BỘGIÁODỤCVÀĐÀOTẠO NGÂNHÀNGNHÀNƯỚCVIỆTNAM TRƯỜNGĐẠIHỌCNGÂNHÀNGTHÀNHPHỐHỒCHÍMINH NGUYỄNQUỐCVIỆT CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG TRẢ NỢ CỦAKHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG THƯƠNGMẠICỔPHẦNĐẦUTƯVÀ[.]
NGHIÊNCỨU
Lýdochọnđềtài
Hiệnnay,tíndụngđượcxemlàhoạtđộngkinhdoanhchínhmanglạilợinhuậnchoNgânhàng,vàđâycũ ngđượcxemlàmộttrongsốcácmặthoạtđộngkinhdoanhcó nhiều sự cạnh tranh giữa các Ngân hàng nên đòi hỏi phải đa dạng hóa các sảnphẩm cho vay và các dịch vụ tiện ích, chăm sóc khách hàng đi kèm, nhưng vẫn đảmbảođượclợinhuậntrongchovayvàhạnchếtốiđarủiromấtvốn;trongđólĩnhvựctín dụngdoanhnghiệpluônđượccácNgânhàngchú trọng.
HệthốngNgânhàngViệtNamđóngvaitròrấtquantrọngđốivớisựpháttriểnkinh tế thông qua việc hỗ trợ các nguồn vốn vay dưới nhiều hình thức khác nhau,quađógópphầnhỗtrợchocácDoanhnghiệptronghoạtđộngsảnxuất,kinhdoanh.Hiệnnaymặcdùcác Ngânhàngđangđẩymạnhpháttriểndưnợbánlẻ(chovayđốivới các khách hàng cá nhân, hộ kinh doanh) tuy nhiên dư nợ cho vay đối với đốitượng là khách hàng doanh nghiệp vẫn luôn chiếm tỷ trọng cao trong cơ cấu Dư nợcho vay của các Ngân hàng BIDV là một trong số các Ngân hàng lớn tại Việt Nam,luôn có tỷ trọng dư nợ khách hàng doanh nghiệp chiếm tỷ trọng cao hơn so với dưnợbánlẻ:TheoBCTCđãkiểmtoáncủaBIDVnăm2020 thìDưnợchovayđốivớikhách hàng doanh nghiệp tại
Ngân hàng này đạt 769,077 tỷ đồng, chiếm đến
– 2020 chiếm 65% tổng dư nợ của toàn hệ thống BIDV Đây là một điểm thuận lợigiúpNgânhàngđạtsựtăngtrưởngnhanhvềquymôkhihọcóđượcnềnkháchhàngdoanhnghiệpdồidào, dưnợlớnnhưngđồngthờicũnglàđiểmbấtlợivàcóphầnrủirotronghoạtđộngtíndụngtrongtrườnghợpcáck háchhàngdoanhnghiệpsuygiảmvà/ hoặckhôngcònkhảnăngtrảnợdẫnđếnnợquáhạn,nợxấuvàảnhhưởngđếnlợinhuận củaNgânhàng.
Năm 2020 BIDV đã áp dụng các chính sách hỗ trợ khách hàng do ảnh hưởngcủa dịch covid 19 theo hướng dẫn của Ngân hàng nhà nước tại Thông tư số01/2020/TT-NHNN ngày 13/03/2020, theo đó BIDV đã cơ cấu nợ cho các kháchhàng không trả được nợ do ảnh hưởng của dịch covid 19 và giữ nguyên nhóm nợ,tuynhiênnợxấunăm2020tạiBIDVvẫngiatăng sovớicácnămtrước:theoBCTC đã kiểm toán của BIDV năm 2020 thì nợ xấu tăng 1,873 tỷ đồng (tăng 9,6%) so vớinăm 2019, trong giai đoạn 2018 – 2020 tỷ lệ nợ xấu tại BIDV đã tăng bình quân15,7%, chính việc gia tăng nợ xấu đã phần nào ảnh hưởng đến lợi nhuận hoạt độngcủa Ngân hàng, đặc biệt là nợ xấu của khách hàng doanh nghiệp vì đối tượng kháchhàng này luôn có tỷ trọng dư nợ lớn Như vậy hoạt động cho vay đối với các doanhnghiệpchỉthựcsựhiệuquảkhidoanhnghiệpđảmbảokhảnăngtrảnợđầyđủ,đúnghạn cho Ngân hàng, do đó Ngân hàng rất cần có sự đánh giá đầy đủ, khách quan vềkhả năng trả nợ, từ đó tạo tiền đề cho việc thiết lập, mở rộng quan hệ tín dụng đốivới các khách hàng mới và khách hàng hiện hữu mà vẫn đảm bảo được sự hiệu quảcả về quy mô và chất lượng; hạn chế tối đa xảy ra rủi ro không trả được nợ từ phíaKhách hàng, từ đó góp phần kiểm soát tỷ lệ nợ xấu và gia tăng lợi nhuận cho Ngânhàng.
Với kinh nghiệm công tác nhiều năm của bản thân tại BIDV với vị trí chuyên viên tín dụng doanh nghiệp và vị trí chuyên viên kiểm tra, giám sát tuân thủ của hệthống BIDV, tác giả nhận thấy BIDV có nền khách hàng doanh nghiệp vay vốn rấtdồi dào và đa dạng về ngành nghề cũng như quy mô, tuy nhiên khả năng trả nợ củacác Doanh nghiệp đang quan hệ tín dụng tại các chi nhánh trong hệ thống BIDV làkhônggiốngnhau;nhữngnghiêncứutrướcđâyđaphầnchỉtậptrungphântích,đánhgiá khả năng trả nợ của các khách hàng doanh nghiệp trong phạm vi chi nhánh màhọ đang công tác, dẫn đến nghiên cứu bị thu hẹp trong đặc thù hoạt động, về địnhhướngcủalãnhđạochinhánhvàcáclýdoriêngbiệtkháccủachinhánh;chưacósựđa dạng, đầy đủ về quy mô doanh nghiệp, về ngành nghề kinh doanh khi tiến hànhnghiên cứu, chính vì thế chưa đảm bảo được sự hiệu quả của mô hình đánh giá khảnăng trảnợ khimở rộngratoànhệthống củaNgânhàng.
Thực tế hiện nay khả năng trả nợ của các doanh nghiệp là không giống nhau,có rất nhiều các nhân tố tác động, chi phối làm ảnh hưởng để khả năng trả nợ củadoanhnghiệp,quátrìnhđánhgiákhảnăngtrảnợcủakháchhàngđểlàmcơsởquyếtđịnh cho vay không chỉ dựa trên phương án sản xuất kinh doanh/dự án đầu tư, cácthông tin tài chính củakhách hàng cung cấp mà còn phụ thuộc vào rất nhiều cácnhântốkhácnhưđặcđiểmkhoảnvay(lãisuất,quymôvốnvay,thờigianvay…),
TSBĐ,thờigianhoạtđộng trongngành.Xuấtpháttừcácvấnđềnêutrên,tácgiảđãchọnđềtài“Cácnhântốảnhhưởngđếnk hảnăngtrảnợcủakháchhàngdoanhnghiệptạiNgânhàngThươngmạicổphầnĐầutưvàp háttriểnViệtNam”làmnộidungnghiêncứu củaluậnvăn thạcsĩ.
Mụcđíchnghiêncứu
Xác định các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng doanhnghiệp tại Ngân hàng Thương mại cổ phần Đầu tư và phát triển Việt Nam Đưa ramột số hàm ý chính sách, đồng thời đề xuất ứng dụng mô hình tính xác suất trả nợnhằm nâng cao hiệu quả trong việc đánh giá khả năng trả nợ của khách hàng doanhnghiệp,hạnchếtốiđarủiro tíndụngchoNgân hàng.
- Xác định các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng doanhnghiệp tạiNgânhàng ThươngmạicổphầnĐầu tưvàpháttriển ViệtNam.
- Đánh giá mức độ ảnh hưởng của các nhân tố đến khả năng trả nợ của kháchhàng doanh nghiệp tại Ngân hàng Thương mại cổ phần Đầu tư và phát triển ViệtNam.
- Ứng dụng mô hình tính xác suất trả nợ vào chương trình đánh giá khả năngtrảnợcủaKháchhàngdoanhnghiệptạiBIDV,đồngthờiđềxuấtmộtsốhàmýchínhsáchliênqu anđếncácnhântốcóảnhhưởngnhằmcảithiện,nângcaohiệuquảđánhgiákhảnăngtrảnợ,hạnchế tốiđarủiromấtvốntronghoạtđộngchovaycủaNgânhàng.
Câuhỏinghiêncứu
Đểđạtđượccácmụctiêu nêu trên,bàinghiên cứucần trảlờicáccâu hỏisau:
- Thứnhất,nhữngnhântốnàoảnhhưởngđếnkhảnăngtrảnợcủakháchhàngdoanhnghiệp tạiNgânhàngThươngmạicổphầnĐầu tưvàpháttriển ViệtNam.
- Thứ hai,Mức độ tác động của các nhân tố ảnh hưởng đến khả năng trả nợcủa khách hàng doanh nghiệp tại Ngân hàng Thương mại cổ phần Đầu tư và pháttriểnViệtNamnhưthếnào?
- Thứ ba,Ngân hàng cần có các giải pháp nào để cải thiện, nâng cao hiệu quảtrong việc đánh giá khả năng trả nợ của doanh nghiệp để không bỏ sót các doanhnghiệp tốt,giảmthiểutốiđarủiro tíndụngchoNgânhàng.
Đốitượng vàdữliệunghiêncứu
- Đối tượng nghiên cứu là các nhân tố ảnh hưởng đến khả năng trả nợ củakháchhàngdoanhnghiệp.
- Phạm vi nghiên cứu: là các khách hàng doanh nghiệp đang có quan hệ tíndụng tạiBIDVtrong giaiđoạn2018-2020 tạicácchinhánh củaBIDV.
Phươngphápnghiêncứu
Xuất phát từ các mô hình lý thuyết và nghiên cứu thực nghiệm, đề tài sẽ xácđịnhcácnhântốcóảnhhưởngđếnkhảnăngtrảnợvaycủadoanhnghiệptrêncơsởkếthừavàbổsungcá cnghiêncứucóliênquantrướcđó.Sauđó,nghiêncứusửdụngmôhìnhhồiquynhịphân(BinaryLogistic) đểướclượngcác nhântốnày,môhình đượcthểdưới dạng:𝐋𝐧[𝐏 ( 𝐘 = 𝟏 )
𝟏−𝐏(𝐘=𝟏) biếnphụthuộcnhậngiátrị1(cókhảnăngtrảnợ)hoặc0(khôngcókhảnăngtrảnợ),Xilà các biến độc lập có tác động đến biến phụ thuộc Chi tiết về Mô hình nghiêncứu và các biến trong mô hình sẽ được tác giả phân tích chi tiết trong Chương 3 –Xây dựngmôhìnhvàPhươngphápnghiêncứu.Dựa vào kết quả của mô hình hồi quy Binary Logistic, đề tài xác định mức độtác động của các nhân tố đến khả năng trả nợ của doanh nghiệp, trong đó các nhântốnàocótácđộngcùngchiềuhayngượcchiềuvớikhảnăngtrảnợcủadoanhnghiệpđểtừđócónhữnghà mýchínhsáchphùhợpchoNgânhàngtrongviệcđánhgiákhảnăngtrảnợcủakháchhàngdoanhnghiệpnhằ mnângcaohiệuquảtrongcôngtáctíndụng.
Đónggóp củađềtài
Lợi nhuận của các Ngân hàng hiện nay đến từ nhiều mảng hoạt động, trong đóthu nhập từ hoạt động cho vay luôn chiếm tỷ trọng cao Vì vậy để đảm bảo hiệu quảhoạtđộngcaonhấtchoNgânhàngvàtránhnhữngrủiromấtvốn,Ngânhàngcần chú trọng đến việc đánh giá khả năng trả nợ của khách hàng doanh nghiệp khi tiếnhành chovayhoặctrongquátrìnhquảnlý cáckhoảnvayhiện hữu.
Bàinghiêncứusẽđưaramộtsốhàmýchínhsáchnhằmnângcaocôngtácđánhgiá về khả năng trả nợ của khách hàng doanh nghiệp, đề xuất ứng dụng kết quả củamôhìnhhồiquyLogisticvàocôngtácquảnlýrủirotíndụngtạiBIDVđểđiềuchỉnhchính sách cấp tín dụng phù hợp, từ đó tăng khả năng tiếp cận và mở rộng quan hệtín dụng với các doanh nghiệp tốt, góp phần mang lại hiệu quả cho vay và hạn chếtốiđa rủiromấtvốn.
Bố cụccủađềtài
Chương 2: Cơ sở lý thuyết và các nghiên cứu liên quanChương 3: Xây dựng mô hình và phương pháp nghiên cứuChương4:Kếtquảnghiên cứuvàthảo luậnChương 5:Kếtluậnvàhàmý chínhsách.
Cơsởlýthuyếtvềhoạtđộng tín dụng tạiNgân hàng
Theo Luật các tổ chức tín dụng năm 2010 thì“Cấp tín dụng là việc thỏa thuậnđểtổchức,cánhânsửdụngmộtkhoảntiềnhoặccamkếtchophépsửdụngm ộtkhoảntiềntheonguyêntắccóhoàntrảbằngnghiệpvụchovay,chiếtkhấu,chothuêtài chính, bao thanh toán, bảo lãnh ngân hàng và các nghiệp vụ cấp tín dụng khác”Theo Nguyễn Minh Kiều (2006) thì Tín dụng doanh nghiệp là hình thức cấp tíndụngdành cho cáckhách hàngtổchứccó tưcáchpháp nhânbaogồmcáchìnhthức cấptíndụng nhưsau:
+ChovaytrungdàihạnđểmuasắmMáymócthiếtbị,muaxe,đầutưdựán(xâydựn gnhàmáy,nhàxưởng…)
- Phát hành bảo lãnh bao gồm các loại bảo lãnh: Bảo lãnh dự thầu, bảo lãnh bảohành,bảolãnhtạmứng,bảolãnhthựchiệnhợpđồng,…
2.1.2 Vaitrò của tíndụngNgânhàng ĐinhNhưQuỳnh(2013)đãđềcậpđếnsựrađờicủatíndụngNgânhàngvànêurõ những vai trò của tín dụng Ngân hàng trong nền kinh tế thị trường hiện nay tạiViệtNam,baogồmcác vaitròquantrọngsau:
- Đẩymạnhhoạtđộngsảnxuấtkinhdoanhtrongnềnkinhtế:Ngânhàngđượcxem là nơi tập trung dòng vốn nhàn rỗi nhiều nhất thông qua các khoản tiền gửi cókỳ hạn, không kỳ hạn của các khách hàng cá nhân, doanh nghiệp, các Quỹ đầu tư;thôngquahoạtđộngcấptíndụng,cácNgânhàngsẽluânchuyểncácdòngtiềnnhànrỗi này đến các khách hàng cần vốn cho các mục đích khác nhau trong nền kinh tế,riêngđốivớikháchhàngdoanhnghiệpthìmụcđíchchínhđểbùđắpthiếuhụtvốn ngắn hạn để hoạt động sản xuất kinh doanh và bổ sung vốn đầu tư cho các dự ántrungdàihạn.NhưvậytíndụngNgânhàngđãgópphầntạođiềukiệnvềvốnchođạiđa số các khách hàng trong nền kinh tế, trong đó chiếm tỷ trọng cao là đối tượngkháchhàngtổchức.
- Thúcđẩysửdụngvốnhiệuquả:vớichứcnăngluânchuyểnvốnnhanhchóng,tíndụngNgân hàngđãgópphầnđiềuchỉnhtồnđọnglượngtiềnmặttronglưuthôngvàtạorahiệuquảchocácđồ ngvốnnhànrỗitrêncơsởlợiíchchocảngườigửitiềnvàngườicầntiền.
- Tạoviệclàm,ổnđịnhcuộcsốngchongườidân:nhờcótíndụngNgânhàng,ngườidân mớicó thểtiếpcậnvớinguồnvốnđểmuasắmxe,đồdùnggiađình,muanhà,xâynhà… gópphầncảithiệnđờisống đượcđầyđủvàsungtúchơn.
- Mởrộngvàhìnhthànhthóiquenthanhtoánkhôngdùngtiềnmặt,từđógiảmthiểunhữngrủi ro sửdụngtiền mặttrongnềnkinhtế.
- Tạo điều kiện thuận lợi để mở rộng các quan hệ kinh tế quốc tế: Tín dụngngân hàng trở thành một kênh cung ứng vốn để đáp ứng các nhu cầu thanh toán vớicác đối tác nước ngoài thông qua các hình thức thanh toán được chuẩn hóa và chấpnhậntrêntoànthếgiới:thanhtoánL/C,nhờthu,Baothanhtoán,bảolãnhquốctế… Thông qua tín dụng Ngân hàng, các hình thức thanh toán quốc tế này không nhữngmanglạihiệuquảthanhtoánnhanhchóng,kịpthờimàcòntạođượcsựtintưởngvớicácđốitác và Ngânhàngnước ngoài.
Trong quan hệ vay vốn với Ngân hàng thì Đánh giá khả năng trả nợ của kháchhàng được hiểu là việc Ngân hàng đánh giá khách hàng có khả năng thanh toán đầyđủ nợ gốc và lãi khi đến hạn hay không Cụ thể, khi thiết lập quan hệ tín dụng thìgiữakháchhàngvàNgânhàngsẽkýkếtcácThỏathuậnvayvốnhoặcHợpđồngtíndụng trong đó nêu rõ nghĩa vụ của khách hàng phải hoàn trả đầy đủ nợ gốc, lãi vàcác khoản phí phát sinh (nếu có) cho Ngân hàng đối với các khoản vay khi đến hạn,nênkhảnăngtrảnợcủakháchhàngchínhlàkhảnăngthựchiệncáccamkếtnày.Đểxác định khả năng trả nợ của khách hàng, Ngân hàng thường căn cứ vào các thôngtinsau:Tưcách,nănglựcpháplý;nănglựctàichínhthểhiệnquacácbáocáotài chính(bảngcânđốikếtoán,kếtquảhoạtđộngkinhdoanh,lưuchuyểntiềntệ),thôngtin lịch sử vay vốn thể hiện qua thông tin tín dụng tra cứu tại CIC, năng lực quản lý,kinh nghiệm của Ban lãnh đạo Doanh nghiệp, hiệu quả từ phương án sản xuất kinhdoanhhoặcdựánđầutưcủa khách hàng,tỷlệTSBĐ…
Khi khách hàng không có khả năng trả nợ theo đúng cam kết trong Hợp đồngtíndụngđãkývớiNgânhàngsẽdẫnđếnquáhạncáckhoảnnợ;trongbàinghiêncứucủa Đinh Mai Long (2015) đã đề cập đến định nghĩa về nợ xấu của nhiều tổ chứctrên thế giới, cụ thể như: Quỹ Tiền Tệ quốc tế (IMF) và Liên Hợp Quốc (nhómchuyên gia tư vấn –AEG) cho rằng nợ xấu là khoản nợ quá hạn trả lãi và/hoặc gốctrên 90 ngày, hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, táicấpvốnhoặctrảtheothỏathuận,hoặccáckhoảnphảithanhtoánđãquáhạndưới90ngày nhưng có lý do chắc chắn để nghi ngờ về khả năng khoản vay sẽ được thanhtoánđầyđủ;cònđịnhnghĩacủaỦybanBaselvềgiámsátNgânhàng(BCSC)khôngđưarathờigianquáhạ nchitrảkhikhoảnnợbịcoilà“xấu”màchorằngđólà“khoảnnợ đã quá hạn và Ngân hàng thấy người vay không có khả năng trả nợ đầy đủ khiNgân hàng chưa thực hiện hành động gì để cố gắng thu hồi”; riêng Ngân hàng trungương Châu Âu (ECB) căn cứ trên tiêu chí chủ yếu của BCSC, cho rằng “một khoảnnợ được coi là xấu khi quá hạn trả lãi và gốc trên 90 ngày trở lên, phù hợp với địnhnghĩa của Basel II về tổn thất, hoặc khi có lý do chắc chắn đề nghi ngờ về khả năngkhoảnvaysẽđược thanhtoánđầyđủ”.
Tại Việt Nam, theo Thông tư 11/2021/TT-NHNN ngày 30/7/2021 của Ngânhàng nhà nước thì khoản nợ quá hạn là khoản nợ mà khách hàng không trả đượcđúng hạn một phần hoặc toàn bộ nợ gốc và/hoặc lãi theo thỏa thuận với tổ chức tíndụng, chi nhánh ngân hàng nước ngoài và được phân loại theo 5 nhóm nợ, trong đóNợxấuđượcphânlợitừnhóm3đếnnhóm5,cụ thể nhưsau:
Khoảnnợquáhạndưới10ngàyvàđượcđánhgiálàcókhảnăngthuhồiđầyđủnợ gốcvàlãibịquáhạnvàthuhồiđầy đủnợgốcvàlãicònlạiđúng thờihạn;
Khoảnnợcơcấulạithờihạntrảnợlầnđầuquáhạnđến90ngàytheothờihạn trảnợđượccơ cấulạilần đầu.
Khoảnnợcơcấu lạithờihạn trảnợlầnthứhaicòn trong hạn
Khoảnnợcơcấulạithờihạntrảnợlầnđầuquáhạntừ91ngàytrởlêntheothờihạntrản ợđược cơ cấulạilầnđầu;
Khoảnnợcơcấulạithời hạntrả nợlầnthứ haiquá hạntheothời hạntrả nợđượccơ cấulạilần thứhai;
TừcácquanđiểmtrênthếgiớivàQuyđịnhcủaNgânhàngnhànướcViệtNamthì mối quan hệ giữa phân loại nợ và đánh giá khả năng trả nợ của khách hàng đượcthểhiệnnhưsau:
Phânloạikhảnăngtrảnợ Khả năng thanh toán nợ choNgânhàng Phânloạinhómnợ
Các mô hình thường được sử dụng để đánh giá khả năng trả nợ của khách hàngdoanhnghiệp
Môhìnhxếphạngphântíchtíndụngđượcsửdụngkhánhiềutrongviệcthẩmđịnh,đánhgiá rủirokhichovay,môhìnhnàyđượcPeprah,Agyei,vàOteng(2017)đưaravới5yếutố(5Cs),theo đócócácyếutốliênquanđếnquyếtđịnhchovaycủacácNgânhàngbaogồm:Character(Uytín,th áiđộcủangườivay);Capacity(Nănglực của người vay), Capital (Vốn), Collateral (Tài sản đảm bảo), Conditions (Cácđiều kiện);ngoàiracòncó1yếutốkháclàControl(kiểmsoát)theo môhình6Cs:
Tronghoạtđộngtíndụng,uytínvàtháiđộcủangườiđivayđượcxemlànhữngyếutốquantrọngvìnósẽq uyếtđịnhđếnýchícủangườivaytrongviệcđảmbảotrảnợđầyđủvàđúnghạnchoNgânhàngkhiđếnhạn.Cá cvấnđềliênquanđếntháiđộcủa người vay như: vấn đề hợp tác với ngân hàng, sự minh bạch trong mục đíchvay… cũngđượcxemxét.
Trong hệ thống XDTDNB của các các Ngân hàng nhìn chung những kháchhàng có kết quả xếp hạng càng cao, lịch sử tín dụng càng tốt thì khả năng được phêduyệtkhoảnvaycànglớn.Ngượclại,nếukháchhàngđãtừngcónợquáhạn,nợxấuthì thông thường sẽ có những hạn chế trong việc tiếp cận vốn vay cũng như hạn chếvề những ưu đãi trong chính sách vay vốn của Ngân hàng Những khách hàng luônthực hiện đúng và đầy đủ các cam kết nằm trong các điều khoản của hợp đồng tíndụng sẽ được ưu tiên trong quan hệ tín dụng hơn so với một khách hàng đã từng cólịchsửvayvốnkhôngtốt.Trongnguyêntắc6Ctíndụng,chỉtiêu“Character”cóthểxemlàyếutốttiênquy ếtđểtiếnhànhphân tích cácyếutố cònlại.
Chỉtiêunàyđềcậpđếnkhảnăngtrảnợkhoảnvaytừnhữngnănglựcmàkháchhàngđang cóvàsẽcó.Đốivớicáckháchhàngdoanhnghiệp thìnănglựcthểhiệnởcácchỉsốvềtàichínhcũngnhưhiệuquảkinhdoanhhàngnăm.Nhữngdoanhnghiệpcók ếtquảkinhdoanhtăngtrưởngvềdoanhthu,lợinhuậnhàngnăm,chỉsốtàichínhlànhmạnhvàantoànthìkhả năngtrả nợluônđượcđảm bảo;Ngânhàngsẽưutiên thiết lập quan hệ tín dụng cũng như mở rộng quan hệ về nhiều mặt đối với nhữngkháchhàngnàynhằmgiatăng hiệuquảhoạtđộngcủaNgânhàng.
Vốn là một trong số các yếu tố cho thấy sự tự chủ trong hoạt động của kháchhàng doanh nghiệp Nguồn vốn cho hoạt động kinh doanh thông thường có cả vốnchủsởhữuvànợvay,tuynhiênnhữngdoanhnghiệpcónguồnvốnchủsởhữuchiếmtỷ trọng cao hơn so với nợ vay sẽ được các TCTD đánh giá cao hơn về khả năngthanh toán.
Ngoài ra, khi thẩm định nếu Ngân hàng nhận thấy các chỉ tiêu liên quan đếnvốn của khách hàng đảm bảo sự hiệu quả và tăng trưởng thì khả năng được duyệtvaysẽcaohơn.Cácchỉtiêuđolườngliênquanđếnvốncủakháchhàngdoanhnghiệpbaogồmm ộtsốtỷsốchínhsau:(i)Tỷsốtựtàitrợ(Vốnchủsởhữutrêntổngnguồnvốn)
(iii)TỷsốROE(Lợinhuậnsauthuếtrên Vốn chủsởhữu)
TàisảnđảmbảolànhântốgiúpchoTCTDthuhồilạitoànbộhoặcmộtphầnvốn vay trong trường hợp người đi vay mất khả năng trả nợ, cụ thể TCTD sẽ tiếnhànhxửlýtàisảnbảođảm(tịchthutàisảnthếchấpvàtiếnhànhphátmạitàisảncủangườiđivay)đểthuhồin ợ.
Khiđivay,doanhnghiệpđượcsửdụngnhiềuloạitàisảnthếchấpkhácnhau,có thể là động sản, bất động sản, giấy tờ có giá … tương ứng với mỗi loại tài sản sẽcó những hệ số điều chỉnh khác nhau và từ đó làm cơ sở để xác định quy mô khoảnvay của từng khách hàng, nhưng tài sản có tính thanh khoản cao như Bất động sản,giấy tờ có giá thì hệ số điều chỉnh cao hơn các loại tài sản thanh khoản kém (độngsản) Doanh nghiệp được sử dụng các tài sản của bên thứ ba hoặc tài sản đứng têndoanh nghiệp làm tài sản thế chấp. Những doanh nghiệp có tỷ lệ tài sản bảo đảmcàng lớn thì thông thường trách nhiệm trả nợ sẽ càng cao, tuy nhiên pháp lý tài sảncũnglàmộtvấnđềmàTCTDcầnquantâmđểtránhgặpnhữngrủirokhibántàisảnthuhồinợ.
Ngoàinhữngđiềukiệnliênquanđếnkhoảnvayvàkháchhàng,cácTCTDcònxemxétđếncácvấnđề kháctrongtừngbốicảnhvayvốnkhácnhau:thịphần,vịthếcủa khách hàng trong ngành; các ảnh hưởng về chính trị, pháp lý, công nghệ, xã hộiđến khả năng hoạt động kinh doanh của khách hàng; xu thế thay đổi của các ngànhnghề trong tương lại để từ đó xác định khoản vay có phù hợp với khách hàng haykhông.
Như vậy những doanh nghiệp hoạt động lâu năm trong ngành, có thị phần tốtthông thường được các TCTD ưu tiên mở rộng quan hệ tín dụng, tuy nhiên cần xemxét kết hợp thêm các yếu tố về triển vọng ngành nghề trong tương lai, sự phù hợptrong thời đại công nghệ thay đổi để có những quyết định cho vay và định hướngquanhệtíndụngphùhợp.
Control (kiểm soát): bao gồm những cập nhật đánh giá sự thay đổi về luật,cácquyđịnh,quychếhiệnhànhlàmảnhhưởngđếnkhảnăngtrảnợcủakháchhàng.
CácKháchhàngdoanhnghiệpkhithiếtlậpquanhệtíndụngtạiBIDVđềuphảiđược chấm điểm xếp hạng thông qua chương trình XHTDNB của BIDV Xếp hạngtín dụng nhằm mục đích đánh giá các yếu tố về năng lực tài chính, hiệu quả hoạtđộng, mức độ rủi ro của khách hàng… thông qua các chỉ tiêu về tài chính và phi tàichínhđượcnhậplênhệthống.
Trên cơ sở kết quả XHTDNB, BIDV sẽ có định hướng cấp tín dụng đối vớitừngkháchhàngdoanhnghiệptheocácmứcưutiêncấptíndụngvàkhảnăngtrảnợnhưsau:
STT Kếtquả XHTDNB Nhómnợ Địnhhướngcấp tíndụng
STT Kếtquả XHTDNB Nhómnợ Địnhhướngcấp tíndụng
Có khả năng trảnợnhưngcódấ uhiệus u y g i ả m khảnăngtrả nợ
Nhóm tác giả Pederzoli và Torricelli (2010) đã phát triển mô hình nghiên cứuvới mẫu nghiên cứu là các doanh nghiệp vừa và nhỏ trên địa bàn vùng EmiliaRomagna thuộc quốc gia Ý để xác định rủi ro tài chính có ảnh hưởng trực tiếp đếnrủirotíndụngcủaKHDN.
PD=1/{1+[exp(2.86+3.46LTLA+3.52EBITA+11.18EQUITYA+0.43SALESA)]} Trongđó:
Biến phụ thuộc PD đo lường khả năng vỡ nợ của doanh nghiệp.Cácbiếnđộclập:
EBITA: Lợi nhuận trước thuế và lãi vay/Tổng tài sảnEQUITYA:Vốnchủ sởhữu/Tổngtàisản
ThôngquaviệcsửdụngcácchỉtiêuvềtàichínhlàNợphảitrảdàihạn,tổngtàisản, lợi nhuận trước thuế và lãi vay, vốn chủ sở hữu và doanh thu, kết quả của môhìnhchothấyrủirovềtàichínhcóliênquanđếnkhảnăngtrảnợcủadoanhnghiệp:Giá trị PD (rủi ro tài chính) càng cao cho thấy khả năng trả nợ càng thấp và ngượclại.
Tổng quancácnghiêncứuliên quan
Trong bài nghiên cứu của Đỗ Năng Thắng và Nguyễn Văn Huân (2019),nhóm tác giả đã tập trung phân tích và cảnh báo rủi ro tín dụng trong cho vay khách hàng doanh nghiệp của Ngân hàng thương mại Việt Nam Số lượng mẫu quan sátcủa nghiên cứu là 210 quan sát và sử dụng mô hình hồi quy Binary Logistic để địnhlượng và đánh giá khả năng trả nợ của khách hàng, với 12 biến độc lập là Chỉ sốthanh toán ngắn hạn, Chỉ số thanh toán nhanh, Vòng quay hàng tồn kho, Vòng quaycáckhoảnphảithu,ROE,ROA,Hệsốnợ,Vốnvayngânhàng,Trìnhđộquảnlý,Sốnămthànhlập,Lịc h sửtín dụng,Quymôdoanhnghiệp.
Mô hình được xây dựng bao gồm 12 biến độc lập dưới dạng hồi quy Logistictổngquátnhưsau:
Trong đó biến phụ thuộc là biến trả nợ nhận 1 (có khả năng trả nợ) hoặc 0(không cókhảnăngtrảnợ)
KếtquảhồiquyBinaryLogisticchothấykhôngchỉcácyếutốvềtàichínhcủadoanh nghiệp mà các yếu tố phi tài chính cũng có những ảnh hưởng nhất định đếnrủiromấtkhảnăngtrảnợcủadoanhnghiệp,cụthểcó9/12biếnđộclậpcótácđộngcùng chiều đến khả năng trả nợ làChỉ số thanh toán ngắn hạn, Chỉ số thanh toánnhanh, Vòng quay hàng tồn kho, Vòng quay các khoản phải thu, ROE, ROA, Trìnhđộ quản lý, Số năm hoạt động, Quy mô doanh nghiệp; có 3/12 biến độc lập có tácđộng ngược chiều đến khả năng trả nợ làHệ số nợ, Vốn vay ngân hàng, Lịch sử tíndụng.Trong bài nghiên cứu này tác giả cũng đã xác định nhân tố có tác động lớnnhấtđếnxácsuấtkhảnăngtrảnợ làChỉsốthanhtoánngắnhạn.
Trong bài nghiên cứu “Các nhân tố ảnh hưởng đến rủi ro tín dụng củaNgânhàngTMCPNgoạiThươngChinhánhThànhPhốCầnThơ”củaTrươngĐôngL ộcvàNguyễnThịTuyết(2011),cáctácgiảđãsửdụngtổngsốmẫunghiêncứulà438kháchhàn gvayvốntạiNgânhàngTMCPNgoạiThươngChinhánhCầnThơ, bao gồm 4 doanh nghiệp nhà nước (0,9%), 70 Công ty TNHH và Công ty cổphần(16%),66Doanhnghiệp tưnhân(15,1%),298kháchhàngcánhân(68%).
Nghiên cứu sử dụng mô hình hồi quy probit với phương trình:Y =α + β 0 +β1.X1+ β 2 X 2 +
… +β 7 X 7 +𝜀vớicácbiếnđộclậplàKinhnghiệmkháchàngvay,khả năng tài chính, tài sản bảo đảm, sử dụng vốn vay, kinh nghiệm của cán bộ tíndụng,đadạnghóahoạtđộngkinhdoanh,kiểmtragiámsátchovay.
Kếtquảphântíchchothấykhảnăngtàichínhcủakháchhàngcómốitươngquanghịchvớix ácsuấtxảyrarủirotíndụng,nếuvốntựcócủangườivaythamgiaovàophươngán,dựánvayvố ncàngcaothìkhảnăngkhôngtrảđượcnợcàngthấpvàngượclạivớimứcýnghĩathốngkê5%.Đối vớiviệcsửdụngvốnvay,nếuđúngmụcđíchthìhạnchếkhảnăngxảyrarủirotíndụngchoNgânhà ng(mứcýnghĩa1%);kinhnghiệmcủacánbộtíndụngcómốitươngquannghịch,cánbộcànglàmlâunămtại ngânhàngthìkhoảnvaycàngcóxácsuấtxảyrarủirocàngthấp;Đadạnghóahoạtđộngkinhdoanhcómốitươn gquannghịch,kháchhàngcàngcónhiềungành nghề kinh doanh thì xác suất xảy ra rủi ro tín dụng cho Ngân hàng càng thấp;Kiểmtragiámsátchovaycàngchặtchẽthìxácsuấtxảyrarủirotíndụngcàngthấp.Nghiênc ứ u c ủ a B ù i H ữ u P h ư ớ c , N g ô T h à n h D a n h v à N g ô V ă n T o à n (2018)đãsửdụngmôhình hồiquynhịthứcBinaryLogistic vàh ồiquyđathức(probit)đểướclượngcácyếutốảnhhưởngđếnrủirotíndụngtạiNgânhàngTMCPNgoạiThư ơngchinhánhKiênGiang.Sốlượngmẫuquansátchonghiêncứunàylà120hồsơvayvốncủakháchhàng doanhnghiệptạiNgânhàngTMCPNgoạiThươngchinhánhKiênGiang.Cácbiếnđộclậpcủamôhìn hbaogồmNănglựatàichínhKH,Tàisảnbảođảm,sửdụngvốnvay,kinhnghiệmcủacánbộ,đadạngh óangànhnghề,trìnhđộquảnlýdoanhnghiệp,kiểmtragiámsátvốnvay.Môhìnhtổngquáttrongbàinghi êncứu códạngy i= α+β 0+β1.X1+ β 2 X 2 +… +β 7 X 7+ 𝜀(trongđó αlàhằngsố,𝜀là saisố,βlàcáchệ số củatừngbiếnđộclập).
Kếtquảphântíchchothấycácyếutốảnhhưởngđếnrủirotíndụngnhưsau:Biến năng lực tài chính ảnh hưởng ngược chiều với rủi ro tín dụng, tức là KH cónănglựctàichínhcàngtốtthìkhảnăngxảyrarủirotíndụngcàngthấp;biếntàisảnbảođảmcóảnhhưởng cùngchiềuvớirủirotíndụng;Biếnđadạnghóangànhnghềkinh doanh có ảnh hưởng ngược chiều, khách hàng càng có nhiều ngành nghề kinhdoanh hiệu quả thì xác xuất xảy ra rủi ro tín dụng càng thấp; Biến kiểm tra giám sátvốn vay và kinh nghiệm của cán bộ tín dụng có ảnh hưởng ngược chiều đến rủi rotín dụng, hoạt động kiểm tra sử dụng vốn vay được diễn ra thường xuyên và cán bộcàng làmlâu nămtạingânhàngthìxácsuấtxảyra rủirotíndụngcàngthấp.
Nghiên cứu của Võ Minh Long (2020)tập trung phân tích các nhân tố ảnhhưởngđếnrủirotàichính củacácdoanhnghiệpbấtđộng sảnniêmyếttrênSởGiaodịch Chứng khoán Thành phố Hồ Chí Minh, bài nghiên cứu đã sử dụng dữ liệu của28doanhnghiệpbấtđộngsản,tươngứngsốmẫuquansátlà196,ápdụngcácphươngpháphồiquy:PooledOL S,FEM,REM,FEMướclượngvữngthôngquaphầnmềmStata 14.0 với 12 biến độc lập trong mô hình bao gồm Cơ cấu nợ,
Tỷ số thanh toánngắn hạn, Tỷ số thanh toán nhanh, Tỷ số thanh toán tổng quát, Tỷ số sinh lời doanhthu,Tỷsốsinhlờitổngtàisản,Vòngquayhàngtồnkho,Vòngquaytàisảncốđịnh,Vòng quay tổng tài sản, Vòng quay khoản phải thu, Tỷ số tự tài trợ, Tỷ số vốn cốđịnh,môhìnhtổngquátnhưsau:
FR it = β 0 + β 1 SLD it + β 2 CR it + β 3 QR it + β 4 ALR it + β 5 ROS it + β 6 ROA it + β 6 IT it + β 8 FAT it +B 9 TAT it + β 10 RT it + β 11 EAR it + β 0 FAR it +u it
Kết quả phân tích cho thấy nhóm biến có tác động cùng chiều đến rủi ro tàichínhbaogồm:Tỷsốthanhtoánngắnhạn,Tỷsốsinhlờicủatổngtàisản,vòngquayhàng tồn kho, tỷ số tự tài trợ. Nhóm biến các tác động ngược chiều đến rủi ro tàichính bao gồm: Hệ số nợ ngắn hạn trên nợ dài hạn, Tỷ số thanh toán nhanh, Tỷ sốthanh toán tổng quát, vòng quay tổng tài sản, vòng quay các khoản phải thu Nhómkhông có tác động đến rủi ro tài chính bao gồm: Tỷ số sinh lời của doanh thu, Vòngquaytàisảncốđịnh,Tỷ số vốncố định.
Lê Khương Ninh và Lê Thị Thu Diềm (2012)sử dụng mô hình BinaryLogistic để ước lượng sự ảnh hưởng của các yếu tố đến khả năng trả nợ của cácdoanhnghiệptạiCầnThơvớisốlượngmẫuquansátlà214doanhnghiệpngẫunhiên trên địa bàn thành phố Cần Thơ 12 biến độc lập được đưa vào mô hình nhưng Kếtquả cho thấy chỉ có 3/12 biến có ý nghĩa thống kê là: Đòn bẩy tài chính, ROA vàDòngtiền,trongđóbiếnđònbẩytàichínhcótácđộngngượcchiềuđếnkhảnăngtrảnợ; biến ROA và Dòng tiền có tác động cùng chiều đến khả năng trả nợ của cácdoanhnghiệptạithànhphố CầnThơ.
NghiêncứucủaBùiKimYếnvàNguyễnThịThanhHoài(2015)đánhgiákhảnăngvỡnợcủad oanhnghiệpvừavànhỏtrongquanhệtíndụngvớiNgânhàng.Bài nghiên cứu đã sử dụng mô hình hồi quy Logistic nhị phân để dự đoán xác suấttrả được nợ của các doanh nghiệp với tổng cộng 10 biến độc lập (Tiền/Tổng tài sản;Nợphảitrả/Nợngắnhạn;Hệsốthanhtoánngắnhạn;NợNgắnhạn/Vốnchủsởhữu;Tổngnợ/
Vốnchủsởhữu;Vòngquayvốnlưuđộng;Doanhthu/Tổngtàisản;Nợphảitrả/Doanhthu;Lợinhuận/
Kết quả nghiên cứu cho thấy chỉ có 3 biến có ảnh hưởng đến khả năng trả nợ của khách hàng bao gồm: Hệ số thanh toán ngắn hạn và Doanh thu/Tổng tài sản cótương quan thuận với khả năng trả nợ của KHDN; Nợ ngắn hạn/Vốn chủ sở hữu cótương quan nghịch với khả năng trả nợ của KHDN Biến Doanh thu/tổng tài sản cótácđộnglớnnhấtđếnkhảnăngtrảnợ.
Bài Nghiên cứu của Edward I Altman (1968)phân tích các tỷ số tài chínhvà dự đoán khả năng phá sản doanh nghiệp Nghiên cứu sử dụng Phương pháp phântích phân biệt với mô hình chỉ số
Z-score với các biến độc lập sau: VLĐT/Tổng tàisản;Lợinhuậnsauthuế/Tổngtàisản;EBIT/Tổngtàisản;GiátrịthịtrườngcủaVốnchủ sở hữu/Giá trị sổ sách tổng nợ; Doanh thu thuần/Tổng tài sản Kết quả nghiêncứu cho thấy các biến đều cho tác động cùng chiều với chỉ sổ tổng thể Z, từ đó xácđịnh rủirophásản theokhoảnggiátrịcủamôhìnhZ nhưsau:
Bảng2.3:Rủiro phá sảntheo giátrịmôhìnhZ
Z< 1,81 Doanhng hi ệp c ó v ấ n đ ề v ề t à i c hí nh ,k h ả năngcao sẽphásản.
Nguồn: Nghiên cứu của Edward I Altman (1968)Andrea RuthCoravos(2010)đãtiếnhànhphântích,đolườngĐolườngkhảnăngvỡnợcủa cácdoanhnghiệpnhỏnhằmđưaramôhìnhđolườnggiúpchocáctổchứctàichínhpháttriểncộngđồn g(CDFIS)pháttriểnhoạtđộngchovaytốthơnvà mởrộngtíndụnghơntrongcộngđồngdoanhnghiệp nhỏ NghiêncứunàyđãsửdụngMôhìnhhồiquylogitvớicácbiếnđộclậpnhư:Lãisuấtvay, cánbộchovay,kinhnghiệmvàtrìnhđộ,sốnămhoạtđộng,sốtiềnvay,thờihạnvay,loạihìnhdoanh nghiệpvàcácbiến kinh tếvĩmôkhác…
Kếtquảnghiêncứuchothấycácthayđổiliênquanđếnvĩmô(tỷlệthấtnghiệp,suy thoái), thời gian hoạt động ảnh hưởng ngược chiều đến khả năng trả nợ, cùngchiều với khả năng vỡ nợ: Những người đi vay gặp phải những thay đổi lớn về tỷ lệthất nghiệp tại địa phương có nhiều khả năng bị vỡ nợ Các công ty khởi nghiệp đặcbiệt nhạy cảm với những thay đổi về tỷ lệ thất nghiệp Nhìn chung, lãi suất thay đổicó liên quan đến các khoản vay, đặc biệt là đối với những người vay vi mô - nhữngngười gặp khó khăn nhất trong việc thanh toán các khoản vay có lãi suất thay đổi;Cácbiếnnhưthunhập,trìnhđộkinhnghiệmquảnlýcótácđộngcùngchiềuđếnkhảnăngtrảnợ:ngườivay cóthunhậptốt,kinhnghiệmquảnlýlâunămthìkhảnăngvỡnợthấp,dođócó khảnăngtrảnợ caohơn.
BàinghiêncứucủaChiaraPederzolivàCostanzaTorricelli(2010)tậptrungXây dựng mô hình dự đoán rủi ro tín dụng cho các doanh nghiệp vừa và nhỏ tại Ý.Nghiêncứusửdụngmôhìnhhồiquylogitvới04biếnđộclậpbaogồm:Nợphảitrảdài hạn/Tổng tài sản, Lợi nhuận trước thuế và lãi vay/Tổng tài sản, Vốn chủ sởhữu/Tổngtàisản,Doanhthu/Tổngtàisản.Môhìnhnghiêncứucódạng:PD=1/(1+exp(2.86
Cácnhântố ảnhhưởngđếnkhảnăngtrảnợcủakháchhàngdoanhnghiệp
Khả năng thanh toán đã được sử dụng trong mô hình nghiên cứu của Võ MinhLong (2020), Đỗ Năng Thắng và Nguyễn Văn Huân (2019), kết quả nghiên cứu củacáctácgiảđềuchothấyrằngkhảnăngthanhtoánngắnhạncóảnhhưởngcùngchiềuđến khảnăngtrảnợ củaKHDN. Để đo lường biến này, bài nghiên cứu sẽ lấy tỷ số thanh toán hiện hành bìnhquântrong03năm(2018,2019,2020)củadoanhnghiệpđểtínhtoán,côngthứctínhtoán bằng Tài sản ngắn hạn/
Nợ ngắn hạn, tỷ số này càng lớn thì càng cho thấy khảnăng thanh toán các khoản nợ trong ngắn hạn của doanh nghiệp càng tốt, nếu tỷ sốnàynhỏhơn1điềunàychothấyDoanhnghiệpđangmấtcânđốitàichính,khảnăngthanh toáncáckhoảnnợngắnhạnlàthấp.
Trong phạm vi nghiên cứu của mình cùng với những kinh nghiệm công tácnhiềunămtạivịtríchuyênviêntíndụngcủaBIDV,tácgiảnhậnthấyVốnlưuđộngròng được xem là một trong số các chỉ số tài chính rất quan trọng quyết định việccho vaycủacáccấplãnhđạotạiBIDV.
ChỉtiêunàyVốnlưuđộngròng(=Tàisảnngắnhạn–Nợngắnhạn)>0c h ứ n g tỏ doanh nghiệp không bị mất cân đối tài chính, không sử dụng nợ ngắn hạn tài trợtàisản.VốnlưuđộngròngcógiátrịdươngcànglớnchothấyCôngtycóđượcthặngdưtàisảnngắnhạncàng caosaukhicânđốihếtcáckhoảnnợngắnhạn,trongđócónợ vay tại Ngân hàng Những Doanh nghiệp có giá trị Vốn lưu động ròng âm cànglớn thì khả năng trả nợ càng thấp và BIDV đang định hướng hạn chế thiết lập quanhệtíndụngđốivớikháchhàngmớivàthuhẹpquymôcấptíndụngđốivớicáckháchhànghiệnhữu.
TrongcácnghiêncứutrướcchỉtiêuĐònbẩytàichínhđượccáctácgiảxácđịnhtheo nhiều cách khác nhau: trong nghiên cứu của Lê Khương Ninh và Lê Thi ThuDiềm (2012) thì Đòn bẩy tài chính được đo lường bằng công thức Nợ vay/Vốn chủsở hữu; trong nghiên cứu của Chiara Pederzoli & Costanza Torricelli
(2010) thì đònbẩy được tính bằng công thức Nợ phải trả dài hạn/Tổng tài sản; Trong nghiên cứucủaĐ ỗ N ă n g T h ắ n g v à N g u y ễ n V ă n H u â n (2 0 1 9 ) t h ì s ử d ụ n g h ệ s ố n ợ = T ổ n g nợ/Tổng tài sản Kết quả của các nghiên cứu đều cho thấy biến đòn bẩy tài chính/hệsốnợđềucóảnh hưởngđếnkhảnăng trảnợcủa KHDN.
Trêncơsởcácnghiêncứucóliênquan,tácgiảlựachọnBiếnđònbẩytàichínhđể áp dụng trong bài nghiên cứu để thay thế nhân tố hệ số nợ mà các nghiên cứutrước áp dụng và phù hợp hơn với quy định của Ngân hàng Nhà nước tại Thông tưsố 41/2016/TT-NHNN ngày 30/12/2016, đồng thời phù hợp với chính sách cấp tíndụngcủaBIDV(từ11/2020chỉsố“Đònbẩytàichính”đãđượcápdụngđể thaythếchỉsốHệsốnợtrướcđây).BiếnĐònbẩytàichínhđượcđolườngbằngTổngnợvayvànợthuêtàichín h(ngắnhạnvàdàihạn)/Tổngtàisản.Nếuhệsốnàycànglớnchothấy số tiền vay nợ của doanh nghiệp chiếm tỷ trọng cao trong cơ cấu tài sản, doanhnghiệp lệ thuộc quá nhiều vào nợ vay sẽ chịu áp lực tài chính lớn, do đó tiềm ẩn rủirosuygiảmkhảnăng trảnợvayNgânhàng.
TrongnghiêncứucủaBùiKimYếnvàNguyễnThịThanhHoài(2015),cáctácgiả đã sử dụng biến Doanh thu/ tổng tài sản để đánh giá khả năng trả nợ của doanhnghiệp vừa và nhỏ trong quan hệ tín dụng với Ngân hàng, kết quả nghiên cứu chothấy biến Doanh thu/Tổng tài sản có ảnh hưởng cùng chiều và ảnh hưởng lớn nhấtđếnkhảnăng trảnợ.
Trong bài nghiên cứu này, tác giả lựa chọn Biến Vòng Quay tài sản (được đolường bằng công thức Doanh thu thuần/Tổng tài sản) để đánh giá mức độ hiệu quảtrong sử dụng tài sản của doanh nghiệp, tỷ số này cho thấy 1 đồng tài sản được sửdụngtronghoạtđộngkinhdoanhtạorabaonhiêuđồngdoanhthu.Doanhnghiệpcótỷsốnàycànglớnch ứngtỏvòngquaytàisảncàngnhanhvàtạoradoanhthucaođểbùđắpchiphí,trongđócóchiphínợvaytạiNgâ nhàng;điềunàychothấykhảnăngtrả nợ của khách hàng là tốt hơn và có tính đảm bảo nhiều hơn, rủi ro suy giảm trảnợ thấp.
(5) Sốnămhoạtđộng(SNHD): Được đo lường bằng số năm hoạt động tính từ thời điểm thành lập theoGiấychứngnhậnđăngkýhoạtđộngcấplầnđầu.Doanhnghiệpcónhiềunămkinhnghiệmhoạtđộngsảnxuấtki nhdoanhsẽcóđượcnhiềulợithếhơnvềkhảnăngquảnlý,vận hành cũng như chủ động về thị trường đầu vào, đầu ra; điều này góp phần gia tăngvề doanh thu, lợi nhuận và mang đến tâm lý an tâm hơn trong dòng tiền kinh doanhcủa doanh nghiệp, vì vậy mà khả năng trả nợ cũng được đảm bảo hơn Biến độc lậpnày đã từng được sử dụng trong nghiên cứu của Andrea Ruth Coravos (2010), ĐỗNăng ThắngvàNguyễnVănHuân(2019).
Biến này được đo lường bằng mức lãi suất bình quân trong năm áp dụng chotừng doanh nghiệp Việc vay nợ dù ít hay nhiều cũng tạo ra áp lực tài chính chodoanh nghiệp. Những khách hàng doanh nghiệp vay vốn với lãi suất càng cao thì áplựctrảnợlãicànglớn,dòngtiềnhoạtđộngphảibùđắpchokhoảntiềnlãiNgânhàngnênsẽảnhhưởngđếnkhả năngtrảnợ.Biếnđộclậpnàyđãtừngđượcsửdụngtrongnghiên cứu củaAndreaRuthCoravos (2010).
Số tiền cho vay là nhân tố đã được đưa vào phân tích trong bài nghiên cứu củaAndreaRuthCoravos(2010);ĐỗNăngThắngvàNguyễnVănHuân(2019).Kếtquảnghiên cứu của các Andrea Ruth Coravos (2010) cho thấy khoản vay lớn thì khảnăng trả nợ khó hơn các khoản vay nhỏ; kết quả nghiên cứu của Đỗ Năng Thắng vàNguyễn Văn Huân (2019) đã cho thấy vốn vay ngân hàng có tác động ngược chiềuđến khảnăngtrảnợ củakháchhàng.
Biến này được tác giải lựa chọn đưa vào mô hình nhằm đánh giá áp lực về chiphí tài chính của các doanh nghiệp khi vay vốn tại BIDV, biến này được xác địnhgiá trị bằng dư nợ vay đến thời điểm cuối năm 2020 của doanh nghiệp, với quy môdư nợ càng lớn thì áp lực trả nợ cả gốc và lãi càng nhiều nên phần lớn sẽ ảnh hưởngngượcchiềuđếnkhảnăngtrảnợcủakháchhàngdoanhnghiệp.
Tácgiảlựachọnbiếnđộclậpnàyđưavào môhìnhvìtrên thựctếhiệnnaycácDoanh nghiệp có tỷ lệ tài sản thế chấp thấp sẽ thường có rủi ro nợ quá hạn, nợ xấuhơn Các khách hàng có tài sản thế chấp ít hơn dư nợ vay thường ít có thiện chỉ trảnợ vì phần thiệt hại về tài sản mà khách hàng phải phát mại để trả nợ Ngân hàng làthấp.BiếnđộclậpnàyđượcsửdụngkhánhiềutrongcácnghiêncứucủaGabriel
Jiménez &, Jesús Saurina (2004); Trương Đông Lộc và Nguyễn Thị Tuyết (2011);BùiHữuPhước,NgôThànhDanhvàNgôVănToàn(2018).
TrongnghiêncứunàytácgiảsẽtiếnhànhtínhtoántỷlệTSBĐbằngtỷsốgiữaTổng giá trị tài sản sau quy đổi/ Tổng dư nợ bình quân của từng khách hàng doanhnghiệp(hệ số quy đổi của từng loại tài sản áp dụng theo quy định hiện hành củaBIDV), sở dĩ việc áp dụng hệ số quy đổi để phản ánh chính xác hơn về mức độ đảmbảo tại Ngân hàng theo tính thanh khoản của các tài sản(ví dụ các tài sản như bấtđộng sản, tiền gửi thì hệ số sẽ cao hơn các tài sản là máy móc, phương tiện vậntải ) Khách hàng có tài sản thế chấp càng nhiều, tỷ lệ TSBĐ càng cao càng chothấy thiện chí trong việc trả nợ và có trách nhiệm trong việc sử dụng vốn vay đúngmụcđíchđểtránhtrườnghợpphảixửlýtàisảnđãthếchấp.
Những khách hàng có tỷ lệ TSBĐ thấp tức là doanh nghiệp được sử dụng mộtphầnvốnvaymàkhôngcótàisảnnàobảođảm,nênsẽtiềmẩnrủirovềthiệnchítrảnợvìkhiđótính ràngbuộctráchnhiệmtrong việctrảnợ làkhôngcao.
HÌNHVÀPHƯƠNG PHÁPNGHIÊNCỨU
Trìnhtựnghiên cứu
Xuất phát từ các mô hình lý thuyết và nghiên cứu thực nghiệm đã nêu tạiChương 2, đề tài sẽ xác định các nhân tố có ảnh hưởng đến khả năng trả nợ vay của doanh nghiệp trên cơ sở kế thừa và bổ sung các nghiên cứu có liên quan trước đó.Cụthểtrongbàinghiêncứunày,tácgiảsẽsửdụngmôhìnhhồiquyBinaryLogistic(mô hình hồi quy nhị phân) kế thừa chủ yếu từ nghiên cứu của Đỗ Năng Thắng vàNguyễnVănHuân(2019) đểướclượngcácnhântốảnhhưởngđếnkhảnăngtrảnợ.Dựa vào kết quả của mô hình hồi quy Logistic, đề tài xác định mức độ tác động củacácyếutốđếnkhảnăngtrảnợcủadoanhnghiệp,trongđócácyếutốnàocótácđộngcùng chiều hay ngược chiều với khả năng trả nợ của doanh nghiệp Cuối cùng, dựatrên phân tích và tổng hợp kết quả nghiên cứu, đề tài gợi ý một số hàm ý chính sáchnhằm giúp Ngân hàng đo lường được xác suất trả nợ, đánh giá đúng hơn khả năngtrả nợ vay của doanh nghiệp, từ đó có chính sách cấp tín dụng phù hợp để hạn chếtốiđa rủirotíndụngchoNgânhàng.
Phântíchtươngquangiữacácbiếntrongmôhình(Hệsốtươngquan,đacộng tuyến,hệsốVIF…).
Phươngphápnghiêncứu
Tácgiảsửdụngphươngphápđịnhlượngđểnghiêncứucácnhântốảnhhưởngđến khả năng trả nợ của khách hàng doanh nghiệp thông qua việc áp dụng mô hìnhhồi quy logistic (mô hình binary Logistic) kế thừa chủ yếu từ nghiên cứu của ĐỗNăngThắngvàNguyễnVănHuân(2019),cáctácgiảđãđưaramôhìnhhồiquy tổngquátnhưsau:Ln(odds)=𝐋𝐧 [𝐏 ( 𝐘 = 𝟏 )
B 5 X 5 +B 6 X 6 +B 7 X 7 +B 8 X 8 +B 9 X 9 +B 10 X 10 + B 11 X 11 +B 12 X 12 v àtrongđóbiếnphụ thuộc Y là biến trả nợ nhận 1 trong 2 giá trị: giá trị 1 (có khả năng trả nợ) hoặc giátrị0(khôngcókhảnăngtrảnợ).
MôhìnhhồiquyBinaryLogisticlàmôhìnhđịnhlượngtrongđóbiếnphụthuộclàbiếnnhịphân,chỉnhận2 giátrịlà0hoặc1.M ô hìnhnàyđượcứngdụngrộngrãitrong phân tích về các rủi ro tín dụng Trong lĩnh vực Ngân hàng thì mô hình nàygiúp xác định khả năng khách hàng vay vốn có tiềm ẩn rủi ro tín dụng (biến phụthuộc) trên cơ sở sử dụng các nhân tố có ảnh hưởng đến khách hàng (biến độc lập),cụ thể:
Phụthuộc Y Nhịphân Độclập Xi Liêntụchoặcrờirạc
Y là biến nhị phân chỉ có thể nhận một trong hai giá trị 0 hoặc
1Y=0:Kháchhàngkhôngcókhảnăngtrảnợ Y=1:Kháchhàng có khảnăng trảnợ
P (Y=1): xác suất trả được nợ, 1- P(Y=1): Xác suất không trả được nợ.Xi:cácnhântố ảnhhưởngđếnkhảnăngtrảnợ- biếnđộclập; βi: các cơ số của biến độc lập XiLn:Logaritcơ sốe(e=2 7 2 )
Từ mô hình Binary Logistic nêu trên, tác giả xem xét đến sự thay đổi củaxác suất trả nợ khi giá trị các biến độc lập gia tăng 1 đơn vị (từ X lên X+1), cụthểnhư sau:
+ KhibiếnđộclậpnhậngiátrịXthìgiátrịLn(TS1)=β0+ β 1.X + Khi biến độc lập nhận giá trị X+1 thì giá trị Ln (TS 2 ) = β0+ β1 (X+1) = Ln(TS1)+ β1
Như vậyβ1=Ln(TS2)-Ln(TS1)=Ln[ TS 2 ]
TS 1 Ýnghĩa:khibiếnđộclậptănggiátrịlên1đơnvịthìTS2b ằ n g𝑒𝛽 1 l ầ nsovớiTS1.Đểlàmrõhơnýng hĩakhitínhtoánxácsuấttrảđượcnợ,tácgiảtiếptụctriển khaicôngthứcnhưsau: 𝑷 𝟏 = 𝒆 𝖰 𝟏 𝒙 𝑷 𝟎
(trong đó: P 0 là xác suất trả được nợ ban đầu, P 1 là xác suất trả được nợ khi giá trịbiếnđộclậpđãtănglên 1đơnvị) ƯuđiểmcủamôhìnhBinary Logistic:
-Mô hình Logistic này có kỹ thuật đo lường đơn giản, dễ thực hiện bằng phầnmềmchuyêndụng.Dễdànghiệuchỉnhthêm,bớtcácbiếntrongmôhìnhđểđánhgiámứcđộ tácđộng cụthểcủacácnhântốđếnkhảnăngtrảnợ
-Là mô hình định lượng nên phần nào khắc phục được các nhược điểm củaphươngphápđịnhtính,khôngbịảnhhưởngbởicácyếutốchủquantừcánbộNgânhànghayt ừkháchhàng.
- Giúpngânhàngphânloạikháchhàngvànhậndiệnrủirotốthơn.Thôngquakết quả từ mô hình, chúng ta có thể ước lượng được xác suất không trả được nợ củakhách hàng, từ đó Ngân hàng có thể xác định được doanh nghiệp nào có khả năngtrảnợtốtvàrủiromấtvốnthấp,doanhnghiệpnàotiềmẩnrủirosuygiảmkhảnăngtrả nợ, từ đó Ngân hàng có những chính sách cấp tín dụng và biện pháp kiểm soátphùhợp.
Mô hìnhnghiên cứuđềxuất
Bài nghiên cứu xây dựng mô hình và các biến được tham khảo từNghiên cứucủa Đỗ Năng
Thắng và Nguyễn Văn Huân (2019), nhóm tác giả này đã phát triểnmô hình nghiên cứu với mẫu nghiên cứu là 210 doanh nghiệp tại Việt Nam và sửdụng mô hình Binary Logistic để xác định các yếu tố tác động đến khả năng trả nợNgânhàngvàchỉramứcđộ ảnh hưởngcủacácnhântố này: ĐểcónhữngđánhgiáphùhợpvềkhảnăngtrảnợcủacácdoanhnghiệptạiViệtNam trong bài nghiên cứu này, tác giả sẽ giữ lại một số biến trong mô hình củaNghiên cứu của Đỗ Năng Thắng và Nguyễn Văn Huân (2019), cụ thể là biến:Khảnăngthanhtoánhiệnhành,Hệsốnợ,TỷsốROA,Sốtiềnchovay,Sốnămhoạtđộng.Riêng biến
Hệ số nợ = Tổng nợ/Tổng tài sản được điều chỉnh thành Tổng nợ vay vànợ thuê tài chính (ngắn hạn và dài hạn)/ Tổng tài sản để phù hợp với chỉ số đòn bẩytàichínhđang đượccácNgân hàngápdụng đểđánh giákhách hàng,đồng thờituân thủtheoQuyđịnhcủaNgânhàngnhànướcViệtNam(trongbàinghiêncứunàygọilà
Ngoàiracăncứvàocácbàinghiêncứuliênquantrongvàngoàinướccùngvớikinh nghiệm của bản thân trong quá trình công tác tại vị trí chuyên viên tín dụngdoanhnghiệpcủaBIDV,tácgiảđềxuấtbổsungmộtsốbiếntrongmôhìnhbaogồm:Vốn lưu động ròng, Lãi suất cho vay, Tỷ lệ tài sản bảo đảm, Tỷ số tự tài trợ, Vòngquaytổngtàisản.
BinaryLogisticnhằmnghiêncứumứcđộảnhhưởngcủacác nhân tố đến khả năng trả nợ của khách hàng doanh nghiệp tại
BIDV, cụ thể môhình tổngquátnhưsau:
TN = β0+ β1 KNTT + β2.VLDR + β3 DB + β4 VQTS + β5 SNHD + β6 LS +β7.DN+ β8.TSBD+ β9.ROA+ β10.EQUIA
Hình 3.1: Mô hình tổng quát các nhân tố ảnh hưởng đến khả năng trả nợ củaKHDN
Cáckháchhàngđượcxemlàcókhảnăngtrảnợ(Y=1)khiđượcphânloạinợNhómn ợ1và 2 (Không cónợquáhạnhoặcquá hạn 50 + 8m trong đó n là kích thước mẫu cần thiếtvàmlàsốlượngbiếnđộclập.Nhưvậynếuápdụngkinhnghiệmchọnmẫunêutrênthì bài nghiên cứu với 10 biến độc lập sẽ cần sử dụng ít nhất 130 mẫu quan sát. Tuynhiênkíchcỡmẫulựachọncànglớnhơnmứctốithiểuthìđộtincậycủanghiêncứucàng cao, do đó tác giả sẽ lựa chọn kích thước mẫu với số lượng khách hàng doanhnghiệp chobàinghiêncứulà360kháchhàng.
Đầu tiên, tác giả sẽ thu thập và thống kê, sắp xếp dư nợ của các khách hàngdoanhnghiệpđangcóquanhệtíndụngtạicácchinhánhcủaBIDVtínhđến12/2020.
Từ danh sách đó chọn ngẫu nhiên ra 360 KHDN thuộc nhiều lĩnh vực khácnhau (sản xuất, thương mại, xây dựng, dịch vụ…), sau đó loại bỏ các KHDN là cácCông ty chứng khoán, Quỹ đầu tư, Công ty bảo hiểm, Công ty tài chính, Ngânhàng…; loại bỏ các KHDN không có đủ BCTC 03 năm và không có kết quảXHTDNBtạiBIDV.
Sau đó tiếp tục chọn ngẫu nhiên các khách hàng khác để thay thế cho cácKHDNđãloạibỏtheotiêu chívừanêu.
K ế tquảđápứng nguyêntắcnêutrên thu thập được 360kháchhàng.
Trong chương 3 tác giả trình bày cách thức nghiên cứu, trình tự nghiên cứu vàphương pháp nghiên cứu định lượng thông qua Mô hình hồi quy nhị phân BinaryLogistic Tác giả đã xây dựng mô hình nghiên cứu trên cơ sở kế thừa các biến đãđượcsửdụngtrongnghiêncứucủaNghiêncứucủaĐỗNăngThắngvàNguyễnVănHuân(2019)vàbổsu ngthêmcácbiếnmàtácgiảdựđoánsẽcónhữngtácđộngđếnkhảnăngtrảnợcủadoanhnghiệp.
Môhìnhđượcxâydựngvới10biếnđộclậplà:Khảnăngthanhtoánhiệnhành,Vốn lưu động ròng, Đòn bẩy tài chính, Vòng quay tổng tài sản, Số năm hoạt động,Lãi suất vay, Số tiền vay, Tỷ lệ tài sản bảo đảm, Tỷ số ROA,
Tỷ số tự tài trợ Trong10 biến nêu trên, tác giả đã đưa ra 10 giả thiết trong đó có 3/10 giả thiết tương ứngvới3biến(Đònbẩytàichính,Lãisuấtvay,Sốtiềnvay)cótácđộngngượcchiềuvớikhả năng trả nợ của doanh nghiệp, có 7/10 giả thiết tương ứng với 7 biến còn lại cótácđộngcùngchiềuvớikhảnăng trảnợ củadoanhnghiệp.
Trong Chương 3 tác giả đã tiến hành chọn mẫu quan sát là 360 khách hàng đểđưa vào mô hình hồi quy sau khi đã lược bỏ các khách hàng không đạt các tiêu chívềdữliệu nghiên cứu.
THẢOLUẬN
ThựctrạngtíndụngtạiBIDV
Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BIDV) được thành lập theogiấyphépsố84/GP-NHNNdoNgânhàngnhànướccấpngày23/4/2012vàđếnngày27/04/2012, BIDV chính thức chuyển đổi từ Ngân hàng thương mại 100% vốn
NhànướcthànhNgânhàngthươngmạicổphầndoNhànướcchiphốihoạtđộngtheoquyđịnh của luật pháp và thông lệ quốc tế Đây được xem là bước ngoặt quan trọng, cóýnghĩaquyếtđịnh,đánhdấusựpháttriểnvềchất,tạoThếvàLựcmớiđểBIDVtiếptụcvươnlênvàđónggó pngàycàngnhiềuchosựpháttriển củaViệtNam. Địa chỉ Trụ Sở Chính của BIDV đặt tại 194 Trần Quang Khải, Quận HoànKiếm,HàNộivàthựchiệngầnnhưtoànbộcáclĩnhvựchoạtđộngcủaNgânhàng:
- Cấp tíndụng(chovay,bảo lãnh,chiếtkhấu,baothanh toán…)
- Dịchvụthẻ(tíndụng,thẻghinợnội địa,thẻ ghinợquốc tế).
- Cáchoạtđộngkinhdoanhkhác:Dịchvụbảoquảntàisản,tưvấntàichính,lưuk ý chứngkhoán,muabán tráiphiếu Chínhphủ,tráiphiếudoanhnghiệp….
Chỉtiêu Năm2017 Năm2018 Năm2019 Năm2020
Chỉtiêu Năm2017 Năm2018 Năm2019 Năm2020
Nguồn: BCTC của BIDV năm 2017 – 2020 (đã kiểm toán)Bảng 4.1 cho thấy BIDV có sự tăng trưởng cả về quy mô và hiệu quả hoạt độngtronggiaiđoạn2017đến2020,tiềngửitừkháchhàngvàdưnợchovayđềutăngtrưởngbìnhq uânhàngnămtrên10%.Tronggiaiđoạn2019– 2020mặcdùphảichịuảnhhưởnglớntừdịchbệnhcovid19nhưngsốdưtiềngửivàchovaynăm2020đềutăng sovới2019; Lợi nhuậnđãsụt giảmhơn15%đếntừviệcgiảmlãi suất chovayvàcơcấunợ(giữnguyênnhómnợ)chocáckháchhàngvaybịảnhhưởngbởidịchbệnhcovid1 9tronggiaiđoạnnày,tuynhiênvớiviệctăngtrưởngvềsốdưhuyđộngvốnvàdưnợchovayđãphầnnàoc hothấynỗlựccủaBIDVtronggiaiđoạnkhó khănvừaqua.
* Nợ xấu(nhóm 3 đến nhóm 5) 14,064 18,802 19,496 21,369 15.70%
Nguồn:BCTCcủaBIDVgiaiđoạn 2017 –2020 (đã kiểm toán)
Từbảng4.2cóthểthấymặcdùhoạtđộngtíndụngluôncósựtăngtrưởngquacác năm, nhưng đi kèm với đó là rủi ro khách hàng không trả được nợ dẫn đến giatăng các khoản nợ quá hạn, nợ xấu, ảnh hưởng đến khả năng thu hồi vốn của Ngânhàng Trong giai đoạn 2017 – 2020 nợ nhóm 2 đến nhóm 4 (nợ cần chú ý, nợ dướitiêu chuẩn và nợ nghi ngờ) đều đã giảm đáng kể, điều này cho thấy một phần từ nỗlựctrongcôngtácthuhồinợquáhạn,nợxấu;tuynhiênnợnhóm5(nợcókhảnăngmất vốn) lại tăng cao đột biến với mức tăng bình quân 47% vì trong giai đoạn nàyNgân hàng thực hiện nhiều đề án tái cơ cấu các chi nhánh kém hiệu quả, các chinhánh có nợ tiềm ẩn cao; các khoản nợ xấu lớn, khả năng thu hồi thấp, thời hạn quáhạn trên 360 ngày đều được phân lợi nợ nhóm 5 nhằm phản ánh chính xác, kháchquan chất lượng tín dụng của BIDV nói chung và các chi nhánh trong hệ thống nóiriêng.
Xét về nợ xấu (là các khoản nợ từ nhóm 3 đến nhóm 5), BIDV hiện đang có tỷ lệ nợ xấu ở mức cao so với ngành, năm 2020 Nợ xấu là 21,369 tỷ đồng với tỷ lệnợ xấu là 1.8%, tăng so với thời điểm năm trước đó (năm 2019 là 1.7%) Có nhiềunguyên nhân khiến cho nợ xấu gia tăng nhưng chủ yếu xuất phát từ dịch bệnh covid19 đã ảnh hưởng không nhỏ đến hiệu quả hoạt động của BIDV và toàn bộ nền kinhtế, dịch bệnh đã khiến cho nhiều doanh nghiệp, khách hàng cá nhân gặp khó khăntronghoạtđộngsảnxuất,kinhdoanh,từđómấtkhảnăngthanhtoán,ảnhhưởngđếnviệtrảnợvaychoBIDV,trongkhiđó BIDVcùngcácngânhàngkhácphảiápdụng cácchínhsách,cơchếhỗtrợchocácKháchhàngbịảnhhưởngbởidịchbệnhtheoquyđịnh từNgânhàngnhànước.
Kếtquảnghiêncứutừmôhìnhhồiquy
Nhằm thực hiện việc phân tích để đánh giá mức độ ảnh hưởng của các nhân tốđến khả năng trả nợ của khách hàng doanh nghiệp, bài nghiên cứu đã lựa chọn cáckhách hàng doanh nghiệp đang vay vốn tại các chi nhánh trong hệ thống BIDV còndư nợ thời điểm 31/12/2020 và có đủ BCTC 3 năm gần nhất, kết quả thu thập đượcthống kênhưsau:
Bảng4.3:Phântíchmẫudữliệukhả năng trả nợ củaKHDNtạiBIDV
Biến Sốlượng Thấpnhất Caonhất Trungbình
Biến Sốlượng Thấpnhất Caonhất Trungbình
-Nhân tố khả năng thanh toán cho thấy năng lực tài chính của doanh nghiệp,chỉsốnàylớnhơn1chothấytàisảnngắnhạnlớnhơnnợngắnhạnvàdoanhnghiệpđảmbả ođượckhảnăngthanhtoáncáckhoảnnợngắnhạntừnguồntàisảnngắnhạnsẵn có Bảng thống kê cho thấy trong 360 mẫu quan sát thì doanh nghiệp có chỉ sốkhảnăngthanhtoánthấpnhấtlà0.03lần;caonhấtlà34lầntuynhiêntrungbìnhkhảnăng thanh toánởcácdoanhnghiệp đang vay vốntạiBIDVởmức2.53 lần.
-Nhân tố Vốn lưu động ròng cho thấy mức độ thặng dư về tài sản của doanhnghiệp, trong 360 mẫu quan sát thì có doanh nghiệp âm vốn lưu động ròng với giátrị nhỏ nhất là âm (-) 139 tỷ đồng, giá trị cao nhất đạt đến 3.318 tỷ đồng, trung bìnhvốn lưuđộngròngcủacácdoanhnghiệp ở mức81tỷđồng.
-NhântốĐònbẩytàichínhchothấytỷtrọngsửdụngnợvaycủadoanhnghiệptrong cơ cấu nguồn vốn, trong 360 mẫu quan sát thì giá trị đòn bẩy tài chỉnh thấpnhất là 2.8%, giá trị lớn nhất là 80%, trung bình tỷ trọng nợ vay (ngắn hạn, dàihạn)/tổngtàisảnđạt43.94%.
-NhântốVòngquaytổngtàisảnchothấytốcđộluânchuyểntàisảncủadoanhnghiệp, trong 360 mẫu quan sát thì doanh nghiệp có chỉ số vòng quay tài sản thấpnhấtlà0.08vòng,caonhấtlà11.37 vòng,trungbìnhđạt1.65 vòng.
-Nhân tố Số năm hoạt động phản ánh số năm kinh nghiệm trong lĩnh vực hoạtđộngcủacácdoanhnghiệp,trongđódoanhnghiệpcósốnămhoạtđộngthấpnhấtlà3 năm,caonhấtlà57năm.
-NhântốLãisuấtvay thểhiệnmứclãisuấtbìnhquânmà1doanhnghiệpphảichitrảchoviệcsửdụngvốnvaycủaBIDV ,vớimứclãisuấtthấpnhấtlà4.25%,caonhất là 14% và trung bình trong 360 mẫu quan sát thì mức lãi suất bình quân là6.49%.
-NhântốSốtiềnvaychothấymứcđộsửdụngnợvaycủadoanhnghiệp,trong360 mẫu quan sát thì doanh nghiệp có dư nợ vay thấp nhất là 6.98 tỷ đồng, cao nhấtlà1.798 tỷđồngvàdưnợbìnhquân trong 360 mẫuquan sátlà134tỷđồng.
-NhântốTàisảnbảođảmchothấymứcđộ,tỷtrọngthếchấptàisảncủadoanhnghiệpđểđả mbảochokhoảnvaytạiBIDV,trong360mẫuquansátthìdoanhnghiệpcó tỷ trọng tài sản bảo đảm thấp nhất là 0% (cho vay tín chấp 100%), cao nhất là526%, trung bình đạt 70%, điều này cho thấy đa phần các doanh nghiệp đang vayvốn tạiBIDVđượcvaysố vốn nhiềuhơnphần tàisảnhiệnđang thếchấp.
-Tỷ số ROA cho thấy hiệu quả trong việc sử dụng tài sản của doanh nghiệp,trong 360 mẫu quan sát thì doanh nghiệp có chỉ số này thấp nhất là -9.34% (doanhnghiệp này kinh doanh thua lỗ nên sử dụng tài sản không có hiệu quả), cao nhất là24.48%,trungbìnhđạt3.17%,nhưvậynhìnchungcácdoanhnghiệpsửdụngtàisảntương đốihiệuquả,trungbình100đồng tàisản tạora3.17đồngdoanh thu.
-Nhân tố Tỷ số tự tài trợ cho thấy tỷ trọng sử dụng vốn chủ sở hữu trong cơcấunguồnvốncủadoanhnghiệp.Trong360mẫuquansátthìdoanhnghiệpcótỷsốtự tài trợ thấp nhất là 1.84%, nhưng có doanh nghiệp đạt đến 94% (gần như khôngsửdụngnợvay),Tỷ sốtựtàitrợ bìnhquâncủa360mẫuquansátlà32.37%.
Biến Giá trị TN KNTT VLDR DB VQTS SNHD LS DN TSBD ROA EQUIA
Biến Giá trị TN KNTT VLDR DB VQTS SNHD LS DN TSBD ROA EQUIA
Kếtquảnêutrênlàmatrậntươngquangiữacácbiếnđộclậpvàgiữabiếnđộclập với biến phụ thuộc Các giá trị Pearson Correlation trong bảng nêu trên thể hiệnmối tương quan giữa các biến với nhau, giá trị Pearson Correlation có thể dao độngtrong khoảng từ âm (-) 1 đến dương (+) 1 Nếu giá trị Pearson Correlation bằng âm(-) 1 tức là hai biến có mối tương quan âm hoàn hảo, tương tự giá trị dương (+) 1chứngtỏmốitươngquandươnghoànhảo;giátrị0chothấykhôngcósựtươngquannào.
TrongbảngnêutrênnhậnthấygiátrịPearsonCorrelationgiữacácbiếnđềuđạt ở mức trong khoảng -1 đến +1, tuy nhiên để kết quả được chuẩn xác khi tiến hànhchạy hồi quy, tác giả tiếp tục tiến hành kiểm định hiện tượng đa cộng tuyến thôngquahệsốphóngđạiphươngVIFbằngphầnmềmSPSS 20.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) thì nếu hệ số VIF vượtquá10thìcódấuhiệuđacộngtuyếngiữacácbiến,hoặcxemxétgiátrịTolerance=1/VIF,nếuchỉsố nàybéhơn0.1thìcódấuhiệuđacộngtuyến:
Bảng trên cho thấy giá trị VIF của tất cả các biến đều bé hơn 10 – Giá trịToleranceđềulớnhơn0.1,dođó khôngcóhiện tượngđacộng tuyến
Saukhiphântíchtươngquanvàkiểmtrahiệntượngđacộngtuyến,tácgiảtiếnhành phân tích hồi quy BinaryLogistic bằng phần mềm SPSS 20, kết quả thu đượctrong lầnchạyhồiquyđầutiên nhưsau:
Biến Hệsốβ S.E Wald df Sig Exp(B)
Vớikếtquảhồiquytạibảng4.8,tácgiảxemxétgiátrịSigcủakiểmđịnhWald,cụ thể giá trị Sig kiểm định Wald của các biến KNTT, VLDR, DB, VQTS, LS, DN,ROA và EQUIA đều nhỏ hơn 0.05 (mức ý nghĩa 5%), do đó các biến này đều có ýnghĩathốngkê.RiêngcácbiếnSNHDvàTSBĐ cóSiglớnhơn0.05,vìvậy02biếnnày khôngcóýnghĩathốngkêkhiphântíchhồiquy.
Nhân tố “Số năm hoạt động” và “Tỷ lệ tài sản bảo đảm” trong phương phápphân tích định lượng thông qua mô hình hồi quy nhị phân không có ý nghĩa trongviệc giải thích sự thay đổi khả năng trả nợ của khách hàng tại BIDV, trong kết quảhồiquylần1,biếnSNHDcógiátrịSig=0,23>0,05(5%)chứngtỏvớimứcýnghĩa5%biếnSNHDkhông cóýnghĩagiảithíchchomôhình,tácgiảsẽloạibớtbiếnnàyvàchạymôhìnhhồiquyBinaryLogistic với9 biếncòn lại,kếtquảnhưsau:
Biến Hệsốβ S.E Wald df Sig Exp(B)
Biến Hệsốβ S.E Wald df Sig Exp(B)
Trong kết quả hồi quy lần 2, chỉ riêng biến TSBĐ có giá trị Sig = 0,14 > 0,05(5%)chứngtỏvớimứcýnghĩa5%biếnTSBĐkhôngcóýnghĩatrongviệcgiảithíchcho mô hình nên tác giả sẽ loại biến Tài sản bảo đảm và chạy lại mô hình hồi quyBinary Logisticlần3với8 biếncònlại,kếtquảnhưsau:
Biến Hệsốβ S.E Wald df Sig Exp(B)
Kếtquảhồiquytạibảng4.10chothấysaukhiloạibỏlầnlượtcácbiếnSNHDvàTSBĐvàtiếnhànhch ạymôhìnhhồiquyvớicácbiếncònlạithìSigcủatấtcả các biến đều đã nhỏ hơn 0.05, cụ thể giá trị Sig của các nhân tố KNTT, VLDR, DB,VQTS,LS,DN,ROAvàEQUIAlầnlượtlà0.027;0.000;0.005;0.000;0.008;0.035,
0.004 và 0.004; do đó tất cả các biến đều có ý nghĩa thống kê hay nói cách khác tấtcảcácbiếnKNTT,VLDR,DB,VQTS,LS,DN,ROAvàEQUIA(biếnđộclập)đềucó sựảnhhưởngđếnkhảnăngtrảnợ(biếnphụ thuộcTN).
Kết quả cho thấy giá trị Sig của các chỉ số đều có giá trị 0.000 nhỏ hơn 5% nênmô hìnhcóýnghĩathốngkê.
Step -2Loglikelihood Cox&SnellRSquare NagelkerkeRSquare
Hệ số xác định mức độ giải thích của mô hình là giá trị Nagelkerke RSquaretrongBảng4.12,giátrịnàycàngcao(càngtiếnvề1)càngchothấymôhìnhhồiquycóđộphùhợpcao,cụthểkếtquảhồiquychothấygiátrịNagelkerkeRSquarebằng0.809 (tức 80,9%), điều này cho thấy 80,9% sự thay đổi của biến phụ thuộc (khảnăng trả nợ) được giải thích bằng các biến độc lập KNTT, VLDR, DB, VQTS,LS,DN,ROAvàEQUIAtrongmôhình.
Step Chi-square df Sig.
Kết quả của kiểm định Hosmer and Lemeshow Test cho biết sự phù hợp củamôhìnhhồiquytổngthể,giátrịsig=0,986>0.05(5%)chothấymôhìnhcósựphùhợptốt,cóthểsửdụngđ ểdựbáo.
Tiếp theo để kiểm định mức độ dự báo chính xác của mô hình, tác giả sử dụngbảngkếtquảClassificationTable:
Bảng4.14chothấytrongsố62kháchhàngkhôngcókhảnăngtrảnợ,môhìnhđã dự đoán chính xác 51 khách hàng không có khả năng trả nợ, vậy tỷ lệ dự đoánđúnglà51/62.3%.Trongsố298kháchhàngcókhảnăngtrảnợ,môhìnhđãdựđoánchínhxác287 Kháchhàngcókhảnăngtrảnợ,vậytỷlệdựđoánđúnglà287/298
Thảoluậnkếtquảnghiên cứu
Bảng4.15:Tómtắtkếtquảmôhìnhhồiquycuốicùng Biến Hệsốhồi quyβ Sig Exp(B)
Trên cơ sở kết quả kiểm định và mô hình nghiên cứu (sau khi loại bỏ các biến không có ý nghĩa thống kê), tác giả đã xác định có 8 biến có ý nghĩa thống kê vớimức ý nghĩa 5%: Khả năng thanh toán (KNTT), Vốn lưu động ròng (VLDR), Đònbẩy tài chính (ĐB), Vòng quay tài sản (VQTS), Lãi suất vay (LS), Số tiền cho vay(DN), Tỷ số ROA, Tỷ số tự tài trợ (EQUIA), các nhân tố này đều có ảnh hưởng đếnkhảnăngtrảnợ củakhách hàngdoanhnghiệp.
Với độ tin cậy 95%, dấu của Hệ số hồi quy β cho biết sự ảnh hưởng của cácbiếnđộclậplênbiếnphụthuộclàcùng chiều(+)hayngượcchiều(-),cụthểvớikếtquả mô hình nêu trên thì có 5/8 biến có tác động cùng chiều đến khả năng trả nợ:Khả năng thanh toán, Vốn lưu động ròng,
Vòng Quay tài sản, Tỷ số ROA và Tỷ sốtự tài trợ; có 3/8 biến có tác động ngược chiều đến khả năng trả nợ:Đòn bẩy tàichính,Lãisuấtvayvà Sốtiền vay,cụthểýnghĩanhưsau:
-Thứ nhất, biến KNTT (khả năng thanh toán) có tác động cùng chiều đến khảnăngtrảnợcủaKHDN(thểhiệnquahệsốβ=1.137>0),điềunàycóýnghĩakhi khả năng thanh toán càng tăng thì khả năng trả nợ càng tăng Kết quả này phù hợpvớigiảthiếtnghiêncứubanđầuvàtươngđồngvớikếtquảnghiêncứucủaVõMinhLong(2020);ĐỗN ăngThắngvàNguyễnVănHuân(2019),BùiKimYếnvàNguyễnThịThanhHoài(2015).
-Thứhai,biếnVLDR(vốnlưuđộngròng)cótácđộngcùngchiềuđếnkhảnăngtrảnợcủaKH DN(thểhiệnquahệsốβ=0.096>0),điềunàycóýnghĩakhivốnlưuđộng ròng càng tăng thì khả năng trả nợ càng tăng, điều này có ý nghĩa khi vốn lưuđộng ròng càng tăng thì khả năng trả nợ càng tăng Thực tế thì những doanh nghiệpvay vốn tại BIDV có nguồn vốn lưu động ròng càng cao cho thấy được sự thặng dưlớn về tài sản ngắn hạn nên luôn có được sự chủ động về tài sản để đảm bảo thanhtoánđầyđủ tấtcảcáckhoảnnợngắnhạn,vìthếmàkhảnăng trảnợsẽtốthơn.
-Thứ ba, biến DB (đòn bẩy tài chính) có tác động ngược chiều đến khả năngtrả nợ của KHDN (thể hiện qua hệ số β = - 0.06 < 0), điều này có ý nghĩa khi tỷ lệđòn bẩy tài chính càng tăng thì khả năng trả nợ càng giảm Những doanh nghiệp cótỷlệđònbẩycaochothấymứcđộvaynợlớnnênphảichịuáplựcchitrảlãicao,dođó sẽ ảnh hưởng đến khả năng trả nợ nếu doanh nghiệp không thể cân đối kịp thờicácnguồnthuđểthanhtoáncáckhoảnnợkhiđếnhạn.
-Thứtư,biếnVQTS(Vòngquaytàisản)cótácđộngcùngchiềuđếnkhảnăngtrả nợ của KHDN (thể hiện qua hệ số β = 4.7 > 0), điều này có ý nghĩa khi Vòngquay tài sản càng tăng thì khả năng trả nợ càng tăng Giá trị Vòng quay tài sản chothấy hiệu quả sử dụng tài sản của Doanh nghiệp trong việc tạo ra doanh thu, doanhnghiệp nào sử dụng tài sản càng hiệu quả thì khả năng trả nợ sẽ càng tốt hơn Kếtquả này phù hợp với giả thiết nghiên cứu ban đầu và tương đồng với kết quả nghiêncứu của Chiara Pederzoli & Costanza Torricelli (2010); Nguyễn Văn Thép và TạQuangDũng (2017);BùiKimYến vàNguyễnThịThanhHoài(2015)
-Thứ năm, biến LS (lãi suất vay) có tác động ngược chiều đến khả năng trả nợcủa KHDN (thể hiện qua hệ số β = - 0.849 < 0), điều này có ý nghĩa khi lãi suất vaycàng tăng thì khả năng trả nợ càng giảm Mức lãi suất cho vay được Ngân hàng ápdụng càng cao thì áp lực tài chính trong việc chi trả lãi vay của doanh nghiệp cànggiatăng vàkhảnăngtrảnợ sẽ bịảnh hưởng,dođóxácsuấttrảđược nợsẽthấp.
-Thứ sáu, biến DN (Số tiền vay) có tác động ngược chiều đến khả năng trả nợcủa KHDN (thể hiện qua hệ số β = -0.004 < 0), điều này có ý nghĩa khi Số tiền vaycàngtăngthìkhảnăngtrảnợcànggiảm.Thựctếnhữngdoanhnghiệpđượccấpgiớihạn tín dụng cao sẽ phải chịu áp lực rất lớn trong việc chi trả nợ gốc và lãi khi đếnhạn,việcchitrảnàydoanhnghiệpphảicânđốitấtcảnguồnthuhoạtđộng mộtcáchthậntrọngvàchínhxácđểkhôngbịquáhạnnhằmtránhnhữngảnhhưởngbấtlợivềchính sách cho vay từ phía Ngân hàng khi phát sinh nợ xấu, do đó xác suất trả nợ sẽthấp Kết quả này phù hợp với giả thiết nghiên cứu ban đầu và tương đồng với kếtquảnghiên cứu củaĐỗ NăngThắngvàNguyễnVănHuân(2019).
-Thứ bảy, biến ROA (tỷ số ROA) có tác động cùng chiều đến khả năng trả nợcủa KHDN (thể hiện qua hệ số β = 0.607 > 0), điều này có ý nghĩa khi Tỷ số ROAcàng tăng thì khả năng trả nợ càng tăng Thực tế những doanh nghiệp sử dụng hiệuquả tài sản trong việc tạo ra lợi nhuận thì luôn đảm bảo được khả năng thanh toánhầu hết các khoản nợ, bao gồm cả nợ vay Ngân hàng, do đó doanh nghiệp có xácsuấttrảnợcao.Kếtquảnàyphùhợpvớigiảthiếtnghiêncứubanđầuvàtươngđồngvới các kết quả nghiên cứu của Nguyễn Văn Thép và Tạ Quang Dũng (2017); VõMinh Long (2020); Đỗ Năng Thắng và Nguyễn Văn Huân (2019), Lê Khương NinhvàLêThịThuDiềm(2012)
-Thứ tám, biến EQUIA (tỷ số tự tài trợ) có tác động cùng chiều đến khả năngtrả nợ của KHDN (thể hiện qua hệ số β = 0.086 > 0), điều này có ý nghĩa khi
Tỷ sốtự tài trợ càng tăng thì khả năng trả nợ càng tăng Doanh nghiệp sử dụng càng ít nợvay,tậndụngcàngnhiềunguồnvốnsẵncó(baogồmvốngópcủacácthànhviênvànguồn lợi nhuận giữ lại) để đưa vào hoạt động sản xuất kinh doanh thì áp lực chi trảnợ vay càng thấp, tự chủ hơn về tài chính nên có xác suất trả nợ cao hơn Kết quảnày phù hợp với giả thiết nghiên cứu ban đầu và kết quả nghiên cứu của ChiaraPederzoli&CostanzaTorricelli(2010);VõMinhLong(2020).
Như vậy kết quả hồi quy nêu trên không đúng hoàn toàn đối với kỳ vọng banđầu củatácgiả,cụthể:
(VLDR) Cùngchiều(+) Cùngchiều(+) Đònbẩytàichính(DB) Ngượcchiều(-) Ngượcchiều(-)
Tàisảnbảođảm(TSBD) Cùngchiều(+) Khôngcó ýnghĩathốngkê
Từ kế quả phân tích nêu trên, tác giả viết được phương trình hồi quy logisticnhưsau:
TN = -1.317+ 1.137* KNTT + 0.096 * VLDR – 0.06 * DB + 4.7 * VQTS –0.849
Xácsuấtkhông trảđượcnợ củaKHDN:P(Y=0)=1–P(Y=1)Như vậy từ kết quả hồi quy Binary Logistic, bài nghiên cứu đã xây dựng đượcmô hình tính xác suất trả nợ của KHDN tại BIDV để từ đó đánh giá khách hàng cókhảnăngtrảnợhaykhông;đốichiếukếtquảphânloạinợcủaBIDVđốivới360 kháchhàngtrongmẫunghiêncứuthìmốiliênhệgiữanhóm nợvàkhảnăngtrảnợđượcthểhiệnnhưsau:
Khôngcókhảnăng trảnợ 62 36.9% Nhóm3,Nhóm4vàNhóm5
Giảđịnhxácsuất trảnợban đầulàP0=20%,tácgiảlầnlượt xácđịnhsựthayđổixácsuấttrảnợ đốivớitừngbiếnđộclậpnhưsau:
- BiếnKhảnăngthanhtoán(KNTT):Biếnnàytácđộngcùngchiềuđếnkhảnăng trảnợvìhệsốBetamang dấudương (+)vớigiátrị1.137,exp(B) =3.117.
NhưvậyvớixácsuấttrảnợbanđầulàP0=20%,khicácbiếnkháckhông thayđổi thì nếu khả năng thanh toán tăng lên 1 đơn vị thì xác suất khả năng trả nợ là43.8%,tăng23.8%sovớixácsuấtbanđầu.
- Biến Vốn lưu động ròng (VLDR): Biến này tác động cùng chiều đến khảnăng trảnợ vìhệsốBetamang dấudương (+)vớigiátrị0.096,exp(B)=1.101.
NhưvậyvớixácsuấttrảnợbanđầulàP0=20%,khicácbiếnkháckhôngthayđổithìnếuvốnlưuđộngrò ngtănglên1đơnvịthìxácsuấtkhảnăngtrảnợlà21.6%,tăng1.6%sovớixácsuấtbanđầu.
- Biến Đòn bẩy tài chính (DB): Biến này tác động ngược chiều đến khả năngtrảnợvìhệsố Betamangdấuâm(-)vớigiátrị- 0.06,exp(B) =0.942.
NhưvậyvớixácsuấttrảnợbanđầulàP0=20%,khicácbiếnkháckhôngthayđổithìnếu đònbẩytàichínhtănglên1đơnvịthìxácsuấtkhảnăngtrảnợlà19.1%,giảm0.9%sovớixácsuấttrảnợbanđ ầu.
- BiếnVòngquaytàisản(VQTS):biếnnàytácđộngcùngchiềuđếnkhảnăngtrảnợcủaKH DNvìhệsốbetamangdấudương(+)vớigiátrị4.7,exp(B)9.908.
Như vậy với xác suất trả nợ ban đầu là P0= 20%, khi các biến khác khôngthay đổi thì nếu vòng quay tài sản tăng lên 1 đơn vị thì xác suất khả năng trả nợ là96.5%,tăng76.5%sovớixácsuấttrảnợ banđầu.
- Biến Lãi suất vay (LS): biến này tác động ngược chiều đến khả năng trả nợcủaKHDN vìhệsố betamang dấuâm(-)vớigiátrị-0.849,exp(B)bằng0.428.
Như vậy với xác suất trả nợ ban đầu là P0= 20%, khi các biến khác khôngthay đổi thì nếu lãi suất vay tăng lên 1 đơn vị thì xác suất khả năng trả nợ chỉ còn9.7%,giảm10.3%sovớixácsuấttrảnợ banđầu.
- Biến Số tiền vay (DN): biến này tác động ngược chiều đến khả năng trả nợcủaKHDNvìhệsố betamang dấuâm(-)vớigiátrị -0.004,exp(B)bằng0.996.
LUẬNVÀHÀMÝ CHÍNHSÁCH
Kếtluận
Trên cơ sở dữ liệu của 360 khách hàng doanh nghiệp đang vay vốn tại BIDVvà kết quả hồi quy nhị phân Binary Logistic, bài nghiên cứu đã giải quyết được cáccâu hỏi nghiên cứu đặt ra Cụ thể, nghiên cứu đã xác định được các nhân tố có ảnhhưởng đến khả năng trả nợ của KHDN, kết quả cho thấy có 8/10 biến có ý nghĩathốngkêdogiátrịSignhỏhơn5%,trongđócácnhântốcótácđộngcùngchiềuđếnkhảnăngtrảnợbao gồm:Khảnăngthanhtoánhiệnhành,Vốnlưuđộngròng,Vòngquay tài sản, Tỷ số ROA, Tỷ số tự tài trợ; các nhân tố có tác động ngược chiều đếnkhả năng trả nợ bao gồm: Đòn bẩy tài chính, Lãi suất vay và Số tiền vay; 2/10 nhântốkhôngcóýnghĩathốngkêbaogồm:Sốnămhoạtđộngvà Tỷ lệTSBĐ.
Tácgiảđãsửdụngcácphươngphápthốngkêmôtảđểtrìnhbàydữliệuvàsửdụng mô hình hồi quy nhị phân để ước lượng mức độ tác động của các nhân tố nàythông qua phần mềm SPSS Kết quả từ chương trình SPSS cho thấy nhân tố Vòngquay tài sản có tác động mạnh nhất đến khả năng trả nợ của KHDN, đồng thời môhình có khả năng dự báo với độ chính xác là 93.9%, mức độ giải thích của mô hìnhđạtởmức80.9%-tứclà80.9%sựthayđổicủakhảnăngtrảnợđượcgiảithíchbằngcácnhân tố nêutrên.
QuakếtquảxácđịnhcácnhântốtácđộngđếnkhảnăngtrảnợcủaKHDN,bàinghiên cứu cũng đưa ra các khuyến nghị và hàm ý chính sách giúp BIDV có cơ sởđánh giá đúng hơn về khả năng trả nợ của các KHDN để định hướng quan hệ tíndụng phù hợp với khách hàng, từ đó giảm thiểu tối đa rủi ro mất vốn và những tácđộng tiêu cực từ nợ xấu, nâng cao hiệu quả hoạt động trong nghiệp vụ tín dụng củaNgânhàng.
Hàmý chínhsách
Bài nghiên cứu này nhằm mục đích xây dựng mô hình đo lường khả năng trảnợ của các khách hàng doanh nghiệp tại BIDV, tác giả mong muốn đưa ra một sốhàm ý chính sách nhằm giúp Ngân hàng xác định được xác suất trả nợ của kháchhàngđểtừđóđưaraquyết địnhchovayphùhợp,nhằmđảmbảođượchiệuquảchovay và tránhrủiromấtvốn,cụ thể:
5.2.1 Ứng dụngmôhìnhnghiên cứuđo lườngxácsuấttrả nợ:
-Đề xuất ứng dụng mô hình nghiên cứu thực nghiệm để đo lường xác suất trảnợcủaKHDNtạiBIDV,từđóđưarachínhsáchcấptíndụngphùhợptheoxácsuấttrảnợ,cụthểnhưsau:
Bảng 5.1:Định hướng cấp tíndụngđốivớiKHDN dựa trên xácsuấttrả nợ
TT Kết quả tính toán xácsuấttrảnợtừ môhình
Quyếtđịnhcấptíndụng KHDNmới quanhệtín dụng KHDNhiệnhữu
Thận trọng trong việc cấptíndụng,yêucầutỷlệTSB Đtốithiểu100%vàtỷ lệđònbẩydưới50%
Tiếp tục duy trì quan hệ tíndụng/giảm dần quy mô cấptíndụngphùhợp
Ngưng cấp tín dụng/thu hồinợtrướchạnhoặccólộtrìn h giảm dần quy mô cấptíndụngngưngquanhệ tíndụng
-Bộ phận công nghệ thông tin của BIDV cần xem xét xây dựng và hoàn thiệnmô hình hồi quy Binary logistic đưa vào chương trình đánh giá khả năng trả nợ củakháchhàng.
-LồngghépkếtquảđánhgiákhảnăngtrảnợtừmôhìnhLogisticvàoHệthốngxếp hạng tíndụng nộibộđểcó nhữngcảnhbáocầnthiếtvàkịp thời.
-Bộ phận Quản lý rủi ro của Trụ Sở Chính cũng như tại chi nhánh cần có sựkiểmtra,đánhgiáđộclậpvềtínhphùhợpvàminhbạchcủacácdữliệuđầuvàocủa mô hình để kiểm soát kết quả đánh giá khả năng trả nợ của khách hàng; hạn chế rủi ro liênquanđếnđạođứccán bộ.
-Tăng cường thu thập thêm các nhân tố có thể ảnh hưởng đến khả năng trả nợcủakháchhàngdoanhnghiệpthôngquaquátrìnhchovay,xửlýnợđểchọnlọcđưathêm vào mô hình nhằm gia tăng tính chính xác của mô hình theo từng thời kỳ vàđảmbảo đượctínhcập nhậtthườngxuyên,phùhợpvớitừng loạikháchhàng.
Kếtquảhồiquychothấynhântốvòngquaytàisảncótácđộngmạnhnhấtđếnkhảnăngtrảnợcủakhác hhàngdoanhnghiệp,chỉsốnàyphảnánhhiệuquảsửdụngtài sản của doanh nghiệp, vòng quay tài sản càng lớn cho thấy tốc độ luân chuyểncủa tài sản càng nhanh, tạo ra được nhiều doanh thu hơn trên mỗi đồng tài sản, nhờđókhảnăngtrảnợsẽtốthơnsovớinhữngdoanhnghiệpcóvòngquytàisảnthấp.
Như vậy để có đánh giá khách quan về khả năng trả nợ của khách hàng thôngquachỉsố Vòngquaytàisản,BIDVcầnlưuýmộtsốnộidungsau:
-Kết hợp so sánh với vòng quay tài sản bình quân của ngành để xác định ưuthếvềvòngquay tàisảncủakhách hàngsovớicácdoanhnghiệpcùngngànhnghề.
-Sử dụng số liệu tài chính đáng tin cậy từ BCTC đã kiểm toán, trong trườnghợpkháchhàngkhôngcóBCTCkiểmtoánthìyêucầuBCTCnộpchocơquanthuế,không sửdụngbáo cáonộibộ củadoanhnghiệp.
-BổsungchỉsốVòngquaytàisảnvàodanhmụcchỉtiêutàichínhvớitỷtrọngđiểmsốcao hơn cácchỉ tiêukháctrong hệthốngchấmđiểmXHTDNBcủaBIDV.
-Cán bộ QLKH thường xuyên theo dõi, kiểm tra tình hình hoạt động sản xuấtkinh doanh và dòng tiền của khách hàng để có cơ sở đánh giá mức độ phù hợp củadoanh thu hoạt động, từ đó xác định chính xác chỉ số vòng quay tài sản của kháchhàng.
Khả năng thanh toán hiện hành là một trong số các chỉ số tài chính quan trọngcủadoanhnghiệp,nóphảnánhkháchínhxácvềmứcđộđảmbảonguồntàisảnngắnhạnđểthanhtoáncá ckhoảnnợngắnhạn,doanhnghiệpcókhảnăngthanhtoánkémlànhữngdoanhnghiệpcóchỉsốnàydưới1,t ứclàtàisảnngắnhạnnhỏhơnnợngắnhạn, không đủ tài sản để quy đổi thành tiền trong ngắn hạn nhằm thanh toán cáckhoản nợ ngắn hạn, hay nói cách khác, Doanh nghiệp đang bị mất cân đối tài chính,doanhnghiệpsửdụngvốnngắnhạnđểđầutưtàisảndàihạn,khiđókhảnăngtrảnợngânhàngcũngbịsu ygiảm.
Nhưvậykhitiếpcậnvớikháchhàngdoanhnghiệpmớihoặcquảnlýcáckháchhàng đang quan hệ tín dụng, BIDV cần đặc biệt lưu ý đến cơ cấu tài sản, nguồn vốnthể hiện trên bảng cân đối kế toán để bước đầu xác định khả năng thanh toán ngắnhạncủakháchhàngnày.TheoquyđịnhcủaBIDVthìđốivớicáckháchhàngdoanhnghiệp có dư nợ vay từ
100 tỷ trở lên thì yêu cầu phải kiểm toán BCTC, các trườnghợp còn lại yêu cầu khách hàng cung cấp BCTC nộp thuế, không sử dụng báo cáotài chính nội bộ của DN, đồng thời cán bộ QLKH cần rà soát, đối chiếu để đảm bảokhớpđúngsốliệugiữacáckỳbáocáovớinhauvàđảmbảotínhminhbạchvềthôngtin tàichính.
Thực hiện loại trừ 1 số khoản mục trong tài sản có yếu tố rủi ro và không đảm bảo khả năng thanh toán cho nợ ngắn hạn như: Phải thu ngắn hạn khác (hạch toándưới dạng tạm ứng, vay mượn cổ đông…), các khoản phải thu khó đòi tồn tại quanhiều kỳ kế toán nhưng không trích lập DPRR, khi đó chỉ số khả năng thanh toánhiệnhànhmớiđượcphảnánhchínhxác.
Vốn lưu động ròng là phần chênh lệch giữa tài sản ngắn hạn và nợ ngắn hạn,một doanh nghiệp có tình hình tài chính lành mạnh thông thường sẽ duy trì đượcnguồn vốn lưu động ròng luôn dương, tức là luôn có phần thặng dư của tài sản ngắnhạn so với phần nợ ngắn hạn Vốn lưu động ròng dương cho thấy doanh nghiệp đủnguồnlựcđểthanhtoánchocáckhoảnnợtrongngắnhạnvàđảmbảochohoạtđộngsảnxuấtkinhdoanhdiễ nraliêntục,khôngbịgiánđoạn,ngượclạinếuvốnlưuđọngròngâmchothấyDoanhnghiệpđangbịthâmhụt vốn,ảnhhưởngđếnhiệuquảhoạt độngsảnxuấtkinhdoanh,mặckhácnếutìnhtrạngnàykéodàicóthểdẫnđếnnhữngáplựcchi trảcáckhoảnnợ(trongđó cónợvayNgânhàng),tiềmẩn rủiro phásản.
Chínhvìvậy,quátrìnhtiếpcận,thẩmđịnhvàraquyếtđịnhchovay,BIDVcầnlưu ýcácvấnđềsau:
-Xác định chính xác nguồn vốn lưu động ròng thực tế của Doanh nghiệp trêncơ sở số liệu báo cáo tài chính “đáng tin cậy” (tốt nhất nên sử dụng số liệu tài chínhtừ BCTC đã kiểm toán từ các Công ty kiểm toán lớn và uy tín), phân tích, đối chiếusố liệu với các kỳ trước đảm bảo sự khớp đúng; phân tách chi tiết từng khoản mụctrong cơ cấu tài sản ngắn hạn, nợ ngắn hạn để đánh giá mức độ hợp lý của các sốliệu,quađóxácđịnh chínhxácvốn lưuđộngcủakháchhàng thựcdương hay âm.
-Trongquátrìnhthẩmđịnhphươngánsảnxuấtkinhdoanh,cánbộ QLKHcăncứsốliệuvốnlưuđộngròngcáckỳtrướckếthợpvớinănglựcvàcácHợpđồngmàkhá ch hàng đang thực hiện cho năm kế hoạch để đánh giá tính khả thi của phươngán kinh doanh, từ đó dự báo sự tăng trưởng trong thời gian tới để xác định vốn lưuđộngròngthựctếcủakháchhàng.Giátrịvốnlưuđộngròngnàysẽlànguồnvốnbổsung cho sự thiếu hụt vốn lưu động cần cho hoạt động sản xuất kinh doanh năm kếhoạch, từ đó BIDV sẽ cân đối quy mô cấp tín dụng phù hợp với nhu cầu thực tế củakhách hàng, tránh việc tài trợ vượt quá nhu cầu vốn của khách hàng dẫn đến rủi rosửdụngvốnvaykhôngđúngmụcđích.
-Trongcáclầnthựchiệnkiểmtrasửdụngvốnvay,cánbộcầnthuthậpsốliệutài chính của khách hàng thời điểm gần nhất tại các lần kiểm tra để đánh giá vật tư,hànghóađảmbảonợvay,cụthểlàđốichiếugiữatàisảnngắnhạnthựctếsovớicáckhoảnnợngắn hạnphảitrảnhằmđánhgiánguồnvốnlưuđộngròngcủakháchhàngđangthừahoặcthiếu,từđócón hữngbiệnpháp ứngxửkịpthời,phùhợpđểhạnchếnhững rủirocóthểxảyra.
NhântốđònbẩytàichínhđượctínhtoánbằngTổngcủacáckhoảnmụcvayvànợ thuê tài chính ngắn hạn và dài hạn trên Tổng tài sản, đòn bẩy tài chính phản ánhmức độ sử dụng nợ vay của doanh nghiệp Doanh nghiệp sẽ có lá chắn thuế khi sửdụngnợvayNgânhàng,tuynhiêncầncânđốitỷtrọngphùhợpđểđảmbảohiệuquả tốiđatrongviệcsửdụngnợvayvàtậndụngvốnchủsởhữu.Dođókhixemxétcấptín dụng cho khách hàng hoặc trong quá trình quản lý khách hàng vay hiện hữu,BIDV cầncónhữngbiệnphápkiểmsoátnhưsau:
-Thu thập thông tin dư nợ vay của doanh nghiệp tại tất cả các TCTD với tầnsuất thường xuyên hoặc khi có những biến động lớn về tình hình kinh doanh hoặckhi BIDV có những đề xuất thay đổi trong chính sách cấp tín dụng đối với kháchhàng.CụthểcánbộQLKHphảitracứuthôngtinCICthườngxuyênđểcậpnhậtkịpthời mức độ sử dụng nợ vay của khách hàng tại BIDV và các TCTD khác, từ đó đốichiếuvớisốliệutạikhoảnmụcVayvànợthuêtàichínhngắnhạn,dàihạntrênbảngcânđốikếtoán màkhách hàng cung cấp,đảmbảo số liệukhớp đúngvàminh bạch.
Hạnchếcủaluậnvăn
-Dữliệucủabàinghiêncứuđượcthuthậpdựatrênthôngtinđanglưutrữtronghệ thống của BIDV nên mức độ tin cậy còn phụ thuộc một phần vào sự chính xáckhi nhập dữ liệu của cán bộ QLKH Ngoài ra một số doanh nghiệp có hiện tượngkhai báo không chính xác số liệu về tài chính và tình hình hoạt động kinh doanh đểné tránh việc đóng thuế nên sẽ ảnh hưởng một phần độ chính xác của kết quả hồiquy.
-Vìyếutốbảomậtthôngtinnộibộcủakháchhàngvàhạnchếvềthờigiannênđề tài nghiên cứu chỉ xem xét dữ liệu của 360 khách hàng doanh nghiệp, do đó kếtquảphântích cònnhiều hạnchếvềtínhkháiquátcủa tổngthể.
-Khả năng trả nợ của khách hàng được phân tích, đánh giá trong bài nghiêncứu thông qua các biến tài chính liên quan đến khách hàng và khoản vay, tuy nhiênvẫncònmộtsốyếutốchưađượcxemxétđểđưavàomôhình,vídụnhư:tỷsốROE,ngànhngh ềkinhdoanh,thờigianvay vốn,dòngtiềnhoạtđộng…
-Bàinghiêncứuchỉxemxét,đánhgiákhảnăngtrảnợriêngbiệtcủatừngkháchhàngcụ thể,chưađánhgiákhảnăngtrảnợđốivớitừngnhómkháchhàng liên quanvà/hoặcnhómkháchhàngcó mốiliênquanvề lợiíchvớinhau.
Hướng nghiên cứutiếptheo
-Cần bổ sung thêm các yếu tố khác (bao gồm các yếu tố liên quan đến kháchhàngvàcácyếutốvềphíaNgânhàng)cóảnhhưởngđếnkhảnăngtrảnợcủakháchhàng doanh nghiệp để kết quả hồi quy có độ tin cậy cao hơn và có tính phổ quát caohơn trongtoànhệ thốngBIDV.
-Thu thập nguồn dữ liệu có độ tin cậy cao để gia tăng tính chính xác của kếtquả hồi quy và phù hợp với tình hình thực tế hiện nay của doanh nghiệp cũng nhưcủa Ngânhàng.
Chương 5 tác giả đã khái quát lại kết quả nghiên cứu của đề tài, từ đó đề xuất áp dụng mô hình logistic để đo lường xác suất trả nợ và định hướng chính sách cấptíndụngphùhợp,đồngthờitácgiảđưaramộtsốnhữngkhuyếnnghịvàhàmýchínhsách liên quan đến các nhân tố ảnh hưởng đến khả năng trả nợ nhằm gia tăng khảnăng đánh giá khách hàng trong quá trình cho vay và quản lý khoản vay tại BIDV,từ đó giảm thiểu tối đa rủi ro nợ xấu cho Ngân hàng Trong chương 5 tác giả cũngđã nêu ra các hạn chế của luận văn và đề xuất những thay đổi cho các nghiên cứutiếptheonhằmhoànthiệnvàđạtđượckếtquảtốthơn.
Tàiliệunướcngoài
1.1 Abdullah, N., Halim, A., Ahmad, H., & Rus, R M (2008). Predictingcorporate failure of Malaysia’s listed companies: Comparing multiple discriminantanalysis, logistic regression and the hazard model.International Research JournalofFinanceandEconomics,15(2008),201-217.
1.4 Anjum, S (2012) Business bankruptcy prediction models: A significantstudyoftheAltman’sZ-scoremodel.Asianjournal ofmanagementresearch,volume3,212 - 219.
1.5 Coravos, A R (2010) Measuring the Likelihood of Small Business LoanDefault(Doctoraldissertation,DukeUniversity)”.
1.6 Green, S B (1991) How many subjects does it take to do a regressionanalysis.Multivariatebehavioralresearch,26(3),499-510.
1.7 Hol,S., Westgaard,S., &Wijst,N.(2002).Capital structure andthepredictionofbankruptcy.In
1.8 Jiménez,G.,&Saurina,J.(2004).Collateral,typeoflenderandrelationshipbanking as determinants of credit risk.Journal of banking & Finance, 28(9), 2191-2212.
1.10 Pederzoli, C., & Torricelli, C (2010) A parsimonious default predictionmodelforItalian SMEs,BankandBankSystems,volume5,5-9
(2017).RankingThe5C’sofcreditanalysis:EvidencefromGhanabankingindustry.Internationa lJournalofInnovativeResearch andAdvanced Studies,9,78-80.
Tàiliệutrongnước
2.1 Nguyễn Minh Kiều (2006) Tiền tệ - Ngân hàng, NXB Thống Kê, Tp. HồChíMinh
2.2 Nguyễn Thị Tuyết Lan (2019) “Các nhân tố ảnh hưởng đến rủi ro phá sảncủacácdoanhnghiệpniêmyếtngànhXâydựngtạiViệtNam”,TạpchíKhoahọcvàđào tạoNgânhàng,ISSN:1859-011X,205,31–47.
2.3 Đinh Mai Long (2015) “Xử lý nợ xấu trong hệ thống Ngân hàng: nhìn từgócđộ chính sách công”,TạpchíKhoaHọcvà Công NghệViệtNam,1(5),34–39.
2.4 Võ Minh Long (2020) “Một số nhân tố ảnh hưởng đến rủi ro tài chính - Nghiên cứu từ các doanh nghiệp bất động sản niêm yết trên Sở Giao dịch Chứngkhoán Thành phố Hồ Chí Minh (HOSE)”,Tạp chí Khoa Học Đại Học Mở
2.5 Trương Đông Lộc và Nguyễn Thị Tuyết (2011) “Các nhân tố ảnh hưởngđến rủi ro tín dụng của Ngân hàng TMCP Ngoại Thương Chi nhánh Cần Thơ”,Tạpchí Ngânhàng,5,38–41.
2.6 Lê Khương Ninh và Lê ThịThu Diềm (2012) “Khả năng trả nợ vay Ngânhàng của Doanh nghiệp ở thành phố Cần Thơ”,Tạp chí Công nghệ Ngân hàng, 76,11–20.
2.7 Bùi Hữu Phước, Ngô Thành Danh và Ngô Văn Toàn (2018) “Các yếu tốảnh hưởng đến rủi ro tín dụng tại Ngân hàng TMCP Ngoại thương Chi nhánh KiênGiang”,TạpchíKinhtếđốingoại,98,132–144.
2.8 ĐinhNhưQuỳnh(2013).“Tíndụngngânhàngvàvaitròcủatíndụngngânhàngtrongnề nkinhtếthịtrường”,https://voer.edu.vn/,truycậpngày06/03/2022
2.9 Đỗ Năng Thắng, Nguyễn Văn Huân (2019) “Đề xuất cảnh báo rủi ro tíndụngtrongchovaykháchhàngdoanhnghiệpcủangânhàngthươngmạiởviệtnam”,Tạpchíkho ahọcthươngmại,ISSN:1859-3666,131,55–63
2.10 Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) “Phân tích dữ liệunghiên cứuvới SPSS”.NXBHồngĐức,TP.HồChíMinh
2.11 Hoàng Thị Hồng Vân (2020) “Vận dụng mô hình Z-score trong dự báokhả năng phá sản doanh nghiệp tại Việt Nam”,Tạp chí khoa học và đào tạo
2.12 Bùi Kim Yến và Nguyễn Thị Thanh Hoài (2015) “Đánh giá khả năng vỡnợ củad o a n h n g h i ệ p v ừ a v à n h ỏ t r o n g q u a n h ệ t í n d ụ n g n g â n h à n g ” ,Tạp chí Kinhtế- KỹThuật,ISSN:0866-7802,10,15- 26.
2.17 Ngân hàng nhà nước Việt Nam (2021).Thông tư số 11/2021/TT-
NHNNcủa Ngân hàng nhà nước Việt Nam 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 rotrong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài,ban hànhngày30/07/2021.
2.18 Quốc Hội (2010).Luật Các Tổ Chức Tín Dụng số 47/2010/QH12, banhànhngày16/06/2010.
N Minimum Maximum Mean Std.Deviation
Constant 649 2.974 048 1 827 1.914 a Variable(s) entered on step 1: KNTT, VLDR, DB, VQTS, SNHD,
LS,DN,TSBD,ROA,EQUIA.
Constant -.708 2.726 067 1 795 493 a Variable(s) entered on step 1: KNTT, VLDR, DB, VQTS, LS,
Constant -1.317 2.616 254 1 614 268 a Variable(s) entered on step 1: KNTT, VLDR, DB, VQTS, LS, DN,
Kết quả Kiểm định Omnibus Tests of Model Coefficients từ chươngtrìnhSPSS:
