Nghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng Long

Nghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng LongNghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng Long

Tính cấp thiết củađềtài

Trong bối cảnh kinh tế mở, sự cạnh tranh giữa các ngân hàng ngày càng gay gắt, buộc họ phải phát triển sản phẩm mới và cải thiện chất lượng dịch vụ để đáp ứng nhu cầu khách hàng Thẻ tín dụng là một phân khúc được nhiều ngân hàng chú trọng đầu tư nhằm mở rộng thị trường và tăng cường cạnh tranh Tuy nhiên, sự cạnh tranh này đã dẫn đến việc phát hành thẻ tín dụng gia tăng, đồng thời làm tăng rủi ro nợ thẻ tín dụng cho khách hàng Tình trạng nợ thẻ tín dụng không chỉ ảnh hưởng đến tài chính của ngân hàng mà còn tác động đến nhiều thành phần khác trong thị trường tài chính Rủi ro này xuất phát từ nhiều yếu tố, bao gồm việc đánh giá khả năng trả nợ của khách hàng khi cấp hạn mức tín dụng, mà quy trình đánh giá có thể chưa đủ tiêu chuẩn Áp lực đạt doanh số từ sản phẩm thẻ tín dụng cũng đã tạo động lực cho việc phát hành thẻ một cách dễ dàng hơn, đặc biệt là hầu hết thẻ tín dụng quốc tế của BIDV được phát hành dưới dạng tín chấp, không cần tài sản đảm bảo, khiến ngân hàng phải đối

BIDV, đặc biệt là BIDV Thăng Long, đã thúc đẩy chiến lược phát triển thẻ tín dụng trong năm 2022, với mục tiêu tăng số lượng thẻ đạt một triệu thẻ Ngân hàng đã đổi mới chiến lược kinh doanh và ra mắt các dòng thẻ mới như thẻ Platinum và thẻ sinh viên, phục vụ nhiều phân khúc khách hàng khác nhau Để chiếm lĩnh thị phần thẻ tín dụng tại Việt Nam, BIDV Thăng Long đã điều chỉnh chính sách và quy trình thẩm định Tuy nhiên, sự gia tăng này cũng dẫn đến rủi ro nợ thẻ tín dụng, ảnh hưởng trực tiếp đến tình hình kinh doanh của ngân hàng Tính đến ngày 30/12/2022, hệ thống đã có 115.252 thẻ tín dụng, gấp ba lần so với cùng kỳ năm 2021, với tỷ lệ nợ đạt mức cao.

Năm 2022, nền kinh tế Việt Nam đối mặt với nhiều thách thức do tăng lãi suất từ ngân hàng trung ương, dẫn đến tình trạng trì trệ và gia tăng tỷ lệ thất nghiệp Trong bối cảnh này, việc sử dụng thẻ tín dụng gia tăng, kéo theo sự gia tăng nợ thẻ tín dụng Để ứng phó với tình hình này, các ngân hàng đã triển khai nhiều chiến lược nhằm hạn chế rủi ro nợ thẻ tín dụng Từ những vấn đề cấp thiết đó, tác giả đã chọn chủ đề “Nghiên cứu các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thăng Long” làm đề tài cho luận văn thạc sĩ của mình.

Tổng quan tình hìnhnghiêncứu

* Các nghiên cứu nước ngoài

Nghiên cứu về 500 hộ gia đình từ tháng 6 năm 2006 đến tháng 12 năm 2011 cho thấy mối liên hệ giữa tình hình kinh tế, việc làm và thu nhập với khả năng thanh toán nợ thẻ tín dụng Kết quả chỉ ra rằng phụ nữ có khả năng thanh toán nợ thẻ tín dụng tốt hơn nam giới Hơn nữa, hộ gia đình sở hữu nhiều tài sản và có tình trạng tài sản đảm bảo (TSĐB) khi vay có khả năng thanh toán đầy đủ và không có nợ quá hạn cao hơn Đặc biệt, thu nhập hộ gia đình không có sự liên quan đáng kể đến việc thanh toán nợ thẻ tín dụng.

Nghiên cứu của Fernando và Dedunu (2017) đã phân tích các yếu tố ảnh hưởng đến khả năng trả nợ hiệu quả và không hiệu quả của người đi vay tại ngân hàng Phát triển khu vực Medirigiriya, Sri Lanka Biến phụ thuộc chính là khả năng hoàn trả khoản vay, trong khi các biến độc lập bao gồm thu nhập của người đi vay, số tiền vay, lý lịch của người đi vay, khả năng tiếp cận khoản vay và thông tin về bảo lãnh Dữ liệu được thu thập đã được phân tích qua thống kê mô tả, phân tích tương quan và hồi quy Kết quả hồi quy cho thấy thông tin về bảo lãnh và lý lịch của người đi vay có ảnh hưởng đáng kể đến khả năng trả nợ của bên vay.

Nghiên cứu của Lin và cộng sự (2019) chỉ ra rằng độ tuổi của khách hàng có ảnh hưởng tích cực đến khả năng thanh toán nợ thẻ tín dụng tại Trung Quốc Nam giới thường chi tiêu ít hơn nữ giới, nhưng lại có khả năng thanh toán thẻ tín dụng thấp hơn Thu nhập cao giúp tăng khả năng thanh toán nợ thẻ, trong khi hạn mức thẻ tín dụng phản ánh thu nhập của khách hàng và có mối quan hệ đồng biến với khả năng thanh toán nợ Ngoài ra, khi khách hàng có nhiều khoản vay khác, khả năng thanh toán nợ thẻ tín dụng sẽ giảm.

Nghiên cứu của Hamid và Loke (2021) chỉ ra rằng mối quan hệ giữa các yếu tố kinh tế xã hội, hiểu biết về tài chính và kỹ năng quản lý tiền ảnh hưởng đến quyết định thanh toán nợ thẻ tín dụng Dựa trên khảo sát 451 người sử dụng thẻ tín dụng tại Malaysia, nghiên cứu cho thấy các yếu tố như giáo dục, thu nhập, dân tộc, tình trạng hôn nhân và số lượng thẻ tín dụng có tác động đến khả năng thanh toán nợ Đặc biệt, giáo dục và thu nhập có mối quan hệ đồng biến với khả năng thanh toán nợ thẻ tín dụng, trong khi sự hiểu biết về tài chính và kỹ năng quản lý tiền lại có ảnh hưởng tích cực đến quyết định của chủ thẻ trong việc thanh toán nợ.

* Các nghiên cứu trong nước

Trịnh Hoàng Nam và Vương Đức Hoàng Quân (2016) đã tiến hành nghiên cứu với dữ liệu từ 2.338 thẻ tín dụng, cho thấy thu nhập có ảnh hưởng tích cực đến khả năng thanh toán nợ thẻ tín dụng Tuy nhiên, các yếu tố như nghề nghiệp, tuổi tác, giới tính và tình trạng hôn nhân không tác động đến khả năng trả nợ của chủ thẻ.

Bùi Thị Tuyết Nga (2017) đã tiến hành nghiên cứu với dữ liệu từ 12.734 chủ thẻ Visa tại MBBank và áp dụng mô hình hồi quy logit để phân tích khả năng quá hạn thanh toán của khách hàng Biến phụ thuộc trong nghiên cứu là biến giả, có giá trị 1 nếu khách hàng quá hạn và 0 nếu không Kết quả cho thấy trong 16 biến độc lập, có 11 biến có ý nghĩa thống kê, bao gồm độ tuổi, giới tính, tình trạng hôn nhân, trình độ học vấn, số người phụ thuộc, loại hình công ty, tình trạng sở hữu nhà ở, hạn mức tín dụng, hệ số sử dụng thẻ, dư nợ tại ngân hàng khác và hệ số ứng tiền mặt Dựa trên những phát hiện này, tác giả đã đề xuất các giải pháp nhằm cải thiện khả năng trả nợ tín dụng của khách hàng cá nhân tại MBBank.

Phan Thị Hằng Nga và Nguyễn Thị Ngọc Quỳnh (2020) đã tiến hành nghiên cứu về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Ngân hàng Thương mại Cổ phần Sài Gòn Thương Tín (Sacombank) - Chi nhánh Tân Bình Nghiên cứu được thực hiện dựa trên dữ liệu thu thập từ 200 khách hàng có quan hệ tín dụng với ngân hàng từ 3 năm trở lên, trong khoảng thời gian từ năm 2016 đến 2018 Kết quả cho thấy có năm yếu tố chính ảnh hưởng đến khả năng trả nợ, bao gồm: thu nhập, thời gian làm việc hiện tại, lãi suất, quy mô khoản vay và lịch sử tín dụng.

Huỳnh Quang Linh và ctg (2021) đã tiến hành nghiên cứu về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam - Chi nhánh Trà Vinh (BIDV Trà Vinh) Kết quả nghiên cứu chỉ ra rằng có 12 yếu tố chính, bao gồm độ tuổi, giới tính, tình trạng hôn nhân, trình độ học vấn, tình trạng nhà ở, khoảng cách từ nhà đến ngân hàng, nghề nghiệp, thu nhập, lịch sử tín dụng, tỷ lệ tài sản đảm bảo trên số tiền vay, mục đích vay và thời hạn vay, đều ảnh hưởng đến kế hoạch trả nợ của khách hàng.

KHCN tại BIDV Trà Vinh Dựa trênkếtquảphântích,nhómtácgiảđưaramộtsốhàmýquảntrịnhằmnâng cao khả năng trả nợ của KHCN tại BIDV Trà Vinh.

Trần Thanh Phong và CTG (2021) đã nghiên cứu khả năng trả nợ của khách hàng cá nhân (KHCN) tại Agribank chi nhánh Tân Hưng, tỉnh Long An, dựa trên dữ liệu từ hệ thống IPCAS vào ngày 31/12/2018, với mẫu nghiên cứu n = 300 Kết quả cho thấy có 6 yếu tố ảnh hưởng đến khả năng trả nợ của KHCN, bao gồm nhà ở, mục đích vay, số người phụ thuộc, thu nhập, độ tuổi và quy mô khoản vay Nghiên cứu này không chỉ tiếp tục khám phá các yếu tố đã được xác định trong các nghiên cứu trước, mà còn mở rộng phạm vi bằng cách bổ sung yếu tố thời gian và sử dụng dữ liệu thị trường Đồng thời, nghiên cứu tập trung vào mối quan hệ giữa các yếu tố tài chính và phi tài chính, nhằm xác định mức độ ảnh hưởng của chúng đến khả năng trả nợ thẻ tín dụng của KHCN tại ngân hàng BIDV Thăng Long Phương pháp lấy mẫu và thời gian nghiên cứu cũng có sự khác biệt so với các nghiên cứu trước, với các yếu tố ảnh hưởng được phân thành hai nhóm: nhóm yếu tố tài chính (bao gồm thu nhập, tình trạng sở hữu nhà ở, dư nợ tại ngân hàng khác, hạn mức tín dụng và hình thức đảm bảo) và nhóm yếu tố phi tài chính (gồm trình độ học vấn, tình trạng hôn nhân, giới tính và độ tuổi).

Mục tiêunghiêncứu

Mụctiêuchung

Mục tiêu chung của luận văn là phân tích các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của KHCN tại BIDV Thăng Long.

Mục tiêucụ thể

Luận văn cần thực hiện được 3 mục tiêu cụ thể như sau:

- Phân tích các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của KHCN tại BIDV ThăngLong.

Để hạn chế nợ thẻ tín dụng và nâng cao khả năng trả nợ của khách hàng cá nhân tại BIDV Thăng Long, cần đề xuất các khuyến nghị chính sách như tăng cường giáo dục tài chính, cải thiện quy trình xét duyệt tín dụng, và áp dụng các công cụ quản lý nợ hiệu quả Việc này không chỉ giúp giảm thiểu rủi ro nợ xấu mà còn tạo điều kiện cho khách hàng có khả năng chi trả tốt hơn, từ đó góp phần ổn định hoạt động tài chính của ngân hàng.

Đối tượng và phạm vinghiêncứu

Đối tượngnghiên cứu

LàcácnhântốảnhhưởngđếnđếnkhảnăngtrảnợthẻtíndụngcủaKHCN tại BIDV Thăng Long.

Phạm vinghiêncứu

Nghiên cứu dữ liệu trong năm 2022 là cần thiết để có cái nhìn hiện thời về khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại ngân hàng Việc này không chỉ cập nhật thông tin mới nhất mà còn phản ánh sự thay đổi trong tình hình kinh tế và tài chính Hạn chế thời gian nghiên cứu trong 1 năm gần nhất còn giúp giảm thiểu ảnh hưởng của các yếu tố bên ngoài như thay đổi chính sách ngân hàng, thị trường tài chính và tình hình kinh tế toàn cầu, từ đó làm rõ các nhân tố ảnh hưởng một cách cố định hơn.

- Không gian: tại BIDV ThăngLong.

Phương phápnghiêncứu

Phương pháp định tính là một kỹ thuật nghiên cứu sử dụng phân tích đối chiếu, so sánh và tổng hợp dữ liệu Phương pháp này bao gồm việc phân tích thống kê các thông tin mà tác giả thu thập từ hệ thống BIDV Thăng Long, nhằm rút ra những kết luận có giá trị từ dữ liệu.

Trong phần phân tích, tác giả đã áp dụng phương pháp định lượng thông qua việc sử dụng dữ liệu chéo và mô hình hồi quy Logistic Biến Y được sử dụng làm biến phụ thuộc, trong đó giá trị Y = 1 cho thấy KHCN có khả năng trả nợ thẻ tín dụng, trong khi Y = 0 nghĩa là KHCN không có khả năng trả nợ Quá trình xử lý dữ liệu được thực hiện bằng phần mềm SPSS.

Dữ liệu trong luận văn được tổng hợp từ thông tin tài chính và phi tài chính của các KHCN, lấy từ nguồn mà KHCN cung cấp khi đăng ký mở thẻ tại BIDV Thăng Long Thông tin này đã được trích xuất từ hệ thống quản lý giao dịch của ngân hàng và trải qua quy trình xử lý để đảm bảo tính bảo mật và tuân thủ quy định của BIDV Thăng Long.

Trong nghiên cứu này, tác giả đã tiến hành mã hóa dữ liệu thành các biến giả và sử dụng phần mềm SPSS để xử lý dữ liệu số học Mục tiêu chính là phân tích các nhân tố ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại BIDV Thăng Long Để kiểm tra ảnh hưởng của các biến độc lập, nghiên cứu đã áp dụng các phương pháp kiểm định như kiểm định phương sai sai số thay đổi, kiểm định tự tương quan và kiểm định hiện tượng đa cộng tuyến.

Kết cấu củaluậnvăn

Những vấn đề cơ bản về thẻtín dụng

Tín dụng hiện nay đóng vai trò thiết yếu trong sự phát triển xã hội, phản ánh nhu cầu cơ bản giữa những người có thặng dư tài chính và những người cần vay vốn Quan hệ cho vay và vay mượn đã hình thành nên hệ thống tín dụng phức tạp và đa dạng trong thời đại hiện nay Mặc dù có nhiều hình thức tín dụng khác nhau, nguyên tắc cơ bản vẫn không thay đổi: người cho vay sẽ chuyển giao một khoản tiền cho người cần vay trong một khoảng thời gian xác định, và người vay sẽ hoàn trả một khoản tiền lớn hơn, gọi là lãi suất Quan điểm này được đề cập bởi Weber và Musshoff (2012).

Theo Phan Thị Cúc (2008), cho vay là thỏa thuận giữa ngân hàng và khách hàng, trong đó ngân hàng cung cấp quyền sử dụng vốn và tài sản cho khách hàng trong một khoảng thời gian nhất định, với điều kiện khách hàng phải trả một khoản phí cố định cho ngân hàng.

Theo Nguyễn Minh Kiều (2008), tín dụng có nguồn gốc từ tiếng Latinh (creditium) và tiếng Anh (credit), mang ý nghĩa tin tưởng và tín nhiệm Trong ngôn ngữ dân gian Việt Nam, tín dụng thường được hiểu là việc vay mượn Tuy nhiên, từ góc độ tài chính, tín dụng được định nghĩa là mối quan hệ chuyển nhượng quyền sử dụng vốn từ người sở hữu sang người sử dụng trong một khoảng thời gian nhất định, kèm theo một khoản chi phí Để xác định một quan hệ tín dụng, cần có ba yếu tố cơ bản: sự chuyển nhượng quyền sử dụng vốn, thời hạn cụ thể cho sự chuyển nhượng và chi phí cố định đi kèm.

Theo quy định tại khoản 11 Điều 13 Thông tư số 22/2019/TT-NHNN, việc cung cấp tín dụng bởi các tổ chức tín dụng và chi nhánh ngân hàng nước ngoài được định nghĩa là sự thỏa thuận cho phép tổ chức hoặc cá nhân sử dụng một khoản tiền với nguyên tắc hoàn trả Các hình thức cấp tín dụng bao gồm cho vay, chiết khấu, cho thuê tài chính, bảo lãnh ngân hàng, và phát hành thẻ tín dụng, cùng với các nghiệp vụ tín dụng khác theo quy định của Ngân hàng Nhà nước Điều này cũng bao gồm việc cấp tín dụng từ nguồn vốn của pháp nhân, trong đó tổ chức tín dụng và chi nhánh ngân hàng nước ngoài chịu trách nhiệm về rủi ro theo quy định pháp luật.

1.1.2 Nguồn gốc ra đời thẻ tíndụng

Nghiên cứu của Jusoh và cộng sự (2012) cho thấy thẻ tín dụng ra đời từ thế kỷ 18 tại Châu Âu, với những hình thức thanh toán linh hoạt bắt đầu xuất hiện ở Anh từ năm 1725 Các thương gia cho phép người mua thanh toán hàng tuần thay vì trả tiền ngay lập tức, mở ra khái niệm về việc trả góp cho những sản phẩm đắt đỏ Tại Mỹ, thẻ tín dụng chính thức xuất hiện vào năm 1918 khi các công ty tài chính và cửa hàng bán lẻ bắt đầu phát hành thẻ cho khách hàng của họ.

Theo nghiên cứu của Garcia (1980), thẻ tín dụng đã trải qua một lịch sử phức tạp và phát triển từ nhiều yếu tố khác nhau trong lĩnh vực tài chính và thương mại Vào cuối thế kỷ 19, khi nền kinh tế toàn cầu biến đổi, nhu cầu về các công cụ thanh toán tiện lợi và an toàn gia tăng, dẫn đến việc các ngân hàng và tổ chức tài chính phát triển các hình thức thanh toán mới Sự ra đời của "thẻ tín dụng cửa hàng" do các cửa hàng lớn và nhà sản xuất sáng tạo đã mở ra một cách tiếp cận mới cho khách hàng, khuyến khích mua sắm tại các cửa hàng cụ thể Đến thập kỷ 1950, nhiều ngân hàng thương mại bắt đầu phát hành thẻ tín dụng riêng, cho phép khách hàng thực hiện giao dịch mà không cần tiền mặt Ngày nay, thẻ tín dụng không chỉ là công cụ thanh toán mà còn là phương tiện tài chính giúp khách hàng mua sắm trực tuyến, quản lý tài chính và xây dựng lịch sử tín dụng, phản ánh sự phát triển từ những thẻ tín dụng cửa hàng đầu tiên đến sự phổ biến của thẻ tín dụng hiện đại.

Vào năm 1958, thẻ tín dụng lần đầu tiên xuất hiện đồng thời tại Mỹ và Canada, đánh dấu sự khởi đầu của một cuộc cách mạng trong hệ thống thanh toán và tài chính toàn cầu Tại Mỹ, thẻ tín dụng đầu tiên được ra mắt bởi Bank of America.

"BankAmericard" bắt đầu hoạt động tại California trước khi mở rộng ra các tiểu bang khác và trở thành Visa, một trong những thương hiệu lớn nhất trong ngành thẻ tín dụng hiện nay Thẻ tín dụng đầu tiên này đã mang lại sự tiện lợi cho khách hàng và tạo ra một hệ thống thanh toán không cần tiền mặt trên toàn cầu Tại Canada, thẻ tín dụng đầu tiên là "Chargex".

Ngân hàng Canadian Imperial Bank of Commerce (CIBC) đã phát triển và đổi tên Chargex thành MasterCard, một thương hiệu thẻ tín dụng hàng đầu toàn cầu Sự xuất hiện của thẻ tín dụng đã cách mạng hóa cách mọi người quản lý tài chính cá nhân và thực hiện giao dịch thương mại Thẻ tín dụng không chỉ mang lại sự tiện lợi trong mua sắm mà còn đóng vai trò quan trọng trong việc xây dựng lịch sử tín dụng và tài chính cá nhân Hiện nay, thẻ tín dụng đã trở thành một phần thiết yếu trong cuộc sống hàng ngày và nền kinh tế toàn cầu.

Thẻ tín dụng đầu tiên tại Việt Nam được phát hành vào năm 1992 bởi Ngân hàng Thương mại cổ phần Ngoại thương Việt Nam Đến năm 1996, ACB cũng ra mắt thẻ tín dụng, đánh dấu sự gia nhập của nhiều ngân hàng thương mại khác vào thị trường này Kể từ đó, số lượng ngân hàng phát hành thẻ tín dụng ngày càng tăng, cùng với sự gia tăng đáng kể trong số lượng khách hàng sử dụng dịch vụ.

Thẻ tín dụng là một công cụ tài chính đáng tin cậy và phổ biến, được xem như một sự thay thế hiệu quả cho tiền mặt trong giao dịch hàng ngày Theo nghiên cứu của Worthington và Horne (1995), thẻ tín dụng là hợp đồng giữa khách hàng và tổ chức tài chính, cho phép khách hàng mượn tiền để thanh toán cho dịch vụ hoặc hàng hóa và trả lại sau với lãi suất Ưu điểm lớn của thẻ tín dụng là tính linh hoạt và tiện lợi, giúp khách hàng thực hiện giao dịch mà không cần mang tiền mặt và không phải trả nợ ngay lập tức Ngoài ra, thẻ tín dụng còn đi kèm với các ưu đãi như điểm thưởng, giảm giá và bảo hiểm mua sắm, mang lại lợi ích tiết kiệm cho khách hàng.

Theo Durkin (2000), thẻ tín dụng không chỉ là công cụ thanh toán tài chính mà còn hỗ trợ hoạt động của các quỹ tín dụng Do đó, thẻ tín dụng ngày càng trở nên phổ biến và được sử dụng rộng rãi trên toàn cầu.

Thẻ tín dụng cung cấp hạn mức sẵn có cho khách hàng, cho phép họ thanh toán tại các điểm chấp nhận thẻ như máy POS hoặc trên các trang web thương mại điện

Thẻ tín dụng là công cụ hữu ích cho phép người sở hữu thực hiện giao dịch trong phạm vi hạn mức tín dụng đã thỏa thuận với tổ chức phát hành Nó cho phép khách hàng mua hàng trước và thanh toán sau, có thể sử dụng để mua sắm trực tuyến hoặc thanh toán tại các cửa hàng, nhà hàng, khách sạn và nhiều địa điểm khác Bên cạnh đó, thẻ tín dụng cũng cho phép rút tiền mặt từ máy ATM, mặc dù đây không phải là mục đích chính khi sử dụng thẻ.

1.1.4 Bảnchất của giao dịch thẻ tíndụng

Theo Nghị định số 09/VBHN-NHNN, tín dụng tiêu dùng được định nghĩa là hình thức cung cấp tín dụng cho cá nhân thông qua các dịch vụ như vay trả góp, vay tiêu dùng và thẻ tín dụng Thẻ tín dụng thể hiện mối quan hệ giữa người vay và tổ chức cho vay, với đặc điểm chính là dựa trên niềm tin của khách hàng Người vay có trách nhiệm thanh toán trong khoảng thời gian đã thỏa thuận, và nếu không thanh toán đúng hạn, sẽ phát sinh lãi suất Điểm khác biệt giữa thẻ tín dụng và khoản vay cá nhân là lãi suất chỉ phát sinh khi khách hàng vi phạm thời hạn trả nợ Cả hai hình thức này đều dựa trên các yếu tố như niềm tin, thời gian và chuyển nhượng quyền sử dụng vốn.

Tổngquanvềkhảnăngtrảnợthẻtíndụngcủakháchhàngcánhântạingânhà

1.2.1 Rủiro thẻ tín dụng đối với ngân hàng thươngmại

Rủi ro tín dụng, theo CommitteevàGostineau (1992), là khả năng mất mát một phần hoặc toàn bộ số tiền mà người vay đang nợ do các sự kiện tín dụng bất ngờ, thường được gọi là rủi ro vỡ nợ Các tình huống này có thể bao gồm sự phá sản, việc không thanh toán đúng hạn, từ chối hoặc tạm hoãn thanh toán, cũng như việc thay đổi điều khoản và cơ cấu lại xếp hạng tín dụng Theo Ủy ban Basel Framework (1999), rủi ro tín dụng được định nghĩa là khả năng người vay không thực hiện các cam kết theo thỏa thuận Ông Heffernan (1996) nhấn mạnh rằng rủi ro tín dụng liên quan đến việc mất mát tài sản hoặc khoản vay không thể thu hồi hoàn toàn khi xảy ra vỡ nợ hoặc trễ hạn trả nợ, dẫn đến giảm giá trị hiện tại của tài sản và khả năng trả nợ kém hơn của ngân hàng.

Rủi ro tín dụng là một yếu tố quan trọng trong lĩnh vực tài chính, vì khi một số ít khách hàng chính vỡ nợ, nó có thể gây ra tổn thất lớn và ảnh hưởng đến khả năng trả nợ tổng thể Theo Bessis (2002), điều này nhấn mạnh tầm quan trọng của việc quản lý và đánh giá rủi ro tín dụng trong các hoạt động tài chính.

Rủi ro tín dụng, theo Nguyễn Minh Kiều (2007), là rủi ro phát sinh khi khách hàng không có khả năng trả nợ Theo Thông tư 11/2021/TT-NHNN, rủi ro tín dụng trong hoạt động ngân hàng là khả năng xảy ra tổn thất do khách hàng không thể thanh toán một phần hoặc toàn bộ nợ theo thỏa thuận với tổ chức tín dụng Mỗi khách hàng vay sẽ được theo dõi và phân loại nợ định kỳ Thông tư này quy định phân loại nợ thành 5 nhóm và mức trích lập dự phòng cụ thể để xử lý rủi ro trong hoạt động của tổ chức tín dụng và chi nhánh ngân hàng nước ngoài.

Nợ nhóm 1 là nhóm nợ trong tình trạng tốt, tồn tại dưới 10 ngày và có khả năng thu hồi đầy đủ cả gốc lẫn lãi đã quá hạn trước thời hạn Dự phòng cho nhóm nợ này là 0%.

- Nợnhóm2:đâylà nhómnợquá10ngàynhưngkhôngquá90ngày.Dự phòng cho nhóm này là5%.

- Nợnhóm3:đâylànhómnợquáhạntừ91ngàyđến180ngày.Dựphòng cho nhóm này là20%.

- Nợ nhóm 4: đây là nhóm nợ quá hạn từ 181 ngày đến 360 ngày Dự phòng cho nhóm này là50%.

- Nợ nhóm 5: đây là nhóm nợ trên 360 ngày và được xem xét có nguy cơ mất vốn hoàn toàn Dự phòng cho nhóm này là100%.

Đánh giá khả năng trả nợ của khách hàng là yếu tố quan trọng trong quá trình cho vay của ngân hàng Tác giả tập trung vào việc phân tích khả năng trả n

Thẻ tín dụng là hình thức cho vay tiền linh hoạt, phổ biến tại nhiều tỉnh thành, tạo thách thức cho ngân hàng trong việc tiếp cận khách hàng Điều này yêu cầu ngân hàng mở rộng quy mô hoạt động và tăng cường nhân sự để phục vụ đa dạng nhu cầu vay mượn, nhưng cũng dẫn đến chi phí hoạt động cao hơn và giảm hiệu suất kinh doanh Ngoài ra, ngân hàng còn đối mặt với rủi ro lãi suất do biến động thị trường và rủi ro tác nghiệp liên quan đến sự chủ quan trong thẩm định hồ sơ khách hàng Các yếu tố vĩ mô khác cũng có thể ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân.

Theo nghiên cứu của Cornish và cộng sự (2010), phần lớn nguy cơ đối với chủ thẻ tín dụng xuất phát từ việc lộ thông tin cá nhân và tài chính Nguy cơ trong lĩnh vực tài chính ngân hàng được chia thành hai loại: nguy cơ nội bộ và nguy cơ bên ngoài Nguy cơ nội bộ liên quan đến các yếu tố con người trong quản lý hệ thống thẻ tín dụng, có thể giảm thiểu thông qua kiểm tra lý lịch nhân viên và thiết lập biện pháp kiểm soát nội bộ Ngược lại, nguy cơ bên ngoài bao gồm các yếu tố ngoài tầm kiểm soát của ngân hàng như chậm thanh toán, rút tiền mặt, khủng hoảng kinh tế và thiên tai, gây khó khăn trong việc quản lý và giảm thiểu nguy cơ.

SrivastavavàAnchal(2013)đãphânloạirủiroliênquanđếnthẻtíndụng thành ba nhóm chính, bao gồm rủi ro tài chính, rủi ro vận hành và rủi ro bảo mật.

Rủi ro tài chính xảy ra khi chủ thẻ không thể thanh toán nợ thẻ tín dụng đúng hạn, dẫn đến việc tích lũy nợ và có thể mất khả năng trả nợ Tình trạng này không chỉ khiến chủ thẻ phải chịu lãi suất cao và các khoản phí phạt mà còn ảnh hưởng tiêu cực đến điểm tín dụng của họ.

-Rủiro vận hành: loại rủi ro này liên quan đến việc thẻ tín dụng không hoạtđộngđúngcáchhoặcgặpsựcốtrongquátrìnhgiaodịch.Điềunàycóthể baogồmviệcthẻbịtừchối,việcthanhtoánbịlỗi,hoặccácvấnđềkháccóthể xảy ra khi sử dụngthẻ.

Rủi ro bảo mật là mối nguy hiểm liên quan đến việc thông tin thẻ tín dụng của chủ thẻ bị đánh cắp hoặc sử dụng trái phép Tình trạng này có thể xảy ra khi thẻ tín dụng được sử dụng mà không có sự cho phép của chủ thẻ, hoặc do các cuộc tấn công mạng và việc làm giả thẻ.

1.2.1 Rủi ro thẻ tín dụng đối với ngân hàngthươngmại

Khả năng trả nợ thẻ tín dụng của khách hàngcá nhân

Khả năng trả nợ là khả năng của người vay trong việc thanh toán toàn bộ số tiền vốn và lãi suất theo hợp đồng vay đã ký với người cho vay Điều này bao gồm khả năng tạo ra nguồn thu nhập đủ để thực hiện các nghĩa vụ thanh toán định kỳ Nhiều yếu tố như thu nhập và chi tiêu ảnh hưởng đến khả năng này Hiện nay, vẫn chưa có định nghĩa thống nhất về "khả năng trả nợ", chỉ có hướng dẫn từ Ngân hàng Nhà nước nhằm cảnh báo về những tín hiệu có thể dẫn đến nguy cơ không thể trả nợ đối với các tổ chức tín dụng.

Theo Thông tư 39/2016/TT-NHNN, khả năng tài chính của khách hàng bao gồm vốn, tài sản và các nguồn tài chính hợp pháp Các ngân hàng thường xuyên đánh giá nợ để xác định khả năng trả nợ của khách hàng.

Theo Thông tư 11/2021/TT-NHNN, nợ thẻ tín dụng được phân loại từ nhóm 2 đến nhóm 5, thể hiện khả năng hoàn trả không đầy đủ cả gốc lẫn lãi của khách hàng Các nhóm nợ này cho thấy nguy cơ mất mát và khả năng khách hàng không thực hiện cam kết tài chính Việc phân loại nợ giúp các tổ chức tín dụng đánh giá khả năng trả nợ của khách hàng và giảm thiểu rủi ro trong hoạt động cho vay.

Theo nghiên cứu của Maharjan và cộng sự (1981), khách hàng cần có khả năng tài chính không chỉ để trả số tiền gốc mà còn phải thể hiện sự sẵn lòng trả nợ Theo tài liệu của Ủy ban Basel về Giám sát Ngân hàng (2006), khách hàng được xác định là có khả năng trả nợ nếu họ có thể thực hiện nghĩa vụ thanh toán đầy đủ khi đến hạn mà không cần bán tài sản Do đó, việc đảm bảo khách hàng có khả năng tài chính và sẵn lòng trả nợ là rất quan trọng, như được chỉ ra bởi các chỉ báo trong tài liệu của Ủy ban Basel.

Khả năng trả nợ của khách hàng phản ánh sự ổn định tài chính thông qua việc thanh toán đúng hạn cả lãi suất và số tiền gốc, theo nghiên cứu của Rahman và Issues (2017) Từ góc độ ngân hàng, việc phân tích và đánh giá tín dụng là rất quan trọng để xác định khả năng trả nợ của khách hàng khi sử dụng thẻ tín dụng Đánh giá này dựa trên nhiều yếu tố như tuổi tác, thu nhập, và lãi suất của các khoản vay, như đã được nghiên cứu bởi Kohansal và Mansoori (2009).

Khả năng trả nợ thẻ tín dụng của khách hàng cá nhân là khả năng thanh toán lãi suất và gốc của số tiền đã vay từ ngân hàng thông qua việc thực hiện các khoản thanh toán đúng hạn theo hợp đồng Đánh giá khả năng này thường dựa trên nhiều yếu tố như lịch sử thanh toán, thu nhập, tỷ lệ nợ so với thu nhập, lịch sử tín dụng và các yếu tố tài chính khác Việc đánh giá này giúp tổ chức tài chính xác định mức độ rủi ro khi cấp thẻ tín dụng và quyết định mức tín dụng cũng như điều kiện vay cho khách hàng.

Các mô hình đánh giá, phân tích khả năng trả nợ thẻ tín dụng củakhách hàngcánhân 35 1.2.4 Các nhân tố ảnh hưởng tới khả năng trả nợ thẻ tín dụng của kháchhàng cánhân 39 CHƯƠNG 2: PHƯƠNG PHÁPNGHIÊNCỨU

1.2.3.1 Hệ thống xếp hạng tínnhiệm

Thuậtngữ“Xếphạngtínnhiệm”(Creditrating)lầnđầuđượcsửdụngbởi John Moody vào năm 1909 khi ông công bố một báo cáo về việc xếp hạngtrái phiếutrongngànhđườngsắt,nhưđượcghinhậnbởiMurciaIvàcộngsự(2014).

Hệ thống xếp hạng tín nhiệm được biểu thị bằng ba chữ cái ABC, với AAA là mức ổn định và an toàn nhất, trong khi C đại diện cho mức rủi ro cao nhất Từ đó đến nay, các tổ chức đánh giá tín nhiệm đã đóng vai trò quan trọng trong thị trường tài chính, cung cấp kết quả đánh giá để xác định chất lượng của các sản phẩm tài chính.

Moody’s, theo nghiên cứu của Nguyễn Đình Thiên và Võ Hồng Đức (2013), là tổ chức chuyên xếp hạng tín nhiệm với mục tiêu đánh giá rủi ro tài chính của tổ chức trong tương lai Xếp hạng tín nhiệm dài hạn được sử dụng để đánh giá rủi ro các khoản vay có thời hạn trên một năm, tập trung vào khả năng trả nợ và rủi ro tiềm ẩn về nguồn tài chính trong dài hạn Ngược lại, xếp hạng tín nhiệm ngắn hạn áp dụng cho các khoản vay đáo hạn trong vòng 13 tháng, chú trọng vào việc đánh giá rủi ro trả nợ trong thời gian ngắn hạn.

Theo Cantor và Packer (1996), xếp hạng tín dụng là công cụ đánh giá khả năng thực hiện các cam kết tài chính trong tương lai Đánh giá này dựa trên các yếu tố hiện tại và quan điểm của chuyên gia xếp hạng Điều này cho thấy xếp hạng tín dụng là chỉ báo quan trọng về tính an toàn của tài sản tổ chức, bao gồm trái phiếu, cổ phiếu và các chứng chỉ nợ tương tự.

Theo Fitch, xếp hạng tín nhiệm đánh giá khả năng thực hiện cam kết tài chính của tổ chức, bao gồm việc trả lãi suất, cổ tức ưu đãi, bảo hiểm và các khoản nợ khác Phương pháp xếp hạng của Fitch kết hợp cả yếu tố tài chính và phi tài chính.

Xếp hạng tín nhiệm là một công cụ quan trọng giúp đánh giá tình hình tài chính của các đối tượng được xếp hạng Nó cung cấp thông tin cho các nhà đầu tư, giúp họ có cái nhìn tổng quan về tình trạng tài chính và mức độ rủi ro của các tổ chức, từ đó hỗ trợ quyết định đầu tư một cách thông minh và hiệu quả.

1.2.3.2 Mô hình điểm số tín dụngFICO

Mô hình FICO là công cụ phân tích điểm số tín dụng cá nhân, được áp dụng trong nghiên cứu của Scholnick (2012) về tác động của tình hình tài chính cá nhân đối với các sai lầm tài chính, đặc biệt là vấn đề không thanh toán nợ thẻ tín dụng.

Mô hình FICO, do tổ chức Fair Isaac Corp phát triển, sử dụng hệ thống điểm số tổng hợp để đánh giá rủi ro tín dụng dựa trên thông tin trong báo cáo tín dụng của khách hàng tại một thời điểm cụ thể Hệ thống này xác định xếp hạng tín dụng KHCN thông qua tỷ trọng của 5 tiêu chí đánh giá quan trọng.

Mô hình FICO đánh giá tín dụng cá nhân trên thang điểm từ 300 đến 850, với điểm số từ 700 trở lên được coi là tín dụng tốt Ngược lại, điểm số dưới 620 có thể khiến ngân hàng lo ngại khi cho vay Các tiêu chí chấm điểm được tổ chức Fair Isaac Corp quy định chi tiết trong bảng 1.1.

Bảng 1.1 Tỷ trọng các tiêu chí chấm điểm của mô hình tín dụngFICO

Tỷ trọng Tiêu chí đánh giá

35% Lịch sử trả nợ (payment history): thời gian trễ hạn càng dài và số tiền trễ hạn càng nhiều thì điểm số tín dụng càng thấp.

Dưnợtạicáctổchứctíndụng(amountowed):nợquánhiềusovới mức cho phép đặc biệt là đối với thẻ tín dụng sẽ làm giảm điểmsố tín dụng.

15% Độ dài của lịch sử tín dụng (length of credit history): thông tin tín dụng càng nhiều năm đáng tin cậy thì điểm số tín dụng càng cao. 10%

Sốlầnvaynợmới(newcredit):vaynợthườngxuyênbịxemlàdấu hiệucókhókhănvềtàichínhnêncàngnhiềusốlầnvaynợthìđiểm số tín dụng sẽ càngthấp.

5% Các loại tín dụng được sử dụng (types of credit used): các loại nợ khác nhau sẽ được tính điểm khác nhau.

(Nguồn: Tác giả tổng hợp)

Mô hình điểm số tín dụng FICO đã trở nên phổ biến tại Hoa Kỳ và dựa trên

Để đánh giá tình trạng tín dụng của khách hàng, cần tập trung vào 5 tiêu chí chính mà không xem xét các yếu tố cá nhân hay nhân khẩu học Những tiêu chí này bao gồm lịch sử tín dụng, tỷ lệ sử dụng tín dụng, thời gian tín dụng, loại hình tín dụng và các khoản nợ hiện tại Việc phân tích các yếu tố này giúp xác định khả năng thanh toán và độ tin cậy của khách hàng trong việc quản lý tài chính.

Mô hình 6C đánh giá người đi vay dựa trên sáu tiêu chí quan trọng: tư cách của người vay (character), vốn (capital), năng lực tài chính (capacity), tài sản đảm bảo (collateral), các điều kiện (conditions) và kiểm soát (control).

Tư cách của người vay đóng vai trò quan trọng trong việc đánh giá độ tin cậy và tính đạo đức của họ khi trả nợ Để đo lường điều này, cần xem xét lịch sử tín dụng của người vay, bao gồm việc họ đã trả nợ đúng hạn trong quá khứ hay không Đánh giá tư cách không chỉ dựa vào lịch sử thanh toán mà còn xem xét các khoản nợ không trả và khả năng duy trì cam kết tài chính của người vay.

Vốn là số tiền mà người vay đã đầu tư hoặc sở hữu, bao gồm tiền mặt, tài sản, cổ phần và các tài sản có giá trị khác Hạn mức có sẵn cho vay ảnh hưởng đến khả năng trả nợ của người vay, đảm bảo rằng họ có khả năng thanh toán trong những trường hợp không thuận lợi.

Năng lực tài chính của người vay liên quan đến khả năng quản lý tài chính cá nhân, bao gồm thu nhập hàng tháng, chi phí cố định và khả năng kiểm soát tài chính một cách hiệu quả.

Người vay cần có khả năng tài chính đủ để trả nợ hàng tháng sau khi đã chi tiêu cho các khoản cố định và các mục tiêu khác.

Tài sản đảm bảo hay bảo lãnh của bên thứ ba (collateral) là các tài sản mà người vay sử dụng để đảm bảo cho khoản vay, bao gồm bất động sản, xe hơi, giấy tờ có giá trị, hoặc bất kỳ tài sản có giá trị nào mà người vay sở hữu Trong trường hợp người vay không thanh toán nợ, ngân hàng hoặc tổ chức cho vay có quyền thu giữ tài sản đảm bảo để bù đắp khoản nợ.

Các điều kiện bên ngoài, bao gồm tình hình kinh tế, lãi suất, chính trị và các yếu tố xã hội, có thể ảnh hưởng đến khả năng trả nợ của người vay Những yếu tố này làm thay đổi mức độ rủi ro trong việc thanh toán nợ, do đó người vay cần xây dựng một kế hoạch chi tiết để đảm bảo khả năng trả nợ trong môi trường luôn biến đổi.

Quy trìnhnghiêncứu

Hình 2.1 Quy trình nghiên cứu

(Nguồn: Tác giả thiết kế)

Quy trình nghiên cứu được thực hiện 5 bước.

Bước 1 Xác định vấn đề cần nghiên cứu

Bài viết tập trung nghiên cứu các yếu tố ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại BIDV Thăng Long Mục tiêu là đề xuất các giải pháp chính sách nhằm cải thiện quy trình đánh giá khả năng trả nợ thẻ tín dụng của khách hàng tại ngân hàng này.

Bước 2 Lựa chọn các nhân tố ảnh hưởng tới khả năng trả nợt h ẻ t í n d ụ n g của KHCN tại BIDV Thăng Long

Các nghiên cứu trước đây đã chỉ ra rằng có nhiều nhân tố ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân Những nhân tố này được phân

Nhóm 01: nhóm nhân tố tài chính (bao gồm hình thức đảm bảo, hạn mức tín dụng, dư nợ tại ngân hàng khác, tình trạng sở hữu nhà ở và thu nhập).

Nhóm 02: nhóm nhân tố phi tài chính (bao gồm trình độ học vấn, tình trạng hôn nhân, giới tính và độ tuổi).

Bước 3 Phương pháp nghiên cứu và đề xuất mô hình

-Phương pháp: tác giả lựa chọn phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng.

-Mô hình: tác giả sử dụng mô hình hồi quy Logistic.

Bước 4 Thu thập dữ liệu và phân tích định lượng

Mục đích của nghiên cứu này là xác định mức độ tương quan giữa các biến để lựa chọn các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc Đồng thời, nghiên cứu cũng nhằm loại bỏ các biến độc lập có quan hệ chặt chẽ với nhau, nhằm ngăn chặn hiện tượng đa cộng tuyến có thể làm sai lệch kết quả nghiên cứu.

Bước 5 Xuất kết quả và thảo luận, đưa ra hàm ý chính sách

Vấn đề nghiên cứu của luận văn tập trung vào việc phân tích các nhân tố ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại BIDV Thăng Long Qua đó, luận văn sẽ đưa ra những hàm ý chính sách nhằm phòng ngừa rủi ro trong việc trả nợ thẻ tín dụng của khách hàng cá nhân tại ngân hàng này.

Xây dựnggiảthuyết

Luận văn này áp dụng mô hình hồi quy Logistic để phân tích ảnh hưởng của nhiều yếu tố đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại BIDV Thăng Long Các yếu tố bao gồm hình thức đảm bảo, hạn mức tín dụng, dư nợ tại ngân hàng khác, tình trạng sở hữu nhà ở, thu nhập, trình độ học vấn, tình trạng hôn nhân, giới tính và độ tuổi Mô hình được xây dựng dựa trên nghiên cứu của Stavins (2000) nhằm xác định các yếu tố ảnh hưởng đến khả năng quá hạn và trả nợ thẻ tín dụng Ngoài ra, nghiên cứu còn tham khảo công trình của Scholnick và cộng sự (2013) về việc phân tích các yếu tố ảnh hưởng đến việc trả chậm số dư nợ tối thiểu Việc sử dụng mô hình hồi quy Logistic trong nghiên cứu này không chỉ giúp làm rõ mối quan hệ phức tạp giữa các yếu tố và khả năng trả nợ thẻ tín dụng, mà còn cung cấp thông tin quan trọng cho việc quản lý rủi ro và tối ưu hóa dịch vụ thẻ tín dụng tại ngân hàng.

Dựatrêntìnhhìnhthựctếvànhữngcôngtrìnhnghiêncứucủacáctácgiả đãcôngbốtrướcđây.LuậnvănnàysửdụngmôhìnhhồiquyLogisticđểđánh giá khả năng trả nợ thẻ tín dụng của KHCN tại BIDV ThăngLong:

Y là biến phụ thuộc, thường là một biến nhị phân (0 hoặc 1) hoặc một biến liên tục giữa 0 và 1 Biến này thường được sử dụng để dự đoán xác suất xảy ra của một sự kiện, chẳng hạn như xác suất thành công của một sự kiện cụ thể.

Hệ số chặn β0 đại diện cho giá trị của Y khi tất cả các biến độc lập (X₁, X₂, , X₉) bằng 0 Điều này có thể được hiểu là giá trị cơ sở hoặc giá trị trung bình của Y khi không có ảnh hưởng từ các biến độc lập.

- β1… β9: đây là các hệ số ứng với các biến độc lập X₁, X₂, ,X₉tươngứng Chúng thể hiệnmứcđộ ảnh hưởng của từng biến độc lập lên biến phụ thuộcY.Dấucủacáchệsốnày(dươnghoặcâm)chobiếthướngcủaảnhhưởng

(tăng hoặc giảm) và giá trị tuyệt đối của chúng cho biết mức độ ảnh hưởng.

Sai số trong mô hình, ký hiệu là ɛ, thể hiện những biến động hoặc sai lệch mà mô hình không thể giải thích Sai số này thường được giả định có phân phối chuẩn với trung bình bằng 0 và độ lệch chuẩn cố định.

Trong nghiên cứu này, tác giả áp dụng phân tích hồi quy Logistic để khám phá mối liên hệ giữa biến phụ thuộc (Y) và các biến độc lập (X) Phương pháp này cho phép xác định ảnh hưởng của các yếu tố độc lập đối với xác suất xảy ra của biến phụ thuộc.

Trong bài viết này, giá trị của biến Y được xác định bằng 1 hoặc 0, phản ánh khả năng trả nợ thẻ tín dụng của khách hàng Hệ số chặn β cùng với các hệ số β1 đến β9 thể hiện mức độ tác động của các biến độc lập X1 đến X9 đối với biến phụ thuộc Y.

Trong mô hình nghiên cứu, biến phụ thuộc được xác định là "khả năng trả nợ thẻ tín dụng của khách hàng cá nhân", được đo lường qua cách thức mà khách hàng thực hiện thanh toán số tiền nợ gốc Hai giá trị có thể được gán cho biến này.

- Nếu KHCN thuộc nợ nhóm 1, biến này nhận giá trị 1, tượng trưngchoviệc KHCN có khả năng trảnợ.

- Trong trường hợp KHCN thuộc nợ nhóm 2, 3, 4, hoặc 5, biến này nhận giá trị 0, biểu thị rằng KHCN không có khả năng trảnợ.

Các nhân tố phi tài chính

Độ tuổi của khách hàng được xác định bằng hiệu số giữa năm phát sinh nợ thẻ tín dụng và năm sinh Nghiên cứu trước đây cho thấy rằng khi độ tuổi người vay tăng, rủi ro nợ giảm, điều này có thể được giải thích bởi tính thận trọng, kinh nghiệm và sự trưởng thành theo độ tuổi Cụ thể, Werema và Opanga (2003) đã chỉ ra mối tương quan tích cực giữa độ tuổi và khả năng trả nợ.

Nghiên cứu năm 2021 đã chỉ ra mối tương quan giữa độ tuổi của khách hàng cá nhân (KHCN) và khả năng trả nợ tại BIDV Chi nhánh Trà Vinh Cụ thể, tác giả Trần Thanh Phong cùng cộng sự cũng nhận thấy rằng KHCN có độ tuổi cao hơn thường có khả năng trả nợ tốt hơn Tuy nhiên, độ tuổi ảnh hưởng đến khả năng trả nợ của KHCN không được vượt quá 65 tuổi, theo quy định của ngân hàng.

H 1 : Khách hàng cá nhân có độ tuổi càng cao thì khả năng trả nợ thẻ tíndụng càng cao và ngược lại.

Giới tính là một biến giả trong nghiên cứu, được đánh dấu bằng số 1 cho nam và số 0 cho nữ Các nghiên cứu trước đây đã đưa ra những kết luận khác nhau về tác động của giới tính đối với khả năng trả nợ thẻ tín dụng.

Nghiên cứu của Werema và Opanga (2003) tại Tanzania cho thấy giới tính ảnh hưởng đến khả năng vay nợ tại các ngân hàng Cụ thể, phụ nữ có ít khoản nợ thẻ tín dụng hơn so với nam giới, do họ thường có tính thận trọng cao hơn và xu hướng chi tiêu an toàn hơn.

Nawai và cộng sự (2012) tại Malaysia đã phát hiện ra rằng phụ nữ có xác suất cao hơn trong việc tạo ra rủi ro nợ thẻ tín dụng Tuy nhiên, Zeller và Sharma (1997) chỉ ra rằng phụ nữ thường có xu hướng ưu tiên an toàn trong việc vay nợ, dẫn đến việc họ chịu ít rủi ro hơn so với nam giới trong vấn đề nợ thẻ tín dụng.

Nghiên cứu của Huỳnh Quang Linh (2021) cho thấy giới tính ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại BIDV, với phụ nữ thường có khả năng trả nợ tốt hơn nam giới Điều này có thể do phụ nữ có xu hướng cẩn trọng hơn trong quản lý chi tiêu Tương tự, Bùi Thị Tuyết Nga (2017) cũng chỉ ra rằng nam giới thường sử dụng thẻ tín dụng nhiều hơn, dẫn đến khả năng trả nợ thẻ tín dụng thấp hơn.

Giới tính ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân, với nghiên cứu cho thấy nữ giới có khả năng quản lý nợ tốt hơn nam giới Điều này có thể liên quan đến thói quen chi tiêu và cách tiếp cận tài chính khác nhau giữa hai giới.

Tình trạng hôn nhân được phân loại thành hai giá trị: 1 cho người đã kết hôn và 0 cho người độc thân, ly dị hoặc góa Nghiên cứu của Hamid và Loke (2021) chỉ ra rằng việc lập gia đình có tác động tích cực đến khả năng trả nợ thẻ tín dụng nhờ vào sự cẩn trọng trong quản lý chi tiêu Tương tự, các nghiên cứu trước đó như của Kim và Dunn (1999) cũng đã xác nhận kết quả này.

Theo Huỳnh Quang Linh và cộng sự (2021) cho thấy rằng tình trạng hôn nhân thường ảnh hưởng tới khả năng trả nợ của KHCN tại Ngân hàng BIDV.

Mô hìnhnghiêncứu

Chương 1 đã phân loại nhiều nhân tố ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân thành hai nhóm chính Nhóm đầu tiên là nhân tố phi tài chính, bao gồm trình độ học vấn, tình trạng hôn nhân, giới tính và độ tuổi Nhóm thứ hai là nhân tố tài chính, bao gồm hình thức đảm bảo, hạn mức tín dụng, dư nợ tại ngân hàng khác, tình trạng sở hữu nhà ở và thu nhập.

Thông tin liên quan đến hình thức đảm bảo, hạn mức tín dụng, dư nợ tại ngân hàng khác, tình trạng sở hữu nhà ở, thu nhập, trình độ học vấn, tình trạng hôn nhân, giới tính và độ tuổi của khách hàng cá nhân (KHCN) đều được lấy từ dữ liệu mà KHCN đã cung cấp cho ngân hàng thông qua hồ sơ vay vốn Những dữ liệu này là thông tin cơ bản của khách hàng, giúp ngân hàng xem xét, thẩm định và đánh giá tình hình năng lực tài chính cũng như khả năng trả nợ của từng khách hàng cụ thể Dựa vào đó, ngân hàng sẽ quyết định cho khách hàng vay hay không, đồng thời cung cấp hạn mức tín dụng cụ thể và chính sách phù hợp với từng khách hàng dựa trên khả năng trả nợ thẻ tín dụng.

- Hạnmứctín dụng và hình thức đảm bảo là các nhân tố phụ thuộc vào quyđịnhcủacáctổchứctàichínhvànằmtrongquyđịnhvàquytrìnhđượcáp dụngbởicáctổchứctàichínhnày.Nhữngthôngtinnàylấytừcơsởdữliệuhệ thốngtạiBIDVThăngLongvàđảmbảotínhbảomậtcủathôngtincánhâncủa kháchhàng.

Trong luận văn này, khả năng trả nợ thẻ tín dụng của khách hàng cá nhân (KHCN) được xem là biến phụ thuộc Nghiên cứu tập trung vào việc xác định mức độ ảnh hưởng của các biến độc lập đối với khả năng trả nợ thẻ tín dụng của KHCN.

Mô hình nghiên cứu được phát triển dựa trên nền tảng của Stavins (2000) và Scholnick (2012), đồng thời áp dụng các biến độc lập từ nghiên cứu của Lin và cộng sự (2019) Mục tiêu chính của mô hình là khảo sát ảnh hưởng của các yếu tố đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân.

Khả năng trả nợ thẻ tín dụng của KHCN =f (Nhân tố phi tài chính,

Mô hình hồi quy Logistic được áp dụng để nghiên cứu mối quan hệ giữa các yếu tố như thu nhập, giới tính, và tình trạng sở hữu nhà ở với khả năng xảy ra của một sự kiện nào đó.

Trong mô hình phân tích nợ thẻ tín dụng của khách hàng (Y), biến Y được xác định là biến phụ thuộc và có tính chất nhị phân Cụ thể, Y nhận giá trị 0 khi chủ thẻ không thanh toán đủ số tiền tối thiểu đúng hạn, tức là bị quá hạn, và nhận giá trị 1 khi chủ thẻ thực hiện thanh toán đầy đủ số tiền tối thiểu trước hoặc đúng hạn, không bị quá hạn.

Mô hình hồi quy Logistic có dạng tổng quát như sau:

i là các hệ số chưa biết, cần được ước lượng.

GọiP0=P(Y=0):làxácsuấtKHCNquáhạn(khôngthanhtoánđủsốtiền thanh toán tối thiểu khi đến hạn 2 kỳ liêntiếp).

Xác suất KHCN thanh toán đúng hạn được tính bằng công thức P(Y=1) = 1 – P0, trong đó Y đại diện cho việc thanh toán đầy đủ số tiền tối thiểu khi đến hạn Giá trị ước lượng của Y, ký hiệu là Ŷ, được xác định thông qua hồi quy Y theo các biến độc lập Để tính xác suất KHCN quá hạn (Y=0), ta sử dụng phương trình: e Ŷ exp(β 0 + β 1 X 1 + ⋯ +β n X n).

Nhằm đánh giá xác suất khả năng trả nợ thẻ tín dụng của KHCN, trước tiêncầnxemxétướctínhnhữnggiátrịcủaYvàtừđótínhđượccáchệsốtương ứng.QuátrìnhtínhnhữnghệsốvàướctínhgiátrịYđượctriểnkhaithôngqua sử dụng những phần mềm chuyên ngành như: SPSS, Stata vàEview.

Sau khi ước lượng các hệ số, cần thực hiện một loạt kiểm tra để xác định tính phù hợp của mô hình, bao gồm kiểm tra tính ngẫu nhiên của phần dư và kiểm tra độ chính xác của mô hình Việc này là cần thiết trước khi tiến hành dự báo xác suất khả năng quá hạn của khách hàng Đánh giá mô hình hồi quy Logistic là bước quan trọng trong quá trình này.

Mô hình hồi quy Logistic là công cụ lý tưởng cho việc phân tích các biến nhị phân, chẳng hạn như việc trả nợ hay không trả nợ Nó phù hợp để dự đoán các tình huống có hai kết quả rõ ràng.

Kết quả từ mô hình hồi quy Logistic cho phép giải thích rõ ràng thông qua hệ số của các biến độc lập, giúp xác định ảnh hưởng của từng nhân tố đối với khả năng trả nợ thẻ tín dụng của khách hàng cá nhân.

- Mô hình hồi quy Logistic có thể xử lý tốt các biến liên tục, cho phép sử dụng nhiều loại dữ liệu khác nhau trongmôhình.

Mô hình hồi quy Logistic cung cấp các kiểm định thống kê như Wald, Likelihood ratio và Score tests, giúp kiểm tra tính chất thống kê của các biến độc lập trong mô hình.

Mô hình hồi quy Logistic yêu cầu sự độc lập tuyến tính giữa các biến độc lập Nếu mối quan hệ giữa các biến và khả năng trả nợ thẻ tín dụng của khách hàng không tuân theo mô hình này, thì kết quả của mô hình có thể không chính xác.

- Nếucóquánhiềubiếnđộclậptrongmôhìnhsovớikíchthướcmẫu,môhình hồi quy Logistic có thể dẫn đến hiện tượng quá khớp, làm giảm khả năng dự đoán của nó trên dữ liệumới.

- Mô hình hồi quy Logistic yêu cầu dữ liệu lớn hơn so với các phương pháp khác để cho kết quả đáng tincậy.

- MôhìnhhồiquyLogistickhôngphảilựachọntốtchoviệcxửlýcácbiến phụ thuộc thời gian hoặc dữ liệu dạngchuỗi.

Mẫu dữ liệunghiên cứu

Luận văn áp dụng phương pháp lấy mẫu ngẫu nhiên từ BIDV Thăng Long, nhằm đảm bảo tính khách quan cao và không bị ảnh hưởng bởi các khuôn mẫu từ những nghiên cứu trước Kích thước mẫu nghiên cứu được chọn sẽ phản ánh chính xác và sát thực tế; đồng thời, với việc tăng kích thước mẫu, độ tin cậy của kết quả cũng sẽ được nâng cao.

Tác giả đã thu thập 374 mẫu khách hàng có dư nợ thẻ tín dụng từ các nhóm nợ 1 đến 5 tại BIDV Thăng Long trong năm 2022 Để đảm bảo độ chính xác của mẫu, tác giả đã loại bỏ một số trường hợp không phù hợp.

- Các KHCN được áp dụng chính sách ưutiên.

Dữ liệu cho nghiên cứu này đã được tổng hợp từ cơ sở dữ liệu phần mềm quảnlýthôngtinthẻtíndụngtạiBIDVThăngLong.Nóbaogồmcácthôngtin liênquanđếntìnhhìnhtàichínhvàphitàichínhcủacácKHCN.Tuynhiên,do thờigiancóhạnnêntácgiảchỉcóthểtổnghợpdữliệuvềlịchsửgiaodịchcủa chủ thẻ từ tháng

01 đến tháng 6 năm 2022 Các chủ thẻ được xem xét trong nghiêncứulànhữngKHCNđãphátsinhdưnợtrênthẻtíndụngtronggiaiđoạn nêu trên.

Phương pháp xử lýsốliệu

2.5.1 Phân tích hồi quy Logistic và kiểm định giảthuyết

PhântíchhồiquyLogisticlàmộtlựachọnphổbiếnvàchínhxáckhimuốnmôhìnhhóamốiqu anhệgiữamộtbiếnphụthuộcvàmộthoặcnhiềubiếnđộc lập trong trường hợp biến phụ thuộc là một biến nhị phân hoặc đa phânloại.

Phân tích này thường được sử dụng để dự đoán xác suất xảy ra của các sự kiện hoặc để phân loại các quan sát vào những nhóm khác nhau.

TrongphântíchhồiquyLogistic,cầnxácđịnhmứcđộảnhhưởngcủamỗi nhân tố đối với biến phụ thuộc Y Theo nghiên cứu của Kleiber và Zeileis (2010), để đánh giá mức độ này, cần xem xét các hệ sốsau:

Hệ số -2 Log Likelihood (-2LL) là chỉ số quan trọng để đánh giá mức độ phù hợp của mô hình hồi quy, với giá trị dao động từ 0 đến vô hạn Chỉ số này thường được sử dụng để so sánh giữa mô hình hồi quy đề xuất và mô hình hồi quy trống Nếu giá trị -2LL của mô hình đề xuất thấp hơn so với mô hình trống, điều này cho thấy mô hình hồi quy được đề xuất có khả năng phù hợp tốt hơn.

Hệ số Negelkerke R Square và Cox & Snell R Square là những thước đo thay thế cho hệ số -2LL trong việc đánh giá sự phù hợp của mô hình hồi quy nhị phân So với -2LL, hai hệ số này cung cấp tiêu chuẩn rõ ràng hơn để đánh giá mô hình Giá trị của hệ số càng cao (gần 1) thường cho thấy mô hình hồi quy có mức độ phù hợp cao, như được mô tả bởi Nagelkerke (1991) và Cox & Snell (1989).

- Hệ số Wald và Sig: kiểm địnhmứcý nghĩa của các hệ số hồiquy.

Phân tích tương quan Pearson là phương pháp đánh giá mối quan hệ tuyến tính giữa các biến độc lập trong mô hình Hệ số tương quan này đo lường mức độ tương quan giữa hai biến định lượng, theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) Khi có mối tương quan mạnh, cần chú ý đến đa cộng tuyến trong phân tích hồi quy Phân tích này không phân biệt giữa biến độc lập và biến phụ thuộc mà xem xét tất cả các biến một cách đồng nhất Nếu hệ số tương quan gần 1, điều này cho thấy sự hiện diện của đa cộng tuyến, tức là các biến độc lập trong nghiên cứu có sự trùng lặp và có thể đo lường cùng một khía cạnh Khả năng xảy ra đa cộng tuyến thường được xem xét khi hệ số tương quan r ≥ 0,8, theo John và cộng sự (2000).

Cóthểđánhgiámứcđộhiệuquảcủamôhìnhdựđoánbằngcáchsửdụng bảng phân loại được tạo bởi SPSS Trong bảng này, có thể so sánh giữa giá trị thựctếvàgiátrịdựđoánchotừngtrườnghợpcụthểvàtínhtỷlệdựđoánchính xác sựkiện.

Hồi quy Logistic nhị phân yêu cầu kiểm tra giả thuyết rằng các hệ số hồi quy khác 0; nếu cả β0 và β1 đều bằng 0, xác suất giữa các sự kiện sẽ tương đương, dẫn đến mô hình không có giá trị dự đoán Để đánh giá giả thuyết H0: Pk=0 trong hồi quy tuyến tính, tác giả sử dụng kiểm định t, trong khi hồi quy Binary Logistic sử dụng đại lượng Wald Chi-Square để xác định ý nghĩa thống kê của hệ số hồi quy tổng thể Quy trình áp dụng và mức ý nghĩa (Sig) cho kiểm định Wald tuân theo quy tắc thông thường, với Wald Chi-Square được tính bằng cách lấy giá trị ước lượng của hệ số hồi quy chia cho sai số chuẩn của nó, sau đó bình phương theo công thức do John và cộng sự (2000) mô tả.

Để kiểm tra mức độ phù hợp tổng quát trong hồi quy Binary Logistic, cần xem xét sự kết hợp tuyến tính của tất cả các hệ số trong mô hình, ngoại trừ hằng số, nhằm xác định ý nghĩa của chúng trong việc giải thích biến phụ thuộc Trong hồi quy tuyến tính đa biến, kiểm định thống kê F thường được sử dụng để kiểm tra giả thuyết H0.

Trong hồi quy Logistic nhị phân, các hệ số P1=P2=…=0 cần được kiểm định bằng phương pháp Chi-bình phương Để quyết định bác bỏ hay chấp nhận giả thuyết H0, người dùng cần dựa vào mức ý nghĩa được thể hiện trong bảng “Omnibus Tests of Model Coefficients” của SPSS, theo nghiên cứu của John và cộng sự (2000).

2.5.2 Kiểm định các vi phạm trong mô hình hồiquy

* Kiểm định hiện tượng đa cộngtuyến

Dabney và Klein (2013) chỉ ra rằng hiện tượng đa cộng tuyến xuất hiện khi các biến độc lập có mối tương quan mạnh hoặc ảnh hưởng lẫn nhau Hiện tượng này có thể phát sinh từ phương pháp tổng hợp dữ liệu không thể can thiệp hoặc từ dữ liệu quan sát Đặc biệt, trong trường hợp các biến có mối tương quan cao do tổng hợp từ các nghiên cứu quan sát thuần túy mà không có lỗi nghiên cứu, tình trạng này thường xảy ra Do đó, nghiên cứu cần thực hiện một loạt thử nghiệm để đánh giá mức độ tương quan giữa các biến độc lập nhằm xử lý hiệu quả tình huống này.

Có thể xem xét việc kế thừa pha biến khác trong một mô hình hồi quy, khi hai biến giống nhau hoặc tương tự nhau thành một biến Kết quả của hiện tượng đa cộng tuyến thường dẫn đến sự gia tăng khoảng tin cậy và sai số chuẩn của các hệ số, điều này có thể ảnh hưởng đến độ chính xác trong kiểm định.

TheoDodge(2008),đểxácđịnhhiệntượngđacộngtuyến,cóthểsửdụng hệ số phóng đại phương sai VIF để đánh giámứcđộ tương quan giữa các biến độclập:

Nếu chỉ số VIF nằm trong khoảng 1 đến 2, mức độ đa cộng tuyến được coi là thấp hoặc không đáng kể Điều này chỉ ra rằng mối tương quan giữa các biến độc lập không quá mạnh, do đó không gây ra vấn đề lớn cho mô hình hồi quy.

Nếu 2 < VIF < 5, mức độ đa cộng tuyến có thể coi là trung bình Mặc dù tương quan giữa các biến độc lập có thể không quá mạnh, nhưng cần cân nhắc các biện pháp để giảm thiểu đa cộng tuyến hoặc điều chỉnh mô hình cho phù hợp.

Nếu VIF lớn hơn 5, đa cộng tuyến được coi là cao và cần chú ý Mối tương quan mạnh giữa các biến độc lập có thể ảnh hưởng nghiêm trọng đến sự ổn định và độ chính xác của mô hình hồi quy Do đó, cần thực hiện các biện pháp giảm thiểu đa cộng tuyến một cách cẩn thận.

Nếu VIF > 10, mức độ đa cộng tuyến rất cao và cần khắc phục ngay Các biện pháp có thể bao gồm loại bỏ biến tương quan cao, kết hợp biến thành một biến duy nhất, hoặc sử dụng các phương pháp như Lasso hoặc Ridge Regression để kiểm soát đa cộng tuyến Ngoài ra, có thể áp dụng Principal Component Analysis (PCA) hoặc Factor Analysis để biến đổi biến ban đầu thành các biến không tương quan Việc sử dụng các mô hình không tuyến tính như Mạng nơ-ron cũng là một lựa chọn hợp lý Tăng kích thước mẫu có thể giúp giảm thiểu ảnh hưởng của đa cộng tuyến, và việc kiểm tra lại các biến độc lập để đảm bảo tính chính xác của dữ liệu cũng rất quan trọng Cuối cùng, phương pháp khắc phục nên dựa trên tình huống cụ thể của nghiên cứu và cần đánh giá kỹ thuật cũng như kiểm tra hiệu suất mô hình để đảm bảo tính đáng tin cậy của kết quả.

* Kiểm định hiện tượng tự tươngquan

Agresti (2003) chỉ ra rằng sự tương quan giữa các thành phần trong chuỗi quan sát có thể dẫn đến tự tương quan, gây ra sai lệch trong kết quả của mô hình hồi quy Tự tương quan có thể phát sinh từ nhiều nguyên nhân, bao gồm quy trình xử lý dữ liệu, hiện tượng mạng nhện, tính quán tính của các chuỗi thời gian, hoặc sự thiếu sót biến và dạng hàm không chính xác trong mô hình.

Tự tương quan gây ra sự vi phạm tính không lệch tốt nhất (BLUE) của các ước lượng, làm cho giá trị t thường bị nâng cao so với mức bình thường Điều này dẫn đến việc ước lượng sai số chuẩn của mô hình OLS bị đánh giá thấp, khiến cho các kiểm định t và F trở nên không đáng tin cậy do bị nhiễu Trong một số trường hợp, tự tương quan còn có thể dẫn đến hiện tượng hồi quy giả.

PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG TỚI KHẢNĂNG TRẢ NỢ THẺ TÍN DỤNG CỦA KHÁCH HÀNG CÁ NHÂN TẠINGÂN HÀNG THƯƠNG MẠI CỔ PHẦN ĐẦU TƯ VÀ PHÁT TRIỂNVIỆT NAM – CHI NHÁNHTHĂNG LONG

Thốngkêmôtảbiến

Nghiên cứu này tập trung vào khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại BIDV Thăng Long trong năm 2022, dựa trên 374 quan sát và 9 chỉ tiêu như hình thức đảm bảo, hạn mức tín dụng, dư nợ tại ngân hàng khác, tình trạng sở hữu nhà ở, thu nhập, trình độ học vấn, tình trạng hôn nhân, giới tính và độ tuổi Dữ liệu được mô tả thông qua các thống kê cơ bản như giá trị lớn nhất, nhỏ nhất, độ lệch chuẩn và giá trị trung bình của các biến trong mô hình nghiên cứu Kết quả nghiên cứu được trình bày trong bảng dưới đây.

Bảng 3.1 Thống kê cơ bản mô tả các biến trong mô hình nghiên cứu

Biến định lượng Số mẫu Giá trị nhỏ nhất

Trung bình Độ lệch chuẩn Độ tuổi 374 20 65 38,3 9,7

Biến định danh Mô tả Số lượng %

Tình trạng hôn nhân Độc thân/ly dị/góa 254 67,9

Từ đại học trở lên 290 77,5

Tình trạng sở hữu nhà ở

Dư nợ tại ngân hàng khác

Không có dư nợ tại ngân hàng khác 77 20,6

Có dư nợ tại ngân hàng khác 297 79,4

Khả năng trả nợ thẻ tín dụng của KHCN

Nợ nhóm 2, nhóm 3, nhóm 4 và nhóm 5 80 21,4

Các biến tài chính và phi tài chính của KHCN tuân thủ đúng các tiêu chuẩn tổng hợp số liệu nghiên cứu, như được nêu trong bảng 3.1.

- Độtuổi:đốivớiđộtuổi,cácKHCNtrongnghiêncứuchủyếucóđộtuổi từ 20 đến

Theo Thông tư 15/VBHN-NHNN, người từ 18 tuổi trở lên và có đầy đủ năng lực hành vi dân sự được phép sử dụng thẻ ngân hàng, bao gồm thẻ ghi nợ, thẻ tín dụng và thẻ trả trước Hiện nay, độ tuổi trung bình của người sử dụng thẻ ngân hàng là 38 tuổi, trong đó có những người đã 65 tuổi.

Mặc dù độ tuổi bình quân của nhóm KHCN là 38 tuổi, nhưng nhóm từ 31 tuổi chiếm tỷ trọng cao nhất với 19 trong tổng số 374 quan sát Nhóm KHCN này thường có công việc ổn định và mức thu nhập tốt, do đó họ thường sử dụng thẻ tín dụng để thanh toán cho các hoạt động chi tiêu hàng tháng lớn hơn so với các nhóm đối tượng khác.

- Thu nhập: theo kết quả tổng hợp được thìmứcthu nhập bình quân đạt

Hạn mức tín dụng tại BIDV Thăng Long thường là 71 triệu đồng, được xác định dựa trên thu nhập của khách hàng, thường gấp 3 đến 4 lần thu nhập Ngoài ra, còn có những trường hợp đặc biệt được xem xét cấp hạn mức tín dụng theo chính sách riêng, dẫn đến việc có những khách hàng nhận hạn mức lớn hơn.

Trong nghiên cứu về giới tính, tổng số quan sát được ghi nhận là 154, trong đó nữ chiếm 41,2% và nam chiếm 58,8% Số lượng quan sát nam nhiều hơn nữ là 66 quan sát.

Trong tổng số 374 khách hàng nghiên cứu khoa học và công nghệ, chỉ có 32,1% đã lập gia đình, trong khi 67,9% còn lại là người độc thân, ly hôn hoặc đã kết hôn Tình trạng hôn nhân này cho thấy tỷ lệ khách hàng độc thân cao hơn gấp đôi so với những người đã có gia đình.

KHCNcóbằngđạihọctrởlênchiếmđasốvớitỷlệlà77,5%trongtổngsố374 quan sát thu thậpđược.

- Tình trạng sở hữu nhà ở: về tình trạng sở hữu nhà ở, số KHCN có nhà ở chỉchiếm0,8%(03KHCNsởhữunhàở),ngoàiracó371KHCNchưacónhà trong tổng số 374 quansát.

- Dư nợ tại ngân hàng khác: trong tổng số 374 quan sát, có 79,4%KHCN códưnợtạingânhàngkhác.Tỷlệnàylàtươngđốicaosovớinhómđốitượng KHCN không có dư nợ tại ngân hàngkhác.

Trong lĩnh vực mở thẻ tín dụng, hình thức đảm bảo tài sản của khách hàng cá nhân (KHCN) thường không được áp dụng Theo thống kê, chỉ có 3 trong số 374 quan sát KHCN đã sử dụng tài sản đảm bảo khi mở thẻ tín dụng Điều này cho thấy tỷ lệ KHCN mở thẻ tín dụng không có tài sản đảm bảo rất cao, lên tới 99,2%.

Trong nghiên cứu về khả năng trả nợ thẻ tín dụng của các KHCN, có đến 78,6% số người được khảo sát cho thấy họ có khả năng trả nợ, tương ứng với nhóm nợ 1 Ngược lại, 21,4% còn lại không có khả năng trả nợ, thuộc các nhóm nợ 2, 3, 4 và 5.

Phân tíchtươngquan

Hệ số tương quan dao động từ -1 đến 1, trong đó giá trị dương cho thấy hai biến có mối quan hệ đồng biến, trong khi giá trị âm chỉ ra mối quan hệ nghịch biến Khi hệ số tương quan bằng 0, hai biến không có mối liên hệ Nếu hệ số tương quan đạt -1 hoặc 1, điều đó có nghĩa là hai biến có mối quan hệ tuyệt đối Giá trị tuyệt đối của hệ số tương quan càng lớn thì mức độ tương quan giữa các biến càng chặt chẽ.

Bảng 3.2 Ma trận tương quan giữa các biến

KNTNTTD_Y Hệ số tương quan 1

TUOI_X1 Hệ số tương quan 0,0278 * 1

GIOITINH_X2 Hệ số tương quan -0,408 * -0,036 ** 1

TTHN_X3 Hệ số tương quan 0,298 * 0,138 ** 0,034 ** 1

TDHV_X4 Hệ số tương quan 0,054 * -0,106 *** -0,056 ** -0,272 *** 1

THUNHAP_X5 Hệ số tương quan 0,185 ** 0,172 ** -0,028 *** -0,036 * 0,004 *** 1

TTSHN_X6 Hệ số tương quan 0,015 * -0,007 ** -0,027 * 0,019 ** 0,002 ** 0,165 *** 1

DUNO_X7 Hệ số tương quan -0,268 ** -0,007 * -0,096 ** -0,308 ** 0,077 *** 0,088 * -0,016 *** 1

HMTD_X8 Hệ số tương quan 0,213 ** 0,0123 *** -0,016 ** -0,039 * 0,049 ** 0,505 ** 0,267 *** 0,080 *** 1

HTDB_X9 Hệ số tương quan 0,015 * -0,007 ** -0,027 ** 0,019 *** 0,002 ** 0,165 *** 1,000 ** -0,016 *** 0,267 *** 1

Ghi chú: *, **, *** có ý nghĩa lần lượt tại mức 1%, 5%, 10%;

(Nguồn: Tác giả tự tổng hợp)

Bảng 3.2 chỉ ra rằng các hệ số tương quan giữa biến phụ thuộc và các biến độc lập đều đạt giá trị tương đối lớn, với giá trị của các biến dao động từ

Giá trị Sig của hai biến HTDB_X9 và TTSHN_X6 đối với khả năng trả nợ thẻ tín dụng (KNTNTTD_Y) đều lớn hơn 0,05, cho thấy chúng không có ý nghĩa thống kê ở mức 5% Do đó, hai biến này không ảnh hưởng đáng kể đến khả năng trả nợ thẻ tín dụng và sẽ được loại bỏ khỏi mô hình hồi quy Logistic.

Giá trị Sig của các biến độc lập đều nhỏ hơn 0,05, cho thấy sự tương quan đáng kể với biến phụ thuộc Điều này khẳng định rằng việc đưa các biến độc lập vào mô hình là hợp lý, vì chúng có ảnh hưởng quan trọng đến biến phụ thuộc.

Tóm lại, khả năng trả nợ thẻ tín dụng của KHCN chịu ảnh hưởng từ những biến đã nêu và trong quá trình nghiên cứu, luận văn sẽ tập trung vào các biến này Nghiên cứu của Kennedy (2008) chỉ ra rằng khi hệ số tương quan giữa các biến độc lập vượt quá 0,8, hiện tượng đa cộng tuyến trở nên đáng lưu ý Kết quả ma trận tương quan cho thấy hệ số tương quan giữa các biến độc lập trong nghiên cứu đều thấp hơn 0,8, do đó tất cả các biến đều phù hợp để đưa vào mô hình hồi quy Tuy nhiên, để đảm bảo không có hiện tượng đa cộng tuyến giữa các biến, bài nghiên cứu sẽ tiến hành kiểm định bằng cách sử dụng hệ số nhân tố phóng đại phương sai (VIF).

Bảng 3.3 Kết quả kiểm định hiện tượng đa cộng tuyến

(Nguồn: Tác giả tự tổng hợp)

Nếu hệ số VIF vượt quá 10, điều này cho thấy sự hiện diện của đa cộng tuyến Tuy nhiên, theo bảng 3.3, tất cả các biến trong mô hình đều có giá trị VIF dưới 10 Do đó, nghiên cứu kết luận rằng không có hiện tượng đa cộng tuyến trong mô hình này.

Kiểm định tựtươngquan

Đểkiểmtrasựhiệndiệncủahiệntượngtựtươngquan,tácgiảđãsửdụng kiểm định Durbin Watson với các giả thuyết sauđây:

Giả thuyết không ràng buộc (H0): mô hình không bị ảnh hưởng bởi hiện tượng tự tương quan.

Giả thuyết thay thế (H1): mô hình chịu ảnh hưởng từ hiện tượng tự tương quan. Kết quả kiểm định được thể hiện như sau:

Bảng 3.4 Kiểm định Durbin Watson

(Nguồn: Tác giả tự tổng hợp)

Nếu hệ số Durbin Watson nằm trong khoảng từ 1 đến 3, điều này cho thấy không có hiện tượng tự tương quan Theo dữ liệu từ bảng 3.4, giá trị của hệ số Durbin Watson là 1,952 Do đó, có thể kết luận rằng mô hình không bị ảnh hưởng bởi hiện tượng tự tương quan.

Kiểm định phương sai sai sốthayđổi

Đểkiểmtrasựhiệndiệncủahiệntượngphươngsaisaisốthayđổi,tácgiả đãsửdụngkiểmđịnhtươngquanhạngSpearman.Kếtquảkiểmđịnhđượcthể hiện nhưsau:

Bảng 3.5 Kết quả kiểm định phương sai sai số thay đổi

ABSZRE Hệ số tương quan 1

TUOI_X1 Hệ số tương quan 0,0277*

GIOITINH_X2 Hệ số tương quan -0,462*

TTHN_X3 Hệ số tương quan 0,336*

TDHV_X4 Hệ số tương quan -0,015***

THUNHAP_X5 Hệ số tương quan -0,097*

TTSHN_X6 Hệ số tương quan 0,050**

DUNO_X7 Hệ số tương quan 0,278**

HMTD_X8 Hệ số tương quan -0,059**

HTBD_X9 Hệ số tương quan 0,050***

Ghi chú: *, **, *** có ý nghĩa lần lượt tại mức 1%, 5%, 10%;

(Nguồn: Tác giả tự tổng hợp)

Theo bảng 3.5, giá trị của hệ số Sig cho tất cả các biến đều lớn hơn 0,05, cho thấy mô hình nghiên cứu không bị ảnh hưởng bởi hiện tượng phương sai sai số thay đổi.

Mô hình hồi quytổngquát

Luận văn áp dụng mô hình hồi quy Logistic để phân tích ảnh hưởng của các biến độc lập đối với khả năng trả nợ thẻ tín dụng của khách hàng tại BIDV Thăng

3.5.1 Kiểm định độ phù hợp tổng quát của môhình

Bảng 3.6 Kiểm định Chi-bình phương về độ phù hợp tổng quát

Chi-bình phương Df Sig

Để đánh giá tính phù hợp của mô hình hồi quy tuyến tính tổng thể, tác giả đã sử dụng kiểm định Chi-bình phương nhằm xem xét mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập.

Dựa vào hệ số tương quan, tất cả các nhân tố đều có kết quả Sig < 0,05, cho thấy có đủ bằng chứng thống kê để bác bỏ giả thuyết H0 cho tất cả các nhân tố này.

Step -2 Log Likelihood Cox & Snell R

(Nguồn: Tác giả tự tổnghợp)

Hệ số -2LL của mô hình trống là 2085,098, trong khi hệ số -2LL của mô hình đề xuất cuối cùng là 313,769 Sự giảm đáng kể trong giá trị hệ số -2LL khi thêm các biến độc lập cho thấy mô hình hồi quy là phù hợp.

Mô hình nghiên cứu cho thấy giá trị R² = 0,587, cho thấy 58,7% sự biến đổi của biến phụ thuộc có thể được giải thích bởi 6 biến độc lập Phần còn lại của sự biến đổi là do các yếu tố khác Vì vậy, mô hình này được đánh giá là phù hợp và có khả năng áp dụng hiệu quả.

3.5.2 Độ chính xác của dựbáo

Bảng 3.8 Khả năng dự báo chính xác của mô hình

Khả năng trả nợ thẻ tín dụng của KHCN

Tỷ lệ phần trăm chính xác (%)

Khách hàng không có khả năng trả nợ

Khách hàng có khả năng trả nợ

Khả năng trả nợ thẻ tín dụng của

Khách hàng không có khả năng trả nợ

Khách hàng có khả năng trả nợ 6 288 97,96

Tỷ lệ phần trăm tổng thể (%) 94,6

(Nguồn: Tác giả tự tổng hợp)

Dựa vào số liệu, mô hình đã dự đoán chính xác 288 trong số 294 trường hợp khách hàng có khả năng trả nợ thẻ tín dụng, đạt tỷ lệ 97,96% Đối với 80 trường hợp không có khả năng trả nợ, mô hình dự đoán đúng 73 trường hợp, với tỷ lệ chính xác là 91,25% Tổng tỷ lệ dự đoán chính xác của mô hình là 94,6%, cho thấy hiệu quả cao trong việc đánh giá khả năng trả nợ của khách hàng.

3.5.3 Ýnghĩa các hệ số hồiquy

Bảng 3.9 Kiểm định mức ý nghĩa của các hệ số hồi quy lần 1

Nhân tố Hệ số β Sai số chuẩn Wald Sig Exp(β)

(Nguồn: Tác giả tự tổng hợp)

Với ngưỡng sai số chuẩn cho phép là 5%, kiểm định Wald cho thấy hệ số hồi quy của nhân tố "Dư nợ" (DUNO_X7) có giá trị Sig là 0,985, lớn hơn 0,05, cho thấy biến này không có ảnh hưởng đáng kể đến khả năng trả nợ thẻ tín dụng của KHCN Do đó, tác giả đã loại bỏ biến này và tiến hành hồi quy Logistic lần 2.

Bảng 3.10 Kiểm định mức ý nghĩa của các hệ số hồi quy lần 2

Nhân tố Hệ số β Sai số chuẩn Wald Sig Exp(β)

(Nguồn: Tác giả tự tổng hợp)

Từsốliệutạibảng3.10,chothấytấtcảcácbiếnđềucógiátrịSignhỏhơn 0,05, cho thấy rằng tất cả các biến này đều có ảnh hưởng đáng kể đối với khả năngtrảnợthẻtíndụngcủaKHCN.Vìvậy,tacómộtmôhìnhhồiquyLogistic tối ưu trong nghiêncứu:

= −3,328 + 0,094TUOI − X1 − 6,336GIOITINH − X2 + 5,013TTHN − X3 + 2,006TDHV − X4 + 0,077THUNHAP − X5 + 0,037HMTD − X8 + ε

Có sáu yếu tố chính ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân, bao gồm: hạn mức tín dụng, thu nhập và trình độ học vấn.

“Tình trạng hôn nhân”, “Giới tính” và “Độ tuổi”.

Năm biến ảnh hưởng tích cực đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân (KHCN) bao gồm “Hạn mức tín dụng”, “Thu nhập”, “Trình độ học vấn”, “Tình trạng hôn nhân” và “Độ tuổi” Khi các yếu tố này gia tăng, khả năng trả nợ thẻ tín dụng của KHCN cũng được cải thiện Ngược lại, yếu tố “Giới tính” lại có tác động tiêu cực đến khả năng này.

0 cho nữ giới, điều này cho thấy nếu số lượng KHCN là nam tăng, thì khả năng trả nợ thẻ tín dụng sẽ giảmđi.

Thảo luậnkết quả

Kết quả từ mô hình hồi quy Logistic với 9 biến độc lập cho thấy có 3 biến không có ý nghĩa thống kê và 6 biến có ý nghĩa thống kê Hệ số R² đạt 0,587, cho thấy 58,7% sự biến đổi của biến phụ thuộc được giải thích bởi 6 biến độc lập Tỷ lệ dự đoán độ chính xác của mô hình đạt 94,6%, và mô hình này không gặp phải hiện tượng đa cộng tuyến giữa các biến độc lập.

Kết quả được tác giả tổng hợp lại như sau:

Bảng 3.11 Tóm tắt kết quả nghiên cứu

Giả thuyết Biến Ký hiệu Đo lường/ Đơn vị tính Kỳ vọng

Kết quả dấu ảnh hưởng Ý nghĩa

Hiệu số giữa nămKHCN phát sinh nợ TTD và năm sinh của KHCN

Nữ: nhận giá trị 0 - - Chấp nhận giả thuyết

Có gia đình: nhận giá trị 1 Độc thân/ ly dị/ góa: nhận giá trị 0

Từ đại học trở lên: nhận giá trị 1 Dưới đại học: nhận giá trị 0

_X5 Triệu đồng + + Chấp nhận giả thuyết

Tình trạng sở hữu nhà ở

Có sở hữu nhà ở: nhận giá trị 1

Không sở hữu nhà ở: nhận giá trị 0

Dư nợ tạingân hàng khác

Có dư nợ tại ngân hàng khác: nhận giá trị 1 Không có dư nợ tại ngân hàng khác: nhận giá trị 0

HMTD_X8 Triệu đồng + + Chấp nhận giả thuyết

Có TSĐB: nhận giá trị 1

Không có TSĐB: nhận giá trị 0

(Nguồn: Tổng hợp kết quả nghiên cứu của tác giả)

* Các biến có ý nghĩa thống kê:

Kỳ vọng rằng với độ tuổi của khách hàng cá nhân (KHCN) tăng, rủi ro không thể trả nợ sẽ giảm, từ đó nâng cao khả năng trả nợ thẻ tín dụng Kết quả hồi quy cho thấy có mối quan hệ tích cực giữa độ tuổi và khả năng trả nợ thẻ tín dụng, với giả thuyết thống kê đạt mức 5% Cụ thể, khi độ tuổi của KHCN tăng lên 1 năm, xác suất khả năng trả nợ thẻ tín dụng sẽ tăng 1,1 lần, với hệ số hồi quy là 0,094 và Exp(β) là 1,098 Kết quả này khác với nghiên cứu của Kim và Dunn (1999) nhưng phù hợp với giả thuyết từ nghiên cứu của Mansoori và Kohansal (2009).

Nghiên cứu về ảnh hưởng của giới tính đối với khả năng trả nợ thẻ tín dụng của khách hàng cá nhân (KHCN) cho thấy có mối quan hệ âm và có ý nghĩa thống kê ở mức 5% Giới tính được mã hóa với giá trị 1 cho nam và 0 cho nữ, với hệ số hồi quy là -6,336 và Exp(β) là 0,002 Kết quả cho thấy khách hàng nam có khả năng trả nợ thẻ tín dụng thấp hơn khoảng 0,002 lần so với khách hàng nữ khi giữ nguyên các yếu tố khác Phát hiện này phù hợp với các nghiên cứu trước đây của Adams và Moore (2007) cũng như Lin và cộng sự (2019).

Giả thuyết H 3 : Tình trạng hônnhân

Dự đoán việc kết hôn sẽ có ảnh hưởng tích cực đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân (KHCN) Phân tích cho thấy có mối quan hệ dương và ý nghĩa thống kê ở mức 5% giữa tình trạng hôn nhân và khả năng trả nợ thẻ tín dụng Tình trạng hôn nhân được phân loại thành hai nhóm: đã kết hôn (gán giá trị 1) và độc thân/lý dị/góa (gán giá trị 0) Kết quả chỉ ra rằng KHCN đã kết hôn có khả năng trả nợ thẻ tín dụng cao hơn so với những người độc thân Với hệ số hồi quy là 5,013 và Exp(β) là 150,409, điều này cho thấy sự liên quan mạnh mẽ giữa tình trạng hôn nhân và khả năng tài chính của KHCN.

Nghiên cứu cho thấy rằng khả năng trả nợ thẻ tín dụng của chủ thẻ đã kết hôn cao hơn khoảng 150,409 lần so với chủ thẻ độc thân, ly dị hoặc góa, nếu các yếu tố khác không thay đổi Kết quả này chỉ ra mức độ ảnh hưởng rất lớn của tình trạng hôn nhân đối với khả năng tài chính, đặc biệt khi xem xét rằng đa số các chủ thẻ trong nghiên cứu này thuộc nhóm đã kết hôn Điều này cũng đồng nhất với giả thuyết đã nêu và nghiên cứu trước đó của Wang và cộng sự (2011).

Giả thuyết H 4 : Trình độ học vấn

Nghiên cứu cho thấy rằng trình độ học vấn cao có ảnh hưởng tích cực đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân (KHCN) Phân tích hồi quy chỉ ra mối quan hệ dương giữa trình độ học vấn và khả năng trả nợ, với mức ý nghĩa 5% Trình độ học vấn được phân loại thành hai nhóm: từ đại học trở lên (giá trị 1) và dưới đại học (giá trị 0) Kết quả cho thấy, khi số lượng KHCN có trình độ học vấn cao tăng, khả năng trả nợ thẻ tín dụng cũng tăng theo Hệ số hồi quy là 2,006 và Exp(β) là 7,435, cho thấy chủ thẻ có trình độ học vấn từ đại học trở lên có khả năng trả nợ cao gấp khoảng 7,435 lần so với những người có trình độ dưới đại học Hơn 78% người tham gia khảo sát có trình độ học vấn từ đại học trở lên Để quản lý nợ thẻ tín dụng, việc hiểu biết về các yếu tố như ngày thanh toán và dư nợ cuối kỳ là rất quan trọng Kết quả này phù hợp với giả thuyết ban đầu và nghiên cứu trước đó của Lin và cộng sự (2019) cũng như Stavins (2000).

Nghiên cứu chỉ ra rằng thu nhập có tác động tích cực đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân (KHCN) Phân tích cho thấy có mối quan hệ dương và có ý nghĩa thống kê ở mức 5% giữa thu nhập và khả năng trả nợ thẻ tín dụng Cụ thể, khi thu nhập của KHCN tăng, khả năng trả nợ thẻ tín dụng cũng tăng theo Hệ số hồi quy là 0,077 và Exp(β) là 1,080, cho thấy nếu thu nhập của KHCN tăng thêm 1 triệu đồng mỗi tháng, khả năng trả nợ thẻ tín dụng sẽ tăng khoảng 1,080 lần Kết quả này phù hợp với nghiên cứu của Lin và cộng sự (2019) và xác nhận giả thuyết của nghiên cứu.

Giả thuyết H 8 : Hạn mức tín dụng

Hạn mức tín dụng cao có ảnh hưởng tích cực đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân (KHCN) Phân tích hồi quy cho thấy có mối quan hệ đồng hướng và có ý nghĩa thống kê ở mức 5% giữa hạn mức tín dụng và khả năng trả nợ thẻ tín dụng của KHCN Cụ thể, khi hạn mức tín dụng của KHCN tăng thêm 1 triệu đồng, khả năng trả nợ thẻ tín dụng sẽ tăng khoảng 1,038 lần, với hệ số hồi quy là 0,037 Kết quả này xác nhận giả thuyết ban đầu và tương đồng với nghiên cứu của Lin và cộng sự (2019), nhưng trái ngược với nghiên cứu của Roslan và cộng sự (2009).

* Các biến không có ý nghĩa thống kê:

Giả thuyết H 6 : Tình trạng sở hữu nhà ở

Giả thuyết H 7 : Dư nợ tại ngân hàng khác

Dư nợ tại ngân hàng khác có thể ảnh hưởng tiêu cực đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân (KHCN) Tuy nhiên, phân tích hồi quy cho thấy rằng dư nợ tại ngân hàng khác không có ý nghĩa thống kê, với giá trị Sig không đạt yêu cầu.

Theo chính sách tín dụng của BIDV Thăng Long, dư nợ tại các ngân hàng khác được sử dụng làm cơ sở tham khảo chính, chủ yếu để đánh giá thu nhập thực tế của khách hàng cá nhân (KHCN) trong quá trình xem xét cấp thẻ tín dụng.

Giả thuyết H 9 : Hình thức đảm bảo

Việc sử dụng tài sản đảm bảo trong khoản vay có thể ảnh hưởng tích cực đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân Tuy nhiên, phân tích cho thấy hình thức đảm bảo không có ý nghĩa thống kê, với Sig > 0,05 Theo chính sách tín dụng của BIDV Thăng Long, hình thức đảm bảo thường được sử dụng như một cơ sở tham khảo, đặc biệt trong quá trình đánh giá thu nhập thực tế của khách hàng cá nhân khi xem xét việc cấp thẻ tín dụng.

HÀM ÝCHÍNH SÁCH

Kếtluận

Luận văn đã hoàn thành hai mục tiêu quan trọng trong Chương 1 Mục tiêu đầu tiên là xác định các nhân tố ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân (KHCN) Mục tiêu thứ hai là đánh giá mức độ ảnh hưởng của các nhân tố này đối với khả năng trả nợ thẻ tín dụng của KHCN thông qua mô hình hồi quy Logistic và kiểm định 9 giả thuyết.

Nghiên cứu này sử dụng mẫu dữ liệu gồm 374 quan sát, được thu thập ngẫu nhiên từ BIDV Thăng Long trong năm 2022, và đã đạt được những thành công đáng kể.

Thứnhất:đãchỉrađượccácnhântốảnhhưởngtớikhảnăngtrảnợthẻtín dụng của KHCN tại BIDV ThăngLong.

Luận văn đã mở rộng các biến từng nghiên cứu trước đó và điều chỉnh chúng để phù hợp với thị trường tài chính tại Việt Nam, đặc biệt là BIDV Thăng Long Để xác định ảnh hưởng của các biến này đối với khả năng trả nợ thẻ tín dụng của khách hàng cá nhân, tác giả đã áp dụng phương pháp thống kê mô tả, phân tích hồi quy Logistic và tiến hành kiểm định các giả thuyết đã đề ra.

Kết quả của nghiên cứu cho thấy rằng trong 9 biến được đề cập đến, có 6 biến có ý nghĩa thống kê đáng kể Cụ thể:

- Biến tuổi tác: nghiên cứu đã xác nhận giả thuyết về ảnh hưởng của biến nàyđốivớikhảnăngtrảnợthẻtíndụngcủaKHCN,vớiảnhhưởngcùngchiều.

- Biếngiớitính:pháthiệnrằnggiớitínhnữcóảnhhưởngtíchcựcđốivới khảnăngtrảnợthẻtíndụngcủaKHCN,trongkhigiớitínhnamảnhhưởngtiêu cực.

- Biếntìnhtrạnghônnhân:biếnnàycómốiquanhệcùngchiềuvớikhả năng trả nợ thẻ tín dụng của KHCN, đặc biệt là khi khách hàng đã lập gia đình.

Nghiên cứu cho thấy có mối quan hệ tích cực giữa trình độ học vấn và khả năng trả nợ thẻ tín dụng của khách hàng cá nhân Cụ thể, những người có trình độ học vấn cao thường có khả năng quản lý tài chính tốt hơn, dẫn đến việc thanh toán nợ thẻ tín dụng đúng hạn Điều này nhấn mạnh tầm quan trọng của giáo dục trong việc cải thiện kỹ năng tài chính và quản lý nợ.

- Biếnthunhập:kếtquảchothấybiếnthunhậpcómốiquanhệcùngchiều với khả năng trả nợ thẻ tín dụng củaKHCN.

- Biến hạnmứctín dụng: biến này có ảnh hưởng cùng chiều với khả năng trả nợ thẻ tín dụng của KHCN.

Thứhai:chỉrađượcmứcđộảnhhưởngcủacácnhântốnàyđếnkhảnăng trả nợ thẻ tín dụng của KHCN tại BIDV ThăngLong.

Theo phân tích, mô hình nghiên cứu chỉ ra 06 biến có ý nghĩa thống kê, được sắp xếp theo hệ số beta: giới tính (β=-6,336), hạn mức tín dụng (β=0,037), thu nhập (β=0,077), độ tuổi (β=0,094), trình độ học vấn (β=2,006) và tình trạng hôn nhân (β=5,013) Kết quả này chứng minh rằng luận văn đã thành công trong việc trả lời các mục tiêu và câu hỏi đã được đề cập.

Luận văn này không chỉ xác định các yếu tố ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân (KHCN) mà còn đề xuất những chính sách nhằm cải thiện quá trình đánh giá khả năng trả nợ thẻ tín dụng tại BIDV Thăng Long Nghiên cứu này góp phần giảm thiểu rủi ro nợ thẻ tín dụng cho BIDV Thăng Long và nâng cao hiệu suất thu hồi vốn đúng hạn.

Hàm ýchínhsách

Từ năm 2023 đến 2028, BIDV Thăng Long đang tiến hành cải cách và phát triển mảng thẻ tín dụng nhằm tạo dấu ấn trên thị trường tài chính Việt Nam Để đạt mục tiêu tăng số lượng thẻ lên 500.000 thẻ trong năm 2023-2024, ngân hàng phải đối mặt với rủi ro gia tăng nợ thẻ tín dụng, xuất phát từ hạn chế trong đánh giá khả năng trả nợ của khách hàng cá nhân Nghiên cứu này tập trung vào các thông tin từ khách hàng khi mở thẻ, giúp BIDV Thăng Long đánh giá khả năng trả nợ Kết quả nghiên cứu cho thấy ngân hàng cần cải thiện xác định khách hàng có khả năng trả nợ tốt hơn và tập trung vào việc xây dựng, thu thập thông tin khách hàng một cách chính xác hơn.

BIDV Thăng Long cần thiết lập chính sách cấp hạn mức thẻ tín dụng phù hợp với từng nhóm tuổi, đặc biệt chú trọng đến nhóm khách hàng cá nhân (KHCN) dưới 50 tuổi, chiếm khoảng 86% Việc đánh giá định kỳ tình hình nợ của các nhóm KHCN là cần thiết để hạn chế việc tăng hạn mức một cách hợp lý Theo quy định, người từ 18 đến 65 tuổi được cấp thẻ tín dụng, và dữ liệu cho thấy BIDV Thăng Long đang tập trung hiệu quả vào nhóm KHCN ở độ tuổi trung niên từ 35 đến 50 tuổi.

Nghiên cứu chỉ ra rằng tuổi tác có mối quan hệ tích cực với khả năng trả nợ thẻ tín dụng của khách hàng cá nhân, nghĩa là khi khách hàng lớn tuổi hơn, khả năng thanh toán nợ của họ cũng tăng lên Tuy nhiên, điều này chỉ đúng với một phần dữ liệu từ 374 quan sát Đối với những khách hàng trẻ tuổi, họ có thể thiếu kiến thức về thẻ tín dụng và thường chi tiêu không kiểm soát, dẫn đến nguy cơ mắc nợ thẻ tín dụng cao hơn.

Trong quá trình thu hồi nợ, cần tập trung vào nhóm khách hàng nam giới, đặc biệt là tăng cường liên hệ và theo dõi thanh toán của họ Giới tính có ảnh hưởng đáng kể đến khả năng trả nợ thẻ tín dụng, với khách hàng nam thường có khả năng trả nợ thấp hơn so với nữ giới Mặc dù tỷ lệ khách hàng nam và nữ trong mẫu khảo sát gần như bằng nhau, kết quả vẫn cho thấy nam giới có xu hướng trả nợ kém hơn Dù ảnh hưởng này không lớn, nhưng vẫn cần quan tâm trong việc đánh giá khả năng trả nợ thẻ tín dụng của ngân hàng Điều này đặc biệt quan trọng vì thông tin về giới tính thường không được xem xét cụ thể trong quá trình cấp thẻ tín dụng và không được đề cập trong chính sách cấp thẻ của BIDV Thăng Long.

- Tình trạng hôn nhân:để giảm thiểu việc phát sinh nợ thẻ tín dụng,

BIDV Thăng Long cần xem xét cách cấp hạn mức tín dụng cho hai nhóm khách hàng: những người đã kết hôn và những người chưa kết hôn hoặc đã ly hôn, góa Đối với khách hàng có gia đình, nên cấp hạn mức tín dụng cao hơn so với nhóm còn lại Nghiên cứu cho thấy tình trạng hôn nhân ảnh hưởng đến khả năng trả nợ thẻ tín dụng, vì những người có gia đình thường quản lý tài chính tốt hơn, chi tiêu có kế hoạch và chú trọng đến việc thanh toán nợ đúng hạn.

Gia đình có sự hỗ trợ tài chính từ cả hai vợ chồng thường ổn định hơn, điều này được thể hiện qua khảo sát 374 quan sát Đáng chú ý, người chưa lập gia đình, ly hôn hoặc góa chiếm gần 68%, điều này có thể tác động đáng kể đến tình trạng nợ thẻ tín dụng tại BIDV Thăng Long.

Để giảm thiểu rủi ro, BIDV Thăng Long cần xây dựng đội ngũ nhân viên bán thẻ chuyên nghiệp, có khả năng trả lời mọi thắc mắc và hướng dẫn khách hàng một cách tỉ mỉ, dễ hiểu Điều này đặc biệt quan trọng do trình độ học vấn của khách hàng ảnh hưởng lớn đến khả năng trả nợ thẻ tín dụng của họ.

Theo khảo sát, BIDV Thăng Long có một lượng lớn khách hàng cá nhân (KHCN) với trình độ học vấn từ trên đại học, điều này phản ánh nhu cầu hiểu biết về thẻ tín dụng phức tạp hơn so với các khoản vay tín chấp Khách hàng cần nắm rõ các thông tin như ngày sao kê, ngày thanh toán, hạn mức tín dụng và thời gian miễn lãi Do đó, phần lớn chủ thẻ tín dụng tại BIDV Thăng Long đều có trình độ học vấn cao, giúp họ có nhiều cơ hội tiếp xúc với kiến thức khoa học và công nghệ.

Chiến lược phát triển thẻ của BIDV Thăng Long chủ yếu nhắm đến hai nhóm đối tượng: nhân viên văn phòng và sinh viên mới tốt nghiệp Tuy nhiên, nhiều khách hàng tại BIDV Thăng Long vẫn gặp khó khăn trong việc hiểu rõ cách sử dụng thẻ tín dụng.

- Thu nhập:để duy trì sự ổn định và hiệu suất của mình trong nhiềunăm qua,

BIDV Thăng Long cần phát triển một chính sách mở thẻ tín dụng chi tiết và linh hoạt, phù hợp với từng nhóm khách hàng cá nhân Việc này bao gồm đánh giá khả năng thu nhập và dự đoán rủi ro mất việc làm trong tương lai Định kỳ rà soát và đánh giá lại thu nhập của khách hàng, cùng với tình trạng công việc hiện tại, là cần thiết để có phản ứng kịp thời.

Trong quá trình mở thẻ tín dụng, thu nhập đóng vai trò quan trọng trong việc đánh giá khả năng trả nợ và xác định hạn mức tín dụng BIDV Thăng Long yêu

BIDV Thăng Long đã thành công trong việc kiểm soát rủi ro nợ xấu với tỷ lệ dưới 3%, nhờ vào quy trình đánh giá nghiêm ngặt các nhân tố đầu vào khi mở thẻ Tuy nhiên, với chiến lược mở thẻ tín dụng rộng rãi cho nhiều phân khúc trong năm 2022-2023, việc tăng cường quản lý rủi ro nợ xấu đang trở thành một thách thức đáng chú ý.

Hạn mức tín dụng là yếu tố quan trọng trong việc quản lý rủi ro cho ngân hàng, và BIDV Thăng Long cần thiết lập một cơ cấu hạn mức linh hoạt phù hợp với từng nhóm khách hàng cá nhân Để đảm bảo an toàn tài chính, ngân hàng cũng cần thực hiện đánh giá tài chính định kỳ cho các khách hàng của mình.

Tại BIDV Thăng Long, hạn mức tín dụng thẻ tín dụng được xác định dựa trên thu nhập của khách hàng, thường chiếm hơn 85% lương và gấp 3 đến 4 lần thu nhập hàng tháng Mô hình phân tích cho thấy mối quan hệ tích cực giữa thu nhập và khả năng trả nợ thẻ tín dụng, cho thấy rằng việc gia tăng hạn mức có thể giảm tỷ lệ nợ thẻ tín dụng Tuy nhiên, việc tăng hạn mức cho khách hàng cá nhân phụ thuộc vào việc đánh giá lại thu nhập của họ, do đó, hạn mức tăng sẽ đi kèm với việc nâng cao khả năng trả nợ thẻ tín dụng.

Năm 2022, nền kinh tế toàn cầu và Việt Nam đối mặt với nhiều thách thức, bao gồm chính sách tín dụng nghiêm ngặt dẫn đến tình trạng kinh tế trì trệ, gia tăng tỷ lệ thất nghiệp và việc trả lương trễ Những yếu tố này đã ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân, làm tăng tỷ lệ nợ xấu tại BIDV Thăng Long Để hỗ trợ khách hàng trong thời gian khó khăn, ngân hàng đã triển khai các chính sách như giảm lãi suất thẻ và kéo dài thời gian miễn lãi thẻ tín dụng Mặc dù gặp nhiều khó khăn, BIDV Thăng Long vẫn quản lý và kiểm soát nợ quá hạn hiệu quả, giữ tỷ lệ nợ xấu dưới 5%.

Hạn chế của luận văn và hướng nghiêncứu sau

Nghiên cứu xác định các yếu tố ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại BIDV Thăng Long, đồng thời đưa ra các hàm ý chính sách nhằm giảm thiểu tình trạng nợ thẻ tín dụng Luận văn phân tích mức độ ảnh hưởng của các yếu tố ban đầu và hỗ trợ ngân hàng trong việc nhận diện khách hàng không có khả năng trả nợ, từ đó nâng cao khả năng xây dựng chính sách đánh giá thông tin khách hàng Ngoài ra, nghiên cứu còn góp phần làm cho quá trình xếp hạng khả năng trả nợ thẻ tín dụng của khách hàng cá nhân trở nên hiệu quả hơn, giúp BIDV Thăng Long cải thiện chính sách đánh giá và dự đoán sớm các dấu hiệu rủi ro liên quan đến nợ thẻ tín dụng.

Nghiên cứu chỉ ghi nhận 374 quan sát trong năm 2022 tại BIDV Thăng Long, do thời gian và mẫu quan sát hạn chế, dẫn đến việc không thể phản ánh đầy đủ thực tế tại ngân hàng Hơn nữa, dữ liệu nghiên cứu chỉ bao gồm một phần thông tin từ hồ sơ khách hàng, thiếu cái nhìn toàn diện và phân tích chi tiết về chủ đề Để khắc phục những hạn chế này, các nghiên cứu trong tương lai nên mở rộng dữ liệu và phạm vi đề tài, bao gồm nhiều ngân hàng hơn, nhằm đánh giá chính xác hơn ảnh hưởng của các biến trong mô hình và nâng cao giá trị ứng dụng của nghiên cứu trong hệ thống Ngân hàng Việt Nam.

DANH MỤC TÀI LIỆU THAM KHẢO

2 Nguyễn Minh Kiều (2007).“Nghiệp vụ ngân hàng hiện đại” Nhà xuấtbản Thốngkê.

3 Nguyễn Minh Kiều (2008).“Tiền tệ ngân hàng” NXB Thốngkê.

4 Nguyễn Minh Kiều (2009).“Nghiệp vụ ngân hàng thương mại” Nhà xuất bản Thốngkê.

5 HuỳnhQuangLinhvàctg(2021).“Cácnhântốảnhhưởngtớikhảnăngtrảnợcủakhác hhàngcánhântạiNgânhàngBIDVTràVinh”.TạpchíTàichính kỳ 2 tháng5/2021.

6 TrịnhHoàngNam,&VươngĐứcHoàngQuân(2016).Thedeterminantsofcredit card delinquency: An experimental study in Vietnam International

Conference on Asia-Pacific Economic and financial development asian financial markets.

7 Bùi Thị Tuyết Nga (2017).“Các nhân tố ảnh hưởng đến khả năng trả nợthẻ tín dụng của khách hàng cá nhân tại Ngân hàng TMCP Quân Đội”.

Luận văn thạc sỹ Trường Đại học Kinh tế TP.HCM.

8 Phan Thị Hằng Nga và Nguyễn Thị Ngọc Quỳnh (2020).“Phân tích cácnhântốảnhhưởngtớikhảnăngtrảnợcủakháchhàngcánhântạiNgânhàng

Thương mại cổ phần Sài Gòn Thương Tín - Chi nhánh Tân Bình”.Tạp chí Công thương số22/2020.

9 Trần Thanh Phong và ctg (2021) “Đánh giá năng lực thanh toán nợ củakhách hàng cá nhân tại Agribank – Chi nhánh Tân Hưng” Tạp chí tài chính TP.HCM,57(3).

10 Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008).“Phân tích dữ liệu vớiSPSS” Trường Đại học Kinh tế TP HCM Giáo trình kinh tế lượng NXB

1 Adams,T.,&Moore,M.J.J.o.A.C.H.(2007).High-riskhealthandcredit behavior among 18-to 25-year-old college students 56(2),101-108.

2 Agarwal, S., Liu, C J J o E., & Finance (2003) Determinants of credit card delinquency and bankruptcy: Macroeconomic factors 27(1),75-84.

3 Chien, Y W., & Devaney, S A J J o C A (2001) The effects of credit attitude and socioeconomic factors on credit card and installment debt 35(1), 162-179.

4 Jones, L E., Loibl, C., & Tennyson, S J J o E P (2015) Effects of informational nudges on consumer debt repayment behaviors 51,16-33.

5 Fernando, A., & Dedunu, H (2017) Factors Affecting to Performing and Non-performing Borrower's Loan RepaymentAbility.

6 Lin, L., Revindo, M D., Gan, C., & Cohen, D A (2019) Determinants of credit card spending and debt of Chinese consumers International Journal of Bank Marketing, 37(2),545-564.

7 Gross, D B., & Souleles, N S J T Q j o e (2002) Do liquidity constraints and interest rates matter for consumer behavior? Evidence from credit card data 117(1),149-185.

8 Hamid,F.S.,&Loke,Y.J.J.I.J.o.C.S.(2021).Financialliteracy,money management skill and credit card repayments 45(2),235-247.

9 Jusoh, Z., Lin, L Y J I J o B., & Science, S (2012) Personal financial knowledge and attitude towards credit card practices among working adults inMalaysia.3(7).

10 Kaynak,E.,&Harcar,T.J.J.o.F.S.M.(2001).Consumers'attitudesand intentions towards credit card usage in an advanced developing country 6(1), 24-39.