GIỚI THIỆU
Giới thiệu vấn đề nghiên cứu
Hệ thống ngân hàng, đặc biệt là các ngân hàng thương mại (NHTM), đóng vai trò quan trọng trong nền kinh tế của mỗi quốc gia Tại Việt Nam, hoạt động kinh doanh ngân hàng đang phát triển nhanh chóng và đa dạng hóa, với nhiều sản phẩm và dịch vụ mới ra đời nhằm đáp ứng nhu cầu của khách hàng và tăng doanh thu, lợi nhuận cho các NHTM Tuy nhiên, hoạt động tín dụng vẫn là cốt lõi trong chiến lược kinh doanh của đa số các NHTM tại Việt Nam, mang lại nhiều lợi nhuận nhưng cũng tiềm ẩn rủi ro đáng kể.
Trong bối cảnh nền kinh tế toàn cầu và hệ thống tài chính ngân hàng đang đối mặt với hậu quả từ cuộc khủng hoảng kinh tế, nợ xấu trở thành vấn đề được chú trọng hàng đầu Nhiều ngân hàng thương mại (NHTM) tập trung vào việc gia tăng quy mô dư nợ để tối đa hóa lợi nhuận mà không chú ý đến khả năng trả nợ của khách hàng Việc đánh giá khả năng trả nợ thường mang tính chủ quan và không được thực hiện một cách chính xác, với các chỉ tiêu đánh giá còn cứng nhắc và không phù hợp với thực tế Để cân bằng giữa việc gia tăng dư nợ vay và quản trị rủi ro tín dụng, các tổ chức tín dụng cần hoàn thiện hệ thống đánh giá khả năng trả nợ, đặc biệt là đối với khách hàng doanh nghiệp, nhóm khách hàng chiếm tỷ trọng lớn nhất trong tổng dư nợ cho vay.
Kết quả xếp hạng tín dụng của khách hàng là yếu tố quan trọng trong thẩm định cấp tín dụng, giúp ngân hàng thương mại đánh giá khả năng trả nợ của khách hàng Ngân hàng TMCP Đầu Tư và Phát triển cũng dựa vào thông tin này để đưa ra quyết định tín dụng chính xác.
Ngân hàng Đầu tư và Phát triển Việt Nam (BIDV) đã triển khai hệ thống xếp hạng tín dụng nội bộ cho khách hàng doanh nghiệp từ cuối năm 2006, theo chỉ đạo của Ngân hàng Nhà nước về phân loại nợ Mặc dù BIDV liên tục cải tiến quy trình này để kiểm soát và giảm thiểu rủi ro tín dụng, nhưng quy trình vẫn tồn tại nhiều nhược điểm, đặc biệt là tính chủ quan và định tính Điều này ảnh hưởng đến khả năng dự báo của BIDV và các ngân hàng thương mại khác về khả năng trả nợ của khách hàng trong tương lai, khi dự báo chủ yếu dựa vào thông tin từ xếp hạng tín dụng.
Tác giả đã quyết định nghiên cứu đề tài “Ứng dụng mô hình Logit để đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu” Nghiên cứu này nhằm phân tích và đánh giá hiệu quả của mô hình Logit trong việc xác định khả năng trả nợ của khách hàng doanh nghiệp, góp phần nâng cao chất lượng quản lý rủi ro tín dụng tại ngân hàng.
Tư Và Phát Triển Việt Nam ” cho luận văn cao học.
Sự cần thiết của vấn đề nghiên cứu
Trong bối cảnh thị trường ngân hàng bán lẻ phát triển mạnh mẽ, tín dụng doanh nghiệp vẫn chiếm tỷ trọng lớn trong hoạt động của các ngân hàng thương mại, đặc biệt là BIDV, đơn vị dẫn đầu về cho vay doanh nghiệp tại Việt Nam Việc đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV không chỉ giúp hạn chế rủi ro tín dụng mà còn góp phần chuẩn hóa quản trị rủi ro tại các ngân hàng Hơn nữa, quy trình đánh giá này sẽ tạo cơ hội cho các ngân hàng sàng lọc và tái thẩm định khách hàng, từ đó áp dụng các chính sách tín dụng phù hợp Tuy nhiên, hiện nay vẫn thiếu nghiên cứu thực nghiệm về khả năng trả nợ của khách hàng doanh nghiệp, nên cần thiết phải tiến hành nghiên cứu các yếu tố ảnh hưởng và ứng dụng mô hình định lượng trong đánh giá khả năng trả nợ này.
Các ngân hàng có thể xây dựng chính sách tín dụng hiệu quả nhằm gia tăng lợi nhuận, đồng thời quản lý rủi ro tín dụng một cách tốt nhất.
Mục tiêu nghiên cứu
Luận văn có 4 mục tiêu nghiên cứu chính sau:
- Xác định các yếu tố tác động đến khả năng trả nợ của khách hàng doanh nghiệp
- Các phương pháp đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV
- Giới thiệu và ứng dụng mô hình Logit để đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV
- Đưa ra một số giải pháp nhằm ứng dụng mô hình Logit trong công tác đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV.
Câu hỏi nghiên cứu
- Các yếu tố nào ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp?
- Phương pháp đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV như thế nào?
- Việc ứng dụng mô hình Logit nhằm đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV được thực hiện như thế nào?
- Các giải pháp nào để ứng dụng mô hình Logit nhằm đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV?
Đối tượng và phạm vi nghiên cứu
Nghiên cứu này tập trung vào việc ứng dụng mô hình Logit để đánh giá khả năng trả nợ của các khách hàng doanh nghiệp có quan hệ tín dụng tại Ngân hàng BIDV Mô hình này giúp phân tích rủi ro tín dụng và đưa ra những dự đoán chính xác về khả năng hoàn trả khoản vay của doanh nghiệp.
Nghiên cứu này tập trung vào 500 khách hàng doanh nghiệp hiện đang có quan hệ tín dụng tại BIDV, những khách hàng này cũng thuộc đối tượng được xếp hạng theo chương trình xếp hạng tín dụng nội bộ của ngân hàng.
- Thời gian nghiên cứu: dữ liệu thống kê về khách hàng doanh nghiệp tại BIDV trong 4 năm gần đây (2013 – 2015).
Phương pháp nghiên cứu
Học viên sử dụng phương pháp chọn mẫu phi xác suất với kích thước mẫu gồm
Bài viết này phân tích 500 khách hàng doanh nghiệp tại BIDV, đại diện cho hơn 200.000 khách hàng doanh nghiệp, nhằm thể hiện đặc điểm của các nhóm khách hàng Dữ liệu thu thập được sẽ được học viên áp dụng hai phương pháp nghiên cứu định tính và định lượng để rút ra những kết luận chính xác.
Phương pháp nghiên cứu định tính áp dụng cách tiếp cận quy nạp nhằm rút ra những kết luận khái quát về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp.
- Phương pháp nghiên cứu định lượng:
Nghiên cứu này áp dụng phân tích thống kê mô tả để đánh giá thực trạng công tác đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV Đồng thời, dữ liệu thu thập được sẽ được sử dụng để xây dựng các bảng biểu, phục vụ cho việc so sánh phương pháp đánh giá khả năng trả nợ giữa BIDV và các ngân hàng thương mại khác tại Việt Nam.
Nghiên cứu này áp dụng phương pháp định lượng và mô hình Logit để đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV Sử dụng phần mềm SPSS, nghiên cứu kiểm định mối tương quan giữa các chỉ tiêu và khả năng trả nợ của doanh nghiệp.
Bài viết thu thập dữ liệu từ báo cáo tài chính và các kết quả thống kê liên quan đến khách hàng doanh nghiệp có quan hệ tín dụng tại BIDV, với kích thước mẫu gồm 500 doanh nghiệp trong giai đoạn 2013 – 2015 Các doanh nghiệp được lựa chọn bao gồm tổng công ty nhà nước, công ty cổ phần, công ty TNHH, công ty hợp danh, doanh nghiệp tư nhân, và công ty có vốn đầu tư nước ngoài, nhằm đại diện cho tổng thể nghiên cứu.
Để đảm bảo tính tin cậy cho mô hình nghiên cứu, tác giả thực hiện ba kiểm định chính: kiểm định tương quan từng phần của hệ số hồi quy, kiểm định mức độ phù hợp của mô hình, và kiểm định mức độ giải thích của mô hình Dựa trên kết quả kiểm định, tác giả giải thích các kết quả hồi quy và xác định các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp tại BIDV, cùng với chiều hướng và mức độ tác động của các yếu tố này Cuối cùng, tác giả xây dựng mô hình đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV.
Kết cấu của luận văn
Luận văn bao gồm 5 chương:
Chương 1: Giới thiệu Chương 2: Cơ sở lý thuyết về khả năng trả nợ của khách hàng và mô hình Logit trong đánh giá khả năng trả nợ của khách hàng
Chương 3: Thực trạng công tác đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại BIDV
Chương 4: Mô hình nghiên cứu, dữ liệu và kết quả nghiên cứu Chương 5: Kết luận và gợi ý giải pháp
Ý nghĩa khoa học của đề tài nghiên cứu
Trong bối cảnh hiện nay, các ngân hàng thương mại (NHTM) không chỉ đặt mục tiêu gia tăng doanh số và lợi nhuận mà còn phải đảm bảo an toàn trong hoạt động kinh doanh, đặc biệt là trong lĩnh vực tín dụng, vốn tiềm ẩn nhiều rủi ro nhưng cũng mang lại lợi nhuận cao Để đạt được điều này, NHTM cần chú trọng đến việc đánh giá khả năng trả nợ của khách hàng, đặc biệt là các doanh nghiệp.
Việc áp dụng mô hình Logit trong đánh giá khả năng trả nợ của khách hàng doanh nghiệp sẽ giúp các ngân hàng như BIDV có công cụ hiệu quả và chính xác hơn so với các phương pháp định tính hiện tại Mô hình này không chỉ hỗ trợ BIDV mà còn có thể được các ngân hàng thương mại khác tại Việt Nam áp dụng để cải thiện quy trình đánh giá tín dụng Nhờ đó, các ngân hàng có thể quản lý rủi ro tín dụng tốt hơn, đảm bảo an toàn cho hệ thống ngân hàng và hướng tới phát triển bền vững trong tương lai.
CƠ SỞ LÝ THUYẾT VỀ KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG VÀ MÔ HÌNH LOGIT
Giới thiệu chương
Trong hoạt động tín dụng của các ngân hàng thương mại (NHTM), việc thu hồi vốn vay sau thời hạn cho vay là yếu tố quan trọng nhất Sau khi thẩm định và phê duyệt cho vay, NHTM kỳ vọng không chỉ thu hồi nợ mà còn thu lãi để trang trải chi phí và tạo lợi nhuận Tuy nhiên, rủi ro tín dụng luôn hiện hữu, khi người vay có thể không thanh toán đầy đủ, đúng hạn Do đó, NHTM cần kiểm soát và hạn chế rủi ro này bằng cách đánh giá khả năng trả nợ của khách hàng Bài nghiên cứu sẽ giới thiệu mô hình Logit để đánh giá khả năng trả nợ của khách hàng dựa trên các yếu tố tác động đến khả năng này.
Nền tảng lý thuyết
Trước khi xác định các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng, cần có cái nhìn tổng quan về khả năng này và các quan điểm liên quan Hiện nay, chưa có khái niệm thống nhất về khả năng trả nợ tại Việt Nam và trên thế giới; chủ yếu tập trung vào các trạng thái như không có khả năng trả nợ, mất khả năng trả nợ, hoặc vỡ nợ Khả năng trả nợ cũng được đo lường gián tiếp qua các tỷ số và hệ số thanh toán Việc xác định khách hàng không có khả năng trả nợ giúp phân loại các khách hàng còn lại vào nhóm có khả năng trả nợ Trong hoạt động cấp tín dụng, khả năng trả nợ được hiểu là khả năng của khách hàng thực hiện đầy đủ và đúng hạn nghĩa vụ tài chính với ngân hàng theo thỏa thuận.
Cũng có một số nhà nghiên cứu xây dựng quan điểm của mình đối với tình trạng
Khả năng "không trả được nợ" của khách hàng doanh nghiệp được định nghĩa bởi R3 – Hiệp Hội các chuyên gia phục hồi kinh doanh (2008) như sau: Một công ty được xem là không có khả năng trả nợ nếu tổng tài sản của họ nhỏ hơn tổng nợ phải trả, hoặc nếu họ không thể thanh toán các khoản nợ khi đến hạn.
Theo nghiên cứu của Công ty kiểm toán PwC (2009), tình trạng "không có khả năng trả nợ" của một doanh nghiệp được định nghĩa là khi công ty không có đủ tài sản để bù đắp các khoản nợ và/hoặc không thể thanh toán các khoản nợ đến hạn.
Theo tài liệu của Uỷ ban Basel về giám sát ngân hàng (2006), tình trạng "không có khả năng trả nợ" xảy ra khi khách hàng không thể thực hiện đầy đủ nghĩa vụ tài chính khi đến hạn, mà không tính đến việc ngân hàng phải xử lý tài sản, hoặc khi khách hàng có nợ quá hạn trên 90 ngày đối với bất kỳ khoản vay nào tại các tổ chức tín dụng.
Học viên đồng thuận với quan điểm của Basel về khả năng trả nợ của khách hàng, đặc biệt là thông qua khái niệm “không có khả năng trả nợ”.
Khả năng trả nợ của khách hàng liên quan chặt chẽ đến thời gian quá hạn của các khoản vay Điều này cho thấy rằng, khi khách hàng không có khả năng trả nợ, họ thường sẽ có các khoản vay quá hạn Theo quy định của Basel, khả năng trả nợ chỉ được đánh giá dựa trên thời gian quá hạn mà không xem xét các yếu tố khác.
1 R3 – The Association of Business Recovery Professionals, 2008 Understanding Insolvency
2 PricewaterhouseCoopers, 2009 Insolvency in brief – A guide to insolvency terminology and procedure
The Basel Committee on Banking Supervision (2006) emphasizes the importance of international convergence in capital standards, focusing on the restructuring of debts, the assessment of repayment capabilities post-restructuring, and the subsequent status of loans.
Bảng 2.1: Phân loại nợ và khả năng trả nợ của khách hàng theo Basel Tình trạng khách hàng Thời gian quá hạn Phân loại nợ
Có khả năng trả nợ
- Không có nợ quá hạn
- Nợ quá hạn dưới 10 ngày
Nợ nhóm 1 (Nợ đủ tiêu chuẩn)
- Nợ quá hạn từ 10 đến 90 ngày
- Nợ cơ cấu nhưng khách hàng vẫn còn khả năng trả nợ
Nợ nhóm 2 (Nợ cần chú ý)
Không có khả năng trả nợ
- Có nợ quá hạn trên 90 ngày
- Nợ cơ cấu đã quá hạn
Theo Quyết định 493/2005/QĐ-NHNN ngày 22/04/2005 và các văn bản sửa đổi bổ sung liên quan, việc phân loại nợ, trích lập và sử dụng dự phòng được quy định rõ ràng Tài liệu của Basel cũng cung cấp hướng dẫn quan trọng về quản lý rủi ro tín dụng và yêu cầu về vốn cho các tổ chức tín dụng.
2.2.1.2 Những yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp a Yếu tố liên quan đến môi trường vĩ mô
Khả năng trả nợ của doanh nghiệp (KHDN) bị ảnh hưởng bởi các yếu tố vĩ mô như chu kỳ kinh tế, chỉ số lạm phát và thất nghiệp, tăng trưởng GDP, cùng với chính sách tài khóa và tiền tệ Trong thời kỳ kinh tế tăng trưởng và điều kiện vĩ mô thuận lợi, doanh nghiệp có khả năng hoàn trả nợ vay dễ dàng hơn nhờ vào cơ hội đầu tư gia tăng và triển vọng kinh doanh tích cực Ngược lại, trong giai đoạn suy thoái kinh tế và khi các yếu tố vĩ mô xấu đi, doanh nghiệp sẽ gặp khó khăn trong hoạt động kinh doanh, từ đó làm giảm khả năng hoàn trả nợ vay.
Hoạt động kinh doanh luôn tiềm ẩn rủi ro, với mỗi ngành nghề đối mặt những thách thức khác nhau có thể dẫn đến thất bại hoặc phá sản Một số lĩnh vực như chứng khoán, bất động sản và hàng không yêu cầu vốn pháp định và cơ sở vật chất lớn, trong khi các ngành nhạy cảm như thời trang và ẩm thực lại phụ thuộc vào biến động thị trường và sở thích người tiêu dùng Khả năng trả nợ của các doanh nghiệp cũng khác nhau tùy thuộc vào ngành nghề, với nghiên cứu của Jiménez và Saurina (2003) cùng Irakli Ninua (2008) cho thấy ngành sản xuất có khả năng trả nợ khác biệt so với các lĩnh vực khác.
Quy mô doanh nghiệp ảnh hưởng đáng kể đến khả năng trả nợ của khách hàng, với doanh nghiệp lớn thường có khả năng chịu đựng biến động thị trường tốt hơn so với doanh nghiệp nhỏ Mặc dù doanh nghiệp lớn có lợi thế trong việc thanh toán các nghĩa vụ nợ, nhưng vẫn có thể gặp khó khăn nếu phải đối mặt với các vấn đề khác ảnh hưởng tiêu cực đến hoạt động kinh doanh Ngoài ra, quy mô doanh nghiệp là yếu tố quan trọng trong việc xếp hạng tín dụng của khách hàng tại các ngân hàng thương mại, thường được thể hiện qua doanh thu thuần, vốn chủ sở hữu và số lượng lao động.
Mức độ tín nhiệm trong nền tảng tín dụng phản ánh sự tin cậy giữa bên cấp tín dụng và bên được cấp tín dụng, chủ yếu phụ thuộc vào uy tín của người đi vay Các yếu tố quan trọng bao gồm thương hiệu và thị phần doanh nghiệp, uy tín ban lãnh đạo, lịch sử quan hệ tín dụng và thiện chí trả nợ Độ tin cậy cao giúp giảm thiểu rủi ro không thanh toán nghĩa vụ nợ của doanh nghiệp.
Khả năng tài chính là yếu tố quan trọng mà các ngân hàng thương mại (NHTM) luôn chú trọng, bao gồm các chỉ tiêu về khả năng thanh toán, lợi nhuận, cân nợ và hoạt động Những chỉ tiêu này không chỉ được sử dụng để đánh giá khả năng trả nợ của khách hàng mà còn trong nghiên cứu rủi ro tín dụng Các doanh nghiệp có chỉ tiêu tài chính tốt thường có khả năng trả nợ cao hơn Nhiều nghiên cứu trên thế giới cho thấy các chỉ tiêu tài chính có ảnh hưởng mạnh mẽ đến khả năng trả nợ của khách hàng doanh nghiệp Ngoài ra, các chỉ tiêu tài chính còn đóng vai trò quan trọng trong việc xác định điểm tài chính, ảnh hưởng đến kết quả cho vay tại các NHTM.
Thời gian vay ảnh hưởng đến rủi ro của khoản vay, với các khoản vay dài hạn thường có lãi suất cao hơn so với ngắn hạn do ngân hàng phải chịu nhiều chi phí cơ hội hơn Thời gian cho vay phù hợp với vòng quay vốn và dòng tiền của doanh nghiệp giúp doanh nghiệp chủ động trong việc thanh toán nghĩa vụ nợ, từ đó giảm rủi ro tín dụng Nghiên cứu của Andrea Ruth Coravos (2010) cho thấy thời hạn vay có tác động ngược lại đến khả năng trả nợ của khách hàng.
Trong hoạt động tín dụng, ngân hàng xác định mức độ rủi ro của khoản vay thông qua lãi suất, với lãi suất phản ánh giá cả của tín dụng Khách hàng có rủi ro tín dụng cao hơn sẽ phải chịu lãi suất cao hơn Lãi suất không chỉ ảnh hưởng đến chi phí vay của doanh nghiệp mà còn có thể trở thành công cụ đòn bẩy để gia tăng doanh thu và lợi nhuận nếu được sử dụng hợp lý Tuy nhiên, chi phí lãi vay cũng có thể tác động tiêu cực đến khả năng trả nợ của doanh nghiệp, gây ra gánh nặng trong hoạt động kinh doanh Mặc dù nhiều nghiên cứu cho thấy lãi suất có mối quan hệ tích cực với khả năng trả nợ của khách hàng doanh nghiệp, nhưng nghiên cứu của Jiménez và Saurina lại đưa ra quan điểm trái chiều.
(2003) lại khẳng định điều ngược lại
Lược khảo các nghiên cứu trước có liên quan đến vấn đề nghiên cứu 24 1 Nghiên cứu của Irakli Ninua
Tác giả Irakli Ninua (2008) đã áp dụng mô hình Logit để phân tích mối quan hệ giữa các khoản vay có tài sản đảm bảo và khả năng trả nợ của khách hàng doanh nghiệp tại ngân hàng.
9 Stone and Rasp, 1991 Tradeoffs in the choice between logit and OLS for accounting choice studies The Accounting Review 66 (January)
10 Maddala, 1991 A perspective on the use of limited-dependent and qualitative variables models in accounting research The Accounting Review 66 (October)
11 Martin, 1977 Early Warning of Bank Failure: A logit regression approach Journal of Banking and Finance, Vol 1
12 Press & Wilson, 1978 Choosing between Logit regression and discriminant analysis Journal of the American Statistical Association, Vol 73
13 Wiginton, 1980 A Note on the Comparison of Logit and Discriminant Models of Consumer Credit Behavior The Journal of Finance and Quantitative Analysis, Vol 15, No 3
14 Yesilyaprak, 2004 Bond Ratings with Artificial Neural Networks and Econometric Models American Business Review, Vol 22, No 1
Trong giai đoạn 2004-2007, ProCreditBank Georgia đã được lựa chọn làm trường hợp nghiên cứu Tỷ lệ tổn thất cho vay (LLD - Loan Loss Ratio) được sử dụng làm biến phụ thuộc, giúp đánh giá rủi ro tín dụng trong một danh mục đầu tư bằng cách phân tích dữ liệu trong quá khứ và xác định mức độ tổn thất có thể xảy ra, từ đó dự đoán khả năng trả nợ của khách hàng trong tương lai.
COLLATERAL: Biến giả, nhận giá trị 1 nếu khoản vay có TSĐB và 0 nếu khoản vay không có TSĐB
RAMOUNT: Số tiền cho vay
RLENGTH: Thời hạn cho vay
RATIORA: Tỷ lệ phê duyệt cấp tín dụng so với giá trị KHDN đề nghị
CLIENTTYPE: Biến giả, nhận giá trị 1 nếu là KHDN đã từng quan hệ và
0 nếu là KHDN vãng lai
EMPLOYMENT: Số lượng nhân viên của KHDN tại thời điểm cấp tín dụng
Các biến giả cho địa điểm cấp tín dụng
Các biến giả cho ngành nghề kinh doanh của KHDN
Biến TSBĐ có mối quan hệ tích cực với biến phụ thuộc ở mức ý nghĩa 1%, cho thấy rằng các khoản vay có tài sản đảm bảo (TSĐB) có xác suất doanh nghiệp không trả được nợ cao hơn so với các khoản vay không có TSĐB.
Tỷ lệ phê duyệt cấp tín dụng so với giá trị đề nghị của khách hàng doanh nghiệp (KHDN) có mối quan hệ ngược chiều với biến phụ thuộc ở mức ý nghĩa 1% Điều này cho thấy rằng những KHDN được phê duyệt cấp tín dụng theo đề nghị sẽ có khả năng trả nợ tốt hơn so với những trường hợp không được cấp tín dụng như yêu cầu.
Số lượng nhân viên của các doanh nghiệp có ảnh hưởng tích cực đến khả năng trả nợ, với mức ý nghĩa 1% Điều này cho thấy rằng những doanh nghiệp sử dụng nhiều lao động thường gặp khó khăn hơn trong việc thanh toán nợ so với những doanh nghiệp có số lượng nhân viên ít hơn Tác giả giải thích rằng các công ty lớn có quy mô lớn và khoản vay cao, dẫn đến rủi ro tín dụng gia tăng.
Biến loại khách hàng ảnh hưởng tích cực đến biến phụ thuộc, với mức ý nghĩa 1% Mối quan hệ giữa ngân hàng và khách hàng doanh nghiệp (KHDN) có thể làm gia tăng khả năng KHDN không thực hiện nghĩa vụ trả nợ.
Kết quả nghiên cứu cho thấy, trong ngành sản xuất thực phẩm, biến giả có tác động tích cực đến kết quả kinh doanh, với mức ý nghĩa 10% Điều này chỉ ra rằng các doanh nghiệp trong ngành thực phẩm có khả năng trả nợ thấp hơn so với các ngành khác.
- Số tiền vay, thời gian vay và địa điểm cấp tín dụng không có ý nghĩa thống kê
2.3.2 Nghiên cứu Jiménez và Saurina
Jiménez và Saurina (2003) đã phân tích các yếu tố ảnh hưởng đến khả năng không trả nợ của các KHDN, nhằm làm rõ liệu các doanh nghiệp có khoản vay rủi ro cao có bị yêu cầu thế chấp thêm tài sản đảm bảo hay không Nghiên cứu sử dụng dữ liệu từ các khoản vay có giá trị từ 6.000 Euro trở lên tại các ngân hàng thương mại và tổ chức tín dụng khác ở Tây Ban Nha Mô hình Logit được các tác giả xây dựng để thực hiện phân tích này.
Prob(y it = 1 / (x it , z t )) = Prob(y* it >0 / (x it , z t )) = F(α + x’ it β + z’ t γ) Trong đó:
Prob(y it = 1 / (x it , z t )) là PD (Probability of Default): xác suất khách hàng không trả được nợ đối với khoản vay thứ i
Mô hình nghiên cứu bao gồm các biến độc lập như loại sản phẩm tín dụng, loại tiền tệ cho vay, kỳ hạn cho vay, tài sản bảo đảm (TSBĐ), số tiền cho vay, lĩnh vực kinh doanh, khu vực cấp tín dụng và loại hình tổ chức tín dụng (TCTD).
So với các khoản vay tín chấp, việc gia tăng tỷ lệ tài sản đảm bảo (TSĐB) sẽ dẫn đến việc tăng khả năng vỡ nợ (PD) Đối với các khoản vay có tài sản đảm bảo, PD sẽ thấp hơn khi tỷ lệ TSĐB đạt 100%, nhưng sẽ cao hơn khi tỷ lệ TSĐB nằm trong khoảng từ 50% đến dưới 100%.
16 Jiménez & Saurina, 2003 Collateral, type of lender anh relationship banking as determinants of
Các khoản cấp tín dụng từ Quỹ tiết kiệm có mức độ rủi ro vỡ nợ cao hơn so với các ngân hàng thương mại (NHTM) Nguyên nhân chủ yếu là do sự yếu kém trong quy trình thẩm định và sự tăng trưởng nóng diễn ra vào cuối thập niên 80 và 90 tại Tây Ban Nha.
Cấp tín dụng ngắn hạn cho doanh nghiệp dựa vào doanh thu hàng năm giúp giảm thiểu rủi ro so với các khoản đầu tư trung và dài hạn, vốn đòi hỏi thời gian dài hơn để thu hồi lợi nhuận.
Khả năng không trả nợ của các doanh nghiệp đối với khoản vay bằng ngoại tệ thấp hơn so với vay nội tệ, do tỷ trọng của các khoản vay ngoại tệ này chiếm ít hơn và được xem xét một cách kỹ lưỡng hơn.
Các khoản vay có thời gian đáo hạn dài thường có xác suất vỡ nợ (PD) thấp hơn, trong khi các khoản vay ngắn hạn, bao gồm cả thấu chi tài khoản, lại tiềm ẩn rủi ro cao hơn Đặc biệt, các khoản vay dài hạn trên 5 năm cũng cho thấy PD thấp hơn Điều này trái ngược với Thuyết tín hiệu của Flannery (1986), khi cho rằng các doanh nghiệp có rủi ro thấp thường ưa chuộng vay ngắn hạn Khi các nhà đầu tư không thể phân biệt giữa doanh nghiệp rủi ro cao và thấp, doanh nghiệp tốt thường kỳ vọng nhận được lãi suất thấp và tăng cường vay ngắn hạn, trong khi doanh nghiệp yếu kém chấp nhận lãi suất cao hơn mức bình quân dài hạn.
- Khoản vay càng lớn thì khả năng KHDN trả được nợ cao hơn do quá trình thẩm định phê duyệt cho vay khắt khe hơn
Nghiên cứu chỉ ra rằng khả năng trả nợ của doanh nghiệp (KHDN) khác nhau giữa các ngành kinh doanh và khu vực cấp tín dụng Ngành xây dựng được xác định là rủi ro nhất, tiếp theo là ngành khách sạn và nhà hàng Ngược lại, ngành sản xuất và phân phối điện, khí đốt, và cung cấp nước có rủi ro thấp nhất, nhờ vào quy mô lớn và mức độ tín nhiệm cao của các KHDN trong lĩnh vực này Ngoài ra, nghiên cứu cũng phát hiện sự khác biệt về khả năng trả nợ của KHDN giữa các khu vực cấp tín dụng.
17 Flannery, 1986 Asymmetric information and risk debt maturity choice Journal of Finance XLI
- Liên quan đến mối quan hệ với các TCTD, tác giả cho rằng việc quan hệ với nhiều TCTD sẽ làm giảm rủi ro KHDN không trả được nợ
2.3.3 Nghiên cứu của Andrea Ruth Coravos
THỰC TRẠNG KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG
Thực trạng hoạt động tín dụng khách hàng doanh nghiệp tại Ngân Hàng
Thực hiện cổ phần hóa theo chỉ đạo của Chính phủ, Ngân Hàng TMCP Đầu Tư
Và Phát Triển Việt Nam đã chính thức hoạt động từ ngày 01/05/2012, đồng thời ngân hàng cũng lập báo cáo tài chính đầu tiên vào ngày này Do đó, báo cáo tài chính năm đầu tiên được thực hiện vào thời điểm này.
Dữ liệu thống kê dư nợ cho vay KHDN của Ngân hàng BIDV trong giai đoạn từ 01/05/2012 đến 31/12/2012 được sử dụng để đảm bảo tính liền mạch và chính xác của số liệu.
2013 – 2015 kết hợp với các báo cáo nội bộ về tình hình cấp tín dụng cho KHDN tại BIDV trong giai đoạn 2012 – 2015
Trong giai đoạn 2012 - 2015, hoạt động tín dụng doanh nghiệp tại BIDV đã ghi nhận sự tăng trưởng mạnh mẽ, đặc biệt là về dư nợ cho vay Dư nợ cho vay khách hàng doanh nghiệp (KHDN) tăng trưởng với tốc độ bình quân trên 15% mỗi năm, chiếm khoảng 80% tổng dư nợ cho vay của ngân hàng.
Bảng 3.1: Dư nợ tín dụng KHDN theo thời hạn cho vay Đơn vị tính: Triệu VNĐ
Nguồn: Báo cáo nội bộ về cho vay KHDN tại BIDV và Báo cáo tài chính kiểm toán của BIDV trong giai đoạn 2012 – 2015
Dư nợ tín dụng của khách hàng doanh nghiệp tại BIDV đã tăng trưởng ổn định trong giai đoạn 2012 – 2015, với tỷ trọng dư nợ ngắn hạn luôn chiếm ưu thế và có tốc độ gia tăng nhanh nhất qua các năm.
Bảng 3.2: Dư nợ tín dụng KHDN theo thành phần kinh tế Đơn vị tính: Triệu VNĐ
Công ty Nhà nước 62.824.045 60.964.851 48.631.338 52.418.384 Công ty TNHH trên một thành viên với vốn Nhà nước trên 50%
Công ty TNHH khác 74.689.242 90.921.747 102.437.873 139.334.050 Công ty CP vốn Nhà nước trên 50% 28.603.384 32.406.895 38.179.621 43.431.765 Công ty CP khác 110.354.212 132.787.597 158.498.854 197.217.378
Doanh nghiệp tư nhân 6.307.224 6.661.579 6.870.182 8.571.518 Doanh nghiệp có vốn đầu tư nước ngoài 8.390.966 7.041.241 7.835.680 15.206.595 Hợp tác xã và liên hiệp hợp tác xã 350.096 499.663 442.039 1.178.079
Nguồn: Báo cáo nội bộ về cho vay KHDN tại BIDV và Báo cáo tài chính kiểm toán của BIDV trong giai đoạn 2012 – 2015
Tại BIDV, dư nợ cho vay doanh nghiệp theo thành phần kinh tế đã cho thấy sự đóng góp đáng kể từ các doanh nghiệp nhà nước Tuy nhiên, tỷ trọng cho vay đối với nhóm này đã giảm liên tục qua các năm, từ 21,6% vào năm 2012 xuống chỉ còn 11,8%.
Từ năm 2015, dư nợ cho vay của khối doanh nghiệp (KHDN) có vốn tư nhân, đặc biệt là các công ty cổ phần, đã gia tăng nhanh chóng cả về giá trị tuyệt đối lẫn tỷ trọng trong tổng dư nợ cho vay của khối này.
Bảng 3.3: Dư nợ tín dụng KHDN theo lĩnh vực kinh doanh Đơn vị tính: Triệu VNĐ
Ngành nông, lâm nghiệp và thủy sản đã ghi nhận sự tăng trưởng từ 15.238.426 lên 27.594.870, trong khi khai khoáng tăng từ 8.970.265 lên 10.721.487 Ngành công nghiệp chế biến, chế tạo đạt mức cao nhất với 82.436.389, sau khi tăng từ 66.001.310 Sản xuất và phân phối điện, khí đốt và nước giảm nhẹ từ 39.534.936 xuống 29.297.564 Ngành xây dựng cũng có sự biến động, tăng từ 37.534.862 lên 50.626.254 Cuối cùng, lĩnh vực bán buôn và bán lẻ, cùng với sửa chữa ô tô, xe máy, tiếp tục đóng góp vào sự phát triển kinh tế.
Vận tải kho bãi 9.636.901 6.865.920 4.578.311 29.235.821 Dịch vụ 13.563.916 15.946.929 19.166.554 33.607.270 Hoạt động kinh doanh bất động sản 20.065.366 23.807.599 26.052.023 31.573.897 Ngành khác 24.397.144 29.119.163 39.475.355 57.505.134
Nguồn: Báo cáo nội bộ về cho vay KHDN tại BIDV và Báo cáo tài chính kiểm toán của BIDV trong giai đoạn 2012 – 2015
Dư nợ cho vay KHDN tại BIDV rất đa dạng, với lĩnh vực công nghiệp chế biến, chế tạo và thương mại chiếm tỷ trọng cao nhất, đạt 17,9% và 23,4% Mặc dù các lĩnh vực khác có tỷ trọng thấp hơn, nhưng dư nợ tuyệt đối vẫn tăng trưởng qua từng năm.
Thực trạng khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
Khả năng trả nợ của doanh nghiệp có thể được đánh giá qua kết quả phân loại nợ, phản ánh mức độ rủi ro tín dụng mà các ngân hàng thương mại nhận định đối với các khoản vay Kết quả này cho thấy doanh nghiệp có thể gặp khó khăn tạm thời trong việc trả nợ (nợ nhóm 2) hoặc có khả năng không trả được một phần hoặc toàn bộ các khoản vay (nợ nhóm 3, 4, 5).
Bảng 3.4: Kết quả phân loại nợ cho vay KHDN Đơn vị tính: %
Nợ có khả năng mất vốn 0.6 1.0 0.6 0.7
Nguồn: Báo cáo nội bộ về cho vay KHDN tại BIDV và Báo cáo tài chính kiểm toán của BIDV trong giai đoạn 2012 – 2015
Trong giai đoạn 2012 – 2015, nợ xấu cho vay doanh nghiệp tại BIDV đã gia tăng không đồng đều, với năm 2013 ghi nhận thành công trong việc kiểm soát nợ xấu khi giảm 321.625 triệu đồng và thực hiện tái cơ cấu mạnh mẽ Tuy nhiên, từ năm 2014 đến 2015, nợ xấu, đặc biệt là nợ nhóm 5, đã có dấu hiệu gia tăng trở lại Đến cuối năm 2015, nợ nhóm 5 tăng 1.923.471 triệu đồng, tương ứng tỷ lệ tăng 58,88% so với năm 2014, chiếm hơn 50% tổng quy mô nợ xấu cho vay doanh nghiệp.
Giá trị nợ xấu tại BIDV đã gia tăng nhanh chóng theo thời gian, song tỷ lệ nợ xấu trên tổng dư nợ cho vay doanh nghiệp vẫn duy trì ở mức thấp, thuộc nhóm thấp nhất trong các ngân hàng thương mại Hiện tại, tỷ lệ này còn thấp hơn mức khuyến nghị của Ngân hàng Nhà nước Việt Nam, không vượt quá 3%.
Bảng 3.5: Mức trích lập dự phòng cho vay KHDN Đơn vị tính: triệu đồng
Nguồn: Báo cáo nội bộ về cho vay KHDN tại BIDV trong giai đoạn 2012 – 2015
Mức trích lập dự phòng cho vay KHDN tại BIDV đã gia tăng qua các năm, tuy nhiên, trong 2 năm gần đây, dự phòng cụ thể lại suy giảm do BIDV bán một số khoản nợ lớn cho VAMC để tái cơ cấu và giảm áp lực nợ xấu Đặc biệt, năm 2015, BIDV đã bán 13.683.844 triệu đồng nợ xấu cho VAMC, trong đó hơn 80% là nợ xấu cho vay KHDN, cho thấy chất lượng tín dụng và khả năng trả nợ của KHDN tại BIDV có xu hướng giảm sút.
Thực trạng đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
3.3.1 Phương pháp đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
3.3.1.1 Đánh giá dựa trên kết quả xếp hạng tín dụng nội bộ
Tại Việt Nam và nhiều quốc gia trên thế giới, hệ thống xếp hạng tín dụng nội bộ (XHTD) được sử dụng để đánh giá rủi ro tín dụng của khách hàng và các khoản vay cụ thể BIDV, với vai trò là ngân hàng thương mại lâu đời nhất tại Việt Nam, luôn tiên phong trong việc áp dụng và cải tiến hệ thống XHTD nội bộ Ngay sau khi Quyết định số 493/2005/QĐ-NHNN về phân loại nợ và trích lập dự phòng được ban hành, BIDV đã triển khai hệ thống xếp hạng tín dụng nội bộ vào ngày 20/10/2006.
Hệ thống XHTD nội bộ tại BIDV áp dụng phương pháp chấm điểm cho các chỉ tiêu tài chính và phi tài chính của khách hàng, kết hợp với phương pháp chuyên gia và thống kê để xếp hạng Mỗi nhóm chỉ tiêu bao gồm nhiều chỉ tiêu nhỏ với số lượng, thang điểm và trọng số khác nhau, tùy thuộc vào loại hình KHDN, ngành kinh tế và tính chất sở hữu Điểm tổng hợp xếp hạng KHDN được tính bằng tích số giữa điểm ban đầu và trọng số Quy trình thực hiện hệ thống XHTD nội bộ cho KHDN tại BIDV bao gồm 6 bước.
- Xác định ngành nghề kinh tế
- Xác định loại hình sở hữu của khách hàng
- Chấm điểm các chỉ tiêu tài chính
- Chấm điểm các chỉ tiêu phi tài chính
Điểm và xếp hạng của KHDN được tính toán bằng công thức: Điểm của các chỉ tiêu tài chính nhân với trọng số phần tài chính cộng với điểm của các chỉ tiêu phi tài chính nhân với trọng số phần phi tài chính.
Bảng 3.6: Thống kê các nhóm chỉ tiêu trong hệ thống XHTD nội bộ tại BDIV
Chỉ tiêu tài chính Chỉ tiêu phi tài chính
Nhóm chỉ tiêu thanh khoản (3 chỉ tiêu) Khả năng trả nợ từ lưu chuyển tiền tệ
Nhóm chỉ tiêu hoạt động bao gồm 4 chỉ tiêu, trong khi trình độ quản lý và môi trường nội bộ của doanh nghiệp có 9 chỉ tiêu Nhóm chỉ tiêu cân nợ gồm 2 chỉ tiêu, và quan hệ với ngân hàng được đánh giá qua 11 chỉ tiêu Nhóm chỉ tiêu thu nhập có 5 chỉ tiêu, bên cạnh đó, các nhân tố bên ngoài cũng được xem xét với 7 chỉ tiêu.
Các đặc điểm hoạt động của khác hàng (11 chỉ tiêu)
Nguồn: Tổng hợp từ quy định ban hành hệ thống XHTD nội bộ của BIDV
Dựa trên tổng số điểm đạt được, khách hàng doanh nghiệp (KHDN) sẽ được phân loại vào các mức xếp hạng, kèm theo đánh giá khả năng trả nợ tương ứng Điều này cho thấy kết quả xếp hạng tín dụng tại BIDV có mối liên hệ chặt chẽ với việc đánh giá khả năng trả nợ của KHDN.
Bảng 3.7: Mối quan hệ giữa mức xếp hạng và khả năng trả nợ của KHDN
Mức điểm Mức xếp hạng Đánh giá khả năng trả nợ
90 – 100 AAA Khả năng trả nợ đặc biệt tốt, đáp ứng mọi nghĩa vụ trả nợ
83 – 90 AA Khả năng trả nợ rất tốt, có khả năng thực hiện đầy đủ các nghĩa vụ đã cam kết
77 – 83 A Khả năng trả nợ tốt và đảm bảo
71 – 77 BBB Khả năng trả nợ tương đối tốt nhưng có dấu hiệu suy giảm khả năng trả nợ
65 – 71 BB Khả năng trả nợ bình thường nhưng có dấu hiệu suy giảm khả năng trả nợ
59 – 65 B Khả năng trả nợ cần được chú ý, dư nợ có khả năng tổn thất một phần gốc và lãi
53 – 59 CCC Khả năng trả nợ yếu, dư nợ có khả năng tổn thất một phần gốc và lãi
Khả năng trả nợ kém, khách hàng không thực hiện cam kết, dư nợ có khả năng tổn thất một phần gốc và lãi
Nhóm tuổi 35 – 44 có khả năng trả nợ rất yếu, dẫn đến nguy cơ tổn thất cao đối với dư nợ Trong khi đó, nhóm tuổi dưới 35 thể hiện khả năng trả nợ đặc biệt yếu kém, với dư nợ không còn khả năng thu hồi, gây mất vốn.
Nguồn: Tổng hợp từ quy định ban hành hệ thống XHTD nội bộ của BIDV
3.3.1.2 Đánh giá dựa trên kết quả thẩm định tín dụng khách hàng trước, trong và sau cho vay
Trong quá trình phê duyệt cho vay và đánh giá lại khách hàng doanh nghiệp (KHDN) sau cho vay, BIDV thực hiện các bước thẩm định để xác định khả năng của KHDN trong việc thực hiện các nghĩa vụ tài chính trong tương lai.
BIDV sẽ tiến hành đánh giá tổng thể về khách hàng thông qua việc xem xét tư cách pháp lý, năng lực điều hành và quản lý Các tiêu chí đánh giá bao gồm năng lực tài chính, kinh nghiệm hoạt động, và khả năng tuân thủ quy định pháp luật.
Đánh giá về lịch sử hoạt động của khách hàng
Đánh giá về tư cách và năng lực pháp lý
Đánh giá về mô hình tổ chức và bố trí lao động của khách hàng
Đánh giá về năng lực quản trị điều hành
- Đánh giá hoạt động sản xuất kinh doanh của khách hàng:
Đánh giá năng lực kinh doanh
Đánh giá khả năng cung cấp nguyên vật liệu và các yếu tố đầu vào
Đánh giá phương thức tiêu thụ và mạng lưới phân phối
Đánh giá, phân tích về sản lượng và doanh thu
Đánh giá về khả năng xuất khẩu hàng hóa
Phân tích hoạt động của khách hàng giúp đánh giá triển vọng phát triển ngắn hạn và dài hạn Thực hiện phân tích SWOT để xác định điểm mạnh, điểm yếu, cơ hội và thách thức của khách hàng doanh nghiệp trong các lĩnh vực như thị trường, sản phẩm dịch vụ và kênh phân phối Điều này sẽ cung cấp cái nhìn tổng quan và chiến lược phù hợp cho sự phát triển bền vững.
- Phân tích tình hình quan hệ với ngân hàng:
Quan hệ giao dịch với BIDV
Quan hệ giao dịch với các tổ chức tín dụng khác
Quan hệ với nhóm khách hàng có liên quan
- Đánh giá tình hình tài chính của khách hàng: phân tích các chỉ tiêu tài chính và kết quả hoạt động sản xuất kinh doanh
Thẩm định phương án sản xuất kinh doanh hoặc dự án là bước quan trọng trong việc đánh giá khả năng trả nợ của khách hàng Tại giai đoạn này, khả năng trả nợ của doanh nghiệp được thể hiện qua tính khả thi của dự án, cụ thể là dòng tiền có đủ để thanh toán nợ vay và sinh lãi hay không Đồng thời, hiệu quả của phương án sản xuất kinh doanh cũng được xem xét, với doanh thu từ phương án có đủ bù đắp chi phí hoạt động và nợ vay hay không.
BIDV nhấn mạnh rằng việc xác định số lượng và giá trị tài sản đảm bảo (TSĐB) hiện tại có tác động tích cực đến khả năng trả nợ của khách hàng doanh nghiệp (KHDN), đồng thời giúp giảm thiểu tối đa các tổn thất khi xảy ra rủi ro.
BIDV thực hiện đánh giá rủi ro toàn diện từ khách hàng, ngân hàng và môi trường bên ngoài, nhằm dự đoán các rủi ro tiềm ẩn Qua đó, ngân hàng đề xuất các biện pháp phòng ngừa hiệu quả, giúp chủ động xác định và ứng phó với những yếu tố có thể ảnh hưởng đến khả năng trả nợ của khách hàng.
Công tác đánh giá khả năng trả nợ tại BIDV tuân thủ đầy đủ các quy định phân loại nợ của NHNN và hướng đến việc quản lý rủi ro tín dụng theo tiêu chuẩn Basel.
Khuôn khổ pháp lý đánh giá khả năng trả nợ của doanh nghiệp tại BIDV được xác định rõ ràng, tuân thủ chỉ đạo của Ngân hàng Nhà nước Việt Nam qua các thời kỳ Quy trình này bao gồm việc phân loại nợ và trích lập dự phòng, đảm bảo tính minh bạch và hiệu quả trong quản lý rủi ro tín dụng.
Hệ thống chỉ tiêu và thang điểm được thiết kế đa dạng cho 35 ngành/nhóm ngành KHDN, được chọn lọc kỹ lưỡng dưới sự tư vấn của các chuyên gia Điều này giúp kết quả XHTD của khách hàng phản ánh chính xác khả năng trả nợ trong tương lai.
PHƯƠNG PHÁP, DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
Mô hình nghiên cứu
4.1.1 Lý do lựa chọn Mô hình Logit để đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
Hiện nay, BIDV và các ngân hàng thương mại Việt Nam chủ yếu dựa vào hệ thống xếp hạng tín dụng nội bộ để thẩm định khách hàng doanh nghiệp, nhưng vẫn gặp phải tình trạng khách hàng che giấu hoặc làm sai lệch số liệu tài chính Việc đánh giá khả năng trả nợ còn mang tính chủ quan và phụ thuộc vào cảm tính của cán bộ tín dụng Ngoài ra, bộ chỉ tiêu đánh giá khách hàng cũng chủ yếu dựa vào quan điểm của chuyên gia, dẫn đến sự thiếu khách quan trong quy trình Do đó, việc xây dựng và áp dụng mô hình định lượng trong đánh giá khả năng trả nợ của khách hàng doanh nghiệp là rất cần thiết.
Qua nghiên cứu các đặc điểm và ưu nhược điểm của các mô hình phổ biến toàn cầu, học viên đã chọn Mô hình Logit Mô hình này được sử dụng rộng rãi trong nghiên cứu rủi ro tín dụng và đánh giá khả năng trả nợ của người vay, cho thấy tính ứng dụng cao trong thực tiễn.
4.1.2 Xây dựng Mô hình Logit để đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam
Mô hình hồi quy Logit phân tích các yếu tố tác động đến khả năng trả nợ của khách hàng doanh nghiệp tại BIDV được viết như sau:
Mô hình này sử dụng biến giả Y để thể hiện khả năng trả nợ của khách hàng doanh nghiệp, với giá trị 1 cho những doanh nghiệp có khả năng trả nợ và 0 cho những doanh nghiệp không có khả năng trả nợ Các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp được biểu diễn bởi các biến Xj (với j = 1 – n), và phần dư u thể hiện các yếu tố ngẫu nhiên không được giải thích bởi mô hình.
Dạng tổng quát của mô hình dựa trên nghiên cứu của Chiara Pederzoli, GridThoma, Costanza Torricelli (2010) 20 và được khái quát như sau:
P(Y=1) = P0: Xác suất khách hàng có khả năng trả nợ
P(Y=0) = 1 – P0: Xác suất khách hàng không có khả năng trả nợ
Do đó, Logarit của Hệ số Odds là một hàm tuyến tính với các biến độc lập X j (j
= 1, 2, 3, …, n) Phương trình (1) có dạng Hàm Logit Do đó, chúng ta ước lượng các hệ số hồi quy bằng phương pháp MX (Maximum Likelihood)
Phương pháp xây dựng mô hình
Biến phụ thuộc Y thể hiện khả năng trả nợ của KHDN, trong khi các biến độc lập được chọn dựa trên kết quả từ các nghiên cứu trước và các chỉ tiêu quan trọng thường được áp dụng trong quy chuẩn XHTD nội bộ tại BIDV và các ngân hàng thương mại.
Mô hình nghiên cứu này, do hạn chế về số liệu và khó khăn trong việc thu thập và xử lý thông tin, đã quyết định không xem xét các yếu tố kinh tế vĩ mô Thay vào đó, nó chỉ tập trung vào các đặc điểm của khoản vay và đặc điểm của doanh nghiệp nhỏ và vừa (KHDN).
Các biến độc lập liên quan đến khoản vay:
Số tiền cho vay là yếu tố quan trọng trong việc đánh giá khả năng trả nợ của doanh nghiệp Nghiên cứu cho thấy rằng giá trị khoản vay ảnh hưởng trực tiếp đến tình hình tài chính và khả năng thanh toán của các KHDN.
20 Chiara Pederzoli, Costanza Torricelli, 2010 A parsimonious default prediction model for Italian
Theo nghiên cứu của Jiménez và Saurina (2003) cùng Irakli Ninua (2008), số tiền cho vay có mối quan hệ ngược chiều với khả năng trả nợ của các doanh nghiệp Các tác giả này chỉ ra rằng các khoản vay lớn thường tiềm ẩn rủi ro cao hơn so với các khoản vay nhỏ Tuy nhiên, Andrea Ruth Coravos đã có những quan điểm khác về vấn đề này.
(2010) lại cho rằng số tiền cho vay càng lớn thì khả năng trả nợ của KHDN càng cao
Học viên chọn Số tiền cho vay làm biến độc lập trong mô hình nghiên cứu, với kỳ vọng rằng sẽ có mối quan hệ nghịch biến với biến phụ thuộc.
Thời hạn cho vay là một yếu tố quan trọng trong sản phẩm tín dụng, được xác định dựa trên nhu cầu và nguồn thu của doanh nghiệp Nhiều nghiên cứu toàn cầu đã chỉ ra rằng thời hạn cho vay ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp Các kết quả nghiên cứu cho thấy có mối quan hệ nghịch biến giữa thời hạn cho vay và khả năng trả nợ, điều này cũng phản ánh kỳ vọng của học viên trong lĩnh vực tài chính.
Ngân hàng thường xác định lãi suất vay dựa trên thời hạn và mức độ rủi ro của khách hàng; lãi suất cao thường phản ánh khách hàng có rủi ro tín dụng cao Tuy nhiên, lãi suất cũng có thể bị giới hạn bởi trần lãi suất của ngân hàng nhà nước và sự cạnh tranh từ các tổ chức tín dụng khác Nghiên cứu toàn cầu cho thấy lãi suất cho vay có mối quan hệ nghịch biến với khả năng trả nợ của khách hàng doanh nghiệp, nhưng nghiên cứu của Jiménez và Saurina (2003) lại chỉ ra kết quả ngược lại Do đó, học viên chọn lãi suất cho vay làm biến phụ thuộc và kỳ vọng vào mối quan hệ nghịch biến.
- Tỷ lệ TSĐB trên tổng dư nợ:
Tài sản đảm bảo (TSĐB) đóng vai trò quan trọng trong khả năng trả nợ của khách hàng, đặc biệt đối với những khách hàng lớn và có độ tín nhiệm cao, ngân hàng thường áp dụng chính sách cho vay với tỷ lệ TSĐB dưới 100% hoặc thậm chí tín chấp, chấp nhận rủi ro lớn hơn vì kỳ vọng thu hồi nợ cao hơn Tuy nhiên, khi rủi ro xảy ra, những khoản vay này có thể gây thiệt hại lớn cho ngân hàng Nghiên cứu của Jiménez và Saurina (2003) cho thấy các khoản vay có tỷ lệ TSĐB cao có nguy cơ vỡ nợ thấp hơn so với các khoản vay có tỷ lệ TSĐB thấp Do đó, tỷ lệ TSĐB trên tổng dư nợ được lựa chọn làm biến phụ thuộc trong mô hình, với kỳ vọng mối quan hệ đồng biến với khả năng trả nợ của khách hàng doanh nghiệp (KHDN).
Các biến độc lập liên quan đến dặc điểm của KHDN:
- Lĩnh vực hoạt động kinh doanh:
Nhiều nghiên cứu toàn cầu đã chỉ ra rằng ngành nghề và lĩnh vực kinh doanh chính ảnh hưởng đến khả năng trả nợ của các doanh nghiệp Một trong những nghiên cứu tiêu biểu là của Jiménez và Saurina (2003) cùng với Irakli Ninua, nhấn mạnh tầm quan trọng của yếu tố này trong việc đánh giá rủi ro tín dụng.
Nghiên cứu năm 2008 chỉ ra sự khác biệt trong khả năng trả nợ giữa các doanh nghiệp sản xuất và các ngành khác Tại Việt Nam, đặc biệt là trong số các khách hàng doanh nghiệp có quan hệ tín dụng tại BIDV, doanh nghiệp trong lĩnh vực sản xuất và chế biến chế tạo chiếm ưu thế Do đó, tác giả quyết định sử dụng biến "Lĩnh vực hoạt động kinh doanh" trong mô hình nghiên cứu, với kỳ vọng rằng sẽ có mối liên hệ giữa biến này và khả năng trả nợ của các khách hàng doanh nghiệp.
Quy mô khách hàng là yếu tố quan trọng ảnh hưởng đến khả năng trả nợ của doanh nghiệp, được xác định qua các chỉ tiêu như doanh thu thuần, tổng tài sản, vốn chủ sở hữu và số lượng lao động Những tiêu chí này được áp dụng trong quy trình xét duyệt tín dụng nội bộ của ngân hàng thương mại, đặc biệt là hệ thống XHTD của BIDV Học viên mong muốn nghiên cứu mối quan hệ giữa quy mô khách hàng và khả năng trả nợ trong mô hình nghiên cứu của mình.
Thời gian kinh doanh của các KHDN được xác định từ ngày thành lập theo Giấy chứng nhận đăng ký kinh doanh Nghiên cứu của Andrea Ruth Coravos (2010) cho thấy rằng thời gian kinh doanh có ảnh hưởng tích cực đến khả năng trả nợ của KHDN, nghĩa là các doanh nghiệp có kinh nghiệm lâu năm có xác suất không trả được nợ thấp hơn so với các doanh nghiệp mới thành lập Tuy nhiên, mọi doanh nghiệp đều trải qua các chu kỳ kinh doanh và giai đoạn khó khăn, suy thoái Do đó, nghiên cứu này xem xét mối quan hệ giữa thời gian kinh doanh và khả năng trả nợ của KHDN.
- Kinh nghiệm của người quản lý, điều hành doanh nghiệp:
Nghiên cứu của Andrea Ruth Coravos (2010) và mô hình XHTD nội bộ tại BIDV nhấn mạnh vai trò quan trọng của kinh nghiệm người quản lý trong việc điều hành doanh nghiệp Những lãnh đạo có kinh nghiệm thường đưa ra các quyết định chính xác, giúp doanh nghiệp phát triển và vượt qua giai đoạn khó khăn Học viên cũng kỳ vọng có mối quan hệ đồng biến giữa kinh nghiệm của người quản lý và khả năng trả nợ của khách hàng doanh nghiệp trong mô hình nghiên cứu.
- Thời gian quan hệ với ngân hàng:
Nghiên cứu của Jiménez và Saurina (2003) chỉ ra rằng mối quan hệ giữa khách hàng doanh nghiệp (KHDN) và ngân hàng có thể làm gia tăng rủi ro tín dụng Tuy nhiên, trong hệ thống xét duyệt tín dụng và quy trình thẩm định KHDN, yếu tố mối quan hệ giao dịch giữa KHDN và ngân hàng lại được đánh giá cao Các KHDN có thời gian quan hệ lâu dài và sử dụng nhiều sản phẩm, dịch vụ từ ngân hàng thường nhận được xếp hạng tín dụng tốt hơn Vì vậy, nghiên cứu chọn biến độc lập "Thời gian quan hệ với ngân hàng" để phân tích ảnh hưởng của mối quan hệ này đến khả năng trả nợ của KHDN.
- Lịch sử quan hệ tín dụng:
Lịch sử quan hệ tín dụng, bao gồm việc khách hàng có nợ quá hạn hay không, là yếu tố quan trọng trong việc đánh giá mức độ tín nhiệm của khách hàng doanh nghiệp (KHDN) Ngân hàng thường xem xét các khách hàng có lịch sử tín dụng tốt và thanh toán đúng hạn là có mức độ rủi ro tín dụng thấp hơn so với những khách hàng đã từng chậm thanh toán Do đó, một lịch sử quan hệ tín dụng tích cực sẽ tăng cường khả năng trả nợ của KHDN.
- Tỷ lệ Nợ phải trả/Vốn chủ sở hữu:
Thảo luận kết quả nghiên cứu
Sau khi hoàn thành thống kê mô tả dữ liệu, ta tiến hành hồi quy dữ liệu bằng
Mô hình Logit giúp loại bỏ các biến không có ý nghĩa trong việc giải thích biến phụ thuộc Từ các hệ số β, chúng ta có thể xác định mô hình hồi quy Binary Logit một cách chính xác.
Ln[ 𝑃 (𝑌=0) 𝑃(𝑌=1) ] = 5,696 – 0.611LAISUAT + 0,016TYLETSDB + 1,686QUYMO – 0,041 THOIGIANQH – 1,784LICHSUQH + 2,646DTTTTS Để mô hình hồi quy Logit đảm bảo độ tin cậy, học viên thực hiện các kiểm định như sau:
Kiểm định tương quan từng phần của các hệ số hồi quy
Học viên sử dụng kiểm định Wald để đánh giá mối quan hệ giữa biến độc lập và biến phụ thuộc, từ đó xác định xem biến độc lập có tương quan có ý nghĩa với biến phụ thuộc hay không Khi mức ý nghĩa của các hệ số hồi quy từng phần đạt độ tin cậy ít nhất 95% (Sig ≤ 0,05), có thể kết luận rằng mối tương quan giữa biến độc lập và biến phụ thuộc có ý nghĩa thống kê.
Kiểm định mức độ phù hợp của mô hình
Học viên sử dụng kiểm định Omnibus (Ob) để xác định mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc Mô hình được coi là phù hợp khi có ít nhất một hệ số hồi quy khác không, với mức ý nghĩa đạt độ tin cậy 99% (Sig ≤ 0,001) Điều này cho thấy các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc trong tổng thể, xác nhận rằng mô hình được lựa chọn là phù hợp.
Kiểm định mức độ dự báo chính xác của mô hình
Mô hình dự đoán khả năng trả nợ của 439 KHDN, trong đó đã xác định đúng 429 KHDN có khả năng trả nợ, đạt tỷ lệ chính xác 97,7% Đối với 61 KHDN không có khả năng trả nợ, mô hình dự đoán đúng 39 trường hợp, với tỷ lệ chính xác 63,9% Tổng tỷ lệ dự báo đúng của mô hình là 93,6%.
Kiểm định mức độ giải thích của mô hình
Học viên áp dụng thước đo R² – Nagelkerke (R²) để đánh giá tỷ lệ phần trăm biến phụ thuộc được giải thích bởi các biến độc lập R² cho phép xác định mức độ giải thích của mô hình hồi quy trong nghiên cứu.
= 0,623, có nghĩa là 62,3% sự thay đổi của biến phụ thuộc được giải thích bởi các biến độc lập
Bảng 4.5: Bảng tóm lược kết quả mô hình hồi quy và các kiểm định
Biến độc lập Hệ số hồi quy (β)
Sai số chuẩn Sig Mức ý nghĩa
Chiều tương quan với biến phụ thuộc
STVAY Không có ảnh hưởng
THVAY Không có ảnh hưởng
TGIANKD Không có ảnh hưởng
KNGHIEMNQL Không có ảnh hưởng
NOPTRA/VCSH Không có ảnh hưởng
VCSH/TTS Không có ảnh hưởng
Nguồn: Học viên thống kê từ mẫu phân tích Ghi chú:
* có ý nghĩa ở mức ý nghĩa 10%; ** có ý nghĩa ở mức ý nghĩa 5% ***có ý nghĩa ở mức ý nghĩa 1%
Dấu (+) thể hiện mối quan hệ đồng biến giữa biến độc lập và biến phụ thuộc, trong khi dấu (-) biểu thị mối quan hệ nghịch biến giữa hai loại biến này.
4.3.2 Giải thích ý nghĩa kết quả hồi quy 4.3.2.1 Biến lãi suất cho vay
Biến lãi suất cho vay có hệ số hồi quy -0,611 và Sig.=0,005 cho thấy lãi suất cho vay có mối tương quan ngược chiều với khả năng trả nợ của KHDN; tức là, khi lãi suất tăng, khả năng trả nợ của KHDN giảm Kết quả này phù hợp với nghiên cứu của Jiménez và Saurina (2003) cũng như Irakli Ninua (2008), và xác nhận kỳ vọng của học viên Lãi suất cho vay ảnh hưởng mạnh mẽ đến chi phí tài chính của doanh nghiệp; khi lãi suất tăng, chi phí trả lãi hàng tháng và hàng quý cũng tăng, tác động đến doanh thu và lợi nhuận dùng để trả nợ Ngoài ra, các NHTM thường áp dụng lãi suất cao đối với KHDN có mức tín nhiệm thấp, hoạt động kinh doanh không ổn định hoặc thuộc các lĩnh vực nhiều rủi ro.
4.3.2.2 Biến tỷ lệ TSĐB trên tổng dư nợ
Hệ số hồi quy 0,016 với Sig.=0,001 cho thấy tỷ lệ TSĐB trên tổng dư nợ có mối tương quan tích cực và ý nghĩa với khả năng trả nợ của KHDN Cụ thể, việc gia tăng tỷ lệ TSĐB sẽ nâng cao khả năng trả nợ của doanh nghiệp, điều này phù hợp với nghiên cứu của Jiménez và Saurina (2003) về quản trị rủi ro tại các NHTM Tại Việt Nam, các NHTM thường yêu cầu các biện pháp đảm bảo tài chính chặt chẽ nhằm giảm thiểu tổn thất khi xảy ra rủi ro, từ đó cải thiện khả năng trả nợ của KHDN.
4.3.2.3 Biến quy mô của khách hàng doanh nghiệp
Biến quy mô KHDN có hệ số hồi quy 1,686 và Sig.=0,001, cho thấy có mối tương quan tích cực với khả năng trả nợ của KHDN, tức là các KHDN quy mô vừa và nhỏ có khả năng trả nợ tốt hơn Thực tế, các KHDN này tại BIDV thường có dư nợ cho vay thấp và yêu cầu bảo đảm tối thiểu 100% dư nợ, góp phần vào khả năng trả nợ cao Ngược lại, các KHDN quy mô lớn tại BIDV thường thu hút sự chú ý từ các NHTM khác, dẫn đến việc BIDV áp dụng chính sách ưu đãi hơn, đặc biệt là giảm tỷ lệ tài sản đảm bảo yêu cầu.
4.3.2.4 Biến thời gian quan hệ với ngân hàng
Kết quả hồi quy cho thấy biến thời gian quan hệ với ngân hàng có hệ số hồi quy -0,041 và Sig.=0,004, cho thấy sự tồn tại của mối tương quan có ý nghĩa với biến phụ thuộc Điều này chỉ ra rằng thời gian quan hệ với ngân hàng càng dài sẽ làm giảm khả năng trả nợ của khách hàng doanh nghiệp (KHDN) Phân tích này phù hợp với kỳ vọng ban đầu và thực tế tại BIDV cũng như các ngân hàng thương mại tại Việt Nam Thời gian quan hệ tín dụng phản ánh chính xác mối quan hệ giữa ngân hàng và khách hàng Các KHDN có thời gian quan hệ dài thường là khách hàng truyền thống, mang lại nhiều lợi ích cho ngân hàng Tuy nhiên, các ngân hàng thường dựa vào dữ liệu quá khứ và thiếu khách quan trong quá trình xét duyệt hồ sơ, điều này có thể tạo điều kiện cho KHDN sử dụng vốn sai mục đích, dẫn đến suy giảm khả năng trả nợ.
4.3.2.5 Biến lịch sử quan hệ tín dụng
Biến lịch sử quan hệ tín dụng có hệ số hồi quy -1,784 với Sig.=0,001 cho thấy mối tương quan ngược chiều với biến phụ thuộc Điều này có nghĩa là các KHDN từng phát sinh nợ quá hạn sẽ gặp khó khăn trong việc trả nợ Kết quả này phù hợp với thực tế và kỳ vọng của học viên, cho thấy dữ liệu quá khứ, mặc dù không đầy đủ, vẫn phản ánh những dấu hiệu rủi ro trong tương lai Một KHDN có lịch sử nợ quá hạn có khả năng sẽ tiếp tục gặp khó khăn trong việc thanh toán nghĩa vụ nợ khi các yếu tố khác ảnh hưởng đến hoạt động kinh doanh của họ.
4.3.2.6 Biến tỷ lệ Doanh thu thuần/Tổng tài sản
Sau khi thực hiện hồi quy, biến tỷ lệ Doanh thu thuần/Tổng tài sản có hệ số hồi quy là 2,646 với Sig.= 0,000, cho thấy tỷ lệ này có mối tương quan có ý nghĩa và cùng chiều với khả năng trả nợ của các doanh nghiệp Cụ thể, tỷ lệ Doanh thu thuần/Tổng tài sản càng cao thì khả năng trả nợ của doanh nghiệp càng tốt Kết quả này phù hợp với nghiên cứu của Edward I Altman (1968) và Chiara Pederzoli, Costanza Torricelli (2010), đồng thời cũng trùng khớp với kỳ vọng của học viên Doanh nghiệp sử dụng hiệu quả tài sản để tăng trưởng doanh thu là điều kiện cần thiết để gia tăng nguồn thu trả nợ Tuy nhiên, điều này có thể không hoàn toàn đúng với các doanh nghiệp chỉ có khoản vay trung dài hạn, vì nguồn trả nợ chủ yếu đến từ lợi nhuận và khấu hao, phụ thuộc vào việc quản trị chi phí trong hoạt động kinh doanh và đầu tư tài sản.
Chương 4 với nội dung chính là ứng dụng mô hình hồi quy Logit để tìm ra các yếu tố có tác động đến khả năng trả nợ của KHDN tại BIDV, qua đó đề xuất mô hình đánh giá khả năng trả nợ của KHDN và tạo tiền đề cho việc xây dựng những giải pháp nhằm tăng cường ứng dụng các mô hình định lượng nói chung và mô hình Logit nói riêng trong công tác đánh giá khả năng trả nợ của KHDN, quản trị rủi ro tín dụng tại BIDV và các NHTM Việt Nam