng doanh nghiệp khi có đươc xác xuất vỡ nợ theo chỉ tiêu tài chính và phi tài chính ơ trên bằng:

+Sau khi đã có kết qua ta đối chiếu xác xuất tính được với bàng sau để xác định hạng của doanh nghiệp

STT Hạng của khách hàng

Xác suất có nợ không đủ tiêu chuẩn

10 D 0.8 → 1 Có khả năng vỡ nợ

3.3.2 Áp dụng quy trình xếp hang tín dụng cho công ty cổ phần Á Châu

- Xét quy mô : Quy mô nhỏ  X1=0

Tính các chỉ tiêu tài chính:

Các chỉ tiêu tính toán Giá Trị

Khả năng thanh toán hiện hành(X2) 1.223

Vòng quay hàng tồn kho(X6) 4.296

Vòng quay các khoản phải thu(X7) 4.313

Tổng nợ phải trả/Tổng tài sản(X9) 0.539

Nợ dài hạn/ Vốn chủ sở hữu(X10) 0.489

EBIT/Chi phí lãi vay(X15) 100

Kết quả đánh giá các chỉ tiêu tài chính qua kết quả bảng phỏng vấn khách hàng

STT Chỉ tiêu Đánh giá

1 Hiệu quả/Tính ổn định trong hoạt động sản xuất kinh doanh

2 Tính ổn định của thị trường đầu vào/đầu ra/ khả năng cạnh tranh của DN

3 Khả năng trả nợ/Phương án kinh doanh D5=1

4 Tình hình giao dịch/Uy tín quan hệ tại ACB và các TCTD khác

5 Tính ổn định của môi trường kinh doanh/rủi ro ngành

- Xác định xác xuát vỡ nợ của doanh nghiệp, áp dụng Công thức

- Vậy Công ty cổ phần Á Châu được xếp hạng là BBB

Bước 4 : Đối chiếu với kết quả chấm điểm ở phần mềm TCBS

Chỉ tiêu Xếp hạng Điểm tài chính 61.4 Điểm phi tài chính 88.2 Điểm khách hàng 78.38

Hai quy trình xếp hạng tín dụng doanh nghiệp bên trên cho thấy không có quy trình nào là hoàn toàn chính xác mà chỉ có quy trình thích hợp nhất có thể áp dụng cho những nội dung đánh giá khác nhau Vì vậy, để đưa ra một đánh giá về hạng mức tín dụng của doanh nghiệp cần sử dụng cả hai phương pháp để đánh giá, sau đó, so sánh kết quả đánh giá và đưa ra kết quả cuối cùng sau khi đã xem xét kỹ lưỡng kết quả đạt được.

Qua quá trình nghiên cứu và thực hiện đề tài, em đã biết được các mô hình phân tích, đánh giá rủi ro tín dụng trong kinh doanh ngân hàng nói chung và tại ngân hàng ACB nói riêng Trong đó, mô hình xếp hạng tín dụng là một công cụ tối ưu phân tích, đánh giá rủi ro tín dụng trong hệ thống quản lý rủi ro tín dụng tại các ngân hàng Các ngân hàng khác nhau thì mô hình xếp hạng tín dụng là khác nhau Mỗi ngân hàng phải tự xây dựng cho riêng mình mô hình xếp hạng tín dụng, phù hợp với điều kiện của mình.Với những thay đổi của nền kinh tế thì mô hình xếp hạng cũng phải thay đổi linh hoạt sao cho phù hợp Có như vậy, mô hình xếp hạng mới đem lại hiệu quả thực sự cho ngân hàng.

Qua phần trình bày “Ứng dụng mô hình Logistic trong xếp hạng tín dụng doanh nghiệp tại ACB”, em thấy việc sử dụng mô hình Logit để dự báo hạng mức tín dụng ở một số doanh nghiệp Việt Nam là điều cần thiết, giúp hạn chế được phần nào rủi ro, quản lý được khách hàng… Tuy nhiên, mô hình vẫn có một số hạn chế nhất định: để thu được mô hình tốt đòi hỏi số biến đầu vào lớn, việc tiếp cận với nguồn số liệu hiện nay còn rất hạn chế, tiêu chí vỡ nợ (khả năng trả nợ) theo Luật phá sản hiện hành còn chưa cụ thể khó áp dụng trong thực tế, mô hình chưa xét đến tình hình của nền kinh tế trong nước và thế giới.

Và đây là một vấn đề có tính thời sự và khá mới mẻ cả về lý luận và thực tiễn, nên trong quá trình nghiên cứu xây dựng mô hình còn rất nhiều khó khăn.

Tuy nhiên, do vấn đề nghiên cứu phức tạp và với kiến thức còn hạn chế, tránh khỏi những thiếu sót Vì vậy, em rất mong nhận được sự đóng góp ý kiến của các thầy cô giáo cùng các bạn để hoàn thiện hơn nữa chuyên đề này.

Em xin chân thành cảm ơn!

DANH MỤC TÀI LIỆU THAM KHẢO

1- PGS.TS Nguyễn Quang Dong, Giáo trình Kinh tế lượng, NXB Khoa học và kỹ thuật, 2006.

2- Quy trình thực hiện và hướng dẫn xếp hạng doanh nghiệp trên phần mềm TCBS của Ngân Hàng ACB.

3- PGS.TS Phan Thị Thu Hà, Giáo trình Ngân hàng thương mại, NXB Đại học kinh tế quốc dân, 2007.

4- TS.Nguyễn Minh Kiều, Tài chính doanh nghiệp, NXB Thống kê, 2008.

6- Th.S Nguyễn Đức Chung, “Các phương pháp xếp hạng tín dụng doanh nghiệp điển hình trên thế giới” , Báo điện tử www.rating.com.vn, 24/11/2009.

7 Và một số trang web: www.acb.com.vn www.saga.vn

PHỤ LỤCPhụ lục 1 : Mẫu biểu thu thập thông tin khách hàng doanh nghiệp

Phụ lục 2 : Mô hình đầy đủ biến số (Xác định xác xuất vỡ nợ theo các chỉ tiêu tài chính) Dependent Variable: Y

Method: ML - Binary Logit (Quadratic hill climbing)

Covariance matrix computed using second derivatives

Variable Coefficient Std Error z-Statistic Prob

Mean dependent var 0.516484 S.D dependent var 0.502497 S.E of regression 0.492123 Akaike info criterion 1.533570 Sum squared resid 18.16387 Schwarz criterion 1.975039 Log likelihood -53.77742 Hannan-Quinn criter 1.711675 Restr log likelihood -63.02693 Avg log likelihood -0.590961

LR statistic (15 df) 18.49903 McFadden R-squared 0.146755 Probability(LR stat) 0.237339

Obs with Dep=0 44 Total obs 91

Phụ lục 3:Mô hình đã bỏ biến X3 và X4(Xác định xác xuất vỡ nợ theo các chỉ tiêu tài chính)

Phụ lục 4:Mô hình đã bỏ biến X5, X8(Xác định xác xuất vỡ nợ theo các chỉ tiêu tài chính)

Phụ lục 5: Mô hình đã bỏ biến X11, X12,X14(Xác định xác xuất vỡ nợ theo các chỉ tiêu tài chính)

Phụ lục 6: Mô hình đã bỏ biến C(Xác định xác xuất vỡ nợ theo các chỉ tiêu tài chính)

Mean dependent var 0.516484 S.D dependent var 0.502497 S.E of regression 0.507265 Akaike info criterion 1.498782 Sum squared resid 21.35736 Schwarz criterion 1.719517 Log likelihood -60.19458 Hannan-Quinn criter 1.587835 Avg log likelihood -0.661479

Phụ lục 7:Mô hình đầy đủ biến số(Xác định xác xuất vỡ nợ theo các chỉ tiêu phi tài chính)

Phụ lục 8:Mô hình hồi quy đầy đủ biến số(Xác định xác xuất vỡ nợ theo các chỉ tiêu tài chính và phi tài chính)

:Mô hình đã bỏ biến C(Xác định xác xuất vỡ nợ theo các chỉ tiêu tài chính và phi tài chính)

Mean dependent var 0.461538 S.D dependent var 0.501280 S.E of regression 0.492928 Akaike info criterion 1.379570 Sum squared resid 21.62500 Schwarz criterion 1.434754 Log likelihood -60.77045 Hannan-Quinn criter 1.401833 Avg log likelihood -0.667807

Chương I: LÝ THUYẾT CHUNG VỀ PHƯƠNG PHÁP CHẤM ĐIỂM TÍN DỤNG 3

1.1 Tổng quan về̀ xế́p hạng tín dụng 3

1.1.1 Khái niệm xếp hạng tín nhiệm 3

1.1.2 Đối tượng của xếp hạng tín dụng 4

1.1.3 Tầm quan trọng của xếp hạng tín dụng 5

1.1.3.2 Thiệt hại từ rủi ro tín dụng 6

1.1.3.3 Vai trò của xếp hạng tín dụng trong quản trị rủi ro 7

1.1.4 Nguyên tắc xếp hạng tín dụng 7

1.1.5 Quy trình xếp hạng tín dụng 8

1.2 Các mô hình chấ́m điể̉m tín dụng 8

1.2.1 Mô hình xác suất tuyến tính 9

1.2.4 Mô hình phân biệt tuyến tính 11

CHƯƠNG II: THỰC TRẠNG CÔNG TÁC CHẤM ĐIỂM TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI ACB 15

2.1.1 Quá trình hình thành và phát triển 15

2.1.2 Tình hình hoạt động của ACB trong thời gian qua 17

2.2 Quy trình chấ́m điểmvà xếp hạng tín dụng tại ACB 22

2.2.1 Đối tượng chấm điểm tín dụng và xếp hạng 22

2.2.2 Quy trình chấm điểm tín dụng và xếp hạng khách hàng doanh nghiệp ở ACB trên phần mềm TCBS 22

2.2.2.2 Xác định ngành nghề, lĩnh vực kinh doanh của khách hàng 23

Phân loại doanh nghiệp theo ngành kinh tế 24

2.2.2.3 Xác định quy mô doanh nghiệp 25

2.2.2.4 Xác định loại hình sở hữu của Doanh nghiệp 26

2.2.2.5.Chấm điểm chỉ tiêu tài chính 26

2.2.2.6.Chấm điểm các chỉ tiêu phi tài chính 26

2.2.2.7.Tổng hợp điểm và xếp loại 26

2.2.3 Thao tác trên phần mềm TCBS 26

2.2.3.1 Đăng nhập hệ thống và lựa chọn quyền sử dụng 26

2.2.3.3 Nhập thông tin tài chính 29

2.2.3.4 Nhập thông tin phi tài chính 31

2.2.3.5 Nhập thông tin tài sản 40

2.2.3.6 Xem kết quả chấm điểm 41

2.3 Đánh giá mô hình xếp hạng tín dụng của ngân hàng ACB 42

2.3.1 Mặt tích cực của hệ thống xếp hạng tín dụng doanh nghiệp 42

2.3.2 Mặt hạn chế của hệ thống xếp hạng tín dụng nội bộ 42

2.3.3 Nguyên nhân của những hạn chế trong công tác xếp hạng tín dụng doanh nghiệp tại ACB 42

2.4 Kinh nghiệm xếp hạng tín dụng của một số ngân hàng thương mại và tổ chức kiểm toán ở việt nam 43

CHƯƠNG III: ỨNG DỤNG MÔ HÌNH LOGISTIC XÂY DỰNG QUY TRÌNH XẾP HẠNG TÍN DỤNG DOANH NGHIỆP VAY VỐN TẠI NGÂN HÀNG ACB .46

3.1.1 Cơ sở của việc lựa chọn mô hình Logistic 46

3.1.2 Cơ sở lý thuyết mô hình LOGIT 48

Định dạng
Số trang	91
Dung lượng	2,39 MB