Thành phố Hồ Chí Minh Năm 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH TRẦN NGUYỄN THU HIỀN XỬ LÝ VÀ HẠN CHẾ NỢ XẤU TẠI NGÂN HÀNG TMCP Á CHÂU[.]
GIỚI THIỆU
Lý do lựa chọn đề tài
Trong một vài thập kỷ gần đây, vấn đề nợ xấu đã thu hút được nhiều sự chú ý hơn trước, nhất là khi nhiều nghiên cứu về sự thất bại của các ngân hàng đã cho thấy rằng chất lượng tài sản là một chỉ số của khả năng thanh toán Nhiều ngân hàng có một tỷ lệ cao của những khoản nợ xấu trước khi phá sản.
Mỗi một khoản nợ xấu trong lĩnh vực tài chính làm tăng khả năng dẫn đến ngân hàng gặp khó khăn và không có lợi nhuận Do vậy, giảm thiểu tỷ lệ nợ xấu là một phần không thể thiếu trong hoạt động tín dụng của ngân hàng với mục tiêu đảm bảo cho hoạt động tín dụng được an toàn, hiệu quả và là một điều kiện cần thiết để cải thiện tăng trưởng kinh tế Khi tỷ lệ nợ xấu cao, chúng sẽ ảnh hưởng đến các nguồn lực tài chính, kèm theo đó là việc kinh doanh thua lỗ của các ngân hàng thương mại (NHTM) Như vậy, tỷ lệ nợ xấu có khả năng cản trở tăng trưởng kinh tế và làm giảm hiệu quả kinh tế.
Cùng với tăng trưởng kinh tế vĩ mô, quy mô tín dụng ở các ngân hàng càng lớn dần cả về số dư nợ và số hợp đồng Tăng trưởng tín dụng kéo theo khả năng rủi ro tín dụng tiềm ẩn trong toàn hệ thống ngân hàng Rủi ro tín dụng thể hiện qua chỉ tiêu nợ xấu gây ra những hệ lụy xấu đến hoạt động của ngân hàng, chẳng hạn như là các ngân hàng phải gia tăng việc trích lập dự phòng rủi ro, dẫn đến giảm lợi nhuận Trường hợp phải trích lập dự phòng quá mức có thể làm cho lợi nhuận của các ngân hàng âm, từ đó làm mất niềm tin đối với các cổ đông và có thể dẫn đến thị giá cổ phiếu của ngân hàng suy giảm Nợ xấu tăng cao còn là một trong những nguyên nhân dẫn đến rủi ro thanh khoản, rủi ro kỳ hạn, thậm chí là rủi ro hệ thống trong thị trường tài chính Việc nhận thức được rủi ro và quản lý rủi ro đang là vấn đề cấp bách trong hệ thống ngân hàng Vì vậy, đánh giá rủi ro trong hoạt động cho vay là vấn đề mà hệ thống ngân hàng cần quan tâm nhiều nhất để làm sao hạn chế thấp nhất nợ xấu.
Ngân Hàng TMCP Á Châu (ACB) trong những năm gần đây đã đạt được những kết quả tích cực trong hoạt động kinh doanh, lợi nhuận trên vốn chủ sở hữu đạt trên 20% từ 2018 đến 2020 trong khi đó tỷ suất sinh lợi duy trì trên 1.5% Bên cạnh đó, ngân hàng
2 duy trì mức huy động vốn tăng 10% mỗi năm trong đó tiền gửi của khách hàng chiếm hơn 88% trong tổng số tiền gửi Các kết quả này cho thấy Ngân Hàng TMCP Á Châu có tình hình hoạt động kinh doanh ổn định trong 3 năm trở lại đây Tuy nhiên, có những dấu hiệu cho thấy chất lượng các khoản vay đang giảm dần thông qua tỷ lệ nợ xấu có xu hướng tăng trở lại Sau khủng hoảng nợ xấu năm 2012 thì Ngân Hàng TMCP Á Châu (ACB) đã thực hiện nhiều biện pháp để xử lý nợ xấu, kết quả là tỷ lệ nợ xấu đã giảm từ 2014 đến
2017, tuy nhiên 2018 tỷ lệ nợ xấu tăng 20% và đặc biệt năm 2020 tỷ lệ nợ xấu tăng lên đến 209% (nghĩa là gấp 2,09 lần năm 2019) Trước thực trạng này, tác giả nhận thấy tín cấp thiết trong việc thực hiện đề tài về hạn chế và xử lý nợ xấu tại ACB Ngoài việc phân tích thực trạng hoạt động kinh doanh, nợ xấu từ đó rút ra những hạn chế và đề xuất phương án giúp hạn chế nợ xấu tại ngân hàng mà tác giả đang công tác thì bài luận văn còn thực hiện xây dựng mô hình nghiên cứu các yếu tố tác động đến xác suất xảy ra nợ xấu của một khoản vay từ đó đề xuất ra các giải pháp gắn liền với kết quả nghiên cứu.
Thay vì như các nghiên cứu trước đa phần tập trung vào nghiên cứu các yếu tố tác động đến rủi ro tín dụng là tỷ lệ nợ xấu của một nhóm ngân hàng, theo đó các yếu tố tác động đến rủi ro tín dụng là đặc trưng chung của nhóm các NHTM trong mẫu thì việc thực hiện nghiên cứu cụ thể của rủi ro tín dụng là các khoản vay cụ thể tại một ngân hàng mà cụ thể là Ngân Hàng TMCP Á Châu (ACB) nhằm đưa ra lời giải thích đâu là yếu tố nội bộ liên quan đến khoản vay có tác động trực tiếp đến xác suất xảy ra nợ xấu sẽ mang đến tính khả thi và thực tế cao hơn cho nghiên cứu.
Do đó, Bài viết này nhằm phân tích các yếu tố vi mô ảnh hưởng đến rủi ro tín dụng tại Ngân Hàng TMCP Á Châu (ACB) Mô hình logit nhị phân và logit đa thức được sử dụng để ước lượng các yếu tố ảnh hưởng đến rủi ro tín dụng Bên cạnh đó, phân tích thực trạng nợ xấu và kết quả hoạt động của ngân hàng cũng sẽ cung cấp những thông tin thiết thực để đưa ra giải pháp một cách sâu sặc và thấu đáo nhất Kết quả nghiên cứu được kỳ vọng sẽ cung cấp góc nhìn mới trong hoạt động quản lý rủi ro tín dụng cho các ngân hàng Dựa vào kết quả nghiên cứu, một số khuyến nghị được đề xuất nhằm giúp
Ngân Hàng TMCP Á Châu (ACB) thực hiện tốt công tác quản lý rủi ro tín dụng.
Mục tiêu nghiên cứu
Bài nghiên cứu thực hiện với mục tiêu chung là đánh giá các yếu tố tác động đến xác suất xảy ra nợ xấu với các khoản vay tại Ngân Hàng TMCP Á Châu (ACB)
Mục tiêu cụ thể như sau:
- Dựa trên phân tích thực trạng hoạt động kinh doanh và tại Ngân Hàng TMCP Á Châu (ACB), xác định và chỉ ra các tồn tại trong hoạt động cho vay và nợ xấu tại ngân hàng.
- Đề xuất giải pháp cải thiện hoạt động xử lý nợ xấu tại Ngân Hàng TMCP Á Châu (ACB).
- Đưa ra hàm ý chính sách nhằm hạn chế nợ xấu tại Ngân Hàng TMCP ÁChâu (ACB) từ kết quả mô hình các yếu tố tác động đến xác suất xảy ra nợ xấu đối với các khoản vay dựa trên phương pháp hồi quy Logit.
Câu hỏi nghiên cứu
Để đạt được câu hỏi nghiên cứu trên thì các mục tiêu nghiên cứu cần có lời giải đáp là:
Dựa trên phân tích thực trạng hoạt động kinh doanh và tại Ngân Hàng TMCP Á Châu (ACB), xác định đâu là các tồn tại trong hoạt động cho vay và nợ xấu tại ngân hàng? Đâu là giải pháp cải thiện hoạt động xử lý nợ xấu tại Ngân Hàng TMCP Á Châu (ACB)?
Tác giả đưa ra được những hàm ý chính sách gì nhằm hạn chế nợ xấu tại NgânHàng TMCP Á Châu (ACB) từ kết quả mô hình các yếu tố tác động đến xác suất xảy ra nợ xấu đối với các khoản vay dựa trên phương pháp hồi quy Logit?
Phạm vi nghiên cứu
Về mặt không gian là Ngân Hàng TMCP Á Châu (ACB)
Về thời gian là 200 mẫu quan sát là thông tin các khoản vay liên quan đến hoạt động tín dụng tại ACB.
Phương pháp nghiên cứu
Dựa trên các nghiên cứu của Lộc và Tuyết (2011); Phan Đình Khôi và Nguyễn ViệtThành (2017), Phước và Toàn (2017) tác giả xây dựng mô hình hồi quy LPM và Logit đánh giá các yêu tố tác động đến xác suất xảy ra nợ xấu tại Ngân Hàng TMCP Á Châu(ACB) Trong nghiên cứu này tác giả thực hiện các kiểm định phương sai thay đổi, đa cộng tuyến cũng như kiểm định cho mức dự đoán đúng của mô hình.
Ý nghĩa của bài nghiên cứu
Về mặt cơ sở thực nghiệm bài nghiên cứu đã cung cấp thêm bằng chứng về việc áp dụng mô hình Logit trong việc phân tích và tính toán xác suất xảy ra nợ xấu tại Ngân Hàng TMCP Á Châu (ACB) từ đó đưa ra thêm cơ sở nghiên cứu cho các nghiên cứu tiếp theo có thể áp dụng tại những ngân hàng và chi nhánh khác
Về mặt thực tiễn, nghiên cứu đã tìm được mô hình giải thích cho xác suất xảy ra nợ xấu tại Ngân Hàng TMCP Á Châu (ACB) với các yếu tố nội bộ tác động trực tiếp đến qúa trình cho vay với tỷ lệ dự đoán đúng gần 70% Ngoài ra, bài nghiên cứu đã đưa ra những hàm ý chính sách góp phần hạn chế và xử lý nợ xấu tại Ngân Hàng TMCP Á Châu (ACB)
Bố cục của bài nghiên cứu
Trình bày lý do lựa chọn đề tài, vấn đề nghiên cứu, mục tiêu và câu hỏi nghiên cứu phạm vi nghiên cứu, đóng góp nghiên cứu và giới thiệu sơ lược phương pháp nghiên cứu
Chương 2: Cơ sở lý thuyết và tổng quan nghiên cứu.
Trình bày cơ sở lý thuyết về nợ xấu, các nghiên cứu nước ngoài, nghiên cứu tại Việt Nam về chủ đề nghiên cứu, hạn chế của các nghiên cứu trước cũng như những điểm mà nghiên cứu này có thể khắc phục.
Chương 3: Phương pháp nghiên cứu.
Giới thiệu mô hình nghiên cứu, đo lường biến, phương pháp nghiên cứu.
Chương 4: Kết quả và thảo luận.
Trình bày phân tích thực trạng nợ xấu tại Ngân Hàng TMCP Á Châu (ACB), trình
5 bày kết quả kiểm định, hồi quy và thảo luận kết quả hồi quy.
Chương 5: Kết luận và hàm ý chính sách.
Từ kết quả nghiên cứu đạt được, nghiên cứu đưa ra kết luận gì trả lời cho câu hỏi nghiên cứu cũng như hàm ý chính sách từ kết quả thu được.
CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU THỰC NGHIỆM
Cơ sở lý thuyết về nợ xấu
Theo“định nghĩa nợ xấu của Phòng Thống kê - Liên hợp quốc: “Về cơ bản, một khoản nợ được coi là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên 90 ngày; hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc chậm trả theo thỏa thuận; Như vậy, nợ xấu về cơ bản cũng được xác định dựa trên 2 yếu tố: (i) quá hạn trên
90 ngày và (ii) khả năng trả nợ nghi ngờ”.
Theo Ủy ban Basel về giám sát ngân hàng, tổ chức này không đưa ra định nghĩa cụ thể về nợ xấu Tuy nhiên, trong các hướng dẫn về các thông lệ chung tại nhiều quốc gia về quản lý rủi ro tín dụng, BCBS xác định, việc các khoản nợ bị coi là không có khả năng hoàn trả khi một trong hai hoặc cả hai điều kiện xảy ra: Một là, ngân hàng nhận thấy người vay không có khả năng trả nợ đầy đủ khi ngân hàng chưa thực hiện hành động gì để cố gắng thu hồi, hai là người vay đã quá hạn trả nợ quá 90 ngày.
Tại Việt Nam, hiện nay khái niệm nợ xấu được quy định trong thông tư 11/2021/TT-NHNN ngày 30/7/2021 của NHNN quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài Thông tư trên nêu lên quan điểm về nợ, nợ quá hạn và nợ xấu như sau:
- “Nợ” bao gồm các khoản Cho vay; Cho thuê tài chính; Chiết khấu, tái chiết khấu công cụ chuyển nhượng và giấy tờ có giá khác; Bao thanh toán; Các khoản cấp tín dụng dưới hình thức phát hành thẻ tín dụng; Các khoản trả thay theo cam kết ngoại bảng; Số tiền mua và ủy thác mua trái phiếu doanh nghiệp chưa niêm yết trên thị trường chứng khoán hoặc chưa đăng ký giao dịch trên thị trường giao dịch của các công ty đại chúng chưa niêm yết (Upcom), không bao gồm mua trái phiếu chưa niêm yết bằng nguồn vốn ủy thác mà bên ủy thác chịu rủi ro; Ủy thác cấp tín dụng; Tiền gửi (trừ tiền gửi thanh toán) tại tổ chức tín dụng trong nước, chi nhánh ngân hàng nước ngoài tại Việt Nam theo quy định của pháp luật và tiền gửi tại tổ chức tín dụng nước”ngoài.
- “Nợ quá hạn” là khoản nợ mà một phần hoặc toàn bộ nợ gốc và/hoặc lãi đã quá hạn.
- “Nợ xấu” là các khoản nợ thuộc các nhóm 3, 4, 5 bao gồm nợ dưới tiêu chuẩn, nợ nghi ngờ, nợ có khả năng mất vốn.
Theo thông tư 11/2021/TT-NHNN, các Tổ chức tín dụng được yêu cầu phân loại nợ theo 2 phương pháp như sau:
2.1.2.1 Phân loại nợ theo phương pháp định lượng
+ 1) Nợ nhóm 3 –“Nợ dưới tiêu chuẩn: (i) Nợ quá hạn từ 91 ngày đến 180 ngày; (ii) Nợ gia hạn nợ lần đầu; (iii) Nợ được miễn hoặc giảm lãi do khách hàng không đủ khả năng trả lãi đầy đủ theo hợp đồng tín dụng; (iv) Nợ thuộc một trong các trường hợp sau đây:
+ Nợ của khách hàng hoặc bên bảo đảm là tổ chức, cá nhân thuộc đối tượng mà tổ chức tín dụng, chi nhánh ngân hàng nước ngoài không được cấp tín dụng theo quy định của pháp luật;
+ Nợ được bảo đảm bằng cổ phiếu của chính tổ chức tín dụng hoặc công ty con của tổ chức tín dụng hoặc tiền vay được sử dụng để góp vốn vào một tổ chức tín dụng khác trên cơ sở tổ chức tín dụng cho vay nhận tài sản bảo đảm bằng cổ phiếu của chính tổ chức tín dụng nhận vốn góp;
+ Nợ không có bảo đảm hoặc được cấp với điều kiện ưu đãi hoặc giá trị vượt quá 5% vốn tự có của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài khi cấp cho khách hàng thuộc đối tượng bị hạn chế cấp tín dụng theo quy định của pháp luật;
+ Nợ cấp cho các công ty con, công ty liên kết của tổ chức tín dụng hoặc doanh nghiệp mà tổ chức tín dụng nắm quyền kiểm soát có giá trị vượt các tỷ lệ giới hạn theo quy định của pháp luật;
+ Nợ có giá trị vượt quá các giới hạn cấp tín dụng, trừ trường hợp được phép vượt giới hạn, theo quy định của pháp luật;
+ Nợ vi phạm các quy định của pháp luật về cấp tín dụng, quản lý ngoại hối và các tỷ lệ bảo đảm an toàn đối với tổ chức tín dụng, chi nhánh ngân hàng nước ngoài;
+ Nợ vi phạm các quy định nội bộ về cấp tín dụng, quản lý tiền vay, chính sách dự phòng rủi ro của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài;
+ v) Nợ đang thu hồi theo kết luận thanh tra.
(2) Nợ nhóm 4 - Nợ nghi ngờ, bao gồm: (i) Nợ quá hạn từ 181 - 360 ngày; (ii) Nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn dưới 90 ngày theo thời hạn trả nợ được cơ cấu lại lần đầu; (iii) Nợ cơ cấu lại thời hạn trả nợ lần thứ hai; (iv) Khoản nợ quy định tại điểm (iv) theo quy định nợ nhóm 3 quá hạn từ 30 - 60 ngày kể từ ngày có quyết định thu hồi; (v)
Nợ phải thu hồi theo kết luận thanh tra nhưng đã quá thời hạn thu hồi đến 60 ngày mà vẫn chưa thu hồi được.
(3) Nợ nhóm 5 - Nợ có khả năng mất vốn, bao gồm: (i) Nợ quá hạn trên 360 ngày; (ii) Nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn từ 90 ngày trở lên theo thời hạn trả nợ được cơ cấu lại lần đầu; (iii) Nợ cơ cấu lại thời hạn trả nợ lần thứ hai quá hạn theo thời hạn trả nợ được cơ cấu lại lần thứ hai; (iv) Nợ cơ cấu lại thời hạn trả nợ lần thứ ba trở lên, kể cả chưa bị quá hạn hoặc đã quá hạn; (v) Khoản nợ quy định tại điểm (iv) theo quy định nợ nhóm 3 quá hạn trên 60 ngày kể từ ngày có quyết định thu hồi; (vi) Nợ phải thu hồi theo kết luận thanh tra nhưng đã quá thời hạn thu hồi trên 60 ngày mà vẫn chưa thu hồi được; (vii) Nợ của khách hàng là tổ chức tín dụng được Ngân hàng Nhà nước công bố đặt vào tình trạng kiểm soát đặc biệt, chi nhánh ngân hàng nước ngoài bị phong tỏa vốn”và tài sản.
2.1.2.2 Phân loại nợ theo phương pháp định tính
Theo đó,“nợ cũng được phân thành 5 nhóm tương ứng như 5 nhóm nợ theo cách phân loại nợ theo phương pháp định lượng nhưng không nhất thiết căn cứ vào số ngày quá hạn chưa thanh toán nợ, mà căn cứ trên hệ thống xếp hạng tín dụng nội bộ và chính sách dự phòng rủi ro của tổ chức tín dụng được Ngân hàng Nhà nước chấp thuận Các nhóm nợ bao gồm:
(1) Nhóm 1 - Nợ đủ tiêu chuẩn, bao gồm: Các khoản nợ được tổ chức tín dụng, chi nhánh ngân hàng nước ngoài đánh giá là có khả năng thu hồi đầy đủ cả nợ gốc và lãi đúng hạn Các cam kết ngoại bảng được tổ chức tín dụng, chi nhánh ngân hàng nước ngoài đánh giá là khách hàng có khả năng thực hiện đầy đủ nghĩa vụ theo cam kết.
Tổng quan các nghiên cứu thực nghiệm về nợ xấu
Lộc và Tuyết (2011) về các nhân tố ảnh hưởng đến RRTD ngân hàng Nghiên cứu này sử dụng mô hình xác suất (probit) Tác giả sử dụng các yếu tố tài chính/phi tài chính đưa vào mô hình từ hồ sơ vay vốn của khách hàng Nghiên cứu của Lê và Lâm (2012) nghiên cứu “RRTD trong cho vay doanh nghiệp nhỏ và vừa tại Chi nhánh ngân hàng Đầu tư và phát triển Việt Nam ở Đồng Bằng Sông Cửu Long” phân tích các yếu tố ảnh hưởng đến RRTD với biến phụ thuộc rủi ro được xác định dựa vào đặc điểm hồ sơ khách hàng: có rủi ro và không có rủi ro Các tác giả đã chỉ ra rằng các yếu tố vi mô giải thích cho RRTD bao gồm: khả năng tài chính của người vay; sử dụng vốn vay; kinh nghiệm của cán bộ tín dụng; Đa dạng hóa hoạt động kinh doanh; Lĩnh vực ngành nghề chính tạo ra thu nhập để trả nợ; Kiểm tra và giám sát nợ vay; lịch sử vay vốn và Tài sản đảm bảo.
Nghiên cứu của Phan Đình Khôi và Nguyễn Việt Thành (2017) đã sử dụng mô hình logit nhị thức và logit đa thức sử dụng để ước tính các yếu tố ảnh hưởng đến RRTD Sử dụng mô hình và các biến gần giống với nghiên cứu của Lộc và Tuyết (2011) Tác giả cho rằng mô hình logit đa thức giải thích tốt hơn mô hình nhị thức Tuy nhiên, nghiên cứu này chi rủi ro thành 2 mức từ nhóm nợ Theo đó, mức không rủi ro thuộc nợ nhóm 1 và 2, rủi ro mức 1 thuộc nhóm nợ 3và4, rủi ro mức 2 thuộc nhóm nợ 5.
Phước và Toàn (2017) nghiên cứu “Các yếu tố ảnh hưởng đến RRTD tại ngân hàng ngoại thương chi nhánh Kiên Giang”, nghiên cứu sử dụng bộ dữ liệu gồm 120 hồ sơ tín dụng ngân hàng Mô hình logit nhị phân và logit đa thức được sử dụng để ước lượng các yếu tố ảnh hưởng đến RRTD Kết quả cho thấy logit đa thức thực hiện tốt hơn logit nhị phân Ở mức độ RRTD 1, tác động đến tín hiệu rủi ro bao gồm: Tài sản bảo đảm, năng lực tài chính, đa dạng hóa hoạt động kinh doanh, kinh nghiệm của cán bộ tín dụng cho vay và số lần kiểm tra giám sát vốn vay Ở mức RRTD 2, các yếu tố ảnh hưởng đến RRTD chỉ là bốn yếu tố liên quan đến tín hiệu, ít hơn một yếu tố Như vậy, với mức RRTD 1, tài sản thế chấp không ảnh hưởng đến mức độ RRTD 2 Nó đưa ra một số gợi ý về quản lý rủi ro và các gợi ý chính sách để giúp giảm nhẹ RRTD.
Thắng và Huân (2018) nghiên cứu “Đề xuất cảnh báo RRTD trong cho vay khách hàng doanh nghiệp của ngân hàng thương mại Việt Nam”, nghiên cứu sử dụng bộ dữ liệu gồm 210 mẫu quan sát để tìm ra tác động của từng yếu tố riêng biệt của khách hàng ảnh hưởng đến khả năng trả nợ của họ như thế nào Hai tác giả cũng đã ứng dụng mô hìnhBinary Logistic để đo lường những yếu tố ảnh hưởng đến RRTD cho vay doanh nghiệp bao gồm chỉ số thanh toán ngắn hạn, chỉ số thanh toán nhanh, vòng quy hàng tồn kho, hệ số nợ, vốn vay ngân hàng, ROE, ROA, trình độ quản lý, số năm hoạt động, lịch sử tín dụng, quy mô doanh nghiệp.
2.2.2 Nghiên cứu tại nước ngoài
Mục tiêu của các mô hình chấm điểm tín dụng là dự đoán mức độ tín nhiệm của khách hàng và xác định xem liệu họ có thể đáp ứng một nghĩa vụ tài chính nhất định hay không Các mô hình như vậy cho phép một tổ chức tài chính giảm thiểu rủi ro mất mát bằng cách thiết lập các quy tắc quyết định về việc khách hàng nhận được khoản vay và phê duyệt thẻ tín dụng Hồi quy logistic có thể được sử dụng để dự đoán các sự kiện vỡ nợ và mô hình hóa sự tồn tại của các biến khác nhau về mức độ tín nhiệm của người tiêu dùng Trong nghiên cứu này, chúng tôi sử dụng mô hình hồi quy logistic để dự đoán mức độ tín nhiệm của khách hàng ngân hàng bằng cách sử dụng các yếu tố dự đoán liên quan đến tình trạng cá nhân và lịch sử tài chính của họ Kiểm tra tính đầy đủ và độ chắc chắn của mô hình được thực hiện để đảm bảo rằng mô hình đang được hiểu và diễn giải một cách chính xác.
Hồi quy logistic là một trong những mô hình quan trọng nhất cho dữ liệu phản hồi phân loại Đây là một ví dụ về mô hình tuyến tính tổng quát có công dụng chính là ước tính xác suất xảy ra phản hồi nhị phân dựa trên một số biến dự báo Hồi quy logistic được sử dụng trong nhiều ứng dụng bao gồm nghiên cứu y sinh, nghiên cứu khoa học xã hội, tiếp thị cũng như các ứng dụng tài chính Một ví dụ của mô hình thứ hai là việc sử dụng mô hình hồi quy logistic nhị phân để chấm điểm tín dụng, đó là: mô hình hóa xác suất khách hàng đáng tin cậy (tức là có thể đáp ứng nghĩa vụ tài chính kịp thời) bằng cách sử dụng một số yếu tố dự đoán Những yếu tố dự đoán này có thể bao gồm quy mô khoản vay cũng như các thông tin cá nhân khác như thu nhập hàng năm, nghề nghiệp của khách hàng, các khoản nợ chưa thanh toán khác, hành vi không trả được nợ trong quá khứ và lịch sử tín dụng của họ.
Kharabsheh, B (2019) Nghiên cứu điều tra các yếu tố quyết định RRTD trong lĩnh vực ngân hàng Jordan Cả các biến số cụ thể của ngân hàng và các biến số kinh tế vĩ mô đều được đưa vào phân tích bằng cách sử dụng tập dữ liệu bảng cân bằng của tất cả các ngân hàng thương mại Jordan trong giai đoạn 2000-2017 Kết quả nghiên cứu cho thấy, RRTD gia tăng khi tỷ lệ vốn của ngân hàng, hoạt động kém hiệu quả và tốc độ tăng trưởng tín dụng tăng lên Trong khi đó, các ngân hàng lớn hơn và có lợi nhuận cao hơn phải đối mặt với RRTD thấp hơn Tuy nhiên, không có ảnh hưởng nào đến từ thanh khoản của ngân hàng Hơn nữa, các biến số kinh tế vĩ mô chỉ ra rằng khi tỷ lệ thất nghiệp tăng lên, RRTD tăng lên đáng kể và tác động tích cực đến nợ xấu Hơn nữa, kết quả cho thấy không có tác động đáng kể đến tăng trưởng GDP hoặc lạm phát Kết quả của nghiên cứu này cung cấp bằng chứng cho thấy RRTD bị ảnh hưởng bởi cả các yếu tố bên trong và bên ngoài và điều này được cho là sẽ có ý nghĩa quan trọng đối với các nhà hoạch định chính sách.
Mpofu và Nikolaidou (2018) kiểm tra thực nghiệm tác động của các yếu tố kinh tế vĩ mô đến tỷ lệ nợ xấu trên tổng dư nợ ở 22 nền kinh tế châu Phi cận Sahara Mpofu và Nikolaidou áp dụng phương pháp tiếp cận dữ liệu bảng điều khiển động trong giai đoạn 2000–2016 sử dụng OLS tổng hợp, hiệu ứng cố định FE, kỹ thuật ước tính GMM Sử dụng nhiều thông số kỹ thuật khác nhau, kết quả cho thấy rằng tốc độ tăng trưởng GDP thực tế tăng lên có tác động làm giảm đáng kể về mặt thống kê và kinh tế đối với tỷ lệ nợ xấu trên tổng dư nợ Cụ thể, tốc độ tăng trưởng GDP thực tế tăng một điểm phần trăm làm giảm nợ xấu trong khoảng 0,13–0,23 điểm% Ngoài ra, tỷ lệ lạm phát, tỷ lệ tín dụng trong nước đối với khu vực tư nhân của các ngân hàng tính theo tỷ lệ phần trăm GDP, VIX là đại diện cho sự biến động toàn cầu, độ mở thương mại và biến giả cho cuộc khủng hoảng tài chính toàn cầu 2008/2009, đều có tác động tích cực và đáng kể đến nợ xấu.
Hosen và cộng sự (2020) đã thực hiện phân tích bằng cách sử dụng tập dữ liệu bảng hàng năm của 26 ngân hàng thông thường hàng đầu và bốn ngân hàng Hồi giáo ở Bangladesh trong giai đoạn 2014 đến 2018 Phương pháp gộp chung ít nhất thông thường (OLS) được sử dụng để điều tra tác động của tăng trưởng tín dụng, các khoản cho vay, tỷ lệ tiền gửi, vốn hóa, chi phí hoạt động , quy mô, đa dạng hóa và tăng trưởng kinh tế đối với các khoản nợ xấu (NPL) Các kết quả thực nghiệm cho thấy bằng chứng rõ ràng rằng chi phí hoạt động có tác động tích cực đáng kể đến nợ xấu, trong khi tỷ lệ cho vay trên tiền gửi có tác động tiêu cực đến nợ xấu Kết quả cho thấy các nhà hoạch định chính sách cần giảm thiểu tình trạng kém hiệu quả của ngân hàng với quan điểm giảm nợ xấu, điều này cuối cùng sẽ làm giàu giá trị của cổ đông.
Theo Ghosh (2012) thì có sự đan xen giữa các yếu tố bên trong và bên ngoài có ảnh hưởng rủi ro tín dụng của ngân hàng Các yếu tố bên ngoài bắt nguồn từ sự suy yếu của kinh tế vĩ mô, tình trạng xấu đi của các điều kiện kinh tế và sự phát triển kém của thị trường bên ngoài Những yếu tố nội bộ liên quan đến rủi ro kinh doanh, quản trị tài chính, thiếu sót trong quản trị ngân hàng, sự thiếu hiệu quả trong hoạt động kinh doanh sẽ gây ra rủi ro tín dụng nhiều hơn.
Miyamoto (2014) đã nghiên cứu khảo sát các chỉ số cần thiết để đo lường rủi ro tín dụng cho ngân hàng nhỏ, sử dụng thông tin tài chính, cũng như thông tin doanh nghiệp của ngân hàng thu thập qua nhiều năm của mối quan hệ bằng cách sử dụng mô hình hồi quy đa thức Các phân tích trong nghiên cứu này cho thấy không chỉ thông tin tài chính mà thông tin phi tài chính là nguồn có giá trị cho một đánh giá rủi ro ngân hàng nhỏ.
Memić (2015) đã thực nghiên cứu này nhằm mục đích đánh giá dự báo rủi ro vỡ nợ trên thị trường ngân hàng ở Bosnia và Herzegovina Khả năng phân loại thông tin của công ty thành các nhóm khác nhau hoặc tìm ra một công cụ thích hợp có thể thay thế đánh giá của con người trong phân loại công ty thành tốt và xấu là một trong những mối quan tâm chính của các nhà nghiên cứu quản lý rủi ro trong một thời gian dài Nghiên cứu này đã điều tra khả năng và tính chính xác của dự đoán vỡ nợ bằng cách sử dụng các phương pháp thống kê truyền thống hồi quy nhị thức (logistic regression) và phân tích biệt số bội (multiple discriminant analysis) và so sánh khả năng dự đoán của các phương pháp này. Kết quả cho thấy các mô hình được tạo ra có khả năng tiên đoán cao Đối với mô hình logit, một số biến có ảnh hưởng nhiều đến dự đoán vỡ nợ so với các biến khác.
Nghiên cứu của Al-Aradi (2014) thực hiện điều tra các yếu tố tác động đến sác xuất xảy ra nợ xấu tại các ngân hàng thương mại, ứng dụng mô hình hồi quy với LogisticRegression Kết quả đã chi ra rằng những người có tài khoản séc lớn, có gia đình, phụ nữ đã ly hôn và độc thân khi ngân hàng cấp tín dụng thì xác suất an toàn sẽ cao hơn 1.6 lần so với các nhóm còn lại.
Zhao và Cao (2021) sử dụng phương pháp Markov Chain Monte Carlo (MCMC) được sử dụng để ước tính các tham số của phân phối Logistic, và phương pháp này được sử dụng để phân loại mức độ rủi ro tín dụng của khách hàng ngân hàng OpenBUGS là phần mềm phân tích bayesian dựa trên phương pháp MCMC Nghiên cứu này sử dụng phần mềm OpenBUGS để đưa ra ước lượng bayesian về các tham số của mô hình hồi quy logistic nhị thức và khoảng tin cậy tương ứng của nó Dữ liệu được sử dụng trong nghiên cứu này bao gồm các giá trị của 20 biến số có thể liên quan đến khoản tín dụng quá hạn của 1000 khách hàng Đầu tiên, phương pháp “Boruta” được sử dụng để sàng lọc các chỉ số định lượng có tác động đáng kể đến rủi ro quá hạn, và sau đó phương pháp phân đoạn tối ưu được sử dụng để xử lý tiểu mục Cuối cùng, 10 biến đã được chọn và OpenBU-GS đã được sử dụng để ước tính các tham số của tất cả các biến Chúng ta có thể rút ra các kết luận sau: lịch sử tín dụng của khách hàng và trạng thái hiện có của tài khoản séc có ảnh hưởng lớn nhất đến rủi ro quá hạn của khách hàng, ngân hàng nên chú ý hơn đến hai khía cạnh này khi đánh giá mức độ rủi ro của khách hàng trong quá trình đại dịch covid-19.
Peussa, A (2016) thực hiện nghiên cứu với mục đích là là để xem xét việc chấm điểm tín dụng và các ứng dụng của nó cả về mặt lý thuyết lẫn thực nghiệm, và kết thúc bằng sự kết hợp tốt nhất của các biến cho dự báo rủi ro vỡ nợ Đầu tiên, tác giả đã giải thích định nghĩa về thẻ điểm và các thuật ngữ cơ bản Sau đó, tác giả đã xem xét các cách tiếp cận chung để ước tính thẻ điểm và chứng minh rằng hồi quy logistic là cách tiếp cận phù hợp nhất với tất cả các giả định và suy luận thống kê được bao gồm Tiếp theo, tác giả đã mô tả các phương pháp đo lường hiệu suất của thẻ điểm và cho thấy rằng các hệ thống tính điểm sẽ được xếp hạng theo cùng một thứ tự về bất kể biện pháp được sử dụng Kết quả ước lượng cho thấy các biến lấy từ phòng tín dụng hoặc trích từ số an sinh xã hội là những biến có nhiều thông tin nhất, có hệ số ước lượng quan trọng nhất với mức ý nghĩa quan sát nhỏ hơn 3% Điều này là do thực tế là khách hàng không thể ảnh hưởng đến các biến này Ngược lại, các biến đại diện cho khách hàng, như đơn đăng ký có chất lượng kém Các biến có câu trả lời không bị hạn chế thậm chí còn ít thông tin hơn so với các biến bị hạn chế, điều này có thể được giải thích là do sự thiếu trung thực trong khai biểu mẫu, lỗi chính tả hoặc hiểu sai về biểu mẫu đăng ký.
2.2.3 Những điểm hạn chế của các nghiên cứu trước, khe hổng nghiên cứu
PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình Logistic đánh giá tác yếu tố tác động đến xác suất nợ xấu của cá khoản
Để đưa ra biện pháp nhằm hạn chế nợ xấu thì trước tiên nghiên cứu cần tìm ra các nguyên nhân ảnh hưởng đến các khoản nợ quá hạn (nợ xấu nhóm 3,4,5) từ đó đưa ra những giải pháp cụ thể cho ngân hàng ACB Tác giả chọn phương pháp định lượng để đo lường các yếu tố ảnh hưởng đến nợ xấu là biến phụ thuộc nhận hai giá trị 0 và 1, với 1 là khoản vay thuộc nhóm 3,4,5 và 0 là khoản vay thuộc nhóm 1 và 2, tương tự các biến giải thích trong mô hình là các yếu tố tác động đến khoản vay Mô hình được xây dựng dựa trên các nghiên cứu tại Việt Nam của Lộc và Tuyết (2011); Phan Đình Khôi và Nguyễn Việt Thành (2017), Phước và Toàn (2017).
RISK it = p 0 + & * NLTC H + ^ 2 * TSDB it + ^ 3 * KINHNGHIEMCBTD H + p 4 * DADANGHOA it +
^ 5 * EDU it + ^ 6 * EX_YEAR it + ^ 7 * XHTD it + ư it
Năng lực tài chính của khách hàng (NLTC): Là số vốn tự có tham gia, góp vào phương án kinh doanh đi vay được tính toán bằng tổng số vốn tự có tham gia, góp vốn trên tổng số vốn cần có cho dự án Vì vậy, khi khách hàng có năng lực tài chính cao thì mức rủi ro của các khoản vay càng thấp, nên tác giả kỳ vọng của giả thuyết này có quan hệ nghịch (-) với mức rủi ro (De Lis, Pagés và Saurina, 2001).
Tài sản đảm bảo (TSĐB): Là số tiền cho vay trên tổng số tài sản dùng để đảm bảo cho khoản vay Vì vậy, khi tài sản đảm bảo cao, nghĩa là khoản vay tăng cao so với tổng tài sản thì rủi ro tín dụng tăng nên tác giả kỳ vọng của giả thuyết này có quan hệ thuận chiều (+) với mức độ rủi ro (De Lis, Pagés và Saurina, 2001; Lộc và Tuyết, 2011; Phan Đình Khôi và Nguyễn Việt Thành, 2017).
Kinh nghiệm của cán bộ tín dụng (KINHNGHIEMCBTD): Là số năm công tác của cán bộ trực tiếp xét duyệt hồ sơ vay vốn tín dụng và tư vấn gói vay cho khách hàng có số năm kinh nghiệm càng cao thì khả năng hạn chế rủi ro thấp nên tác giả kỳ vọng của giả thuyết này có quan hệ nghịch chiều (-) với mức độ rủi ro (Lê và Lâm, 2012; Lộc và Tuyết, 2011). Đa dạng hóa ngành nghề kinh doanh (DADANGHOA): Là việc đa dạng hóa các hoạt động kinh doanh của khách hàng vay vốn cũng có xu hướng làm giảm thiểu rủi ro tín dụng cho ngân hàng, nên tác giả kỳ vọng của giả thuyết này có quan hệ nghịch chiều (-) với mức độ rủi ro (Lộc và Tuyết., 2011).
Trình độ quản lý doanh nghiệp (EDU): Dựa vào hồ sơ pháp lý của doanh nghiệp tại ngân hàng, xác định trình độ quản lý của chủ doanh nghiệp, có 4 mức như sau: Thấp hơn Trung cấp (1); Trung cấp - Cao đẳng (2); Đại học (3); Trên Đại học (4) Trình độ quản lý của doanh nghiệp rất quan trọng trong việc ra quyết định chính sách cho một doanh nghiệp, nếu trình độ thấp có khả năng dẫn đến sai lầm trong quyết sách để đầu tư hoặc kinh doanh sẽ dẫn đến rủi ro cao về tài chính của doanh nghiệp, vì vậy khi có trình độ chuyên môn cao dẫn đến hạn chế thấp rủi ro tài chính, nên tác giả kỳ vọng giả thuyết này có tác động đến mức độ rủi ro (Trương Đông Lộc, 2014).
Số năm quản lý của người đứng đầu doanh nghiệp (EX_YEAR): rủi ro của các khoản vay có thể xuất từ việc người vay thiếu thiện chí trong việc trả nợ trong khi các TCTD không phát hiện hay khả năng cưỡng chê thu hồi nợ kém hiệu quả do thiếu nguồn lực hoặc hệ thống pháp luật chưa hoàn thiện Năng lực quản trị của người vay được thể hiện qua thâm niên quản lý và đóng vai trò quan trọng vì chí có những người có năng lực quản trị tốt thì mới có thể trụ vững lâu dài trong ngành đặc biệt là trong thời buổi thị trường cạnh tranh gay gắt Rahaman (2011).
Xếp hạng tín dụng (XHTD): Biến giả, nhận giá trị bằng 1 nếu khách hàng xếp hạng tín dụng thuộc nhóm A, và bằng 0 nếu ngược lại Kết quả xếp hạng tín dụng càng cao ngụ ý rằng doanh nghiệp có thể trả nợ vay tốt và RRTD thấp (Tang, 2009).
Đo lường biến và xây dựng giả thuyết nghiên cứu
Biến phụ thuộc trong mô hình nghiên cứu của tác giả là biến định tính được dán nhãn 0 và 1, trong đó Risk nhận giá trị 1 khi khoản vay thuộc nợ nhóm 3,4,5 và bằng 0 nếu ngược lại Để ước lượng được mô hình với viến giả RISK tác giả sử dụng hồi quy Logistic với các yếu tố tác động đến khả năng xảy ra nợ xấu đối với khoản vay Các yếu tố được đo lường cụ thể như sau:
3.2.1 Năng lực tài chính của khách hàng - NLTC
Theo Lộc và Tuyết (2011), năng lực tài chính của khách hàng được đo lường bởi tỷ lệ giữa vốn tự có của khách hàng tham gia vào dự án trên tổng vốn đầu tư của dự án vay vốn Theo các nghiên cứu về RRTD thì tiềm lực tài chính của người vay càng mạnh sẽ làm cho khả năng chịu đựng rủi ro của họ càng cao Vì vậy, trong nghiên cứu này kỳ vọng rằng nếu vốn tự có của người vay tham gia vào dự án vay vốn càng lớn thì bên cạnh việc chi phí phải trả cho phần vốn vay thấp họ cũng sẽ đầu tư thời gian và sự quan tâm nhiều hơn đến dự án, nên dự án sẽ dễ thành công hơn và như vậy rủi ro sẽ thấp hơn, hay năng lực tài chính của người vay có quan hệ tỷ lệ nghịch với RRTD. Trước đó, nghiên cứu của De Lis, Pagés và Saurina (2001) cũng đã tìm thấy bằng chứng về tác động của năng lực tài chính đến rủi ro nợ xấu của các khoản vay.
Vốn tự có trong dự án Tổng vốn tròng dự án vay vốn
Nghiên cứu của Phước và Toàn (2017) cũng tìm thấy bằng chứng thống kê đáng tin cậy về tác động trái chiều của năng lực tài chính khách hàng đến rủi ro nợ xấu tại Ngân Hàng Ngoại Thương năm 2017 Từ đó, tác giả đi đến giả thuyết:
Giả thuyết H 1 : Năng lực tài chính của khách hàng (NLTC) có tác động ngược chiều đến xác suất xảy ra nợ xấu đối với khoản vay.
3.2.2 Tài sản đảm bảo - TSĐB
Tỷ lệ tài sản đảm bảo trong nghiên cứu này được đo lường dựa trên tỷ số số tiền cho vay trên tổng số tài sản dùng để đảm bảo cho khoản vay.
Số tiền vay Tổng trị giá tài sản đảm bảo Như vậy, khi số tiền cho vay cao hơn số tài sản đảm bảo sẽ làm tăng xác suất xảy ra nợ xấu đối với khoản vay Phước và Toàn (2017) cũng tìm thấy bằng chứng thống kê đáng tin cậy về tác động cùng chiều của tỷ lệ tài sản đảm bảo và xác suất xảy ra rủi ro tín dụng tại Ngân Hàng Ngoại Thương năm 2017 Phan Đình Khôi & Nguyễn Việt Thành (2017) cũng đa kết luận rằng tỷ số tài sản đảm bảo tăng sẽ làm tăng xác suất xảy ra nợ xấu cho các khoản vay tương ứng với mô hình ước lượng Logit Tác giả đặt giả thuyết nghiên cứu như sau:
Giả thuyết H 2 : Tỷ lệ tài sản đảm bảo (TSĐB) có tác động cùng chiều đến xác suất xảy ra nợ xấu đối với khoản vay.
3.2.3 Kinh nghiệm của cán bộ tín dụng
Xác suất xảy ra nợ xấu đối với các khoản vay sẽ giảm xuống khi kinh nghiệm của cán bộ tín dụng tăng lên Điều này hoàn toàn phù hợp trong thực tế khi mà cán bộ tín dụng có thâm niên lâu năm sẽ có nhiều kinh nghiệm và kiến thức trong việc thẩm định và giám sát các khoản vay Phước và Toàn (2017) đã kết luận ằng khi kinh nghiệm của cán bộ tín dụng tăng lên sẽ làm giảm xác suất xảy ra nợ xấu đối với khoản vay với mức ý nghĩa 5% trong mô hình hồi quy Logit Phan Đình Khôi
& Nguyễn Việt Thành (2017) cũng đưa ra kết luận tương tự đối với trường hợp các ngân hàng thương mại cổ phần sở hữu nhà nước ở Hậu Giang Trước đó các nghiên cứu của Lê Khương Ninh và Lâm Thị Bích Ngọc (2012) nghiên cứu chủ đề rủi ro tín dụng trong cho vay doanh nghiệp nhỏ và vừa tại các chi nhánh Ngân hàng Đầu tư và Phát triển Việt Nam ở Đồng bằng sông Cửu Long Xa hơn, Lộc và Tuyết (2011) cũng đã đưa ra kết luận tương tự đối trong nghiên cứu của mình Từ đó, tác giả thiết lập giả thuyết:
Giả thuyết H 3 : kinh nghiệm của cán bộ tín dụng có tác động ngược chiều đến xác suất xảy ra nợ xấu đối với khoản vay.
3.2.4 Đa dạng hóa Đa dạng hóa ngành nghề kinh doanh nhận giá trị bằng 1 nếu khách hàng vay kinh doanh cho
3 ngành hàng trở lên hoặc 0 cho các trường hợp ngược lại Các khách hàng kinh doanh càng nhiều ngành nghề thì khả năng trả nợ xảy ra sẽ cao hơn so với nhóm khách hàng kinh doanh từ một đến hai ngành Mỗi ngành nghề đều có chu kỳ sống nhất định, đa dạng hóa hoạt động kinh doanh của khách hàng vay vốn nghĩa là khách hàng kinh doanh nhiều ngành, nhiều lĩnh vực khác nhau sẽ có xu hướng làm giảm thiểu RRTD cho ngân hàng Lộc và Tuyết (2011) đã kết luận rằng các doanh nghiệp có đang dạng hóa ngành nghề sẽ giảm xác suất xảy ra nợ xấu trong các khoản vay với nghiên cứu là các ngân hàng thương mại nhà nước ở khu vực Đồng Bằng Sông Cửu Long Phước và Toàn
(2017) cũng tìm thấy bằng chứng về tác động trái chiều của của biến đa dạng hóa đến xác suất xảy ra nợ xấu đối với các khoản vay Tác giả xây dựng giả thuyết như sau:
Giả thuyết H 4 : đa dạng hóa (DADANGHOA) có tác động ngược chiều đến xác suất xảy ra nợ xấu đối với khoản vay.
3.2.5 Trình độ học vấn của quản lý doanh nghiệp
Trình độ quản lý của doanh nghiệp rất quan trọng trong việc ra quyết định chính sách cho một doanh nghiệp, nếu trình độ thấp có khả năng dẫn đến sai lầm trong quyết sách để đầu tư hoặc kinh doanh sẽ dẫn đến rủi ro cao về tài chính của doanh nghiệp, vì vậy khi có trình độ chuyên môn cao dẫn đến hạn chế thấp rủi ro tài chính, nên tác giả kỳ vọng giả thuyết này có tác động đến mức độ rủi ro (Lộc và Tuyết., 2011) Phước và Toàn (2017) cũng đã kỳ vọng về mối quan hệ trái chiều giữa trình độ quản lý chủ doanh nghiệp và rủi ro nợ xấu của các khoản vay Trong nghiên cứu này xác định trình độ quản lý của chủ doanh nghiệp có 4 mức như sau: Thấp hơn Trung cấp (1); Trung cấp - Cao đẳng (2); Đại học (3); Trên Đại học (4) Tác giả xây dựng giả thuyết như sau:
Giả thuyết H 5 : Trình độ quản lý chủ doanh nghiệp (EDU) có tác động ngược chiều đến xác suất xảy ra nợ xấu đối với khoản vay.
3.2.6 Số năm kinh nghiệm quản lý của người đứng đầu doanh nghiệp
Năng lực quản trị của người vay được thể hiện qua thâm niên quản lý và đóng vai trò quan trọng vì chí có những người có năng lực quản trị tốt thì mới có thể trụ vững lâu dài trong ngành đặc biệt là trong thời buổi thị trường cạnh tranh Những nhà quản lý doanh nghiệp lâu năm sẽ chú trọng hơn đến uy tín của công ty cũng như có kinh nghiệm nhiều hơn trong việc quản lý rủi ro bao gồm cả rủi ro thanh khoản của doanh nghiệp Do đó, tác giả kỳ vọng rằng kinh nghiệm quản lý của chủ doanh nghiệp sẽ làm giảm khả năng xảy ra nợ xấu đối với khoản vay.
Giả thuyết H 6 : Số năm làm quản lý chủ doanh nghiệp (EX_YEAR) có tác động ngược chiều đến xác suất xảy ra nợ xấu đối với khoản vay.
Biến giả, nhận giá trị bằng 1 nếu khách hàng xếp hạng tín dụng thuộc nhóm A, và bằng 0 nếu ngược lại Kết quả xếp hạng tín dụng càng cao ngụ ý rằng doanh nghiệp có thể trả nợ vay tốt vàRRTD thấp (Tang, 2009) Tác giả thiết lập giả thuyết nghiên cứu kỳ vọng rằng các khoản vay được xếp hạn tín dụng nhóm A sẽ có xác suất xảy ra nợ xấu thấp hơn các khoản vay thuộc các nhóm còn lại.
Giả thuyết H 7 : xếp hạng tín dụng (XHTD) có tác động ngược chiều đến xác suất xảy ra nợ xấu đối với khoản vay.
Dữ liệu nghiên cứu
Để thực hiện nghiên cứu này tác giả đã thu thập số liệu dưới hai dạng chính:
Thứ nhất là số liệu tài chính của ngân hàng ACB bao gồm số liệu về nợ xấu, tài sản đảm bảo, các khoản mục nợ xấu… nhằm phân tích thực trạng nợ xấu cũng như cơ cấu dư nợ của ngân hàng trong giai đoạn từ 2010 đến 2020.
Thứ hai, tác giả thu thập số liệu nội bộ 200 khoản vay của khách hàng, do đặc điểm số liệu của dạng này là bảo mật, do đó tác giả không được cung cấp ID cũng như thông tin của khách hàng và không sử dụng nó trong phân tích Tuy nhiên, số liệu bao gồm về tỷ lệ vốn vay trên tài sản đảm bảo, số liệu về cán bộ tín dụng, thông tin học vấn cũng như năm kinh nghiệm của người quản lý đã được thu thập đầy đủ để thực hiện phân tích.
Phương pháp hồi quy LPM và Logistic
Gọi Y là biến phụ thuộc chỉ có hai giá trị 0 và 1, X là biến độc lập và Pi là xác suất để Y nhận gía trị là 1 Lúc này ta xét hàm:
Y it = p + aX it + U it Khi đó kỳ vọng E(Y/X) = p + aXit
Dựa trên phân phối của Y theo Pi ta lại có E(Y/X) = Pi Như vậy:
Pi = p + aX it Nghĩa là Pi là hàm tuyến tính theo các biến độc lập X, Do đó mô hình được gọi là mô hình xác suất tuyến tính Tuy nhiên hồi quy LPM có nhược điểm đó là mô hình của LPM có xác suất nằm trong khoản từ 0 đến 1 làm cho kết quả dự báo đôi lúc không hợp lý Ngoài ra, mô hình với LPM luôn bị phương sai thay đổi do đó cần chú ý đến vấn đề này khi xử lý.
Hồi quy logistic là một quá trình mô hình hóa xác suất của một kết quả rời rạc cho một biến đầu vào, hồi quy Logit giúp giải quyết những khiếm khuyết trong hồi quy
LPM Các mô hình hồi quy logistic phổ biến nhất là một kết quả nhị phân; thứ gì đó có thể nhận hai giá trị như true / false, yes / no, v.v Hồi quy logistic đa thức có thể mô hình hóa các kịch bản trong đó có thể có nhiều hơn hai kết quả rời rạc Hồi quy logistic là một phương pháp phân tích hữu ích cho các vấn đề phân loại, trong đó bạn đang cố gắng xác định xem một mẫu mới có phù hợp nhất với một danh mục hay không Chẳng hạn như dự báo chi trả cổ tức, rủi ro tín dụng, khả năng trả nợ…
Hồi quy logistic là một thuật toán máy học có giám sát mạnh mẽ được sử dụng cho các bài toán phân loại nhị phân (khi mục tiêu là phân loại) Cách tốt nhất để nghĩ về hồi quy logistic là nó là một hồi quy tuyến tính nhưng dành cho các bài toán phân loại Hồi quy logistic về cơ bản sử dụng một hàm logistic được định nghĩa dưới đây để lập mô hình biến đầu ra nhị phân (Tolles & Meurer,
2016) Sự khác biệt cơ bản giữa hồi quy tuyến tính và hồi quy logistic là phạm vi của hồi quy logistic bị giới hạn từ 0 đến 1 Ngoài ra, trái ngược với hồi quy tuyến tính, hồi quy logistic không yêu cầu mối quan hệ tuyến tính giữa các biến đầu vào và đầu ra Điều này là do việc áp dụng một phép biến đổi log phi tuyến đối với tỷ lệ chênh lệch (sẽ được xác định ngay sau đây).
1 + e~ x Chú ý rằng e x = ■““, lúc này x = lnQ“^)- Tỷ số ^~T còn được gọi là tỷ số Odds cho biết xác suất Y nhận giá trị 1 so với xác suất Y nhận giá trị 0.
Trong phương trình hàm logistic, x là biến đầu vào Hãy đưa các giá trị -20 đến 20 vào hàm logistic Như minh họa trong hình, các đầu vào đã được chuyển từ 0 đến 1.
Nguồn: Tác giả tự tổng hợp
Hình 3.1: Đồ thị hàm Logistic
Trái ngược với hồi quy tuyến tính trong đó MSE hoặc RMSE được sử dụng làm hàm mất mát (loss function), hồi quy logistic sử dụng hàm tổn thất được gọi là "ước tính khả năng xảy ra tối đa (MLE)" là một xác suất có điều kiện.
Các kiểm định cho mô hình hồi quy
3.5.1 Kiểm định phương đa cộng tuyến
Trong“thống kê, đa cộng tuyến (cũng là tính cộng tuyến) là một hiện tượng trong đó một biến dự báo trong mô hình hồi quy bội số có thể được dự đoán tuyến tính từ các biến khác với mức độ chính xác đáng kể Trong tình huống này, các ước lượng hệ số của hồi quy bội số có thể thay đổi thất thường để đáp ứng với những thay đổi nhỏ trong mô hình hoặc dữ liệu Đa cộng tuyến không làm giảm sức mạnh dự đoán hoặc độ tin cậy của mô hình nói chung, ít nhất là trong tập dữ liệu mẫu; nó chỉ ảnh hưởng đến các tính toán liên quan đến các yếu tố dự đoán riêng lẻ Nghĩa là, một mô hình hồi quy đa biến với các yếu tố dự đoán cộng tuyến có thể cho biết toàn bộ nhóm dự báo dự đoán biến kết quả tốt như thế nào, nhưng nó có thể không đưa ra kết quả hợp lệ về bất kỳ dự đoán riêng lẻ nào hoặc về những yếu tố dự đoán nào là dư thừa so với những yếu tố”khác.
Trong bài nghiên cứu này, tác giả kiểm định đa cộng tuyến với 2 cách là hệ số nhân tử VIF
(VIF > 10) và ma trận tương quan (Hế số tương quan có giá trị tuyệt đối > 0,8).
3.5.2 Kiểm định phương sai thay đổi
Phương“sai thay đổi có nghĩa là sự phân tán không đều Trong phân tích hồi quy, chúng ta nói về phương sai thay đổi theo ngữ cảnh của số dư hoặc thuật ngữ sai số Cụ thể, phương sai thay đổi là một sự thay đổi có hệ thống trong sự lan truyền của phần dư trên phạm vi giá trị đo được. Phương sai thay đổi là một vấn đề vì hồi quy bình phương nhỏ nhất (OLS) thông thường giả định rằng tất cả các phần dư được lấy từ một tập hợp có phương sai không đổi (phương sai tương đồng).
Phương sai thay đổi, hay còn gọi là phương sai lệch, xảy ra thường xuyên hơn trong các tập dữ liệu có phạm vi lớn giữa các giá trị quan sát lớn nhất và nhỏ nhất Trong khi có nhiều lý do tại sao phương sai thay đổi có thể tồn tại, một cách giải thích phổ biến là phương sai sai số thay đổi tỷ lệ thuận với một hệ số Yếu tố này có thể là một biến trong mô hình Kiểm định phương sai thay đổi còn gọi là kiểm định White”Test:
H 0 : Chưa tìm thấy sự thay đổi của phần dư theo hệ số (biến) cụ thể Không có PSTĐ.
H 1 : Tìm thấy sự thay đổi của phần dư theo hệ số (biến) cụ thể Có PSTĐ.
3.5.3 Kiểm định tỷ lệ dự đoán đúng Để biết được mô hình hồi quy Logit có hiệu quả hay không, tác giả sử dụng kiểm định dự đoán đúng, trong đó số liệu sẽ được phân ra thành các nhóm ngẫu nhiên và thực hiện test trên các nhóm ngẫu nhiên này Cuối cùng tỷ lệ dự đoán đúng là số trung bình của tất cả các nhóm trên cộng lại Phương pháp này sẽ được thực hiện trên phần mềm STATA.
